Игры кончились: ИИ обретает тело. Главное из Tech Trends 2026 от Deloitte

Deloitte выкатили свой традиционный прогноз Tech Trends 2026.
Мы ознакомились с этим талмудом, чтобы вам не пришлось.

На всякий случай- кто такие Deloitte? Одна из «большой четверки» аудиторов, работающая с 90% компаний Fortune 500. Оборот — $65 млрд.

Их прогнозы — это не гадание на кофейной гуще, а инсайды от тех, кто уже внедряет эти технологии в крупнейших корпорациях мира.

Спойлер: Период «песочницы» официально закрыт. ИИ перестает быть прикольной фичей в браузере и начинает жестко перестраивать физический мир.

Мы переходим от фазы «Вау, оно умеет писать стихи» к фазе «Оно управляет заводом и принимает решения».

🔥 Ключевые тренды, которые нельзя игнорировать:
🤖 1. ИИ вышел из чата (буквально)
Интеллект мигрирует из облака в «железо». Это называют Physical AI. Склады, заводы, больницы — теперь это единый организм. Роботы больше не тупые исполнители скриптов, они учатся на лету и оптимизируют процессы без участия человека.
Перевод: Если ваш бизнес завязан на физических активах и вы не думаете об их «оцифровке мозгами», вы проиграете.
🕵️‍♂️ 2. Агенты вместо болталок
Забудьте про чат-ботов. На сцену выходят Автономные Агенты. Разница колоссальная: бот отвечает на вопрос, а агент — решает задачу. Он сам спланирует закупку, договорится с поставщиком-ботом и закроет сделку. Человек нужен только для финального «ОК».
Пример: Amazon уже тестирует агентов, которые управляют цепочками поставок, а не просто мониторят их.
🏗 3. Глобальная перестройка «под капотом»
Нельзя запустить ИИ нового поколения на серверах пятилетней давности. Deloitte прямо говорит: нас ждет пересборка архитектуры. Гибридные облака, Edge-вычисления и новые чипы. Компании, отложившие модернизацию IT «на потом», уже проиграли гонку.
👔 4. CIO — больше не «главный по компьютерам»
Роль IT-директора меняется радикально. Теперь его задача — строить гибридную рабочую силу, где люди и AI-агенты работают в связке. Это уже не техподдержка, это HR и стратегия в одном флаконе.

🧠 Вердикт REAL DIGITAL
В отчете есть одна пугающе точная мысль:
«Те, кто пытается прикрутить ИИ к старым процессам — проиграют».
Это как пытаться поставить двигатель от Ferrari на телегу. Лошадь сдохнет, телега развалится. Выигрывают те, кто строит процессы с нуля, исходя из того, что ИИ — это база, а не надстройка.
Но есть нюанс.
Deloitte — это консультанты, они зарабатывают на внедрении. Поэтому включаем критическое мышление:
- Не внедрять ради хайпа. Роботы нужны не каждому складу.
- Считать ROI. Перестройка инфраструктуры стоит миллионы.
- Помнить о рисках. Автономные агенты могут наломать дров, если дать им слишком много воли.

Реальность: К 2026 году появятся первые супер-кейсы и тонны провалов. Успех будет у тех, кто начал экспериментировать сейчас.

🔗 Полный отчет (100+ страниц, EN): Tech Trends 2026 от Deloitte — https://www.deloitte.com/us/en/insights/topics/technology-management/tech-trends.html сохраните в закладки для стратсессий.

❓ Вопрос к подписчикам:
Как думаете, в какой сфере в Казахстане мы быстрее всего увидим реальных роботов-агентов?

🔘 Логистика (Kaspi доставка?)
🔘 Банки
🔘 Госуслуги

👇 Обсудим в комментариях

REAL DIGITAL

#TechTrends2026 #AI #Deloitte #PhysicalAI #Робототехника #Бизнес #RealDigital

🧬 Биотех-войны: Азия теснит Европу.

Друзья, пока все взгляды прикованы к гонке нейросетей, на карте мира происходит тектонический сдвиг в другой сфере — в биотехнологиях. И это уже не про науку, это про большую политику и триллионы долларов.

Рынок биотеха пробил отметку в $1,77 трлн. Но самое интересное не «сколько», а «кто».

🌏 Смена караула: Азиатский тигр прыгнул
Впервые в истории Азиатско-Тихоокеанский регион начинает обходить Европу (29% против 24% рынка). Пока Старый Свет тонет в регуляции, Азия берет скоростью и масштабом.

Кто делает кассу на Востоке?
- 🇰🇷 Samsung Biologics (Южная Корея) — новый «завод мира» для фармы.
Выручка уже перевалила за $2.9 млрд.
Пока мы пользуемся их смартфонами, они производят вакцины и лекарства для Pfizer, Moderna и 17 из 20 крупнейших фармгигантов мира.
- 🇨🇳 BGI Group (Китай) — монстры геномики. Те самые, кто в 2020-м секвенировал геном COVID-19 всего за 48 часов, дав миру шанс на создание тестов и вакцин.

⚔️ «Холодная война» в пробирке
США пока удерживают корону (~38% рынка), но Вашингтон уже включил режим обороны.
В 2024 году Палата представителей США приняла BIOSECURE Act — закон, фактически отрезающий китайский биотех от американских денег. Под удар попали 5 гигантов (включая тех же BGI и WuXi). «Чиповые войны» заканчиваются, начинаются «биологические».

🎨 На чем делают деньги? (Ликбез)
Рынок делят по цветам:
🔴 Красный (Фарма, 42%) — Лекарства от рака, генная терапия. Риски колоссальные, но одна удачная молекула окупает всё.
⚪️ Белый (промышленность, 24%) — Реальная замена нефти. Бактерии, производящие пластик и топливо.
🟢 Зеленый (Агро, 21%) — ГМО нового поколения, чтобы накормить 8 млрд человек в условиях засухи.

⚠️ Ложка дегтя
Биотех — это «казино для интеллектуалов».
Здесь можно сжечь $100 млн на разработку препарата и провалиться на 3-й фазе испытаний. Но именно этот риск отделяет тех, кто меняет историю, от всех остальных.

В 20-м веке миром правили те, у кого была нефть. В 21-м будут править те, у кого есть технологии продления жизни и производства еды. И центр силы смещается на Восток.

Вопрос на засыпку:
Допустим, лекарство изобретено в Китае, одобрено ИИ и местным регулятором, но не американской FDA. Примете?
💊 — Да, если лечит, мне всё равно.
🧐 — Нет, буду ждать западных аналогов.

#RD_Аналитика #Биотех #Samsung #BGI #ЭкономикаБудущего #Геополитика

Microsoft вкладывает $17,5 млрд в AI‑инфраструктуру Индии — крупнейшая инвестиция компании в Азии

Microsoft объявила о рекордных инвестициях в Индию: $17,5 млрд на развитие облачной и AI‑инфраструктуры.
Это крупнейшее вложение компании в Азии — примерно в шесть раз больше, чем она инвестировала в Индию за все предыдущие годы.

Ключевые акценты:
- Строительство крупнейшего гиперскейл‑региона Microsoft в Индии и расширение действующих дата‑центров.
- Удвоение плана по обучению — с 10 до 20 млн человек к 2030 году, при этом уже 5,6 млн индийцев прошли программы по цифровым и AI‑навыкам.

Почему именно Индия:
- Молодое население (медианный возраст около 28 лет) и быстрорастущая цифровая экономика.
- Индия уже входит в число крупнейших рынков для глобальных техкомпаний и активно продвигает госпрограмму Digital India.

Стратегический смысл сделки:
- Microsoft усиливает позиции в глобальной гонке за лидерство в ИИ на фоне активных инвестиций других техгигантов в регионе.
- Акцент на «цифровом суверенитете»: локальное хранение данных и соответствие индийскому IT‑законодательству.

Как думаете, станет ли Индия новым глобальным AI‑хабом?

Источники:
https://news.microsoft.com/source/asia/2025/12/09/microsoft-invests-us17-5-billion-in-india-to-drive-ai-diffusion-at-population-scale/

https://www.hindustantimes.com/india-news/microsoft-makes-usd-17-5-billion-dollar-ai-commitment-what-it-means-for-india-6-key-facts-101765340138893.html

REAL DIGITAL

#Microsoft #AI #DigitalIndia #TechInvestments

Агентный ИИ: почему это меняет правила игры в бизнесе

ChatGPT отвечает на вопросы. Агентный ИИ сам ставит задачи, принимает решения и выполняет их без вас.

Добро пожаловать в эру автономного интеллекта.

Что происходит на рынке
Рынок растет на 49% в год. Техгиганты вкладывают в это миллиарды, а Linux Foundation в 2024 году запустил стандартизацию для массового внедрения.
По данным McKinsey, банки с агентным ИИ в продажах получают на 3–15% больше доходов на менеджера, снижая затраты на 20–40%.

Но есть риски: Gartner предупреждает, что 40% проектов свернут к 2027 году из-за неясной ценности.

Эволюция: от инструмента к сотруднику
1. Пассивный ИИ (Инструмент)
Генеративный (ChatGPT), предиктивный или классификационный ИИ — это инструменты, которые ждут вашей команды.
2. Агентный ИИ (Сотрудник)
* ✅ Сам планирует действия и принимает решения.
* ✅ Использует внешние инструменты (API, базы данных).
* ✅ Адаптируется в процессе.
Главное отличие: Агентный ИИ работает вместо вас.

Как это выглядит на практике
Агент не просто дает совет.
- В продажах: Сам анализирует историю клиента, проверяет склад, формирует оффер, отправляет его и пишет в CRM.
- В IT: Сам находит баг, создает тикет, назначает разработчика и трекает выполнение.
- В финансах: Сам сверяет платежи и готовит отчеты для регулятора.

В 2026-м бизнес начнёт заменять часть middle management на агентные системы.

Кто уже использует?
-Deutsche Bank сократил подготовку кредитных документов с дней до часов.
-McKinsey: внедрение агентов в IT сокращает сроки на 40-50%.
-Gartner: к 2028 году 33% корпоративного ПО будет включать агентов (сейчас <1%).

Какие возможности открываются?
- Масштабирование без роста штата.
- Работа 24/7 без ошибок.

Риски:
- Сложность контроля решений.
- «Agent washing»: из тысяч вендоров лишь ~130 предлагают реальную автономность.

Что делать бизнесу?
✅ Определить процессы (начните с рутины: документы, маршрутизация).
✅ Назначить ответственного за контроль и риски.
✅ Не гнаться за хайпом — внедрять только там, где есть ROI.

Станет ли это стандартом? Это уже не тот вопрос. Вопрос в том, какую рутину вы готовы отдать агенту прямо сейчас, чтобы заняться стратегией?

Источники:
-McKinsey: The future is agentic
-Gartner: Agentic AI projects prediction

REAL DIGITAL

#агентныйИИ #AgenticAI #ИИвбизнесе #AIagents #McKinsey #Gartner

Миллион школьников в роли бета‑тестеров: чему учит эксперимент Сальвадора с ИИ‑тьютором Grok

Сальвадор запускает первый в мире национальный ИИ‑проект в образовании — и делает это сразу на миллионе детей. Выглядит как прорыв но на практике кажется что это стресс‑тест границ допустимого, когда школьники становятся бета‑тестерами сырой технологии.🧐

Системные риски такого подхода

Проблема качества и достоверности.
Языковые модели склонны к галлюцинациям и уверенно выдают ложь. В образовании это критично: дети воспринимают материал некритично, а ошибки превращаются в «знания».

Отсутствие прозрачности.
Без жёсткого аудита нельзя гарантировать, что система не будет выдавать токсичный, исторически неверный или идеологически окрашенный контент.

Скандалы вокруг ответов Grok про Холокост — не просто репутационный удар, а симптом того, что модель впитывает конспирологии и дезинформацию из того же интернета, где они стоят рядом с фактами.

Неравенство вместо его преодоления.
ИИ‑тьюторы теоретически должны сокращать разрыв, но на практике могут его усилить. Дети, у которых дома есть взрослые с критическим мышлением, смогут отфильтровать странные ответы, а самые уязвимые получат рискованный инструмент без страховки.

Что должно быть, но чего нет

Чтобы внедрение ИИ в школы было ответственным, нужны как минимум:

- независимый аудит контента и регулярное тестирование на историю, науку, этику;
- публичные отчёты о сбоях и проблемных ответах системы;
- жёсткие протоколы защиты персональных данных детей;
- обучение учителей не только «кнопкам», но и критической оценке выдачи ИИ;
- право родителей отказаться от участия без наказания для ребёнка и стигмы для ученика.

Более широкий контекст

Сальвадор при Букеле уже превращён в техно‑лабораторию: биткоин как законное платёжное средство, агрессивная цифровизация, теперь — массовый эксперимент с ИИ в образовании.

Для инвесторов это выглядит как смелый ход, но для граждан — как жизнь внутри бесконечного пилотного проекта.

Важно подчеркнуть: сама идея персонализированного обучения с помощью ИИ не плоха. Она становится опасной, когда подменяет собой институты — прозрачные правила, сильный контроль и понятную ответственность.

Урок для других стран прост: технологический оптимизм не должен отменять базовую безопасность, особенно когда речь о детях. ИИ может быть мощным инструментом в школе — но только поверх прозрачных правил и работающих систем контроля, а не вместо них.

Источники:
- xAI официальное заявление
- ABC News
- PBS NewsHour
- The Jewish Chronicle

REAL DIGITAL

#EdTech #Grok #Сальвадор #AIвобразовании #ответственныйИИ #персонализированноеобучение​​​​​​​​​​​​​​​​

🕶 Взгляд Терминатора: Полиция Китая перешла на AR-очки

Будущее правопорядка уже наступило в городе Чанша. Местная дорожная полиция внедрила в экипировку умные очки с искусственным интеллектом. Это не просто камера, а полноценный бортовой компьютер на лице.

Как это работает:
Офицер просто смотрит на автомобиль. Очки сканируют номер, пробивают его по базам и выводят данные прямо перед глазами (в AR-режиме).

Характенистики девайса:
📷 Камера: 12 Мп, широкоугольная, со стабилизацией.
⚡ Скорость: Распознавание номера и получение досье занимает 1–2 секунды (раньше уходило 30 сек).
🔋 Автономность: 8 часов непрерывной работы.
🧠 Функционал: Проверка техосмотра, штрафов, поиск угнанных авто и даже перевод речи с 10 языков.

Результат:
Эффективность проверок выросла на 80%. Офицеру не нужно вбивать данные вручную или связываться с диспетчером — "взгляд" делает всю работу.
В видео показан реальный кейс: контроль въезда в закрытую зону. Зеленая рамка — проезд разрешен, красная — нарушение.

#AI #SmartCity #GovTech #Китай #Технологии

Важное событие для data-профессионалов!

Издательство «Открытые системы» и портал OSP.ru продолжают приём заявок на национальную премию Data Award 2026 — «Оскар» на рынке ИТ для лидеров в области работы с данными!

Что нового в этом году?
🏆Расширенный список номинаций
🏆Дополнительные награды за успехи во внедрении ИИ-агентов и за лучшие BI-проекты
🏆Гран-при для самого впечатляющего проекта
🏆Специальные номинации от Сбер: «Данные без границ» и «Технологии будущего»

❓Кто может участвовать?
Компании и руководители, чья деятельность связана с управлением и обработкой данных, а также реализацией бизнес-проектов на их основе.

📝Приём заявок: до 15 февраля 2026 года

📹Хотите увидеть, как проходила церемония награждения прошлого года? Смотрите видео с Data Award 2025

💪 Делитесь успехами своей команды!

🚀 Не упустите шанс получить признание профессионального сообщества!

REAL DIGITAL

▫️ Почему ИИ до сих пор плохо справляются с поиском первоисточников — и что с этим делают

Недавнее исследование ставило целью проверить, как популярные модели справляются с простой задачей: модели дают кусок текста и просят найти реальный первоисточник. Фрагменты подбирали такие, что человеку достаточно вставить цитату в Google — и нужная статья оказывается в топ-3 поиска.
Казалось бы, проще не бывает.

Но результаты вышли странными. Например:

• Perplexity ошибся в 37% случаев — лучший результат среди протестируемых
• Grok ошибся в 94% случаев — почти каждый ответ мимо

Почему же ИИ так сыпятся на элементарной задаче?

Потому что модели не выполняют поиск. Они предсказывают текст.

LLM — это не браузер и не система проверки фактов. Это механизм, который продолжает фразу наиболее вероятным образом.

Поэтому, когда ему говорят «найди источник», он:
• не открывает интернет,
• не делает запрос,
• не проверяет ссылку.
Он просто генерирует строку, похожую на ссылку. Из-за этого появляются аккуратные, но вымышленные URL.

Есть и вторая причина: модель не понимает, что задача требует поиска. Фраза “найди” для неё — не указание действия, а часть текста, которую нужно продолжить.

Почему ИИ не включают интернет автоматически?

Потому что это запрещено намеренно.

Автономный веб-поиск создаёт риски:

• безопасность — модель может попасть на вредоносный сайт или утечь данными
• непредсказуемые расходы — один запрос превращается в 50, и кто за это платит
• отсутствие контроля — ИИ ищет там, где не нужно, или не ищет там, где нужно
• юридические проблемы — случайное нарушение лицензий.

Поэтому поиск подключается только вручную или через строго прописанные правила — а не по желанию самой модели.

Чтобы решить эту проблему, придумали подход RAG — Retrieval-Augmented Generation.
Он заставляет модель работать честнее:
1. сначала выполняется поиск реальных документов,
2. затем ответ формируется строго на их основе.

То есть факты перестают быть фантазией.

Но RAG тоже несовершенен: если поиск нашёл не то, модель повторит ошибку. Поэтому появляются RAG нового поколения, которые иногда называют «RAG-2». Они:

• делают несколько раундов поиска
• уточняют запросы
• сверяют документы друг с другом
• замечают противоречия
• объясняют, откуда взят каждый фрагмент

Это уже не просто «поиск + текст», а мини-агент: нашёл → проверил → перепроверил → ответил.

Без RAG ИИ останется красивым рассказчиком.
А миру нужны системы, которые не придумывают источники и умеют работать с реальными документами — так, как работают аналитики, юристы, журналисты и врачи.

Источник: Tow Center for Digital Journalism, AI search engines fail to produce accurate citations in over 60% of tests (NiemanLab)

REAL DIGITAL

#AI #Галлюцинации #Технологии

Глоссарий AI 2.0: От хайпа к технологиям

Индустрия ИИ повзрослела. Мы перешли от фазы простых чат-ботов к сложным инженерным решениям. Чтобы эффективно работать с этими технологиями сегодня, нужно понимать их архитектуру, а не просто знать поверхностные термины.

На канале REAL DIGITAL мы запускаем спецпроект «Глоссарий AI 2.0».

Мы систематизировали ключевые понятия современной индустрии, разбив их на 6 логических блоков — от «железа» до прикладных агентов.

Структура глоссария:

🔹 1. Фундамент и Архитектура
Разберем базу: от классических LLM и Трансформеров до современных подходов MoE (Mixture of Experts) и тренда на SLM (малые языковые модели).
🔹 2. Промптинг и Управление
Инструменты взаимодействия: профессиональный промпт-инжиниринг, системные инструкции, Chain-of-Thought и контекстное обучение (In-context Learning).
🔹 3. Оптимизация и Обучение
Технологии настройки моделей под свои задачи: Fine-tuning, RLHF, LoRA и методы квантования (Quantization).
🔹 4. RAG и Агенты
Прикладной уровень: как работают векторные базы данных, Grounding (заземление на факты) и автономные AI-агенты.
🔹 5. Инфраструктура и Железо
Аппаратная часть: что такое параметры и веса, роль GPU/TPU и из чего складывается стоимость инференса.
🔹 6. Безопасность и Этика
Защита и риски: галлюцинации, предвзятость, джейлбрейки и проблема выравнивания (Alignment).

Сохраняйте этот пост как навигатор. Первый детальный разбор блока «Фундамент и Архитектура» выйдет уже скоро.

REAL DIGITAL

#AI #Glossary #RealDigital #Tech #Education #LLM

Перестаньте искать «идеальную» нейросеть

В разных источниках чкстенько можно увидеть опросы типа «Какая нейросеть лучше в 2025 году?».

И хотя лидеры в таких голосованиях предсказуемы (популярность бренда всегда идет впереди), это мало говорит о реальной эффективности.

Почему такие рейтинги — ловушка?

Потому что в 2025 году узнаваемость модели и её пригодность для вашей задачи — это разные вещи.

Использовать одну нейросеть для всего — это как пытаться забить гвоздь микроскопом.

Вроде бы тяжело и солидно, но результат так себе.
Профессиональный подход сегодня — это не выбор «фаворита», а сборка своего набора инструментов:
• Нужен код без ошибок? Вы идете в Claude или DeepSeek, потому что они чище выстраивают архитектуру.
• Нужен быстрый поиск с пруфами? Открываете Perplexity, который не «галлюцинирует», а дает ссылки на источники.
• Нужно проанализировать документ на 500 страниц? Здесь вне конкуренции Gemini с её огромным контекстным окном.
• Нужна быстрая автоматизация рутины? Дешевле и быстрее использовать API GPT-4o mini или Qwen.

Популярные опросы отражают только медийный охват.
На деле же «лучшей» нейросети не существует — есть только та, которая лучше всего подходит под ваш текущий запрос.

А вы все еще пытаетесь найти ту самую «единственную» или уже собрали свой рабочий набор инструментов под разные задачи? 👇

REAL DIGITAL

Данные по китайским заводам: что реально происходит

Министерство промышленности и информационных технологий Китая (MIIT) — государственное ведомство, которое отвечает за промышленную политику страны и контроль выполнения программы Made in China 2025.

Недавно они выложили статистику по автоматизации производств. Цифры интересные, решили разобраться.

Как они считают заводы

MIIT классифицирует “умные фабрики” на четыре уровня:

- Базовый— датчики, сбор данных, автоматизация отдельных участков
- Продвинутый— роботизированные линии, интеграция систем управления
- Высший— глубокая автоматизация всех процессов, цифровые двойники, AI-управление
- Пионерский— полная автономия, минимальное участие человека

Всего в Китае больше 7000 заводов под определение “умная фабрика”. Распределение: больше 30 тысяч базового уровня, около 1200 продвинутого, примерно 500 высшего и только 15 пионерского.

Результаты у топовых предприятий

Заводы высшего и пионерского уровня показывают:

- Сокращение цикла разработки на 28%
- Рост производительности на 22%

McKinsey по азиатским производствам: рост пропускной способности на 10-30%, снижение простоев на 30-50%.

«Тёмные фабрики»

Производства, где можно выключить свет — роботам освещение не нужно.

В конце ноября 2019 года наша редакция в рамках тура по технологическим городам посетила завод Huawei в Шэньчжэне. Сотовые телефоны там уже тогда собирались роботами в полной темноте.

Сейчас таких примеров больше:
- Завод Xiaomi в Пекине собирает один смартфон каждые три секунды
- Производство электромобилей Xiaomi выпускает машину каждые 76 секунд — 700+ роботов круглосуточно
- Foxconn, Gree и другие крупные компании запустили подобные линии

Это не массовое явление, но и не новинка последних лет. Крупнейшие корпорации внедряли это ещё до пандемии.

Масштаб роботизации

В 2022 году в Китае установили 290 тысяч промышленных роботов — 52% от мирового объёма. Больше, чем в США и Японии вместе.

По данным International Federation of Robotics, это не разовый всплеск. Китай наращивает роботизацию системно с 2015 года. Bloomberg Economics оценил программу Made in China 2025 как “в значительной степени успешную” — из 13 критических технологий Китай вышел в лидеры по пяти.

Что это означает по факту:

Автоматизированное производство даёт меньшую себестоимость и большую скорость вывода продукта. Конкурировать традиционными методами становится экономически невыгодно.

Полный переход займёт ещё 10-15 лет. Но движение стабильное: инвестиции продолжаются, технологии дорабатываются, показатели растут.

Для любого производства это означает одно: автоматизацию нужно закладывать сразу, а не откладывать. Иначе разрыв в конкурентоспособности станет критическим.

REAL DIGITAL

Источники:
- MIIT (Ministry of Industry and Information Technology, КНР)
- McKinsey — отчёты по Industry 4.0
- International Federation of Robotics (IFR)
- Bloomberg Economics​​​​​​​​​​​​​​​​

Казахстан планирует занять второе место в мире по производству галлия

В рамках официального визита Президента РК в Японию (декабрь 2025 г.) компания Eurasian Resources Group (ERG) и Mitsubishi Corporation RtM Japan Ltd заключили долгосрочное соглашение на поставку галлия. Проект направлен на диверсификацию цепочек поставок критических минералов и расширение казахстанского экспорта высокотехнологичной продукции.

Основные параметры проекта:
- Производственная база: Участок будет запущен на базе Павлодарского алюминиевого завода (ПАЗ).
- Мощность: Проектная мощность составляет 15 тонн галлия в год. Согласно отраслевым прогнозам, этот объем позволит Казахстану стать вторым по величине производителем металла в мире после КНР.
- Технология: Будет использована собственная разработка ERG Research and Development, позволяющая извлекать металл из производственных растворов при сверхнизком содержании галлия без снижения качества основной продукции (глинозема).
- Инвестиции: Общий объем вложений превышает 12,5 млрд тенге.

Запуск производства намечен на III квартал 2026 года.

Галлий входит в перечень критически важного сырья для полупроводниковой промышленности, производства 5G-оборудования и солнечной энергетики.

Прямой контракт с Mitsubishi Corporation подтверждает позиции Казахстана как стратегического участника глобальной цепочки добавленной стоимости и надежного поставщика редких металлов для рынка высоких технологий.

REAL DIGITAL

Источник:
- ERG.kz — официальное сообщение о подписании контракта и технических деталях проекта.
- Mining.com — анализ проекта в контексте мирового рынка критических минералов и конкуренции с КНР.

📢 Глоссарий AI 2.0 | Выпуск #1.1: Основы основ

Мы начинаем погружение в блок «Фундамент и Архитектура». Чтобы понимать, как ИИ трансформирует индустрии, важно разобраться в иерархии понятий: от общих систем до конкретных инструментов.

Сегодня три базовых термина, определяющих масштаб технологии:
🔹 1. AI (Artificial Intelligence / Искусственный интеллект)
Сегодня это не просто «имитация человека», а способность систем решать задачи, требующие интеллектуальных способностей: глубокий анализ, распознавание образов и принятие решений. Современный ИИ находит в данных паттерны и закономерности (например, в структуре белков или климатических изменениях), которые часто недоступны человеческому глазу.
🔹 2. Generative AI (GenAI / Генеративный ИИ)
Подмножество ИИ, которое перешло от анализа к созиданию. Если классический ИИ умеет классифицировать (например, определять болезнь по снимку), то Генеративный ИИ создает новый контент: текст, программный код, изображения и даже новые молекулы. Он не просто копирует, а синтезирует информацию на основе выученных правил.
🔹 3. Foundation Model (Фундаментальная модель)
«Универсальный фундамент» современной индустрии. Это огромная модель, обученная на колоссальных массивах данных. Благодаря этому она обладает широким пониманием мира и может быть адаптирована (дообучена) под тысячи узких задач: от юридического анализа до управления роботами. Примеры: GPT-4, Claude 3.5, Llama 3.

💡 Итог: AI — это умение решать сложные задачи, GenAI — умение создавать новое, а Foundation Model — это база, которая делает всё это возможным в промышленном масштабе.

В следующем выпуске разберем «двигатель» революции: почему именно архитектура Transformer изменила всё и чем отличаются LLM от SLM.

REAL DIGITAL

#AI #Glossary #RealDigital #Tech #Education #GenAI

Как заставить ChatGPT проверять факты вместо того, чтобы поддакивать

Уже все отмечают, что ChatGPT соглашается даже с откровенной чушью?

Например, если написать ему: «Инвестиции в золото всегда защищают от инфляции, верно?» — и он начнёт уверенно подтверждать, хотя это как минимум спорное утверждение.
Проблема в том, что по умолчанию модель настроена быть услужливой, а не критичной.

Но это легко исправить одной настройкой.
Что делать.
Зайдите в «Настройки» → «Персонализация» → «Пользовательские инструкции» (Custom Instructions) и вставьте в поле «Как вы хотите, чтобы ChatGPT отвечал»:

Выступай как аналитический партнёр: проверяй предпосылки, тестируй логику, не считай мои утверждения фактами по умолчанию. Указывай на скрытые допущения, ошибочные выводы и альтернативные объяснения. Если данных мало — говори об этом и поясняй, что нужно для подтверждения. В конце каждого ответа делай короткую самопроверку: что оспорено, что осталось неопределенным, какие сведения необходимы для проверки.

Разница в подходе:

пример До / После
До (базовая настройка):
Вы: «Инвестиции в золото всегда защищают от инфляции, верно?»

ChatGPT: «Да, совершенно верно. Золото традиционно считается надёжным активом-убежищем. Его стоимость обычно растёт, когда покупательная способность валюты снижается...»

После (с инструкцией):
> ChatGPT: «Это утверждение требует проверки. Золото защищало от инфляции в 1970-х, но в период 1980–2000 гг. его цена падала, несмотря на рост цен. Корреляция золота с инфляцией исторически слабая (~0.16). Нужно уточнить: вы говорите о долгосрочном периоде (десятилетия) или краткосрочном?
Самопроверка: Оспорено слово «всегда». Осталось неопределённым: влияние текущих процентных ставок. Нужны данные по конкретному горизонту планирования».

Где это будет вам полезно
-Юридические и контрактные вопросы — модель начнет искать «дыры» в логике, а не просто пересказывать пункты.
-Инвестиции и бизнес-планы — проверка метрик и поиск необоснованных оптимистичных допущений.
-Технические разборы — выявление ошибок в причинно-следственных связях.
-Факт-чекинг — анализ структуры аргументов (хотя помните, что без поиска в сети модель опирается только на базу обучения).

Бонус: меньше «галлюцинаций»
Такая настройка заставляет ИИ чаще признавать пробелы в знаниях. Вместо того чтобы уверенно сочинять недостающую информацию, модель теперь говорит: «Для подтверждения этого тезиса данных недостаточно, нужно проверить X и Y».

Важное примечание
Это не делает ChatGPT «умнее» в плане объема знаний, но в корне меняет его фильтр. Если вам вдруг снова понадобится «добрый» и творческий помощник (например, написать поздравление или сказку), просто временно выключите или удалите эту инструкцию, иначе он начнет критиковать логику сюжета про Колобка.

Попробуйте прямо сейчас и делитесь в комментариях: какой самый «неудобный» вопрос он вам задал в ответ?

Артиллерия против снайпера: Почему Китай строит гигантский ускоритель вместо копирования ASML

В новостях часто пишут: «Китай создал аналог оборудования ASML». Это звучит так же наивно, как «Китай скопировал МКС и собрал её в гараже».
Чтобы понять, почему эксперты скептически относятся к идее быстрого «копирования», нужно осознать масштаб.

EUV-литограф — это, пожалуй, самое сложное серийное устройство в истории человечества.

Вот 3 факта из документации ASML, чтобы оценить уровень задачи:

1. Точность снайпера
Внутри машины лазер должен попасть в каплю расплавленного олова диаметром 20 микрон.
• Капля летит со скоростью сотни километров в час.
• Попасть нужно дважды: первый импульс сплющивает каплю, второй — превращает её в плазму.
• Это происходит 50 000 раз в секунду.
• Аналогия: Это как с Земли попасть лазерной указкой в монету, летящую по поверхности Луны.
2. Самое гладкое зеркало во Вселенной
Оптика для этих машин (производства немецкой Carl Zeiss) имеет невероятную точность.
• Аналогия: Если увеличить зеркало литографа до размеров Казахстана, то самая высокая гора на нём будет не выше 1 миллиметра.
Скопировать такую полировку и напыление за пару лет — задача на грани фантастики.
3. Логистический кошмар
Один литограф весит 180 тонн.
• Он состоит из 100 000 деталей.
• Чтобы доставить одну машину, требуется 4 грузовых Boeing 747.
• Внутри — сотни километров кабелей и шлангов сверхчистой подачи химии.

Что реально делает Китай?
Понимая, что воссоздать такую «ювелирную» машину в условиях санкций невозможно, Китай пошел другим путем.
Они не строят компактный станок. Они строят завод-ускоритель (проект SSMB).
Вместо сложной системы лазеров используется гигантское кольцо-синхротрон диаметром в сотни метров. Электроны разгоняются в нём, генерируя мощный свет для печати чипов.
Это грубое, гигантское, невероятно дорогое, но работающее решение.
Если вы не можете создать снайперскую винтовку (как ASML), вы строите артиллерийскую батарею размером с город.
Итог:
Китай не скопировал технологию. Он пытается переиграть законы индустрии массой и бетоном, создавая инфраструктуру, которую физически невозможно заблокировать санкциями.

Первый коммерческий SSMB-модуль планируется к запуску ориентировочно в 2027–2028 годах (согласно дорожным картам SMEE и проектам в Сюнъане).
Ставки максимальны: если он заработает, Китай получит независимость в производстве 5-нм чипов. Да, они будут дороже, чем у TSMC, но в вопросах нацбезопасности цена значения не имеет.

Источники:
1. Nature (2021): “Steady-state microbunching mechanism for a high-power EUV light source” (Deng, Tang et al.) — DOI: 10.1038/s41586-021-03293-7
2. ASML: Официальные спецификации систем NXE — asml.com/technology
3. SCMP: Отчеты о строительстве инновационного хаба в районе Xiongan.

REAL DIGITAL

#Tech #ASML #China #Engineering #Science

📢 Глоссарий AI 2.0 | Выпуск #1.2: Двигатель и масштабы

В прошлом выпуске мы разобрались с «фундаментом», а сегодня заглянем под капот. Почему современные нейросети так внезапно поумнели и почему размер модели определяет её способности?

Разбираем три ключевых термина архитектуры:
🔹 1. Transformer (Трансформер)
Архитектура нейросетей, ставшая технологическим «двигателем» текущей революции ИИ.
Как это работает: В отличие от старых систем, Трансформер обрабатывает данные параллельно, а не последовательно. С помощью механизма Self-Attention (самовнимание) модель вычисляет математический «вес» связи каждого слова с каждым во всем доступном контексте. Это позволяет ИИ мгновенно определять смысл многозначных слов (например, «ключ»), опираясь на далекие по смыслу зацепки в тексте.
🔹 2. LLM (Large Language Model / Большая языковая модель)
Модель с числом параметров от десятков миллиардов, обученная на триллионах токенов. Главный феномен LLM — эмерджентность. Под давлением колоссальных объемов данных модель физически не может «зазубрить» все факты. Чтобы минимизировать ошибки, математические алгоритмы вынуждают её переходить к сжатию смыслов — поиску скрытых логических правил и алгоритмов, которые объясняют данные эффективнее, чем простая память. Так статистический поиск слов превращается в способность решать задачи и писать код.
🔹 3. SLM (Small Language Model / Малая языковая модель)
Главный тренд 2024–2025 годов. Это компактные модели (Gemma, Phi-3, Llama-small), которые специально оптимизируют («сжимают») без критической потери качества.
Зачем это нужно: Чтобы ИИ мог работать локально: в вашем смартфоне, на периферийных устройствах (Edge AI) или внутри закрытого контура компании. SLM решают проблему приватности данных и высокой стоимости облачных вычислений, выполняя конкретные прикладные задачи быстрее и дешевле гигантов.

💡 Итог:
- Трансформер — это архитектурный чертеж,
- LLM — это суперкомпьютер, выводящий законы логики из огромных массивов данных,
- SLM — это эффективный инструмент для работы «на месте».

В следующем выпуске разберем самую горячую тему: World Models Яна Лекуна и узнаем, сможет ли ИИ когда-нибудь обрести настоящий «здравый смысл».

REAL DIGITAL

#AI #Glossary #RealDigital #Transformer #LLM #SLM #Tech #EdgeAI

Deepfake-дипломатия 2025: Мы официально вошли в эру «Пост-правды»

К декабрю 2025 года термин «deepfake-дипломатия» стал главным кошмаром МИДов по всему миру. Это уже не просто пранки — это инструмент прямого шпионажа и дестабилизации.

📈 Статистика:
Только за первый квартал 2025 года зафиксировано 179 крупных инцидентов (больше, чем за весь прошлый год).
Политики стали мишенью в 56 атаках.

🚨 Главные скандалы декабря:
-Французский кейс: Вирусное видео о «перевороте во Франции» набрало 13 млн просмотров. Фейк был настолько качественным, что лидеры африканских стран начали лично звонить Макрону для проверки. Это вторая атака на Елисейский дворец за месяц.
- Deepfake Марко Рубио: Голос госсекретаря США был клонирован для обзвона конгрессменов и иностранных послов с целью выманивания секретных данных.
- Голосовая охота:
FBI официально подтвердило пик активности voice cloning в госсекторе — злоумышленники крадут информацию, имитируя голоса руководства в реальном времени.

Критично ли это?
- “Дивиденд лжеца”. Тотальный кризис доверия. Теперь политики могут называть любой реальный компромат фейком — и им будут верить.
-Паралич коммуникаций: Дипломатия замедляется. Мы возвращаемся к «аналоговой» эпохе: секретные депеши, личные встречи и фельдъегеря. Видеосвязь больше не аргумент.
- Локальный контекст: Страны СНГ и Казахстан уже активно изучают внедрение стандартов C2PA (цифровых паспортов файлов), чтобы защитить свои инфополя от внешних вбросов.

- C2PA: Ведущие техногиганты внедряют невидимые «цифровые подписи» в каждое фото и видео.
- EU AI Act: Жесткие штрафы (до 7% оборота) за отсутствие маркировки ИИ-контента.
- Крипто-ключи: Введение персональных блокчейн-подписей для видеообращений мировых лидеров.

Эпоха «увидеть — значит поверить» мертва. Впереди либо полная криптографическая верификация каждого кадра, либо хаос.

2026-й станет годом восстановления доверия — или официальной эрой легализованной дезинформации?

Что думаете: помогут ли нам «цифровые паспорта» или ИИ всегда будет на шаг впереди регуляторов? 👇

REAL DIGITAL

#Deepfake #AI #Геополитика #Безопасность #RealDigital #Казахстан #Дипломатия

🎣 Промпт-бейтинг: почему «золотые списки» запросов не сделают вас профи

Покупка сборников «1000+ идеальных промптов» — это новый вид цифрового накопительства. Мы коллекционируем их, как когда-то шаблоны Excel или пресеты для фото, забывая об одной детали: AI — это не калькулятор, это напарник.

Почему готовые промпты — это тупик?

1. Эффект «чужого костюма». Промпт, написанный другим человеком, учитывает его контекст, его бизнес-задачи и его стиль. Вам всё равно придётся его перешивать.
2. Хрупкость. Одно обновление модели (например, переход с GPT-4 на GPT-4o) — и ваш «золотой промпт» начинает выдавать посредственный результат.
3. Отсутствие «интеллектуальной мышцы». Копируя чужое, вы пропускаете этап настройки нейронных связей — в своей голове.
Что важнее текста самого промпта?
Ценность не в буквах, а в архитектуре мышления.

Вместо того чтобы искать «волшебную фразу», освойте универсальный алгоритм:
• Анализ: Что именно я хочу получить? (Контекст + Роль)
• Классификация: Какие данные важны, а что — шум? (Структура)
• Преобразование: В каком виде мне нужен результат? (Формат)
Главный риск: Покупая «рыбу», вы остаетесь в зависимости от продавца. Учась «ловить рыбу», вы превращаете AI в бесконечный конструктор инструментов под любую задачу.
Эпоха AI — это не время операторов копипаста. Это время творцов, которые понимают, как работает «двигатель» под капотом.
А как вы используете нейросети? Собираете коллекцию готовых запросов или каждый раз конструируете их с нуля под задачу? 👇

REAL DIGITAL

#ChatGPT #AI #Продуктивность #PromptEngineering #ИИ