МОЖНО ЛИ ДОВЕРЯТЬ НЕЙРОСЕТЯМ?

📞Всё больше компаний внедряют различные модели искусственного интеллекта для подготовки коммерческих предложений, анализа данных и отчетов, ответов клиентам через чат-боты или генерации контента для маркетинга.
❗️НО: ИИ может «галлюцинировать» — выдавать несуществующие факты.

Реальный пример (исследование Вашингтонского университета): ученые попросили ИИ Perplexity рассказать о НЕСУЩЕСТВУЮЩЕЙ теории «Jevin's theory of social echoes».
Результат: ИИ предоставил подробную концепцию + ссылки на несуществующие источники.

➡️Почему это происходит:
• ИИ учится на данных из интернета (где есть ошибки)
• Если точного ответа нет, ИИ «додумывает» на основе закономерностей
• Выглядит убедительно, но может быть полностью ложным

➡️Чем это грозит:
Сценарий 1 Юридические проблемы: Сотрудник использует ChatGPT для подготовки договора → ИИ «галлюцинирует» несуществующую статью закона → компания несет убытки
Сценарий 2 Репутационные потери: Маркетолог генерирует пост с фактами → факты неверны → потеря доверия клиентов
Сценарий 3 Неэффективные решения: Аналитик запрашивает у ИИ отраслевую статистику → получает выдуманные цифры → компания принимает неверное стратегическое решение

➡️Как избежать проблем:
• ВСЕГДА проверять факты в первоисточниках
• Критически относиться к информации от ИИ
• Помнить: ответственность за использование ложной информации лежит на пользователе, не на ИИ
• Читать условия использования

Дарья Чирва, университет ИТМО:

Человек несет ответственность за любое утверждение. Генерация текстов с помощью ИИ не снимает эту ответственность. Проверка любого факта — необходимый элемент грамотного использования ИИ-инструментов.

🤝Важно помнить: ИИ — это не база данных с единственно верными ответами. Он больше похож на стажера, который учился на всех данных из интернета — и на качественных, и на ошибочных. Поэтому его ответы требуют проверки и критического осмысления.

Пост подготовлен с использованием материалов издания «Белая книга этики в сфере искусственного интеллекта»

ИИ — НА МЫЛО?!
⭕️147 лет традиций закончились. Технология победила, но первый же сезон показал: не всё так просто.
Июль 2025, Wimbledon, Centre Court. Мяч британки Сонай Картал уходит за линию — чистый «аут». Система молчит. Анастасия Павлюченкова останавливается, ожидая вызова. Судья поднимает трубку, через минуту объявляет: «Система не смогла отследить мяч».
Павлюченкова теряет гейм. Wimbledon позже, конечно, извинился.
А ведь это впервые за 147 лет, когда турнир убрал всех 300 линейных судей, заменив их искусственным интеллектом.

Что произошло:
⭕️Все турниры под эгидой Ассоциации теннисистов-профессионалов перешли на Electronic Line Calling Live
⭕️Wimbledon впервые за 147 лет без судей
⭕️Технология: 18 камер, точность 3 мм, реакция 0,1 секунды
⭕️Единственное исключение: French Open сохранил линейных судей

Первый сезон — провальный?
Скандалы Wimbledon 2025:
⭕️Система отключалась — пропустила 3 мяча «out» в одном матче
⭕️Технические сбои — вызов «fault» в середине розыгрыша
⭕️Не слышно — игроки жаловались на тихий автоматический голос

Эмма Радукану, теннисистка:
«Разочаровывает, что могут быть такие ошибки»

Джек Дрейпер, теннисист:
«Не думаю, что это 100% точно. Несколько вызовов были явно неправильными»

Бывший линейный судья Wimbledon (16 лет работы):
«Голос звучит неуверенно — как будто говорит «аут... наверное». Это неловко»

Так ИИ — на мыло?
Не совсем. Защитники технологии правы:
→ Линейные судьи тоже ошибались
→ ИИ точнее в 99% случаев
→ Современные подачи летят 240 км/ч — человек физически не успевает
→ Единообразие на всех турнирах

Проблема в другом: когда линейный судья ошибается — его ошибку видно и можно оспорить. Когда ошибается «чёрный ящик» — непонятно, кто виноват и как это исправить.

Где ещё ИИ работает в спорте
⭕️ Прогнозирование травм — анализ движений выявляет опасные паттерны
⭕️ Персональные тренировки — коррекция техники в реальном времени
⭕️ Анализ соперников — разработка стратегий на основе данных
⭕️ Для болельщиков — персонализированные трансляции, прогнозы

Этика и выводы
⭕️ ИИ в спорте этичен, если не нарушает регламент
⭕️Должен быть инструментом, а не заменой человека
⭕️ Главное — надёжность и прозрачность

Дмитрий Кузнецов, ВШЭ
«ИИ изменит спорт до неузнаваемости. Но в центре всегда остаются Человек, величие его духа и гармония тела».

Урок Wimbledon 2025
ИИ точнее человека в 99% случаев. Но 1% ошибок создаёт 100% недоверия. Технология неизбежна, но должна быть надёжной и объяснимой. Когда система сбоит — должен быть запасной план, а не хаос на корте. ИИ должен усиливать справедливость, а не подрывать доверие. Wimbledon 2025 показал: путь к идеальной технологии только начинается. Но отступать уже некуда — будущее за гибридными решениями: ИИ + человеческий контроль.

Источники:
• CNN, Sky Sports, TechCrunch — репортажи с Wimbledon 2025
• «Белая книга этики в сфере ИИ», 2024

⭕️Напоминаем, что у нас продолжается серия публикаций с практическими материалами с воркшопа! Сохраняйте полезные карточки по GenAI — всё структурировано и готово к применению. Ищите по хештегу: #практикум_GenAI

❤️ Автор вайб-кодинга создал приложение, где ИИ-модели спорят и выбирают лучший ответ

🔴Андрей Карпатый — сооснователь OpenAI и автор понятия «вайб-кодинг» — выложил на GitHub приложение LLM Council. В нём несколько больших языковых моделей параллельно отвечают на один вопрос, сравнивают ответы друг друга и формулируют финальный оптимальный ответ.

🔴Интерфейс напоминает ChatGPT, но с принципиальной разницей: один и тот же запрос отправляется сразу нескольким моделям через OpenRouter, а затем между ними происходят дебаты. По умолчанию в «совет» входят GPT-5.1, Gemini 3 Pro Preview, Claude Sonnet 4.5 и Grok-4, но можно добавить другие модели.

💻 Как это работает: каждая модель получает вопрос и даёт свой вариант ответа в отдельной вкладке. Затем модели получают анонимные ответы «коллег» и оценивают их по точности и полезности. Модель, которую пользователь назначил «главной», резюмирует мысли остальных и выдаёт окончательный ответ.
Карпатый говорит, что создавал проект для совместного чтения книг с моделями и сравнения разных интерпретаций содержания — это помогает глубже вникнуть в суть. Но приложение позволяет в целом сравнивать логику моделей и наблюдать, как они принимают коллективные решения.

❗️Это интересный подход к проблеме точности ИИ: вместо того чтобы полагаться на одну модель, можно получить консенсус нескольких. Как экспертная комиссия, но из нейросетей. В бизнесе это может быть полезно для принятия критически важных решений, где цена ошибки высока.
Проект доступен на GitHub под названием LLM Council.