Андрей Храповицкий родом из Глубокого, учился в Полоцке, а теперь работает в США — уже 6 лет в области искусственного интеллекта и больших данных. «Наша Ніва» попросила его оценить, какие изменения произойдут в следующем году в сфере искусственного интеллекта и как это повлияет на различные аспекты жизни. Робот дирижирует оркестром в китайском городе Цзяньси, 28 декабря 2025 года. Photo by Liu Zhankun/China News Service/VCG via Getty Images На заглавном фото к этой статье — робот, дирижирующий оркестром в китайском городе Цзяньси 28 декабря 2025 года. Это часть новой реальности. Куда всё движется в ближайшем будущем? Непрерывное обучение Непрерывное обучение снова появилось на повестке дня. Под непрерывным обучением подразумеваются системы искусственного интеллекта, которые могут продолжать учиться после запуска, а не оставаться неизменными после однократного обучения. В теории это позволяет моделям адаптироваться к новым данным, поведению пользователей и изменениям в среде. Есть несколько интересных идей, но пока ни одна из них не готова для широкого и надежного использования. Чтобы действительно проверить перспективные подходы, нужны значительные бюджеты, сложная инфраструктура и строгий контроль, чтобы модель не «научилась не тому, чему нужно». Закрытые и открытые AI-лаборатории Американские AI-лаборатории в значительной степени стали закрытыми. Это значит, что наиболее передовые исследования и модели больше не публикуются открыто. Новейшие техники по тренировке фронтирных моделей — самых мощных и дорогих — сегодня значительно менее доступны общественности, чем год назад. Это, например, заметно по публикациям и главной конференции отрасли — NeurIPS. Интересно, что на фоне большей закрытости американских лидеров рынка, китайские лаборатории теперь переняли эстафету по выпуску в мир моделей с открытыми весами или даже полностью с открытым кодом. Открытый код означает, что программное обеспечение доступно всем. Открытые веса — что саму обученную модель можно скачать и использовать. DeepSeek-момент и RLVR DeepSeek-момент оказал большое влияние на 2025 год. Он показал, что небольшие команды, используя разумные методы, могут достигать результатов, которые раньше требовали огромных ресурсов. Появился значительный прогресс в RLVR — обучении с подкреплением с верифицированными наградами. Это метод, когда модель получает «награду» за правильные действия, а правильность можно автоматически проверить. Пока это лучше всего работает в математике и программировании. В 2026 году мы, вероятно, увидим расширение этого направления постобучения в физику, химию и другие науки. Помощь научным исследованиям — одна из главных целей, но, возможно, для реального прорыва понадобятся новые методы обучения моделей. Андрей Храповицкий. Фото из социальных сетей Данные и собственность Сбор данных с верифицированными наградами для бизнес-задач — сложное дело. Большинство специализированных данных — частная собственность компаний и охраняется ими, так как это даёт им конкурентное преимущество. Не так и просто убедить бизнес-лидеров поделиться такими данными, например, с OpenAI или Anthropic. Модели среднего размера Большой потенциал заключается в использовании моделей среднего размера с открытыми весами и их обучении внутри компаний. Такие модели достаточно мощные, но значительно дешевле в использовании. Это становится всё более экономически целесообразно. Агенты 2026 год без сомнения останется годом агентов. Агенты ИИ — это системы, которые могут планировать действия, использовать инструменты и выполнять задачи. В 2025 году большой успех имели агенты для программирования. В 2026 году мы увидим их расширение в другие сферы. Для многих компаний оптимальным выбором могут стать небольшие модели, которые будут уметь лучше взаимодействовать с инструментами (просматривать файлы, искать информацию, выполнять функции, писать код и т.д.). Использование вычислений во время инференса Увеличение вычислительных ресурсов во время инференса (момента, когда модель даёт ответ) имеет большой потенциал. То есть вместо того, чтобы пытаться достичь как можно лучших результатов при тренировке моделей, имеет много практического смысла работать нам моделями, что могут обработать больший контекст (большее количество слов), лучше интегрируются с инструментами и более разумно используют ресурсы. При этом будет продолжаться наращивание инфраструктуры крупными компаниями. В этом плане 2026 год может быть ещё более горячим, чем прошлый. Vibe coding и тестирование Vibe coding, вайб-программирование, постепенно вытесняет традиционное программирование. Это подход, когда разработчик задает направление, а ИИ берет на себя основной объем работы по написанию кода или даже скорее полностью пишет его по заданному плану. Это делает тестирование значительно более важным. Компаниям нужно инвестировать в автоматические тесты и проверку качества. Меняется и сама роль разработчика. Как пошутил известный исследователь в области ИИ Андрей Карпати, новым языком программирования стал английский язык. Соответственно, старые форматы технических интервью становятся всё менее полезными. Пузырь и общий искусственный интеллект ИИ-пузырь на фондовом рынке действительно существует. Возможно, он даже лопнет в 2026 году. Но даже в этом случае прогресс продолжится. Рынок перегрет, определенные корректировки рано или поздно произойдут, но новой ИИ-зимы, я думаю, не ожидается. Как и общего искусственного интеллекта в следующем году ждать всё ещё рановато.
