1. Карьера Рыбкина Дарья Ильинична Контакты: Телефон: +7 (923) 750-26-50 Email: rubkinadara01@yandex.ru| Город: Барнаул Желаемая должность: Стажер в области медицины / Младший медицинский сотрудник / Ассистент врача-педиатра Обо мне Студентка 5-го курса педиатрического факультета АГМУ, учусь на отлично. Обладаю опытом работы в медицинском учреждении и базовыми навыками анализа данных (Python, Pandas). Ищу возможность применить теоретические знания на практике, развиваться в области клинической медицины и анализа медицинских данных. Готова к обучению и быстрому освоению новых навыков. Ключевые навыки Медицинские: Уход за пациентами, измерение витальных показателей, помощь в проведении процедур, соблюдение санитарно-эпидемиологического режима. Аналитические: Написание научных работ, исследовательская деятельность, структурирование информации. Технические: Базовые навыки Python (Pandas, Matplotlib), SQL (основы), работа с электронными таблицами и медицинскими информационными системами. Личностные: Ответственность, пунктуальность, высокая эмпатия, коммуникабельность. Образование 2021 – настоящее время ( год окончания: 2027) Алтайский государственный медицинский университет (АГМУ), педиатрический факультет. Специальность: «Педиатрия». Форма обучения: очная. Достижение: Обучение на отлично. Опыт работы Медсестра детского отделения городской больницы №1 Октябрь 2025 – настоящее время Обеспечение санитарно-гигиенического режима в отделении. Уход за пациентами детского возраста. Помощь медицинскому персоналу в выполнении процедур и рутинных задач. Поддержание порядка и организация пространства для комфортного пребывания пациентов. Забор крови, постановка капельниц. Проекты и достижения Научная работа: Победитель внутривузовского конкурса НИР («Особенности адаптации детей раннего возраста к условиям стационара»). Курс: Сертификат участника курсов первой доврачебной помощи Red Cross. Волонтерская деятельность Участие в благотворительных акциях фонда помощи детям. Проведение просветительских мероприятий по ЗОЖ среди школьников. 2. Сопроводительное письмо Уважаемый(ая) [Имя HR-менеджера или руководителя], Меня заинтересовала ваша вакансия [Название вакансии], опубликованная на [Название площадки]. Я - студентка 5-го курса педиатрического факультета АГМУ, учусь на отлично, и сейчас активно ищу возможность применить свои знания на практике. Мой опыт работы медсестрой в детском отделении научил меня ответственности и эмпатии, а также дал понимание того, как устроена работа медицинского учреждения изнутри. Я обладаю высокой мотивацией к обучению и готова быстро осваивать новые навыки. Мои аналитические способности, отточенные при написании научных работ, помогут мне эффективно справляться с задачами, требующими внимания к деталям. Я стремлюсь стать частью вашей команды, чтобы внести свой вклад в заботу о здоровье пациентов и получить ценный практический опыт под руководством опытных специалистов.
Готова к собеседованию в удобное для вас время. С уважением, Рыбкина Дарья Ильинична 3. Список актуальных вакансий и стажировок в Барнауле По вашему запросу я нашел актуальные предложения на рынке труда. Обратите внимание на позиции в государственных и частных клиниках. 1. Врач-педиатр / Врач по паллиативной медицинской помощи o Работодатель: КГБУЗ Детская городская клиническая больница № 7 o Зарплата: от 50 000 до 100 000 ₽ o Описание: Требуются врачи для работы с пациентами. Вакансия подходит для выпускников ординатуры или интернатуры. Это отличный вариант для старта карьеры по специальности. 2. Медицинская сестра / Медицинский брат (ассистент врача-стоматолога) o Работодатель: Команда Мечты, Медицина o Зарплата: от 46 000 до 90 000 ₽ o Описание: Позиция в стоматологическом отделении. Требуется среднее медицинское образование. Хороший вариант для получения опыта в узкой специализации с достойной оплатой. 3. Администратор в стоматологическую клинику «ДаВинчи» o Зарплата: от 24 000 до 50 000 ₽ o Описание: Если вы ищете позицию, где можно совмещать учебу с работой и развить коммуникативные навыки, эта вакансия может быть интересна. Опыт не требуется. 4. Менеджер по продажам (эстетическая медицина и косметология) o Зарплата: от 40 000 ₽ o Описание: Позиция для тех, кто хочет работать в медицинской сфере, но со стороны бизнеса и коммуникаций. Требует отличных коммуникативных навыков. 2. Тайм-менеджмент план. Дневник студента: 3-месячный план развития Мои исходные данные: Учеба: 5 курс педиатрического факультета АГМУ. Цель: Успешно закрыть сессию, найти стажировку/работу, не выгореть. Главный принцип: Баланс между "надо" (учеба) и "хочу" (жизнь). Неделя 1: Фундамент и аудит Главная задача на неделю: Внедрить режим сна и питания. Понять, куда уходит время.
День Утренний блок (7:00 - 9:00) Учебный блок (9:00 - 14:00) Обеденны й перерыв (14:00 - 15:00) Послеобеденн ый блок (15:00 - 18:00) Вечерний блок (18:00 - 22:30) Понедел ьник Подъем в 7:00. Завтрак (каша). Планирован ие дня (15 мин).<br>З адача: Прочитать 30 стр. по педиатрии. Пары. Конспектирование. Прогулка 15 мин. Без телефона. Работа над проектом "Адаптация детей".<br>Тех ника: Помодоро (25/5). Спортзал (1 час).<br>Ужин.<b r>Чтение книги (не учебник!) 30 мин.<br>Сон в 23:00. Вторник Подъем в 7:00. Завтрак. Просмотр расписания на неделю. Пары. Практика в больнице (санитар).<br>Наб людение: Как врачи общаются с родителями? Чай с лимоном, отдых с закрытыми глазами. Решение задач по статистике для НИР. Прогулка в парке (1 час).<br>Бытовые дела.<br>Подгото вка одежды на завтра.<br>Сон в 23:00. Среда Подъем в 7:00. Завтрак. Повторение вчерашних задач. Пары. Семинар по инфекционным болезням. Обед + короткий сон (20 мин) для перезагрузк и. Написание введения к научной работе. Встреча с другом (не про учебу!).<br>Легки й ужин.<br>Сон в 23:00. Четверг Подъем в 7:00. Завтрак. Анализ вчерашних ошибок в тексте работы. Пары. Лекция по фармакологии.<br> Сложная тема. Прогулка до библиотеки . Поиск литературы для проекта в библиотеке/онл айн. Самостоятельная тренировка дома (приседания, планка).<br>Виде олекция по Data Science (1 час).<br>Сон в 23:00. Пятница Подъем в 7:00. Завтрак. Подготовка к коллоквиум у на понедельни к. Пары. Коллоквиум по пройденному материалу. Обед + отдых (послушать музыку). Завершение задач по проекту, отправка отчета научному руководителю. Кино или сериал (не более 1 серии!).<br>Ранн ий ужин.<br>Сон в 22:30. Суббота Подъем в 9:00. (Да, можно позже!). Завтрак без спешки. Блок "Восстановление ": Никаких мыслей об учебе.<br>Встреча с друзьями / Хобби Обед в любимом месте. Продолжение отдыха.<br>Во зможно, небольшая уборка под музыку. Вечер для себя.<br>Ванна, уход за собой.<br>Плани рование следующей
День Утренний блок (7:00 - 9:00) Учебный блок (9:00 - 14:00) Обеденны й перерыв (14:00 - 15:00) Послеобеденн ый блок (15:00 - 18:00) Вечерний блок (18:00 - 22:30) (рисование/гитара) . недели (только глобально, без деталей).<br>Сон до полуночи. Воскресе нье Подъем в 9:00. Завтрак. Чтение новостей медицины (для общего развития). Аналитика недели:<br>1. Что получилось? (Я не пропустил спорт).<br>2. Что не получилось? (Потратил лишний час в соцсетях во вторник).<br>3. Что изменить? (Поставить лимит на телефон).<br><br> Лёгкая уборка. Обед с семьей/дру зьями. Подготовка к следующей неделе: распечатать материалы, собрать сумку. Спокойный вечер.<br>Книга. <br>Сон в 23:30. Неделя 4-8: Оптимизация и фокус Главная задача на этот период: Внедрить технику "Помодоро" и матрицу Эйзенхауэра для расстановки приоритетов. Что меняется: Вы учитесь концентрироваться на одной задаче. Дневниковая запись: В конце каждого дня добавляйте пункт "Оценка концентрации" по шкале от 1 до 10. День Заметки и рефлексия Понедельник Оценка концентрации: 7/10.Узкое место: Отвлекалась на сообщения в телефоне во время "помидорок".Решение: Включать авиарежим на время учебы. Суббота Восстановление: Чувствую себя отдохнувшей после дня без учебы. Это работает! Важно давать мозгу перерыв, чтобы он лучше усваивал информацию в будни. Неделя 9-12: Автоматизация и гибкость Главная задача: Система должна работать сама, а вы — адаптировать её под текущий уровень усталости. Что меняется: Вы прислушиваетесь к себе. Если чувствуете упадок сил вечером — не насилуйте себя учебой, лучше лягте спать пораньше. Дневниковая запись: Добавляем раздел "Состояние здоровья/Энергия".
День Заметки и рефлексия Вторник Энергия: 4/10 (плохо спал).Решение: Перенесла сложную задачу "на утро", а вечером просто читала легкие статьи и легла спать в 22:00.Итог: На следующий день чувствовала себя бодро и сделал задачу быстрее обычного. Воскресенье Анализ ритма: Я поняла, что я не жаворонок, а голубь. Мне сложно вставать в 7 утра каждый день, но я продуктивна с 16:00 до 20:00.Корректировка: Сдвинула утренний блок сложных задач на время после пар (16:00-18:00), а утро посвятила спорту и планированию. Выполненные задачи: План выполнен на ~75%. Главная задача (подготовка к коллоквиуму) выполнена отлично, но творческая работа (написание введения) провалилась. Узкие места: 1. Чтение затягивается: Вместо 1 часа уходит 2 часа из-за телефона. 2. Отсутствие сил вечером: Пропуск тренировок и прокрастинация с отчетами. Причины отклонений: 1. Цифровая зависимость: Телефон - главный враг концентрации. 2. Накопленная усталость: К среде энергия на исходе, что ведет к срыву планов на спорт и некачественную работу. Рекомендации по оптимизации планирования Исходя из анализа, вот конкретные советы для вас, с учетом ритма студента-медика: Акцент на личные особенности (выгорание к среде): 1. Правило "Тяжелой среды": Среда - ваш самый сложный день по энергии. Не планируйте на вечер среды ничего сложного (вроде написания введения). Перенесите "Сложную задачу" на утро среды или на вечер вторника, когда вы еще бодры. 2. Внедрите "Микро-отдых": Каждые 90 минут учебы делайте перерыв не на телефон, а на физическую активность: 10 приседаний, стакан воды, взгляд в окно. Это перезагружает мозг лучше, чем скроллинг ленты. 3. Блокируйте отвлекающие факторы: Используйте приложения (например, Forest или встроенный фокус-режим в телефоне), которые блокируют соцсети на время учебы. 4. Еженедельная "Перезагрузка": Суббота должна быть священным днем отдыха. Никаких мыслей об учебе. Это не лень, это инвестиция в вашу продуктивность в воскресенье и понедельник. Высоко детализированный дневник эмоций Шаблон записи: Дата: [ДД.ММ] Ситуация: (Краткое описание события) Эмоция: (Назовите эмоцию точно: тревога, гнев, обида, вина, стыд) Интенсивность: (От 1 до 10) Мысли (Автоматические реакции): (Что пронеслось в голове?) Физические ощущения: (Где в
теле вы это чувствовали? Сжалось горло, заболел живот?) Реальная реакция: (Что вы сделали?) Желаемая реакция: (Как бы вы хотели реагировать в идеале?) Дата: 25.06 Ситуация: Преподаватель при всей группе указал на ошибку в моем ответе на паре. Эмоция: Стыд, Тревога Интенсивность: Стыд (8/10), Тревога (7/10) Мысли: "Все теперь считают меня неучем", "Я никогда не стану хорошим врачом". Физические ощущения: Жар в лице, ком в горле, желание провалиться сквозь землю. Реальная реакция: Промолчала, опустила глаза Желаемая реакция: Спокойно сказать: "Спасибо за замечание, я уточню этот момент". И действительно потом уточнить материал. Упражнения для повышения эмоционального интеллекта Ежедневный план (15-20 минут): 1. Утро: Дыхание "Квадрат" (2 минуты). o Вдох (4 сек) -> Задержка (4 сек) -> Выдох (4 сек) -> Задержка (4 сек). o Цель: Успокоить нервную систему перед началом дня. 2. День: Практика активного слушания. o Во время разговора с кем-либо (одногруппник, пациент, друг) полностью сосредоточьтесь на собеседнике. Цель: Развить эмпатию. 3. Вечер: Ведение дневника эмоций 4. Перед сном: Практика благодарности. o Запишите 3 вещи, за которые вы благодарны сегодня. o Цель: Сместить фокус с негатива на позитивные моменты жизни.
Тема: «История развития искусственного интеллекта: от логических машин до генеративных нейросетей» Введение Актуальность: Искусственный интеллект (ИИ) -одна из самых динамично развивающихся областей современной науки и техники. Понимание его истории позволяет осмыслить, почему те или иные идеи возникали, угасали и возрождались, а также спрогнозировать следующие шаги. Цель работы: Проследить эволюцию идей, методов и практических приложений ИИ от середины XX века до наших дней, выделяя ключевые понятия, исторические «зимы» и «вёсны», а также роль выдающихся учёных. Задачи: 1. Определить базовый понятийный аппарат (ИИ, машинное обучение, нейросеть и т.д.). 2. Выделить основные этапы развития ИИ. 3. Описать вклад знаковых личностей. 4. Проанализировать современные тренды и перспективы. 1. Ключевые понятия Для осмысленного разговора об истории необходимо зафиксировать несколько центральных терминов: · Искусственный интеллект (ИИ) — область компьютерных наук, занимающаяся созданием систем, способных выполнять задачи, традиционно требующие человеческого интеллекта (распознавание речи, принятие решений, перевод, творчество). · Машинное обучение (Machine Learning) — подход, при котором алгоритмы обучаются на данных, выявляя закономерности без явного программирования правил. · Нейронная сеть — математическая модель, вдохновлённая устройством биологического мозга, состоящая из слоёв взаимосвязанных «нейронов». · Глубокое обучение (Deep Learning) — использование многослойных нейросетей, способных автоматически извлекать иерархические признаки из сырых данных. · Генеративный ИИ — класс моделей, создающих новый контент (текст, изображения, код, музыку) на основе обученных распределений (например, GPT, DALL·E). · Экспертная система — ранний тип ИИ, основанный на базе правил «если… то», полученных от специалистов в конкретной области. Интерактивный блок 1 Основные тезисы раздела · ИИ — не единая технология, а целый спектр методов. · Различие между классическим символьным ИИ и современным машинным обучением фундаментально. · Современные генеративные системы — лишь частный случай более широкого поля. Вопросы для самоконтроля 1. Чем машинное обучение отличается от классического программирования правил? 2. Почему нейронную сеть называют моделью, вдохновлённой мозгом? 3. В чём разница между глубоким обучением и простыми нейросетями? 4. Что принципиально нового привносят генеративные модели по сравнению с
аналитическими? Краткий тест (выберите один правильный ответ) 1. Какой из перечисленных терминов описывает системы, основанные на правилах «если… то»? а) Нейронная сеть б) Генеративная модель в) Экспертная система г) Глубокое обучение 2. Что является ключевой особенностью машинного обучения? а) Ручное написание всех инструкций б) Обучение на примерах и данных в) Использование только математической логики г) Полное отсутствие ошибок 3. Какая архитектура лежит в основе современных больших языковых моделей? а) Свёрточные сети б) Рекуррентные сети в) Трансформер г) Перцептрон (Правильные ответы: 1 – в, 2 – б, 3 – в) 2. Исторические этапы развития ИИ 2.1. Предыстория и философские корни (до 1950 г.) Мечты о мыслящих машинах восходят к античности (Аристотелева силлогистика). В XIX веке Чарльз Бэббидж и Ада Лавлейс обсуждали возможность «аналитической машины», способной сочинять музыку. Однако настоящий старт дали работы по формальной логике и кибернетике (Норберт Винер, 1948). 2.2. Зарождение ИИ как науки (1950–1960-е гг.) · Алан Тьюринг (1950) в статье «Вычислительные машины и разум» предложил знаменитый тест Тьюринга. · В 1956 году в Дартмуте состоялся семинар, организованный Джоном Маккарти, который и ввёл термин «искусственный интеллект». Участники (Марвин Мински, Клод Шеннон, Натаниэль Рочестер) заложили новы направления. · Появляются первые программы: Logic Theorist (Ньюэлл, Саймон) и GPS (General Problem Solver). 2.3. Эпоха энтузиазма и первые экспертные системы (1970–1980-е гг.) · Исследователи поверили, что полноценный ИИ «на носу». Однако вскоре выяснилась ограниченность подхода, основанного лишь на символьной логике. · На смену общим решателям пришли экспертные системы, работавшие в узких предметных областях: MYCIN (медицина), DENDRAL (химия), XCON (конфигурация оборудования). · В этот период активно работает Марвин Мински, критикующий однослойные перцептроны, что отчасти приведёт к первой «зиме ИИ». 2.4. Первая и вторая «зимы» ИИ (середина 1970-х, конец 1980-х – 1990-е)
Неоправдавшиеся ожидания и сокращение военного финансирования вызвали охлаждение интереса. Однако именно в эти годы скромно, но методично развивались статистические методы и возрождался интерес к нейросетям. 2.5. Возрождение нейросетей и машинного обучения (1990-е – 2000-е) · В 1986 году Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс переоткрыли алгоритм обратного распространения ошибки. · Ян Лекун (Yann LeCun) создал свёрточные нейросети (LeNet) для распознавания рукописных цифр. · Появляются опорные векторные машины (SVM) и ансамблевые методы, но истинный прорыв случится позже благодаря данным и вычислительным мощностям. 2.6. Революция глубокого обучения (2010-е – начало 2020-х) · В 2012 году команда под руководством Джеффри Хинтона (Алекс Крижевски, Илья Суцкевер) выиграла конкурс ImageNet со свёрточной нейросетью AlexNet, открыв эру Deep Learning. · Ян Лекун, Йошуа Бенжио и Джеффри Хинтон стали «крёстными отцами» глубокого обучения и в 2018 году получили премию Тьюринга. · Глубокие сети произвели переворот в компьютерном зрении, распознавании речи, машинном переводе. 2.7. Эра генеративного ИИ и больших языковых моделей (2020-е) · Архитектура Transformer (2017, Google Brain) и механизм внимания позволили создавать модели с миллиардами параметров. · Компания OpenAI в 2020–2023 гг. выпускает GPT-3, GPT-4, DALL·E. ChatGPT (2022) становится самым быстрорастущим потребительским продуктом. · Появляются модели синтеза изображений (Stable Diffusion, Midjourney) и мультимодальные системы, совмещающие текст, зрение, звук. Интерактивный блок 2 Основные тезисы раздела · История ИИ циклична: за подъёмами следуют «зимы» из-за завышенных ожиданий. · Ключевые переходы: от логики → к данным, от правил → к обучению, от узких задач → к генерации. · Победа нейросетей стала возможна благодаря росту вычислительных мощностей и объёмов данных. Вопросы для самоконтроля 1. Почему термин «зима ИИ» применим и к финансовому, и к научному застою? 2. Какое событие 2012 года считается поворотным для глубокого обучения и почему? 3. Чем архитектура Transformer принципиально отличается от рекуррентных сетей? 4. Какую роль сыграли экспертные системы, несмотря на их последующее вытеснение? Краткий тест (установите хронологическую последовательность)
Расположите события в правильном порядке: а) Дартмутский семинар и появление термина «ИИ» б) Победа AlexNet в конкурсе ImageNet в) Публикация статьи Тьюринга «Вычислительные машины и разум» г) Выход ChatGPT д) Создание первых экспертных систем (MYCIN) (Правильный порядок: в, а, д, б, г) 3. Значимые личности История искусственного интеллекта — это во многом история конкретных учёных, их упорства и научной интуиции. Именно отдельные исследователи десятилетиями вели свои направления, иногда вопреки скепсису профессионального сообщества, и в конечном счёте определяли облик современных технологий. У самых истоков стоял Алан Тьюринг. Его концепция универсальной вычислительной машины заложила теоретический фундамент, а знаменитый тест Тьюринга, предложенный в 1950 году, до сих пор остаётся одним из самых обсуждаемых критериев машинного разума. В середине 1950-х годов Джон Маккарти не только ввёл в научный оборот сам термин «искусственный интеллект», но и создал язык программирования Lisp, ставший главным инструментом символьного ИИ на десятилетия вперёд. Его современник Марвин Мински, один из основателей лаборатории ИИ в Массачусетском технологическом институте, внёс огромный вклад в теорию представления знаний и создал концепцию фреймов. Парадоксальным образом именно его конструктивная, но жёсткая критика ранних перцептронов на время затормозила развитие нейросетевого подхода, что отчасти способствовало первой «зиме ИИ». Когда нейронные сети переживали период забвения, несколько исследователей сохранили веру в них и в итоге полностью изменили поле. Центральная фигура этого возрождения — Джеффри Хинтон. Ещё в 1980-е годы он вместе с коллегами переоткрыл и популяризировал алгоритм обратного распространения ошибки, а затем на протяжении трёх десятилетий совершенствовал глубокие архитектуры, невзирая на скепсис. Его ученик Ян Лекун создал свёрточные нейронные сети — именно они лежат в основе всех современных систем распознавания изображений. Йошуа Бенжио, третий «крёстный отец» глубокого обучения, разрабатывал вероятностные модели и механизмы внимания, без которых были бы немыслимы современные трансформеры. В 2018 году все трое — Хинтон, Лекун и Бенжио — были удостоены премии Тьюринга, что стало официальным признанием их вклада. Нельзя обойти вниманием и тех, чьи идеи превратили теоретические прорывы в практические инструменты. Фей-Фей Ли осознала, что для обучения глубоких сетей необходимы огромные размеченные массивы данных, и инициировала создание набора ImageNet, который с 2012 года стал катализатором революции в компьютерном зрении. Владимир Вапник разработал строгую теорию статистического обучения и метод опорных векторов — долгое время он оставался главным конкурентом нейросетей и показал, как математически обоснованный подход может давать надёжные результаты на малых данных. Наконец, фигура Ильи Суцкевера олицетворяет новейший этап: будучи одним из ключевых авторов архитектуры Transformer и сооснователем OpenAI, он сыграл определяющую роль в создании генеративных моделей GPT, которые в начале 2020-х годов вывели искусственный интеллект на уровень массового использования и изменили представление о его возможностях.
Таким образом, каждая эпоха ИИ — от формальной логики до генеративных трансформеров — несёт на себе отпечаток личностей, чьё любопытство, интеллект и готовность идти против течения определили путь развития целой науки. Интерактивный блок 3 Основные тезисы раздела · Развитие ИИ двигали конкретные личности, часто вопреки доминирующим воззрениям. · От Тьюринга до Суцкевера прослеживается линия: теоретическая мечта → символьные системы → статистика → нейросети → генерация. · «Крёстные отцы» глубокого обучения — пример научной стойкости: они развивали непопулярное направление десятилетиями. Вопросы для самоконтроля 1. Какой вклад Джона Маккарти выходит за рамки одного термина? 2. Почему критика Мински считается одновременно и вредной, и полезной для нейросетей? 3. За какие заслуги Хинтон, Лекун и Бенжио получили премию Тьюринга? 4. Чем роль Фей-Фей Ли отличается от роли разработчиков алгоритмов? Краткий тест (на соответствие) Соедините учёного и его главное достижение: 1. Алан Тьюринг 2. Ян Лекун 3. Фей-Фей Ли 4. Владимир Вапник 5. Илья Суцкевер а) Создание ImageNet б) Универсальная машина и тест разумности в) Сооснователь OpenAI, трансформеры г) Свёрточные нейронные сети (CNN) д) Метод порных векторов (SVM) (Ответ: 1-б, 2-г, 3-а, 4-д, 5-в) --- 4. Современные тренды (2024–2026 гг.) 1. Агентный ИИ (Agentic AI) Системы, способные не просто отвечать на вопросы, а самостоятельно планировать последовательность действий, использовать инструменты (браузер, калькулятор), писать и запускать код. Пример — AutoGPT, Devin. 2. Мультимодальность Модели, одновременно понимающие текст, изображения, видео и звук (GPT-4o, Gemini 2.0). Это стирает границу между разными типами контента. 3. Маленькие и открытые модели
Тренд на уменьшение размера моделей (Llama 3, Mistral, Phi-3) при сохранении качества. Открытая экосистема снижает монополию крупных корпораций. 4. Регулирование и этика Принятие AI Act в Евросоюзе, активные дебаты о водяных знаках для дипфейков, авторском праве и безопасности (alignment research). 5. ИИ в науке Предсказание структуры белков (AlphaFold), поиск новых материалов, ускорение клинических исследований. ИИ становится двигателем фундаментальных открытий. 6. Локальный запуск на устройствах Нейропроцессоры в смартфонах и ПК позволяют выполнять генеративные модели без облака, обеспечивая приватность. Интерактивный блок 4 Основные тезисы раздела · Фокус смещается с создания «всезнающей» модели на автономных агентов, действующих в реальном мире. · Мультимодальность и локальность становятся стандартами. · Этические и правовые вопросы переходят из теории в практическую плоскость. Вопросы для самоконтроля 1. Чем агентный ИИ принципиально отличается от чат-бота, который только отвечает на реплики? 2. Почему мультимодальность считается следующим шагом после текстовых моделей? 3. Какие риски несёт отсутствие регулирования генеративного ИИ? 4. Приведите пример, как локальный запуск ИИ повышает приватность пользователя. Краткий тест (да/нет) Определите, верны ли утверждения (да/нет): 1. Мультимодальные модели могут одновременно обрабатывать текст и изображения. 2. Маленькие открытые модели полностью проигрывают большим коммерческим аналогам по всем параметрам. 3. AI Act — это европейский закон, регулирующий применение искусственного интеллекта. 4. Агентный ИИ не нуждается в доступе к внешним инструментам. (Ответы: 1 – да, 2 – нет, 3 – да, 4 – нет) Заключение История искусственного интеллекта — это не плавная линия прогресса, а череда взлётов и падений, идейных кризисов и технологических прорывов. От формальной логики и символьных систем поле сместилось к статистическим моделям и нейросетям, а затем — к генеративным архитектурам, меняющим повседневную жизнь. Главный урок прошлого: научные инвестиции и упорство одиночек (Хинтон, Лекун, Бенжио и др.) способны десятилетиями удерживать «непопулярное» направление, пока технологии и объёмы данных не позволят ему выстрелить. Сегодня мы находимся в фазе экспоненциального роста, где ключевыми вопросами становятся не только возможности ИИ, но и наша способность
безопасно и справедливо их применить. --- Список литературы 1. Тьюринг А. Вычислительные машины и разум. Mind, 1950. 2. Рассел С., Норвиг П. Искусственный интеллект: современный подход. 4-е изд., 2022. 3. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. 2017. 4. Лекун Я. Как учится машина. 2021. 5. Mitchell M. Artificial Intelligence: A Guide for Thinking Humans. 2019. 6. Статья “Attention Is All You Need” (Vaswani et al., 2017).
Иллюстрации к каждому озвученному блоку через кандинский от гигачата Блок 1 Блок 2 Блок 3
Блок 4 Блок 5 Блок 6