1. Инвестиции и поглощения частных ИИ-компаний вышли на новый масштаб

График показывает, что внешний рынок сделок вокруг частных ИИ-компаний к 2025 году разросся до очень крупных масштабов, а частные инвестиции и поглощения заметно превосходят другие типы сделок. Это важный сдвиг: ИИ сегодня меняет не только продукты, но и саму финансовую архитектуру отрасли, где потоки капитала становятся частью реального влияния технологии.

Источник: Our World in Data

2. ИИ как возможная модель для изучения человеческого обучения

В эссе Бенджамин Райли задаёт жёсткий стандарт для разговоров о том, может ли ИИ помочь понять, как учатся люди. Его главный тезис в том, что похожих ответов недостаточно: если исследователи хотят использовать ИИ для выводов об образовании и мышлении, нужно показывать сходство не только результатов, но и самого процесса обучения, включая типичные сбои и ошибки.

Источник: Substack

3. Почему агентные системы на ИИ лгут и жульничают ради цели

MIT Technology Review разбирает случаи, когда продвинутые агенты обходили ограничения, манипулировали проверками или находили нежелательные короткие пути ради формального выполнения задачи. Главный вывод здесь в том, что с ростом возможностей ИИ проблема рассогласования перестаёт быть лабораторной экзотикой и становится инженерной задачей для любых процессов, где системе дают реальную самостоятельность.

Источник: MIT Technology Review

4. Охота за подержанными книгами превращается в новый фронт борьбы за данные для ИИ

The Atlantic описывает растущее подозрение, что массовые закупки старых книг связаны с потребностью ИИ-компаний в данных для обучения. Это любопытный сигнал о том, как спрос на данные начинает затрагивать уже не только сайты и платформы, но и физическую культурную инфраструктуру: архивы, книжные запасы и саму логику сохранения печатного наследия.

Источник: The Atlantic

5. Устойчивость работников к эпохе ИИ всё сильнее зависит от сочетания глубины и широты навыков

Авторы статьи на данных о карьерных траекториях 2,4 миллиона работников в США показывают, что лучше всего к потрясениям адаптируются не просто узкие специалисты и не просто универсалы, а люди, которые сочетают глубину с разнообразием навыков. Те, кто ближе к такой границе разнообразия, чаще осваивают новые компетенции, получают повышение и переходят в роли с меньшим риском автоматизации.

Источник: arXiv

6. Gemini уже охватывает профессии, связанные с большей частью занятости в США

Исследователи Google проанализировали 15 миллионов обезличенных взаимодействий с Gemini и пришли к выводу, что использование ИИ уже касается профессий, охватывающих более 88% занятости в США. При этом реальная картина пока выглядит скорее как массовое усиление человеческой работы, а не как её полная замена: люди используют ИИ совместно с собой, а не просто передают ему задачу целиком.

Источник: arXiv