Здравствуйте, хабровчане!
Подскажите, есть ли активные группы или чаты, где практически работают с ИИ: тестируют поведение моделей, сравнивают версии, проверяют гипотезы?

Не просто обсуждения и философия «что будет дальше», а именно по делу. Живое сообщество.

Если правила Хабра не позволяют делиться такими ссылками в комментариях, пришлите, пожалуйста , в личные сообщения.

Бывший сооснователь OpenAI Андрей Карпати представил свой годовой обзор.

В начале года он выдвинул ключевые тезисы: наступила эра ПО 3.0 (управление промптами), LLM — это новая ОС, а для зрелости AI-агентов потребуется десятилетие.

В обзоре 2025 он выделяет шесть «смен парадигм»:

1. RLVR — обучение на проверяемых задачах.

Тренировка сместилась с субъективных человеческих оценок (RLHF) на задачи с точным ответом — код, математика. ИИ, решая миллионы таких задач, сам вырабатывает стратегии, похожие на рассуждение. Это «пожиратель» вычислительных мощностей, который не увеличил модели, но удлинил их обучение и дал «ручку» — заставить ИИ думать дольше (как в OpenAI o3).

2. ИИ — «призрак», а не «питомец».

Его интеллект «неровный» (Jagged Intelligence). Благодаря RLVR, в областях вроде математики способности ИИ взлетают «шипами», но в простой логике он может ошибаться. Это привело к «натаскиванию на тесты» и обесцениванию бенчмарков.

3. Cursor как «прораб».

Его успех показал, что прикладной слой LLM очень толст. Такие инструменты выступают инженером контекста, прорабом (управляя несколькими LLM) и пультом (регулируя автономность). Будущее — за связкой «универсальных студентов» (базовые модели) и «профбригад» (специализированные приложения).

4. Claude Code — локальный «киберпризрак».

Главное — его работа локально на вашем компьютере, а не в облаке. Это ключевое преимущество на текущем этапе, так как среда разработки, ключи и настройки — локальны.

5. Vibe Coding.

Кодирование без знания синтаксиса: достаточно описать задачу на естественном языке. Это стирает барьер для новичков, а для экспертов делает код «дешёвым» и одноразовым, что изменит индустрию.

6. Nano Banana — «лицо» для ИИ.

Текстовый интерфейс неудобен. Будущее — мультимодальные интерфейсы, где ИИ не выдает текст, а визуализирует ответ: рисует схему, генерирует страницу или интерактивную панель, переплетая логику и визуал.

Карпати считает, что даже сейчас используется менее 10% потенциала LLM. Прогресс будет быстрым, но работы ещё много.

Модель искусственного интеллекта с открытым исходным кодом для оценки риска рака молочной железы

FRA-RIG-breast, экспериментально исследовательская модель, построенная на основе Фрактально Референциальной Архитектуры (FRA) — фреймворка, который интерпретирует данные с помощью моделей различий, а не изолированных признаков.

Модель делит входные параметры на три концептуальных блока:

R — особенности морфологической структуры и размера,

I — текстура, симметрия и фрактальные свойства тканей,

G — геометрическая компактность, кривизна и агрессивность.

Каждый блок генерирует свой собственный внутренний индекс (S_R, S_I, S_G), а конечная вероятность вычисляется с помощью логистической регрессии.

Такая структура делает модель объяснимой — она показывает, почему был сделан прогноз, а не только каков результат.

Ключевые результаты

Средние показатели перекрестной проверки:

Точность — 0,967

ROC-AUC — 0,989

PR-AUC — 0,990

F1-оценка — 0,973

Порог классификации (Youden) = 0,64

Модель сохраняет точность на 96-98% при сгибании и демонстрирует высокую стабильность между запусками.

Цель состоит в том, чтобы продемонстрировать прозрачный, поддающийся интерпретации искусственный интеллект для онкологических исследований — без сложного глубокого обучения.

FRA-RIG-breast может быть распространен на другие области, такие как исследования крови, легких или кожи, где понимание влияния факторов так же важно, как и само прогнозирование риска.

Zenodo: https://zenodo.org/records/17492410

GitHub: https://github.com/AdmailFRA/FRA-RIG-breast

Лицензия: MIT бесплатная для использования в научных исследованиях и образовательных целях.

❗️ Это экспериментальная модель, а не медицинский диагностический инструмент.

Если вы работаете в области онкологии, биоинформатики или обработки данных и хотите узнать, как подход FRA может быть адаптирован к вашему подтипу рака, не стесняйтесь обращаться .

Буду рад обсудить, как можно было бы точно настроить параметры R, I и G для вашего исследовательского контекста. Безвозмездно.