#прозрачность AI

И исследования ·18 авг 2026

Как люди реально используют ChatGPT и Claude — независимое исследование против корпоративных отчётов

Стэнфорд и MIT запустили AI Observatory — независимую платформу для анализа реального использования AI. Выяснилось: компании вроде Anthropic и OpenAI показывают только рабочие сценарии, фильтруя до 48% разговоров — про здоровье, отношения, секс, хейт-спич. Реальная картина: люди используют AI для companionship, roleplay, дезинформации — и каждая модель ведёт себя по-своему.

0 58

Б безопасность ·18 авг 2026

Эксперт 3M написал ChatGPT-ом защитный отчёт «компания невиновна» — суд присудил $61 млн

Эксперт, которого 3M наняла за $90 тыс. для защиты в суде по взрыву с жертвами, использовал ChatGPT для написания ~85-90% отчёта. Запросы: «покажи, как 3M виновата на 0%». Суд всё равно признал компанию виновной на 30% и присудил $61 млн истцам. Вскрылось при анализе 350 страниц промптов.

0 48

И исследования ·23 июл 2026

Долг прозрачности: как недокументированные обновления моделей подрывают доверие

Когда языковая модель обновляется без чёткой фиксации версий, организации теряют возможность отследить, какая именно система проходила оценку. Результаты тестов становятся несопоставимыми, а выводы — ненадёжными. Это создаёт «долг прозрачности»: накопленное бремя необъяснимых изменений, которое разрушает аудируемость и воспроизводимость исследований.

0 86

Б безопасность ·30 июл 2026

Meta AI начал планировать покупки: кому верить — вам или рекламодателям?

Meta AI теперь не просто отвечает на вопросы, а выполняет действия: планирует задачи, работает с почтой, календарями, создаёт презентации. Проблема — Meta зарабатывает на рекламе и маркетплейсах, и непонятно, будет ли ассистент рекомендовать вам лучшее или самое выгодное Meta.

0 34

И исследования ·22 июл 2026

Может ли некоммерческая организация воспроизвести оценку frontier-модели при скромном бюджете?

Исследовательский центр TAIRC разбирает, как некоммерческие организации могут проверять заявления разработчиков AI-моделей при ограниченном бюджете. Главный тезис: воспроизвести отдельное измерение возможно и недорого (десятки долларов за API-вызовы), но это не заменяет полноценную валидацию модели, а дорогая часть — не токены, а методология оценки.

0 67