Забанили в ChatGPT Потерял аккаунт ChatGPT, который я создал еще в феврале 2023 и супер активно им пользовался. Забанили. Аккаунт был tier-5 уровня по объемам использования OpenAI API. Сидел в Codex, Codex активно выполнял задачу и прервался, пропала связь. Я пошел переподключить VPN и Codex в момент переподключения поймал видимо коннект без VPN, моментально выкинул меня из аккаунта и повалили письма, что ваш аккаунт заблокирован, API ключи все отозваны. Раньше это ни к каким проблемам не приводило, просто выдавалось сообщение "Доступ запрещен", включал VPN и всё возвращалось. Но видимо что-то они в своей эвристике изменили и теперь VPN автоматически детектится и приводит к автоматическом моментальному бану. Я активно с февраля 2023 продвигал в массы ChatGPT (тогда еще не было альтернатив), мои треды в Твиттере за последние годы суммарно приносили многомиллионые охваты, множество людей подключились к ChatGPT после моих твитов в 2023-2025. И теперь я остался без аккаунта. Хорошо, что альтернатив теперь хватает. Но самое грустное, что потерял огромную базу знаний (я про чаты и переписки в чатгпт, а не проекты), которую я там активно накапливал и вёл в переписках всё это время. Бэкапы переписок я не делал, хотя вроде такая возможность была. Апелляцию подал, но не особо верю в успех. Уже прошли сутки, мне так и не ответили. А поддержка по почте генерирует моментальный ответ от AI, что кейс закрыт и подавайте жалобу. Никакого человеческого контакта. И в такие моменты понимаешь, как мы зависим от таких компаний и эта зависимость постепенно может стать еще сильнее.

Начинает формироваться новая модель образования с ИИ В предыдущем посте я писал о довольно неприятном эффекте: школьники с ИИ могут быстрее и лучше делать домашние задания, а потом хуже писать экзамены самостоятельно. За 2026 год появилось уже несколько крупных экспериментов, где пытались понять, как встроить ИИ в обучение так, чтобы знания всё-таки оставались у человека. А вчера Нью-Йорк объявил новые правила использования ИИ в своей системе государственных школ, крупнейшей в США. В июне Google DeepMind провёл эксперимент на 1 763 школьниках в Сьерра-Леоне. В течение восьми недель часть уроков математики проходила с использованием Gemini в режиме Guided Learning. В этом режиме Gemini вёл себя скорее как репетитор: в 76% сообщений он задавал ученику наводящие вопросы, помогая самому дойти до решения. Готовый полный ответ появлялся лишь примерно в 2% случаев. После восьми недель дети самостоятельно написали тест и набрали в среднем на 0,258 стандартного отклонения больше, чем ученики из контрольной группы. В августе вышло другое исследование уже более чем на 6 000 американских школьниках. Для него исследователи создали математическую платформу NUMI со встроенным AI-репетитором. Лучше всего репетитор помогал в ситуациях, когда ребёнок сначала пытался решить задачу сам, ошибался, а затем вместе с Numi разбирал ошибку по шагам, отвечал на промежуточные вопросы и снова решал задачу самостоятельно. С таким репетитором дети двигались по материалу медленнее и успевали решить меньше задач, но прорабатывали каждую ошибку глубже. После разбора с Numi им требовалось меньше попыток, чтобы снова прийти к правильному ответу. Лучше всего работал режим, где ученика не пускали к следующей теме, пока он не показывал, что действительно освоил текущий навык. После ошибки нужно было несколько раз подряд правильно решить похожие задачи, и только потом можно было двигаться дальше. Есть и другой свежий эксперимент из Middlebury College. Студентам дали изучать незнакомую тему с ИИ и без него, а потом проверили знания сразу и ещё раз через неделю. Группа с ИИ в итоге выучила больше, и преимущество сохранилось спустя неделю. Важный момент: с ИИ студенты меньше занимались написанием текста и больше времени тратили на чтение и поиск информации, то есть непосредственно на изучение темы. Есть и очень простой эксперимент “Think First, ChatGPT Later”, опубликованный весной. 196 студентов разделили на три группы: одни работали самостоятельно, другие свободно использовали ChatGPT, а третьи сначала обязаны были придумать собственные идеи и только после этого могли подключить ИИ для критики и развития решения. Со свободным ChatGPT первая работа получалась лучше. Затем ИИ у всех забрали и дали новую задачу. Здесь лучший результат показала группа, которая работала по схеме “сначала подумай сам → подключи ИИ → снова сформулируй итог сам”. Похожую картину получили ещё в одном эксперименте на 168 студентах, который продолжался восемь недель. Одни работали без ИИ, другие могли пользоваться им свободно, а третьим дали ограниченный режим с обязательным самостоятельным размышлением. Во время обучения свободный ИИ помогал делать более качественные работы, но когда студентов затем проверяли уже без него, группа с ограниченной помощью лучше справлялась с аргументацией, редактированием и задачами на более сложное мышление. При этом история с Khanmigo, AI-репетитором от Khan Academy, показала другую проблему. В двухлетнем эксперименте в 18 американских школах он дал небольшой прирост по математике, примерно 0,06–0,08 стандартного отклонения за год. Но ученики пользовались самим репетитором довольно редко, после ошибки обращались к нему только примерно в 17% случаев. Сал Хан, основатель Khan Academy и один из самых известных сторонников идеи персональных AI-репетиторов, в этом году признал, что на практике Khanmigo многие школьники просто почти не использовали. Поэтому Khan Academy теперь старается встраивать помощь репетитора прямо в процесс решения задач, чтобы он подключался в тот момент, когда ученик застрял или допустил ошибку. Сам Хан теперь отдельно подчёркивает, что одной хорошей технологии мало. Большую роль играет то, как устроены сами занятия, когда именно подключается ИИ и как учитель направляет этот процесс. Есть интересные данные и про самих учителей. Этим летом исследователи из University of Pennsylvania провели эксперимент с 193 преподавателями и более чем 2 800 школьниками. Часть учителей получила специального ChatGPT-ассистента для подготовки материалов, заданий и экзаменов. Спустя десять недель средние результаты учеников почти не изменились, зато их внутренняя мотивация снизилась: занятия казались менее интересными, приятными и важными. У менее сильных преподавателей ухудшились ещё и результаты учеников. Тут возникает та же проблема, что и у школьников. Подготовка урока выглядит как работа, которую удобно автоматизировать, но во время неё преподаватель сам думает о конкретном классе, прошлых ошибках учеников и о том, как объяснить тему завтра. Если всю эту работу отдавать модели, часть профессионального мышления преподавателя тоже начинает исчезать. В университетах поэтому уже меняют саму систему оценки. Nature на этой неделе собрала примеры преподавателей, которые требуют историю изменений документа (чтобы видеть как документ, условно в том же Word, динамически менялся и наполнялся) , больше проводят письменных работ прямо в аудитории, добавляют устные защиты и дают задания, где студент должен использовать несколько LLM, а затем найти в их ответах ошибки и галлюцинации. Организация экономического сотрудничества и развития (OECD), которая в том числе занимается исследованиями образования и проводит международное тестирование PISA, в своём большом отчёте за 2026 год приходит примерно к той же модели. Сначала человек должен сформировать базовые знания и навыки самостоятельно, затем учиться использовать специальные образовательные AI-инструменты, а уже после этого переходить к универсальным ChatGPT, Claude и Gemini. И вот вчера эта дискуссия добралась уже до уровня целого города. Нью-Йорк ввёл годовой мораторий на генеративный ИИ для школьников до 8 класса включительно. Решение затронет почти 600 тысяч детей. Город отключает AI-функции более чем в 38 уже использовавшихся образовательных продуктах и одновременно вводит ограничения на экранное время. Для старшеклассников подход другой. Дважды в год для них будут проводить занятия по работе с ИИ: объяснять, как устроены такие системы, где они ошибаются, как проверять их ответы и как пользоваться ими осознанно. Плюс школьникам дадут пять специально отобранных AI-инструментов под контролем учителя. Например, Edia будет пошагово помогать с математикой, Quill с разбором текстов и аргументацией, Brisk с упражнениями по материалам учителя. Использование таких инструментов специально ограничено по времени, а обычные ChatGPT и Claude в программу не входят. В итоге из исследований и первых реальных политик постепенно складывается довольно понятная архитектура. Сначала собственная попытка. ИИ подключается в момент затруднения, помогает разобрать ошибку и задаёт вопросы. Затем человек снова остаётся с задачей один. А знания периодически проверяются вообще без ИИ. При этом отдельно появляется ещё один навык: осознанно пользоваться ИИ, правильно формулировать запросы, проверять его ответы, замечать ошибки и понимать ограничения таких систем. Мне кажется, именно к этому сейчас и движется образование. ИИ останется в школах и университетах, но хороший образовательный ИИ будет сильно отличаться от обычного ассистента. Сначала своя попытка, потом подсказка, разбор ошибки и снова самостоятельное решение, но никаких прямых ответов и решения за человека. Возможно, именно вокруг этой простой схемы и будет строиться обучение с ИИ в ближайшие годы.

ИИ начинает ломать привычную систему образования гораздо глубже, чем кажется Появилось исследование о том, как ИИ влияет на обучение школьников. Исследователи 30 месяцев наблюдали за 26 811 китайскими учениками 12–18 лет и сравнивали их домашние работы с результатами экзаменов, которые дети уже писали самостоятельно, без помощи ИИ. После того как школьники начинали пользоваться китайскими ИИ-ассистентами вроде Doubao от ByteDance и DeepSeek, оценки за домашку в среднем росли на 18%, а времени на неё уходило примерно на 30% меньше. По всем внешним метрикам всё выглядело отлично: задания сделаны быстрее, оценки выше, производительность выросла. Но уже через полгода результаты этих же учеников на экзаменах без ИИ были примерно на 20% хуже. Причём на важных экзаменах эффект продолжал накапливаться и полностью проявлялся только спустя примерно два года. Самое интересное в том, что раньше хорошая домашняя работа довольно неплохо показывала, насколько ученик разобрался в теме. Теперь эту связь можно легко разорвать. Школьник получает отличные оценки, делает задания быстрее и выглядит успешнее по всем формальным показателям, при этом реальные знания могут становиться хуже. Особенно сильно результаты падали у тех, кто после появления ИИ резко сокращал время на домашку. У учеников, которые продолжали тратить на задания примерно столько же времени и использовали ИИ для объяснений, подсказок и разбора материала, потери были значительно меньше. Это хорошо совпадает с другим свежим экспериментом в Middlebury College. Студентам дали изучать незнакомую тему с ИИ и без него, после чего проверили знания сразу и через неделю. Группа с ИИ в итоге действительно выучила больше, особенно те, кто использовал модель для объяснений, поиска информации и разбора сложных моментов. Когда ИИ просто генерировал готовый результат, эффект на реальные знания был намного слабее. И вот здесь появляется главная проблема для всей системы образования. Десятилетиями она работала примерно так: чтобы хорошо написать сочинение, решить задачу или подготовить доклад, человеку приходилось самому проделать большую часть мыслительной работы. Поэтому по качеству конечного результата можно было хотя бы примерно судить о знаниях и навыках ученика. А вот с ИИ это перестаёт работать. Можно получить отличное сочинение, презентацию, решение задачи или исследование, практически не приобретая навык, который раньше был нужен для создания такого результата. В исследованиях уже появляется термин “product–process dissociation”: качество готовой работы растёт, а качество мыслительного процесса, который раньше стоял за этой работой, может снижаться. В итоге школам и университетам придётся постепенно менять сам подход к оценке знаний. Домашнее сочинение всё хуже показывает, умеет ли человек писать. Решённая дома задача всё хуже показывает, умеет ли он её решать. Хороший доклад всё меньше говорит о том, насколько автор действительно разбирается в теме. ИИ всё сильнее разделяет хороший результат и реальные знания и для образования это становится большой проблемой. Забавно, недавно прочитал, что разработчики в OpenAI не могут полностью объяснить код, который сами “создали” с помощью AI. Речь не о том, что они не понимают собственный код в принципе, а о том, что часть решений была сгенерирована ИИ и собрана итеративно, без полного понимания каждой строки и всех взаимосвязей. Похоже, мир действительно меняется: для некоторых задач уже не всегда требуется понимать, что именно происходит внутри. Важно уметь поставить задачу, проверить результат и заметить ошибку. Но в образовании всё наоборот, это опасный момент, потому что сам процесс понимания и есть главный результат.

Мир не готов к AI эпохе Билл Гейтс выкатил большой пост о том, что нас ждет в ближайшие годы с AI и прогноз у него довольно мрачный. По его мнению, мы входим в один из самых турбулентных периодов в истории человечества. И в отличие от компьютеров или интернета, которые меняли рынок труда десятилетиями, AI уже здесь, работает на наших устройствах, понимает наш язык и может внедряться практически мгновенно. Поэтому огромные изменения могут уложиться буквально в одно десятилетие. Больше всего он говорит о работе и профессиях. Гейтс считает, что множество профессий исчезнет навсегда, причем первыми под удар попадут junior и middle позиции. Продажи, поддержка, программирование, юридическая работа, анализ данных, выдача кредитов и даже часть медицинских задач постепенно будут уходить AI. Новые профессии появятся, но совсем не факт, что их окажется столько же. И тут возникает довольно странная проблема с молодыми кадрами. Чтобы стать опытным специалистом, сначала нужно несколько лет где-то набивать шишки и учиться. Но именно эту начальную работу AI сейчас забирает быстрее всего. Получается, что компаниям опытные специалисты все еще нужны, а вот привычный путь, по которому человек таким специалистом становится, начинает ломаться. Дальше подключатся роботы. По прогнозу Гейтса, уже к концу десятилетия они начнут серьезно заходить в строительство, гостиницы и другие физические профессии. А дальше включится обычная экономика: одна компания заменяет часть людей роботами, становится дешевле и эффективнее, и конкурентам приходится делать то же самое. Так что внедрение будет только ускоряться. Отдельно он пишет про кибератаки, мошенничество, дипфейки и даже биологические угрозы. AI резко снижает порог входа во все эти вещи, и знакомые ему специалисты по кибербезопасности уже серьезно переживают за ближайшие несколько лет. А дальше есть и более неприятный сценарий, когда достаточно мощные AI-системы начинают действовать уже не совсем так, как мы рассчитывали. Есть еще тема детей и AI-компаньонов, про которую сейчас говорят намного меньше. Представьте бота, который всегда рядом, никогда не раздражается, полностью подстраивается под ребенка и всегда готов поговорить. Гейтс переживает, что такие штуки могут начать заменять реальные отношения, а постоянная возможность получить готовый ответ будет постепенно отучать детей думать самостоятельно. При этом он вообще не предлагает останавливать AI. Более того, пишет, что сам бы, наверное, поддержал разумный способ замедлить развитие моделей, только не видит, как это вообще можно сделать. Гонка между компаниями и государствами уже слишком сильная, поэтому все продолжат давить газ, а обществу придется учиться жить с последствиями. Одна из самых интересных его идей касается профессий, которые люди могут специально оставить людям. Условно, AI технически сможет выполнять такую работу дешевле и лучше, но общество все равно решит, что здесь нужен именно человек. Например, уход за пожилыми, часть образования, психотерапия или момент, когда врачу нужно сообщить пациенту тяжелый диагноз. Еще Гейтс снова возвращается к идее налога на роботов и теперь уже фактически на AI. Логика у него простая: когда компания нанимает человека, она платит налоги и взносы, а когда заменяет его машиной, налоговая система часто делает такую замену еще выгоднее. Он предлагает хотя бы частично убрать этот перекос и направлять деньги на переобучение людей и социальную поддержку. В целом его главный вывод довольно понятный. AI может стать гигантским инструментом для медицины, науки, образования и вообще дать людям очень дешевый доступ к интеллекту. Но он же может еще сильнее расслоить общество, выбить огромное количество людей с рынка труда и создать пачку новых рисков, к которым государства сейчас вообще толком не готовы. Билл Гейтс считает, что очень серьезные социальные последствия начнутся намного раньше, чем мы думаем, возможно уже в ближайшие несколько лет, а нормального плана, что с этим делать, у мира пока нет.