🤖 ИИ в деле: как готовиться к экзаменационным билетам с помощью нейросетей

Продолжаем делиться практическими кейсами о том, как искусственный интеллект облегчает повседневные задачи.

📔 Сессия уже не за горами, поэтому сегодня расскажем, как использовать нейросети, чтобы эффективно подготовиться к экзаменам.

📌 Что умеет ИИ?

1️⃣ Составление плана подготовки
Задайте предмет, список тем и количество дней до экзамена, и нейросеть разложит подготовку по этапам.

2️⃣ Отработка однотипных задач
Можно задать промпт: «Действуй как преподаватель по дискретной математике. Объясни эту задачу и составь ещё 10 по аналогии». Попросите разбор, критерии, тренировочные задания и ответ и повторяйте цикл до полного освоения темы.

3️⃣ Объяснение сложных тем простым языком
Нужно «разжевывать» трудную главу? ИИ выделит ключевое, уберет воду и поможет быстро уловить суть.

4️⃣ Создание карточек и тестов
Карточки — идеальный формат для запоминания дат, терминов, формул.

5️⃣ Конспекты по видео и большим статьям
Нейросеть может обработать видео с лекции или длинную статью и выдать краткое содержание.

⚙️ Какие инструменты выбрать?

⚪️ YandexGPT / Яндекс «Конспект» — помогает быстро делать краткие пересказы материалов, генерировать карточки и тесты, искать информацию в экосистеме Яндекса.
⚪️ DeepSeek — приводит чёткие структурированные объяснения, хорошо справляется с научным стилем и разбором задач
⚪️ Quizlet — готовые карточки и тесты по школьным и университетским предметам. Можно создать собственные наборы.
⚪️ ChatGPT — универсальный инструмент для генерации тестов, эссе, объяснений.
⚪️ GigaChat — сильная нейросеть для работы с экзаменационными билетами на русском языке. Подходит для анализа текстов, составления планов, генерации тренировочных заданий, объяснений и проверки ответов.

А вы уже используете ИИ для подготовки к экзаменам? Делитесь опытом в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Первая неделя декабря принесла много интересного! DeepSeek выкатил свежие открытые модели, OpenAI всерьез испугались конкуренции, а в России ИИ выявляет депрессию в русскоязычных текстах. Подробности — читайте в нашем свежем дайджесте! ⬇️

🇷🇺 В России:

Роскосмос отправил на Международную космическую станцию ИИ-комплекс на базе GigaChat для ведения служебных и личных дневников.

В РАН предложили создать единую экосистему развития ИИ в науке под собственным руководством

В МГТУ им. Н.Э. Баумана создали софт для обучения ML-моделей и анализа уровня их уверенности в собственных прогнозах

В МГУ им. М.В. Ломоносова к концу 2026 года представят набор инструментов для снижения галлюцинаций у ИИ

Ученые Института искусственного интеллекта AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ, РУДН им. Патриса Лумумбы и MBZUAI (ОАЭ) сравнили LLM по способности выявлять признаки депрессии в русскоязычных текстах

В МФТИ создали тест для определения производительности LLM при обработке длинных текстов

Ученые Новосибирского государственного университета создали метод определения авторского стиля текстов. Он может применяться для оценки качества переводов и выявления сгенерированных ИИ текстов

🌍 В мире:

Команда Qwen предложила новый вид механизма внимания Gated Attention для повышения производительности и стабильности машинного обучения. Исследование стало одним из победителей Best Paper Award на конференции NeurIPS 2025

Prime Intellect представил Децентрализованную Модель Intellect-3, Достигшую Высоких Показателей в Бенчмарках

Американский разработчик Runway выпустил модель Gen-4.5 для генерации реалистичных видео

DeepSeek представил открытые ИИ-модели V3.2 и V3.2-Speciale, конкурирующие с GPT-5 и Gemini-3 Pro

OpenAI в ближайшее время сосредоточится на развитии ChatGPT из-за конкуренции с Gemini от Google и отложит другие инициативы.

OpenAI разрабатывает LLM под кодовым названием Garlic, которую могут выпустить как GPT-5.2 или GPT-5.5 в начале 2026 года

Французский стартап Mistral AI выпустил семейство открытых мультимодальных моделей Mistral 3 для генерации текста. Их можно задействовать для создания кода и анализа документов

Разработчик OpenAI представил метод Confessions, который учит модели сообщать о собственных ошибках

🎓 Поздравляем Ольгу Гавриленко со стипендией Президента РФ!

Это одна из самых престижных государственных стипендий в России — её получают студенты, которые добились больших результатов в учёбе, исследованиях и научной работе.

👤 Ольга Руслановна Гавриленко, младший научный сотрудник лПИИ СПб ФИЦ РАН, победила во всероссийском конкурсе студенческих грантов Президента РФ, выступает на конференциях, участвует в научно-исследовательских проектах, а также имеет отличную успеваемость, 14 зарегистрированных программ для ЭВМ и 4 научные публикации в РИНЦ и Scopus.

💜 От всей команды поздравляем Ольгу Руслановну с этой победой! Желаем сохранять исследовательский азарт, не бояться сложных задач и смело идти в новые направления!

🤖 Что интернет знает о вас? Смотрите подкаст «Как понять машинный разум» с Фёдором Витальевичем Бушмелевым!

Каждый лайк, запрос, заказ кофе или просто открытая вкладка оставляет след, который формируют ваш цифровой портрет. Для кого-то это удобство, для кого-то — риск, а для студентов и молодых специалистов ещё и новая реальность рынка труда.

🎙 Наш эксперт, научный сотрудник СПб ФИЦ РАН Фёдор Витальевич Бушмелев и депутат Заксобрания СПб Александр Иванович Новиков обсудили эти вопросы в новом выпуске подкаста «Как понять машинный разум».

🔍 О чем поговорили?

⚪️ Что такое цифровой след — и почему он больше, чем кажется
⚪️ Как ИИ собирает и интерпретирует ваши действия в сети
⚪️ Что о вас можно определить по лайкам, покупкам и поискам
⚪️ Кто использует эти данные, где проходит граница нормы и как защитить себя от киберпреступников

📌 Подкаст — часть большого проекта Росмолодёжи

Это бесплатный научно-просветительский
подкаст для всех, кто хочет разобраться в ИИ. Эксперты развеят мифы о восстании машин и достуным языком расскажут, как уживаться с современными технологиями и делать свою жизнь удобнее и безопаснее.

12 выпусков, десятки экспертов, 3000 участников, а финальное событие пройдёт 9 декабря в Мариинском дворце.

Еще больше об ИИ и науке читайте в DSCS.pro

💡 Как GenAI меняет образование: выводы с AI Journey 2025

Сегодня ИИ для школьников и студентов как поисковики в начале 2010-х. Все пользуются, но стараются не афишировать. Возникает главный вопрос: как грамотно встроить GenAI в обучение и чему учить студентов и преподавателей в новой реальности?

Эту тему обсудили эксперты из «Просвещения», Яндекса, ИТМО, ТюмГУ и НИУ ВШЭ в рамках дискуссионной сессии по этике применения ИИ в образовании на конференции AI Journey. Наша коллега Ольга Руслановна Гавриленко побывала на дискуссии и поделилась своими наблюдениями.

📌 Учебные программы должны учитывать реальные практики студентов

Важно, чтобы программы обучения шли в ногу с инструментами, которыми пользуются студенты. Надо не просто всё запрещать, а учить студентов понимать, что предлагает ИИ и почему. Если студент использует GenAI, преподаватель должен научить его проверять результаты, а не запрещать инструмент.

📌 Родители и дети должны лучше понимать друг друга

Что делать, если ребёнок делает уроки с помощью ИИ? Если видите готовое решение, дайте ему похожую задачу с другими данными и попросите объяснить, как он её решил. Важно не просто оценить ответ, а понять, где у ребёнка возникают трудности. Так вы действительно поможете ему разобраться в теме.

📌 GenAI снижает нагрузку на родителей

Как отметили в Яндексе, дети часто обращаются к родителям за помощью поздно вечером, когда те уже очень устали. ИИ-помощник объяснит всё столько раз, сколько нужно. Это не замена родителям, а помощь тогда, когда им не хватает времени и сил.

📌 AI-учитель помогает заинтересовать студентов

В ТюмГУ попробовали использовать агента-преподавателя. И получилось интересно: 54% студентов заинтересовались темой и стали её изучать. Недовольны были только те, кто ходил на занятия просто так. Агент не продолжит объяснять, пока студент не ответит. Так что нужно думать и участвовать в процессе.

А как вы видите пользу GenAI в образовании? Делитесь в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

🎙 Как ученые создают ИИ: Максим Викторович Абрамов в подкасте «Сделано круто»

Искусственный интеллект уже изменил нашу жизнь, карьеру и бизнес. Главный вопрос: как адаптироваться и расти в мире, где технологии обновляются быстрее, чем мы успеваем это осознать?

🔥 В новом выпуске подкаста руководитель Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН Максим Викторович Абрамов и бизнес-практик, эксперт по цифровой трансформации Иван Крутько разбирают самые острые вопросы:

⚪️ Кого заменит ИИ на рынке труда, а кто останется незаменим?
⚪️ Почему классическое образование отстает и нужно ли отменять экзамены?
⚪️ Можно ли сегодня обойтись без ИИ и какова цена этого решения?

🚀 Скорее смотрите свежий подкаст с Максимом Викторовичем! Ставьте лайки и делитесь впечатлениями в комментариях ⬇️

➖ YouTube
➖ ВКонтакте
➖ Дзен
➖ Rutube

Еще больше об ИИ и науке читайте в DSCS.pro

Максим Абрамов в эфире канала «Санкт-Петербург»: зачем рынку нужны промпт-инженеры?

Сегодня в программе «Объясним ПРО» руководитель лПИИ СПб ФИЦ РАН Максим Абрамов прокомментировал развитие новой цифровой компетенции — промпт-инженеринга — и объяснил, почему умение работать с нейросетями становится востребованным.

⚡️По данным аналитиков, спрос на специалистов по взаимодействию с ИИ в Петербурге вырос на 55% за год, что отражает рост значимости этой сферы для бизнеса и государственного сектора.

В эфире обсудили:
⚪️ что такое нейросети и как они используются сегодня;
⚪️ что называют «галлюцинациями ИИ» и почему это важно;
⚪️ кто такой промпт-инженер и почему эта профессия становится новой точкой притяжения для рынка.

🎥 Пропустили эфир?
можно посмотреть запись на сайте телеканала или включить повтор завтра в 12:10. Выбирайте удобный формат, но обязательно посмотрите — будет интересно!

Викторина 8️⃣
Какой показатель в основном используется для оценки качества классификатора?

В машинном обучении недостаточно просто создать модель. Важно уметь оценивать, насколько хорошо она работает. Поэтому качество моделей оценивают по метрикам, которые отражают их поведение на реальных данных

Хотите проверить свои знания о метриках качества? ⬇️

Разбор Викторины #8: Какой показатель в основном используется для оценки качества классификатора?

💜 Спасибо всем, кто участвовал! Пора разобраться с ответами.

✅Правильный ответ: б) Precision / Recall

🔍 Почему так?

В задачах классификации качество модели описывается целым набором показателей, построенных на основе матрицы ошибок (TP, FP, TN, FN). Precision и Recall — две базовые метрики, которые особенно важны при дисбалансе классов и разной цене ошибок.

⚪️Precision показывает, какая доля объектов, которые модель пометила как положительные, действительно является положительными.
⚪️ Recall отражает полноту детекции. Показывает, какую долю реальных положительных объектов модель сумела обнаружить.

Эти метрики зависят от порога принятия решения и хорошо отражают поведение классификатора при изменении компромисса между ложноположительными и ложноотрицательными срабатываниями.

📌 Почему другие варианты не подходят?

➖ FPS — метрика количества кадров в секунду, но не описывает качество классификации.
➖ MTU — параметр сетевых протоколов, к оценке моделей отношения не имеет.
➖ GHz — единица измерения частоты (частота CPU, частота дискретизации и т.п.), снова про железо и сигналы.

А ваш ответ совпал с правильным? Делитесь в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro