Международная лаборатория цифровой трансформации в государственном управлении приглашает студентов и аспирантов принять участие в летней школе Smart Regulation & Digital Policy School и погрузиться в практику цифрового государственного управления.

Программа выстроена вокруг реальных кейсов и выездных сессий: участники изучат, как работают цифровые сервисы и платформы, на примере московских площадок – от «Моих документов» и ВДНХ до офиса Яндекса и технопарка «Сколково». Москва выступает как «живая лаборатория», где теория встречается с практикой.

В школе участвуют эксперты из Хайфского университета (Израиль), Хуачжунского университета науки и технологий (Китай) и ведущих российских институций. Формат предполагает работу в международных командах над собственным проектом – от идеи до презентации перед экспертами.

🗓 6–10 июля 2026 | Москва | Очно | На английском языке

Успейте зарегистрироваться на ранних условиях до 20 мая!

🔗 Форма регистрации: https://digitlab.hse.ru/en/polls/1129893874.html
📩 Вопросы: [email protected]

Секция СМП РАПН на III Конгрессе исследователей международных отношений

На этой неделе на площадке СПбГУ прошло одно из крупнейших мероприятий в области международных отношений — III Конгресс исследователей международных отношений.

Не остались в стороне и мы! Региональное отделение Совета молодых политологов РАПН в Санкт-Петербурге совместно со СМУ ФМО СПбГУ и РГГУ провело секцию «Глобальные конфигурации истины в условиях сетевой взаимозависимости», модератором которой выступила член президиума СМП РАПН Анастасия Калиниченко. В рамках дискуссии, участники смогли обсудить вызовы современности, уделяя особое внимание вопросам цифровизации и трансформации политического знания.

Благодарим организаторов и коллег за площадку для профессионального диалога и академического роста молодых исследователей!

Будут профессии, которые заберут функционал консультанта. Туда молодым специалистам и стоит идти

С решением этих вопросов многие дискуссии рискуют подойти к концу

Мои и чужие мысли по поводу того, как искусственный интеллект уже сейчас трансформирует сферу науки. В основном про социально-гуманитарные исследования, но касается всех в той или иной степени. Пока без выводов.

1. ИИ уже сейчас пишет научные статьи лучше большинства профессоров. Создание публикации уровня Q1 занимает несколько часов и стоит около $100 - включая обзоры литературы, анализ и редактирование. Но денег недостаточно, этому навыку надо учиться.

2. Академическая статья в её нынешнем виде - вымирающий формат. ИИ делает обзоры и рецензирование, пользователи будут читать только краткие саммари в ChatGPT. 30-страничный PDF останется «обёрткой», не более.

3. Коммерческая система научных журналов может не выжить. При росте числа заявок в 5 раз, уровне реджекта 90% статей и сломанной системе рецензирования журналы либо изменятся, либо уступят место новым форматам.

4. Ученые предъявляют ИИ абсурдные двойные стандарты. Да, ИИ иногда галлюцинирует - но люди сами веками не читают статьи и цитируют по аннотациям, в итоге публикуя мусор под видом науки. При той же строгости, что мы предъявляем к ИИ, половину журналов закрыли бы завтра.

5. Молодые учёные столкнутся с самым большим шоком - и самой большой возможностью. Техническая рутина делегируется ИИ, а что остается ценным - это оригинальные идеи и верификация. Один аспирант с ИИ заменит целую лабораторию. Плохие новости - этим одним аспирантом может быть кто угодно (но не вы). Хорошие - в какой-то момент планка будет задрана до небес, и опция "пойти в науку" больше не будет доступной для миллионов.

6. Ассистенты и соавторы в классическом виде больше не нужны - теперь ИИ чистит данные и пишет обзоры быстрее и дешевле. В будущем от соавторов потребуется оригинальность и экспертиза.

7. Ученики тоже теперь не нужны. Раньше профессор набирал команду помощников (в будущем они сами вырастут в кандидатов и докторов), а теперь он может довольствоваться чат-ботом. Так трансформируется институт научной школы.

8. Многое из критики ИИ - защита статуса под видом принципов. "Я против ИИ, за живую науку". Давайте честно, наша работа - двигать границы знания, а не самовыражаться. С LLM границы знания движутся быстрее.

9. Действительно важные проблемы - безопасность и верификация, а не претензии к чатботам «понимает или нет». Как проверять миллионы ИИ-утверждений? Как защищать данные? Как гарантировать, что респонденты в опросах - реальные люди? Вот о чём стоит думать.

10. Наука будет в разы эффективнее, даже соц-гум. Автоматический анализ социальных процессов в реальном времени, равный доступ для не-носителей английского - ИИ демократизирует производство знаний. Представьте себе модель, куда вы загружаете все соцопросы, статданные и т.д., и модель прогнозирует общественное поведение.