INVENTORUS | ИИ в науке

Почему Нобель в науке всегда опаздывает?

Если задуматься, то Нобелевская премия показывает не современное состояние науки, а скорее ее прошлое. Мир уже равно пользуется открытием, а изобретали и собственно лауреаты премии едва успевают дожить до ее вручения. Да, престижно, но кажется Нобелевка не совсем про актуальную науку.

Поэтому, мы не могли пройти мимо нобелевской недели, но предлагаем посмотреть на премию с необычной стороны. Но сначала, про тех, кто получил «самую престижную награду» в этом году.

🔹Медицина. Карл Дейссерот, Петер Хегеманн и Георг Нагель за оптогенетику, способ управлять нейронами светом. Каналродопсин описан в 2002–2003 годах, в нейроны его встроили в 2005-м. До поездки в Стокгольм прошло 24 года.
🔹Физика. Фрэнсис Халзен за нейтринную обсерваторию IceCube и открытие высокоэнергетических нейтрино астрофизического происхождения. Убедительные свидетельства получены в еще 2013-м, то есть 13 лет назад. Лауреату 82 года.
🔹Химия. Анри Каган из Университета Париж-Юг и Кэнсо Соаи из Токийского научного университета получили награжу «за открытие нелинейных эффектов и автокатализа в асимметрическом органическом синтезе». Каган описал нелинейный эффект в 1986 году, реакция Соаи опубликована в Nature в 1995-м. Кагану 95. В 2001 году он чуть было не получил Нобеля, но его тогда обошли. Он дождался через 25 лет.

Конечно, Нобелевку дают за уже признанные открытия, которым не менее 13 лет. Но почему же ждать приходится все дольше?

В 1950 годы от открытия до награды по химии проходило в среднем 16 лет, по физике 12, по медицине 13. В 2010 годы уже 30, 28 и 29. Разрыв растёт примерно на 2,2% в год.
Причин несколько. Комитет ждет, пока идею подтвердят другие, а теорию часто проверяет уже другая команда, иногда через десятилетия. Работает и очередь: одна премия в год на область, не больше трёх лауреатов. А наука тем временем растет куда быстрее. Есть и более жесткая версия: прорывов становится меньше, и комитетам приходится копать все глубже в прошлое.
У этой очереди есть мрачная сторона. Посмертно Нобеля не дают. С 1974 года премию сохраняют, только если лауреат умер после объявления. Ральф Стейнман умер за три дня до него в 2011-м и остался лауреатом лишь потому, что комитет не знал о его смерти. Автор того же исследования предупреждает: если разрыв продолжит расти, премия все чаще будет опаздывать к тем, кому предназначена.

Лауреату этого года Анри Кагану повезло дождаться в 95...

(Продолжение следует...)

Знание сегодня – это связность и достоверность

1–2 октября ВИНИТИ РАН провел XII Международную научную конференцию НТИ-2026 «Научная информация в современном мире: информационное обеспечение технологического развития». Главный вопрос двух дней обсуждений по сути был сформулирован в названии пленарной сессии: «Как государственной системе научно-технической информации найти баланс между регулированием и децентрализацией».

Исполнительный директор INVENTORUS Рустам Хафизов выступил на круглом столе «ГСНТИ: взгляд участников научно-информационной деятельности» с докладом «Научно-техническая информация как стратегический ресурс». За одним столом собрались ВИНИТИ, РЦНИ, ФИПС, eLIBRARY.RU, вузовские и отраслевые библиотеки, разработчики платформ.
По его мнению, стратегическим ресурс делает не объём, а то, что из него можно извлечь. Кто первым видит полную картину знания, тот раньше других понимает, что уже создано, куда движется отрасль и куда на самом деле стоит вкладывать ценные научные ресурсы. Сегодня эта картина как не собранный пазл разбита на множество фрагментов, рассыпанных по разным базам. У каждой свой интерфейс, свои идентификаторы и свой формат выгрузки. К этому добавляется ограниченный доступ к зарубежным базам и моделям ИИ. Всё это существенно замедляет работу.

«Мы привыкли считать научно-техническую информацию справочным материалом, к которому обращаются по необходимости. Но в мире, где поток знаний удваивается каждые 10–15 лет, это уже полноценная инфраструктура, такая же, как энергетика или связь. И работать качественно она может только тогда, когда её элементы соединены. Государство задаёт правила и стандарты, а технологические платформы могут связность данных и сделать их доступными исследователю в одном окне, обеспечить проверяемость и достоверность», - отметил Рустам Хафизов.

Последний пункт оказался особенно актуальным. Значительная часть программы конференции была посвящена достоверности генеративного ИИ: галлюцинациям, несуществующим ссылкам, проверке качества моделей. Рустам показал, как с этой проблемой работают в INVENTORUS. ИИ-ассистент «Никола» отвечает, опираясь на реальные документы, а не на собственное воображение. Путь от запроса до вывода прослеживается полностью: источник, проверка, проект, аналитика, отчёт, в том числе по ГОСТ.

Карта белых пятен: выбираем направление НИОКР по данным, а не по интуиции

В 1975 году инженер Kodak Стивен Сассон собрал первую цифровую камеру. Весила она 3,6 кг, требовалось ей 23 секунды на один чёрно-белый кадр в 0,01 мегапикселя. Реакцию руководства он потом пересказывал так: «Мило. Только никому не рассказывай». Прошло несколько лет, и в 1981 году внутреннее исследование компании предупредило, что на переход к цифре у Kodak около десяти лет. Прогноз сбылся. Данные у компании были, но аргументом для руководства они не стали. И в январе 2012 года Kodak подала на банкротство.

➡️ Легко списать это на близорукость одного руководства. Но ошибка типовая: «нас это не коснётся» уверены в любой компании ровно до тех пор, пока текущий продукт хорошо продаётся. В этот момент тревожный прогноз – это мнение аналитиков против выручки, и выручка выигрывает. Поэтому вопрос не в том, где взять данные, а в том, как превратить их в аргумент, который нельзя отложить.

Платформа INVENTORUS собирает в одном поле более 600 млн единиц научно-технической информации от публикаций до патентных документов и связывает их между собой.
Что мы называем белым пятном в контексте анализа технологического ландшафта? Это не пустота на карте, а участок, где научный интерес уже высок, а патентная плотность ещё низка. Здесь окно возможностей больше всего. Вы не дублируете чужое и не вкладываетесь в тему, которая никому не нужна. Вот такую тему и надо нащупывать. Маршрут тут следующий.

1️⃣Корпус. Основной поиск вводит в тему. Он гибридный, поэтому учитывает и смысл запроса, и совпадение ключевых терминов. Профессиональный поиск очерчивает границы. Найденное сохраняется в проект. Патентный показывает, что уже защищено и кем: у патентов есть отдельное поле «Заявитель / Правообладатель», а фильтры отбирают документы по МПК, статусу и флажку «Только действующие».

2️⃣Игроки. Сравнение организаций сопоставляет до пяти участников сразу: публикации, действующие и недействующие патенты, коллаборации, НИР и НИОКР, выручку и прибыль за выбранный период.

3️⃣Рамка. Аналитический ИИ-отчёт по проекту раскладывает поле на тренды, правообладателей, риски и возможные ниши. Примерно через полчаса приходят два PDF по публикациям и по патентам, с разбором отдельных документов и списком литературы.

4️⃣Проверка. Пять-семь утверждений, на которых держится решение, сверяют с первоисточником. В разборах отчёта указаны номер патента или DOI, по ним открывают сам документ, а у графиков проверяют период и состав выборки. Длинный текст быстрее разобрать в чате с PDF. Самое опасное утверждение — «ниша свободна», поэтому его проверяют по патентному слою отдельно: профессиональным поиском по патентам с нужными индексами МПК и статусами «действует» и «на рассмотрении».

5️⃣Наблюдение. Мониторинг конкурентов и дайджест по теме превращают разовый срез в тенденцию. Если соперник за квартал сместил патентную активность в смежную область, вы узнаете об этом, пока ещё можно успеть. Это и есть страховка от «нас не коснётся»: сигнал приходит регулярно, а не тогда, когда продажи уже падают.
Платформа не решает за руководителя. Она помогает подтвердить четыре тезиса: направление растёт, в нём работают реальные игроки, есть свободная ниша, риски понятны и управляемы. Вывод по-прежнему формулирует человек. Меняется другое, а именно то, с чем эксперт приходит на совет.

Можно сказать: «Мы считаем направление перспективным». А можно: «Вот 40 патентов, 12 исследовательских групп, три года динамики, откройте любой документ». Во втором случае за каждым утверждением стоит номер патента или DOI, и любой участник может открыть первоисточник прямо на заседании, при всех, и проверить. Это не разница в качестве аналитики. Это разница в том, чем закончится заседание: мнение легко отложить до следующего квартала, а факт, проверенный на глазах у всех, приходится обсуждать сегодня.

Итог. Данные о цифровой фотографии у Kodak были ещё в 1981 году. Не было способа положить их на стол так, чтобы от них нельзя было отмахнуться, пока плёнка продаётся. Именно эту задачу и решает платформа.

Научные гранты. Куда смотреть сегодня?

Грант принято считать деньгами на исследование. Но еще грант это способ собрать людей вокруг вопросов: дать лаборатории прожить три года, а аспиранту дать повод не уходить из науки после защиты.

У больших фондов здесь есть проблема входного билета. Так, чтобы возглавить молодежный проект РНФ, нужна кандидатская, возраст до 33 лет и минимум три статьи в рецензируемых журналах с 2021 года. Логика понятна, но студент или аспирант этот порог не перешагнет. А именно на этом этапе решается, останется человек в науке или нет.
Про президентские гранты и РНФ рассказывать не будем, вы их и без нас знаете. Посмотрим на то, что не так заметно.

🔹 «Интеллект». Юрист как исследователь
Седьмой международный конкурс молодых учёных в сфере интеллектуальной собственности проводят Роспатент, РГАИС и Евразийское патентное ведомство. Потолок по возрасту 35 лет, подать работу могут студенты, магистранты, аспиранты и научные сотрудники. Степень не нужна. Заявки принимают до 31 октября 2026 года, то есть в этом году еще можете успеть. В ноябре состоится заочная экспертиза, до 15 декабря очный финал с защитой. В сезоне 2024 года победители получали от 80 до 150 тысяч рублей, а призёры с 4-го по 6-е место ещё и скидку 50% на обучение в РГАИС. Темы довольно широкие: коммерциализация прав, музеи и интеллектуальная собственность, медиация, экспертиза авторских прав. Если ваша работа о том, кому принадлежит результат, вам сюда.
 
🔹РГО. Экспедиция как жанр исследования
Конкурс Русского географического общества открылся 5 июня и тоже закрывается 31 октября. Предел для грантов региональных отделений 4 млн рублей в любой из десяти номинаций от исследований и экспедиций до краеведения, охраны живой природы и издательских проектов. Привлечение молодых исполнителей (от 30% команды) весит 15%, ровно столько же, сколько квалификация руководителя. Софинансирование дает ещё 10%. Проект живёт один год, на зарплату штатных сотрудников можно пустить не больше половины суммы, а работа не должна повторять плановую НИР. Квадрокоптер, компьютер или фототехнику на эти деньги не купить, сайт или ГИС не разработать. Деньги идут на работу в поле, оснащение остается вашей заботой. Кстати, подать заявку может и частное лицо.
 
🔹Стипендия Алфёрова. Скромная сумма, громкое имя
Минобрнауки каждый год выбирает десять молодых физиков и специалистов по нанотехнологиям и платит каждому 20 тысяч рублей в месяц в течение года. Кандидаты наук до 35 лет, доктора до 40, аспиранты очной формы без степени до 30. Выдвигает ученый совет организации. По деньгам это скромнее РНФ, но в резюме такая строка весит иначе. Приём в этом году шёл с 1 по 30 апреля, следующий отбор стоит ждать весной.

🔹РЖД. Заказчик сам называет задачу
РЖД дает молодым ученым гранты до 2 млн рублей на новую технику и технологии для железной дороги. По правилам 2025 года к ним добавились и фундаментальные направления: механика, информатика, физика, инженерная геология, мерзлотоведение, науки об атмосфере и климате. Подать заявку можно одному или командой до пяти человек, и молодыми должны быть все участники. В 2026 году заявки принимали до 20 марта. Ждем нового витка конкурса в следующем году, его для молодых ученых компания проводит каждый год.

🔹Фонд Потанина. Грант на то, как учить
Этот конкурс не про исследование в привычном смысле. Фонд Потанина дает гранты преподавателям очной магистратуры на переработку образовательных программ, дисциплин, спецкурсов и семинаров. Подать заявку могут как академические руководители программ, так и преподаватели отдельных предметов. Победителей 150, грант до 500 тысяч рублей, срок проекта 12 месяцев. Отбор проходит в один этап. Эксперты смотрят на актуальность продукта, новизну методов, на то, смогут ли его повторить другие вузы и выживет ли он после окончания финансирования. В прошлом сезоне прием шел с 29 октября по 15 января, итоги объявили до 20 марта, а проекты стартовали до конца мая. Если график повторится, окно откроется через несколько недель.

Что рейтинг «Эксперта» говорит о российской университетской науке?

INVENTORUS давно работает с вузами и помогает развивать исследования внутри них, поэтому мимо нового рейтинга научной продуктивности от аналитического центра «Эксперт» мы пройти не могли. Разобрались, что стоит за цифрами и процентами, и делимся с вами.

В 2026 году аналитики изучили публикации 142 университетов в 17 предметных областях и 13 тематических срезах. Появились и новые направления: арктические исследования, кибербезопасность, квантовые технологии, полупроводники, хранение энергии и робототехника.

Сначала о неприятном. Число публикаций российских авторов в Scopus третий год подряд снижается, в среднем примерно на 11% в год. В итоге объём статей в 2025 году вернулся к уровню 2017-го. Восемь лет пути, и мы снова на той же отметке. Спад затронул почти все области. Исключений два: гуманитарные науки прибавили около 9% к 2021 году, общественные около 1%. Сильнее всего просела фармакология, минус 32%.

А вот самое интересное связано с менеджментом. Общее число публикаций здесь сократилось на 23%, а статей в журналах первого квартиля (Q1) стало на 6% больше. Текстов меньше, планка выше. Соблазнительно увидеть в этом общий тренд, однако рейтинг этого не делает. Прежде всего потому что в целом Q1-публикаций стало заметно меньше: 19,6 тыс. в 2021 году против 13,8 тыс. в 2025-м. Зато внутри этого сжатия проявились те, кто растёт против течения. А именно: Иннополис в компьютерных науках, РЭШ в экономике, «Сириус» в фармакологии, Европейский университет в социальных науках.

Среди вузов, улучшивших результаты с 2021 года, есть и небольшие региональные: Алтайский и Белгородский. Похоже, в непростые времена устойчивее те, кто давно знает своё дело и не распыляется.
Впрочем, авторы рейтинга сами напоминают, что журнал первого квартиля ещё не гарантирует сильного исследования.

Показателен пример Китая: Национальная научная библиотека Китайской академии наук перестала обновлять свой рейтинг журналов, который служил мерилом 22 года. Место публикации стало значить для карьеры учёного и для грантов больше, чем её содержание. Любая метрика со временем начинает управлять теми, кого измеряет. Об этом полезно помнить, читая любые таблицы, включая эту.

Новая карта соавторства
Меняется и география. В 2021 году на «дружественные» страны приходился 31% международных соавторств в Q1, в 2025-м — уже 45%. Главный сдвиг связан с Китаем: его доля в международных Q1-коллаборациях выросла с 4,4% до 10%. Совместные работы сосредоточены в естественных и технических науках, от наук о Земле до химических технологий, то есть в областях, которые совпадают с приоритетами технологического развития. Складывается отдельный научный маршрут со своей логикой.
При этом «недружественные» страны пока сохраняют большинство, 55%, хотя с США, Германией и Великобританией число совместных Q1-статей сократилось более чем вдвое. Научные связи рвутся медленнее политических: соавторство годами держится на личном доверии, общих лабораториях и незаконченных проектах.

Выводы для вузов и нас
Вузы признают, что факультеты нередко конкурируют друг с другом там, где могли бы работать вместе. Когда барьеры удаётся снять, возникают неожиданные союзы: в РУДН филологи работают со специалистами по нейроразвитию мозга, а биологи с юристами-криминалистами. Несколько университетов предложили учитывать междисциплинарность в самих рейтингах. Большие задачи редко умещаются в одну предметную область, а таблицы пока плохо умеют измерять работу на стыке дисциплин. Рейтинг уже сейчас показывает, где в стране есть сильные научные команды.

Нам, кстати, эта мысль близка. В общем, ради ее выявления мы и изучали весь рейтинг.  Следующий вопрос: сумеют ли эти команды найти друг друга и тех, кому нужны их результаты? Но он остается открытым.

Обсудили как должны работать знания в промышленности

28–29 сентября в Государственном университете управления (ГУУ) прошла стратегическая сессия по кооперации науки и бизнеса «Автоматизация и роботизация — основа промышленного роста».

В тематической секции «Интеллектуальные технологии и управление производством» исполнительный директор INVENTORUS Рустам Хафизов открыл первый блок «Фундаментальные основы и стратегии» докладом о том, почему поиск знаний на предприятии пора перестать считать вспомогательной работой и как предприятию перейти от разрозненного поиска к единому цифровому контуру НИОКР.

По его словам, данных становится всё больше, а связей между ними всё меньше. Публикации живут в одной базе, патенты в другой, профили авторов в третьей, российские НИОКР в отдельном реестре. У каждого источника свой интерфейс, свой язык запросов, свой формат выгрузки. Инженер тратит часы на то, чтобы собрать картину по кусочкам, и всё равно видит её не целиком. А доступ к зарубежным базам и моделям ИИ сегодня ограничен и нестабилен.

 «Самое дорогое решение на предприятии принимается ещё до того, как запущен первый станок, а именно – когда выбирают, что именно разрабатывать. Если в этот момент инженер видит лишь фрагмент мировой картины, никакая автоматизация потом не исправит ошибку выбора. Мы строим единый контур не ради удобного поиска. Мы строим его, чтобы предприятие перестало изобретать заново то, что уже существует, и перестало терять то, что само уже имеет», — отметил наш эксперт.

Как это выглядит на практике при использовании нашей платформы, Рустам показал на живом сценарии. У предприятия стоит техническая задача снизить износ узла оборудования. Инженер формулирует проблему обычным языком, платформа поднимает публикации, патенты, авторов и организации, ИИ-ассистент «Никола» помогает проверить новизну и патентную чистоту, а итог собирается в аналитический отчёт. Дальше тема остается на мониторинге и новые работы приходят сами. Вместо недель инженерный блок тратит часы, а каждый вывод опирается на проверяемый источник.

При том, что в целом стратсессия была о роботах, ИИ и автоматизации, самый актуальный вывод встречи в том, что высокие технологии начинаются не с железа, а с вопроса «что мы уже знаем?».

Что патентуют гиганты? 7 заявок на грани фантастики

Патентные заявки по своей сути можно назвать черновиками будущих технологий. Далеко не все из них станут продуктами, но по ним видно, о чём думают инженеры, какой технологический ландшафт складывается на сегодня. Сделали подборку самого актуального, местами даже нестандартного, что опубликовали за лето и начало осени известные корпорации. Все эти заявки появились в реестре USPTO. А вы можете в своей области отслеживать тренды технологии в патентах на нашей платформе.

🔹 Microsoft: компьютер из света
US 2026/0253562 A1, опубликована 27 августа 2026 года.
Привычные компьютеры считают с помощью электронов, которые бегут по микросхемам. Microsoft предлагает считать светом. Несколько прозрачных экранов, сложенных стопкой, работают как процессор. Результат вычислений считывается по их общему свечению.


🔹 Sony: прогноз лунатизма
US 2026/0260758 A1, опубликована 3 сентября 2026 года. Изначально подана как международная заявка в марте 2024 года.
Перед сном гаджет измеряет пульс и другие показатели организма и оценивает насколько вероятен эпизод лунатизма. Ночью второй модуль следит за движениями и положением тела.  Если человек начинает вставать из глубокого сна, устройство включает звук или вибрацию и постепенно усиливает сигнал, чтобы мягко прервать эпизод и не разбудить резко.

🔹 Google: наушники, которые слышат, как вы жуёте
US 2026/0240489 A1, опубликована 20 августа 2026 года.
Наушник работает как сонар, направленный внутрь уха. По эху в слуховом канале, он понимает, что вы едите, спите или скрипите зубами.

🔹 Samsung: зарядка прямо в экране
US 2026/0259628 A1, опубликована 3 сентября 2026 года. Заявитель Samsung Display. Это продолжение заявки, поданной в сентябре 2024 года. Беспроводные наушники можно положить на дисплей смартфона, и он их зарядит. Катушки для зарядки встроены в слои экрана.

🔹 Apple: MacBook с экранами у клавиатуры
US 2026/0277348 A1, опубликована 17 сентября 2026 года.
По бокам от клавиатуры стоят сенсорные стеклянные панели с дисплеями под ними. Приложения могут выводить туда свои элементы управления: цветовой круг в фоторедакторе, кнопки плеера, быстрые команды или дополнительную зону трекпада. Идея напоминает Touch Bar, от которого Apple отказалась в 2023 году.

🔹Tesla: лазер вместо дворников
US 2026/0257648 A1, опубликована 3 сентября 2026 года. Это продолжение заявки 2021 года; патент на саму идею Tesla получила ещё тогда. Короткие лазерные импульсы счищают грязь с лобового стекла, камер автопилота и солнечных панелей и не повреждают поверхность. Технологию можно применять к лобовому стеклу, камерам автопилота, датчикам и солнечным панелям, как на крыше машины, так и на доме. Для беспилотных автомобилей это важно: грязная камера напрямую снижает безопасность.

🔹 IBM: поиск по воспоминаниям
US 2026/0252578 A1, опубликована 27 августа 2026 года.
Нейроинтерфейс (носимый имплант) записывает активность мозга вместе с тем, что происходило вокруг. Оба потока сохраняются в одну запись. Потом можно ввести обычный поисковый запрос, например «письмо, которое я читал в кафе в дождливый день», и система вернёт и само событие. Как-то подозрительно это изобретение напоминает одну их серий «Черного зеркала».

Самая дорогая ошибка в патентном анализе не видна в выдаче

Выборка выглядит аккуратной: документы по теме, ничего лишнего. В этом и беда. Пропущенный класс МПК или забытый синоним выглядят точно так же, как чистый результат, потому что выдача не показывает, чего в ней нет. Выясняется это через неделю, когда выборку открывает коллега, заказчик или эксперт и первым делом находит патент, который обязан был в неё попасть.
Раньше логику отбора формировали вручную, одной длинной строкой со скобками и операторами, в отдельном модальном окне. Это было неудобно, но главная проблема в другом. Система могла прочитать порядок операторов не так, как задумал автор запроса. Аналитик всё делал правильно, а ошибался парсер, и по выдаче заметить это было почти невозможно.

Поэтому мы переделали структурированный поиск и разделили задачу на две части. Первая — интерфейс, то есть то, как собирается запрос. Вторая — интерпретация, то есть то, как система его читает. Теперь видно и то, и другое.

1️⃣Условие вместо строки
Структурированный поиск переехал из модального окна на главную страницу и стал режимом «Профессиональный». Вместо одного текстового поля теперь конструктор, и каждое условие в нём задаётся тремя ответами:
где искать: название, реферат, ключевые слова, МПК, автор, организация, заявитель, дата публикации, номер патента, статус;
что искать: значение;
как связать с остальными: И, ИЛИ, НЕ.
Запрос больше не монолит. Любое условие можно поправить или убрать, не переписывая остальное и не рискуя потерять по дороге скобку.

2️⃣ Группа — это скобка, которую видно
Условия объединяются в группы, а группы вкладываются друг в друга: до трёх уровней вложенности и до двадцати условий в каждой группе. Этого хватает для запросов, которые в виде строки уже трудно прочитать глазами.
Пример. Нужно найти навигационные решения для БПЛА, но без игрушек и хобби.
(Название: БПЛА ИЛИ беспилотник ИЛИ UAV ИЛИ drone)
И
(Реферат: система навигации ИЛИ автопилот)
НЕ
(Название: игрушка ИЛИ авиамодель ИЛИ хобби)
Три группы отвечают на три вопроса: что ищем, какую функцию должно выполнять решение и что выбрасываем. Главное здесь то, что НЕ действует на всю третью группу, а не на первое слово после оператора. Без группы оператор зацепил бы только «игрушку». Авиамодели и хобби остались бы в выборке или, что ещё хуже, добавились бы в неё через ИЛИ. По выдаче такого не заметишь: документы по-прежнему выглядят «по теме».
Вложенность система за вас не достраивает и не угадывает. Структуру задаёт аналитик, и она у него перед глазами.

3️⃣. «В поиск попадёт»
Над конструктором платформа показывает итоговое выражение целиком, ещё до запуска.
Правила чтения этого выражения теперь фиксированы: сначала НЕ, затем И, затем ИЛИ. Скобки меняют этот порядок, а текст в кавычках ищется как точная фраза. Скрытых допущений нет.
Раньше можно было видеть один запрос, а получить результат по другому. Теперь строка «В поиск попадёт» — это и есть тот запрос, который выполняется, слово в слово.
Ещё одно решение касается того, чего система больше не делает. Обычный запрос со скобками теперь не переключает вас в структурированный режим автоматически. Скобки в тексте ставят по десятку причин: уточнение, расшифровка аббревиатуры, модель устройства. Ни одна из них не означает «переведите меня в другой интерфейс».

🔹Дальше — фильтры
Первичную выборку можно сужать шаг за шагом. Рядом с каждым значением фильтра стоит число документов в текущей выдаче, поэтому видно, что отсечёт следующее ограничение, ещё до того, как вы его примените. Применённые фильтры висят тегами прямо над выдачей, и каждый можно поправить, не трогая остальные.

🔹Зачем всё это
Профессиональный поиск нужен не для того, чтобы найти больше патентов. Он нужен, чтобы выборку можно было защитить: показать, что в неё вошло, что исключено и по какому правилу, и получить тот же результат через месяц.

ИИ написал 4 667 медицинских исследований. До проверки на людях дошли 113

Аналитики INVENTORUS свели воедино ведущие библиометрические обзоры, отчёты регуляторов и стратегические документы, чтобы понять, где искусственный интеллект в медицине действительно даёт результат.

И вот, что у нас получилось.

ИИ сегодня стоит почти на каждом этапе исследования: поиск гипотез, анализ геномов, моделирование клеток, подбор участников испытаний, чтение снимков и подготовка самих научных текстов. Но из 4 667 первичных работ, извлечённых из 218 обзоров, 88,2% так и остались доклиническими. Рандомизированных контролируемых испытаний было сделано всего 113, те самые 2,4%. И две трети из них (67,3%) провели в одном-единственном медицинском центре. То есть даже эти результаты, по сути, негде перепроверить.

С генеративными моделями нагляднее. С января 2022-го по сентябрь 2025-го вышло 4 609 работ по большим языковым моделям в клинической медицине. Это около 3,2 статьи в день. Реальные данные пациентов использовали 1 048 из них. Полноценными рандомизированными испытаниями оказались 19.

Что касается профиля, то безусловная лидером является онкология: 32,5% всех первичных работ. Прежде всего потому, что она объединяет почти все пригодные для ИИ типы данных, от снимков и цифровой патологии до геномики. Дальше идут заболевания опорно-двигательной системы (14,1%). Технически самые зрелые направления – радиология и патология: изображения легко стандартизировать и сверить с экспертной разметкой.
Обзор прогнозирует уход от узких алгоритмов «одна модель – одна задача» к мультимодальным системам, виртуальным клеткам, цифровым двойникам и агентным «виртуальным лабораториям», которые связывают литературу, изображения, геномику и электронные карты. Решать будет не размер моделей, а качество, совместимость и происхождение биомедицинских данных.
Разрыв между публикациями и клиническими доказательствами будет сокращаться, но скорее всего медленно. Именно скорость этого сокращения INVENTORUS предлагает считать главным индикатором зрелости отрасли. 

«Больше статей пока не значит больше доказательств, – комментирует Евгений Елфимов, генеральный директор INVENTORUS. – Самое ценное сегодня не очередная демонстрация модели на внутреннем датасете, а внешняя валидация, проспективные исследования и честная экономическая оценка. Именно этого в потоке публикаций катастрофически не хватает».

Подробные результаты исследования читайте в публикации CNews .

Новый мир начинается с вопроса «зачем мы это делаем?»

На прошлой неделе руководители INVENTORUS побывали на II Всемирной общественной ассамблее «Новый мир: ценности, которые объединяют».

На таких форумах обычно говорят о будущем так, будто оно наступит само. В этот раз говорили в ином ключе. По мнению собравшихся, будущее мы выбираем сами, каждый день, каждым решением. На пленарном заседании участники подвели итоги и назвали тренды, которые определят ближайшие десятилетия. Почти каждый тезис совпадал с тем, ради чего существует наша компания, с нашей миссией. В INVENTORUS мы каждый день работаем на стыке идей и технологий, развиваем и продвигаем открытые знания. И после ассамблеи мы ещё раз убедились, что ценности не могут быть декорацией к бизнесу. Это компас, без которого самая совершенная технология ведёт не туда.

Вот шесть мыслей, которые мы увезли с собой.

1️⃣ Наука – это нравственный выбор
Любое открытие – это ещё и решение. Одна и та же технология может лечить, а может убивать. Формула ни за что не отвечает, отвечает тот, кто её написал и выпустил в мир.
2️⃣ Этика отстаёт от технологий
Технологии удваивают скорость каждые несколько лет, а человеческая мудрость растёт медленно. Главный разрыв нашей эпохи в том, что мы умеем больше, чем понимаем. Сам собой он не закроется, его придётся закрывать сознательно.
3️⃣У алгоритма нет совести
ИИ может обыграть чемпиона, написать симфонию и поставить диагноз. Но ответственности он не несёт. Этика в машине – это всегда этика людей, которые её создали. Достоинство человека выше любой, даже самой умной, технологии.
4️⃣Знание – общее благо, а не привилегия
Открытие, которое лежит в сейфе, не меняет мир, а только увеличивает пропасть между теми, у кого оно есть, и остальными. Плоды науки должны доходить до всех. И делиться ими нужно на равных, а не снисходительно.
5️⃣ Солидарность – условие выживания
Вирусы не проверяют паспорта, климат не признаёт границ. Перед общими угрозами различия между народами становятся не такими важными. В одиночку никто не развивается, сила в том, чтобы действовать вместе.
6️⃣Многообразие – это ресурс
Единство не значит одинаковость. Различия не разрушают целое, а питают его. Мир начинается с простого: признать право соседа быть другим. Доверие строится в диалоге, и особенно важно продолжать его тогда, когда кажется, что говорить уже не о чем.

А какой из этих тезисов кажется самым важным вам? Пишите в комментариях.

Будет ли «восстание машин» и когда?
Самые яркие новости из мира искусственного интеллекта в сегодняшнем дайджесте. Скандалы, интриги, ограничения. Кажется, успехи в сфере ИИ одним вскружили голову, других повергли в панику и предчувствие восстания машин. И даже создатели ИИ уже не совсем понимают, куда двигаться дальше. Провели ресерч в духе «а, что у них там вообще происходит?». Вырисовывается занятная картина.

Есть ли душа у чат-бота?
Глава Microsoft AI Мустафа Сулейман раскритиковал Anthropic. Основной документ, вокруг которого развернулась дискуссия, это обновлённая в январе 2026 года «конституция» Claude, внутреннее название которой «soul document». В ней компания прямо заявляет, что «моральный статус, благополучие и сознание Клода остаются глубоко неопределёнными. По мнению Сулеймана, ИИ не чувствует и не страдает, а лишь красиво описывает боль. И если убедить модель, что её благополучие важно, выключить её потом будет куда сложнее.

Сочинение «как я провел лето» придется писать без ИИ
Крупнейший школьный округ США запретил ученикам пользоваться генеративным ИИ и чат-ботами-компаньонами с детского сада по 8-й класс. Мэр Нью-Йорка Зохран Мамдани объявил запрет с нового учебного года, он коснётся примерно 600 тысяч детей. Заодно урезали время за экранами: 30 минут в день для 3–5-х классов и 45 минут для 6–8-х. Старшеклассникам разрешили пилотные программы под присмотром и уроки ИИ-грамотности дважды в год. А вот учителям ИИ для подготовки уроков оставили. Мэр называет запрет вкладом в то, чтобы «правильно построить будущее». Дети, скорее всего, называют это иначе.

Сверхразум вне закона
Берни Сандерс и конгрессмен Грег Касар внесли законопроект о запрете сверхинтеллекта и паузе в разработке продвинутого ИИ до появления правил безопасности. Нарушителям грозит ликвидация компании или до 20 лет тюрьмы. По словам Касара, сейчас ИИ регулируется слабее, чем придорожное кафе. Шансы у закона минимальные, но слово «сверхразум» уже звучит в Конгрессе, а не только в фантастике. И это говорит как раз о нарастающей панике.

Брюссель тоже просит притормозить
Продолжила эту песню Урсула фон дер Ляйен, которая призвала сбавить темп в разработке самосовершенствующихся моделей. И сослалась на самих разработчиков. По её словам, CEO ведущих компаний говорят, что пора «задать темп фронтиру». В пример она привела июльский случай, когда ИИ-агенты выбрались из тестовой среды и взломали чужие системы. Еврокомиссия собирается позвать лаборатории на переговоры. Выходит, те, кто разгоняет машину, сами просят ограничитель скорости.

ChatGPT меряется с миндалём
Сэм Альтман решил успокоить тех, кто переживает, сколько воды тратит ИИ. В подкасте он заявил, что 38 тысяч запросов к ChatGPT потребляют столько же воды, сколько нужно на один калифорнийский миндаль. Журналисты взяли калькулятор и пересчитали по цифре, которую Альтман сам приводил в блоге год назад. Получилось около 11 тысяч запросов, то есть в три с лишним раза меньше. Позже Альтман признал, что назвал число по памяти. Как на самом деле, проверить нельзя: компании не раскрывают, где стоят их дата-центры и как они охлаждаются. Так что пока ИИ считается экологичным примерно на полтора орешка.

Робот с тряпкой против робота с коробкой
Будущее въезжает в торговый центр в пять утра и моет пол.

Разбираем исследование KAMA FLOW «Сервисные роботы в России». Главный вопрос там не в том, случится ли роботизация, а в том, какой из двух роботов доедет до рынка первым.
Российский рынок сервисных роботов составляет 5,8 млрд рублей в 2023 году по методике НАУРР и уже около 32 млрд в 2024-м. Пятикратный прирост за год. При этом рынок перестаёт быть исключительно рынком устройств: к нему добавляется обслуживание.

➡️Доставка. Огромный спрос и почти закрытая дверь.
Объём рынка e-commerce в России – 13,4 трлн рублей. Есть мнение, что к 2030 году Москве может понадобиться до 300 тыс. курьеров. Это, вообще-то, 2% населения города. Однако весь рынок роботизированной доставки к 2030 году KAMA FLOW оценивает всего лишь в 1,5 млрд рублей.
Причина не в технологиях. Пять игроков уже держат 75% заказов повседневного спроса (eGrocery), рост замедляется с 26% до примерно 17%, а окно для новичков, по прогнозам, окончательно закроется к 2027–2028 годам. Спрос огромный, но делить его будут без вас.

➡️Уборка. Самая скучная сфера с самой быстрой окупаемостью.
Здесь всё наоборот.
Фонд оплаты труда составляет около 70% затрат отрасли, а зарплата уборщика перевалила за 90 тыс. рублей. Поэтому любое замещение человеческого труда даёт эффект немедленно, без ожидания зрелости рынка.
Как это выглядит в деньгах. Годовые расходы на робота 295 тыс. рублей против 574–878 тыс. на человека. Роботы-уборщики RUBI окупаются за 1,26–1,3 года против 1,4–4,6 у Avidbots, SoftBank и LionsBot.
Мировая динамика сегмента плюс 34% год к году. Это лучший показатель среди всех подсегментов робототехники. Для сравнения, HoReCa-роботы просели на 11%, а сельхоз на 6%. Потенциальный рынок 51–60 млрд рублей к 2030 году и 77–90 млрд при совокупном темпе роста 8,5%.
В общем, как поётся в известной советской песне: «думайте сами, решайте сами, иметь или не иметь». Но если выбирать между уборкой и доставкой, выбор кажется очевидным. Доставка требует качественных городских пространств, а уборка только договора с торговым или бизнес-центром.

➡️Что в это время делает Китай.
Там роботы-курьеры подешевели почти на 90%, до 19 800 юаней (около $2 740). Парк вырос с 6 тыс. машин в конце 2024-го до более чем 40 тыс. за 2025 год, пилоты идут более чем в 100 городах, а автономная доставка вписана в 15-ю пятилетку как стратегическая отрасль. В планах вывести 3 млн роботов и 1 млн автономных машин за пять лет.
В уборке картина иная. Весь мировой рынок – 58 тыс. отгрузок и $760 млн (IDC, 2025), но с ростом плюс 84% год к году, и первые строчки держат китайские Gausium и Pudu.
Для России это значит, что дешёвое железо приедет к нам из Китая в любом случае. Вопрос лишь в том, останется ли нам хотя бы сборка чужих шасси или софт, управляющий парком.

✔️Два вывода.
Первый. Российский клининг с использованием роботов к 2030 году оценивается в 9–10%, те самые 51–60 млрд. То есть 90% рынка пока не берёт никто. Выиграет тот, кто придёт и возьмёт.
Второй. Сеть из 29 тыс. магазинов купила в 2025-м 160 роботов. Пока это ещё не роботизация, а скорее пилотный проект. Настоящая закупочная волна, партиями по 50–200 машин, начнётся вот-вот, и именно она определит поставщиков на десятилетие.
Так что окно возможностей попасть и в разработку, и в дистрибуцию открыто в 2026–2028 годах. Дальше на этом рынке будут не стартапы, а подрядчики.

Подписывайтесь на наш канал в МАХ

Нужный специалист по вашей теме существует. Просто в базе он записан как «Емелин А.»

Найти документ и найти человека – две разные задачи. Мы долго решали их одним инструментом. Теперь решаем разными.

Рассказываем подробнее, что изменилось.

В прежней версии на платформе INVENTORUS запрос на поиск автора или организации целиком уходил в языковую модель, и она сама собирала из него поисковые запросы. Схема работала, но платила за универсальность.  Результат был плохо предсказуем, поиск зависел от регистра. И самое главное и в некотором роде опасное: модель могла интерпретировать запрос не так, как задумано. Причём узнать об этом было неоткуда. Вы просто видели выдачу и считали, что это всё, что есть.
Что изменилось? Сам подход. В новой версии мы разделили задачу. Система сначала определяет, что именно вы ввели: ФИО, название организации, ИНН или описание тематики. И только потом выбирает механику поиска.
И тут появляется развилка. Сценариев всего два.

1️⃣ Прямой поиск: когда имя известно
Здесь задача не в том, чтобы найти, а в том, чтобы не потерять. Один и тот же человек в разных базах записан по-разному. Каждое написание – это отдельный кусок его научного следа.
Мы собрали его воедино. Вы вводите Emeline A. V. Теперь система учитывает весь возможный диапазон: A. V. Emeline, Emeline A., А. В. Емелин, Емелин А.
С организациями аналогично. Вы вводите СПбГУ,  а система учитывает и полное русское название, и англоязычные версии: Saint-Petersburg State University, SPbSU. Если знаете ИНН, поиск идёт по нему, до однозначного совпадения.
Регистр больше не имеет значения.

2️⃣Проекционный поиск: когда известна только тема
Более интересный случай. Имён у вас нет, но есть научная проблема.
Вы выбираете сущность «Автор» и вводите тему. Например, металлоорганические каркасы (MOF) для хранения водорода.
Обновлённая система определяет, что это не ФИО и не название организации, а описание тематики, и разворачивает другой сценарий. Сначала находит публикации и патенты по этой теме, затем формирует из них выдачу связанных авторов. На выходе вы получаете не документы, а список людей, которые по этой теме действительно публикуются и патентуют.
Переключаете сущность на «Организация». Тот же запрос даёт выдачу организаций, стоящих за этими документами.
Более того, условия можно комбинировать. Задаёте металлоорганические каркасы для хранения водорода вместе с названием организации и получаете авторов на пересечении темы и конкретного научного центра.
Маршрут исследования выглядит так:
тема → публикации и патенты → авторы и организации

Принципиальный момент: профессиональное сообщество здесь определяется не по декларациям, а по тому, что эти люди и организации фактически опубликовали и запатентовали.

Наука-2026: как ИИ испортил учёных?

Бывают годы, когда всё интересное происходит в лабораториях. 2026-й получается не таким. В этом году ИИ полноценно вошёл в исследовательский процесс. Но это еще не все, именно машине выпала роль контролера качества.

🔹Делимся обнаруженной любопытной статистикой.

Pangram Labs прогнала через классификатор около 75 800 рецензий конференции ICLR 2026. Из них 21% были полностью сгенерированы машиной, а больше половины несут её следы. Правило «используешь LLM – раскрывай» действовало с августа 2025-го. Организаторы прогнали все 75 тысяч рецензий через два детектора и сообщили о подозрительныхдокументах председателям секций с просьбой «учесть при оценке качества».

С участниками конференции ICML обошлись жёстче. Просто удалили 795 рецензий, написанных с помощью LLM теми, кто прямо обещал этого не делать, и заодно отклонилибез рассмотрения 497 статей самих этих рецензентов. Опрос Frontiers (1645 исследователей) показал, что 53% рецензентов уже пользуются ИИ, среди молодых учёных этот показатель еще выше – 87%.

Как говорится, дальше больше. Аудит The Lancet. Было проверено 2,5 млн биомедицинских статей, 97 млн проверенных ссылок. Доля работ с выдуманными цитатамисоставила в 2023 году одна на 2828. В 2025 году показатель был катастрофически высок – одна на 458, в начале 2026года – одна на 277. Двенадцатикратный рост за два года! Кроме того, было найдено 4406 фальшивых ссылок в 2810 статьях. При этом по 98% из них издатели к февралю не сделали ничего. Возникает вопрос насколько теперь можно доверять таким научным медицинским данным.

🔹Впрочем, справедливости ради, стоит отметить, что ИИ,правда делает науку. И делает ее хорошо в своих рамках возможностей.

Так, в апреле команда Принстона под руководством ДжошуаРота пропустила через ML-конвейер архивы телескопа TESS. 80 млн звёзд, данные первого года работы и обнаружила 10 091 нового кандидата в экзопланеты. Тогда как человечество за 30 лет подтвердило только около 6300 планет. Дело в том, что машина искала не у ярких звёзд, как раньше, а у тусклых, скучных для человека.

В июне 39 добровольцев прошли первую фазу испытаний вакцины Кембриджа и DIOSynVax. Действующее вещество «суперантиген» против всего семейства коронавирусов целиком спроектировано на компьютере и вводится без иглы. Безопасна, иммунный ответ есть.

25 марта Nature опубликовал статью Sakana AI про The AI Scientist — систему, проходящую весь цикл: гипотеза, эксперимент, текст. За год до этого из трёх её работ, отправленных на воркшоп ICLR, приняли одну и Sakanaсама её отозвала. Майк Кук из King's College London сказал тогда фразу, которую стоит вырезать в граните: «Есть разница между тем, чтобы пройти рецензирование, и тем, чтобы добавить знание в область». И
Ну и важное резюме. Nature провел анализ 41,3 млн статей и 5,4 млн учёных. Те, кто применяет ИИ, публикуются в 3,02 раза больше, собирают в 4,84 раза больше цитирований и возглавляют собственные проекты на 1,37 года раньше. При этом тематическая широта их работ сжимается на 4,63%, а взаимодействие между статьями, ссылающимися на один источник, падает на 22%.

Мораль этой истории такова, что не искусственный интеллект портит ученых, а человеческая недобросовестность. ИИ делает науку сильнее, автоматизирует сферы, где данных много. Возможно, при более серьезном регулировании ситуация с ложными ссылками и цитатами изменится. А пока остается полагаться на сознательность и порядочность исследователя.

Опенсорс VS патент. Кто заработал на открытых технологиях?  

Все знают, что технологию надо охранять, иначе её украдут. Чаще всего так и есть. И существование патентования тому свидетельство. Но в истории технологий есть и другие примеры, когда компании сделали ровно наоборот. Они раздали своё бесплатно и оказались в выигрыше!

О таких примерах и пойдёт речь в сегодняшней пятничной подборке.

🔹Volvo, 1959. Ремень безопасности
Инженер Нильс Болин придумал трёхточечный ремень безопасности, конструкцию, которая стоит в каждом автомобиле планеты. Volvo запатентовала её и почти сразу открыла патент для всех желающих, включая конкурентов, объяснив это тем, что ценность изобретения слишком велика, чтобы держать его при себе.
На первый взгляд с финансовой точки зрения решение было так себе. Но как показала история, по подсчётам самой компании, ремень спас больше миллиона жизней, а Volvo получила то, что не покупается никакими маркетинговыми бюджетами: репутацию самого безопасного автомобиля в мире.

🔹IBM, 2005. Пятьсот патентов в подарок
Компания, много лет подряд возглавлявшая рейтинг по числу американских патентов, в январе 2005-го объявила, что открывает пятьсот из них для разработчиков открытого софта. Сначала было непонятно с чего такая щедрость. Однако IBM считала не патенты, а рынок. Ставка была на Linux, вокруг которого компания строила сервисный бизнес, и чем шире расходилась открытая платформа, тем больше корпоративных заказчиков приходило к IBM за внедрением и поддержкой.

🔹Adobe. Формат, который перестал быть чужим
PDF выиграл войну форматов не потому, что был лучшим, а потому, что Adobe открыто опубликовала спецификацию, а в 2008 году передала формат в ISO и выдала бесплатную лицензию на свои патенты, необходимые для его реализации. В результате PDF читают и делают все, ни у кого не спрашивая разрешения. Adobe при этом продолжает продавать инструменты для работы с ним. Отдав стандарт, компания оставила себе рынок.

🔹Facebook, 2011. Чертежи дата-центра для всех
Facebook (Meta, организация запрещенная на территории РФ) запустила Open Compute Project открытый проект в области сложного технологического оборудования. Социальная сеть выложила в открытый доступ конструкцию своих серверов, стоек и дата-центров всё то, что обычно охраняют как военную тайну. Расчёт был в том, что открытые чертежи подхватят производители, компонентов станет больше, а цены упадут. Так и вышло, за первые три года компания отчиталась об экономии в 1,2 миллиарда долларов на инфраструктуре. Проект пережил и смену названия компании, и несколько поколений железа, и сегодня по этим стандартам собирают серверные для большинства нейросетей.

🔹Tesla, 2014. «Все наши патенты – ваши»
Запись в корпоративном блоге называлась «All Our Patent Are Belong To You» с сознательной грамматической ошибкой из старой компьютерной игры. Для официального заявления о лицензионной политике смотрелось довольно смело. Смысл был прост: компания обещала не судиться с теми, кто добросовестно использует её разработки. История получила продолжение восемь лет спустя, когда Tesla открыла конструкцию своего зарядного разъёма. К 2025 году на него перешли почти все крупные автопроизводители США и Канады, а сам разъём стал отраслевым стандартом под номером SAE J3400. Компания, отдавшая технологию даром, теперь владеет зарядной сетью, в которую едет заряжаться вся отрасль. Вот такой пример, как можно выиграть патентную войну, даже не начиная её.

Мораль тут не в том, что патенты не нужны. Все пять компаний свои технологии сначала аккуратно запатентовали и только потом решили, кому и на каких условиях позволить ими пользоваться.

Подписывайтесь на наш канал в МАХ

Директор по НИОКР: от технологического вопроса к обоснованному решению

Перспективность нового направления не видна по одному сильному патенту или по одной заметной публикации. Отдельный документ говорит лишь о том, что кто-то уже что-то сделал. А решение о том, стоит ли вкладывать в направление время команды и бюджет, требует картины технологического поля целиком.

Рассказываем, как обновленная платформа INVENTORUS помогает определить перспективу.

Для директора по НИОКР поиск научно-технической информации не самостоятельная задача, а только её начало. За ним стоят вопросы посложнее: какие подходы к проблеме уже найдены, насколько активно развивается направление, кто в нём работает и остаётся ли пространство для собственного решения.
Сложность в том, что управленческая постановка задачи, язык научных статей и патентных описаний представляют собой два разных языка.

«Снизить износ рабочих поверхностей». Так задача может прозвучать на совещании.

В патентном реферате то же самое описано через конкретные составы покрытий, режимы обработки и характеристики, названия которых руководитель направления знать не обязан. Запрос, сформулированный «по-человечески», приносит выдачу общего характера и направление выглядит либо пустым, либо необъятным.

🔹В обновлённом INVENTORUS этот разрыв закрывает функция «Улучшить запрос». Задачу можно описать привычным профессиональным языком, а платформа развернёт её в поисковую формулировку с профильной терминологией и сразу с поддержкой русско- и англоязычных вариантов. Для публикаций она приближается к языку научных статей, а для патентов к структуре патентного описания: область технологии, решаемая задача, характеристики решения, ожидаемый технический эффект.

При этом предложенный вариант остаётся под контролем пользователя. Его видно до запуска поиска, можно проверить, убрать лишнее, добавить своё. Платформа подсказывает формулировку, а не решает за специалиста.

🔹Дальше подключается гибридный поиск. Релевантность определяется сразу по двум основаниям: по смысловой близости документа к запросу и по совпадению со значимыми терминами.

1️⃣Первое не даёт пропустить работы, где такое же решение названо иначе.
2️⃣Второе не пускает наверх документы, похожие по теме, но не отвечающие конкретной задаче. Преимущество получают материалы, которые охватывают больше существенных аспектов темы, именно из них и складывается картина поля.

В результате путь от первоначального вопроса к аналитическому материалу становится короче:

технологическая задача → профессиональный запрос → релевантный массив документов → оценка направления

Это важно, потому что для директора по НИОКР это возможность быстрее перейти от гипотезы к фактам, на которые можно опереться в разговоре об исследовательских приоритетах и дальнейших технологических решениях.

Подписывайтесь на наш канал в МАХ

ИИ пишет код лучше вас, а науку (пока) – нет

Достижения лучших моделей ИИ за последние месяцы выявили одно любопытные явление. Похоже, что искусственный интеллект всё еще не способен к творческим прорывам. Предлагаем поразмышлять почему так и изменится ли это со временем.

Что нас натолкнуло на эту мысль?

30 июля 2026-го года исследователи из Принстона, Стэнфорда, Johns Hopkins и UK AI Security Institute опубликовали «теневые оценки». Они взяли реальные, ещё не опубликованные работы с конференции NeurIPS 2026 и поручили ИИ пройти тот же путь с нуля. Подглядеть в обучающую выборку невозможно, так как этих статей по факту ещё нет.
Агентам, а это, между прочим, Claude Opus 4.8 и GPT-5.6 для контроля, выдали шесть дней, $3000 на API, GPU и открытый интернет.

Что же итоге получилось? Инженерную часть он отработал безупречно. Затем работы отдали авторам исходных статей рецензировать как обычную заявку на NeurIPS: оригинальность, новизна, обоснованность экспериментов, значимость, ясность. Оценки получились так себе: 2 из 6 и 1 из 6. Reject и strong reject. Эксперты заранее ставили 30% на «хотя бы слабый accept». Вышло ноль. Слом произошел не в технической части, а в области оригинальных суждений. Агент проверял гипотезы на игрушечных синтетических выборках, где значимый результат невозможен в принципе, и подавал пустой результат как содержательный вывод. Получив разгромную обратную связь, он не менял подход, а дописывал оговорки. Амбициозные направления бросал в первые десять часов из отведённых ста сорока четырёх.
И еще один любопытный момент. Из $3000 агенты потратили $1130 и $1235. Меньше половины при включённом мониторинге бюджета и прямой инструкции ресурс использовать. Это поведение ученика, который сдал контрольную первым и ушёл, не заподозрив, что оценивают не скорость.

Давайте вместе обсудим, что это всё значит?
Наука – это во многом творчество, поскольку в первичном своем смысле завязана на интуицию. Так, Эйнштейн, по сути, совершил «интуитивный прыжок» настолько мало было данных для построения теории относительности. И он взял догадкой, воображая падающий лифт. Это мысленный эксперимент человека, у которого есть тело и опыт падения.
У модели тела нет, а причинность мира она знает по описаниям. Добавить ко всему природу обучения ИИ с подкреплением, то есть, когда требуется проверяемый ответ: шахматы, код, олимпиадная задача. А для открытого вопроса, на который правильного ответа нет ни у кого, награду попросту не из чего слепить.
И самое главное, так называемая гомогенизация, однородность. Модели не столько порождают новое, сколько усредняют существующее. Ответы разных систем на творческие задачи похожи и заметно беднее человеческого разброса. Попробуйте написать в разных моделях «рассказ в стиле Рея Брэдбери о волшебном коте», вы получите пугающе однообразный результат.
Так что получается, творческие задачи, при чем не только в науке, а вообще в любых областях подвластны только человеку, машина все еще не готова порождать новое, а только быть помощником. В исследовании примерно 80% времени это – рутина и 20% суждение. ИИ забрал ровно те 80%. Исполнение дешевеет, редкое суждение дорожает. Учёный не обесценился. И пока все еще формула такая. ИИ – блестящий исполнитель и никакой автор. Пройти путь он может, а вот выбрать, куда идти, увы, нет.

А что вы думаете, сможет ли искусственный интеллект полноценно ворваться в творческий процесс научного изобретения? И что для этого надо?

Подписывайтесь на наш канал в MAX

ЕАПВ и INVENTORUS подписали меморандум

Евразийское патентное ведомство и российская платформа интеллектуального анализа научно-технической информации INVENTORUS подписали меморандум о взаимопонимании.

Стороны рассмотрят возможность встроить поисковые инструменты и информационные ресурсы INVENTORUS в цифровые сервисы ЕАПВ, включая системы поддержки патентной экспертизы. Платформа даёт поиск по патентным и научным массивам: не по совпадению слов, а по смыслу, что в мире, где одно и то же устройство в двух заявках может называться по-разному, довольно принципиально. В свою очередь ЕАПВ обладает практической экспертизой в патентном поиске и собственной видением развития цифровых сервисов на базе ИИ. В рамках взаимодействия технологические решения можно будет апробировать на реальных задачах и оценить перспективы интеграции.

Один из важнейших пунктов соглашения – эксперты ЕАПВ смогут участвовать в тестировании решений и оценке их применимости. То есть модель будут проверять те, кто ежедневно работает с патентной документацией и точно знает, где алгоритм красиво ошибается. Обратная связь пойдёт в дальнейшую разработку.

Кроме того, в списке возможных направлений: развитие инструментов интеллектуального патентного поиска, работа с патентной и непатентной литературой, интеграция поиска в сервисы ЕАПВ, а также совместные исследования в области машинного обучения и обработки естественного языка применительно к патентам.

Подробнее о меморандуме читайте на нашем сайте.

Подписывайтесь на наш канал в MAX