За последние недели мне несколько раз попадались новости, которые по отдельности выглядят как небольшие технические обновления, но вместе складываются в довольно любопытную картину. Речь не просто о новых кнопках в интерфейсах или очередных анонсах. Скорее о том, как постепенно меняется сама логика взаимодействия человека с искусственным интеллектом: что система запоминает, как объясняет свои решения, кто имеет право голоса при её регулировании и даже под какие нестандартные метрики теперь можно получить деньги на разработку.
Когда я впервые увидела, что в десктопной версии ChatGPT вместо прежнего механизма Chronicle заработал Computer History, первой мыслью было: наконец-то кто-то попытался сделать память ассистента не просто набором скриншотов, а чем-то более осмысленным. Раньше система буквально фотографировала экран, чтобы восстановить контекст. Теперь подход другой — пишется журнал действий. Клики, ввод текста, горячие клавиши, переключение окон. Всё это складывается в единую хронологию, которая хранится локально на устройстве. Мне такой вариант кажется более честным по отношению к приватности, потому что пользователь получает не разрозненные кадры, а структурированную историю своих собственных операций.
Важно, что сбор данных по умолчанию выключен. Это принципиальный момент. Никто не заставляет тебя сразу делиться всей активностью. В настройках приватности можно исключить отдельные приложения и сайты, которые не должны попадать в журнал. Я бы на месте разработчиков сделала этот пункт ещё заметнее при первом запуске, потому что далеко не все пользователи вообще заходят в подобные меню. Но сам факт того, что управление есть, уже внушает определённое доверие.
Дальше начинается самое интересное. Проанализировав этот журнал, ChatGPT способен заметить повторяющиеся действия и предложить собрать под них сценарий для рутинной задачи. То есть ассистент перестаёт быть просто справочником или генератором текста — он превращается в наблюдателя за рабочими привычками. На тот же журнал опираются ответы ChatGPT и Codex. Можно спросить, например, как именно правился конкретный файл, и получить ответ, основанный не на догадках, а на реальной хронологии изменений. Пока Computer History работает на macOS у подписчиков Pro, Business и Enterprise, но я почти уверена, что со временем подобные механики появятся и в других версиях.
Отдельного упоминания заслуживает то, как Claude Code решил проблему обрыва генерации. Каждый, кто плотно работает с ИИ-инструментами, хотя бы раз сталкивался с ситуацией, когда процесс прерывается из-за лимита сообщений. Раньше это означало одно: вручную перезапускать задачу, жать Try again или отправлять команду заново. Теперь появилась возможность включить ожидание. Когда квота обновится, Claude Code сам подхватит контекст и продолжит с места остановки. Звучит как мелочь, но на практике это экономит массу нервов и времени, особенно если работаешь с длинными цепочками задач.
Ещё одна тема, которая меня зацепила, — прозрачность алгоритмов. Соцсеть X выложила на GitHub расширенную версию кода, отвечающего за формирование ленты For You. Кодовая база заметно выросла: добавились конфигурации моделей, внутренние фильтры и веса сигналов в основном движке ранжирования. Закрытыми остались только антиспам-модули на Grok. И это, пожалуй, разумный компромисс. Полностью открывать защитные механизмы значило бы дать владельцам ботнетов готовую инструкцию по обходу. Но всё остальное теперь можно изучить.
Параллельно в настройках X появился инструмент Under the Hood. Он выгружает JSON со статистикой аккаунта. В этом файле видно, какие системные метки платформа навесила на профиль и отдельные посты за последний месяц. Для меня это выглядит как попытка ответить на вечный вопрос пользователей: почему упали охваты? Теперь не нужно гадать. Можно взять этот JSON, скормить его вместе со ссылкой на репозиторий сторонней модели и получить разбор причин. Правда, пока выгрузка работает в пилоте, и есть условия: аккаунт должен быть старше года и выпускать хотя бы десять постов в месяц. То есть случайным новичкам такая диагностика пока недоступна.
Мне кажется, это движение в сторону большей объяснимости алгоритмов очень важно. Люди устали от ощущения, что их контент тонет по неведомым причинам. Когда у тебя появляется возможность заглянуть под капот и увидеть, какие именно сигналы повлияли на ранжирование, это снижает тревожность и повышает доверие к платформе. Даже если выводы окажутся не самыми приятными, понимание причин всё равно лучше неопределённости.
Не могу обойти стороной и новость из Калифорнии. Там решили, что школьники должны участвовать в разработке правил для искусственного интеллекта. Губернатор штата объявил о создании консультативного совета из двадцати старшеклассников. Первая группа уже обсуждает с чиновниками, как внедрять генеративные модели в школы, как защищаться от дипфейков и где проходят этические границы ИИ. Осенью откроется набор новых участников, а на весну 2027 года намечена отдельная программа, где подростков научат запускать собственные проекты в цифровой среде.
Честно говоря, поначалу я отнеслась к этой инициативе с долей скепсиса. Всё-таки регулирование ИИ — сложная сфера, где нужны технические знания и понимание долгосрочных последствий. Но потом подумала: а кто, как не те, кто будет жить с этими технологиями дольше всех, должен иметь право голоса? Калифорния стала вторым штатом с молодёжным советом по ИИ. С 2025 года похожий орган уже работает в Нью-Йорке. Возможно, это начало более широкого тренда, когда в обсуждение технологической политики вовлекают не только экспертов и корпорации, но и обычных граждан, включая самых молодых.
И напоследок — история, которая показывает, насколько нестандартными могут быть подходы к финансированию ИИ-разработок. Bank of China запустил программу Computing Power Token Loan. Разработчикам дают до тридцати миллионов юаней, это около четырёх миллионов долларов, на срок до трёх лет. Залог не нужен. Вместо него банк оценивает расход токенов, стоимость контрактов на вычисления и выручку от ИИ-продуктов. Идея звучит прогрессивно, но аналитики настроены скептически. Расход токенов показывает, насколько активно компания работает, но ничего не говорит о том, зарабатывает ли она. Более того, метрику легко накрутить лишними вызовами API, чтобы искусственно поднять себе лимит.
Я склонна согласиться с осторожными оценками. Любая система, где ключевой показатель можно раздуть без реального роста ценности, рискует превратиться в игру с цифрами. Чтобы это отслеживать, нужен независимый аудит логов потребления, а таких площадок пока нет. Возможно, со временем появятся сертифицированные аудиторы или автоматизированные системы верификации. Но пока это выглядит как смелый эксперимент, за которым будет интересно наблюдать. В целом же все эти новости объединяет одно: искусственный интеллект становится всё более встроенным в повседневные процессы — от расшифровки сигналов и индикаторов до управления личными данными. И чем прозрачнее будут эти механизмы, тем проще нам будет им доверять.