Уже з осені учні 6–13 років не зможуть використовувати такі інструменти під час навчання.
Прем’єр-міністр Jonas Gahr Støre заявив, що всезнаючі нейромережі заважають дітям проходити ключові етапи розвитку навичок читання, письма та математики.
Це продовження курсу на обмеження технологій у школах: ще у 2024 році Норвегія заборонила смартфони на уроках.
Microsoft оголосила про запуск нової компанії Microsoft Frontier Company, яка допомагатиме корпоративним клієнтам впроваджувати рішення на основі штучного інтелекту. На старті проєкт отримає фінансування у розмірі $2,5 млрд.
Як пише Reuters, першими клієнтами стануть Unilever і Novo Nordisk. Нова компанія консультуватиме бізнес щодо вибору ШІ-моделей, їх інтеграції та адаптації до внутрішніх даних.
У Microsoft пояснили, що великі компанії дедалі частіше відмовляються від використання лише одного постачальника штучного інтелекту. Натомість вони поєднують різні моделі, зокрема відкриті рішення, і налаштовують їх під власні потреби. Такий підхід є складнішим і дорожчим, але дає більше гнучкості.
За словами генерального директора Microsoft Commercial Business Джадсона Алтхоффа, компанія також переглянула власну стратегію розвитку Copilot. Він визнав, що прив’язка сервісу лише до моделей OpenAI була помилкою. Поява таких конкурентів, як DeepSeek і Gemini, показала, що клієнтам потрібна можливість швидко змінювати ШІ-моделі залежно від своїх завдань.
Раніше ми інформували, що Microsoft планує скоротити менше ніж 2,5% своїх працівників у межах нової хвилі звільнень. Скорочення можуть торкнутися тисяч посад, зокрема у відділах продажів і консалтингу.
У травні 2026 року медичний журнал The Lancet опублікував лист-дослідження команди з Колумбійського університету, яка проаналізувала 2,5 мільйона біомедичних статей та понад 97 мільйонів наукових посилань у біомедичній літературі і виявила тривожну тенденцію — кількість статей із фейковими джерелами стрімко зростає.
Дослідники виявили 4046 вигаданих посилань у 2810 наукових статтях. Якщо у 2023 році хоча б одне вигадане посилання містила приблизно одна стаття з 2828, то на початку 2026 року — вже одна стаття з 277. Тобто за два роки масштаб проблеми виріс більш ніж у 12 разів — з 0,035% до 0,36% публікацій.
Під вигаданими посиланнями мається на увазі не помилка в оформленні, а джерело, якого не існує взагалі. Такі посилання виглядають переконливо: реальні прізвища авторів, правдоподібні назви, вірогідний рік. Але такої публікації ніколи не існувало.
Як це виміряли?
Команда під керівництвом Максима Топаза, професора Колумбійського університету, який досліджує застосування штучного інтелекту й аналізу текстових даних в охороні здоров’я, розпочала це дослідження після особистого досвіду: ШІ-інструмент вставив фейкове посилання в одну з його власних статей, і воно пройшло кілька раундів рецензування, поки редактор не виявив проблему. «Я був приголомшений, бо вивчаю ШІ вже 15 років. Якщо це може статися зі мною, це може статися з будь-ким», — сказав Топаз CBS News. Це спонукало його розробити автоматизовану систему верифікації CITADEL (Citation Integrity Testing And Detection of Erroneous Literature). Вона звіряє кожне посилання з чотирма базами даних: PubMed, Crossref, OpenAlex та Google Scholar. Посилання, якого немає в жодній із них, класифікувалось як сфабриковане. Система досягла близько 91% точності та виявила 4 046 фейкових посилань у 2 810 статтях за три роки спостережень (2023–2026). На момент публікації аудиту переважна більшість цих статей залишалась у базах без будь-яких позначок або виправлень з боку видавців.
Чому так відбувається?
Фейкові посилання виникають декількома способами: через «фабрики статей» (paper mills), навмисні маніпуляції або через використання ШІ-інструментів на кшталт ChatGPT без перевірки згенерованих посилань. За оцінками попередніх досліджень («Дослідження галюцинацій ШІ в наукових текстах» і «Фабрикація та помилки в бібліографічних посиланнях, згенерованих ChatGPT»), на які посилаються автори аудиту, від 30 до 69% посилань, згенерованих LLM у біомедичних текстах, сфабриковані. Кількість фейкових посилань різко зростає з середини 2024 року — саме тоді, коли ШІ-інструменти стали масово доступними, а написані з їхньою допомогою статті почали з’являтися в наукових базах.
Ця проблема не нова, однак вона набула досі небаченого масштабу. Дослідники вже кілька років попереджають про ширшу загрозу, яку називають evidence hacking — навмисну маніпуляцію доказовою базою через проникнення псевдонаукових текстів у науку. Сфабриковані посилання є одним із її найважче помітних проявів: навіть після виявлення матеріали продовжують циркулювати в архівах і базах даних, і повністю видалити їх із наукового обігу практично неможливо — стаття одночасно існує на десятках платформ, і відкликання з журналу не видаляє її копії з інших джерел.
Що це означає на практиці?
«Ваш лікар може ухвалювати рішення про лікування, спираючись на дослідження, яких ніколи не існувало», — сказав Топаз у коментарі для CBS News. Якщо фіктивне посилання підкріплює ключовий клінічний висновок, воно фактично стає частиною доказової бази без перевірки.
Проблема виходить за межі окремих помилок. Фейкові посилання впливають не лише на конкретну статтю, а й на всі подальші роботи, які її цитують і які також не містять маркування фейків. Ланцюжок довіри в науці будується на припущенні, що кожне джерело перевірене. Коли це припущення хибне, але ніхто про це не знає, помилка тиражується непомітно.
Не всі такі статті потрібно відкликати. За словами дослідників, відкликання доречне там, де фабрикації є центральними для висновків; для статей з одним-двома випадковими фейковими посиланнями достатньо корекції і позначки про це. Але поки що не відбувається навіть цього.
Ірина_ Я давав просто переоформити список с ДСТУ в АРА і то ШІ умудрився зіпсувати деякі посилання, бо список виявився занадто довгим. Як приклад перших 3 авторів залишив правильними, а четвертого додав іншого, який має багато спільних публікацій, але не цю. Або назву трохи змінив слова, але зміст залишився
Дюрі-бачі писал(а):Ірина_ Я давав просто переоформити список с ДСТУ в АРА і то ШІ умудрився зіпсувати деякі посилання, бо список виявився занадто довгим. Як приклад перших 3 авторів залишив правильними, а четвертого додав іншого, який має багато спільних публікацій, але не цю. Або назву трохи змінив слова, але зміст залишився
А яким інструментом Ви користувалися?
Якщо ще не пробували, рекомендую NotebookLM. Мої колеги, які працюють з великими обсягами інформації, відгукуються про нього дуже позитивно. За їхнім досвідом, він краще справляється з довгими списками та рідше домислює авторів чи назви публікацій.
Сервіс не має проблем з фантазуванням, бо працює з тими джерелами, які ви самі додали в блокнот. Я ж використовую собі для короткого аналізу довгих ютуб відео, щоб не витрачати час для перегляду.
Добавлено: Вс 05 июл, 2026 10:27
