Исследователи Стэнфордского университета прогнозируют, что к 2026 году ИИ сосредоточится на прозрачности и практической полезности

Кратко

Факультет HAI Стэнфордского университета прогнозирует, что к 2026 году развитие ИИ сосредоточится на практическом воздействии в области здравоохранения, права, рабочей силы и человекоцентричных приложениях, при этом делая акцент на эффективности, ответственности и реальных преимуществах.

Факультет человекоцентричного ИИ Стэнфордского университета опубликовал свои прогнозы развития ИИ на 2026 год. Аналитики предполагают, что период широкого энтузиазма по поводу ИИ смещается в сторону тщательной оценки

Вместо вопроса о том, способен ли ИИ выполнять задачу, акцент сместится на оценку его эффективности, связанных затрат и воздействия на различных заинтересованных сторон. Это включает использование стандартизированных эталонов для юридического рассуждения, мониторинг воздействия на рабочую силу в реальном времени и клинические рамки для оценки растущего числа медицинских приложений ИИ.

Джеймс Лэндай, со-директор факультета человекоцентричного ИИ Стэнфордского университета, прогнозирует, что в 2026 году не будет искусственного общего интеллекта. Он отмечает, что суверенитет ИИ станет важной темой, при этом страны будут стремиться контролировать ИИ, создавая собственные модели или запуская внешние модели локально для сохранения данных внутри страны. Ожидаются продолжение глобальных инвестиций в центры данных ИИ, хотя сектор показывает признаки спекулятивных рисков. Лэндай ожидает больше сообщений о ограниченной производительности ИИ, при этом неудачи подчеркнут необходимость целенаправленных приложений. Вероятно появление новых интерфейсов ИИ, улучшение производительности за счет меньших курируемых наборов данных и практических видеоприложений ИИ, а также рост проблем с авторским правом.

Расс Олтман, старший научный сотрудник Stanford HAI, выделяет потенциал фундаментальных моделей для продвижения открытий в науке и медицине. Он отмечает, что ключевым вопросом для 2026 года станет эффективность ранних моделей слияния, объединяющих все типы данных, или поздних моделей слияния, интегрирующих отдельные модели. В научных исследованиях внимание смещается с прогнозов к пониманию того, как модели приходят к выводам, с использованием таких техник, как разреженные автоэнкодеры для интерпретации нейронных сетей. В здравоохранении распространение решений ИИ для больниц создало сложности в оценке их технической эффективности, влияния на рабочие процессы и общей ценности, и ведутся работы по разработке рамок, оценивающих эти факторы и делающих их доступными для менее обеспеченных условий.

Джулиан Ньярко, заместитель директора Stanford HAI, прогнозирует, что 2026 год в области юридического ИИ будет определяться фокусом на измеряемой эффективности и практической ценности. Юридические фирмы и суды, скорее всего, перейдут от вопроса о том, может ли ИИ писать, к оценке точности, рисков, эффективности и воздействия на реальные рабочие процессы. Системы ИИ все чаще будут выполнять сложные задачи, такие как многодокументальное рассуждение, картирование аргументов и поиск контр-источников, что потребует разработки новых рамок оценки и эталонов для их использования в более сложной юридической работе.

Анжель Кристин, старший научный сотрудник Stanford HAI, отмечает, что несмотря на привлечение огромных инвестиций и развитие инфраструктуры, возможности ИИ часто преувеличиваются. ИИ может улучшить выполнение определенных задач, но может вводить в заблуждение, снижать навыки или причинять вред в других случаях, а его рост сопровождается значительными экологическими затратами. В 2026 году ожидается более взвешенное понимание практических эффектов ИИ, с акцентом на его реальные преимущества и ограничения, а не на хайп.

ИИ сосредоточится на реальных преимуществах, здравоохранении и инсайтах о рабочей силе в 2026 году

Анжель Кристин, старший научный сотрудник Stanford HAI, отмечает, что несмотря на привлечение огромных инвестиций и развитие инфраструктуры, возможности ИИ часто преувеличиваются. ИИ может улучшить выполнение определенных задач, но может вводить в заблуждение, снижать навыки или причинять вред в других случаях, а его рост сопровождается значительными экологическими затратами. В 2026 году ожидается более взвешенное понимание практических эффектов ИИ, с акцентом на его реальные преимущества и ограничения, а не на хайп.

Кёртис Ланглотц, старший научный сотрудник Stanford HAI, отмечает, что обучение с самосупервизией значительно снизило стоимость разработки медицинского ИИ за счет устранения необходимости в полностью размеченных наборах данных. Хотя опасения по поводу конфиденциальности замедлили создание больших медицинских наборов данных, меньшие модели с самосупервизией показали перспективы в различных биомедицинских областях. Ланглотц прогнозирует, что по мере накопления высококачественных данных здравоохранения появятся фундаментальные модели в биомедицине, повышающие точность диагностики и позволяющие создавать инструменты ИИ для редких и сложных заболеваний.

Эрик Бриньолфссон, старший научный сотрудник Stanford HAI, прогнозирует, что к 2026 году обсуждение экономического воздействия ИИ перейдет от споров к измерениям. Высокочастотные экономические панели ИИ будут отслеживать рост производительности, сокращение рабочих мест и создание новых ролей на уровне задач и профессий с использованием данных о зарплатах и платформах. Эти инструменты позволят руководителям и политикам в режиме почти реального времени отслеживать влияние ИИ, направляя поддержку рабочей силы, обучение и инвестиции для обеспечения широких экономических выгод.

Нигам Шах, главный специалист по данным в Stanford Health Care, прогнозирует, что к 2026 году создатели генеративного ИИ все чаще будут предлагать приложения напрямую конечным пользователям, обходя медленные циклы принятия решений в системе здравоохранения. Прогресс в области генеративных трансформеров может позволить прогнозировать диагнозы, реакции на лечение и прогрессирование заболеваний без задач-специфических меток. По мере расширения доступа к этим инструментам понимание пациентами рекомендаций ИИ станет важным, а также возрастет акцент на решениях, дающих пациентам больше контроля над своим уходом.

Дийи Ян, ассистент профессора компьютерных наук Стэнфордского университета, подчеркивает необходимость создания систем ИИ, поддерживающих долгосрочное развитие человека, а не краткосрочную вовлеченность. Она выделяет важность проектирования человекоцентричного ИИ, который улучшает критическое мышление, сотрудничество и благополучие, интегрируя эти цели в процесс разработки с самого начала, а не как дополнение.