Чого вдалося досягти розробникам штучного інтелекту за минулий рік? У якому напрямі продовжить рухатися індустрія ШІ? Читайте в огляді команди Pitch Avatar .
Звичка до ШІ
Почнімо з головного висновку року — індустрія ШІ сформувалася. Можна сказати, що етап дитинства вона пройшла й тепер із юнацькою енергією опановує професії та спеціалізації. Певною мірою відбулася «рутинізація» взаємин людини зі штучним інтелектом. Ми звикли використовувати його для найрізноманітніших повсякденних особистих і робочих завдань, звикли звертатися до нього по пораду з приводу й без, звикли сприймати його як просунутий пошуковик, звикли до ШІ-персонажів, звикли до спілкування з ШІ-чатботами, звикли створювати за його допомогою тексти, зображення, відео та програмне забезпечення… Коротко кажучи, головне слово року щодо ШІ — «звикли». Причому ми звикли не лише до переваг ШІ-моделей, а й до їхніх недоліків, прийнявши той факт, що вони все ще далекі від рівня, описаного в науковій фантастиці.
Промпт-інженер — професія року
На жаль, попри всі зусилля своїх творців, ШІ-моделі й досі часто помиляються. У 2025 році так і не вдалося знайти «панацею» від машинних галюцинацій. Водночас це не є приводом для похмурості чи песимізму. ШІ-моделі та ШІ-рішення поступово вдосконалюються й працюють дедалі точніше. Особливо це стосується спеціалізованих інструментів.
При цьому фахівці зазначають, що значна частина помилок штучного інтелекту пов’язана не з архітектурою чи навчанням моделей, а з тим, як перед ними формулюють завдання. Саме тому вміння правильно сформулювати запит до ШІ та проконтролювати точність виконання конкретного завдання цінується дедалі вище. Саме з цієї причини ми стверджуємо, що професія року — це промпт-інженер.
SLM замість Супер-ШІ
На розчарування техноентузіастів і радість техноскептиків у 2025 році так і не з’явилося те, що в попкультурі прийнято називати СуперШІ. Втім, у цьому немає нічого дивного. Фахівці давно попереджали, що на нинішньому рівні технологій створення сильного універсального штучного інтелекту є вкрай малоймовірним. Тож поява «мислячого ШІ, здатного виконувати всі завдання краще за найкваліфікованіших людських спеціалістів і професіоналів», знову відкладається на невизначений термін. Це, звісно, не заважає оптимістам ШІ мріяти про появу СуперШІ у 2026 році — так само, як вони мріяли про це й у попередні роки.
Натомість ми стали свідками вражаючих досягнень у розробці та вдосконаленні малих мовних моделей (SLM). Це досягнення, мабуть, не менш значуще, ніж створення великих мовних моделей. На відміну від LLM, алгоритми SLM навчаються на невеликих, ретельно відібраних масивах якісних даних. У результаті з низкою завдань вони справляються не гірше, а іноді й краще за своїх «великих» побратимів. Як приклади насамперед варто згадати серії моделей Orca 2 та Phi-3 від Microsoft.
Чому це важливо? По-перше, це просте й елегантне рішення виходу з «глухого кута зростання», про який передчасно заговорили у зв’язку з розвитком LLM. По-друге, це ефективний шлях до створення спеціалізованих ШІ-інструментів, здатних виконувати свої завдання з мінімальною кількістю помилок і збоїв.
Китайський ШІ з «відкритим кодом»
Важливою віхою 2025 року стало те, що відтепер ШІ-інструменти може створювати фактично будь-хто. Нагадаємо, що минулий рік став першим, коли китайські розробники ШІ-моделей не просто гучно заявили про себе, а й певною мірою перехопили ініціативу. Йдеться, звісно, насамперед про моделі від Deepseek. Річ навіть не в тому, що китайським розробникам вдалося навчити конкурентні моделі на порядок дешевше, ніж лідерам ринку — в цьому напрямі працюють не лише вони. Але саме Deepseek першими запропонували модель з відкритим кодом, виклавши її у вільний доступ. Їхній приклад наслідували й інші китайські розробники. Американським і європейським лідерам у цьому сенсі довелося виступати в ролі наздоганяючих.
Очікуваним результатом стало різке зростання кількості ШІ-інструментів. І очевидно, що це лише початок — перший камінець, який запускає лавину.
У цьому контексті, як ніколи раніше, важливо перевіряти надійність постачальників ШІ-рішень і якість їхніх продуктів. Насамперед це стосується захисту інформації та безпечної взаємодії з базами даних і іншим програмним забезпеченням.
ШІ-перевезення та ШІ-медицина
Раз уже зайшла мова про безпеку, саме час зазначити, що ШІ досяг достатнього рівня розвитку для масового й безпечного застосування в медицині та перевезенні людей. Наприклад, у 2025 році кількість медичних пристроїв із підтримкою ШІ, схвалених Управлінням з контролю за якістю харчових продуктів і лікарських засобів США, досягла 1,250 (у 223 році їх було 2023).
Наскільки ефективним може бути ШІ, зокрема в медичній діагностиці, яскраво демонструють моделі Xp-Bodypart-Checker і CXp-Proction-Rotation-Checker, розроблені дослідницькою групою Вищої школи медицини Столичного університету Осаки. Призначені для аналізу рентгенівських знімків, вони демонструють точність у діапазоні від 98.5% до 99.3%.
Що стосується перевезень, то минулого року і американський оператор роботаксі Waymo, і їхні китайські колеги з Apollo Go заявили про досягнення показника в чверть мільйона поїздок на тиждень. А на самому початку 2026 року NVIDIA анонсувала відкритий набір моделей Alpamayo, призначених для розробки автономних транспортних засобів із ШІ, що імітують людське мислення.
Звісно, говорити про те, що вже зовсім скоро ШІ-лікарі та ШІ-водії замінять більшість своїх біологічних колег, поки що зарано. Водночас тенденція зростання впливу штучного інтелекту в медицині та логістиці простежується доволі чітко. А головне — зростаючі темпи впровадження ШІ в галузях, що потребують особливо ретельного контролю, є хорошим маркером прогресу ШІ-роботизації.
Уміння мислити важливіше за знання
Головним досягненням 2025 року, яке визначає напрям розвитку індустрії ШІ на найближче майбутнє, стали серйозні кроки у створенні «мислячого» ШІ. Передусім варто відзначити різке зростання показників тестів MMMU, GPQA та SWE-bench — на 18.8, 48.9 і 67.3 відсоткового пункту відповідно. Нагадаємо, що ці тести створювалися насамперед для демонстрації обмежень передових систем ШІ. Після їх анонсу була досить поширеною думка, що результати за цими тестами змінюватимуться дуже повільно — на кілька балів на рік — і швидко впруться в певну технологічну межу, неподоланну для сучасних систем. Тож можна сказати, що ШІ-моделі піднесли авторам цих тестів справжній сюрприз.
Ще більшим сюрпризом стала поява моделей, які не просто шукають відповідь і компілюють дані у відповідь на запит, а генерують приховані від користувача «ланцюги міркувань», що складаються із сотень слів і понять. Концепції таких систем були представлені ще у 2024 році. У 2025-му вони — причому одразу від Google DeepMind і OpenAI — ефектно продемонстрували свої можливості, зокрема здобувши золото на Міжнародній математичній олімпіаді. Спираючись на досягнення минулого року, можна стверджувати, що концепція «навчати ШІ будувати довгі ланцюги міркувань важливіше, ніж навчати його на великих обсягах даних» отримала вагомі підтвердження. Це, звісно, не означає, що великі масиви даних будуть виключені з «навчальної програми» ШІ-моделей. Однак з урахуванням нових досягнень ці підходи буде переглянуто на користь створення систем, здатних до справжнього мислення.
Прогрес очевидний і дає підстави сподіватися, що в осяжному майбутньому він приведе до створення майже «безпомилкових» ШІ-моделей, позбавлених машинних галюцинацій.
Але найголовніше, на нашу думку, полягає в тому, що такий підхід різко розширить можливості та покращить робочі характеристики автономних ШІ-агентів. Цифрові віртуальні роботи, здатні мислити, стають мейнстримом ШІ-технологій — напрямом, який продовжить ШІ-революцію як у відеопродакшені, так і у сфері створення штучних асистентів і співробітників.
Усім успіхів і продуктивної роботи зі штучним інтелектом у Новому році! Зокрема, звісно, і з ШІ-рішеннями від нашої команди Pitch Avatar.
