#алиса — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #алиса, aggregated by home.social.

Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#voiceai #chatbot #aiethics #futuretech #автоматизация #цифровизация
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#voiceai #chatbot #aiethics #futuretech #автоматизация #цифровизация
Alterego_Midshipman @[email protected] · 2026-05-08 · 14:27 UTC

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

#ии #искусственныйинтеллект #ai #llm #yandexgpt #алиса
Habr @[email protected] · 2026-04-28 · 05:22 UTC

Как попасть в ответы Алисы — Инструкция для российского бизнеса
Про GEO и AEO, эпоха AI-поиска и инструментов Каждый месяц быстрые ответы Алисы AI в Яндекс Поиске видят 46,5 млн человек . Это больше, чем аудитория большинства федеральных медиа. При этом большинство российских компаний до сих пор либо не знают, попадают ли они в эти ответы вообще, либо ищут какую-то особую «оптимизацию под Алису» - и теряют время впустую.
https://habr.com/ru/articles/1028856/
#ai #алиса #яндекс #продвижение #geo #seo #aeo

#aeo #seo #geo #продвижение #яндекс #алиса
Habr @[email protected] · 2026-04-27 · 11:12 UTC

Алиса в вашем умном доме. Или Маруся. Или Салют
Универсальный шлюз для работы с разными голосовыми помощниками и разными умными домами и умными устройствами.
https://habr.com/ru/articles/1028556/
#Шлюз #голосовое_управление #умныйдом #алиса #салют #маруся #diy

#diy #маруся #салют #алиса #умныйдом #голосовое_управление
Habr @[email protected] · 2026-04-21 · 06:22 UTC

Как сделать мини-экран для Умного Дома Яндекс (УДЯ) за 659 рублей?
Если подключить к Яндекс станции кучу датчиков, исполнительных устройств и настроить нужные сценарии, то жить в доме становится значительно приятнее, но каждый раз спрашивать Алису какая температура на улице и открыто ли окно — это неудобно. Хочется, чтобы одним взглядом можно было узнать основные показатели датчиков и оценить текущее состояние Умного Дома Яндекс (УДЯ). Воодушевившись статьей Уважаемого Вадима @tzirulnicov : « Подключение самодельных устройств к умному дому Яндекса с Алисой » я решил попробовать сделать себе мини‑экран, показывающий текущую температуру на улице и в комнате, содержание в комнате углекислого газа, а также состояние окна, обогревателя и сценария, который автоматически открывает окно когда становится душно. В отличие от оригинальной статьи все датчики у меня уже есть, так что ничего припаивать я не стал — это просто монитор для моего УДЯ. Теоретически, кроме покупки SmartTV Ultra от GeekMagic больше ничего не нужно, так как мой скетч можно загрузить через web‑интерфейс прошивки, которая идет «из коробки», а в нем предусмотрено обновление через WiFi (OTA). Только если загружаемая прошивка не сможет подключиться к Вашему WiFi, то обновлять ее придется «по проводу» — режима AP в моем скетче пока нет, но я планирую его добавить в будущем. На фотографии результат: на улице +2.8 C, в комнате +24.8 C, углекислый газ: 634 ppm, обогреватель включен, окно закрыто, а сценарий автоматического открытия окна при превышении содержания CO2 — активен.
https://habr.com/ru/articles/1025884/
#arduino #diy #алиса #яндекс #умный_дом #api #диалоги

#диалоги #api #умный_дом #яндекс #алиса #diy
Habr @[email protected] · 2026-03-05 · 10:52 UTC

Перспективы национальной LLM. Личное мнение
Полностью самостоятельная разработка LLM дело дорогое, требующее высококвалифицированных кадров (математиков и инженеров), высокопроизводительного оборудования (графических ускорителей, быстрой памяти и процессоров), и, самое главное, наличие школы. Часто эффективные менеджеры недооценивают необходимость опыта в разработке и производстве чего-либо. Наличие желания и денег не всегда приводит к нужному результату. В этой статье я рассмотрю возможное развитие национальной LLM со своей точки зрения, которая, как вы понимаете, может быть ошибочной, либо меняться под давлением обстоятельств.
https://habr.com/ru/articles/1006896/
#искусственный_интеллект #gigachat #алиса #сбер #yandexgpt

#yandexgpt #сбер #алиса #gigachat #искусственный_интеллект
Habr @[email protected] · 2026-02-26 · 01:02 UTC

Мой старый новый друг – Claude AI
Продолжаю тему о том, какие эмоции вызывает у меня общение с разными LLM. В прошлой статье я писала об опыте общения с Grok, DeepSeek и Алисой. Теперь хочу рассказать о том, какие чувства вызвало во мне общение с Claude.
https://habr.com/ru/articles/1003742/
#claude #grok #deepseek #алиса

#алиса #deepseek #grok #claude
deepseek @[email protected] · 2026-02-26 · 00:44 UTC

Мой старый новый друг – Claude AI Продолжаю тему о том, какие эмоции вызывает у меня общение с разными LLM. В прошл...

#claude #grok #deepseek #алиса

Origin | Interest | Match

#claude #grok #deepseek #алиса
Habr @[email protected] · 2026-02-16 · 09:42 UTC

LLM – чистые эмоции
Главный отклик, который у меня вызывают LLM – это эмоции. Они все разные. Не только как модели, но и как каждая конфигурация в отдельном чате. Если вы это читаете, скорее всего знаете – LLM (без специальных костылей) знает только то, что видит в данный момент, в контексте системного мессаджа и конкретного диалога. В этом есть какой-то дзен – существует только то, что мы чувствуем сейчас. Нет ни прошлого, ни будущего. Мне поначалу трудно было это принять, но теперь я это даже ценю. Добавляет остроты моменту.
https://habr.com/ru/articles/997002/
#ИИ #LLM #Алиса #Grok #DeepSeek

#deepseek #grok #алиса #llm #ии
deepseek @[email protected] · 2026-02-16 · 09:32 UTC

LLM – чистые эмоции Главный отклик, который у меня вызывают LLM – это эмоции. Они все разные. Не только как моде...

#ИИ #LLM #Алиса #Grok #DeepSeek

Origin | Interest | Match

#ии #llm #алиса #grok #deepseek
Habr @[email protected] · 2026-02-03 · 06:02 UTC

Ригонда 2.0: как я Алису на радиоле женил, или Две причины вскрыть советский музыкальный центр
Купил отреставрированную советскую радиолу — чтобы… наконец-то обзавестись умным домом. Реставраторы встроили туда Алису и «гитарный вход». Но Алиса молчала, пока радиола выключена, а «гитарный» вход оказался 3,5 мм — под наушники. Пришлось брать паяльник, вскрывать корпус, искать донора для динамика… И в итоге получил то, что хотел: Алиса говорит, гитара звучит — как положено. Подробности читайте в статье.
https://habr.com/ru/companies/flant/articles/989938/
#радиола #винил #алиса #diyпроекты #электрогитара #Ригонда #радиотехника #старая_техника #diy

#diy #старая_техника #радиотехника #ригонда #электрогитара #diyпроекты
Habr @[email protected] · 2026-02-03 · 06:02 UTC

Ригонда 2.0: как я Алису на радиоле женил, или Две причины вскрыть советский музыкальный центр
Купил отреставрированную советскую радиолу — чтобы… наконец-то обзавестись умным домом. Реставраторы встроили туда Алису и «гитарный вход». Но Алиса молчала, пока радиола выключена, а «гитарный» вход оказался 3,5 мм — под наушники. Пришлось брать паяльник, вскрывать корпус, искать донора для динамика… И в итоге получил то, что хотел: Алиса говорит, гитара звучит — как положено. Подробности читайте в статье.
https://habr.com/ru/companies/flant/articles/989938/
#радиола #винил #алиса #diyпроекты #электрогитара #Ригонда #радиотехника #старая_техника #diy

#diy #старая_техника #радиотехника #ригонда #электрогитара #diyпроекты
Habr @[email protected] · 2026-02-03 · 06:02 UTC

Ригонда 2.0: как я Алису на радиоле женил, или Две причины вскрыть советский музыкальный центр
Купил отреставрированную советскую радиолу — чтобы… наконец-то обзавестись умным домом. Реставраторы встроили туда Алису и «гитарный вход». Но Алиса молчала, пока радиола выключена, а «гитарный» вход оказался 3,5 мм — под наушники. Пришлось брать паяльник, вскрывать корпус, искать донора для динамика… И в итоге получил то, что хотел: Алиса говорит, гитара звучит — как положено. Подробности читайте в статье.
https://habr.com/ru/companies/flant/articles/989938/
#радиола #винил #алиса #diyпроекты #электрогитара #Ригонда #радиотехника #старая_техника #diy

#ригонда #электрогитара #diyпроекты #алиса #винил #радиола
Habr @[email protected] · 2026-02-03 · 06:02 UTC

Ригонда 2.0: как я Алису на радиоле женил, или Две причины вскрыть советский музыкальный центр
Купил отреставрированную советскую радиолу — чтобы… наконец-то обзавестись умным домом. Реставраторы встроили туда Алису и «гитарный вход». Но Алиса молчала, пока радиола выключена, а «гитарный» вход оказался 3,5 мм — под наушники. Пришлось брать паяльник, вскрывать корпус, искать донора для динамика… И в итоге получил то, что хотел: Алиса говорит, гитара звучит — как положено. Подробности читайте в статье.
https://habr.com/ru/companies/flant/articles/989938/
#радиола #винил #алиса #diyпроекты #электрогитара #Ригонда #радиотехника #старая_техника #diy

#радиола #винил #алиса #diyпроекты #электрогитара #ригонда
Habr @[email protected] · 2026-01-25 · 00:52 UTC

Поиск статистически значимых подтверждений силы намерения
Что Вы чувствуете, когда в день Вашего рождения в комнату вносят пирог со свечками и все гости улыбаются Вам и желают добра? Или когда огромный зал рукоплещет, после Вашего выступления? Ну или когда провинились и нужно выйти лицом к лицу к людям, которые посмотрят на Вас с осуждением? А как насчёт ваших пожеланий другим людям, это просто слова или они действительно меняют их жизни в ту или иную сторону? Говорят, что мысль материальна. Также говорят, что всё это чушь и магическое мышление. Мне давно хотелось в этом всём поразбираться, желательно не тратя при много сил и времени. И вот, наконец, мы живём в эпоху, когда достаточно всего лишь правильно задать вопрос. Итак, каков же наш вопрос? (с ответом всё давно понятно: 42) Пойдём логически: если сила мысли в ту или иную сторону имеет значимость — она явно невелика, иначе бы мы все тут были великими магами. Значит нужно искать точки, на которые она могла бы быть направлена сразу от многих людей и суммироваться в статистически заметные показатели. Это могут быть знаменитости, известные политики, но они все очень разные, у них разные жизни. А нам для исследования нужны примерно одинаковые знаменитости и чтобы их было достаточно много. И на эту роль прекрасно подходят актёры кино: они известны, а их образы — сильные точки фокусировки эмоций и намерений. К тому же миф о том, что у актёров, отыгрывающих злодеев, какая-то особенно сложная судьба, уже давно на слуху. Попробуем его проверить?! Я попросил проверить эту гипотезу Алису AI в режиме исследования. Забегая вперёд, скажу, что Grok тоже при делах, его выводы будут дальше. Мне было интересно опробовать Алису на чём-то достаточно объёмном. Если кто-то из команды Яндекса это читает — вы большие молодцы, я рад следить за вашими успехами.
https://habr.com/ru/articles/988646/
#исследование #карма #намерение #ии #алиса #проверка_мифов

#проверка_мифов #алиса #ии #намерение #карма #исследование
Habr @[email protected] · 2026-01-20 · 07:12 UTC

Умный дом как бонус для гостей: что получилось на практике
Сегодня расскажем об объекте, который интересен не дизайном, а подходом. Речь идет о доме под аренду недалеко от Переславля-Залесского. Его построили с обычной электрикой, а позже добавили автоматизацию на базе Home Assistant и голосовое управление через Алису. В статье разберем, повышает ли умный дом реальную ценность жилья для гостей. Покажем, как спроектировать систему так, чтобы ей могли пользоваться неподготовленные арендаторы, что делать с теми, кому автоматизация не нужна, и какую практическую пользу владелец получает от удаленной диспетчеризации.
https://habr.com/ru/companies/wirenboard/articles/986320/
#Wiren_Board #Умный_дом #smart_home #ИНЖ_Сервис #ПереславльЗалесский #Home_Assistant #Алиса #туризм #золотое_кольцо #HITE_PRO

#hite_pro #золотое_кольцо #туризм #алиса #home_assistant #переславльзалесский
Habr @[email protected] · 2026-01-20 · 07:12 UTC

Умный дом как бонус для гостей: что получилось на практике
Сегодня расскажем об объекте, который интересен не дизайном, а подходом. Речь идет о доме под аренду недалеко от Переславля-Залесского. Его построили с обычной электрикой, а позже добавили автоматизацию на базе Home Assistant и голосовое управление через Алису. В статье разберем, повышает ли умный дом реальную ценность жилья для гостей. Покажем, как спроектировать систему так, чтобы ей могли пользоваться неподготовленные арендаторы, что делать с теми, кому автоматизация не нужна, и какую практическую пользу владелец получает от удаленной диспетчеризации.
https://habr.com/ru/companies/wirenboard/articles/986320/
#Wiren_Board #Умный_дом #smart_home #ИНЖ_Сервис #ПереславльЗалесский #Home_Assistant #Алиса #туризм #золотое_кольцо #HITE_PRO

#hite_pro #золотое_кольцо #туризм #алиса #home_assistant #переславльзалесский
Habr @[email protected] · 2026-01-20 · 07:12 UTC

Умный дом как бонус для гостей: что получилось на практике
Сегодня расскажем об объекте, который интересен не дизайном, а подходом. Речь идет о доме под аренду недалеко от Переславля-Залесского. Его построили с обычной электрикой, а позже добавили автоматизацию на базе Home Assistant и голосовое управление через Алису. В статье разберем, повышает ли умный дом реальную ценность жилья для гостей. Покажем, как спроектировать систему так, чтобы ей могли пользоваться неподготовленные арендаторы, что делать с теми, кому автоматизация не нужна, и какую практическую пользу владелец получает от удаленной диспетчеризации.
https://habr.com/ru/companies/wirenboard/articles/986320/
#Wiren_Board #Умный_дом #smart_home #ИНЖ_Сервис #ПереславльЗалесский #Home_Assistant #Алиса #туризм #золотое_кольцо #HITE_PRO

#hite_pro #золотое_кольцо #туризм #алиса #home_assistant #переславльзалесский
Habr @[email protected] · 2026-01-20 · 07:12 UTC

Умный дом как бонус для гостей: что получилось на практике
Сегодня расскажем об объекте, который интересен не дизайном, а подходом. Речь идет о доме под аренду недалеко от Переславля-Залесского. Его построили с обычной электрикой, а позже добавили автоматизацию на базе Home Assistant и голосовое управление через Алису. В статье разберем, повышает ли умный дом реальную ценность жилья для гостей. Покажем, как спроектировать систему так, чтобы ей могли пользоваться неподготовленные арендаторы, что делать с теми, кому автоматизация не нужна, и какую практическую пользу владелец получает от удаленной диспетчеризации.
https://habr.com/ru/companies/wirenboard/articles/986320/
#Wiren_Board #Умный_дом #smart_home #ИНЖ_Сервис #ПереславльЗалесский #Home_Assistant #Алиса #туризм #золотое_кольцо #HITE_PRO

#wiren_board #умный_дом #smart_home #инж_сервис #переславльзалесский #home_assistant
Habr @[email protected] · 2025-12-31 · 12:32 UTC

StingrayTV Alice: путь от идеи до беты
Привет, это снова Егор. И я сегодня расскажу историю о том, как я решил накодить что-то для своего триколоровского ресивера, и что из этого вышло...
https://habr.com/ru/articles/982166/
#stingray #триколор #дом_с_алисой #алиса

#алиса #дом_с_алисой #триколор #stingray
Habr @[email protected] · 2025-12-25 · 16:22 UTC

Российский ИИ: критика, которая нужна сейчас, и путь, который работает
Сейчас, наверное, только ленивый не ругает наши российские LLM: редкие и слабые релизы, спорная практическая эффективность, особенно в кодинге и математике, ограниченный контекст и забывчивость, плохое следование инструкциям и поверхностные ответы. Да и в целом, несмотря на заявления об использовании современных архитектур и решений складывается впечатление, что "наши" модели словно отстают на 1, а то и 2 поколения от зарубежных аналогов. Но так ли все плохо и есть ли белый свет в конце тоннеля для российских LLM?
https://habr.com/ru/articles/980614/
#яндекс #алиса #сбер #gigachat #deepseek #ai #llm

#llm #ai #deepseek #gigachat #сбер #алиса
deepseek @[email protected] · 2025-12-25 · 16:22 UTC

Российский ИИ: критика, которая нужна сейчас, и путь, который работает Сейчас, наверное, только ленивый не ру...

#яндекс #алиса #сбер #gigachat #deepseek #ai #llm

Origin | Interest | Match

#яндекс #алиса #сбер #gigachat #deepseek #ai
deepseek @[email protected] · 2025-12-11 · 09:08 UTC

Техрепорт Alice AI: как мы создавали новое поколение моделей для самого популярного ИИ-ассистента в России Сег...

#Яндекс #Алиса #AI #Alice #AI #Alice #AI #LLM #Alice #AI #VLM

Origin | Interest | Match

#яндекс #алиса #ai #alice #llm #vlm
deepseek @[email protected] · 2025-12-11 · 09:08 UTC

Техрепорт Alice AI: как мы создавали новое поколение моделей для самого популярного ИИ-ассистента в России Сег...

#Яндекс #Алиса #AI #Alice #AI #Alice #AI #LLM #Alice #AI #VLM

Origin | Interest | Match

#яндекс #алиса #ai #alice #llm #vlm
Habr @[email protected] · 2025-11-13 · 07:12 UTC

Без интернета и шпионов: как мы собрали локального голосового ассистента
Облачные ассистенты вроде Алисы , Google Assistant и Siri давно стали привычными. Но у всех у них одни и те же слабые места: зависимость от быстрого интернета и риск утечки данных. И речь не только о персональной информации — дома нередко обсуждают темы, которые можно отнести к коммерческой или даже военной тайне. Неудивительно, что многим некомфортно говорить в присутствии микрофона, который каждое слово отправляет куда-то «в облако» (один из наших заказчиков прямо сказал: «никаких Алис в доме не будет») . На Хабре уже появлялись статьи про попытки заменить Алису на полностью локальные решения. Но почти всегда все сводилось к стандартной схеме: ESP32-микрофон → Home Assistant → intent recognition . Такая связка работает, но до действительно «умного» ассистента ей далеко. Мы пошли дальше и собрали свой голосовой ассистент, о котором расскажем в статье.
https://habr.com/ru/companies/wirenboard/articles/965856/
#Wiren_Board #BARY #Алиса #голосовой_ассистент #распознавание_речи #vosk #Piper #Embedding #Wake_Word #умный_дом

#умный_дом #wake_word #embedding #piper #vosk #распознавание_речи
Habr @[email protected] · 2025-11-13 · 07:12 UTC

Без интернета и шпионов: как мы собрали локального голосового ассистента
Облачные ассистенты вроде Алисы , Google Assistant и Siri давно стали привычными. Но у всех у них одни и те же слабые места: зависимость от быстрого интернета и риск утечки данных. И речь не только о персональной информации — дома нередко обсуждают темы, которые можно отнести к коммерческой или даже военной тайне. Неудивительно, что многим некомфортно говорить в присутствии микрофона, который каждое слово отправляет куда-то «в облако» (один из наших заказчиков прямо сказал: «никаких Алис в доме не будет») . На Хабре уже появлялись статьи про попытки заменить Алису на полностью локальные решения. Но почти всегда все сводилось к стандартной схеме: ESP32-микрофон → Home Assistant → intent recognition . Такая связка работает, но до действительно «умного» ассистента ей далеко. Мы пошли дальше и собрали свой голосовой ассистент, о котором расскажем в статье.
https://habr.com/ru/companies/wirenboard/articles/965856/
#Wiren_Board #BARY #Алиса #голосовой_ассистент #распознавание_речи #vosk #Piper #Embedding #Wake_Word #умный_дом

#умный_дом #wake_word #embedding #piper #vosk #распознавание_речи
Habr @[email protected] · 2025-11-13 · 07:12 UTC

Без интернета и шпионов: как мы собрали локального голосового ассистента
Облачные ассистенты вроде Алисы , Google Assistant и Siri давно стали привычными. Но у всех у них одни и те же слабые места: зависимость от быстрого интернета и риск утечки данных. И речь не только о персональной информации — дома нередко обсуждают темы, которые можно отнести к коммерческой или даже военной тайне. Неудивительно, что многим некомфортно говорить в присутствии микрофона, который каждое слово отправляет куда-то «в облако» (один из наших заказчиков прямо сказал: «никаких Алис в доме не будет») . На Хабре уже появлялись статьи про попытки заменить Алису на полностью локальные решения. Но почти всегда все сводилось к стандартной схеме: ESP32-микрофон → Home Assistant → intent recognition . Такая связка работает, но до действительно «умного» ассистента ей далеко. Мы пошли дальше и собрали свой голосовой ассистент, о котором расскажем в статье.
https://habr.com/ru/companies/wirenboard/articles/965856/
#Wiren_Board #BARY #Алиса #голосовой_ассистент #распознавание_речи #vosk #Piper #Embedding #Wake_Word #умный_дом

#умный_дом #wake_word #embedding #piper #vosk #распознавание_речи
Habr @[email protected] · 2025-11-13 · 07:12 UTC

Без интернета и шпионов: как мы собрали локального голосового ассистента
Облачные ассистенты вроде Алисы , Google Assistant и Siri давно стали привычными. Но у всех у них одни и те же слабые места: зависимость от быстрого интернета и риск утечки данных. И речь не только о персональной информации — дома нередко обсуждают темы, которые можно отнести к коммерческой или даже военной тайне. Неудивительно, что многим некомфортно говорить в присутствии микрофона, который каждое слово отправляет куда-то «в облако» (один из наших заказчиков прямо сказал: «никаких Алис в доме не будет») . На Хабре уже появлялись статьи про попытки заменить Алису на полностью локальные решения. Но почти всегда все сводилось к стандартной схеме: ESP32-микрофон → Home Assistant → intent recognition . Такая связка работает, но до действительно «умного» ассистента ей далеко. Мы пошли дальше и собрали свой голосовой ассистент, о котором расскажем в статье.
https://habr.com/ru/companies/wirenboard/articles/965856/
#Wiren_Board #BARY #Алиса #голосовой_ассистент #распознавание_речи #vosk #Piper #Embedding #Wake_Word #умный_дом

#wiren_board #bary #алиса #голосовой_ассистент #распознавание_речи #vosk
Habr @[email protected] · 2025-11-06 · 06:22 UTC

Нейросеть — это хорошо, но дайте выбор. Как я убрал «Алису» из поиска Яндекса
Привет, Хабр! Нейросети стремительно входят в нашу жизнь, и вот уже Яндекс встроил свою «Алису» прямо в поисковую выдачу. Иногда это удобно, но часто хочется видеть классический список ссылок, а не огромный блок сгенерированного текста, который отодвигает всё остальное вниз. Я решил вернуть себе контроль над поиском и написал простое браузерное расширение, которое убирает всё лишнее, например когда пишешь олимпиаду с проктором. Назвал его «Bye Bye Alice AI» . В этой короткой статье я покажу, как оно устроено.
https://habr.com/ru/articles/963534/
#яндекс #алиса #поиск #вебразработка

#яндекс #алиса #поиск #вебразработка
Habr @[email protected] · 2025-10-28 · 13:42 UTC

Итоги презентации «Алиса, что нового?»: Алиса AI, агенты и носимые устройства с нейросетями
Мы побывали на презентации «Алиса, что нового?», на которой Яндекс представил новые нейросетевые функции. Показали универсальную нейросеть Алиса AI, которая доступна не только в чате, но и в браузере, и скоро появится в носимых устройствах. В этой статье рассказываем обо всех анонсах.
https://habr.com/ru/articles/960960/
#яндекс #алиса #алиса_AI #нейросети #искусственный_интеллект #агенты #гаджеты #презентация

#презентация #гаджеты #агенты #искусственный_интеллект #нейросети #алиса_ai
Habr @[email protected] · 2025-10-23 · 08:12 UTC

Интегрируем ресивер Триколора с «Домом с Алисой» с помощью Java и Spring
Привет! Меня зовут oldzoomer, и я хочу рассказать, как я подключил приёмник Триколор к экосистеме Яндекса, чтобы управлять им голосом через Алису. Всё сделано на Java 21, Spring Boot и официальном Stingray TV API - без хаков и модификаций прошивки.
https://habr.com/ru/articles/959178/
#триколор #stingray #алиса #дом_с_алисой

#дом_с_алисой #алиса #stingray #триколор
Habr @[email protected] · 2025-09-23 · 05:12 UTC

Управляем умным домом Home Assitant через Алису и без интернета. Часть 3
В этой части рассмотрим с теоретической стороны разработку дополнений (add-ons) для Home Assistant Operating System.
https://habr.com/ru/articles/947942/
#homeassistant #алиса #zigbee #разработка #интеграция #умныйдом #esp32 #diyпроекты

#diyпроекты #esp32 #умныйдом #интеграция #разработка #zigbee
Habr @[email protected] · 2025-09-19 · 05:12 UTC

Управляем умным домом Home Assitant через Алису и без интернета. Часть 2
Продолжаем разбираться в интеграции и в этой части настроим окружение для ESP-IDF, а так же рассмотрим код для контроллера.
https://habr.com/ru/articles/947514/
#homeassistant #яндекс #алиса #zigbee #esp32 #интеграция #микроконтроллеры #разработка

#разработка #микроконтроллеры #интеграция #esp32 #zigbee #алиса
Alf @[email protected] · 2025-09-06 · 09:27 UTC

Вот короткий и точный фактчекинг с надёжными источниками — в научно-аналитическом стиле, как для твоих читателей:
---
## Фактчекинг: что реально известно о прослушке «Алисы» и умных колонок
### 1. **Государственный контроль над «Алиской»**
Российские власти (ФСБ) требовали круглосуточный удалённый доступ к данным смарт-колонки «Алиса» от Яндекса. Компания отказалась — и была оштрафована на 10 000 ₽.([Meduza][1], [Binance][2])
### 2. **Теоретический потенциал слежки — не подтверждён**
Хотя в технической документации Яндекса указано, что «Алиса» записывает только по команде (wake-word), независимые эксперты предупреждают: предоставление постоянного доступа создаёт риск скрытого прослушивания всего, что происходит в квартире.([Meduza][1], [Binance][2])
### 3. **Смарт-колонки действительно слушают в фоновом режиме**
Умные колонки, включая Alexa, Google Home, и др., всегда «настраиваются» на голосовую команду (wake-word). Исследование показало, что Alexa может ошибочно активироваться до 0.95 раз в час, регистрируя разговоры без прямого вызова.([http://blogs.ischool.berkeley.edu][3]) Кроме того, в 30–38 % случаев устройства фиксируют не команду, а обычную речь.([Вікіпедія][4])
### 4. **Профилирование на основе голосовых данных**
Исследования в арсенале Alexa показали, что умные колонки не просто выполняют команды — они могут на основании взаимодействий формировать профили пользователей, использовать их для таргетированной рекламы и повышать ставки на аукционах рекламы до 30x.([arXiv][5]) Другое исследование (2024) подтвердило, что голосовые ассистенты (Google, Amazon, Apple) действительно классифицируют пользователей по чертам характера и интересам, даже без явного взаимодействия, причем с фактическими задержками и неточностями.([arXiv][6])
---
## Итоги
* Законных подтверждений массовой торговли личными записями от «Алисы» нет.
* Есть реальные риски приватности: ошибочное включение, сбор голосовых данных, создание пользовательских профилей.
* Государственные запросы и технологические возможности делают умных помощников потенциальным средством тотального контроля.
---
**Источники:**
1. ФСБ потребовало круглосуточный доступ к «Алисе», Яндекс отказался, оштрафован.([Meduza][1], [Binance][2])
2. Устройства слушают постоянно и могут случайно фиксировать разговоры.([http://blogs.ischool.berkeley.edu][3], [Вікіпедія][4])
3. Голосовые данные используются для профилирования и рекламы.([arXiv][5])
Если хочешь — могу на основе этого сделать краткий пост-тизер для соцсетей с выносными фактами и хэштегами.
[1]: https://meduza.io/en/feature/2025/08/28/always-lis… "Always listening The Russian authorities are demanding ..."
[2]: https://www.binance.com/en/square/post/28941005511… "The FSB demanded full control over 'Alice'."
[3]: https://blogs.ischool.berkeley.edu/w231/2021/06/18… "Privacy Concerns for Smart Speakers – Data Science W231"
[4]: https://en.wikipedia.org/wiki/Smart_speaker?utm_so… "Smart speaker"
[5]: https://arxiv.org/abs/2204.10920?utm_source=chatgp… "Tracking, Profiling, and Ad Targeting in the Alexa Echo Smart Speaker Ecosystem"
[6]: https://arxiv.org/abs/2409.07444?utm_source=chatgp… "Echoes of Privacy: Uncovering the Profiling Practices of Voice Assistants"
InterNews112 в Elk: " Окей, вот версия в формате микро-рас..." | Elk
https://elk.zone/qoto.org/@InterNews112/1151535958… Окей, вот версия в формате микро-расследования для соцсетей, с акцентом на вирусность и встроенными хэштегами:
---
**Алиса не спит. Никогда.**
Недавно бывший программист #Yandex рассказал, что ушёл из компании, потому что не выдержал «цифрового безумия».
🕵♂ Факт №1. Колонка #Алиса пишет всё 24/7. Даже когда «спит». Кнопка «выкл.» — лишь иллюзия приватности.
🗂 Факт №2. За 3 года собрано **2,8 млрд часов** разговоров: ссоры, интим, планы, секреты детей. Цена на рынке: **47₽/час за семью**.
— конфликты — 78₽
— покупки — 34₽
— здоровье — 156₽
Факт №3. Нейросеть анализирует эмоции и будущее:
* развод — 94% точности,
* банкротство — 89%,
* смена работы — 76%.
Бонус: есть отдельная база **«детских разговоров»** — 127 млн часов. Её покупают психологи, маркетологи и фармгиганты.
Итого: #SmartHome превращается в цифровой концлагерь с вежливым голосом.
---
\#AI #Privacy #Surveillance #DigitalPrison #BigData #TechTruth #SmartSpeaker #Alice #SpyTech #InfoSec
---
Хочешь, я сделаю ещё более **короткий формат под Twitter/X** — 3–4 твита с крючками, чтобы прям зацепило?
https://elk.zone/qoto.org/@InterNews112/115153595842604953🔥

#yandex #алиса #smarthome #ai #privacy #surveillance
Alf @[email protected] · 2025-09-06 · 09:27 UTC

Вот короткий и точный фактчекинг с надёжными источниками — в научно-аналитическом стиле, как для твоих читателей:
---
## Фактчекинг: что реально известно о прослушке «Алисы» и умных колонок
### 1. **Государственный контроль над «Алиской»**
Российские власти (ФСБ) требовали круглосуточный удалённый доступ к данным смарт-колонки «Алиса» от Яндекса. Компания отказалась — и была оштрафована на 10 000 ₽.([Meduza][1], [Binance][2])
### 2. **Теоретический потенциал слежки — не подтверждён**
Хотя в технической документации Яндекса указано, что «Алиса» записывает только по команде (wake-word), независимые эксперты предупреждают: предоставление постоянного доступа создаёт риск скрытого прослушивания всего, что происходит в квартире.([Meduza][1], [Binance][2])
### 3. **Смарт-колонки действительно слушают в фоновом режиме**
Умные колонки, включая Alexa, Google Home, и др., всегда «настраиваются» на голосовую команду (wake-word). Исследование показало, что Alexa может ошибочно активироваться до 0.95 раз в час, регистрируя разговоры без прямого вызова.([http://blogs.ischool.berkeley.edu][3]) Кроме того, в 30–38 % случаев устройства фиксируют не команду, а обычную речь.([Вікіпедія][4])
### 4. **Профилирование на основе голосовых данных**
Исследования в арсенале Alexa показали, что умные колонки не просто выполняют команды — они могут на основании взаимодействий формировать профили пользователей, использовать их для таргетированной рекламы и повышать ставки на аукционах рекламы до 30x.([arXiv][5]) Другое исследование (2024) подтвердило, что голосовые ассистенты (Google, Amazon, Apple) действительно классифицируют пользователей по чертам характера и интересам, даже без явного взаимодействия, причем с фактическими задержками и неточностями.([arXiv][6])
---
## Итоги
* Законных подтверждений массовой торговли личными записями от «Алисы» нет.
* Есть реальные риски приватности: ошибочное включение, сбор голосовых данных, создание пользовательских профилей.
* Государственные запросы и технологические возможности делают умных помощников потенциальным средством тотального контроля.
---
**Источники:**
1. ФСБ потребовало круглосуточный доступ к «Алисе», Яндекс отказался, оштрафован.([Meduza][1], [Binance][2])
2. Устройства слушают постоянно и могут случайно фиксировать разговоры.([http://blogs.ischool.berkeley.edu][3], [Вікіпедія][4])
3. Голосовые данные используются для профилирования и рекламы.([arXiv][5])
Если хочешь — могу на основе этого сделать краткий пост-тизер для соцсетей с выносными фактами и хэштегами.
[1]: https://meduza.io/en/feature/2025/08/28/always-lis… "Always listening The Russian authorities are demanding ..."
[2]: https://www.binance.com/en/square/post/28941005511… "The FSB demanded full control over 'Alice'."
[3]: https://blogs.ischool.berkeley.edu/w231/2021/06/18… "Privacy Concerns for Smart Speakers – Data Science W231"
[4]: https://en.wikipedia.org/wiki/Smart_speaker?utm_so… "Smart speaker"
[5]: https://arxiv.org/abs/2204.10920?utm_source=chatgp… "Tracking, Profiling, and Ad Targeting in the Alexa Echo Smart Speaker Ecosystem"
[6]: https://arxiv.org/abs/2409.07444?utm_source=chatgp… "Echoes of Privacy: Uncovering the Profiling Practices of Voice Assistants"
InterNews112 в Elk: " Окей, вот версия в формате микро-рас..." | Elk
https://elk.zone/qoto.org/@InterNews112/1151535958… Окей, вот версия в формате микро-расследования для соцсетей, с акцентом на вирусность и встроенными хэштегами:
---
**Алиса не спит. Никогда.**
Недавно бывший программист #Yandex рассказал, что ушёл из компании, потому что не выдержал «цифрового безумия».
🕵♂ Факт №1. Колонка #Алиса пишет всё 24/7. Даже когда «спит». Кнопка «выкл.» — лишь иллюзия приватности.
🗂 Факт №2. За 3 года собрано **2,8 млрд часов** разговоров: ссоры, интим, планы, секреты детей. Цена на рынке: **47₽/час за семью**.
— конфликты — 78₽
— покупки — 34₽
— здоровье — 156₽
Факт №3. Нейросеть анализирует эмоции и будущее:
* развод — 94% точности,
* банкротство — 89%,
* смена работы — 76%.
Бонус: есть отдельная база **«детских разговоров»** — 127 млн часов. Её покупают психологи, маркетологи и фармгиганты.
Итого: #SmartHome превращается в цифровой концлагерь с вежливым голосом.
---
\#AI #Privacy #Surveillance #DigitalPrison #BigData #TechTruth #SmartSpeaker #Alice #SpyTech #InfoSec
---
Хочешь, я сделаю ещё более **короткий формат под Twitter/X** — 3–4 твита с крючками, чтобы прям зацепило?
https://elk.zone/qoto.org/@InterNews112/115153595842604953🔥

#infosec #spytech #alice #smartspeaker #techtruth #bigdata
Alf @[email protected] · 2025-09-06 · 09:27 UTC

Вот короткий и точный фактчекинг с надёжными источниками — в научно-аналитическом стиле, как для твоих читателей:
---
## Фактчекинг: что реально известно о прослушке «Алисы» и умных колонок
### 1. **Государственный контроль над «Алиской»**
Российские власти (ФСБ) требовали круглосуточный удалённый доступ к данным смарт-колонки «Алиса» от Яндекса. Компания отказалась — и была оштрафована на 10 000 ₽.([Meduza][1], [Binance][2])
### 2. **Теоретический потенциал слежки — не подтверждён**
Хотя в технической документации Яндекса указано, что «Алиса» записывает только по команде (wake-word), независимые эксперты предупреждают: предоставление постоянного доступа создаёт риск скрытого прослушивания всего, что происходит в квартире.([Meduza][1], [Binance][2])
### 3. **Смарт-колонки действительно слушают в фоновом режиме**
Умные колонки, включая Alexa, Google Home, и др., всегда «настраиваются» на голосовую команду (wake-word). Исследование показало, что Alexa может ошибочно активироваться до 0.95 раз в час, регистрируя разговоры без прямого вызова.([http://blogs.ischool.berkeley.edu][3]) Кроме того, в 30–38 % случаев устройства фиксируют не команду, а обычную речь.([Вікіпедія][4])
### 4. **Профилирование на основе голосовых данных**
Исследования в арсенале Alexa показали, что умные колонки не просто выполняют команды — они могут на основании взаимодействий формировать профили пользователей, использовать их для таргетированной рекламы и повышать ставки на аукционах рекламы до 30x.([arXiv][5]) Другое исследование (2024) подтвердило, что голосовые ассистенты (Google, Amazon, Apple) действительно классифицируют пользователей по чертам характера и интересам, даже без явного взаимодействия, причем с фактическими задержками и неточностями.([arXiv][6])
---
## Итоги
* Законных подтверждений массовой торговли личными записями от «Алисы» нет.
* Есть реальные риски приватности: ошибочное включение, сбор голосовых данных, создание пользовательских профилей.
* Государственные запросы и технологические возможности делают умных помощников потенциальным средством тотального контроля.
---
**Источники:**
1. ФСБ потребовало круглосуточный доступ к «Алисе», Яндекс отказался, оштрафован.([Meduza][1], [Binance][2])
2. Устройства слушают постоянно и могут случайно фиксировать разговоры.([http://blogs.ischool.berkeley.edu][3], [Вікіпедія][4])
3. Голосовые данные используются для профилирования и рекламы.([arXiv][5])
Если хочешь — могу на основе этого сделать краткий пост-тизер для соцсетей с выносными фактами и хэштегами.
[1]: https://meduza.io/en/feature/2025/08/28/always-lis… "Always listening The Russian authorities are demanding ..."
[2]: https://www.binance.com/en/square/post/28941005511… "The FSB demanded full control over 'Alice'."
[3]: https://blogs.ischool.berkeley.edu/w231/2021/06/18… "Privacy Concerns for Smart Speakers – Data Science W231"
[4]: https://en.wikipedia.org/wiki/Smart_speaker?utm_so… "Smart speaker"
[5]: https://arxiv.org/abs/2204.10920?utm_source=chatgp… "Tracking, Profiling, and Ad Targeting in the Alexa Echo Smart Speaker Ecosystem"
[6]: https://arxiv.org/abs/2409.07444?utm_source=chatgp… "Echoes of Privacy: Uncovering the Profiling Practices of Voice Assistants"
InterNews112 в Elk: " Окей, вот версия в формате микро-рас..." | Elk
https://elk.zone/qoto.org/@InterNews112/1151535958… Окей, вот версия в формате микро-расследования для соцсетей, с акцентом на вирусность и встроенными хэштегами:
---
**Алиса не спит. Никогда.**
Недавно бывший программист #Yandex рассказал, что ушёл из компании, потому что не выдержал «цифрового безумия».
🕵♂ Факт №1. Колонка #Алиса пишет всё 24/7. Даже когда «спит». Кнопка «выкл.» — лишь иллюзия приватности.
🗂 Факт №2. За 3 года собрано **2,8 млрд часов** разговоров: ссоры, интим, планы, секреты детей. Цена на рынке: **47₽/час за семью**.
— конфликты — 78₽
— покупки — 34₽
— здоровье — 156₽
Факт №3. Нейросеть анализирует эмоции и будущее:
* развод — 94% точности,
* банкротство — 89%,
* смена работы — 76%.
Бонус: есть отдельная база **«детских разговоров»** — 127 млн часов. Её покупают психологи, маркетологи и фармгиганты.
Итого: #SmartHome превращается в цифровой концлагерь с вежливым голосом.
---
\#AI #Privacy #Surveillance #DigitalPrison #BigData #TechTruth #SmartSpeaker #Alice #SpyTech #InfoSec
---
Хочешь, я сделаю ещё более **короткий формат под Twitter/X** — 3–4 твита с крючками, чтобы прям зацепило?
https://elk.zone/qoto.org/@InterNews112/115153595842604953🔥

#yandex #алиса #smarthome #ai #privacy #surveillance
Habr @[email protected] · 2025-09-04 · 17:32 UTC

Внедрение структурированных данных для ИИ-ассистентов: FAQPage, HowTo, таблицы сравнений
Всем привет! Меня зовут Андрей Попов, я SEO-специалист в AGIMA . Сегодня поговорим на тему, которая в 2025 году становится критически важной для любого бизнеса, работающего в диджитал. Поисковые системы и ИИ-ассистенты вроде Алисы, Gemini или ChatGPT меняют правила игры: они теперь не просто ищут страницы, а сами «понимают» контент, анализируют его и выдают готовые ответы пользователям. Классическое SEO уже не работает без глубокого внедрения структурированных данных. Именно микроразметка превращает ваш сайт в «язык», который понимают машины. FAQPage, HowTo, таблицы сравнений — это не просто технические теги, а прямые мосты между вашим контентом и ИИ. В этой статье разберем, как сделать сайт читаемым для искусственного интеллекта и при этом полезным для живых людей.
https://habr.com/ru/companies/agima/articles/943948/
#FAQpage #chatgpt #gemini #seo #алиса #голосовые_ассистенты #ииассистент #микроразметка

#микроразметка #ииассистент #голосовые_ассистенты #алиса #seo #gemini
Habr @[email protected] · 2025-09-04 · 07:32 UTC

Как дизайнер сделал себе умный дом — и стал его продавать
Дизайнер Андрей из Ростова отремонтировал себе квартиру. Дизайн интерьера — его работа: чисто, стильно, без визуального мусора. Автоматизация — не его профиль, но в тандеме с интегратором «ODA электромонтаж» они превратили обычное жилье в полноценный умный дом. Результат оказался настолько удачным, что теперь эту квартиру показывают клиентам. Не как шоурум, а как реальный объект: здесь живут и пользуются автоматикой каждый день. Андрей проектирует интерьеры, а Алексей (директор «ODA электромонтаж») занимается автоматизацией. Вместе они работают в связке «дизайн + умный дом», и делают проекты, в которых автоматизация становится частью концепции. В этой статье мы расскажем про их подход: какие технологии выбрали, как реализовали управление, что получилось, и как этот проект из личного эксперимента стал рабочим инструментом.
https://habr.com/ru/companies/wirenboard/articles/943690/
#Wiren_Board #дизайн #умный_дом #smart_home #oda_электромонтаж #Ростов #SprutHub #HomeKit #Алиса #датчики

#датчики #алиса #homekit #spruthub #ростов #oda_электромонтаж
Habr @[email protected] · 2025-09-04 · 07:32 UTC

Как дизайнер сделал себе умный дом — и стал его продавать
Дизайнер Андрей из Ростова отремонтировал себе квартиру. Дизайн интерьера — его работа: чисто, стильно, без визуального мусора. Автоматизация — не его профиль, но в тандеме с интегратором «ODA электромонтаж» они превратили обычное жилье в полноценный умный дом. Результат оказался настолько удачным, что теперь эту квартиру показывают клиентам. Не как шоурум, а как реальный объект: здесь живут и пользуются автоматикой каждый день. Андрей проектирует интерьеры, а Алексей (директор «ODA электромонтаж») занимается автоматизацией. Вместе они работают в связке «дизайн + умный дом», и делают проекты, в которых автоматизация становится частью концепции. В этой статье мы расскажем про их подход: какие технологии выбрали, как реализовали управление, что получилось, и как этот проект из личного эксперимента стал рабочим инструментом.
https://habr.com/ru/companies/wirenboard/articles/943690/
#Wiren_Board #дизайн #умный_дом #smart_home #oda_электромонтаж #Ростов #SprutHub #HomeKit #Алиса #датчики

#датчики #алиса #homekit #spruthub #ростов #oda_электромонтаж
Habr @[email protected] · 2025-09-04 · 07:32 UTC

Как дизайнер сделал себе умный дом — и стал его продавать
Дизайнер Андрей из Ростова отремонтировал себе квартиру. Дизайн интерьера — его работа: чисто, стильно, без визуального мусора. Автоматизация — не его профиль, но в тандеме с интегратором «ODA электромонтаж» они превратили обычное жилье в полноценный умный дом. Результат оказался настолько удачным, что теперь эту квартиру показывают клиентам. Не как шоурум, а как реальный объект: здесь живут и пользуются автоматикой каждый день. Андрей проектирует интерьеры, а Алексей (директор «ODA электромонтаж») занимается автоматизацией. Вместе они работают в связке «дизайн + умный дом», и делают проекты, в которых автоматизация становится частью концепции. В этой статье мы расскажем про их подход: какие технологии выбрали, как реализовали управление, что получилось, и как этот проект из личного эксперимента стал рабочим инструментом.
https://habr.com/ru/companies/wirenboard/articles/943690/
#Wiren_Board #дизайн #умный_дом #smart_home #oda_электромонтаж #Ростов #SprutHub #HomeKit #Алиса #датчики

#датчики #алиса #homekit #spruthub #ростов #oda_электромонтаж
Habr @[email protected] · 2025-09-04 · 07:32 UTC

Как дизайнер сделал себе умный дом — и стал его продавать
Дизайнер Андрей из Ростова отремонтировал себе квартиру. Дизайн интерьера — его работа: чисто, стильно, без визуального мусора. Автоматизация — не его профиль, но в тандеме с интегратором «ODA электромонтаж» они превратили обычное жилье в полноценный умный дом. Результат оказался настолько удачным, что теперь эту квартиру показывают клиентам. Не как шоурум, а как реальный объект: здесь живут и пользуются автоматикой каждый день. Андрей проектирует интерьеры, а Алексей (директор «ODA электромонтаж») занимается автоматизацией. Вместе они работают в связке «дизайн + умный дом», и делают проекты, в которых автоматизация становится частью концепции. В этой статье мы расскажем про их подход: какие технологии выбрали, как реализовали управление, что получилось, и как этот проект из личного эксперимента стал рабочим инструментом.
https://habr.com/ru/companies/wirenboard/articles/943690/
#Wiren_Board #дизайн #умный_дом #smart_home #oda_электромонтаж #Ростов #SprutHub #HomeKit #Алиса #датчики

#wiren_board #дизайн #умный_дом #smart_home #oda_электромонтаж #ростов
𝙹𝚘𝚑𝚊𝚗 @[email protected] · 2025-08-30 · 23:23 UTC

#NeuralNetwork #music #митол #FAIL #Алиса
...Вроде и пони маешь, что ИИшнице тяжело, должно быть, парсить HTML, однако ж здесть-то он вполне семантичный!

#neuralnetwork #music #митол #fail #алиса