Обзор модуля
Этот модуль задаёт рамку всего трека. До того как вы запустите первый агент, важно договориться, что именно вы покупаете и чего точно не покупаете.
Индустрия 2026 года продаёт «автономного AI-учёного». Реальность скромнее: агент берёт на себя рутину и часть содержательной работы, но достоверность результата остаётся на человеке. Поэтому весь трек строится вокруг модели human-on-the-loop — напарник, а не замена.
Сначала вы разберёте ландшафт и реалистичные ожидания, потом разложите научный цикл на шаги, которые поддаются автоматизации, и только затем решите практический вопрос: как вообще запустить эти инструменты из России.
Чему вы научитесь
- Отличать AI Scientist от обычного чат-бота и от маркетингового обещания «науки без учёного».
- Видеть ландшафт инструментов мая 2026: коммерческие платформы, системы DeepMind, автономные генераторы статей, open-source.
- Раскладывать цикл «литература → гипотеза → эксперимент → валидация → публикация» на автоматизируемые и неавтоматизируемые шаги.
- Понимать, какие операции стоит делегировать агенту, а какие оставить за собой по соображениям достоверности.
- Выбирать рабочую стратегию доступа из РФ: open-source и локальные модели, провайдеры без ограничений, легальные обходные пути.
- Запускать первые инструменты так, чтобы не отправить чувствительные данные третьей стороне случайно.
Контекст: почему модуль идёт первым
Главная причина, по которой проекты с AI в науке проваливаются, — не нехватка вычислений, а ложные ожидания. Команда верит, что агент «сделает открытие», и теряет время на проверку красивых, но выдуманных результатов.
Показательный пример — статья системы Sakana AI Scientist-v2, которая прошла peer-review на воркшопе ICLR 2025, но при внешней проверке содержала галлюцинации, сфабрикованные результаты и ошибки цитирования. Урок простой: любой вывод агента — это черновик-гипотеза, а не готовый факт.
Поэтому модуль ставит ожидания на место до того, как вы потратите кредиты и часы. Тот, кто прошёл его внимательно, дальше воспринимает каждый ответ агента как материал для проверки, а не как истину.
Уроки модуля
Что такое AI Scientist и чем он не является— ландшафт 2026, ключевые игроки, реалистичные ожидания и принцип human-on-the-loop.Научный цикл и где в нём место агента— пять стадий исследования, карта автоматизации, где агент помогает, а где опасен.Доступ из России: open-source, локальные модели и легальные опции— ограничения API, ставка на self-hosted, конкретные рабочие связки на май 2026.
Как проходить
- Прочитайте все три урока подряд — они короткие и задают общий язык трека.
- На первом уроке зафиксируйте для себя, какую именно задачу вы хотите отдать агенту.
- На втором уроке отметьте, на каких стадиях цикла ваша задача живёт.
- На третьем уроке выберите стек доступа: облако через VPN, провайдер без ограничений или полностью локальный.
После модуля
После этого модуля у вас должна сложиться трезвая картина: что агент реально умеет в мае 2026, где проходит граница его автономии и как вы будете запускать инструменты в своих условиях.
Дальше трек переходит к практике — и первым делом к самой массовой задаче исследователя: работе с литературой.