5 мифов о том, что ИИ видит на ваших фото
Автор Chatday Editorial Team ·
Покажите ИИ фотографию собаки и спросите, сколько у неё лап. Он ответит: четыре. Теперь отредактируйте снимок так, чтобы лап стало пять, и спросите снова. Ответ всё тот же: четыре.
Это не выдуманная каверза. Это один из тестов исследования «Vision Language Models Are Biased», принятого на ICLR 2026, одну из крупнейших научных конференций по ИИ. Когда исследователи показывали моделям животных с лишней или недостающей лапой, ИИ считал правильно лишь в 2,12% случаев.
И при этом такой же ИИ способен прочитать размытый чек, объяснить запутанный экран настроек или подсказать, что за растение стоит у вас на подоконнике. Так видит ИИ ваши фото или нет? Большинство расхожих представлений об этом верны лишь наполовину. Разберём пять самых популярных по очереди.
Миф 1: «ИИ смотрит на фото так же, как вы»
Неверно. Глядя на фотографию, вы замечаете, что на ней на самом деле есть. ИИ, который читает изображения (по-научному это называется визуально-языковая модель), действует скорее по принципу «узнать и вспомнить». Он распознаёт «собаку», вспоминает, что у собак четыре лапы, и сообщает это. Исследователи сформулировали это прямо: модели «не считают».
То же самое произошло с логотипами. Добавьте четвёртую полоску к знаменитому трёхполосному логотипу Adidas, и модели всё равно скажут, что полосок три. На семи видах отредактированных изображений (животные, логотипы, шахматные доски, настольные игры, оптические иллюзии и узорчатые сетки) протестированные модели 2025 года в среднем набрали 17,05% на вопросах о подсчёте. А на неизменённых оригиналах ответили правильно на всё.
Около трёх четвертей всех ответов по отредактированным изображениям были ровно «ожидаемым» числом: тем, которое модель и так знала, а не тем, что на картинке. Более раннее исследование, «Vision Language Models Are Blind», нашло ту же закономерность на нарисованных фигурах. Когда модель просили посчитать пересекающиеся кольца в логотипе в олимпийском стиле, одна из моделей Gemini почти в 99% неверных ответов говорила «5», каким бы ни было реальное число. Пять колец, как на Олимпиаде.
Суть в том, что ИИ блестяще узнаёт знакомое, но гораздо хуже замечает, когда в знакомом что-то изменили.
Миф 2: «ИИ, который берёт олимпиаду по математике, уж точно прочтёт время на часах»
На это ушло время. Этот пункт удивляет людей больше всего. В сентябре 2025 года бенчмарк ClockBench предложил моделям ИИ читать аналоговые часы: определить время, понять, какая стрелка какая, и сказать, что часы покажут через несколько минут. Люди в среднем набрали 89,1%. Лучшая из 11 протестированных моделей набрала 13,3%.
Стэнфордский AI Index 2026 выбрал этот тест главным примером того, что исследователи называют «неровным интеллектом» (jagged intelligence): ИИ может взять золото на Международной математической олимпиаде, но всё ещё не умеет надёжно определять время. Часы на удивление коварны. Модели нужно точно оценить углы, различить две похожие стрелки, а потом ещё немного посчитать. К тому же циферблатов со стрелками в интернете куда меньше, чем обычных цифровых табло.
Хорошая новость в том, как быстро всё изменилось:
| Когда | Лучший результат ИИ в ClockBench | Средний результат людей |
|---|---|---|
| Сентябрь 2025 (запуск) | 13,3% | 89,1% |
| Март 2026 (Stanford AI Index) | 50,6% (GPT-5.4) | около 90% |
| Ноябрь 2026 (публичный рейтинг) | 87,8% (Claude Fable 5.2) | 90,7% |
Сегодня первые пять мест в рейтинге занимают Claude Fable 5.2, Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5 и GPT-6 Astra, все на максимальных настройках рассуждения. Люди пока ещё немного впереди. Но примерно за год разрыв сократился с «безнадёжного» до «почти догнали».
Миф 3: «Чёткое и крупное фото исправит ошибки»
В основном неверно. Звучит логично: ИИ ошибся, значит, дайте ему картинку получше. Но в исследовании «Blind» изменение цвета, толщины линий или разрешения изображения почти не повлияло на то, как модели считали пересекающиеся круги. Дело было не в том, что они не могли разглядеть фигуры. Информация была на месте. Трудность была в том, чтобы превратить её в правильные слова.
Зато очень помогло убрать лишнее. В исследовании «Biased» удаление фона с отредактированных изображений почти удвоило точность: она выросла примерно на 21 процентный пункт. Пёстрый фон даёт ИИ больше подсказок, чтобы опереться на ожидания («это ферма, значит, это обычная собака»), а не на то, что перед ним.
Миф 4: «Достаточно попросить посмотреть ещё раз»
Почти не работает. В исследовании «Biased» просьба перепроверить или опираться только на то, что есть на изображении, повысила точность подсчёта в среднем всего на 2 пункта. Более долгое обдумывание помогало до определённого предела, точность поднималась примерно до 40%, а дальше становилось хуже: модель начинала перемудрять.
Лучше работает другой вопрос. «Сколько?» провоцирует ответ по памяти. А если попросить ИИ сначала пройтись по картинке, он начинает обращать внимание на саму картинку:
- «Перечисли всех людей на этом фото слева направо, а потом скажи, сколько их всего».
- «Опиши, куда указывают часовая и минутная стрелки, а потом скажи, который час».
- «Прочитай мне каждую строку этого чека, а потом посчитай итог».
Если пошаговое описание неверно, вы сразу это заметите, и в этом весь смысл. Вы видите, где именно ИИ ошибся, а не просто получаете уверенно названное число.
Миф 5: «Значит, ИИ для изображений слишком ненадёжен, и связываться с ним не стоит»
Неверно, и именно от этого мифа стоит избавиться. Все провалы выше получены на заведомо каверзных тестах: изменённые логотипы, лишние лапы, странные циферблаты. Они созданы, чтобы находить слабые места, и отлично с этим справляются. Но они же показывают, как быстро эти слабые места сокращаются. Авторы исследования «Biased» сообщают, что GPT-6 Astra, вышедшая в октябре 2026 года, набирает 84,10% в том же тесте, где модели 2025 года в среднем получали 17%.
Одна деталь всё же осталась. По словам исследователей, когда Astra ошибается, в 92,4% случаев она выдаёт заученный ответ. Привычка никуда не делась. Просто проявляется гораздо реже.
В повседневном использовании картина куда радужнее. Описать сцену, прочитать печатный текст, объяснить скриншот, узнать обычный предмет: всё это сильные стороны ИИ, ведь он отлично распознаёт знакомое. Вот примерный ориентир, где можно расслабиться, а где лучше перепроверить:
| О чём вы спрашиваете | Насколько доверять | Почему |
|---|---|---|
| «Что на этом фото?» | Высоко | Узнавать знакомые сцены у него получается лучше всего |
| Чтение печатного текста, меню, вывесок | Высоко | Чёткого текста в обучающих данных много |
| Объяснение скриншота или ошибки | Высоко | Он читает экран и знает программы |
| Подсчёт предметов, особенно когда их много | Проверяйте | Может назвать ожидаемое число |
| Всё необычное или отредактированное | Проверяйте | Склонен «исправлять» странности до нормы |
| Аналоговые часы, датчики, шкалы | Проверяйте | Стал лучше, но всё ещё отстаёт от людей |
Кстати, со словами то же самое. Если вы задавались вопросом, почему ИИ раньше путался, считая буквы в слове, наш разбор о том, почему ИИ не может посчитать буквы R в слове strawberry, показывает, что это близкий родственник той же проблемы.
Проще всего убедиться во всём этом самому: попробуйте на снимке из своей галереи. Выберите что-то обычное, потом что-то немного странное и попросите ИИ рассказать по шагам, что он видит. Больше идей, о чём спрашивать, есть в нашем гиде о том, как ИИ объяснит любое фото или скриншот.