Сравнить модели Сравнить модели изображений AI-инструменты Модели AI-модели изображений Новости об AI Поиск Попробовать бесплатно
Разбор 7 мин чтения

5 мифов о том, что ИИ видит на ваших фото

Автор Chatday Editorial Team ·

объяснениеии-для-изображенийкомпьютерное-зрениеанализ-изображениймифы-об-ии
5 мифов о том, что ИИ видит на ваших фото

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:

КогдаЛучший результат ИИ в ClockBenchСредний 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 спрашиваетеНасколько доверятьПочему
«Что на этом фото?»ВысокоУзнавать знакомые сцены у него получается лучше всего
Чтение печатного текста, меню, вывесокВысокоЧёткого текста в обучающих данных много
Объяснение скриншота или ошибкиВысокоОн читает экран и знает программы
Подсчёт предметов, особенно когда их многоПроверяйтеМожет назвать ожидаемое число
Всё необычное или отредактированноеПроверяйтеСклонен «исправлять» странности до нормы
Аналоговые часы, датчики, шкалыПроверяйтеСтал 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.

Всё лучше и лучше. В тесте ClockBench лучшая модель выросла с 13,3% в сентябре 2025 года до 87,8% в ноябре 2026 года, почти догнав средний результат людей в 90,7%. Если речь о чём-то важном, всё же проверьте ответ сами.
ИИ для изображений очень хорошо узнаёт знакомые вещи и вспоминает факты о них. Когда картинка ломает шаблон, как собака с пятью лапами, он часто называет то, что ожидает увидеть, а не то, что там есть.
Обрежьте изображение до того, что вас интересует, и попросите ИИ сначала описать или перечислить увиденное, а уже потом дать итоговый ответ. Так вы сможете заметить ошибку в его описании.
С чётким печатным текстом он обычно справляется очень хорошо. Попросите его зачитать каждую строку, чтобы сверить, и перепроверьте итоговые суммы и важные цифры.

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.