Говорит и показывает ИИ
Технологии становятся человечнее
Иллюстрация Юлии Замжицкой
Интернет в роли пандуса
Еще совсем недавно незрячему человеку, чтобы «прочитать» картинку, требовалась помощь другого человека. Сегодня эту роль все чаще берет на себя искусственный интеллект.В «Яндекс Браузере» нейросеть «Алиса» анализирует картинки прямо на веб-страницах: иллюстрации в статьях, фото в соцсетях, изображения товаров в онлайн-магазинах, меню в ресторанах с доставкой, скриншоты интерфейсов и графики. Главная особенность «Алисы AI» – мультимодальность: нейросеть воспринимает изображение целиком, понимает связи между объектами и контекст. Поэтому на выходе получается не автоматическое перечисление предметов, а скорее разговор со зрячим другом.
– Одно из важных направлений нашей работы – системное влияние на доступность контента во всем интернете. Если проводить аналогию с физическим миром, это как если бы одним решением во всем городе появились пандусы. Ранее мы добавили субтитры для глухих людей на любой странице, а в 2025 году сделали следующий шаг: теперь любая картинка на любом сайте описывается с помощью искусственного интеллекта, – пояснила Валерия Курмак, директор по устойчивому развитию компании «Яндекс».
Вместо того чтобы адаптировать каждый сайт или сервис отдельно для незрячих и слабовидящих, что действительно похоже на установку пандусов только в одном дворе, «Яндекс» создает инструменты, которые можно внедрить массово – и тогда польза появляется везде, где есть интернет.
Чтобы узнать, что видит ИИ на экране в «Яндекс Браузере» для Windows, iOS и Android, нужно выбрать опцию «Описать картинку» в контекстном меню или на панели поверх картинки либо навести на изображение фокус программы экранного доступа (она воспроизводит вслух все, что находится на экране). Управлять функцией можно в настройках браузера – в разделе «Специальные возможности».
Так сколько же все-таки медведей?
Мы решили сравнить работу «Алисы» и похожих нейросетей – универсальных помощников: китайской модели DeepSeek и Gemini, которую создал Google. Для этого сначала выбрали картину Ивана Шишкина и Константина Савицкого «Утро в сосновом лесу». Ее видел практически каждый – если не в Третьяковской галерее, то в школьном учебнике или на фантиках знаменитых конфет. А вот как «видит» ее «Алиса»: «На картине изображен лес с высокими деревьями, сквозь ветви которых пробивается свет. В центре два медведя: один на упавшем дереве, другой стоит рядом. Вокруг них густая зеленая листва и мох, создающие ощущение дикой природы. Свет, проникающий сквозь деревья, придает сцене теплый и уютный оттенок». Все бы хорошо, но медведей на картине четыре. При ответе на уточняющий вопрос «Алиса» исправилась и медведей пересчитала правильно, вот только уточняющие вопросы может задать тот, кто либо видит эту картину и без помощи ИИ, либо и так знает, что на ней изображено.DeepSeek подошел к описанию более основательно – сообщил, что в лесу растут сосны и ели, три медвежонка исследуют поваленное дерево, а медведица следит за своими детенышами. Он также назвал авторов картины и предложил рассказать интересную историю о ее создании. Нейросеть Gemini тоже медведей посчитала правильно и добавила описание пейзажа: «Сквозь верхушки деревьев пробиваются первые золотистые лучи солнца, а низину окутывает густой утренний туман».
Вторую картинку – изображение девушки в красном платье из онлайн-магазина – все три нейросети тоже описали по-разному. Ближе всех к цели оказалась Gemini. Она подробно рассказала о фасоне платья: корсетный лиф, рукава-фонарики, застежка-молния, короткая расклешенная юбка. Это важно, так как на маркетплейс пользователь приходит за покупками и ему нужно хорошо представлять себе, как выглядит товар.
«Алиса» почему-то увлеклась описанием помещения, в котором сфотографирована модель, отметив золотую люстру, декоративную вазу и «ощущение простора и элегантности» в интерьере. Зато на дополнительные вопросы снова ответила охотно и подробно, рассказав, какие есть в наличии размеры, сколько стоит платье, какие сроки доставки.
А вот DeepSeek единственный заметил, что у девушки кольцо на безымянном пальце. Вот только перепутал левую и правую руки – если бы пользователь не покупал платье, а собирался сделать предложение руки и сердца девушке на фото, то из-за ошибки нейросети он мог бы попасть в неловкое положение.
Разумеется, ни один ИИ пока не идеален: возможны ошибки в распознавании деталей, цветов или эмоций. Поэтому к критически важной информации нужно относиться осторожно. Например, медицинские документы или финансовые данные лучше показать человеку.
Подружка, умник и обстоятельный рассказчик
И все-таки инклюзивные технологии стремительно развиваются: то, что еще недавно казалось фантастикой, становится базовой частью цифровой среды. Для того чтобы использовать ИИ эффективно, стоит от каждого брать по его возможностям.«Алиса AI» – это подружка: она делает ставку на удобство и естественность общения. Посплетничает, какие фото разместили друзья в соцсети, посоветует фасон одежды для вашего типа фигуры, а по фото продуктов в холодильнике или корзине онлайн-магазина предложит, что из них можно приготовить. Однако нужно быть готовым задавать множество уточняющих вопросов. Хотя болтать с ней легко и приятно. Так как русский язык для нее как родной, «Алиса» хорошо понимает бытовые формулировки и культурные отсылки, что упрощает взаимодействие.
DeepSeek – умный напарник для сложных задач. Обсуждать с ним новости в соцсетях или «ходить по магазинам» – все равно что забивать гвозди микроскопом. Главный талант этой нейросети не просто описание, а разбор: извлечь данные, структурировать информацию, сопоставить факты. Перед ответом она рассуждает и продумывает шаги, поэтому реже допускает логические ошибки, хотя и может, как выяснилось, иногда перепутать правую и левую руки на картинке. А еще эта нейросеть не интегрирована в браузер, как «Алиса», и все изображения для анализа нужно загружать в чат, что немного усложняет процесс.
Gemini – добросовестный помощник, иногда даже слишком. Его можно назвать увлекающейся натурой. Он никогда не скажет просто: «На фото мужчина и автомобиль», а скорее ответит: «Молодой человек в синей куртке стоит у серебристой машины, будто собирается сесть за руль». Иногда незрячему человеку такие описания помогают «почувствовать» снимок, а не только узнать, что на нем изображено. Но иногда пользователю сначала нужно понять суть, а потом уже нюансы. Как и «Алиса», Gemini интегрирована в браузер, что делает работу с ней удобнее.
«Алиса», DeepSeek и Gemini показывают разные пути к одной цели – цифровому равенству и доступности визуальной среды. Выбор конкретного ИИ-помощника зависит от задач и привычек пользователя, а их разумное сочетание позволяет выстроить удобную и надежную систему поддержки.
