R01
Контроль автономных AI-систем
Как сохранять контроль над многошаговыми агентами?
Сравнить контрольные точки, минимальные права и способы обнаружения ошибок на изолированном стенде.
Что измеряем: Надёжность задач, нарушения разрешений, время вмешательства человека.
R02
Проверяемость AI-исследований
Как проверить, что научный вывод действительно подтверждён источником?
Исследовать связку «утверждение — источник», качество ссылок и отказ при недостатке доказательств.
Что измеряем: Поддержка выводов источниками, ложные ссылки, полнота и стоимость проверки.
R03
Эффективность вычислений и энергии
Как снизить ресурсоёмкость качественного AI?
Сравнить малые и большие модели, адаптивную маршрутизацию и обработку контекста при одинаковом бюджете.
Что измеряем: Качество, стоимость правильного ответа, задержка; энергия при наличии измерительного стенда.
R04
Обучение и самостоятельное мышление
Как учиться с AI и сохранять собственные навыки?
Сравнить наставника с подсказками и ассистента с готовыми ответами; провести отсроченный тест без AI.
Что измеряем: Перенос навыков, самостоятельный результат и время обучения. Нужны согласованный протокол, согласие участников и достаточная выборка.
R05
Происхождение и конфиденциальность данных
Как учитывать права создателей данных и предотвращать утечки?
Проверить прослеживаемость источников и лицензий; отдельный вариант — разграничение доступа в RAG на синтетических данных.
Что измеряем: Полнота трассировки, конфликты лицензий, утечки между пользователями, стоимость аудита.
R06
Доверие к цифровому контенту
Как подтверждать происхождение материалов после их изменения?
Исследовать устойчивость методов подтверждения происхождения изображений после сжатия, обрезки и повторной публикации.
Что измеряем: Сохранность подтверждения, устойчивость и ложные тревоги. Происхождение не доказывает истинность содержания.
R07
Независимость от AI-платформ
Как снизить зависимость от одного поставщика моделей?
Сравнить перенос приложения между облачными поставщиками и локальной моделью, включая имитацию отказов на стенде.
Что измеряем: Качество после переключения, время восстановления, ручная доработка и стоимость переноса.
R08
Труд и распределение выгод автоматизации
Как поддерживать людей при изменении профессий?
На примере одной профессии сравнить сценарии переобучения и поддержки на публичных данных.
Что измеряем: Чувствительность сценариев, распределение доходов и стоимость мер. Изменение задач не равно потере рабочих мест.
R09
Данные и безопасность робототехники
Как обучать роботов при недостатке реальных данных?
Проверить влияние разнообразия симуляционных данных на устойчивость роботизированного захвата.
Что измеряем: Успешность действий, устойчивость и объём реальных данных. Для переноса в физический мир нужен лабораторный партнёр.
R10
Venture capital для ИИ
Как оценивать и финансировать AI-стартапы при быстрых изменениях технологий?
Исследовать капиталоёмкость, стоимость инференса, зависимость от моделей, устойчивость преимуществ и потребность в следующих раундах.
Что измеряем: Сценарии затрат, runway, размывание долей и чувствительность выводов. Неизвестные финансовые показатели не выдумываются.