Огляд десяти постатей, які формують майбутнє штучного інтелекту у 2025 році — від лабораторій, які вдосконалюють його основні розробки, до політиків, які встановлюють його рамки. Їхні ідеї, дослідження та лідерство сприяють реальним змінам у тому, як ШІ створюється, ділиться та використовується у всьому світі.
Це не список знаменитостей. Кожна людина тут має реальний вплив, чітку експертизу та досвід ведення дискусій у спільноті штучного інтелекту. Їхні думки мають значення, оскільки вони походять від створення, керівництва та оскарження систем, що формують наше майбутнє.
Ян Лекун залишається одним із найсильніших голосів у сфері ШІ, особливо в фундаментальних дослідженнях. Його публічні коментарі часто суперечать переважному настрою, зокрема в дебатах щодо великих мовних моделей. Він виступає за системи, які навчаються з набагато меншою кількістю даних і споживають значно менше енергії, відходячи від мислення "більше завжди краще".
Місце Лекуна в історії закріплене його винаходом згорткових нейронних мереж (CNN ), які тепер є невід'ємними для комп'ютерного зору. Сьогодні він є провідним прихильником самоосвітнього навчання та автономного ШІ — машин, які розвивають розуміння через спостереження, а не безкінечне споживання даних.
Він рідко публікує оригінальний контент тепер, але часто перепощує або посилається на детальні есе з досліджень штучного інтелекту та дизайну систем.
Основні теми: енергоефективні архітектури, навчання, орієнтоване на об'єкти, світові моделі;
Охоплення аудиторії: понад 900 000 підписників;
Примітна динаміка: часті технічні обміни з дослідниками OpenAI та DeepMind;
Протягом більше тридцяти років його робота формувала стратегія штучного інтелекту Meta, намагаючись створити системи, які спостерігають і міркують способами, ближчими до людського мислення, а не просто прогнозують наступне слово в послідовності.
Андрей Карпати поєднує глибокі технічні навички з перспективою людини, яка втілила в життя великі продукти. Він роз'яснює складні ідеї — від дизайну моделей до вибору навчання та труднощів впровадження — у способах, які резонують як з дослідниками, так і з практичними розробниками.
Його стрічка поєднує технічне розуміння з баченням—наприклад, нещодавно він запропонував, що великі мовні моделі стають будівельними блоками сучасного програмного забезпечення.
Спадщина: ранні досягнення в глибокому навчанні та комп'ютерному зорі, лідерство в AI у Tesla;
Охоплення: понад 1 мільйон підписників;
Залучення: часті конференційні виступи та громадська освіта;
Після повернення до OpenAI у 2024 році Карпаті зосередився на тому, щоб зробити моделі легшими для управління та масштабування без втрати контролю. Він також працював над відкриттям більшої кількості ресурсів для спільноти розробників. У своїх дописах він пов'язує глибоке технічне мислення з повсякденною роботою зі створення програмного забезпечення, надаючи інженерам практичні способи створення систем, які витримують реальні умови експлуатації.
Фей-Фей Лі здобула репутацію, орієнтуючи штучний інтелект на людські потреби. Вона виступає за проекти, які служать охороні здоров'я, освіті та суспільним інтересам так само, як і корпоративним або урядовим порядкам денним. Вона очолювала створення ImageNet, проекту, який перетворив глибоке навчання і залишив один з найсильніших слідів у сьогоднішньому ШІ.
Її пости зосереджені на людській стороні ШІ—етичні наслідки, вплив на охорону здоров'я та важливість збереження людської гідності.
Відомий за: ImageNet, Людський центр штучного інтелекту Стенфордського університету;
Аудиторія: понад 500 000 підписників, консультування як американських, так і міжнародних політиків;
Поточна увага: етика, доступність та соціальна інтеграція в застосуваннях штучного інтелекту;
Вона приносить перспективи від людей, які часто залишаються непоміченими в технологіях — таких як медичні працівники, вихователі та особи з інвалідністю — і тримає їхні турботи в центрі уваги. Лі формулює відповідальний ШІ як питання емпатії, передбачення та участі голосів, що знаходяться далеко за межами кабінетів керівництва Силіконової долини.
Емад Мостак є визначною постаттю у сфері генеративного ШІ з відкритим кодом. Він виступає за те, щоб моделі та набори даних були доступні поза контролем великих корпорацій, впливаючи на хвилю стартапів, які випускають системи з відкритими вагами.
У своїй стрічці він ділиться яскравими оновленнями про відкритий генеративний ШІ та запрошеннями для громадського обговорення розвитку.
Віховий момент: запуск Stable Diffusion;
Основні напрямки: прозорість витрат, відкритість інфраструктури, принципи безпеки ШІ;
Аудиторія: понад 250000 підписників;
Мостаки регулярно аналізує реальні витрати та обмеження при створенні передових моделей, пропонуючи рідкісний погляд на бюджети та технічні зусилля, які стимулюють генеративні інструменти. Його наполегливість на прозорості змінила очікування щодо того, що розробники та дослідники повинні мати можливість перевіряти та контролювати.
Дослідження Тімніт Гебру про алгоритмічні упередження та прозорість даних змінило обговорення справедливості ШІ на глобальному рівні. Вона аналізує, хто має владу у розвитку ШІ та як ця влада формує результати.
Вона використовує свою присутність, щоб підкреслити питання упередженості, часто посилаючись на свої дослідження або основні розробки політики щодо справедливості в ШІ.
Ключові області: системна упередженість у LLM, управління, що ведеться спільнотою, етичні стандарти даних;
Аудиторія: понад 160,000 підписників; цитуються в політичних рамках по всьому світу;
Вона будує свої аргументи на чітких доказах. Її дослідження виявляють, як недоліки в навчальних даних можуть переносити реальні нерівності, пов'язані з расою, статтю та класом. Законодавці та регулятори тепер посилаються на її дослідження під час формування правил, що зробило її провідним критичним голосом у цій розмові.
Кріс Олах розкрив деякі з найскладніших частин нейронних мереж. Його візуальні та наративні пояснення того, як моделі обробляють інформацію, стали навчальним матеріалом в університетах і орієнтирами для дослідників безпеки штучного інтелекту.
Він часто публікує оновлення щодо інтерпретованості — нещодавня робота над відкриттям аналізу моделей привернула увагу в колах безпеки.
Спеціальність: інструменти інтерпретації, візуалізація шляхів прийняття рішень;
Зробивши внутрішні механізми ШІ видимими, Олах перетворив інтерпретованість з академічної цікавості на центральну вимогу для довіри та безпеки. Його вплив формує те, як лабораторії та політики думають про моніторинг і керування поведінкою моделей.
Сара Хукер працює над тим, щоб зробити машинне навчання більш ефективним і доступним. Вона висвітлює дослідників у регіонах з меншою кількістю ресурсів, прагнучи децентралізувати, хто може вносити свій внесок у цю галузь.
Її пости підкреслюють інклюзивність у дослідженнях штучного інтелекту — нещодавно вона звернула увагу на обмеження регулювання на основі обчислень.
Ключова увага: розріджені моделі, відтворюваність, інклюзивні дослідження в сфері ШІ;
Аудиторія: понад 45 000 підписників;
Її робота ставить під сумнів вірність переконанню, що серйозні дослідження можуть відбуватися лише з величезною інфраструктурою. Просуваючи ефективні архітектури та глобальну співпрацю, Хукер змінює очікування щодо якості виконання та участі в ШІ.
Етан Моллік демонструє, як інструменти штучного інтелекту змінюють спосіб навчання та роботи людей. Його експерименти з великими мовними моделями в класах та бізнес-середовищах пропонують конкретні, повторювані результати.
Його інформаційна стрічка впроваджує ШІ в реальні сценарії класу та офісу — досліджуючи, як дизайн запитів та інструменти на робочому місці розвиваються та впливають на навчання.
Сфери уваги: прикладні LLM, інженерія підказок, робочі процеси з підтримкою ШІ;
Аудиторія: понад 280 000 підписників;
Моллік працює, спочатку випробовуючи інструменти, спостерігаючи за тим, що відбувається, і коригуючи свій підхід у процесі. Цей практичний цикл надає вихователям і професіоналам план дій для інтеграції ШІ з мінімальними здогадками.
Дарио Амодей очолює одні з найбільш уважно спостережуваних зусиль у сфері безпеки ШІ. Розробка Claude компанією Anthropic є частиною більшої стратегії, спрямованої на забезпечення безпеки масштабування без затримки інновацій.
Він постить рідко, але коли це робить, його погляди спричиняють обговорення — нещодавно він критикував наратив, який описував як спотворення місії безпеки Anthropic.
Фокус: Конституційний ШІ, надійність системи, узгодження в масштабах;
Аудиторія: понад 70 000 підписників; визнані на законодавчих слуханнях та глобальних самітах;
Виміряний стиль Амодеї та акцент на механізмах контролю зробили його роботу точкою відліку як для промисловості, так і для уряду в установленні очікувань щодо нагляду за моделями.
Кар'єра Грейді Буча була побудована навколо проектування та управління складними програмними системами, що робить його думки про те, як сучасний штучний інтелект створюється та підтримується, особливо цінними. Декілька десятиліть, витрачених на проектування систем, розроблених для витривалості, дозволяють йому підкреслити, що вимагатиме тривала інженерія штучного інтелекту.
Його голос поєднує глибоку перспективу системного дизайну з контекстом ШІ—хоча оновлення відбуваються рідше, він приносить архітектурну ясність у дебати щодо ШІ.
Найбільш відомий за створення UML (Уніфікованої мови моделювання), Буч застосовує строгі архітектурні міркування до питань впровадження ШІ та надійності.
Основні теми: системний дизайн, довговічність, етика в інженерії;
Аудиторія: понад 160 000 підписників з спільнот штучного інтелекту та традиційної інженерії;
Він застерігає, що занадто швидкий рух ризикує підірвати вже закладений фундамент. Для нього тривалі досягнення походять з терплячого дизайну, ретельного тестування та зобов'язання дотримуватися міцних інженерних практик.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Топ AI впливових осіб 2025: перевірені, шановані, за якими слідкують
Коротко
Огляд десяти постатей, які формують майбутнє штучного інтелекту у 2025 році — від лабораторій, які вдосконалюють його основні розробки, до політиків, які встановлюють його рамки. Їхні ідеї, дослідження та лідерство сприяють реальним змінам у тому, як ШІ створюється, ділиться та використовується у всьому світі.
Це не список знаменитостей. Кожна людина тут має реальний вплив, чітку експертизу та досвід ведення дискусій у спільноті штучного інтелекту. Їхні думки мають значення, оскільки вони походять від створення, керівництва та оскарження систем, що формують наше майбутнє.
Ян Лекун залишається одним із найсильніших голосів у сфері ШІ, особливо в фундаментальних дослідженнях. Його публічні коментарі часто суперечать переважному настрою, зокрема в дебатах щодо великих мовних моделей. Він виступає за системи, які навчаються з набагато меншою кількістю даних і споживають значно менше енергії, відходячи від мислення "більше завжди краще".
Місце Лекуна в історії закріплене його винаходом згорткових нейронних мереж (CNN ), які тепер є невід'ємними для комп'ютерного зору. Сьогодні він є провідним прихильником самоосвітнього навчання та автономного ШІ — машин, які розвивають розуміння через спостереження, а не безкінечне споживання даних.
Він рідко публікує оригінальний контент тепер, але часто перепощує або посилається на детальні есе з досліджень штучного інтелекту та дизайну систем.
Протягом більше тридцяти років його робота формувала стратегія штучного інтелекту Meta, намагаючись створити системи, які спостерігають і міркують способами, ближчими до людського мислення, а не просто прогнозують наступне слово в послідовності.
Андрей Карпати поєднує глибокі технічні навички з перспективою людини, яка втілила в життя великі продукти. Він роз'яснює складні ідеї — від дизайну моделей до вибору навчання та труднощів впровадження — у способах, які резонують як з дослідниками, так і з практичними розробниками.
Його стрічка поєднує технічне розуміння з баченням—наприклад, нещодавно він запропонував, що великі мовні моделі стають будівельними блоками сучасного програмного забезпечення.
Після повернення до OpenAI у 2024 році Карпаті зосередився на тому, щоб зробити моделі легшими для управління та масштабування без втрати контролю. Він також працював над відкриттям більшої кількості ресурсів для спільноти розробників. У своїх дописах він пов'язує глибоке технічне мислення з повсякденною роботою зі створення програмного забезпечення, надаючи інженерам практичні способи створення систем, які витримують реальні умови експлуатації.
Фей-Фей Лі здобула репутацію, орієнтуючи штучний інтелект на людські потреби. Вона виступає за проекти, які служать охороні здоров'я, освіті та суспільним інтересам так само, як і корпоративним або урядовим порядкам денним. Вона очолювала створення ImageNet, проекту, який перетворив глибоке навчання і залишив один з найсильніших слідів у сьогоднішньому ШІ.
Її пости зосереджені на людській стороні ШІ—етичні наслідки, вплив на охорону здоров'я та важливість збереження людської гідності.
Вона приносить перспективи від людей, які часто залишаються непоміченими в технологіях — таких як медичні працівники, вихователі та особи з інвалідністю — і тримає їхні турботи в центрі уваги. Лі формулює відповідальний ШІ як питання емпатії, передбачення та участі голосів, що знаходяться далеко за межами кабінетів керівництва Силіконової долини.
Емад Мостак є визначною постаттю у сфері генеративного ШІ з відкритим кодом. Він виступає за те, щоб моделі та набори даних були доступні поза контролем великих корпорацій, впливаючи на хвилю стартапів, які випускають системи з відкритими вагами.
У своїй стрічці він ділиться яскравими оновленнями про відкритий генеративний ШІ та запрошеннями для громадського обговорення розвитку.
Мостаки регулярно аналізує реальні витрати та обмеження при створенні передових моделей, пропонуючи рідкісний погляд на бюджети та технічні зусилля, які стимулюють генеративні інструменти. Його наполегливість на прозорості змінила очікування щодо того, що розробники та дослідники повинні мати можливість перевіряти та контролювати.
Дослідження Тімніт Гебру про алгоритмічні упередження та прозорість даних змінило обговорення справедливості ШІ на глобальному рівні. Вона аналізує, хто має владу у розвитку ШІ та як ця влада формує результати.
Вона використовує свою присутність, щоб підкреслити питання упередженості, часто посилаючись на свої дослідження або основні розробки політики щодо справедливості в ШІ.
Вона будує свої аргументи на чітких доказах. Її дослідження виявляють, як недоліки в навчальних даних можуть переносити реальні нерівності, пов'язані з расою, статтю та класом. Законодавці та регулятори тепер посилаються на її дослідження під час формування правил, що зробило її провідним критичним голосом у цій розмові.
Кріс Олах розкрив деякі з найскладніших частин нейронних мереж. Його візуальні та наративні пояснення того, як моделі обробляють інформацію, стали навчальним матеріалом в університетах і орієнтирами для дослідників безпеки штучного інтелекту.
Він часто публікує оновлення щодо інтерпретованості — нещодавня робота над відкриттям аналізу моделей привернула увагу в колах безпеки.
Зробивши внутрішні механізми ШІ видимими, Олах перетворив інтерпретованість з академічної цікавості на центральну вимогу для довіри та безпеки. Його вплив формує те, як лабораторії та політики думають про моніторинг і керування поведінкою моделей.
Сара Хукер працює над тим, щоб зробити машинне навчання більш ефективним і доступним. Вона висвітлює дослідників у регіонах з меншою кількістю ресурсів, прагнучи децентралізувати, хто може вносити свій внесок у цю галузь.
Її пости підкреслюють інклюзивність у дослідженнях штучного інтелекту — нещодавно вона звернула увагу на обмеження регулювання на основі обчислень.
Її робота ставить під сумнів вірність переконанню, що серйозні дослідження можуть відбуватися лише з величезною інфраструктурою. Просуваючи ефективні архітектури та глобальну співпрацю, Хукер змінює очікування щодо якості виконання та участі в ШІ.
Етан Моллік демонструє, як інструменти штучного інтелекту змінюють спосіб навчання та роботи людей. Його експерименти з великими мовними моделями в класах та бізнес-середовищах пропонують конкретні, повторювані результати.
Його інформаційна стрічка впроваджує ШІ в реальні сценарії класу та офісу — досліджуючи, як дизайн запитів та інструменти на робочому місці розвиваються та впливають на навчання.
Моллік працює, спочатку випробовуючи інструменти, спостерігаючи за тим, що відбувається, і коригуючи свій підхід у процесі. Цей практичний цикл надає вихователям і професіоналам план дій для інтеграції ШІ з мінімальними здогадками.
Дарио Амодей очолює одні з найбільш уважно спостережуваних зусиль у сфері безпеки ШІ. Розробка Claude компанією Anthropic є частиною більшої стратегії, спрямованої на забезпечення безпеки масштабування без затримки інновацій.
Він постить рідко, але коли це робить, його погляди спричиняють обговорення — нещодавно він критикував наратив, який описував як спотворення місії безпеки Anthropic.
Виміряний стиль Амодеї та акцент на механізмах контролю зробили його роботу точкою відліку як для промисловості, так і для уряду в установленні очікувань щодо нагляду за моделями.
Кар'єра Грейді Буча була побудована навколо проектування та управління складними програмними системами, що робить його думки про те, як сучасний штучний інтелект створюється та підтримується, особливо цінними. Декілька десятиліть, витрачених на проектування систем, розроблених для витривалості, дозволяють йому підкреслити, що вимагатиме тривала інженерія штучного інтелекту.
Його голос поєднує глибоку перспективу системного дизайну з контекстом ШІ—хоча оновлення відбуваються рідше, він приносить архітектурну ясність у дебати щодо ШІ.
Найбільш відомий за створення UML (Уніфікованої мови моделювання), Буч застосовує строгі архітектурні міркування до питань впровадження ШІ та надійності.
Він застерігає, що занадто швидкий рух ризикує підірвати вже закладений фундамент. Для нього тривалі досягнення походять з терплячого дизайну, ретельного тестування та зобов'язання дотримуватися міцних інженерних практик.