ИИ не только пишет тексты: 12 типов задач и ведущие модели

Генеративный ИИ создает новое: текст, код, картинку, видео, голос. Остальные типы ИИ ничего не сочиняют. Они находят, считают, распознают, предсказывают и действуют: дефект на детали, слово в записи звонка, сумму в счете, спрос на следующую неделю, ход в партии, движение руки робота. Термин разобран в словаре: генеративный ИИ.

Двенадцать типов по задачам: 1) тексты и код, 2) изображения и видео, 3) голос и музыка, 4) зрение, 5) речь, 6) документы, 7) прогнозы и табличные данные, 8) рекомендации, 9) антифрод, 10) наука, 11) игры, 12) роботы. Первые три собраны в рейтингах генерации, остальным посвящены разделы ниже.

Порядок в списке по критериям этой страницы, это не рейтинг: модели идут в порядке разделов, по одной-две на тип задачи. Мы выбирали открытые моделимодель с открытыми весами Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. Подробнее в словаре, которые компания может поставить на свой сервер, и для каждой даем факт с датой и лицензию.

Компьютерное зрениекомпьютерное зрение Компьютерное зрение (computer vision) это область ИИ, в которой программы понимают изображения и видео: находят объекты, читают текст, считают и измеряют. Подробнее в словаре находит объекты на фото и видео, выделяет их контур и измеряет. Так контролируют брак на линии, считают товар на полке, проверяют каску в опасной зоне.

Ultralytics YOLO ищет и считает объекты. 14 января 2026 года вышла версия YOLO26: по данным компании, на процессоре она работает быстрее до 43%. Лицензия AGPL-3.0: бесплатно, только если вы откроете весь продукт с YOLO, включая обученные веса. Для закрытой или даже внутренней системы нужна платная лицензия Ultralytics Enterprise, цена по запросу.

SAM 3* (Segment Anything Model 3) вышла в ноябре 2025 года с открытыми весами и выделяет объекты на фото и видео, в том числе по текстовому описанию. Подробный разбор моделей, лицензий и закона о биометрии на странице о компьютерном зрении.

Распознавание речираспознавание речи Распознавание речи (automatic speech recognition, ASR) это перевод устной речи в текст программой: из звонка, голосового сообщения или записи встречи. Подробнее в словаре превращает запись звонка или встречи в текст, а дальше этот текст разбирают другие модели: ищут возражения клиентов, составляют протокол, заполняют CRM.

Whisper от OpenAI открыта под MIT и обучена на 680 000 часах многоязычной разметки, русский поддерживается. Модель ставят на свой сервер, и записи не уходят из компании.

Точность сравнивает открытый Open ASR Leaderboard: 86 систем от 26 организаций по доле ошибок в словах (WER) и скорости. Русского в его многоязычной части нет, поэтому для русского сравнивают тесты разработчиков. Подробности на странице о распознавании речи.

Распознавание документов переводит скан, фото или PDF в текст и таблицы, а затем извлекает поля: номер счета, сумму, контрагента, срок. Компания перестает вводить документы руками.

PaddleOCR от Baidu открыт под Apache 2.0 и поддерживает русский. По техническому отчету PaddleOCR 3.0 от июля 2025 года модели набора содержат менее 100 млн параметров, поэтому работают на скромном сервере.

Для PDF с таблицами и для разбора смысла договора нужны другие модели. Классические OCROCR OCR (optical character recognition, оптическое распознавание символов) это технология, которая превращает текст на картинке, скане или фото в обычный текст, который можно копировать и искать. Подробнее в словаре, открытые модели для PDF и языковые модели со зрением сравниваются на странице о распознавании документов.

Большая часть данных компании лежит в таблицах: продажи, остатки, платежи, сделки. Прогноз спроса, оценка риска клиента и планирование закупок строятся на них, и здесь работают другие модели, не языковые.

LightGBM, открытый под MIT, строит прогноз из множества деревьев решений и учитывает цены, акции, праздники. В статье на NIPS 2017 авторы из Microsoft показали, что он ускоряет обучение обычного градиентного бустингаградиентный бустинг Градиентный бустинг это метод машинного обучения, который строит много небольших деревьев решений одно за другим, и каждое новое дерево исправляет ошибки уже построенных. Подробнее в словаре более чем в 20 раз при почти той же точности.

TimesFM-3 от Google вышла 31 августа 2026 года: 330 млн параметров, обучена на триллионе точек, первая версия с многомерным прогнозом. Веса только для некоммерческого использования, код под Apache 2.0. Простыми словами: попробовать модель на своих данных можно, а ставить ее прогноз в рабочие закупки без коммерческой лицензии Google нельзя. Все методы и лицензии на странице о прогнозировании.

Рекомендательная система подбирает человеку товар, статью или фильм по его действиям и действиям похожих людей. Ее строят на истории покупок и просмотров, а проверяют на доле клиентов, которые купили рекомендованный товар. Термин разобран в словаре: рекомендательная система.

Антифрод ищет мошеннические операции: необычную сумму, новое устройство, подозрительную цепочку переводов. Модель ставит каждой операции оценку риска, а сомнительные отправляет человеку на проверку.

Для обеих задач часто берут градиентный бустинг вроде LightGBM: он быстро учится на табличных данных и показывает, какой признак повлиял на решение. Порядок запуска один: собрать историю с правильными ответами, обучить модель на прошлом периоде, проверить на следующем и только потом включать в работу.

9 октября 2024 года Демис Хассабис и Джон Джампер из Google DeepMind получили Нобелевскую премию по химии за AlphaFoldAlphaFold AlphaFold это нейросеть Google DeepMind, которая по цепочке аминокислот предсказывает трехмерную форму белка с точностью, близкой к экспериментальной. Подробнее в словаре, который предсказывает 3D-структуру белка по последовательности. AlphaFold пользуются больше 2 млн исследователей из 190 стран.

25 февраля 2025 года европейский центр ECMWF запустил в работу модель погоды AIFS на машинном обучениимашинное обучение Машинное обучение (machine learning, ML) это раздел ИИ, в котором программа находит правила в данных сама, а не получает их готовыми от разработчика. Подробнее в словаре. На ряде показателей она точнее физических моделей, по траекториям циклонов до 20%, и тратит на прогноз примерно в 1000 раз меньше энергии.

Модели ищут и новые материалы: перебирают кристаллические структуры и отсеивают неустойчивые до опыта в лаборатории. Факты о белках, погоде, материалах и математике собраны на странице об ИИ в науке.

Игры были полигоном ИИ: в шахматах и го видно, кто сильнее, а правила известны заранее. Здесь появились идеи, которые потом ушли в бизнес: обучение на собственном опыте и связка нейросети с поиском вариантов.

Stockfish открыт под GPL-3.0 и соединяет перебор с нейросетью NNUE. В списке CCRL 40/15 от 9 октября 2026 года Stockfish 19 занимает первое место с рейтингом 3650 Эло. История от Deep BlueDeep Blue Deep Blue это шахматный компьютер IBM, который в мае 1997 года выиграл матч у чемпиона мира Гарри Каспарова. Подробнее в словаре до AlphaZero на странице об ИИ в шахматах.

Физический ИИ управляет движением: видит сцену, понимает задачу и двигает манипулятор, колеса или ноги. По данным IFR, в 2025 году в мире установили больше 600 000 промышленных роботов, на 11% больше, чем годом раньше, а всего в работе рекордные 5 млн роботов.

Isaac GR00T от NVIDIA дает открытую базовую модельбазовая модель Базовая модель (foundation model) это большая нейросеть, обученная на огромном объеме общих данных, которую потом приспосабливают к множеству конкретных задач. Подробнее в словаре для гуманоидов. 16 марта 2026 года NVIDIA представила версию N1.7 с правом коммерческого использования, о ее применении объявили Humanoid, LG Electronics, NEURA и Noble Machines. Объявление о применении еще не значит работу у заказчика: статусы роботов собраны на странице о робототехнике.

Чат-ботчат-бот Чат-бот это программа, которая переписывается с человеком в окне чата: на сайте, в мессенджере или в приложении. Подробнее в словаре это только одна из двенадцати задач. В производстве деньги чаще приносит зрение, в рознице прогноз спроса и рекомендации, в финансах антифрод, в бэк-офисе распознавание документов.

Выбор идет от задачи, а не от модели: где сотрудники тратят больше всего часов, где ошибка стоит дороже всего, какие данные уже есть. Только после этого подбирают тип ИИ и конкретную модель.

Проверьте лицензию до запуска. YOLO под AGPL-3.0 требует открыть продукт или купить лицензию, веса TimesFM-3 некоммерческие, LightGBM и Whisper под MIT можно встроить в закрытую систему.

Если данные содержат персональные сведения клиентов или сотрудников, открытую модель ставят на свой сервер в России. Термины из этой страницы собраны в словаре ИИ.