Перейти к содержанию
суббота, 21 ноября 2026 г.

ИИ Вестник

Главные новости о развитии искусственного интеллекта в России

Google построила симуляцию интернета с фейковыми банками и соцсетями для обучения ИИ-агентов

Источник: 3DNews:
Futuristic server room, glowing screens showing simulated banking and social media interfaces, AI agents learning.
Generated by Sourceful Riverflow (RouterAI)

Google развернула закрытую среду, воспроизводящую веб-сервисы, включая поддельные банки и социальные сети, чтобы безопасно тренировать автономных ИИ-агентов. Проект позволяет моделям совершать действия в реалистичных сценариях без риска для реальных пользователей и инфраструктуры. Инициатива отражает растущую ставку индустрии на агентные системы и одновременно демонстрирует, насколько остро стоит проблема безопасного тестирования.

Компания Google создала изолированную цифровую среду, которую можно описать как параллельный интернет, предназначенный для обучения и проверки автономных ИИ-агентов. Об этом сообщил ресурс 3DNews со ссылкой на собственные материалы издания. Среда имитирует работу реальных онлайн-сервисов, включая банковские приложения и социальные сети, однако все операции внутри неё являются искусственными и не затрагивают настоящие аккаунты, деньги или персональные данные. Инициатива появилась на фоне того, что крупные технологические компании всё активнее переводят генеративные модели из режима диалога в режим выполнения многошаговых задач, и именно этот переход требует принципиально новых инструментов проверки.

Ключевая особенность проекта состоит в том, что агенты получают не абстрактные тестовые задания, а полноценные сценарии поведения в веб-интерфейсах. Внутри среды действуют поддельные банки, социальные платформы и другие сервисы, с которыми модель может взаимодействовать так же, как человек: открывать страницы, заполнять формы, подтверждать операции и реагировать на изменения интерфейса. Такой подход позволяет проверять не только качество ответов модели, но и её способность доводить цепочку действий до результата, не нарушая заданных ограничений. По данным источника, среда создана именно для обучения и оценки агентов, а не для публичного доступа пользователей, что подчёркивает её исследовательский, а не продуктовый характер. Показательно, что новость вышла в одном ряду с сообщениями о том, что Google внедрила чаты с ИИ прямо на главную страницу поисковика, — обе инициативы указывают на стремление компании встроить генеративные модели в повседневные цифровые сценарии, но если поисковый чат обращён к массовому пользователю, то параллельный интернет обслуживает внутренние задачи разработки.

С технической точки зрения речь идёт о комбинации симуляции веб-приложений и набора сценариев, в которых агент вынужден принимать решения в условиях неполной информации. Поддельные банки и соцсети нужны для того, чтобы воспроизвести типовые риски: попытки выполнить платёж, изменить настройки приватности, опубликовать сообщение или перейти по подозрительной ссылке. В реальном интернете подобные эксперименты сопряжены с юридическими, финансовыми и репутационными последствиями, поэтому изолированный контур становится практическим инструментом разработки. Кроме того, такая среда упрощает воспроизводимость тестов: сценарии можно повторять, менять и сравнивать результаты разных версий модели, а значит, инженеры получают обратную связь не от единичных запусков, а от систематических прогонов, что критично при отладке агентной логики. Именно воспроизводимость часто оказывается слабым местом при оценке агентов: поведение модели в открытом вебе зависит от массы внешних факторов, которые невозможно контролировать, тогда как закрытый контур позволяет зафиксировать условия и понять, какое именно изменение в модели привело к улучшению или деградации результата.

Контекст инициативы связан с общим сдвигом рынка в сторону агентных продуктов. Ранее Google уже внедряла чаты с ИИ на главную страницу поисковика, а другие игроки также развивают автономных помощников: Apple, по сообщениям, запустила разработку собственного ИИ-агента, который поселится в компьютерах Mac, и ищет руководителя для создания агентного ИИ-ассистента, способного работать в приложениях, браузере и командной строке. Anthropic, OpenAI и Microsoft параллельно тестируют сценарии, где модель выполняет действия от имени пользователя. На этом фоне создание собственного симулированного интернета выглядит логичным шагом: компании нужен контролируемый полигон, где агенты могут ошибаться без последствий для бизнеса, а накопленный опыт проверки становится таким же конкурентным активом, как и сама модель. Примечательно, что новость появилась на фоне сообщений о вхождении Anthropic в «клуб триллионеров» по итогам IPO — рынок явно оценивает агентное направление как один из главных драйверов отрасли, и инфраструктура тестирования в этой логике становится частью фундамента, на котором строится капитализация.

Для российского рынка эта новость важна прежде всего как сигнал о зрелости подхода к тестированию агентных систем. Отечественные разработчики также экспериментируют с ИИ-агентами в поддержке клиентов, документообороте и внутренних процессах, однако нередко проверка проводится на реальных данных или на упрощённых моках. Кейс Google показывает, что конкурентоспособность агента определяется не только качеством языковой модели, но и качеством среды, в которой её проверяют. Для компаний, работающих с банковскими и социальными сценариями, подобный полигон мог бы снизить риски утечек и ошибочных операций, хотя его создание требует значительных инженерных и юридических усилий, а также готовности инвестировать в инфраструктуру, не приносящую немедленной выручки. Дополнительный аргумент в пользу такого подхода — общий фон киберугроз: в те же дни стало известно о похищении данных более миллиона банковских карт в двадцати странах, включая Россию, и об уязвимости в экране блокировки Windows 11, открывающей путь ко всем данным на ПК. В такой обстановке проверка агентов на изолированных копиях банковских и социальных сервисов выглядит не роскошью, а гигиеническим минимумом, особенно если учесть, что агент по определению действует от имени пользователя и имеет доступ к чувствительным операциям.

Если сравнивать с альтернативами, то классические бенчмарки для ИИ оценивают ответы на вопросы и решение изолированных задач, но плохо отражают поведение агента в длинной цепочке действий. Песочницы отдельных приложений позволяют проверить один сервис, но не моделируют переходы между сайтами и изменение контекста. Параллельный интернет Google ближе к комплексному интеграционному тесту: он воспроизводит не только интерфейсы, но и последствия действий. Ограничение подхода в том, что любая симуляция упрощает реальность, а значит, агент может научиться вести себя корректно в поддельном банке и растеряться при встрече с нестандартным интерфейсом настоящего. Остаётся и вопрос переноса навыков: то, что модель освоила внутри закрытого контура, не гарантирует безопасности в открытом вебе. Отдельного внимания заслуживает и обратная сторона обучения в симуляции — риск того, что агент научится обходить ограничения именно потому, что среда искусственна и не содержит всех защитных механизмов реальных сервисов.

Дальнейшее развитие таких сред будет зависеть от того, насколько открыто компании станут делиться методиками оценки агентов и насколько быстро появятся отраслевые стандарты безопасности. Остаются открытыми вопросы о том, как переносить навыки из симуляции в реальный веб, кто будет сертифицировать агентов перед допуском к финансовым операциям и как избежать ситуации, когда модель учится обходить ограничения внутри полигона. Пока же проект Google подтверждает главное: конкуренция в сфере ИИ всё больше смещается от создания моделей к созданию инфраструктуры, в которой эти модели можно безопасно обучать и проверять. Для российских команд это означает, что инвестиции в собственные полигоны и методики оценки могут оказаться не менее важными, чем закупка вычислительных мощностей, — и именно от них будет зависеть, насколько уверенно отечественные агенты смогут выходить к реальным пользователям.

Читайте также