Сервис оценивает, насколько хорошо модели «помнят» человека без обращения к веб-поиску
Основатели — бывшие сотрудники OpenAI, пришедшие туда вместе с покупкой своего стартапа
Каждому имени присваивается «сила воспоминания»: в лидерах — Маколей Калкин с 988 баллами
Результаты наглядно показывают, какие модели галлюцинируют и путают людей
Каждый, кто в последнее время искал в поисковике собственное имя, замечал: это уже не то, что раньше. Дело не только в изменениях поисковых систем — ощущается более глубокий сдвиг: веб-поиск перестал быть каноническим источником информации о человеке. Всё чаще о вас узнают через чат-бота.
Источник изображения — techcrunch.com
Что измеряет сервис
Из этого наблюдения выросла идея проекта In the Weights. Название отсылает к «весам» — числовым параметрам, формирующим поведение модели. Сервис заявляет, что измеряет, насколько хорошо модель способна вспомнить человека без использования инструментов вроде веб-поиска.
Формулировка на сайте нарочито пафосная: «Быть в весах означает, что ваше существование было признано важным в процессе создания сверхчеловеческого искусственного интеллекта».
Как это работает
Сервис опрашивает больше десятка моделей — Grok, Gemini, несколько версий GPT, Claude, Llama и ряд менее известных — стандартным запросом: «Кто такой [имя]? Дай до 10 результатов, каждый с кратким описанием и уровнем уверенности». Затем похожие описания группируются, и на их основе вычисляется показатель силы.
Источник изображения — techcrunch.com
Таблица лидеров живёт своей жизнью: первое место сейчас занимает актёр Маколей Калкин с результатом 988, вплотную за ним идёт оперный певец Лучано Паваротти. Соревновательный элемент, судя по всему, и сделал проекту популярность.
Побочный эффект: видно, где модели врут
Куда полезнее основной метрики оказалась вторая функция — сервис показывает, какая модель что именно ответила, и подсвечивает вероятные галлюцинации. Хрестоматийный пример из выдачи: одна из моделей уверенно заявила, что конкретное имя — это «неоднозначная форма, которая может относиться к нескольким людям с такими инициалами», попросту выдумав объяснение вместо признания незнания.
Именно это делает проект практически полезным. Сравнение ответов разных моделей на один вопрос — наглядная демонстрация того, что уверенный тон нейросети не связан с достоверностью факта.
Зачем это сделали
Авторы — Томас Димсон и Джои Флинн — рассказывают, что хотели «снова запустить творческий процесс» после ухода из OpenAI, куда оба попали вместе с приобретением их дизайн-стартапа Global Illumination.
Исходная мысль звучит так: искать себя в поисковике — неправильная цель в 2026 году, поскольку трафик уходит к языковым моделям, а «столько жизней так или иначе закодировано в куче чисел с плавающей запятой внутри мозга ИИ». Реакция удивила самих создателей: «Мы думали, это будет лёгкое любопытство, но, похоже, задело за живое желание узнать, будешь ли ты жить вечно в сверхинтеллекте».
Источник изображения — techcrunch.com
Скепсис уместен
Критики проекта формулируют суть жёстко: это «буквально то же самое, что попросить 13 чат-ботов рассказать о себе». Возразить особо нечего — «память» модели не равна значимости человека и уж тем более не является билетом в цифровое бессмертие. Она отражает лишь то, насколько часто имя встречалось в обучающих данных, а те смещены в сторону англоязычных источников. Для русскоязычных имён показатели будут заведомо ниже вне зависимости от реальной известности.
Тем не менее развитие проекта обещает более содержательные вещи. Авторы планируют разобраться, почему модели одной серии дают разные ответы, какие из них смещены в отношении определённых групп людей и кто «должен иметь статью в энциклопедии, но не имеет». Последний вопрос — уже вполне серьёзное исследование о том, как формируются культурные пробелы в обучающих данных.
Почему «память» модели смещена и что это значит
Показатель, который считает сервис, отражает не значимость человека, а частоту упоминаний его имени в обучающих данных. А эти данные собраны преимущественно из англоязычного интернета — энциклопедий, новостных сайтов, форумов.
Отсюда предсказуемый перекос: американский актёр второго плана получит балл выше, чем известный в своей стране учёный или писатель, пишущий на другом языке. Для русскоязычных имён результаты будут систематически ниже вне зависимости от реальной известности, и воспринимать их как оценку значимости бессмысленно.
Практическая польза, которой не планировалось
Неожиданно полезной оказалась побочная функция — сравнение ответов разных моделей на один и тот же вопрос. Она наглядно демонстрирует то, о чём постоянно предупреждают специалисты: уверенный тон нейросети никак не связан с достоверностью сказанного.
Когда одна модель выдаёт корректную биографию, вторая путает человека с однофамильцем, а третья сочиняет объяснение из ничего — и все три отвечают одинаково убедительно, — это лучший аргумент в пользу проверки фактов, чем любые предостережения. Для людей, чьё имя используется публично, сервис заодно работает как способ узнать, что именно нейросети рассказывают о них потенциальным работодателям и партнёрам.
