Незрячие и слабовидящие пользователи теперь могут получить текстовое или голосовое описание любой картинки на любой странице интернета. Об этой технологии рассказывается в недавно опубликованном отчете «Яндекса» о результатах работы компании в области устойчивого развития за 2025 год. Компания сфокусировалась на разработке ИИ-технологий, которые помогают бизнесу и людям. Одним из ключевых нововведений стало внедрение в «Яндекс Браузере» функции описания изображений с помощью нейросети «Алиса AI». Мы выяснили, как это работает и какой у «Алисы» характер по сравнению с ближайшими конкурентами.

Еще совсем недавно незрячему человеку, чтобы «прочитать» картинку, требовалась помощь другого человека. Сегодня эту роль все чаще берет на себя искусственный интеллект.

В «Яндекс Браузере» нейросеть «Алиса» анализирует картинки прямо на веб-страницах: иллюстрации в статьях, фото в соцсетях, изображения товаров в онлайн-магазинах, меню в ресторанах с доставкой, скриншоты интерфейсов и графики. Главная особенность «Алисы AI» — мультимодальность: нейросеть воспринимает изображение целиком, понимает связи между объектами и контекст. Поэтому на выходе получается не автоматическое перечисление предметов, а скорее разговор со зрячим другом.

— Одно из важных направлений нашей работы — системное влияние на доступность контента во всем интернете. Если проводить аналогию с физическим миром — это как если бы одним решением во всем городе появились пандусы. Ранее мы добавили субтитры для глухих людей на любой странице, а в 2025 году сделали следующий шаг: теперь любая картинка на любом сайте описывается с помощью искусственного интеллекта,— пояснила Валерия Курмак, директор по устойчивому развитию компании «Яндекс».

Вместо того чтобы адаптировать каждый сайт или сервис отдельно для незрячих и слабовидящих, что действительно похоже на установку пандусов только в одном дворе, «Яндекс» создает инструменты, которые можно внедрить массово — и тогда польза появляется везде, где есть интернет.

Чтобы узнать, что видит ИИ на экране в «Яндекс Браузере» для Windows, iOS и Android, нужно выбрать опцию «Описать картинку» в контекстном меню или на панели поверх картинки либо навести на изображение фокус программы экранного доступа (она воспроизводит вслух все, что находится на экране). Управлять функцией можно в настройках браузера — в разделе «Специальные возможности».

Мы решили сравнить работу «Алисы» и похожих нейросетей—универсальных помощников: китайской модели DeepSeek и Gemini, которую создала Google. Для этого сначала выбрали картину Ивана Шишкина и Константина Савицкого «Утро в сосновом лесу». Ее видел практически каждый — если не в Третьяковской галерее, то в школьном учебнике или на фантиках знаменитых конфет. А вот как «видит» ее «Алиса»: «На картине изображен лес с высокими деревьями, сквозь ветви которых пробивается свет. В центре два медведя: один на упавшем дереве, другой стоит рядом. Вокруг них густая зеленая листва и мох, создающие ощущение дикой природы. Свет, проникающий сквозь деревья, придает сцене теплый и уютный оттенок». Все бы хорошо, но медведей на картине четыре. При ответе на уточняющий вопрос «Алиса» исправилась и медведей пересчитала правильно — вот только уточняющие вопросы может задать тот, кто либо видит эту картину и без помощи ИИ, либо и так знает, что на ней изображено.

DeepSeek подошла к описанию более основательно: сообщила, что в лесу растут сосны и ели, три медвежонка исследуют поваленное дерево, а медведица следит за своими детенышами. Она также назвала авторов картины и предложила рассказать интересную историю о ее создании. Нейросеть Gemini тоже медведей посчитала правильно и добавила описание пейзажа: «Сквозь верхушки деревьев пробиваются первые золотистые лучи солнца, а низину окутывает густой утренний туман».

Вторую картинку — изображение девушки в красном платье из онлайн-магазина — все три нейросети тоже описали по-разному. Ближе всех к цели оказалась Gemini. Она подробно рассказала о фасоне платья: корсетный лиф, рукава-фонарики, застежка-молния, короткая расклешенная юбка. Это важно, так как на маркетплейс пользователь приходит за покупками и ему нужно хорошо представлять себе, как выглядит товар. «Алиса» почему-то увлеклась описанием помещения, в котором сфотографирована модель, отметив золотую люстру, декоративную вазу и «ощущение простора и элегантности» в интерьере. Зато на дополнительные вопросы снова ответила охотно и подробно, рассказав, какие есть в наличии размеры, сколько стоит платье, какие сроки доставки. А вот DeepSeek единственная заметила, что у девушки кольцо на безымянном пальце. Вот только перепутала левую и правую руки — если бы пользователь не покупал платье, а собирался сделать предложение руки и сердца девушке на фото, то из-за ошибки нейросети он мог бы попасть в неловкое положение.

Разумеется, ни один ИИ пока не идеален: возможны ошибки в распознавании деталей, цветов или эмоций. Поэтому к критически важной информации нужно относиться осторожно. Например, медицинские документы или финансовые данные лучше показать человеку.

И все-таки инклюзивные технологии стремительно развиваются: то, что еще недавно казалось фантастикой, становится базовой частью цифровой среды. Для того чтобы использовать ИИ эффективно, стоит от каждого брать по его возможностям.

«Алиса AI» — это подружка: она делает ставку на удобство и естественность общения. Посплетничает, какие фото разместили друзья в соцсети, посоветует фасон одежды для вашего типа фигуры, а по фото продуктов в холодильнике или корзине онлайн-магазина предложит, что из них можно приготовить. Однако нужно быть готовым задавать множество уточняющих вопросов. Хотя болтать с ней легко и приятно. Так как русский язык для нее как родной, «Алиса» хорошо понимает бытовые формулировки и культурные отсылки, что упрощает взаимодействие.

DeepSeek — умный напарник для сложных задач. Обсуждать с ним новости в соцсетях или «ходить по магазинам» — все равно что забивать гвозди микроскопом. Главный талант этой нейросети не просто описание, а разбор: извлечь данные, структурировать информацию, сопоставить факты. Перед ответом она рассуждает и продумывает шаги, поэтому реже допускает логические ошибки, хотя и может, как выяснилось, иногда перепутать правую и левую руки на картинке. А еще она не интегрирована в браузер, как «Алиса», и все изображения для анализа нужно загружать в чат, что немного усложняет процесс.

Gemini — добросовестный помощник, иногда даже слишком. Его можно назвать увлекающейся натурой. Он никогда не скажет просто: «На фото мужчина и автомобиль», а скорее ответит: «Молодой человек в синей куртке стоит у серебристой машины, будто собирается сесть за руль». Иногда незрячему человеку такие описания помогают «почувствовать» снимок, а не только узнать, что на нем изображено. Но иногда пользователю сначала нужно понять суть, а потом уже нюансы. Как и «Алиса», Gemini интегрирована в браузер, что делает работу с ней удобнее.

«Алиса», DeepSeek и Gemini показывают разные пути к одной цели — цифровому равенству и доступности визуальной среды. Выбор конкретного ИИ-помощника зависит от задач и привычек пользователя, а их разумное сочетание позволяет выстроить удобную и надежную систему поддержки.

Оксана Пашина, корреспондент Русфонда