Enter участвовала в HackPrinceton Spring 2026 — 410 участников, 36 часов, кампус Принстона. Мы были там, чтобы поддержать новое поколение разработчиков. Команда, стоящая за Atlas, была одной из тех, к кому мы возвращались снова и снова.

Проблема в том, как мы учим

В основе большинства систем образования лежит разрыв, о котором знает каждый, кто хоть раз сидел на уроке истории.

Тебе рассказывают, что произошло. Ты читаешь слова. Сдаёшь тест. И где-то между учебником и экзаменом то, что должно было иметь значение — момент, место, реальность происходящего, — так и не доходит до тебя по-настоящему. Остаётся абстракцией. Слова на странице, описывающие мир, который ты не можешь увидеть.

То же самое с естественными науками. Фотосинтез — сначала слово, а потом уже процесс. Этапы заучивают наизусть. А вот понимание, интуитивное ощущение того, что на самом деле происходит внутри листа, когда на него падает свет, требует большего, чем диаграмма.

Команда Atlas отталкивалась от простого наблюдения: инструменты, способные изменить это, уже существуют. Иммерсивные 3D-среды, ИИ, умеющий говорить и рассуждать в реальном времени, генерация миров из одного текстового запроса. Вопрос был в том, можно ли собрать эти инструменты во что-то, что ощущается не как продукт, а как место.

Что такое Atlas на самом деле

Введи любое историческое событие или научное понятие. Окажись внутри сгенерированного вокруг него 3D-мира.

Это и есть суть Atlas — и это описание не передаёт, каково на самом деле этим пользоваться. Мир — это не иллюстрация и не симуляция в традиционном смысле. Это фотореалистичная среда, сгенерированная по твоему запросу, отрендеренная в реальном времени и выстроенная вокруг конкретной вещи, которую ты пришёл понять.

Внутри этого мира есть ИИ-гид. Он говорит. Он слушает. Он отвечает на вопросы так, как это сделал бы знающий человек, стоящий рядом с тобой в этой среде, — опираясь на сцену вокруг, на объекты, которые ты видишь, на конкретный контекст того, где ты находишься и на что смотришь. Можно кликнуть на отдельные элементы и спросить о них напрямую. В научных сценах управляемые эксперименты реагируют на твои действия. Цикл фотосинтеза, меняющийся по мере взаимодействия с ним. Мир, который учит действием, а не рассказом.

Интерфейс Atlas с сгенерированной 3D-средой древнекитайской деревни, ИИ-гид активен в углу — готов отвечать на вопросы, опираясь на объекты и пространственный контекст, видимые в сцене.

Сложная проблема, которую они решили

Самая интересная техническая задача, с которой столкнулся Atlas, была одновременно и самой фундаментальной: удержать ИИ-гида честным в отношении того, что действительно есть в сцене.

Языковая модель, получившая полную свободу внутри мира, который она не видит, начнёт заполнять пробелы. Она будет описывать людей, которых там нет, упоминать объекты, которые никогда не генерировались, добавлять контекст, который звучит правдоподобно, но не опирается на реальную среду, в которой находится ученик. Для урока истории такая галлюцинация не просто неточна — она напрямую подрывает то, чего Atlas пытается достичь.

Решением стала система scene graph — структурированное представление каждого размеченного, доступного для запроса элемента внутри сгенерированного мира. Прежде чем ответить на что-либо, гид считывает сцену. Он знает, что там находится. Каждый ответ привязан к этому пространственному и историческому контексту, а не к общим знаниям модели о том, как может выглядеть древнекитайская деревня.

В результате получился ИИ, который ведёт себя не как поисковая система, а как гид, который и сам стоял в этой комнате.

Архитектура scene graph, лежащая в основе Atlas, структурирует каждый сгенерированный мир в размеченные, доступные для запроса элементы — обеспечивая ИИ-гиду пространственную привязку, чтобы каждый ответ отражал то, что ученик действительно может увидеть.

Чем команда больше всего гордится

Тем, что весь цикл работает от начала до конца.

Вводишь запрос. Вокруг него генерируется настоящий 3D-мир. Голосовой ИИ-гид отвечает на вопросы прямо из этого мира, с исторически точными, пространственно обоснованными деталями. Для команды, собиравшей на хакатоне конвейер, охватывающий генерацию миров, 3D-рендеринг, интерпретацию сцены, диалоговый ИИ и синтез речи, замкнуть этот цикл чисто за 36 часов — настоящее достижение.

Режим научных экспериментов STEM удивил даже саму команду. Обучение науке через взаимодействие, а не через изложение, меняет отношения между учеником и понятием. Ты не заучиваешь этапы фотосинтеза наизусть. Ты наблюдаешь, как он реагирует на твои действия. Это различие важнее, чем может показаться на первый взгляд.

Что дальше

Качество генерации миров — самая очевидная область для улучшения: Gaussian Splatting создаёт фотореалистичные среды, но у текущего разрешения есть пределы, и команда хочет повысить как детализацию, так и масштаб того, что генерируется из одного запроса.

Более крупная цель — VR. 3D-мир на экране — это одно. А стоять внутри него, двигаться собственным телом, тянуться рукой к объекту, чтобы спросить о нём, — это та версия Atlas, которая полностью стирает разрыв между обучением и реальным переживанием опыта.

Более масштабная идея

У образования всегда было верное намерение. Отставали именно инструменты, способные этому намерению соответствовать.

Atlas — это начало по-настоящему другой модели: той, где учит сама среда, где вопросы получают ответ в контексте, где расстояние между понятием и его пережитым пониманием исчезает. Технологии для создания этого существовали по частям уже много лет. Изменилась способность собрать эти части во что-то, куда ученик действительно может войти.

Это та проблема, на которую стоит потратить 36 часов. И тот ответ, завершение которого требует больше 36 часов.

Пропустили предыдущие выпуски? → Vol. 1 — Heritage in Pixels → Vol. 2 — Terra Zone AI → Vol. 3 — reAgent → Vol. 4 — TaleTailor → Vol. 5 — LEGR → Vol. 6 — PolyPath → Vol. 7 — EcoThread → Vol. 8 — Aletheia → Vol. 9 — Synova → Vol. 10 — Overturn Insurance → Vol. 11 — VentureLink