Microsoft запатентовала обучение нейросетей на простаивающих домашних ПК за вознаграждение

Обычно большие модели учат в дата-центрах на сотнях серверных видеокарт. Патент описывает другой путь: сервер режет обучение на мелкие задания и отправляет их устройствам, у которых сейчас свободна мощность. Запись о выдаче опубликовало USPTO, патентное ведомство США; подробности есть в тексте заявки US 2026/0349820 A1.

Что нового в патенте?

• Нарезка обучения на куски. Сервер строит граф зависимостей (схему, какая операция от какой зависит) и решает, где модель можно разрезать.
• Цена каждого разреза. Учитываются три вещи: сколько данных гонять между устройствами, сколько лишней памяти нужно и как часто исполнителю понадобятся данные, которых у него нет.
• Два способа делить работу. По частям модели или по блокам градиентов (поправок, которые подсказывают модели, куда сдвинуть настройки).
• Слежение за компьютером. Планировщик смотрит загрузку видеокарты, память, температуру и энергопотребление, а по истории прогнозирует, сколько ещё машина будет свободна.
• Пауза или отмена. Если пороги превышены, например владелец запустил игру, расчёт можно приостановить или снять.
• Проверка честности. Одну задачу можно отдать нескольким исполнителям и сравнить ответы.

Компьютер, который регулярно свободен по несколько часов, получит задание крупнее. Машине с короткими и непредсказуемыми окнами достанется меньшее.

Почему домашний интернет важнее мощной видеокарты?

Авторы разбора заявки посчитали один обмен между соседними блоками модели, которые стоят на разных машинах. Кусок данных на границе весит 32 МиБ (около 33,5 мегабайта), и при исходящей скорости 20 Мбит/с его отправка займёт около 13,4 секунды без учёта накладных расходов. Обратно через ту же границу пойдёт ещё столько же.

Отсюда вилка с размером задания. Если расчёт длится пять секунд, а подготовка и передача пятнадцать, компьютер три четверти времени не считает. Если задание укрупнить до нескольких минут, растёт риск потерять результат, когда ПК выключат.

Есть и проблема опоздания. Домашний компьютер считал поправку для версии модели номер 100, а на сервере уже версия 120. Патент допускает снижать вес таких ответов по давности, проверке и надёжности исполнителя, но направление поправки всё равно рассчитано для устаревшей версии.

Для сравнения в разборе приведена схема DiLoCo от Google DeepMind, где исполнители реже обмениваются данными. В исходном эксперименте восемь исполнителей на наборе данных C4 показали качество на уровне обычного обучения при объёме обмена в 500 раз меньше. Авторы оговаривают, что это результат для конкретной конфигурации.

Как попробовать?

1. Найдите на сайте USPTO запись о патенте US 12,792,414 B2 и прочитайте формулу изобретения, первый пункт.
2. Откройте текст заявки US 2026/0349820 A1: там описаны добровольное участие и варианты вознаграждения.
3. Не ставьте программы, которые обещают деньги «за обучение ИИ Microsoft» на вашем ПК: компания такого продукта не объявляла.

Есть ли российский аналог?

В источнике о российских разработках ничего нет. Патент касается того, как модели учат, а не как ими пользоваться, поэтому вашу работу с YandexGPT и GigaChat он не меняет.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Это готовый сюжет для разбора «может ли ваш игровой ПК зарабатывать на ИИ». Рассказывайте честно: есть патент, нет продукта и цифр.

Маркетологу. Следите, появится ли сервис с вознаграждением за мощности. Если появится, это новый канал для геймерской аудитории.

Предпринимателю в РФ и СНГ. Сервиса нет, доступность в России неизвестна. Сейчас нечего покупать и не на что подписываться.

Частые вопросы

Можно ли уже сдать свой компьютер Microsoft для обучения ИИ?

Нет. Опубликован патент, о запуске сервиса, сроках и оплате компания не сообщала.

Будет ли участие обязательным?

В описании заявки речь о добровольном участии и вознаграждении. Обязательного подключения патент не описывает.

Помешает ли это играть?

По схеме из заявки расчёт ставится на паузу или отменяется, когда нагрузка, температура или энергопотребление выходят за пороги. Как это будет работать на практике, проверить нельзя, пока нет продукта.