Профессор Оксфорда сравнил будущее ИИ с катастрофой дирижабля "Гинденбург"

Гарвардский астроном Ави Лоб, наиболее известный своими смелыми гипотезами о внеземных цивилизациях, обратил внимание на проблему куда ближе к Земле. В недавнем эссе в личном блоге профессор выразил обеспокоенность когнитивной деградацией среди людей, чрезмерно полагающихся на ИИ-чатботы.

Недавно я заметил, что некоторые люди вокруг меня начинают терять когнитивные способности в результате чрезмерного использования платформ искусственного интеллекта – ChatGPT, Claude или Gemini. Это явление напоминает потерю мышечной массы от чрезмерного использования общественного транспорта вместо ходьбы пешком. В академической среде единственный надёжный способ проверить когнитивные способности студентов сейчас – поместить их в клетку Фарадея.

Аналогия с общественным транспортом, возможно, не самая удачная – исследования показывают, что пассажиры общественного транспорта в реальности много ходят пешком, и сравнение с автомобилистами было бы точнее. Однако, Лоб указывает на реальную и растущую проблему, которую отмечают всё больше исследователей и педагогов.

С момента массового распространения ИИ-чатботов за последние годы появились различные научные работы и наблюдения, описывающие именно этот феномен. Исследование швейцарского учёного Михаэля Герлиха 2025 года показало, что частое использование ИИ-инструментов может вызывать атрофию навыков критического мышления, создавая своеобразную "когнитивную цену" для пользователей.

По мере роста числа пользователей ИИ долгосрочные риски системного интеллектуального долга становятся всё более очевидными. Согласно недавнему исследованию Pew Research Center, огромное количество школьников-подростков используют ИИ для выполнения домашних заданий, причём наиболее активное использование сконцентрировано среди учащихся из малообеспеченных семей и представителей меньшинств.

По мнению Лоба, угроза такого рода когнитивных нарушений на уровне общества делает особенно важным противодействие идее об ИИ-системах как о волшебной замене человеческого разума.

Считать ИИ чем-то сопоставимым с красотой человеческого ума – это всё равно что красить губы свинье. Меня гораздо больше волнует возможность обнаружить по-настоящему инопланетный интеллект от другой звезды.

Конечно, это не значит, что все пользователи ИИ теряют когнитивные способности – все зависит от того, как используется инструмент. Если полагаться на него как на замену мышления, то идея утери части мыслительных навыков звучит вполне правдоподобно.

Источник

Глава OpenAI Сэм Альтман выступил в защиту ИИ-индустрии на мероприятии The Indian Express в рамках крупного ИИ-саммита в Индии, назвав часть критики в адрес ChatGPT по вопросам экологии оторванной от реальности.

Особенно резко Альтман отреагировал на распространённые в интернете утверждения о расходе воды. По его словам, заявления о том, что каждый запрос к ChatGPT требует 64 литра воды – полная ложь, абсолютное безумие, не имеющее никакого отношения к реальности.

Он признал, что проблема существовала, когда дата-центры использовали испарительное охлаждение, однако настаивает на том, что сейчас ситуация принципиально иная. На вопрос о том, верно ли, что один запрос к ChatGPT потребляет энергию, эквивалентную 1,5 зарядам аккумулятора iPhone, Альтман ответил:

Реальность точно не близка к такой цифре.

Суммарное энергопотребление отрасли он при этом назвал обоснованной темой для беспокойства и добавил, что мир должен "как можно быстрее переходить к ядерной энергетике, ветру и солнцу". Отдельно глава OpenAI раскритиковал методологию многих сравнений, где затраты на обучение модели противопоставляются стоимости одного запроса к уже готовой системе.

В качестве альтернативного взгляда Альтман предложил сравнивать энергопотребление ИИ с человеком:

На обучение человека тоже уходит огромное количество энергии – около 20 лет жизни и всё съеденное за это время, прежде чем он становится по-настоящему умным. И это не считая эволюции ста миллиардов людей, которые когда-либо жили.

По его мнению, если сравнивать уже обученную модель с человеком при ответе на один вопрос, ИИ вполне может оказаться эффективнее с точки зрения энергозатрат.

Стоит отметить, что технологические компании не обязаны раскрывать данные о потреблении энергии и воды, так что независимые исследователи вынуждены изучать эти показатели самостоятельно.

Источник

Capcom продолжает уточнять свою позицию по использованию искусственного интеллекта в разработке игр.

Вице-президент по платформам разработки и ИИ-решениям Синъити Иноуэ рассказал о подходе компании к генеративному ИИ и деталях сотрудничества с Google Cloud.

На недавних брифингах для акционеров Capcom заявила, что не будет использовать сгенерированные ИИ ассеты в своих играх, но планирует применять технологию для повышения эффективности и продуктивности разработки. Эти заявления были довольно общими, однако теперь инженеры компании поделились конкретикой.

В интервью изданию 4Gamer Иноуэ пояснил, почему Capcom не планирует задействовать ИИ для создания графических и других игровых ассетов.

То, что мы в индустрии развлечений считаем крайне важным в противовес искусственному интеллекту – это человеческая чувственность. Даже ИИ высшего уровня всё ещё не может сравниться с нашими создателями, когда дело касается чувственности. Такова нынешняя реальность. Из-за этого концентрация человеческих усилий на работе, требующей подобной чувственности, более эффективна с точки зрения управления человеческим капиталом, а также важна для сосуществования с создателями.

Любопытно, что эта позиция несколько противоречит экспериментальным ИИ-инициативам Capcom 2025 года. Тогда компания объявила о сотрудничестве с Google Cloud для оптимизации процесса мозгового штурма и концептуализации десятков тысяч объектов, необходимых для AAA-игры.

File Not Loaded

В качестве примера приводилось создание дизайна вымышленного телевизора для игрового окружения. Хотя тот рабочий процесс предназначался для стадии предложений, а не финального производства ассетов, он всё же расходится с нынешней позицией Capcom, что может указывать на пересмотр взглядов компании.

Так для чего же Capcom использует ИИ?

По словам Иноуэ, оптимизация тестирования и задач, связанных с коммуникацией – самая насущная проблема AAA-разработки, ведь объём такой "рутинной работы" растёт экспоненциально по мере увеличения масштабов игр.

Именно для этого его команда разрабатывает систему плейтестинга, использующую Gemini совместно с несколькими ИИ-агентами, обученными внутри компании.

ИИ передаёт свои находки агентам проверки отладки, но вместо того чтобы оставлять всё на людях, другой агент сначала оценивает отчёты на соответствие концепции геймдиректора. Огромный объём этой работы по проверке и оценке выполняется, пока люди спят.После этого система отбирает проблемы, которые с высокой вероятностью 'не соответствуют задуманной концепции игры', и представляет их. Поскольку ИИ выполняет эти проверки заранее, людям больше не нужно проводить колоссальный объём ручной верификации самостоятельно.

Согласно пресс-релизу Google Cloud от апреля, система плейтестинга Capcom обрабатывает около 30 000 часов тестирования в месяц, существенно освобождая руки разработчиков.

ИИ-агенты используют Gemini Vision, чтобы "смотреть" на игровой экран и обнаруживать технические сбои, при этом отличая реальные ошибки от намеренных дизайнерских решений на основе данных, на которых они обучены.

Помимо этого, ИИ анализирует прошлые данные, чтобы предсказывать, где игровая система с наибольшей вероятностью "сломается" в следующий раз, и приоритизирует тестирование зон повышенного риска вместо случайных проверок.

взято тут

Режиссёр Стивен Содерберг никогда не чурался новых технологий в своём и без того стремительном кинопроизводственном процессе. Он славится способностью выпускать по несколько картин в год, но теперь, похоже, намерен ускориться ещё больше – с помощью искусственного интеллекта.

В новом интервью изданию Filmmaker Magazine, посвящённом его нестандартному фильму об ограблении произведений искусства "Кристоферы", Содерберг рассказал, как использует ИИ для работы над двумя другими картинами: документалке о Джоне Ленноне и Йоко Оно и масштабной драме об испано-американской войне.

По словам режиссёра, для почти завершённого документального фильма о знаменитой паре ИИ применяется для создания "тематически сюрреалистических образов". Картина посвящена деятельности Леннона и Оно за пределами музыки, а её основу составляет трёхчасовое интервью, которое пара дала радиостанции RKO за несколько часов до убийства Леннона. Содерберг объяснил, что единственный способ создать "образы, представляющие собой сюрреалистическую версию того, что их слова пытаются передать" – использовать генеративный ИИ.

Это очень увлекательный процесс, потому что вам нужна докторская степень по литературе, чтобы объяснить ему, что делать.

По оценке Содерберга, около 90% полуторачасового фильма составляют архивные фотографии, а сгенерированные ИИ визуальные вставки появляются лишь в "небольших карманах образов, которые мы создавали, когда они начинают говорить о философских вещах". В итоге речь идёт примерно о 10 минутах сгенерированного материала, зарезервированных для моментов, когда "нет буквального визуального компонента для того, что они говорят". При этом режиссёр признал, что процесс "отчаянно требует очень пристального человеческого контроля".

Судя по всему, опыт работы с подбором нужных промптов для получения идеальных психоделических и сюрреалистических образов в стиле Леннона пришёлся Содербергу по вкусу. Помимо документалки, режиссёр сообщил Filmmaker, что планирует задействовать "много ИИ" в будущем фильме об испано-американской войне с Вагнером Моурой в главной роли.

Режиссёр так резюмировал свои слова:

Сейчас странное время для того, чтобы снимать кино.

Судя по всему, Содерберг пошёл по пути "ИИ как полезный интсрумент". Посмотрим, что скажут на это зрители.

линк

Ну чё, котаны, техногенка?

Сегодня у нас серебряный призёр в номинации «крупнейшее невоенное кораблекрушение»: паром «Le Joola», Сенегал, 2002 год.

Итак, судно, построенное немецкой конторой Schiffswerft Germersheim, было спущено на воду в 1990 и предназначено сугубо для плавания в прибрежных водах. Пассажировместимость – 536 человек (плюс 44 члена экипажа), на момент катастрофы ВНЕЗАПНО имел вполне современные спасательные средства, но…

…но это Африка, детка! Следим за руками: во-первых, паром только вышел из ремонта и левый движок нуждался в обкатке. Во-вторых, наплевав на класс судна (для прибрежного плавания), его эксплуатировали за пределами разрешенной зоны. В-третьих – и, пожалуй, в главных – на момент происшествия из разрешенных 580 человек на борту было всего-то пара тысяч. Ничего не напоминает?

Так что не стоит удивляться тому, что, попав 26 сентября по пути из Зигиншора в Даккар в шторм у берегов Гамбии, «Le Joola» сделала то, что так любят делать все вусмерть перегруженные паромы: она утонула. Строго по классике: лихо перевернулась (около одиннадцати вечера) и болталась так до трёх пополудни следующего дня, пока, наконец, не ушла на дно. Несмотря на то, что после оверкиля корабль продержался на плаву ещё долго, благодаря крайне профессиональным (нет) действиям команды и спасателей, удалось спасти всего 64 человека, часть из которых подобрали местные рыбаки на пирогах. Да, вам не показалось, даже рыбаки на лодках из говна и палок добрались до места крушения раньше, чем спасатели. Цифра же в шесть с половиной десятков человек в тёплом море тонко намекает на то, что современные спассредства, которыми было оборудовано судно, задействованы не были, ибо даже несколько вовремя активированных спасплотов увеличили бы количество выживших в разы, если не на порядок.

В катастрофе погибло как минимум 1863 человека, впрочем, эта цифра может быть ощутимо больше, так как безбилетников там хватало и сколько именно забрал океан в этот раз вряд ли когда-нибудь удастся восстановить. До «Доньи Пас» не дотянули, но почётное второе место взять удалось. По итогам расследование кто-то лишился кресел (министр транспорта и министр обороны, например), кто-то отделался лёгким испугом, но всерьёз никого так и не наказали. В Зигиншоре поставили памятник в честь трагедии и на этом успокоились. Родственники погибших в том рейсе французов пробовали судиться во французских судах, но власти Сенегала посмотрели на это как… ну, в общем, как лет шестьдесят назад смотрели на них сами французы.

В общем, как я уже говорил, не ходите, дети, в Африку гулять.

Источник: https://author.today/reader/266980/2406567

Чукча не писатель, но чукча умеет копипастить. Сайт у вас получился хороший. Контента маловато. Ни деньгами, ни кодерством я помочь не могу. Но могу принести на капибару посты которые с удовольствием сам читаю. 

Автор: Даниил Ли.

Чё, котаны, техногенка?

Мало кто в наше время не слышал про цунами. Ну, в смысле, такая огромная, лютая, бешенная волна, смывающая КЕМ города и закидывающая корабли на высоченные скалы. Кароч, я люблю цунами. Особенно потому, что до ближайшего моря от меня километров триста по линейке (и около пяти сотен по факту). Такие отношения всегда лучше сохранять чисто платоническими, избегая разочаровывающих близких знакомств.

Итак, цунами, техногенка, что у нас… нет, не Фукусима. Даже не, матьиво, тихоокеанское побережье. Даже вообще не побережье. Ребята, о которых пойдёт речь в этой заметке, любили цунами настолько, что ухитрились учинить его в горах на материке.

Итак, ещё в лохматые двадцатые некий итальянец, гуляючи долиной реки Вайонт, глянул на гору Ток и подумал что-то вроде «Вот бы здесь плотину отгрохать, лол!». Но потом Муссолини, война, вот это всё, в общем, руки так и не дошли. Впрочем, разрешение на строительство в 1943 всё-таки было получено.

С пятьдесят седьмого по пятьдесят девятый плотину воплощали в бетоне. Двести шестьдесят метров высоты, сто девяносто длины – реально красивый и изящный проект, без шуток. Тревожные звоночки были уже тогда, геологи жаловались на неустойчивые склоны, местные ниже по течению всё чаще и беспокойнее спрашивали «А не ёбнет?», но руководство Адриатической энергетической корпорации отвечало знаменитой восточной мудростью «Ни сы!» и работы продолжались. Разгадка такой уверенности была проста: готовую ГЭС правительство собиралось национализировать с выплатой вкусной компенсации собственникам (Томас Джозеф Даннинг улыбается и машет ручкой).

В шестидесятом резервуар начали заполнять. Склоны поползли резвее, поэтому было принято единственно верное в подобной ситуации решение – правильно, подать в суд на освещавших проблему журналистов за шатание скреп.

К осени в резервуар сполз первый серьёзный оползень. Ребята почесали в затылке, чуть приспустили воду и построили допстенку в резервуаре. Её достроили в шестьдесят первом и снова принялись наполнять резервуар. Пять землетрясений (до 5 баллов) за одну только весну никого не смутили.

К лету шестьдесят третьего нервничали уже все. Ну почти все. Местные жаловались на оползни и землетрясения, инженеры говорили о вероятности катастрофы и лишь менеджеры как обычно придурковато улыбались. Было ясно, что рано или поздно-таки ёбнет.

Ёбнуло вечерком 9 октября. В резервуар рухнул здоровенный оползень, вода выплеснулась через гребень (педивикия говорит о более 50 000 000 кубометров воды) и весело покатилась по долине со скоростью порядка 10 м/с при высоте волны до девяноста(!) метров. Те, у кого совсем плохо с воображением, в этом месте могут оторваться от монитора, взять чайную ложку сахара, высыпать сахар в унитаз и нажать смыв. Так они могут получить наглядное представление о судьбе пяти деревень и пары тысяч (от 1900 до 2500, согласно педивикии) человек ниже по течению в долине реки Пьяве. Подсчёт жертв был затруднён ещё и тем, что многие деревни смыло КЕМ целиком, а значит опросить соседей не получалось.

Самое же интересное в том, что плотину не смыло. Вода слегка слизала гребень, но сама плотина устояла и стоит по сей день. Итальянский бетоночугуний выдержал испытание стихийным бедствием на «отлично».

В этом месте по законам жанра должна быть мораль, но она, по-моему, и так очевидна. Так что держитесь подальше от эффективных менеджеров и будете жить долго и счастливо. До новых встреч!

Ссылку на источник положу в комменты. 

Профессор физики Университета штата Юта Роберт Дэвис представил расчёты по строящемуся в округе Бокс-Элдер дата-центру Stratos Project. Согласно его анализу, опубликованному изданием The Salt Lake Tribune, объект создаст так называемый тепловой остров, способный кардинально изменить экологию региона.

Согласно официальным заявлениям, Stratos Project будет потреблять до 9 гигаватт энергии – более чем вдвое больше совокупного потребления электричества всем штатом Юта.

Помимо 9 гигаватт потребления, объект будет выделять ещё 7-8 гигаватт в виде тепла. Так что итоговая тепловая нагрузка достигнет 16 гигаватт.

Ситуацию усугубляет схема энергоснабжения. Stratos Project планируют запитать от собственных газовых генераторов, работающих круглосуточно, что позволит обойтись без локальной электросети. Такой подход типичен для крупных дата-центров, которым требуется быстро получить большие объёмы электроэнергии.

Проблема заключается в концентрации всего тепла на одной площадке. Обычно тепло от электростанций распределяется по домам и предприятиям, получающим энергию, а в случае Stratos Project вся нагрузка останется в одной точке.

Этим местом стала долина Хансел, которая по своей форме напоминает чашу и плохо проветривается. По расчётам Дэвиса, объект "эквивалентен примерно 23 атомным бомбам энергии, ежедневно сбрасываемой в эту локальную среду".

Что произойдёт, если непрерывно вливать столько энергии в подобную топографию? Прямо у северной оконечности Большого Солёного озера, в водосборе, который коллапсирует. В высокогорной пустыне. В долине.

Если ядерные бомбы сложно представить, помогает сравнение с супермаркетами. По площади дата-центр сопоставим с двумя тысячами таких магазинов, а по энергопотреблению – с 40 тысячами.

По его расчётам, объект повысит локальные температуры примерно на 3 градуса Цельсия днём и почти на 16 градусов ночью.

Бен Эбботт, профессор экологии Университета Бригама Янга, проверивший расчёты коллеги, сказал:

Это разница между полузасушливым климатом Юты и пустыней Сахара. Ландшафт изменится полностью.

Эбботт прогнозирует, что долина превратится в высушенную местность и усугубит пылевые проблемы региона, связанные с сокращением Большого Солёного озера. Обнажающееся дно водоёма уже становится источником пыли.

Предварительный анализ Дэвиса дополняет растущий массив исследований о тепловом воздействии дата-центров. Другая работа, посвящённая эффекту тепловых островов, показала, что подобные объекты способны поднять температуру поверхности на величину до 9 градусов Цельсия на расстоянии в несколько километров вокруг.

Источник

Вы, небось, обмазавшись прохладными про аварии на ГЭСах да АЭСах, радуетесь, что у вас на окраине (а то и в центре) Мухосранска коптит себе потихоньку старая ТЭЦка времён царя Гороха, а следовательно, ваши жопки в безопасности. Так вот, у меня для вас плохая новость. Вот вам новая фобия в копилочку: смог, который смог.

Знаменитые лондонские туманы – это не только визитная карточка города и предмет томных воздыханий нынешней отечественной хипстоты. Это один из важнейших компонентов не менее знаменитого лондонского смога (второй компонент – это дым). Даже в наше экопросвещённое время он не даёт спать по ночам бедняжке Грете, а уж во времена, о которых пойдёт рассказ он реально представлял из себя практически оружие массового поражения.

Дело в том, что до Лондона проклятый Сталин не дотянулся, и, следовательно, свободные британцы до сих пор не знают таких ужасов коммунизма, как центральное отопление (звуки_приплетания.wav, скачать без смс и регистрации). Как следствие, долгими британскими зимами отапливались кто чем может, а могли в основном углём. Дерьмовым британским углём, так как хороший уголь шел на экспорт. Так что и в лучшие дни в городе с синим небом было не то, чтобы очень, но, как показала практика, всё познаётся в сравнении.

К 5 декабря 1952 года над Лондоном сошлись сразу две несчастливых звезды: холодный туман, побуждавший подбрасывать больше угля фтопку, и некстати подошедший антициклон, «заперший» весь этот дым над городом. В итоге, образовавшийся смог получился настолько густым и ядрёным, что отменили автобусные маршруты, «скорые», концерты и прочее. Город натурально превратился в газенваген.

Британцы не были бы британцами, если бы не отнеслись к происходящему со стереотипным британским покерфейсом. Ну, типа: «Доброе утро мистер Смит, скверная погодка, не находите» - «Да, миссис Браун, ну и времена настали, вот при Черчилле такого не было». Ну или как-то так. К девятому потихоньку распогодилось, видимость улучшилась, и пришло время подводить итоги. А итоги были неутешительны.

Первые подсчёты дали цифру в 4 000 погибших. К февралю насчитали уже 6 000, а на сегодняшний день считается, что от смога погибло около 12 000 человек. Тихо, незаметно, без паники. «Большинство смертей было вызвано инфекциями респираторного тракта, в результате механической обструкции дыхательных путей сгустками гноя, возникшего из-за лёгочных инфекций, вызванных смогом; такая ситуация в организме могла привести к гипоксии. Основные лёгочные инфекции — бронхопневмония и острый гнойный бронхит на фоне хронического бронхита» - педивикия. Про долговременные осложнения я здесь не буду даже упоминать – тысячи их. В ужасе от такой статистики правительство начало ужесточать экологические нормы, хотя центрального отопления в Британии нет и по сей день.

Так что, котаны, массовой гибели людей не всегда предшествует большой бадабум, рёв сирен и грибовидное облако на горизонте. Иногда беда приходит вполне буднично, не становясь, впрочем, от этого менее смертоносной. Берегите себя и до новых встреч. Адиос.

Источник: https://author.today/reader/266980/2420194

Чё, котаны, техногенка?

Впрочем, история эта началась столетием раньше. Она началась даже раньше самого Вупперталя. В 1901 году в рамках решения транспортной проблемы крупного, динамично развивающегося промышленного района – долины реки Вуппер – был построен необычный монорельс. Более популярное решение – метро – не годилось (невеликий бюджет, прочное скальное основание и отсутствие места под обычные ж/д пути из-за плотной застройки) в тех условиях. Сам проект был идеей Ойгена Лангена и позволял пустить поезд над единственным свободным местом в долине – над самой рекой. В 1894 проект получил одобрение бургомистров (сам Вупперталь, как административная единица, появится лишь в 1929 году; до того момента это были несколько разных городков в долине реки). 24 октября 1900 с большой помпой (сам кайзер пожаловал!) был запущен тестовый поезд, а с 1901 по 1903 были сданы все три очереди общей протяженностью 13,3 километра, большая часть которых проходит над рекой. В таком виде (с поправкой на реконструкции и модернизации) линия существует и сейчас.

Монорельс, наши дни

Общая идея проста как кирпич и настолько же надёжна. А-образные опоры опираются «ногами» на берега реки, под «перекладиной», подвешенный к рельсу ходит поезд. Система простая, надёжная, но кому когда это мешало учинить аварию, верно?

Так что бригада, менявшая по ночам рельсы и опоры в рамках начатой в 1997 году реконструкции монорельса к вековому юбилею, слегка выбилась из графика в ночь с одиннадцатого на двенадцатое апреля, и успела закончить работы буквально за десять минут до прибытия первого состава. В спешке забыли снять с рельса зажим (не заметили в утренних сумерках).

Зажим на рельсе

Прибывший без четверти шесть утра поезд врезался в него на скорости полусотни километров в час, и рухнув в реку с высоты десятка метров, попутно зацепив расположенный внизу трубопровод. Погибло пять, пострадало сорок семь человек.

Расследование установило отсутствие надлежащего контроля безопасности при выполнении ремонтных работ. Самих работяг суд оправдал, справедливо вздрючив вместо этого технадзор за недостаточно эффективный контроль безопасности. Оператор подвесной железной дороги выплатил около 1,3 миллиона немецких марок компенсаций пострадавшим и родственникам. Кроме того, всю дорогу и подвижной состав перепроверили и протестировали после аварии. Общая сумма расходов перевалила за восемь миллионов марок.

Источник: https://author.today/reader/266980/2406580

Майк Роуз, основатель инди-издательства No More Robots, известного по таким играм как Yes, Your Grace и Descenders, сравнил распространение генеративного ИИ в игровой индустрии с открытием ящика Пандоры. По его словам, крышку обратно уже не закрыть.

С точки зрения издателя, это мегараздражает. Если мы считали, что количество игр, выходящих в Steam, было безумным раньше, то теперь это просто невозможно. Во время последнего Next Fest казалось, что примерно треть демоверсий содержала либо сгенерированные ИИ обложки, либо сгенерированный ИИ контент. Так что теперь нам приходится конкурировать ещё и с этим. Ура!

Steam как центральная площадка более открытого рынка ПК-игр остаётся наиболее наглядным барометром растущего количества тайтлов – ежегодно более 20 000 релизов борются за внимание пользователей. Даже при том, что Valve требует раскрывать использование ИИ-контента в играх, размещённых в магазине, рост доступности ИИ-инструментов лишь усилит поток продуктов на платформе, так как игры – или по крайней мере созданные ИИ вещи, достаточно похожие на игры, чтобы их можно было продать – становится всё проще производить.

Сгенерированное ИИ визуальное оформление стало для Роуза особенно болезненной темой.

Честно говоря, вам не кажется, что это просто отвратительно выглядит? Меня как-то передёргивает от ИИ-арта. Я бы предпочёл игры без этого, спасибо.

По всей индустрии генеративное ИИ-искусство регулярно воспринимается как чёрная метка на репутации игры, даже если сама игра нравится аудитории. Разработчики Crimson Desert поспешили заменить ИИ-ассеты, которые, по их словам, остались в игре случайно, и точно так же поступила студия, создавшая Clair Obscur: Expedition 33. Игроки вполне способны распознать генеративный ИИ-арт, и многие категорически не хотят видеть его в играх. Достаточно посмотреть на волну негатива со стороны геймеров и разработчиков в ответ на ИИ-фильтр Nvidia DLSS 5. Подобная реакция может говорить о том, что крышку ящика Пандоры всё-таки удаётся прикрыть хотя бы немного.

Тем не менее Роуз сосредоточился на том, что он называет "слоном в комнате":

Скорее всего, это уже никуда не денется. Люди теперь могут создавать вещи, просто попросив бота сделать это за них, и, знаете, дело в том, что люди мегаленивы. Я даже не говорю это как оскорбление! Мы просто такие. Так что для многих, если есть выбор между "потратить кучу времени и денег на создание крутой вещи" и "набрать промпты в программу, и эта вещь сделается для меня очень быстро" – средний человек выберет второе. И в этом вся суть: наше отношение к этому не имеет значения. Не важно, что куче из нас не нравится ИИ. Его будут использовать, и всё больше и больше. Как говорит молодёжь: видеоиграм конец.

Роуз высказал эти мысли после нового выпуска своего подкаста с соведущим и инди-ветераном Рами Исмаилом, а также приглашённым гостем – инди-разработчиком Лукасом Поупом, создателем Papers, Please и Return of the Obra Dinn. Поуп заявил, что больше не чувствует себя комфортно, рассказывая о невышедших играх или показывая их публично, так как "люди будут копировать это или что-то ещё в этом роде".

Линк

Как технологии влияют на медицину — от приема в поликлинике до клинических исследований

Быстрое принятие решений врачами — ключ к благополучию пациентов. Задержки в обследованиях, постановке диагноза и назначении лечения могут стоить здоровья и даже жизни. Объем работы в медицине огромен, и врачи не могут позволить себе тратить время на рутину — на помощь приходят технологии. С их помощью эксперты быстрее анализируют данные, определяют диагноз и разрабатывают новые методы лечения и лекарства.

Внедряют такие технологии крупные ИТ-компании вместе с медицинскими специалистами. Так, в числе проектов Центра технологий для общества Yandex Cloud решение для раннего выявления spina bifida — тяжелой патологии развития позвоночника и спинного мозга у плода — на УЗИ беременных и внедрение генеративных технологий для ускорения обработки заявок на клинические исследования. 

В этом материале вместе с экспертами Yandex Cloud мы покажем, как искусственный интеллект меняет российскую и международную медицину: от приема у врача до фундаментальных исследований.

В кабинете врача

Заглянем в кабинет врача районной поликлиники. Широкий стол, монитор, электронная карта пациента, пачка бланков, распечатанные рекомендации. На прием от 14 до 22 минут.

Пациент рассказывает врачу о своих жалобах, врач внимательно слушает, задает уточняющие вопросы и изучает предыдущую историю болезни. До двух третей времени клинической работы уходит не на диагноз и лечение, а на ввод данных, повторное чтение электронной медицинской карты (ЭМК) и поиск информации в разросшихся массивах. Все эти записи надо внимательно прочитать за ограниченное время приема. Результат — когнитивная перегрузка и снижение качества приема как для пациента, так и для врача: чем больше данных, тем меньше внимания уделяется главному — самому пациенту. 

Здесь как раз может помочь искусственный интеллект. Обработка медицинских текстов — одна из задач, где он особенно эффективен. ИИ может искать важное, структурировать данные и предлагать ответы на конкретный запрос. Это особенно важно при назначении лекарств. Подбор препарата и его дозировки зависит от множества факторов: результатов лабораторных анализов, анамнеза, возраста, сопутствующих заболеваний, аллергий. Для эффективной и безопасной работы с учетом новейших рекомендаций врачу нужен помощник — им может стать ИИ.

Например, в Сингапурской клинической больнице взяли 91 сценарий ошибок при назначении лекарств из 16 медицинских специальностей, от кардиологии до онкологии, и создали решение на базе RAG (Retrieval Augmented Generation — генерация с дополненной выборкой). Этот подход позволяет большим языковым моделям искать ответы по данным из внешних источников с помощью поиска по загруженным в нее материалам — сценариям ошибок. Режим совместной работы ИИ и фармацевта, где фармацевт принимал финальное решение, показал наилучший результат: точность составила 61 процент, что на 15 процентов выше по сравнению с работой фармацевта без помощи ИИ (46 процентов).

Заключение от врача получено. Но что делать с фразой вроде «диффузная гипоэхогенность щитовидной железы с очаговыми изменениями до восьми миллиметров» — особенно если вы не эндокринолог? Пациенты все чаще получают доступ к своим данным напрямую, но сталкиваются со стеной из сокращений, латинских терминов и узкопрофессиональных формулировок. Результат — тревога вместо понимания, а врач тратит время приема не на лечение и диагностирование, а на перевод с «медицинского на человеческий». Генеративные технологии ИИ здесь работают как редактор: они не упрощают — они переформулируют, сохраняя смысл.

Например, чтобы снизить нагрузку на урологов и одновременно повысить качество информирования пациентов, в 2024 году специалисты Kaiser Permanente в США протестировали два чат-бота на базе GPT для ответов на типичные вопросы пациентов о доброкачественной гиперплазии простаты. Первый — на базе стандартного ChatGPT, второй — специализированная версия SurgiChat с дополнительным доступом к медицинской литературе через технологию RAG. 

В работе также участвовали четыре практикующих уролога, чьи ответы использовались как эталон для оценки качества. Результаты показали: по точности передаваемой информации чат-боты и врачи были сопоставимы (4,5 против 4,6 балла из 6). 

При этом ИИ не делает клинических выводов и не ставит диагноз — он генерирует справочную информацию и пояснения, которые помогают врачу и пациенту быстрее разобраться в данных. В результате врач может писать не как автор с нуля, а как редактор и куратор готового черновика — быстро проверяя формулировки, убирая лишнее и добавляя клинически значимые уточнения. Такой формат снижает административную нагрузку и высвобождает время приема для клинического мышления и общения с пациентом.

В научном центре

Когда врач ставит диагноз, он опирается на жалобы пациента, анамнез и результаты обследований. Ключевую роль здесь играют медицинские изображения — УЗИ, МРТ, КТ, особенно при заболеваниях сердца или опухолей. Их нужно быстро и точно интерпретировать, но это требует опыта и времени.

Поэтому в диагностике все активнее применяют системы компьютерного зрения. Они выступают как вспомогательные инструменты: ускоряют разбор снимков, выделяют значимые области и снижают риск пропустить важную деталь. Такая вторая «пара глаз» помогает врачу принимать более обоснованные решения.

Один из примеров — инструмент для раннего выявления признаков spina bifida у плода, разработанный специалистами Центра технологий для общества Yandex Cloud, Школы анализа данных и НМИЦ акушерства, гинекологии и перинатологии имени академика В. И. Кулакова при поддержке фонда «Спина бифида».

Spina bifida — редкая врожденная патология. Она связана с нарушением формирования позвоночника и спинного мозга, что вызывает нарушение функции (паралич) нижних конечностей и нарушает работу тазовых органов. В тяжелых случаях это приводит к инвалидности.

Ранняя ультразвуковая диагностика порока нередко вызывает сложности. На результат влияют множество факторов от положения плода до качества оборудования и опыта врача. Признаки дефекта могут быть малозаметными, из-за чего диагноз нередко ставят на поздних сроках беременности или даже после рождения.

Около 40 процентов случаев выявляют слишком поздно — в третьем триместре беременности. Из-за чего существует вероятность, что пациентку уже не успеют направить в учреждение, где новорожденному сразу окажут необходимую нейрохирургическую помощь. Кроме того, при ранней диагностике можно провести внутриутробную операцию на сроке 22–26 недель. Данная операция, несмотря на риски, имеет ряд преимуществ по сравнению с лечением после рождения. Внутриутробная хирургия Spina bifida позволяет снизить вероятность развития гидроцефалии (водянки головного мозга), а также улучшить функцию нижних конечностей и органов малого таза.Кирилл Костюков, заведующий отделением ультразвуковой и функциональной диагностики в НМИЦ АГП имени В. И. Кулакова

  Эксперты обучили модель на девятнадцати тысячах размеченных УЗИ-изображений. Алгоритмы определяют область интереса на изображении, оценивают его качество. Затем сверточные нейросети классифицируют изображение на нормальное или патологическое, таким образом, определяется порок развития. Результат врач получает в виде отчета, где подсвечены проблемные области и указана вероятность наличия патологии в процентах. Это позволяет оценить риск и уточнить диагноз. В данный момент разработка доступна врачам для тестирования в научно-исследовательских целях бесплатно, а ее код лежит в открытом репозитории.  

В перспективе использование данной технологии позволит врачам своевременно диагностировать Spina Bifida, это даст возможность профилактировать рождение детей с патологией, проводить внутриутробные операции и максимально подготовить родителей к рождению ребенка с таким диагнозом. Когда диагноз ставят на ранних сроках, у будущих родителей есть время адаптироваться и подготовиться: эмоционально и организационно.Инна Инюшкина, основательница фонда «Спина бифида»

В 2025 году команда Yandex Cloud совместно со специалистами Санкт-Петербургского педиатрического университета разработала нейросеть для автоматизированного анализа МРТ головного мозга младенцев. Сервис помогает прогнозировать патологии, которые возникают из-за повреждения или аномального развития мозга. Например, его можно использовать при подозрении на детский церебральный паралич (ДЦП). 

Это заболевание проявляется двигательными расстройствами, нарушением мышечного тонуса, а также когнитивными и сенсорными трудностями и остается одной из главных причин детской инвалидности. Терапия может заметно улучшить состояние, но диагноз надо поставить как можно раньше. А это трудно: первые изменения мозга на МРТ едва заметны и требуют от врача опыта и времени. Интерпретация может растянуться на часы или даже дни, каждый из которых снижает потенциал реабилитации.

Модель обучили на полутора тысячах анонимизированных МРТ-снимков из Педиатрического университета и данных международного конкурса MICCAI Grand Challenge. Пайплайн включает несколько моделей компьютерного зрения:

• BIBSNet — для предварительной обработки и стандартизации изображений мозга младенцев;
• U-Net — популярная в медицинской визуализации архитектура для сегментации структур мозга.

Сервис графически выделяет белое и серое вещество головного мозга и выполняет количественный подсчет объема этих структур, помогая врачу быстрее оценить состояние тканей. Работает все через веб-интерфейс: врач загружает снимки, система обрабатывает данные и формирует результат за несколько минут, а не дней.

В медицине самые сложные задачи не требуют промедления. Главное, чтобы собралась команда, которой действительно нужен результат. Поэтому проект начался на пересечении кафедры и отделения лучевой диагностики, где исторически собирались данные по детям: МРТ головы в динамике. Мы быстро смогли начать сбор данных и выстраивание новых процессов. Сейчас система используется в исследовательских целях и еще не внедрена в клиническую практику, но руководство Университета поддерживает нас и дает свободу для развития.

Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета

В медико-биологической лаборатории

Взглянем на медицину под другим углом. Из лаборатории, где рождаются будущие лекарства. Они начинают свой путь с проектирования терапевтической молекулы и ее испытания на модельных объектах в лаборатории.

Но объем данных растет быстрее, чем их можно проанализировать вручную. Современные методы — мультиомика, высокопроизводительная визуализация, анализ тысяч генов и белков одновременно — дают гигабайты информации. Использование методов машинного обучения открывает новые возможности для быстрого и системного анализа таких массивов данных. 

Методы машинного обучения применяются в биомедицинских исследованиях для анализа больших экспериментальных и клинических наборов данных — в том числе при поиске потенциальных биомаркеров, сравнении отклика на терапию в разных группах пациентов и приоритизации терапевтических мишеней. Речь идет не о готовых клинических решениях, а о поддержке исследовательской работы и генерации гипотез, которые затем проверяются специалистами.

А появление моделей, способных предсказывать трехмерную структуру белков по их аминокислотной последовательности, стало прорывом в структурной биологии и изменило подход к разработке лекарств. Теперь ученые могут заранее оценить, какие соединения будут работать, и сосредотачиваться только на них. Это сокращает время и стоимость исследований и снижает риск неудач на поздних стадиях испытаний.

В феврале 2025 года Институт исследований искусственного интеллекта Университета Цинхуа совместно с Beijing Shuimu Molecule представил обновленную версию мультимодальной биомедицинской модели BioMedGPT-R1. Система с 17 миллиардами параметров построена на базе DeepSeek-R1-Distill-Qwen-14B и предназначена для работы с медицинскими задачами, где нужно одновременно анализировать тексты, изображения и другие типы биомедицинских данных.

Модель обучалась так, чтобы связывать между собой разные формы медицинской информации — научные статьи, описания экспериментов и визуальные данные — и использовать их при ответах на вопросы и анализе исследований. Благодаря этому она показывает качество, сопоставимое с коммерческими системами, в задачах биомедицинского вопросно-ответного анализа.

BioMedGPT-R1 также проверяли на экзамене USMLE — стандартизированном тесте для получения медицинской лицензии в США, который часто используют как ориентир для оценки способности моделей рассуждать в клиническом контексте. Модель набрала 67,1 процента правильных ответов, что указывает на ее умение работать с медицинской терминологией и клиническими сценариями. Способность объединять разнородные биомедицинские данные делает модель перспективным инструментом поддержки исследовательской работы: в анализе научных публикаций, планировании экспериментов и интерпретации их результатов.

Возможно, применение ИИ в разработке лекарств — один из самых значимых прорывов в медицине за последние десятилетия.

В клинических испытаниях

Созидание медицинских инноваций давно вышло за пределы лабораторных стен. То, что начинается с экспериментов на животных моделях и бесчисленных серий аналитических тестов, еще не является настоящим прорывом. Новая разработка — будь то лекарственный препарат, медицинское устройство или методика — обретает свою подлинную научную состоятельность и практическую пользу лишь тогда, когда проходит испытание «клиникой».

Именно клинические исследования становятся финальной и наиболее ответственной стадией рождения медицинского открытия: когда к процессу присоединяются реальные люди — добровольцы, пациенты, участники исследования. Здесь инновация сталкивается с живой человеческой физиологией, многообразием реакций, сложностью реальной жизни — и только выдержав это испытание, она может стать частью современной медицины.

Модель обучили на полутора тысячах анонимизированных МРТ-снимков из Педиатрического университета и данных международного конкурса MICCAI Grand Challenge. Пайплайн включает несколько моделей компьютерного зрения:

• BIBSNet — для предварительной обработки и стандартизации изображений мозга младенцев;
• U-Net — популярная в медицинской визуализации архитектура для сегментации структур мозга.

Сервис графически выделяет белое и серое вещество головного мозга и выполняет количественный подсчет объема этих структур, помогая врачу быстрее оценить состояние тканей. Работает все через веб-интерфейс: врач загружает снимки, система обрабатывает данные и формирует результат за несколько минут, а не дней.

В медицине самые сложные задачи не требуют промедления. Главное, чтобы собралась команда, которой действительно нужен результат. Поэтому проект начался на пересечении кафедры и отделения лучевой диагностики, где исторически собирались данные по детям: МРТ головы в динамике. Мы быстро смогли начать сбор данных и выстраивание новых процессов. Сейчас система используется в исследовательских целях и еще не внедрена в клиническую практику, но руководство Университета поддерживает нас и дает свободу для развития.

Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета

В медико-биологической лаборатории

Взглянем на медицину под другим углом. Из лаборатории, где рождаются будущие лекарства. Они начинают свой путь с проектирования терапевтической молекулы и ее испытания на модельных объектах в лаборатории.

Но объем данных растет быстрее, чем их можно проанализировать вручную. Современные методы — мультиомика, высокопроизводительная визуализация, анализ тысяч генов и белков одновременно — дают гигабайты информации. Использование методов машинного обучения открывает новые возможности для быстрого и системного анализа таких массивов данных. 

Методы машинного обучения применяются в биомедицинских исследованиях для анализа больших экспериментальных и клинических наборов данных — в том числе при поиске потенциальных биомаркеров, сравнении отклика на терапию в разных группах пациентов и приоритизации терапевтических мишеней. Речь идет не о готовых клинических решениях, а о поддержке исследовательской работы и генерации гипотез, которые затем проверяются специалистами.

А появление моделей, способных предсказывать трехмерную структуру белков по их аминокислотной последовательности, стало прорывом в структурной биологии и изменило подход к разработке лекарств. Теперь ученые могут заранее оценить, какие соединения будут работать, и сосредотачиваться только на них. Это сокращает время и стоимость исследований и снижает риск неудач на поздних стадиях испытаний.

В феврале 2025 года Институт исследований искусственного интеллекта Университета Цинхуа совместно с Beijing Shuimu Molecule представил обновленную версию мультимодальной биомедицинской модели BioMedGPT-R1. Система с 17 миллиардами параметров построена на базе DeepSeek-R1-Distill-Qwen-14B и предназначена для работы с медицинскими задачами, где нужно одновременно анализировать тексты, изображения и другие типы биомедицинских данных.

Модель обучалась так, чтобы связывать между собой разные формы медицинской информации — научные статьи, описания экспериментов и визуальные данные — и использовать их при ответах на вопросы и анализе исследований. Благодаря этому она показывает качество, сопоставимое с коммерческими системами, в задачах биомедицинского вопросно-ответного анализа.

BioMedGPT-R1 также проверяли на экзамене USMLE — стандартизированном тесте для получения медицинской лицензии в США, который часто используют как ориентир для оценки способности моделей рассуждать в клиническом контексте. Модель набрала 67,1 процента правильных ответов, что указывает на ее умение работать с медицинской терминологией и клиническими сценариями. Способность объединять разнородные биомедицинские данные делает модель перспективным инструментом поддержки исследовательской работы: в анализе научных публикаций, планировании экспериментов и интерпретации их результатов.

Возможно, применение ИИ в разработке лекарств — один из самых значимых прорывов в медицине за последние десятилетия.

В клинических испытаниях

Созидание медицинских инноваций давно вышло за пределы лабораторных стен. То, что начинается с экспериментов на животных моделях и бесчисленных серий аналитических тестов, еще не является настоящим прорывом. Новая разработка — будь то лекарственный препарат, медицинское устройство или методика — обретает свою подлинную научную состоятельность и практическую пользу лишь тогда, когда проходит испытание «клиникой».

Именно клинические исследования становятся финальной и наиболее ответственной стадией рождения медицинского открытия: когда к процессу присоединяются реальные люди — добровольцы, пациенты, участники исследования. Здесь инновация сталкивается с живой человеческой физиологией, многообразием реакций, сложностью реальной жизни — и только выдержав это испытание, она может стать частью современной медицины.

Инициация клинического испытания — сложный процесс, требующий согласования с регуляторными органами, четкого регламента и официального разрешения на начало работы.

Координация клинических исследований и экспертиза документации — самая трудоемкая часть работы. Нужно учитывать требования регуляторов, этические стандарты, правовые нюансы и одновременно обеспечивать оперативность. Каждое исследование уникально, и ошибки здесь недопустимы.Артём Полторацкий, руководитель отдела организации клинических исследований в НМИЦ онкологии им. Н. Н. Петрова Минздрава России

Для запуска клинического исследования нужно подготовить обширный пакет документов, включающий утвержденный протокол исследования, досье исследуемого препарата или изделия, форму информированного согласия пациента, финансово-договорную документацию и положительное заключение локального этического комитета(ЛЭК).

С увеличением числа заявок на запуск испытаний возрастает и нагрузка на экспертов ЛЭК. Каждая заявка может включать сотни страниц, и трудности в обработке таких объемов информации приводят к задержкам на одобрение и повышают риск ошибок.

По словам Артёма Полторацкого, согласование документов одновременно по нескольким контурам приводит к дублированию требований регуляторов, разночтениям в нормах, а также ошибкам из-за недостаточной автоматизации и человеческого фактора. Это создает серьезные сложности в работе.

Из-за высоких организационных требований клинические испытания представляют собой трудоемкий и долгий процесс: разработка одного лекарственного препарата, его одобрение и выход на рынок может занимать 15 лет и стоить полтора-два миллиарда долларов.

В ответ на эту проблему НМИЦ онкологии имени Н. Н. Петрова внедрил решение для проверки пакета документов в ЛЭК на базе генеративной модели YandexGPT, который входит в платформу Yandex AI Studio.

Решение работает с загружаемыми заявками на клинические исследования — протоколами, описаниями препаратов, формами информированного согласия и сопроводительными материалами, анализируя их на лету. Специфические требования ЛЭК и правила проверки задаются через структурированные чек-листы и промпты. Решение интегрировано с информационными системами центра, что обеспечивает непрерывную обработку данных и существенно снижает объем ручной работы.

Как работает инструмент:

• Документы заявки загружают в систему в электронном виде.
• YandexGPT анализирует содержание документов, выявляя ключевые элементы, такие как цели исследования, методы, риски и этические аспекты.
• На основе анализа модель формирует предварительный отчет, который включает рекомендации и выявленные проблемы.
• Эксперт ЛЭК просматривает отчет и принимает окончательное решение.

По данным отдела организации клинических исследований, внедрение разработки заметно повысило эффективность работы ЛЭК. За первые пять месяцев система помогла проанализировать более 170 документов — около 11 000 страниц. Время экспертизы ускорилось в пять–шесть раз при сохранении качества, а использование единых критериев позволило устранить субъективные расхождения между экспертами. Одновременно снизилось количество технических ошибок, ускорилось выявление потенциальных нарушений этических и регуляторных требований. Кроме того, каждое новое рассмотрение используется для обучения модели, что постепенно повышает точность работы системы.

Так ИИ не только становится помощником в повседневной работе врачей, но и помогает систематизировать данные, ускоряет экспертизы и снимает часть бюрократических барьеров в научном процессе.

Клиническое заключение

ИИ становится помощником на разных уровнях здравоохранения: в клинике он облегчает работу с документами, поддерживает принятие решений при диагностике и коммуникацию врачей и пациентов, а в медицинских исследованиях берет на себя анализ экспериментальных данных и помогает с организацией клинических испытаний.

По мере того как медицина становится все более высокотехнологичной областью, растет и потребность во взаимодействии с ИТ-сферой. Опыт Yandex Cloud показывает, что объединение врачей, исследователей и разработчиков в рамках единой инфраструктуры позволяет быстро и эффективно решать задачи здравоохранения. Такое взаимодействие делает технологии по-настоящему эффективными.

Важно, что такие решения рождаются внутри профессиональной среды, а не вовне. Мы, как пользователи и разработчики, понимаем реальную боль системы — перегруженность экспертов, медленные согласования, устаревшие регламенты. Поэтому ИИ здесь не эксперимент, а естественная эволюция научно-административной практики.Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета

В итоге становится ясно: будущее медицины — в сочетании людей и технологий ИИ, которые дополняют работу специалистов и помогают пациентам. ИИ-решения не заменяют, а дополняют медицинских специалистов, они облегчают их труд, позволяя сосредоточиться на главном — на заботе о пациентах и спасении жизней.

Источник

Место действия – пролив Таблас, Южно-Китайское море; время действия – декабрь восемьдесят седьмого. Кто сказал «Донья Пас» - тот молодец.

Испокон веков человечеству известно: море не прощает ошибок. И тем не менее, история крушения «Донья Пас» наглядно показывает, что людям не свойственно учиться на чужом опыте. Тут даже не приходится говорить о череде роковых случайностей, нет. Это история концентрированного распиздяйства.

Сначала о матчасти. Паром «Донья Пас» (в девичестве «Химэюри Мару», по первому мужу «Дон Сульпицио») сошел со стапелей Ономити Дзосэн в Японии в шестьдесят третьем. Честно отходив десяток лет под японским флагом, был продан на Филиппины, где и был переименован сначала в «Дон Сульпицио», а потом в «Донья Пас». Именно под этим именем 20 декабря 1987 года он столкнулся с танкером «Вектор», после чего оба судна затонули. А теперь подробнее о причинах. Следим за руками.

Пока наш герой плавал под японским флагом, его пассажировместимость составляла 608 человек. Но когда из зажравшейся Японии он перебрался на Филиппины, она резко возросла более, чем вдвое – до 1518 человек. Но и это не предел оптимизации по-филиппински. По итогам расследования было установлено, что на борту в момент аварии находился 4341 пассажир (и 58 членов экипажа). Ощущаете масштаб деловой хватки компании «Sulpicio Lines»? А ведь это лишь начало истории…

20 декабря, примерно в пол-одиннадцатого вечера в неспешно пыхтящий по своим делам паром ВНЕЗАПНО врезался танкер «Вектор». Он заслуживает отдельного описания, томушто это несколько чересчур даже для Филиппин. «Вектор» вообще был нелегалом, не имевшим лицензии на морские перевозки, фактически немореходным и с командой, набранной, судя по всему, в ближайшем портовом кабаке. Идущий без навигационных приборов через пролив с тысячей кубов бензина на борту, «Вектор» просто не мог не устроить катастрофу. Два одиночества встретились.

Вообще, до сих пор до конца не понятно, как могли два судна столкнуться в ясную погоду в проливе, который в самой узкой части шире тридцати километров. Есть вполне обоснованное подозрение, что на мостиках обоих судов попросту никого не было (кто сказал «дешевая рабочая сила»?). Поскольку из команды «Донья Пас» не спасся никто, выяснить это уже не представляется возможным. Так или иначе, в результате столкновения оба судна получили пробоины, а «Вектор» вдобавок загорелся. Хлещущий из пробитых танков горящий бензин потек в море, подпалив паром. Началась паника.

Поскольку вы, надо полагать, уже составили примерное представление о компетентности команд обеих судов, вас не должен сильно удивить тот факт, что команда парома не сделала вообще ничего для спасения пассажиров. Спасжилеты хранились в отдельном помещении под замком, а рация не работала (на «Векторе», впрочем, тоже). Так что можно было на выбор: сгореть на пароме, прыгнуть в море и сгореть там, прыгнуть в море и утонуть, прыгнуть в море и быть съеденым акулами. Впрочем, к полуночи выбирать стало не из чего: паром затонул. Танкер затонул парой часов позже.

К шести утра(!) власти только узнали о катастрофе. На место выслали спасателей, поднявших из воды 26 человек, из них двое с танкера. Больше не спасся никто. За несколько последующих дней к берегу прибило сотни три обглоданных акулами трупов, остальные тела так никогда и не были найдены. По последним подсчётам погибло 4386 человека: 11 членов команды «Вектора», 58 членов команды «Донья Пас» и 4318 пассажиров.

«Sulpicio Lines» сумела отмазаться в суде, и крайним назначили владельца «Вектора» Cal-Tex Philippines, Inc. «Sulpicio Lines» обещала выплатить родственникам примерно по 472$. Судебные тяжбы продолжаются.

И да, если вы думаете, что эта трагедия хоть чему-то научила упомянутого оператора пассажирских паромных перевозок, то можете загуглить «Принцесса звёзд 2008» и увидеть знакомое название. Правда в этот раз отмазаться не удалось, комиссия по морскому расследованию всё же признала Sulpicio Lines и ее капитана ответственными за трагедию. Причины всё те же: жадность и халатность.

Так что, котаны, всё опять свелось к эффективному менеджменту, одинаковому что на суше, что на море. Берегите себя и до новых встреч!

Источник: https://author.today/reader/266980/2417582

Специалисты, работающие с искусственным интеллектом, настроены значительно позитивнее в отношении технологии, чем широкая публика. Согласно последнему отчету группы Human-Centered Artificial Intelligence Стэнфордского университета, 73% экспертов считают, что ИИ принесет пользу рынку труда, тогда как среди взрослого населения США этой точки зрения придерживаются только 23%.

Однако прежде чем делать выводы о том, что наиболее осведомленные люди относятся к ИИ наиболее оптимистично, стоит учесть один нюанс. Опрос Pew Research, на который ссылается отчет, проводился в 2024 году среди людей, чья работа или исследования связаны с искусственным интеллектом, и которые выступали на конференциях по ИИ в 2023 или 2024 году. Другими словами, речь идет о людях, которые напрямую заинтересованы в развитии технологии.

Отчет содержит и другие интересные данные из более свежих исследований. Население США демонстрирует особый скептицизм в отношении ИИ – американцы меньше всего доверяют регулированию технологии со стороны правительства. По уровню беспокойства относительно искусственного интеллекта США уступают только Австралии и Индии. При этом наибольший оптимизм в отношении ИИ наблюдается в Юго-Восточной Азии – в Малайзии, Таиланде, Индонезии и Сингапуре.

Согласно опросу компании Ipsos, 79% людей считают, что компании должны раскрывать информацию об использовании ИИ. Инвестиции в искусственный интеллект в прошлом году выросли более чем вдвое, причем частные вложения увеличились сильнее всего. Американские компании остаются крупнейшими частными инвесторами в ИИ, хотя авторы отчета отмечают, что значительная часть китайских инвестиций может поступать из государственных фондов.

Источник

Ну чё, котаны, техногенка?

Для начала о месте. Здание ПромстройНИИПроекта – это классика постсоветской России. Остатки, что называется, иной, более развитой, цивилизации. Не скажу за всю страну, но, например, в «соседнем» Хабаровске имя им легион. Навскидку: «Дальэнергомаш», «Дальэлектрон» - тысячи их. Роднит их то, что после распада отечественной промышленности в девяностые, загибающаяся организация начинает сдавать помещения под офисы различным частникам. При этом зачастую начинаются перепланировки, появляются лишние двери (или наоборот исчезают нужные), общая атмосфера анархии и частая сменяемость арендаторов не позволяет чётко разграничить зоны ответственности, а жадность владельцев здания – обеспечить должные меры пожарной безопасности. Так что посреди длинного коридора запросто может быть врезана железная решетка (томушто какая-нибудь ювелирка на этаже боится ограбления), пожарные выходы заколочены или завалены хламом, посреди коридора склад стройматериалов (ибо в соседнем офисе ремонт), а уж заваленный бумагами и отслужившей своё оргтехникой техэтаж – вообще святое (арендаторы часто вылетают в трубу ВНЕЗАПНО, а следующие, заехавшие на их место, просто вытаскивают барахло на чердак/пожарную лестницу).

Именно в таком здании на двух последних этажах и располагалось то злополучное отделение № 8635 Дальневосточного банка Сбербанка России. Было около полудня 16 января, когда этажом ниже (а точнее, на лестничной площадке между шестым и седьмым этажами, читай – в курилке) произошло возгорание. Около 12.10 кто-то из сотрудников банка, в коридоре 8 этажа сообщил охраннику про дым, пробирающийся из-под двери на правую лестничную площадку. Охранник начал эвакуацию сотрудников, но в пожарную охрану не сообщил.

Пожарных вызвали только через пять минут. Ещё семь минут им потребовалось на сборы и дорогу. К этому моменту верхние этажи уже полыхали (помним: мусор, бумага, старая оргтехника). Поскольку правую половину восьмого этажа не предупредили, а пожарной сигнализации в здании не было, правое крыло быстро превратилось в ловушку для всех, кто не успел покинуть его в первые минуты. Если посмотреть план здания (это шестой этаж десять лет спустя, но расположение лестничных маршей не изменилось) видно, что пожар на любой из лестниц отсекает добрую треть этажа. Таким образом, единственным выходом из правого крыла оставались окна.

Приехавшие пожарные лестницы не сумели сходу пробиться к полыхающему правому крылу из-за припаркованных машин (ничего не напоминает?), и начали эвакуацию людей из окон левого крыла. Тем временем (как и в своё время в Самаре) люди начали растаскивать припаркованные тачки вручную. Особо рьяные, вместо того, чтобы помочь делом, полезли бить морду оператору лестницы (уж им-то, блядь, точно лучше знать, как с ней работать и каковы её возможности!). Пожарные расчёты начинают пробиваться к горящим этажам по лестницам внутри здания. К тому времени из окон правого крыла начинают прыгать и падать зажатые огнём люди. Внизу их пытаются ловить различными импровизированными средствами, от баннеров до картонных коробок. Получается плохо.

Вообще, на приморских пожарных после той истории вылили кучу дерьма, причём совершенно зря (за них говорят цифры: 86 человек было спасено с помощью автолестниц, 16 вывели газодымозащитники в здании и только девять погибло). В тех условиях они сделали всё, что было возможно, с учётом обстоятельств, в которых им приходилось действовать.

Лишь к 12:46 удаётся растащить машины справа, переставить лестницы к правому крылу и эвакуировать ещё 13 человек. Ещё через десять минут из окон тыльной части правого крыла эвакуируют ещё четверых.

Через час пожар локализуют, ещё через сорок минут найдут ещё одно тело в коридоре восьмого этажа. Настанет время подводить итоги.

Погибло девять человек и было ранено 17. Причины – типичней некуда: грубое нарушение правил ПБ, отсутствие пожарной сигнализации, отсутствие системы оповещения, запертые пожарные выходы, перекрытые пожарные проезды.

17 октября 2007 года Первореченский районный суд города Владивостока выдал управляющей отделением банка, начальнику районного отдела ГосПожНадзора и старшему инженеру организационного сектора банка по двушечке; владельцу здания и старшему инспектору отдела ГосПожНадзора – по году и десяти месяцам. Здание до сих пор в деле, владелец помер этой весной уважаемым человеком. Парковка всё так же заставлена, а выходы так же закрыты.

Источник: https://author.today/reader/266980/2406581