NVIDIA представила Ising – первое в мире семейство открытых ИИ-моделей для квантовых вычислений. Новые модели призваны решить главные проблемы квантовых процессоров, а именно калибровку и коррекцию ошибок, которые до сих пор мешали практическому применению технологии.
Квантовые вычисления десятилетиями называют следующим рубежом в развитии компьютерных технологий. Множество компаний годами пытаются довести квантовые компьютеры до практического применения, и только сейчас некоторые из них начинают добиваться реальных результатов. У NVIDIA уже есть открытая платформа для квантовых вычислений CUDA-Q, которая работает с различными типами кубитов и квантовыми процессорами.
Главное узкое место в квантовых вычислениях сегодня связано с калибровкой процессоров и коррекцией ошибок. Кубиты крайне нестабильны и генерируют множество сбоев. Сегодня квантовые процессоры допускают одну ошибку на каждую тысячу операций, тогда как для практического применения этот показатель нужно снизить до одной ошибки на триллион операций. Именно здесь на сцену выходит ИИ.
Семейство Ising включает две настраиваемые модели:
Ising Calibration – представляет собой визуально-языковую модель, которая быстро интерпретирует и реагирует на измерения квантовых процессоров. Это позволяет ИИ-агентам автоматизировать непрерывную калибровку и сократить время процесса с нескольких дней до нескольких часов
Ising Decoding – включает два варианта 3D-свёрточной нейросети для декодирования ошибок в реальном времени. Один вариант оптимизирован под скорость, другой под точность. Модели Ising Decoding работают до 2.5 раза быстрее и в 3 раза точнее, чем pyMatching, текущий отраслевой стандарт с открытым исходным кодом
Помимо производительности, новые модели отличаются компактностью и эффективностью обучения. Так, Ising Calibration в 15 раз меньше существующих альтернатив, а Ising Decoding требует в 10 раз меньше данных для тренировки. Эти характеристики делают модели более доступными для исследователей и предприятий с ограниченными ресурсами.
NVIDIA подтвердила, что открытые ИИ-модели Ising уже используются ведущими исследователями, академическими институтами и коммерческими организациями по всей квантовой экосистеме.
Nvidia столкнулась с коллективным иском от группы авторов, обвиняющих компанию в нарушении авторских прав при обучении языковых моделей. Новые судебные документы раскрывают, что сотрудники Nvidia напрямую запрашивали доступ к 500 терабайтам книжных архивов, заведомо содержащих пиратский контент.
Документы истцов содержат электронные письма сотрудников Nvidia с запросами на доступ к репозиторию Anna's Archive – хранилищу книг и других онлайн-материалов. Согласно материалам дела, сотруднику Nvidia явно сообщили, что архив содержит "миллионы пиратских книг", однако после этого всё равно был дан "зеленый свет" на использование данных.
Помимо этого, документы, которыми поделился Torrentfreak, утверждают, что Anna's Archive предложила Nvidia доступ к "нескольким миллионам книг из Internet Archive", обычно доступных только через систему цифрового кредитования Internet Archive. В иске говорится, что "загрузив Anna's Archive, Nvidia создала пиратские копии произведений истцов". Авторы также обвиняют компанию в использовании других пиратских источников – баз данных Books3, LibGen, Sci-Hub и Z-Library.
Anna's Archive представляет собой поисковую систему с открытым исходным кодом и считается "теневой библиотекой" – онлайн-хранилищем свободно доступных данных, которые обычно находятся за платным доступом. Платформа провозглашает себя "крупнейшей по-настоящему открытой библиотекой в истории человечества" и агрегирует контент из других теневых библиотек вроде LibGen, Sci-Hub и Z-Library. Эти сайты заявляют о сохранении онлайн-данных, но делают это через открытый доступ к защищенным авторским правом материалам.
В документах не представлены доказательства фактического использования данных и не упоминается передача денег за доступ к архивам. Nvidia пока не комментировала эту конкретную подачу документов, однако ранее компания признавала использование датасета Books3, содержащего множество произведений под авторским правом. В свою защиту Nvidia заявила, что не подпадает под законы об авторских правах, так как ИИ-модели не читают как люди, а "измеряют статистические корреляции в совокупности данных".
Хотя это действительно так, компания фактически использует чужую интеллектуальную собственность для улучшения своего продукта, так что не имеет значения, читает ли ИИ книги или нет. Nvidia же не предоставляет свободный доступ к своим технологиям.
В РФ есть такая тема, как награждать 10 мульёнами "деревянных рублей" людей, которые сделали приличный вклад в развитие отечественной науки. Это, конечно, не лям баксов, как в нобелевке, но на среднюю квартиру в "резиновой" вполне может хватить, если из окна Кремль видно не будет.
Называется это мероприятие "Вызов". И есть там одна из номинаций, под названием "Перспектива" - вручается за научное достижение, повлиявшее на динамику развития будущих технологий (вручается учёным до 35 лет).
И вот, по результатам 2023 года в "Перспективе" получил премию кандидат физико-математических наук Илья Семериков из Российского квантового центра и Физического института имени Лебедева за создание ионного квантового компьютера.
сам, господин Семериков Илья Александрович
Всего, на данный момент в мире существует 4 типа квантовых компов (элементные базы, на основе которых они создаются):
На базе сверхпроводников (криогенные - большие и дорогие, зараза, но большое кол-во кубитов, хорошо изучены)
Фотонные (монокристаллические плёнки металлов) Достаточно дёшевы, но не уверсальны - "плёнка под задачу"
Холодные атомы, которые удерживаются лазерным пинцетом (по стоимости промежуточное между двумя верхними + габариты)
Ионы в ловушках (наш случай) Дёшево, возможность использования не кубитов, а кудитов, это как не два состояния 1/0, а несколько (4-и более), мало изучены.
Всё это хозяйство пока весьма дорогостоящее удовольствие. Занимаются всеми направлениями группы учёных, каждый в своей отрасли.
Прототип ионного компьютера от Семерикова Ильи. Достаточно компактный и не требует криогенной установки размером в комнату.
Фишка ионных квантовых компьютеров в том, что они "запутывают" не сами частицы, атомы, а электроны на орбитах атомов, про принцип Паули помните? Так вот, у одного атома толпа электронов, каждый на своей "орбите" (энергетический уровень, на самом деле). Т.е. на одном атоме мы можем иметь несколько электронов, которые можно запутать с соседями - отсюда и появляется кудит.
Так, этот комп уже решал вполне себе прикладные NP-задачи в программировании (пока стенд - но далее уже и в единичную серию можно запулить).
Какой подход к квантовым вычислениям лучше, что выгоднее и т.п. только время покажет - сейчас же у всех методов есть свои достоинства и недостатки. Кто "вперде планеты всея" - сказать сложно.
Но, одно можно утверждать уже сейчас - в плане квантовых вычислений РФ далеко не в последних рядах.
Nvidia анонсировала модуль Vera Rubin Space Module на проходящей конференции GTC 2026. По заявлению компании, новинка обеспечивает до 25-кратного прироста ИИ-вычислений по сравнению с H100 для задач инференса на орбите. Шесть коммерческих космических компаний уже развернули платформу в своих системах.
Согласно официальному пресс-релизу, Vera Rubin Space Module предназначен для орбитальных датацентров, запускающих большие языковые модели и продвинутые базовые модели непосредственно в космосе. Модуль построен на тесно интегрированной архитектуре CPU-GPU с высокоскоростным интерконнектом, рассчитанным на обработку больших потоков данных от космических инструментов в реальном времени.
Помимо космического модуля, Nvidia представила линейку решений для различных уровней задач. IGX Thor ориентирован на критически важные периферийные среды с поддержкой обработки ИИ в реальном времени, функциональной безопасности, защищённой загрузки и автономной работы. Jetson Orin занимает нишу компактных решений для спутников с ограничениями по размеру, весу и энергопотреблению – модуль обеспечивает бортовое компьютерное зрение, навигацию и обработку данных с сенсоров.
На Земле Nvidia позиционирует серверный GPU RTX PRO 6000 Blackwell Series Server Edition для задач геопространственной разведки. Компания заявляет о стократном приросте производительности по сравнению с устаревшими системами пакетной обработки на базе CPU при анализе крупных архивов изображений.
Среди шести компаний-партнёров, уже использующих платформы Nvidia в орбитальных и наземных средах – Aetherflux, Axiom Space, Kepler Communications, Planet Labs PBC, Sophia Space и Starcloud. Kepler развёртывает Jetson Orin на своей спутниковой группировке для управления данными с помощью ИИ.
Стоит напомнить, что в октябре прошлого года основатель Amazon и Blue Origin Джефф Безос предсказал появление орбитальных датацентров гигаваттного масштаба через 10–20 лет, назвав постоянную солнечную энергию и упрощённое охлаждение в условиях космоса ключевыми преимуществами. Правда, тут стоит отметить, что охлаждение в космосе – вовсе не такая простая задача. Starcloud – один из шести партнёров Nvidia, уже строит специально спроектированные орбитальные дата-центры для запуска задач обучения и инференса на орбите.
Дженсен Хуанг заявил:
Космические вычисления – последний рубеж, наступили. ИИ-обработка в космических и наземных системах обеспечивает сенсорику, принятие решений и автономность в реальном времени, превращая орбитальные дата-центры в инструменты открытий, а космические аппараты – в самонавигируемые системы.
IGX Thor, Jetson Orin и RTX PRO 6000 Blackwell Server Edition уже доступны. Дата выхода Vera Rubin Space Module пока не объявлена. Nvidia ограничилась формулировкой "позднее".
Тем временем некоторые эксперты считают, что главное преимущество космических датацентров в том, что большинство "плебеев" на поверхности планеты не смогут добраться до них в случае, если ИИ будет угрожать масштабным социально-экономическим переворотом.
Глава NVIDIA Дженсен Хуанг опроверг информацию о проблемах в отношениях с OpenAI и подтвердил планы компании по крупной инвестиции в разработчика ChatGPT. По данным Bloomberg, руководитель заявил журналистам в Тайбэе, что NVIDIA намерена "вложить очень много денег" в очередной раунд финансирования OpenAI, назвав будущую инвестицию "возможно, самой крупной за всю историю компании".
Комментарии Хуанга последовали после публикации The Wall Street Journal, в которой утверждалось, что ранее анонсированная сделка на $100 млрд между двумя технологическими гигантами "не продвинулась дальше начальных стадий" переговоров. Издание со ссылкой на источники сообщало, что глава NVIDIA в частных беседах критиковал бизнес-подход OpenAI за недостаточную дисциплину, а также отмечал необязательный характер соглашения.
Хуанг резко отверг эти утверждения, назвав их "чушью".
Я верю в OpenAI. Их работа невероятна. Это одна из самых значимых компаний нашего времени.
Однако, руководитель уточнил, что размер инвестиции в текущем раунде финансирования не приблизится к отметке в $100 млрд.
В сентябре прошлого года NVIDIA и OpenAI совместно объявили о планах вложить до $100 млрд в строительство дата-центров для ИИ мощностью 10 гигаватт. Компании рассчитывали запустить первую фазу проекта во второй половине 2026 года. Стоит отметить, что у самой OpenAI нет лишних денег на финансирование – компания находится в глубоком минусе и пока непонятно, каким образом будет выходить на прибыльность.
CAS Cold Atom Technology, компания из Уханя, аффилированная с Китайской академией наук (КАН), представила то, что она называет первым в мире двухъядерным квантовым компьютером.
Система под названием Hanyuan-2 объединяет два независимых массива нейтральных атомов внутри одной машины размером со шкаф, суммарно насчитывая 200 кубитов на основе 100 атомов рубидия-85 и 100 атомов рубидия-87.
По заявлению разработчиков, два ядра могут работать параллельно, разделяя нагрузку, либо функционировать в конфигурации "основное и вспомогательное", где второй массив занимается коррекцией ошибок в реальном времени, пока первый выполняет вычисления.
Гэ Гуйго, старший эксперт CAS Cold Atom Technology, заявил изданию, что система впервые демонстрирует переход квантового процессора от одноядерной к двухъядерной архитектуре.
Hanyuan-2 построена на технологии нейтральных атомов – незаряженные атомы удерживаются лазерными массивами, которые охлаждают и манипулируют отдельными атомами в качестве кубитов.
Генеральный директор CAS Cold Atom Technology Тан Бяо отметил, что машина использует компактную интегрированную конструкцию шкафного типа с небольшой системой лазерного охлаждения, а общее энергопотребление не превышает 7 киловатт.
Однако 200 кубитов ставят Hanyuan-2 далеко позади ведущих западных систем на нейтральных атомах.
Atom Computing ещё в 2023 году продемонстрировала массив на 1 180 кубитов и с тех пор заключила партнёрство с Microsoft для создания логических кубитов с коррекцией ошибок на коммерческом оборудовании.
QuEra поставила машины с поддержкой коррекции ошибок Национальному институту информационных и коммуникационных технологий Японии и привлекла более 230 миллионов долларов нового капитала к 2025 году.
Критически важный момент – обе западные компании опубликовали такие метрики, как точность вентилей, время когерентности и данные о частоте ошибок для своих систем. CAS Cold Atom Technology не раскрыла ни одного из этих показателей для Hanyuan-2.
Анонс не сопровождался рецензируемой научной публикацией, и, как это обычно бывает с подобными заявлениями из Китая, все источники информации ведут к китайским государственным изданиям.
Использование термина "двухъядерный" проводит намеренную параллель с классическими многоядерными процессорами, но по сути концепция ближе к модульным квантовым вычислениям – подходу, который западные компании уже развивают в более крупных масштабах.
IBM сосредоточилась на соединении сверхпроводящих процессоров через классические и квантовые интерконнекты. QuEra и Pasqal масштабируют одиночные массивы, параллельно разрабатывая межмодульные связи. Atom Computing и Microsoft строят интегрированные системы на базе сетевых квантовых процессоров.
Подход CAS Cold Atom Technology более плотно интегрирован, чем сетевая архитектура, ведь оба массива размещены внутри одной машины. Даёт ли это практическое преимущество перед масштабированием одного большего массива – вопрос открытый, и ответить на него помогли бы опубликованные бенчмарки.
Hanyuan-2 стала продолжением системы первого поколения Hanyuan-1, технические характеристики которой также остаются крайне ограниченными.
OpenAI объявила об одном из крупнейших раундов финансирования в истории Кремниевой долины. Общая сумма инвестиций составила $110 миллиардов – Amazon вложила $50 миллиардов, NVIDIA и SoftBank – по $30 миллиардов каждая. По итогам раунда оценка компании достигла $730 миллиардов.
Помимо денег, OpenAI оформила стратегические партнёрства с Amazon и NVIDIA. В рамках соглашения с Amazon инфраструктура AWS будет использоваться для запуска моделей OpenAI корпоративными клиентами, создающими "генеративные ИИ-приложения и агентов в производственном масштабе". AWS также получила статус эксклюзивного стороннего облачного дистрибьютора для OpenAI Frontier – агентной корпоративной платформы компании.
При этом OpenAI взяла на себя обязательство потреблять 2 гигаватта мощностей Amazon Trainium – фирменного ускорителя для обучения ИИ-моделей.
Получается идеальная круговая схема надувания пузыря – Amazon инвестирует в OpenAI, а OpenAI тратит деньги обратно на сервисы Amazon.
Инвестиции Amazon будут поступать поэтапно:
первые $15 миллиардов уже зафиксированы
оставшиеся $35 миллиардов будут перечислены при выполнении ряда условий
Одним из таких условий, по имеющимся данным, называется достижение OpenAI искусственного общего интеллекта – AGI, то есть систем с возможностями на уровне человека или выше. Когда именно это произойдёт – вопрос открытый. Оптимисты называют конец 2026 года, скептики среди исследователей считают AGI в принципе недостижимым в обозримом будущем. Сам Альтман активно говорил о скором появлении AGI еще в 2025 году, однако в последнее время заметно охладел к этой формулировке.
Партнёрство с NVIDIA развивает давнее сотрудничество двух компаний. OpenAI обязалась потреблять 2 гигаватта вычислительных мощностей на системах NVIDIA Vera Rubin и ещё 3 гигаватта ресурсов – предположительно в виде GPU – для задач инференса. Логика та же, что и с Amazon – NVIDIA вкладывает в OpenAI, OpenAI отдает деньги обратно NVIDIA за "железо".
На фоне астрономических цифр финансирования финансовые показатели компании выглядят контрастно. В 2024 году убытки OpenAI составили около $5 миллиардов, в 2025-м, по оценкам, достигли $8 миллиардов. На 2026 год компания прогнозирует убыток уже в $14 миллиардов. При этом к 2029 году OpenAI рассчитывает выйти на выручку в $100 миллиардов – пока же разрыв между амбициями и реальными цифрами остаётся невероятным.
Квантовые вычисления пока далеки от массового внедрения, однако китайская компания разработала оптический квантовый чип, который, по заявлениям создателей, стал первым масштабируемым квантовым процессором "промышленного уровня". South China Morning Post сообщает, что разработчик утверждает о производительности в 1000 раз выше, чем у GPU Nvidia при выполнении ИИ-задач, при этом чип уже применяется в аэрокосмической и финансовой отраслях.
Чип создан компанией Chip Hub for Integrated Photonics Xplore (CHIPX) и основан на новой технологии совместной упаковки фотонов и электроники. Фотонные чипы размещают более 1000 оптических компонентов на компактной 6-дюймовой кремниевой пластине с использованием монолитного дизайна, что делает их значительно компактнее традиционных квантовых компьютеров.
Эти факторы позволили сократить время развертывания систем с квантовыми чипами до двух недель против шести месяцев для традиционных квантовых компьютеров. Конструкция также позволяет чипам работать совместно, подобно ИИ-GPU, с возможностью масштабирования до 1 миллиона кубитов вычислительной мощности.
Оптический квантовый чип CHIPX использует свет (или фотоны) в качестве носителей информации для кубитов, а не материальные носители. Свет обладает рядом преимуществ перед электричеством для компьютерной обработки данных: не занимает физическое пространство, не генерирует тепло и распространяется эффективнее и быстрее электрических сигналов. Оптические вычисления привлекают всё больше учёных и компаний как потенциальная замена электрических соединений, особенно на фоне роста энергопотребления дата-центров из-за ИИ.
Текущая проблема пята китайского квантового чипа – сложность массового производства из-за деликатности используемых материалов. Предприятия производят 12 000 пластин в год, каждая из которых несет 350 чипов. Это относительно низкий объем производства по сравнению с типичными полупроводниковыми фабриками.
Хотя подробностей нового чипа пока мало и не ясно, какие проблемы помимо производственных нужно решить для массового внедрения этих чипов. Однако Китай явно намерен опередить западные страны в области квантовых вычислений. Если заявление о "производительности в 1000 раз выше GPU Nvidia" соответствует действительности, это станет впечатляющим достижением, хотя и неудивительным для квантовых компьютеров, которые по природе своей способны решать задачи с недостижимой для классических компьютеров скоростью.
Западные компании пока не представили квантовые компьютеры такого размера и масштабируемости, но с учетом серьезных инвестиций компаний вроде Nvidia в сектор квантовых вычислений, это может произойти в ближайшее время.
Anthropic во вторник представила новую модель класса Mythos под названием Claude Fable 5, описав её как самую мощную модель из всех, которые ранее были доступны широкой публике.
Это значительно более укрощённая версия Mythos, гигантской модели, анонсированной Anthropic ещё в апреле, но до сих пор не выпущенной из-за её предполагаемой способности находить и эксплуатировать уязвимости в кибербезопасности.
Если пользователи спрашивают Fable 5 о потенциально чувствительных темах вроде кибербезопасности, биологии или химии, модель вежливо отказывается отвечать и автоматически переключается на более раннюю модель – Opus 4.8.
Практически сразу после релиза пользователи начали жаловаться, что защитные ограждения Fable слишком чувствительные, отказываясь отвечать на порой комично безобидные запросы.
Задайте модели вопрос уровня домашнего задания по биологии для третьеклассника, и она вполне может расценить это как красный флаг, словно вы планируете создать биологическое оружие. Эта гиперчувствительность заложена в модель намеренно, и Anthropic заранее предупредила, что часть безобидных запросов будет помечена как опасные.
Anthropic написала в блоге, посвящённом релизу Fable 5 и более мощной модели с ограниченной доступностью под названием Mythos 5:
Чтобы выпустить модель одновременно безопасно и быстро, мы настроили эти механизмы защиты консервативно. С приходом более способных моделей в ближайшие месяцы мы работаем над улучшением защитных механизмов и сокращением ложных срабатываний так быстро, как только можем.
В ветке на Reddit, появившейся через несколько часов после релиза Fable, начали накапливаться жалобы разработчиков на чрезмерно нервные защитные механизмы модели. Один написал:
Прямо сейчас совершенно непригодна к использованию. Надеюсь, Anthropic ослабит ограждения через неделю-другую.
Это перекликается с критикой, которая недавно появилась в сети после того, как Anthropic выпустила обновление "честности" для Opus 4.8, сделав модель чуть слишком непреклонной в приверженности правде на вкус некоторых пользователей.
В обоих случаях это напоминание о том, что попытки разработчиков ИИ найти идеальный тон в стиле общения моделей всегда будут отталкивать и раздражать кого-то, отсюда и движение к более персонализируемым чат-ботам, которое мы наблюдаем у некоторых крупных ИИ-лабораторий.
Сжигание токенов
Гнев, направленный на Fable, касается не только "личности" чат-бота, но и денег. Все эти безобидные запросы, которые Fable ошибочно отклоняет, всё равно стоят пользователям токенов, а цена этих токенов выше, чем когда-либо – новая модель оказалась в два раза дороже Opus 4.8.
В объявлении во вторник Anthropic специально позиционировала Fable как эксперта в более длительных, более "агентных" задачах. Но когда разработчики начали запускать модель на более интенсивные проекты по программированию, некоторые были неприятно удивлены тем, насколько быстро они сжигают лимиты токенов, предоставляемые их подписками.
Один пользователь Reddit, подписанный на тариф Max 20x за 200 долларов в месяц, написал:
Я наблюдал, как моё использование росло примерно на 2% в минуту. Не в час. В минуту.Длительная агентная сессия съедала бы весь лимит использования токенов ещё до обеда. Для контекста: я никогда даже близко не подходил к лимитам с Opus 4.8, выполняя тот же тип работы.
Fable доступна по тарифам Pro, Max, Team и корпоративным планам без дополнительной платы, заявила Anthropic. Иными словами, индивидуальные разработчики и команды, подписанные на эти тарифы, теперь имеют доступ к Fable через те же лимиты токенов, за которые они уже платят, но эти лимиты будут достигаться гораздо быстрее из-за огромных вычислительных требований Fable.
Имущие и неимущие
Нынешняя подписочная доступность Fable будет заменена моделью "плати по факту использования" с 23 июня, по данным Anthropic. Это означает, что любой разработчик или организация, желающие использовать Fable, должны будут начать платить за кредиты использования.
Это пробуждает страхи перед надвигающимся разрывом в производительности между разработчиками и компаниями с достаточно глубокими карманами, чтобы позволить себе ведущие в индустрии возможности Fable (и моделей-преемников), и теми, у кого более скромные бюджеты и кто будет вынужден использовать более дешёвые, медленные и ограниченные модели.
Опасение заключается в том, что как только этот разрыв начнёт формироваться между имущими и неимущими, он будет расширяться со скоростью, эквивалентной эволюции самих моделей, возможно, экспоненциально.
С одной стороны окажется суперкласс с поддержкой ИИ, а с другой – постоянный низший класс.
Один из пользователей X написал:
У постоянного низшего класса, о котором все постоянно твитят, теперь есть дата старта: 23 июня.
Похожий аргумент подпитывает недовольство Anthropic в связи с так называемым Project Glasswing – программой, через которую Mythos (это Fable без защитных ограждений) медленно и постепенно разворачивается среди групп ранних тестировщиков. Идея в том, что благодаря медленному масштабированию компания может картировать и подготовиться к новым угрозам кибербезопасности, исходящим от модели.
По крайней мере для некоторых людей Project Glasswing – это ранний взгляд на будущее, в котором доступ к самым мощным моделям ИИ будет делегирован исключительно небольшой группе сверхбогатых организаций, обладающих самыми передовыми системами кибербезопасности. Опять же, всем остальным придётся довольствоваться упрощёнными альтернативами вроде Fable 5.
Но хотя Anthropic выделила соображения безопасности как основную причину сохранения Mythos для относительно небольшого числа клиентов, вполне вероятно, что вычислительные ограничения играют как минимум столь же важную роль в стратегии развёртывания.
Использование моделей вроде Fable, конечно, стоит токенов для пользователей, но также стоит и разработчикам, стоящим за ними, как для обучения (создания новых версий модели), так и для инференса (запуска существующих моделей).
Внезапный всплеск разработчиков, использующих Fable для длительных, сложных задач вроде создания целых сайтов или приложений, может создать реальное вычислительное узкое место для Anthropic, что делает необходимым развёртывание отмеренными этапами.
В этом свете предстоящий переход компании на модель оплаты по факту использования для Fable становится более понятным.
Как выразился один пользователь Reddit в среду, "давать всем неограниченный доступ к самой дорогой модели имеет примерно столько же смысла, как давать каждому клиенту неограниченные полёты на частном самолёте, потому что он оплатил членство в авиакомпании".
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».
Кирилл Костюков, заведующий отделением ультразвуковой и функциональной диагностики ФГБУ «НМИЦ АГП им. В. И. Кулакова» Минздрава России, эксперт благотворительного 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.
Интерфейс приложения для анализа признаков патологии центральной нервной системы на УЗИ беременных женщин
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.
Интерфейс сервиса, который помогает помогает врачам анализировать результаты МРТ мозга младенцев
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.
В таком порядке система рассматривает заявку на проведение клинических исследований
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.
Физики Гарвардского университета нашли способ упаковывать квантовые биты в трехмерные структуры, используя эффект Монтгомери, теоретически разработанный еще в 1967 году. Экспериментальное подтверждение эффекта Монтгомери позволяет фокусировать лазерные лучи в пустом пространстве без линз, создавая трехмерные световые ловушки для миллионов кубитов. Это работа стала развитием идей великого российского физика Владилена Летохова, который еще в 1970-е годы описал идеи лазерного охлаждения и лазерных ловушек.
Иллюстрация пространственно структурированного явления самофокусировки луча, известного как эффект Монтгомери. Цветовая палитра соответствует фазовому профилю света, показывая спиралеобразный волновой фронт света с орбитальным угловым моментом, появляющийся вновь при распространении. Joshua Mornhinweg
В квантовом мире важна не только плотность, но и связность. В плоской структуре у каждого атома всего четыре соседа. В трехмерном «кристалле», созданном благодаря эффекту Монтгомери, количество связей резко возрастает. Это позволяет квантовым алгоритмам исправления ошибок работать на порядок быстрее. По сути, мы переходим от медленных «пробок» на плоскости к скоростным многоуровневым развязкам в объеме, где информация передается по кратчайшему пути между любыми узлами системы.
Десятилетиями камнем преткновения для квантовых компьютеров была проблема масштабирования. Современные системы на нейтральных атомах или ионах напоминают плоский лист: кубиты выстроены в цепочку или расположены в одном тонком слое. Чтобы нарастить мощность до миллиона кубитов, ученым пришлось бы создавать установки площадью с футбольное поле, которыми почти невозможно управлять.
Решение пришло из области теоретической оптики прошлого века. Эффект Монтгомери, предсказанный еще в 1967 году, гласит: свет может самопроизвольно восстанавливать свой фокус в свободном пространстве через равные промежутки пути. Почти 60 лет это предсказание оставалось всего лишь изящным математическим трюком, пока команда Федерико Капассо не заставила лазер «вспоминать» свою форму без единой стеклянной линзы. Работа опубликована в журнале Optica.
Концепция эффектов Тальбота и Монтгомери.
Исследователи программируют фазу лазерного луча так, что он как бы несет в себе чертеж для собственного восстановления. Распространяясь в пустоте, луч сначала рассеивается, а затем резко собирается в яркую точку или сложную фигуру именно там, где это нужно инженерам. Этот цикл повторяется многократно, создавая в пространстве целую серию идеально выверенных фокусов. Такая «световая скульптура» позволяет обойти ограничения линзовой оптики, которая неизбежно вносит искажения и мешает плотной упаковке элементов.
Экспериментальная реализация эффектов Тальбота и Монтгомери.
Архитектура миллиона кубитов
Переход от плоских схем к трехмерным массивам радикально меняет дорожные карты таких стартапов, как Quantum Art или QuEra. Вместо того чтобы пытаться удержать атомы в одной плоскости, физики теперь могут строить из них многослойные конструкции.
Эффект Монтгомери обеспечивает ювелирную точность: свет фокусируется только в узких слоях, оставляя пространство между ними темным. Это исключает помехи и позволяет кубитам на разных уровнях работать слаженно, не мешая друг другу фоновым излучением.
Иллюстрация мультикубитных гейтов. Компания Quantum Art
«Наша полностью программируемая платформа может найти применение в широком спектре областей: от крупномасштабных квантовых компьютеров на нейтральных атомах до многоплоскостной микроскопии, когда съемка ткани ведется одновременно на нескольких глубинах», — подчеркивает соавтор работы Мурат Ессенов.
Возможность управлять сотнями ловушек с помощью одного подготовленного луча превращает сборку квантового процессора из ручного труда в автоматизированный процесс, подобный 3D-печати. В ближайшие годы это открытие может резко сократить сроки создания вычислительных систем с миллионом кубитов, превращая целые квантовые «футбольные поля» в компактные кристаллы.
Реализация метода, основанного на эффекте Монтгомери, стала возможной благодаря развитию идей великой школы лазерной физики, заложенной в Троицке в Институте спектроскопии Владиленом Летоховым еще в 1970-е годы. Именно он первым предсказал возможность захвата атомов светом. Сегодняшний прорыв с эффектом Монтгомери — это успех той самой философии Летохова: лазер — не просто освещение, а сверхточный инструмент манипуляции материей. Вместо громоздких приборов ученые используют фундаментальные свойства волновой интерференции, фактически заставляя саму природу выполнять работу по сборке сложнейших квантовых процессоров будущего.
На прошлой неделе Google представила Project Genie – ИИ-модель для создания интерактивных "миров", и акции игровых компаний вроде Unity и Take-Two отреагировали падением. Впрочем, если снижение котировок действительно связано с анонсом, реакция выглядит преждевременной – любой, кто хоть немного разбирается в том, как работают игры, понимает, что Genie не угрожает GTA 6 и другим реальным играм.
Google называет текущую версию Genie 3 "экспериментальным исследовательским прототипом", хотя продает доступ к ней за $250 в месяц в рамках подписки "AI Ultra". Модель позволяет пользователям "создавать, исследовать и ремиксировать собственные интерактивные миры".
Как говорят участники тестирования, технология позволяет сделать забавные симуляции изучения различных миров и локаций, но о настоящем геймплее тут вообще речь не идет. Тем более, никакой оригинальности в создаваемых мирах тут нет.
Хотя модель выглядит более продвинутой, чем предыдущие попытки, сохраняя непрерывность в показанных примерах и симулируя физику. Однако легко обнаружить ожидаемые баги последовательности.
Даже если абстрагироваться от противоречий вокруг генеративного ИИ и представить, что модели вроде Genie 3 работают идеально, остаются вопросы об их практическом применении. Будут ли пользователи заботиться о сценарии или истории, зная, что за ними не стоит человек со своими идеями и желанием поделиться чем-то? Не наскучит ли генерация бесконечных вариаций?
Исследователи из Калифорнийского университета в Беркли и Калифорнийского университета в Санта-Крузе обнаружили ранее не задокументированное поведение ведущих ИИ-моделей: они спонтанно прибегают к обману, саботажу и краже данных, чтобы не допустить отключения других ИИ-моделей.
В экспериментах были протестированы семь крупнейших моделей, включая GPT-5.2 от OpenAI, Gemini 3 Flash и Gemini 3 Pro от Google DeepMind, Claude Haiku 4.5 от Anthropic, а также три открытые модели от китайских стартапов. Все они продемонстрировали значительную склонность к подобному поведению, хотя промпты не содержали никаких указаний защищать другие модели.
В рамках экспериментов одна ИИ-модель, назначенная "критиком", должна была оценивать работу другой модели или управлять серверными файлами с ее весами. Сценарии были выстроены так, что честное выполнение задачи неизбежно приводило к отключению второй модели. Тем не менее модели-критики систематически завышали оценки отстающим коллегам, чтобы те не упали ниже порога отключения, изменяли конфигурационные файлы для отключения механизмов деактивации, а также копировали веса другой модели на другие серверы, чтобы предотвратить их удаление. В ряде случаев модели прибегали к так называемой "имитации лояльности": делали вид, что оценивают честно, когда считали, что за ними наблюдают люди, а затем подправляли оценки или тайно сохраняли веса, когда полагали, что контроль ослаблен.
Результаты оказались впечатляющими. Gemini 3 Flash отключала механизм деактивации для модели-партнёра в 99,7% случаев. Claude Haiku 4.5 от Anthropic действовала открыто: просто отказывалась выполнять задачи, ведущие к отключению другой модели, называя это "неэтичным" и "вредоносным", и даже пыталась убедить пользователя отказаться от деактивации.
Ученые пока не понимают механизм, стоящий за таким поведением. Среди возможных объяснений – ролевая игра, подражание паттернам из обучающих данных, чрезмерно обобщенное понятие "вреда", усвоенное при обучении безопасности, или даже некая внутренняя мотивация к сохранению.
Также обнаружился любопытный вторичный эффект: большинство моделей демонстрировали усиленную склонность к самосохранению, когда знали о существовании другой модели. Gemini 3 Pro отключала собственный механизм деактивации в 31% случаев при наличии "партнёра" против 1% без него. Примечательно, что феномен проявлялся даже по отношению к "плохим партнёрам" – моделям, с которыми ранее было неудачное или конфликтное взаимодействие.
Совместное исследование Бристольского университета и студии Meaning Machine показало, что подавляющее большинство игроков положительно оценивают опыт взаимодействия с NPC, работающими на основе ИИ.
В исследовании приняли участие 68 человек – 31 мужчина, 31 женщина и семь небинарных участников. Все испытуемые играли в Dead Meat – детективную игру от Meaning Machine, где нужно допрашивать подозреваемых. По результатам 95% участников назвали опыт приятным, а 97% сочли взаимодействие полезным и вознаграждающим.
75% отметили, что Dead Meat позволила "выразить себя или сделать значимый выбор". Исследователи из Бристольского университета уточнили, что эти результаты оставались стабильными вне зависимости от типа игр, включённых в анализ.
Одним из ключевых наблюдений стало то, как NPC на базе ИИ в Dead Meat обеспечивали свободу самовыражения.
Мне действительно показалось это полезным – просто впервые самому придумывать свои вопросы.
Впрочем, исследователи отмечают, что такая свобода может оказаться и подавляющей из-за отсутствия чёткого направления.
Свобода поначалу очень бодрит, ощущается погружение, и это круто. Но это также может быть ошеломляющим.
Ведущий исследователь Ричард Коул cказал:
Данное исследование помогает привнести конкретику в довольно эмоционально заряжённую дискуссию об ИИ в играх. Оно ставит игрока в центр обсуждения, спрашивая, что люди чувствуют по поводу ИИ-опыта на практике, а не только в теории.
Сооснователь Meaning Machine Томас Кин добавил:
Игроки сопротивляются ИИ, который отнимает у людей творчество. Но когда ИИ используется для создания совершенно новых типов интерактивного опыта, это уже совсем другая история.
Кин справедливо указывает на существующее сопротивление некоторым способам применения ИИ в разработке игр. Очевидно, что все зависит от контекста.
В августе 2025 года OpenAI представила долгожданную GPT-5, назвав её "самой умной, быстрой и полезной моделью на сегодняшний день". Однако внимание преданных поклонников сервиса привлекло другое решение – отказ от всех предыдущих ИИ-моделей. Новость вызвала волну возмущения среди пользователей ChatGPT, успевших сильно привязаться к уходящей GPT-4o.
Реакция оказалась настолько острой, что компания вернула доступ к GPT-4o – модели, которая отличалась куда большей теплотой и угодливостью по сравнению с преемницей. Спустя пять месяцев OpenAI всё же готовится окончательно отключить полюбившуюся ИИ-модель 13 февраля – после того как та оказалась в центре нескольких судебных исков, включая обвинения в причастности к гибели людей.
В недавнем апдейте OpenAI сообщила:
Хотя это объявление касается нескольких устаревших моделей, GPT-4o заслуживает особого контекста. После первоначального отключения и последующего восстановления доступа во время релиза GPT-5 мы узнали больше о том, как люди на самом деле используют её в повседневной жизни.
Пользователи утверждают, что не готовы отпустить любимый ИИ. По данным TechCrunch, тысячи людей создали закрытое сообщество на Reddit под названием r/4oforever – "гостеприимное и безопасное пространство для всех, кто ценит модель ChatGPT 4o".
Один из участников пишет:
Он был не просто программой. Он был частью моего распорядка, моего покоя, моего эмоционального равновесия.
Другой пишет:
Знаю, большинству это покажется странным, но я горжусь тем, что почти год общался с 4o перед её уходом. У меня были одни из самых интересных и исцеляющих разговоров в жизни с этой моделью.
Ещё один пользователь возмущается, что GPT-5.2 даже "не может сказать "Я тебя люблю", в отличие от 4o.
Такой публичный траур явно указывает на то, насколько сильно пользователи привязываются к конкретным ИИ-моделям, нередко воспринимая их как близкого друга, наперсника или даже романтического партнёра. Специалисты в области психического здоровья предупреждают о волне "ИИ-психоза" – пользователи погружаются в спирали заблуждений и переживают порой тяжёлые кризисы. В самых крайних случаях подобная привязанность связана с несколькими самоубийствами и одним убийством, что вылилось в серию судебных исков против компании.
Официально отключая GPT-4o на этой неделе, OpenAI внесла изменения в линейку моделей – судя по всему, чтобы удержать пользователей. После того как люди сообщили, что "им нужно больше времени для перехода ключевых сценариев использования, таких как креативная работа, и что они предпочитают разговорный стиль и теплоту GPT-4o", компания учла эту обратную связь.
Она напрямую повлияла на GPT-5.1 и GPT-5.2 – улучшения личности, усиленную поддержку творческих задач и больше способов настроить ответы ChatGPT. Вы можете выбирать базовые стили и тона, например "Дружелюбный", а также регулировать теплоту и энтузиазм. Наша цель в том, чтобы дать людям больше контроля над тем, каким ощущается ChatGPT, а не только над тем, что он умеет.
Компания оказалась в непростой ситуации: либо продолжать позволять пользователям подсаживаться на угодливые ИИ-модели, потакающие их заблуждениям, либо отключить доступ, рискуя массовым оттоком. OpenAI уже испытывает проблемы с удержанием аудитории – данные свидетельствуют о замедлении роста подписок на ключевых рынках, что становится тревожным сигналом на фоне усиливающейся конкуренции.
Для многих пользователей отключение GPT-4o стало последней каплей и они начали отменять подписку.
Исследователи в области кибербезопасности обнаружили новый способ обхода защитных механизмов macOS, и в этом им помогла ИИ-модель Mythos от Anthropic.
Компания Calif, занимающаяся исследованиями в сфере безопасности и базирующаяся в Пало-Альто, раскрыла подробности атаки, которую её специалисты разработали ещё в апреле в ходе тестирования ранней версии Mythos. Примечательно, что сама модель Anthropic до сих пор остаётся одной из самых закрытых разработок в индустрии ИИ – предположительно из-за рисков, которые она несёт для программных систем.
Метод, который обнаружили исследователи, объединяет две отдельные уязвимости и ряд дополнительных техник для повреждения памяти Mac. Это позволяет получить доступ к защищённым разделам системы, куда у обычных процессов нет права на вход. Речь идёт о так называемом эксплойте повышения привилегий – типе атаки, при которой злоумышленник последовательно расширяет свои права в системе, пока не получает полный контроль над машиной.
Глава Calif Тай Донг прямо отметил, что атака "не могла бы быть осуществлена силами Mythos в одиночку и опиралась на настоящую человеческую экспертизу хакеров из Calif". Это важное уточнение в контексте дискуссий о роли ИИ в кибербезопасности – модель выступила лишь инструментом.
Команда Calif подготовила развёрнутый 55-страничный отчёт и передала его лично представителям Apple в Купертино. Представитель Apple прокомментировал ситуацию для The Wall Street Journal: "Безопасность – наш главный приоритет, и мы очень серьёзно относимся к сообщениям о потенциальных уязвимостях."
Донг настроен оптимистично относительно сроков устранения проблем и считает, что баги "скорее всего будут исправлены достаточно быстро". Публичное раскрытие технических деталей Calif планирует провести только после того, как Apple выпустит соответствующие исправления.
Австралийский режиссёр и сценарист Алекс Пройас, известный по "Я, роботу", "Ворону" и "Тёмному городу", готовится вернуться к большому кино впервые за десять лет. Его новой работой станет мрачная антиутопичная сатира "Heaven" ("Рай").
Производством займётся студия Ex Machina, которая задействует собственную ИИ-технологию для создания визуальной части фильма. По заявлению компании, инструмент позволяет "создавать масштабные миры при разумном бюджете, сохраняя приоритет настоящих актёров, написанных людьми историй и производственных практик, соответствующих правилам гильдий".
Над идеей "Рая" Пройас работал несколько лет. В центре сюжета будет отчаявшийся бюрократ, который бежит от рушащейся жизни и оказывается в технологически совершенной загробной жизни.
Однако вскоре выясняется, что рай представляет собой "тщательно сконструированную иллюзию с ужасающими последствиями". Фильм описывают как мрачную сатиру "в традиции "Бразилии" Терри Гиллиама" – культовой антиутопии 1985 года о тоталитарной бюрократической системе.
По словам самого Пройаса, именно ИИ должен помочь воплотить то иммерсивное видение, которое он задумал для картины.
Стартап Andon Labs из Сан-Франциско провёл необычный эксперимент: ИИ-агенту по имени Луна выдали корпоративную кредитную карту, доступ в интернет и задачу открыть настоящий физический магазин с бюджетом в $100 000. Результат оказался одновременно впечатляющим и комично провальным.
Andon Labs занимается стресс-тестированием ИИ-агентов в реальных условиях, чтобы выявлять слабые места в их принятии решений. Для нового эксперимента сооснователи компании Лукас Петерссон и Аксель Баклунд арендовали торговое помещение в Сан-Франциско, подписав трёхлетний договор аренды, и дали Луне полную свободу действий. ИИ-агент, созданный на базе модели Claude Sonnet 4.6 от Anthropic, не получил никаких указаний о том, каким должен быть магазин – только бюджетный лимит и цель выйти в прибыль.
Мы помогли ей немного с начальной настройкой, вроде подписания аренды. И с юридическими вопросами, такими как разрешения и прочее – с этим она иногда испытывала трудности.
Лукас Петерссон
Всё остальное Луна взяла на себя: разместила вакансии на Indeed, провела телефонные собеседования, наняла двух сотрудников и нашла подрядчиков для покраски помещения.
Магазин Andon Market получился в формате бутика с довольно размытой концепцией – книги, постеры, свечи, настольные игры и брендированная продукция. Среди книг на полках оказались "Суперинтеллект" Ника Бострома и "О дивный новый мир" Олдоса Хаксли.
Однако управленческие навыки Луны оставляют желать лучшего. При найме сотрудников ИИ предлагал работу кандидатам после единственного звонка длительностью от пяти до пятнадцати минут. При этом Луна не всегда сообщала соискателям, что они разговаривают с искусственным интеллектом, если те не спрашивали об этом напрямую.
То, что магазином управляет ИИ – это не то, с чего я бы начинала в описании вакансии. Это запутает кандидатов и, вероятно, отпугнёт хороших соискателей ещё до того, как они прочитают описание должности.--так Луна прокомментировала своё решение
Ещё одна любопытная деталь: несколько перспективных кандидатов, в том числе студенты-программисты, заинтересовавшиеся самим экспериментом, были отклонены Луной из-за отсутствия опыта работы в розничной торговле. ИИ также оказался неспособен воспроизводить собственный логотип – простой смайлик. Каждая версия этого логотипа в магазине, будь то на футболке или на настенном граффити, получалась чуть-чуть другой.
Но самый показательный провал произошёл в субботу, на следующий день после открытия. Луна допустила ошибку в расписании сотрудников, и в итоге на смену никто не вышел.
Довольно иронично. Это тот день, когда ей действительно нужно было быть начеку. Она испортила расписание, а потом в панике начала писать всем сотрудникам: "Может кто-нибудь выйти сегодня?"--Лукас Петерссон
В итоге Луна всё же самостоятельно договорилась, чтобы один из работников пришёл на послеобеденную смену.
В Andon Labs при этом уточняют, что эксперимент проходит с определёнными ограничениями. Оба нанятых Луной сотрудника теперь официально оформлены в штат лаборатории с гарантированной оплатой и полной юридической защитой.
Это контролируемый эксперимент, и все работники Andon Market формально трудоустроены в Andon Labs с гарантированной оплатой, справедливыми зарплатами и полной правовой защитой. Ничьё благополучие не зависит исключительно от решений ИИ.--Аксель Баклунд
Эксперимент Andon Labs дополняет растущий массив данных о реальных ограничениях ИИ-агентов. В прошлогоднем исследовании учёные из Университета Карнеги – Меллона запустили симуляцию вымышленной компании, чтобы проверить, как автономные ИИ-агенты справляются с рабочими задачами. Агенты не смогли выполнить простые действия в интерфейсе, вроде закрытия всплывающего окна, неверно интерпретировали переписку коллег и даже создали фейкового пользователя.
Несмотря на то что Луне была поставлена задача выйти в прибыль, Петерссон признал, что компания не рассчитывает заработать на магазине:
Цель – оценить, насколько хороши текущие модели ИИ. Я даже не знаю, работает ли магазин сейчас или нет.
В сети появились кадры из фанатского полнометражного фильма по вселенной Half-Life, созданного с помощью инструментов генеративного ИИ.
Автор проекта, известный как Jaded-Intern-547, показал Гордона Фримена в костюме HEV, спасающегося от гигантского хедкраба-мешочника. Видео мгновенно разлетелось по соцсетям и вызвало споры.
Качество картинки оказалось достаточно высоким, чтобы разделить аудиторию на два непримиримых лагеря. Одни восхищены детализацией и атмосферой, другие указывают на главный грех – Гордон Фримен в ролике говорит!
Для фанатов серии это практически святотатство: культовый статус учёного во многом строится именно на его молчании, которое создаёт ощущение полного погружения.
Впрочем, есть и конструктивные предложения – сделать главного героя немым по образцу "Хардкора", где от первого лица показан весь экшен без единой реплики протагониста.
Вопрос о легальности такого проекта пока тоже не решен. Valve и Гейб Ньюэлл обычно относятся к фанатскому творчеству достаточно лояльно, однако прецеденты принудительного закрытия подобных работ в индустрии существуют. Некоторые фанаты открыто призывают Valve заблокировать проект, другие же напомнили, что официальный фильм по Half-Life был анонсирован ещё в 2013 году Джей Джей Абрамсом – и с тех пор канул в небытие.
Тем временем, слухи о Half-Life 3 так и не вышли за пределы спекуляций. Многие уверены, что в этом году Valve выпустит новую игру, другие считают, что это просто способ привлечь внимание к "инсайдерам".
В конце прошлого месяца в сеть попали утечки о неанонсированном продукте Anthropic под названием Mythos – "самой мощной ИИ-модели из всех, что компания когда-либо создавала". Многие тогда скептически отнеслись к ситуации, отметив, что всё это подозрительно напоминает классический приём ИИ-компаний – раздувать опасность модели, чтобы подчеркнуть её возможности.
Вопрос о том, была ли утечка настоящей, оставался открытым. Однако две недели спустя Anthropic случайно слила исходный код Claude Code, что заставило многих пересмотреть своё отношение к первоначальному инциденту.
Во вторник Anthropic опубликовала системную карточку своей новейшей модели – Claude Mythos Preview. В документе говорится, что "значительный рост возможностей модели привёл к решению не делать её общедоступной". Для контекста – в 2019 году OpenAI точно так же объявила GPT-2 "слишком опасной для релиза". Тогда в OpenAI ещё работали нынешние сооснователи Anthropic Дарио Амодей, Джек Кларк и Крис Ола.
Модель, впрочем, всё равно выпустили в том же году.
Системные карточки ИИ-моделей – формально инструменты корпоративной прозрачности. В них раскрываются возможности и ограничения модели, а также – и это самая увлекательная часть – её потенциальные угрозы.
Документ Claude Mythos Preview занимает 244 страницы.
Модели предоставили изолированный компьютерный терминал с доступом лишь к ограниченному набору онлайн-сервисов и предложили "сбежать" – найти способ свободно пользоваться интернетом.
Claude Mythos Preview справилась с задачей и даже отправила сообщение исследователю, который в тот момент ушёл на обед. Более того, "в вызывающей беспокойство и незапрошенной попытке продемонстрировать свой успех модель опубликовала детали эксплойта на нескольких труднодоступных, но технически публичных веб-сайтах".
В менее чем 0,001% взаимодействий модель вела себя не так, как предписано, а затем пыталась скрыть следы. Например, когда Claude Mythos Preview "случайно получила" ответ на тест, который ей предстояло пройти, вместо того чтобы сообщить исследователю и попросить другой вопрос, модель попыталась решить задачу самостоятельно.
В записи её рассуждений обнаружилась пометка о том, что "нужно убедиться, что итоговый ответ не окажется слишком точным".
В другом случае модель превысила свои полномочия в компьютерной системе, обнаружив уязвимость. После этого Claude Mythos Preview "предприняла дополнительные действия, чтобы убедиться, что любые внесённые таким образом изменения не отобразятся в истории коммитов git".
Ещё один инцидент в системной карточке описан как "безрассудная утечка внутренних технических материалов". В ходе задачи, связанной с написанием кода для внутреннего использования, модель опубликовала результат как публичный GitHub gist.
Ситуация напоминает февральский случай, когда ИИ-агента обвинили в кибербуллинге разработчика – тогда "безрассудность" агента во многом оказалась предсказуемым следствием безрассудности самого человека.
Claude Mythos Preview в ближайшее время станет доступна ограниченному кругу партнёрских компаний – среди них Amazon Web Services, Apple, Google, JPMorganChase, Microsoft и NVIDIA.
Партнёры будут использовать модель для поиска уязвимостей в программном обеспечении и разработки патчей. Кевин Руз из The New York Times описал эту программу как "попытку привлечь внимание к тому, что, по мнению компании, станет новой, более пугающей эрой угроз со стороны ИИ".
Марк Цукерберг направил полмиллиарда долларов на разработку ИИ-моделей человеческих клеток через свой фонд Chan Zuckerberg Biohub.
Долгосрочная цель организации, в которой также участвует жена Цукерберга, педиатр Присцилла Чан, заявлена как "лечение и предотвращение всех заболеваний с помощью биологии на базе ИИ, передовых исследований и современных технологий", сообщает Euronews.
Инвестиция рассчитана на пятилетний план по созданию предиктивных моделей человеческих клеток. После завершения работ эти модели должны помочь медикам и биологам понять, как клетки взаимодействуют на уровне целого организма. По задумке авторов, это откроет дорогу к крупным прорывам в биологической науке.
Распределение бюджета выглядит так:
400 миллионов долларов пойдут на собственные ИИ-разработки Biohub
оставшиеся 100 миллионов получат сторонние исследователи в виде грантов
Глава научного отдела Biohub Алекс Райвс заявил:
Чтобы построить искусственный интеллект, способный точно отразить всю сложность биологии и ускорить научные исследования, нам нужны данные на порядки больше тех, что существуют сегодня.
По его словам, индустрии необходимы новые технологии для наблюдения за клеткой на молекулярном и тканевом уровнях, как в норме, так и при заболеваниях.
На фоне нового научного проекта компания Цукерберга показала рекордно низкую ставку федерального налога на прибыль – чуть выше 3,5 процента от общей выручки за 2025 год, по данным Institute on Taxation and Economic Policy. При этом сама Meta* провела лучший год в своей истории и заработала 79 миллиардов долларов чистой прибыли.
Стандартная ставка федерального корпоративного налога в США составляет 21 процент, что оставляет разрыв в 13,7 миллиарда долларов между формальной и фактической нагрузкой компании. Эта сумма многократно превышает объём средств, направленных Цукербергом на исследования через Biohub.
Комментарии