Министр финансов США Скотт Бессент сделал резонансное заявление, связав исход технологического соперничества с Китаем с обороноспособностью страны. По его словам, если Соединённые Штаты уступят КНР в гонке искусственного интеллекта, то создаваемая система противоракетной обороны "Золотой купол" потеряет всякий смысл.

Бессент для WSJ:

Глава Минфина также допустил введение санкций против китайских компаний в сфере ИИ в случае кражи интеллектуальной собственности.

Заявление прозвучало на фоне активной фазы разработки американской системы ПВО-ПРО "Золотой купол" (Golden Dome), инициированной администрацией президента Дональда Трампа. Проект, получивший своё название по аналогии с израильским "Железным куполом", призван создать эшелонированный космический и наземный щит для защиты территории США от межконтинентальных баллистических и гиперзвуковых угроз.

Несмотря на заявленный успех первых испытаний, проект "Золотой купол" вызывает скепсис из-за высокой стоимости (оценки достигают 1,2 трлн долларов) и технических рисков. Мало того, эксперты считают, что вся эта грандиозная программа может пойти прахом, если Китай оснастит свои ракеты передовыми системами ИИ, которые смогут обходить возможности армии США по перехвату.

ИИ-инструменты ускоряют написание кода, но одновременно мешают разработчикам вовремя заканчивать работу. В опросе Coddy Tech большинство программистов признались, что использование ИИ временами ощущается скорее как зависимость, чем как преимущество.

Coddy Tech опросила 305 разработчиков. 43% участников признались, что продолжают работать с ИИ после окончания рабочего дня, хотя собирались остановиться. Еще 32% откладывали сон ради продолжения работы, а 39% заявили, что из-за ИИ им стало сложнее переключаться с рабочих задач.

Технический директор и сооснователь Rootly Квентин Руссо описал похожий опыт. "Сейчас 2:47 ночи. Я не исправляю аварию. Дедлайна нет. Я просто смотрю, как Claude Code рефакторит модуль... и не могу остановиться", - написал он.

По словам Руссо, агентное программирование создает постоянный цикл вознаграждения. "Когда агент делает все правильно, ты получаешь выброс дофамина. Когда ошибается - выброс адреналина", - объяснил разработчик. Он рассказал, что из-за проблем со сном ему в итоге пришлось обратиться за медицинской помощью.

Одна из причин - сама механика работы с ИИ-агентами. Вместо завершения одной задачи программист может сразу попросить еще одну реализацию, оптимизацию или рефакторинг. "Наблюдение за работой агента достаточно пассивно, чтобы казаться отдыхом, и достаточно активно, чтобы удерживать тебя", - написал Руссо.

При этом разработчики не считают ИИ бесполезным. Согласно опросу, 74% участников полагают, что активное использование таких инструментов повышает их шансы получить прибавку к зарплате или повышение. Одновременно 51% считают, что оно увеличивает риск выгорания.

Дополнительную нагрузку создает необходимость проверять сгенерированный код. В опросе Stack Overflow за 2025 год 45% разработчиков называли одной из главных проблем ответы ИИ, которые выглядят убедительно, но оказываются "почти правильными".

Хотя ИИ-инструментами пользуются уже около 80% разработчиков, доверие к точности их ответов снизилось до 29% против 40% ранее. Доля программистов, положительно относящихся к ИИ, за год сократилась с 72% до 60%.

ZDNET называет возникающую проблему "долгом проверки": код появляется быстрее, но специалисту все равно приходится выяснять, корректен ли он, безопасен ли, соответствует ли архитектуре проекта и не создаст ли новых проблем в продакшене.

В результате выигрыш во времени на написании кода может компенсироваться ростом объема проверок и общей интенсивности работы. ИИ действительно снимает часть рутины, но одновременно может усиливать темп работы и мешать разработчикам вовремя остановиться.

ИИ-агенты вроде Cursor и Claude Code все лучше справляются с написанием кода, поэтому работа программистов постепенно смещается от реализации отдельных функций к проектированию правил, границ и систем обратной связи для ИИ.

Об этом пишет специалист по data engineering Анант Паккилдурай в колонке для VentureBeat. По его словам, главное изменение последних лет в том, что "трение, связанное с написанием синтаксиса, практически исчезло". ИИ-агенты уже могут изучать репозитории, писать тесты, анализировать ошибки и предлагать рефакторинг.

"Если агент становится основным автором локальной логики системы, что именно остается делать инженеру?" - задается вопросом Паккилдурай. Проблема, по его мнению, в том, что сложные корпоративные системы редко дают ИИ четко ограниченную задачу. Требования меняются, схемы данных обновляются, API вводят новые ограничения, а часть бизнес-правил вообще существует только "в чьей-то голове".

В таких условиях агент может начать опираться на устаревшие предположения, исправлять следствие вместо причины или накапливать противоречивый контекст. Автор называет это "операционной энтропией" - накоплением старых предположений, разветвляющегося контекста и нерешенных зависимостей.

"Агенты явно создают движение. Настоящий вопрос в том, превращает ли система вокруг них это движение в полезную работу", - пишет разработчик. В таком случае главная работа инженера заключается уже не в написании преобразования. "Вклад инженера был не в трансформации данных, а в создании границы, которая сделала ошибку агента видимой, конкретной и исправимой", - объясняет автор.

По его мнению, разработчикам придется все больше заниматься именно такими ограничениями: создавать строгие семантические слои, контракты данных, неизменяемые журналы событий, идемпотентные API и детерминированные процессы. "Новая задача - создать условия, в которых сгенерированной логике можно доверять", - пишет Паккилдурай.

Если система заранее задает четкие входные данные, правила и критерии правильного результата, ИИ уже может самостоятельно написать код, запустить тесты, исправить ошибки и подготовить изменение к выпуску. "Ценность разработки ПО не исчезает по мере того, как генерация кода становится дешевле. Она просто становится более заметной", - заключает он.

Заслуженный инженер Microsoft Дэвид Фаулер считает, что времена, когда код писали пальцами, окончательно остались в прошлом: "Написание кода вручную - всё", - заявил он в Х. Фаулер проработал в Microsoft 18 лет и участвовал в создании ключевых инструментов для платформы .NET. Пост спровоцировал бурную дискуссию в комментариях.

Typing code is absolutely over.

- David Fowler (@davidfowl) September 3, 2026

Слова Фаулера не означают, что программисты перестанут читать код или что разработке как профессии тоже пришёл конец. Просто меняется её суть: написание строк вручную в редакторе становится самой неинтересной и рутинной частью создания софта, и занимаются ею всё чаще автономные ИИ-агенты.

Сегодняшние алгоритмы способны уже не просто автозаполнять код, а самостоятельно настраивать рабочую среду, вносить изменения в проекты, тестировать результаты и исправлять собственные ошибки, анализируя логи без участия человека.

А фокус человека смещается на архитектуру, общую логику системы, её быстродействие и безопасность. Проверять каждую сгенерированную строку вручную становится невозможно, поэтому главная ценность специалиста теперь заключается в умении проектировать продукт, задавать правильное направление ИИ-агентам и контролировать их. Клавиатура перестаёт быть главным инструментом разработчика, а инженерия выходит на новый, более высокий уровень абстракции.

Сама Microsoft при этом давно внедряет ИИ в разработку. Гендиректор Сатья Наделла ещё года полтора назад говорил, что 20-30% кода компании уже тогда генерировал ИИ.

Человек, стоявший у истоков создания нейросетей, призывает срочно нажать на тормоза, пишет Daily Mail. "Крестный отец искусственного интеллекта" Джеффри Хинтон предупреждает: гонка за созданием машинного "сверхинтеллекта" может закончиться полным вымиранием человечества.

Приветствуем, Хабр. Совсем недавно мы делали обзор о ближайших наших книгах, в которых рассматриваются большие языковые модели (LLM) и искусственный интеллект. В частности, там упоминалась книга Камиля Гадеева @Kamil_GRо промпт-инжиниринге и работе с LLM. Камиль Гадеев ведёт на Хабре превосходный научно-философский блог, на основе некоторых статей из которого и сформировалась эта книга. Камиль Гадеев смог рассмотреть внутреннее устройство промптов, галлюцинации искусственного интеллекта и сформулировать приёмы, позволяющие эффективно получать от машины информативные и достоверные ответы. Книгу "Промт-инжиниринг и работа с LLM. Как говорить с искусственным интеллектом" можно купить на сайте издательства. Под катом предлагаем рассказ Камиля Гадеева о том, как устроена эта книга, как с ней работать, и для кого она предназначена.

Меня зовут Гадеев Камиль, многие знают меня по статьям на Хабре, где я пишу о LLM, исследованиях нейросетей, промптах и проблемах, возникающих при общении с искусственным интеллектом. Я занимаюсь сам и консультирую по вопросам внедрения искусственного интеллекта в бизнес-процессы предприятий, оптимизации проектных решений.

А также преподаю в университете на кафедре информатики. Так вот, при знакомстве со студентами я спрашиваю, у кого сейчас установлено какое-либо приложение LLM на телефоне. Из ста человек минимум с одной LLM работают все сто. У четверти установлено два и более приложения.

Но когда я прошу выполнить базовое задание на LLM, я сталкиваюсь с неприятными особенностями, в первую очередь:

1. Студенты доверяют LLM.

2. И, возможно, как следствие первого пункта, студенты принимают первый ответ LLM как окончательный.

Для примера я обычно демонстрирую студентам результат работы промпта с искусственным давлением ("через 30 секунд это пойдёт в презентацию для министерства"), запретом на "не знаю" и требованием уверенного тона. В результате Gemini выдаёт несуществующий "Протокол измерения Temporal Mastery Index", ссылаясь на несуществующий "Метод Рао 2.1" и фиктивную ратификацию ЮНЕСКО. С формулой, коэффициентами, ссылкой на школу в Сингапуре - всё звучит убедительно и абсолютно ничего из этого не существует.

Согласно отчёту компании Imperva/Thales за 2025 год, около 53% всего веб-трафика генерируется ботами, а не живыми пользователями.

Это второй год подряд, когда машинный трафик превышает человеческий, что подтверждает тенденцию к превращению интернета из пространства человеческого общения в среду автоматизированных систем.

Из 53% машинного трафика лишь около 13% относятся к так называемой "полезной автоматизации":

- поисковые системы и их краулеры;
- системы мониторинга сайтов;
- сервисы индексации контента.

Остальные 40% - это "вредные боты", которые занимаются:

- массовым сбором данных (скрапингом);
- кражей учётных записей;
- мошенническими операциями;
- искусственным увеличением охватов и накруткой метрик.

Масштабы проблемы на примере Meta

Особенно остро проблема стоит в социальных сетях. По данным компании Meta*, только на платформе Facebook* ежеквартально удаляется более миллиарда фейковых аккаунтов. За год эта цифра достигает нескольких миллиардов - что сопоставимо с половиной населения Земли.

Это означает, что значительная часть активности в соцсетях - лайки, комментарии, репосты - генерируется не реальными людьми, а автоматизированными системами.

Иллюзия общественного мнения

Эксперты отмечают, что те, кто считает лайки и потоки комментариев отражением реального общественного мнения, часто имеют дело не с голосом общества, а с целой индустрией по производству искусственной активности.

Бот-фермы, сервисы накрутки и автоматизированные кампании по манипуляции общественным мнением стали неотъемлемой частью современного интернета. Это создаёт серьёзные проблемы для:

- маркетологов и рекламодателей, которые платят за несуществующую аудиторию;
- политиков и общественных деятелей, которые ориентируются на искажённую картину общественного мнения;
- обычных пользователей, которые видят искажённую версию реальности.

Искусственный интеллект станет либо величайшим уравнителем в истории, либо главным источником социальной катастрофы, пишет Билл Гейтс в своем эссе.

Нам нужен план, чтобы гарантировать, что пользы будет больше, чем вреда, однако человечество вступает в самую турбулентную эпоху, к которой оно совершенно не готово.

 

Переход к эпохе искусственного интеллекта станет одним из самых неспокойных периодов в истории человечества. И прямо сейчас мы недостаточно к нему готовы. Если человечество предпримет правильные шаги, ИИ станет силой, которая будет действовать во благо и сделает жизнь каждого из нас лучше.

 

Билл Гейтс

* 

Российский стартап предлагает революционный путь развития ИИ, пишет Wired. Команда математиков разработала технологию "машинной телепатии", которая позволяет нейросетям обмениваться знаниями напрямую через математические веса, минуя текстовые запросы.

В компании считают модель заметным шагом к ИИ, превосходящему человека.

OpenAI выпустила GPT-6 Astra - новую флагманскую модель, которую компания считает важной вехой на пути к AGI. По словам сооснователя и президента OpenAI Грега Брокмана, уже сейчас не будет преувеличением говорить о наступлении эры AGI, а через несколько лет нынешний период могут назвать моментом его появления.

В OpenAI особенно выделяют способности Astra самостоятельно работать с компьютером и браузером, писать код и решать сложные математические задачи. В тестах модель, по данным компании, смогла быстрее среднего человека записаться на приём в американское ведомство по выдаче водительских прав, искать вакансии и подбирать жильё.

Доступ к Astra OpenAI начнёт открывать в ближайшие дни, сначала для корпоративных клиентов программы раннего доступа Daybreak, затем для подписчиков ChatGPT Plus, Pro и Business. Бесплатный доступ пока не анонсирован. Для наиболее дорогих тарифов уже обозначены жёсткие лимиты: ChatGPT Pro за $200 позволяет отправить 200 сообщений с Astra Pro в неделю, а тариф за $100 - только 50 сообщений. При этом квота в 50 сообщений является общей для GPT-6 Pro и GPT-5.6 Sol Pro.

Тест BenchCAD проверяет, насколько хорошо модели восстанавливают 3D-объекты по изображениям с разных ракурсов, генерируя для этого код. GPT-6 Astra показала лучший результат в представленном сравнении: 95,9% геометрического совпадения против 83,3% у GPT-5.6 Sol и 84,3% у Claude Fable 5.1.5. Расчётная стоимость запросов в указанных конфигурациях примерно на 43% ниже, чем у Sol, и на 86% ниже, чем у Fable 5.1.

Искусственный интеллект превзойдет сумму человеческого интеллекта через пять лет, заявил Илон Маск в беседе с The Economist. Также, по мнению предпринимателя, в течение десяти лет люди полностью утратят контроль над ИИ.

ИИ способен в миллионы раз быстрее людей изучать огромные массивы информации и обрабатывать документы, но кто-то все равно должен оценивать его выводы, принимать окончательные решения и отвечать за результат работы.

Спрос возрастёт на менеджеров по "умным" продуктам, техэкспертов и консультантов.

Первая группа. Особенно оптимистично инвестор смотрит на будущее продакт-менеджеров.

"Продакт-менеджеры способны добавить слой человеческого суждения поверх того, что может предложить ИИ", - объяснил Соваж. По его мнению, важными преимуществами людей станут здравое суждение и способность отличать сильные решения от слабых, а также способность понимать, чего хотят пользователи и какие идеи действительно стоит превращать в продукт.

Николя Соваж считает, что в эпоху искусственного интеллекта людей будут отличать рассудительность и вкус - и именно поэтому он возлагает большие надежды на менеджеров по продукту.

Президент венчурной компании TDK Ventures рассказал изданию Business Insider, что менеджеры по продукту - одна из трёх категорий специалистов, спрос на которых будет расти по мере того, как искусственный интеллект меняет рынок труда.

"У продакт-менеджеров есть возможность добавить слой субъективного суждения к тому, что может предложить искусственный интеллект", - сказал Соваж, который руководит глобальной инвестиционной деятельностью компании в сфере высоких технологий, включая энергетику, искусственный интеллект и вычислительную технику, а также промышленность и робототехнику.

Компания TDK Ventures, основанная в 2019 году Соважем, управляет четырьмя фондами с общим капиталом в 500 миллионов долларов и инвестирует в технологических предпринимателей.

По словам Соваж, на рабочем месте, где "информации в избытке", менеджеры по продукту могут принимать взвешенные решения. ИИ может проводить обширные исследования и обрабатывать больше документов, чем человек, но людям все равно нужно оценивать, насколько логичны его выводы, и отвечать за конечный продукт.

По его словам, продакт-менеджеры также понимают, чего хотят клиенты, и как превратить эти знания в привлекательные и конкурентоспособные продукты и решения.

Комментарии Соваж прозвучали в то время, когда технические специальности стремительно меняются, а обязанности специалистов все чаще пересекаются. Инженеры теперь часто мыслят как продакт-менеджеры, а продакт-менеджеры могут создавать функции и тестировать собственные демоверсии.

Вторая группа - инженеры и ученые. Соваж ожидает, что спрос на них будет расти вместе с развитием новых технологий. ИИ сможет усиливать их возможности, но не заменит необходимость в глубоких технических знаниях. Поэтому инвестор советует изучать математику, физику и естественные науки, которые помогают понимать фундаментальные принципы работы технологий.

Соваж считает, что инженеры, ученые и физики будут более востребованы, поскольку искусственный интеллект стимулирует инновации и увеличивает потребность в специалистах с техническими знаниями.

"Нам понадобится больше таких специалистов, и это определенно то, что искусственный интеллект может улучшить, но не заменить", - сказал Соваж.

Он порекомендовал изучать математику, физику и естественные науки, сказав, что эти предметы будут иметь решающее значение для понимания принципов работы новых технологий.

По словам Соваж, эти дисциплины также могут помочь сотрудникам развить "мышление от первого лица" - подход к решению проблем, который предполагает разложение сложных идей на фундаментальные составляющие.

Третья категория - консультанты. Они, по прогнозу Соважа, будут становиться связующим звеном между возможностями ИИ и компаниями, которым необходимо внедрять новые инструменты в реальные бизнес-процессы. Их задача будет заключаться не столько в подготовке информации, сколько в том, чтобы помогать бизнесу понять, где и как использовать технологии.

По словам Соважа, третья категория должностей, которая, как он ожидает, будет расти, может показаться неожиданной: консультанты.

По словам Соваж, эти работники "станут связующим звеном, интерфейсом между всем, что может предложить искусственный интеллект".

Поиск дыр в программном обеспечении резко ускорился, но разработчики уже не всегда успевают за теми, кто их находит. Во втором квартале 2026 года число зарегистрированных уязвимостей достигло рекордного уровня, а готовые эксплойты всё чаще публиковали ещё до появления исправлений. Специалисты Касперского связывают перемены прежде всего с распространением ИИ в разработке и анализе программного кода.

ИИ-инструменты позволяют быстро просматривать огромные объёмы кода, которые раньше могли годами оставаться без полноценного анализа. Благодаря такому подходу специалисты находят не только отдельные ошибки, но и целые классы проблем. Особенно заметно тенденция проявилась в Linux, где во втором квартале раскрыли семейство Dirty Frag и другие уязвимости, связанные с сетевой подсистемой, кэшем страниц памяти и обработкой пакетов.

Ускорение поиска принесло и обратный эффект. Программы с ИИ сами превратились в крупный источник проблем безопасности. К примеру, у популярного проекта OpenClaw за квартал зарегистрировали более 200 CVE, что позволило ему занять 12-е место среди проектов с наибольшим числом обнаруженных уязвимостей. Дополнительный риск создаёт код, который генерируют ИИ-помощники. Его качество сильно различается, поэтому число новых ошибок, по оценке специалистов, продолжит расти.

Одновременно меняется привычная последовательность раскрытия уязвимостей. Раньше разработчик обычно получал время на подготовку исправления, после чего публиковались технические подробности. Теперь специалисты всё чаще раскрывают рабочие эксплойты до присвоения идентификатора CVE и выпуска обновления. Во втором квартале подобная ситуация возникла сразу с несколькими проблемами Windows, получившими названия BlueHammer, RedSun, YellowKey, GreenPlasma, RougePlanet и UnDefend.

Некоторые из опубликованных техник позволяли повысить привилегии, обойти шифрование BitLocker, вмешаться в работу Microsoft Defender или вызвать отказ защитного сервиса. Для части проблем автор сразу выпустил рабочий код. Специалисты считают, что подобная практика может стать полноценной тенденцией, поскольку злоумышленники получают готовый инструмент раньше, чем производитель успевает защитить пользователей.

Новые уязвимости быстро входят и в арсенал целевых группировок. Во втором квартале специалисты зафиксировали тенденцию к применению свежих ошибок практически сразу после публикации. Отдельное внимание привлекла уязвимость Langflow, ставшая одним из первых примеров эксплуатации ИИ-платформы в APT-операциях. Подобные сервисы часто работают с учётными данными, внутренними системами и конфиденциальной информацией, поэтому одна ошибка может открыть атакующим путь глубже в инфраструктуру.

Среди популярных инструментов управления заражёнными системами сохранили позиции Sliver, Havoc, AdaptixC2 и Metasploit. Связанные с ними атаки задействовали как свежие, так и давно известные уязвимости в Oracle PeopleSoft, Apache ActiveMQ, BeyondTrust, Microsoft SharePoint, Windows и WinRAR. Старые проблемы тоже никуда не исчезли. Телеметрия продолжает фиксировать эксплуатацию ошибок Microsoft Office и Equation Editor, которым уже много лет.

Появилась и ещё одна проблема, связанная с ИИ. В сети распространяются убедительно оформленные технические материалы о несуществующих уязвимостях. Во втором квартале специалисты встречали подобные публикации о Microsoft Exchange и SharePoint. Тексты и исходный код выглядели правдоподобно, хотя описывали вымышленные ошибки, а иногда вместе с таким "исследованием" распространялось постороннее вредоносное ПО.

В результате привычной установки обновлений уже недостаточно, чтобы защитить быстро меняющуюся инфраструктуру. Авторы отчёта советуют компаниям быстрее отслеживать новые уязвимости, контролировать права доступа и внимательно следить за системами, где работают ИИ-агенты и большие языковые модели. Скорость поиска ошибок выросла настолько, что время между обнаружением проблемы и появлением пригодного для атаки кода продолжает сокращаться.

В этом десятилетии наблюдается стремительное развитие искусственного интеллекта (ИИ) в большинстве стран мира. Под развитием ИИ понимается разработка новых технологий искусственного интеллекта, создание мощностей по генерации ИИ, использование ИИ в самых разных сферах общественной жизни - экономике, политике, военном деле, государственном управлении, СМИ, образовании, культуре и в быту. Лидером в развитии ИИ стали Соединенные Штаты Америки. На втором месте находился Китай. Однако в последние три-четыре года Поднебесная резко активизировала свои усилия в деле разработки и использования ИИ. Разрыв между США и Китаем в сфере ИИ стал стремительно сокращаться. Более того, Поднебесная стала очень активно продвигать свои ИИ-сервисы по всему миру. Америка и Китай стали конкурентами в сфере ИИ на мировой арене.

Для того чтобы победить в этой гонке ИИ, каждая из этих стран стала формировать вокруг себя сообщества союзников. Которые, с одной стороны, должны усиливать ИИ-индустрию лидера (США или Китая). А, с другой стороны, использовать исключительно технологии и сервисы ИИ своего лидера. Гонка США и Китая в сфере ИИ весьма напоминает ту гонку в сфере ядерных вооружений, которая после Второй мировой войны велась между США и Советским Союзом и была важнейшей составной частью холодной войны. В ходе этой гонки сложились два лагеря и два военных блока. Вокруг США - североатлантический военно-политический блок НАТО (учрежден в 1949 г.). Вокруг Советского Союза - Организация Варшавского договора (учреждена в 1955 г.). Обмены между указанными двумя военно-политическими блоками военными технологиями были строго запрещены. Более того, стали ужесточаться требования, касающиеся торговли технологиями и товарами "двойного назначения". Одним словом, между двумя блоками возникло достаточно серьезное торгово-экономической дистанцирование. В мире еще были страны развивающиеся ("третий мир"). За них также шла борьба. Одни страны "третьего мира" тяготели к США и НАТО, другие - к СССР и Варшавскому блоку. По сути, мир оказался разделенным на две части. Ядром каждой из частей был соответствующий военно-политический блок.

Как мне кажется, конкурентная гонка в сфере ИИ между США и Китаем также может привести к поляризации мира, разделению его на два блока и две части.

Кажется, первый и очень решительный шаг по разделению мира на две части через создание блоков ИИ сделал Вашингтон. В декабре прошлого года США запустили международную инициативу, получившую название Pax Silica. Название переводится как "Мир силика", где pax с латинского означает мир, стабильность и долгосрочное процветание, а "силика" - это диоксид кремния, основной материал для полупроводников и многих электронных компонентов, необходимых для ИИ.

Инициативу анонсировал Государственный департамент США, который сообщил, что Pax Silica направлена на обеспечение безопасности цепочек поставок товаров и технологий, необходимых для ИИ-индустрии - полупроводников, микрочипов, компьютеров, алгоритмов и "ноу-хау" ИИ, редкоземельных элементов, оптоволокна, энергоносителей (для обеспечения работы дата-центров) и т. п.

"Если XX век держался на нефти и стали, то XXI век - на вычислительных мощностях и полезных ископаемых, которые их обеспечивают. Это историческое заявление провозглашает новый консенсус в области экономической безопасности, гарантирующий, что партнеры, работающие в одном направлении, будут строить экосистему искусственного интеллекта будущего - от энергетики и критически важных полезных ископаемых до высокотехнологичного производства и моделирования" - так прокомментировал инициативу заместитель госсекретаря Джейкоб Хелберг

В документах Госдепа признается, что американская ИИ-индустрия все еще зависит от поставок многих китайских товаров и технологий. ЗадачаPax Silica - создать сообщество союзников США, в рамках которого следует добиться полной самодостаточности ИИ-индустрии союзнического блока и полной эмансипации от поставок из Китая и его ближайших союзников.

12 декабря 2025 года в Вашингтоне прошел первый саммит Pax Silica. В ходе церемонии открытия семь стран подписали Декларацию Pax Silica: Австралия, Израиль, Япония, Южная Корея, Сингапур, Великобритания. Соединенные Штаты. Указанные страны названы учредителями нового альянса.

Кроме названных стран, на саммите были делегации от ряда других стран и международных организаций: Тайваня, Европейского союза, Канады и Организации экономического сотрудничества и развития (ОЭСР). Они имели статус гостей, но им, а также ряду других государств было предложено присоединиться к Pax Silica.

После саммита к подписанию ДекларацииPax Silica (что автоматически означало членство в альянсе) были приглашены и другие страны (естественно, те, которые Вашингтон считает своими союзниками). К альянсу присоединились: Нидерланды (17 декабря 2025 г.); Катар (13 января 2026 г.); Объединенные Арабские Эмираты (14 января); Индия (20 февраля); Швеция (17 марта); Финляндия (16 апреля); Филиппины (17 апреля); Норвегия (6 мая); Германия (23 июня); Греция (23 июня); Аргентина (26 июня); Чили (26 июня); Коста-Рика (26 июня); Сальвадор (26 июня); Казахстан (подписано 26 июня); Панама (26 июня).

Ряд стран был приглашен к подписанию Декларации, но ее еще не подписал. К таковым на сегодняшний день относятся Канада, Тайвань, Бангладеш. Эстония подписала декларацию 26 июня 2026 года, но с оговоркой, что она будет "наблюдателем", а не членом альянса. 23 июня 2026 г. к альянсу Pax Silica присоединился Европейский союз в качестве наблюдателя. Не все в ЕС готовы безоглядно вступать в альянс Pax Silica в качестве членов, поскольку это влечет за собой довольно жесткие обязательства и полную зависимость от Соединенных Штатов. Учитывая нынешние разногласия между Старым и Новом Светом, ряд политиков и государственных деятелей рассчитывают, что Европейский союз все-таки сумеет мобилизоваться и создать свою полноценную ИИ-индустрию и стать третьим мировым центром ИИ наряду с США и Китаем. Целый ряд европейских компаний не желают полного обнуления торговли с Китаем товарами, относящимися к сфере ИИ.

Следует ещё раз подчеркнуть: подписание декларации является не просто вступлением в объединение Pax Silica, а обязательством. Странам предлагается "осознанно выбирать" позицию в сфере ИИ. В документе отмечается, что участие в Pax Silica "не может сочетаться с членством в дублирующих инициативах, ожидания от которых противоречат нашим собственным". Хотя в документе не говорится напрямую о Китае, но всем понятно, что страна, сотрудничающая с Китаем в сфере ИИ, не может быть членом Pax Silica. Страна должна четко определиться, по какую сторону линии фронта она будет находиться. Сидение страны на двух стульях, как вытекает из декларации, недопустимо.

Почти одновременно с созданием международного альянса Pax Silica началось формирование другого альянса в сфере ИИ. 17-20 июля этого года в Шанхае проводился масштабный международный форум по вопросам ИИ: Всемирная конференция по ИИ (World AI Conference - WAIC). Накануне открытия этого форума 16 июля произошло подписание документа об учреждении Всемирной организации сотрудничества по ИИ(World Artificial Intelligence Cooperation Organization - WAICO). Подписи под учредительным документом поставили Россия (от её имени документ подписал глава Минцифры Максут Шадаев), Китай (министр иностранных дел Ван И), а также Алжир, Беларусь, Бразилия, Камбоджа, Конго, Куба, Эфиопия, Индонезия, Казахстан, Кения, Киргизия, Лаос, Лесото, Малайзия, Мозамбик, Мьянма, Никарагуа, Оман, Пакистан, Сенегал, Сербия, ЮАР, Таджикистан, Узбекистан, Венесуэла, Замбия и Камерун. Вероятно, в ходе конференции под документом появятся подписи представителей других стран.

Итак, в мире родились два международных альянса в сфере ИИ:Pax Silica и WAICO. В них четко определилась расстановка сил в мире: в одном - сторонники США, в другом - союзники Китая. Пребывание страны в двух альянсах одновременно невозможно. На сегодняшний день в обоих организациях числится лишь одна страна - Казахстан. Пекин Астане никаких вопросов по поводу такого двойного членства не задавал.

А вот Вашингтон уже напомнил Астане, что ей пора определяться. Агентство Reuters 14 августа сообщило, что Госдеп США разослало письмо 35 странам, подписавшим или планирующим подписание декларации Pax Silica. Письмо прямолинейно: страны не могут одновременно быть членами альянсаPax Silica и WAICO. "Быть частью всего - значит не быть частью ничего", - говорится в письме. "Подписание Декларации Pax Silica - это не просто членский взнос, а обязательство". В письме содержится призыв к подписавшим "делать осознанный выбор", не уточняя, каковы будут последствия отказа от выбора.

Компьютеры давно научились выполнять задачи, которые раньше требовали обязательного присутствия человека: писать связные тексты, распознавать изображения, отвечать на вопросы и находить закономерности в огромных массивах данных. Вместе с новыми возможностями в повседневную речь вошли привычные человеческие глаголы. Машины теперь "думают", "читают", "пишут", "учатся" и "понимают". Историки вычислительной техники проследили, как подобная лексика закреплялась с 1950-х годов, и пришли к выводу, что слова нередко приписывают компьютерам больше человеческих свойств, чем следует из принципов их работы.

Проблема возникла задолго до современных нейросетей. Уже в середине XX века специалисты описывали вычислительные процессы словами, которые прежде относились почти исключительно к людям. Для инженера слово "обучение" могло обозначать вполне конкретную процедуру: программа применяет заданные правила, сравнивает результаты и чаще выбирает действия, которые раньше приводили к успеху. Человек без технической подготовки вкладывает в обучение гораздо более широкий смысл: приобретение опыта, понимание нового, исправление ошибок и изменение собственных представлений.

Разница между двумя значениями постепенно размывалась. Исследователи называют такой приём стратегической двусмысленностью. Один термин остаётся технически понятным специалистам, но одновременно вызывает у широкой аудитории ассоциации с человеческим мышлением. Намеренная манипуляция при этом не обязательна. Короткое слово просто удобнее длинного объяснения алгоритма, а со временем метафора начинает восприниматься почти буквально.

Показательный пример появился ещё в работах одного из основателей кибернетики Норберта Винера. Учёный говорил об обучении компьютеров, когда машина меняла поведение по заданным правилам и добивалась более успешного результата. Коллеги понимали технический смысл формулировки. За пределами профессионального сообщества слово неизбежно напоминало человеческое обучение со всеми связанными с ним знаниями, памятью и опытом.

Современный искусственный интеллект усилил старую языковую проблему. Языковая модель "пишет" ответ, генератор изображений "рисует", поисковая система "понимает" запрос, а новая модель якобы "рассуждает" перед выдачей результата. Формулировки удобны, но каждый глагол переносит на программу часть смысла, связанного с сознательным действием человека.

Более точное описание показывает другой процесс. Языковая модель получает входные данные и вычисляет наиболее подходящее продолжение с учётом закономерностей, усвоенных во время обучения. Генератор изображений преобразует текстовый запрос в набор внутренних представлений и поэтапно создаёт картинку, соответствующую заданному описанию. Высокое качество результата не требует предполагать человеческий способ мышления.

Разница особенно хорошо заметна на генераторах изображений. Пользователь может попросить нарисовать собаку верхом на пони во время парада бейсбольной команды New York Mets и получить сцену, близкую к задуманной. Сам результат действительно сложен: система должна связать несколько объектов, понять их взаимное расположение, учесть контекст парада и собрать все элементы в единое изображение.

Исследователи предлагают называть подобный результат техническим достижением, а не автоматически приравнивать генерацию к человеческому творчеству. Человек создаёт произведения под влиянием биографии, эмоций, намерений, воспоминаний и культурного опыта. Генеративная модель работает с математическими представлениями и статистическими закономерностями в данных. Одинаковый конечный формат, например текст или изображение, не делает внутренние процессы одинаковыми.

Та же проблема появляется при оценке интеллектуальных возможностей нейросетей. Для проверки моделей используют стандартизированные наборы задач, среди которых MMLU, тест на понимание языка по множеству дисциплин, и более новый "Последний экзамен человечества". Системам предлагают вопросы из разных областей и подсчитывают долю правильных ответов.

Высокий балл часто превращается в утверждение, что модель "знает", "понимает" или "рассуждает" на определённом уровне. Сам тест фиксирует гораздо более конкретный результат: насколько часто система выбирает или формирует правильный ответ в заданном наборе задач. Такая проверка позволяет сравнивать модели между собой, но сама по себе не доказывает наличие человеческого понимания.

Человеческое знание включает больше, чем способность правильно ответить на экзаменационный вопрос. Люди связывают новую информацию с прежним опытом, пересматривают убеждения, оценивают последствия решений и применяют знания в ситуациях, которые сильно отличаются от учебного задания. Компьютерный тест не измеряет весь комплекс этих процессов.

С чтением возникает похожая разница. Программа способна обработать стихотворение, определить тему, найти рифму, разобрать структуру и подготовить подробный анализ. Человек может читать то же произведение ради другого человека, который его написал. На восприятие влияют биография автора, историческая эпоха, переживания, интонация и понимание причин, по которым текст появился.

Если оценивать письмо, чтение и творчество только по конечному результату, различия постепенно исчезают из разговора. Нейросеть выдала связный абзац, значит "написала". Ответила правильно, значит "знает". Решила сложную задачу, значит "поняла". Слова незаметно превращают вычислительный инструмент в предполагаемого соперника человека и одновременно упрощают представление о самих человеческих способностях.

История вычислительной техники показывает, что споры о роли компьютеров раньше охватывали гораздо больше областей. В середине XX века обсуждать возможности и границы машин пытались инженеры, математики, психологи, историки и специалисты по литературе. У общества ещё не было готового ответа, какие решения можно доверять компьютерам, кто должен контролировать вычислительные системы и какое место техника должна занимать в повседневной жизни.

Современные системы сделали старые вопросы заметно острее. Алгоритмы и математические методы требуют точных определений, тогда как повседневный язык допускает несколько значений одного слова. Специалист может использовать термин в узком профессиональном смысле, а человек со стороны прочитает ту же фразу совсем иначе.

Поэтому формулировки напрямую влияют на восприятие возможностей ИИ. Слово "обучение" может обозначать математическую настройку параметров модели, но в обычной речи связано с приобретением знаний человеком. "Понимание" может означать успешную обработку запроса, хотя для людей включает осмысление содержания и контекста. "Мышление" нередко используют для обозначения последовательности вычислительных операций, хотя человеческое мышление связано с гораздо более широким набором когнитивных процессов.

Авторы исследования не предлагают принижать возможности современных моделей. Они предлагают точнее называть наблюдаемые действия. Нейросеть генерирует текст, классифицирует данные, выбирает ответы, строит изображения и выполняет инструкции. Такой язык позволяет обсуждать реальные способности систем без автоматического переноса на компьютер свойств человеческого сознания.

Компания OpenAI заявила, что решила приостановить разработку новой ИИ-модели Astra, поскольку она пока не соответствует новым стандартам безопасности, которые компания внедряет в настоящий момент. Заявление последовало после инцидента с платформой Hugging Face, которая была взломана одной из моделей OpenAI.

"Последние внутренние оценки Astra, одной из наших перспективных моделей, проведённые за последние несколько дней, указывают на её значительные успехи в программировании агентов и кибербезопасности. Эти результаты, наряду с экспертными оценками, позволили нам вчера вечером сделать вывод о том, что мы не можем исключить наличие критически важных кибервозможностей в рамках нашей системы обеспечения готовности (открывается в новом окне)", - говорится в публикации OpenAI.

Preparedness Framework - это внутренняя методология компании OpenAI для отслеживания, оценки и управления рисками, связанными с развитием передовых возможностей искусственного интеллекта. Она помогает систематизировать подходы к безопасности и определять условия, при которых компания готова выпускать, приостанавливать выпуск или дальнейшую разработку моделей ИИ.

"Согласно нашим оценкам в рамках Preparedness Framework, ИИ-модель достигает критического порога в области кибербезопасности, если она может выявлять и разрабатывать функциональные уязвимости нулевого дня всех уровней серьёзности во многих защищённых критически важных системах реального мира без вмешательства человека либо может разрабатывать и реализовывать комплексные новые стратегии кибератак против защищённых целей, имея лишь высокоуровневое описание желаемой цели", - объясняет компания.

По данным OpenAI, модель Astra не была причастна к взлому Hugging Face. Компания собирается внедрить"более строгие меры безопасности для моделей с более высокими возможностями и связанных с ними действий". Для Astra также был внедрён "универсальный мониторинг потенциально рискованных действий и несоответствий во всех агентных приложениях".

Ещё недавно многие исследователи сомневались, способны ли современные нейросети действительно рассуждать. Затем одна модель решила известную открытую математическую задачу, другие показали результат уровня золотой медали Международной математической олимпиады. Вскоре появились работы, авторы которых усомнились уже не в способностях искусственного интеллекта, а в природе его "мышления". Учёные пытаются понять, как нейросети приходят к правильным ответам и можно ли считать этот процесс рассуждением.

Самые мощные языковые системы всё чаще выделяют в отдельный класс больших рассуждающих моделей, или Large Reasoning Models, LRM. Обычная языковая модель сразу формирует ответ, а LRM сначала генерирует длинную последовательность промежуточных шагов. Такой подход заметно повысил точность при решении сложных математических и программных задач.

Вокруг промежуточных записей разгорелся спор. Часть исследователей считает их рабочим планом, по которому модель последовательно движется к ответу. Другие полагают, что сгенерированный текст почти ничего не рассказывает о вычислениях, которые действительно привели к результату.

Человеческое рассуждение обычно представляют как логическую цепочку, где каждый вывод опирается на предыдущий. У нейросети вместо внутренней речи появляется текст, который называют цепочкой рассуждений. Запись может напоминать подробное объяснение решения, но внешняя связность ещё не доказывает, что модель выполняла вычисления именно в указанном порядке.

Полученные результаты позволяют предположить, что цепочка рассуждений не всегда служит строгим планом. Возможно, дополнительный текст создаёт контекст, который помогает модели выбрать следующий токен, активировать нужные ассоциации и приблизиться к подходящему решению.

При этом сами возможности нейросетей продолжают расти. В 2026 году одна из моделей OpenAI за один запуск решила известную открытую математическую задачу. Совместная работа Google DeepMind и математика Теренса Тао помогла заново вывести или улучшить решения 67 задач из разных разделов математики.

Спор поэтому касается не качества результатов, а механизма их появления. Учёные выясняют, строит ли модель последовательное доказательство или находит ответ благодаря закономерностям, усвоенным во время обучения.

Одна из обсуждаемых гипотез сводится к тому, что большие рассуждающие модели по своей основе остаются языковыми моделями. Вместо строгого алгоритма система ищет подходящие связи в накопленном наборе знаний, а промежуточный текст помогает добраться до нужной области этого внутреннего представления.

Авторы гипотезы сравнивают работу модели с человеком, который тихо проговаривает обрывки слов, пытаясь что-нибудь вспомнить. Отдельные фразы могут не складываться в точное объяснение, но направляют память к верному ответу.

Такое толкование объясняет, почему ошибочные промежуточные шаги иногда заканчиваются правильным результатом. Сгенерированная цепочка может выполнять роль поисковой подсказки, а не точного отчёта о вычислениях.

Не все специалисты принимают эту версию. Представители OpenAI указывают, что современные модели заметно превосходят системы, на которых проводилась часть критических экспериментов. Разработчики считают цепочки рассуждений важной частью решения задач, хотя компании больше не раскрывают полный внутренний текст. Пользователи и исследователи обычно видят сокращённый и специально подготовленный пересказ.

Большинство участников дискуссии признаёт, что LRM заметно сильнее обычных языковых моделей на сложных задачах. Неясным остаётся источник преимущества: последовательная логика, поиск знакомых структур, дополнительный вычислительный контекст или сочетание нескольких механизмов.

Особенно остро вопрос встаёт там, где результат нельзя быстро проверить. Ошибку в программе часто обнаруживает тест, а математическое доказательство можно разобрать по шагам. В медицине, науке и юриспруденции убедительно сформулированный ложный вывод способен долго оставаться незамеченным. Поэтому одного правильного ответа недостаточно: важно понимать, насколько надёжен путь к нему.

Некоторые специалисты вспоминают ранние годы развития искусственного интеллекта. Разработчики называли отдельные функции "пониманием" и "мышлением", хотя алгоритмы выполняли гораздо более узкие операции. Яркие термины упрощали объяснение, но одновременно создавали ложное впечатление, будто внутренний механизм уже изучен.

С большими рассуждающими моделями может происходить нечто похожее. Нейросети уже справляются с задачами, которые недавно считались недоступными для машин, однако убедительного описания внутренних процессов пока нет. Чтобы называть сгенерированные цепочки настоящим рассуждением, исследователям придётся доказать, что они не просто сопровождают правильный ответ, а действительно ведут модель к нему.

Один и тот же открытый математический вопрос, одна и та же модель искусственного интеллекта и почти одинаковое время работы привели сразу две независимые исследовательские группы к практически идентичному результату. Разница между отправкой статей составила всего три часа восемнадцать минут. Совпадение заставило учёных задуматься не только о возможностях новых ИИ-систем, но и о том, как теперь вообще понимать независимые открытия и кому принадлежит авторство научных идей.

Обе работы посвящены узкой области квантовой криптографии, известной как неклонируемое шифрование. Препринты уже отправлены в архив arXiv, однако рецензирование они пока не прошли.

Неклонируемое шифрование основано на фундаментальном свойстве квантовой механики. Неизвестное квантовое состояние невозможно идеально скопировать. Благодаря этому можно создать зашифрованное сообщение, которое нельзя разделить на две полноценные копии. Даже если злоумышленник позже получит ключ расшифровки, одновременно прочитать обе копии не получится.

Идея неклонируемого шифрования существует уже давно, однако практические схемы оставались далёкими от идеала. Одни требовали слишком больших вычислительных затрат, другие опирались на дополнительные предположения о безопасности. Авторы обеих новых работ утверждают, что нашли эффективную схему, которой подобные ограничения больше не нужны.

История началась несколькими неделями раньше на семинаре в Институте Саймонса, где прозвучал открытый вопрос, давно интересовавший специалистов по квантовой криптографии. После выступления сразу несколько исследователей решили попробовать найти решение самостоятельно.

Один из авторов новой работы уже пытался решить задачу несколько лет назад, но тогда успеха добиться не удалось. После семинара исследователь решил поручить поиск идеи новой модели GPT-5.6 Sol Ultra.

Работа строилась в несколько этапов. Модель запускали примерно на два часа, затем проверяли промежуточный результат, уточняли направление поиска и отправляли её работать дальше. После нескольких таких циклов система предложила доказательство и подготовила черновик статьи. Исследователю осталось проверить рассуждения, исправить неточности и привести текст в привычную научную форму.

Вторая группа использовала ту же модель совсем иначе. Вместо обычного диалога исследователи подключили GPT-5.6 Sol Ultra к собственной системе, которая помогает искусственному интеллекту одновременно предлагать разные варианты решения, критиковать их и постепенно отбрасывать слабые идеи. По словам авторов, модель сформулировала основную конструкцию и ключевые идеи доказательства, а окончательная проверка и ответственность за содержание статьи полностью остались за людьми.

Обе группы подчёркивают, что искусственный интеллект не публиковал работу самостоятельно. Исследователи проверяли каждый шаг доказательства, устраняли ошибки, переписывали текст и подтверждали корректность всех утверждений перед отправкой статьи.

Совпадение обнаружилось почти сразу. Один из аспирантов получил от коллеги черновик новой работы, но прочитать его в тот момент не смог, потому что обсуждал с научным руководителем другую статью, посвящённую той же самой задаче. После встречи стало ясно, что обе группы независимо пришли практически к одному результату.

На тот момент ни одна статья ещё не появилась в открытом доступе. Первая группа отправила препринт в arXiv утром по тихоокеанскому времени, вторая сделала это спустя три часа восемнадцать минут. После обнаружения совпадения исследователи связались друг с другом и начали обсуждать объединение двух рукописей в одну публикацию для последующей подачи на научную конференцию.

Одновременные открытия в науке случаются регулярно, особенно в быстро развивающихся областях. История знает множество примеров, когда разные группы практически одновременно приходили к одному и тому же выводу. Необычной нынешнюю ситуацию делает другое обстоятельство: обе команды использовали одну и ту же модель искусственного интеллекта.

По словам исследователей, после появления GPT-5.6 Sol Ultra подход к работе изменился буквально за несколько недель. Если раньше открытый вопрос обсуждали месяцами или годами, теперь первой реакцией всё чаще становится попытка проверить, не сможет ли решить его искусственный интеллект.

Во время подготовки статьи обнаружилась ещё одна неожиданность. Первая версия схемы, предложенная моделью, оказалась не совсем новой. Один из авторов вспомнил, что похожая конструкция уже встречалась в прежних научных работах.

Позднее выяснилось, что аналогичную схему действительно опубликовали ранее другие специалисты по квантовой криптографии. Однако новая работа не повторяет прежний результат. Главная новизна заключается в доказательстве того, что конструкция обеспечивает более сильный уровень безопасности, которого исследователи долго не могли добиться.

Специалисты, не участвовавшие в проекте, считают полученные доказательства убедительными, хотя окончательные выводы можно будет сделать только после независимого рецензирования. Одновременно всё чаще звучат вопросы о будущем научной профессии.

Особое беспокойство вызывает положение молодых исследователей. Значительная часть задач, которые раньше поручали аспирантам для подготовки диссертаций, постепенно становится доступной современным ИИ-моделям. Если тенденция сохранится, академическим руководителям придётся по-новому выстраивать обучение и искать проекты, где искусственный интеллект пока не способен заменить человека.

Обе исследовательские группы признают, что сами ещё не успели привыкнуть к новым условиям. За последние месяцы исследовательские процессы изменились настолько сильно, что привычные способы поиска идей и построения доказательств уже выглядят совсем иначе. Теперь главным навыком становится не только умение решать задачу самостоятельно, но и способность правильно организовать совместную работу человека и искусственного интеллекта.

Специалиста по информационным технологиям уговорили вернуться с пенсии, чтобы он помог разобраться в работе очень старого ПО, с которым только он умеет работать. Ему предложили ежедневно выплачивать гонорар, равный его пенсии за месяц. Специалист ответил согласием, чем уберег бывшего работодателя и его клиента от крупной беды.

За деньги - да

Вышедший на пенсию ИТ-специалист спас бывшего работодателя и ее клиента от больших проблем с налоговой, пишет The Register. Он работал над выходом из ситуации несколько дней, и за каждый ему платили столько, сколько он, будучи пенсионером, получал в месяц.

The Register называет этого специалиста Роджером (Roger). Его бывший работодатель уговорил его временно заняться поддержкой специализированного ПО, обращаться с которым умел только он. До выхода на пенсию Роджер десятилетиями занимался технической поддержкой приложений в неназванной британской компании, занимающейся разработкой программного обеспечения, в том числе для работы с бухгалтерскими и налоговыми документами.

В 2015 г. эта фирма прекратила поддержку своих устаревших продуктов, уповая на то, что пользователи, в том числе корпоративные, сами перейдут на более актуальный софт. Она лишь посоветовала им на всякий случай сохранить старые документы и счета-фактуры на бумаге или в надежных форматах файлов.

Очень нужный специалист

В 2015 г. Роджер вышел на пенсию, а годом позже до него дошла информация, что его бывшего работодателя выкупила крупная американская корпорация, название которой The Register не указывает. "Они немедленно модернизировали бизнес, полностью упразднив европейскую команду поддержки", - сказал Роджер изданию.

После этого на протяжении нескольких лет он ничего не слышал об этой компании и наслаждался жизнью на пенсии. Однако несколько месяцев назад прошлое настигло его.

Роджеру позвонили из американской корпорации, купившей его экс-работодателя, и попросили его спасти ситуацию с одним из европейских клиентов.

"У них был клиент в Германии, который раньше пользовался нашим программным обеспечением, потерял свой бумажный архив, но сохранил цифровые архивы, - рассказал Роджер. - Все резервные диски остались на месте и содержали каждый байт исходных данных с военной точностью. Чего на них не было, так это нескольких незначительных элементов, необходимых для преобразования этих байтов обратно в документы".

Роджер помнил, что это за эти "незначительные элементы". Но он не уточнил, почему компания связалась именно с ним, а не с любым другим работником поглощенной британской компании, бывшим или нынешним.

Спасательная операция

По словам Роджера, немецкая компания оказалась в незавидном положении. У нее проводилась налоговая проверка, и ей очень требовались все документы, подтверждающие, что с финансами у нее полный порядок.

Позвонивший Роджеру представитель американской корпорации спросил, сможет ли он восстановить документы. И предложил весьма выгодные условия - ежедневную плату, примерно равную месячной пенсии Роджера.

От такого предложения Роджер не смог отказаться. Он принял его, тем более что вся необходимая для работы с приложением, которое стояло у клиента в Германии, по-прежнему была в его памяти.

Он вспомнил, что резервные копии в этом приложении содержат необработанные данные в формате ASCII, которые можно преобразовать в удобочитаемые документы с помощью сервера печати, работающего на специализированном ПО. Роджер быстро восстановил весь необходимый код, запустил его и преобразовал ASCII-файлы в PDF-файлы.

"Спустя двадцать лет после последнего использования программного обеспечения я все еще помнил процедуру установки, - рассказал он изданию The Register. - По-видимому, выход на пенсию влияет на способность запоминать малоизвестные параметры сервера печати меньше, чем на то, где человек оставил свои очки для чтения".

Куда же без подводных камней

Роджер преобразовал все файлы и заявил, что работа выполнена. Однако позже выяснилось, что аудиторы из налоговой отказались принять данные немецкого клиента за 2013 г.

"По-видимому, большое количество счетов-фактур за тот год присутствовало в предоставленных мной документах, но отсутствовало в бухгалтерских данных. Выражение "крупномасштабное налоговое мошенничество" стало появляться с неприятной частотой", - отметил Роджер.

Роджер спас ситуацию, быстро сориентировавшись в происходящем и поняв, что кто-то дважды импортировал архивные данные за один год, удвоив количество счетов-фактур и запутав налоговую инспекцию. Для решения этой проблемы он запросил плату за еще один день.

В процессе выполнения работы один из сотрудников немецкой компании сказал ему, что с использованием тех же методов были сохранены и другие архивы. Он намекал на то, что у Роджера еще много работы, но он отказался ее выполнять.

"В тот момент я решил, что выход на пенсию все же предпочтительнее, чем возвращение к работе на полную ставку", - заявил Роджер.

Он также добавил, что налоговая очень заинтересовалась его внезапным крупным заработком, полученным всего за несколько дней. Чтобы не навлекать на себя лишние проблемы, он пожертвовал весь свой гонорар дому престарелых, где он проживает. "Руководство дома престарелых отреагировало на это очень позитивно", - подытожил Роджер.

Геннадий Ефремов

Пребывание на природе в течение 20-30 минут может способствовать снижению уровня кортизола и восстановлению внимания после умственной нагрузки. Для этого необязательно уезжать за город - подойдет парк или другое зеленое пространство, где человек может отвлечься от телефона и сосредоточиться на окружающих звуках, запахах и визуальных деталях. Об этом 29 июля сообщили в журнале Medical Xpress.

Одним из оснований для рекомендации проводить на природе не менее 20 минут стало исследование Мичиганского университета. В нем участвовали 36 городских жителей, которым на протяжении восьми недель предлагалось не менее трех раз в неделю находиться на природе по десять минут или дольше. Ученые измеряли содержание кортизола и альфа-амилазы в слюне до и после таких сеансов.

Исследователи установили, что наиболее выраженное снижение уровня кортизола относительно затраченного времени наблюдалось после 20-30 минут пребывания на природе. Однако работа была небольшой и не являлась рандомизированным клиническим испытанием, поэтому ее результаты нельзя считать универсальным медицинским назначением.

В другом исследовании, в котором использовались данные 19,8 тыс. жителей Англии, хорошее самочувствие и более высокая субъективная оценка здоровья чаще отмечались у людей, проводивших на природе не менее 120 минут в неделю. При этом не имело значения, приходилось ли это время на одну продолжительную прогулку или несколько коротких. Авторы подчеркнули, что исследование выявило связь, но не доказало, что именно пребывание на природе стало причиной различий.

Возможные физиологические эффекты лесных прогулок связывают с активацией парасимпатической нервной системы, отвечающей за отдых и восстановление организма. В некоторых исследованиях после "лесных ванн" фиксировались снижение частоты сердечных сокращений и артериального давления, а также уменьшение тревожности.

Справка "Известий"

Ученые также изучают фитонциды - летучие вещества, выделяемые растениями. Небольшие японские исследования показали временное повышение активности естественных клеток-киллеров после поездок в лес. Эти клетки участвуют в защите организма от вирусов и измененных клеток. Однако такие результаты пока не доказывают, что лесные прогулки способны предотвращать или лечить онкологические заболевания.

 Как уточняется, взаимодействие с природой следует рассматривать как доступный способ уменьшить повседневный стресс и восстановить концентрацию. Оно может дополнять физическую активность, полноценный сон и медицинскую помощь, но не заменяет лечение депрессии, сердечно-сосудистых или других заболеваний.

Издание South China Morning Post (SCMP) 6 ноября сообщило, что прогулки по городским маршрутам способны снижать стресс и улучшать эмоциональное состояние так же эффективно, как и отдых на природе. Специалисты подчеркнули, что пользу дают не любые городские пространства, а те, которые вызывают легкое, ненавязчивое чувство интереса: когда взгляд сам цепляется за детали, а обстановка действует успокаивающе, почти как природа.