Американский еженедельник Newsweek отмечает в своем материале, что администрация президента США Дональда Трампа уже приняла ряд решений, которые могут стать подарками для российского лидера Владимира Путина. Пользователи, комментируя этот материал в Сети, считают, что это "хорошие новости" для России, хотя Трамп пока не отменял своего предупреждения, что может ужесточить антироссийские санкции.

По мнению авторов статьи, одним из подарков является введение Трампом санкций против Международного уголовного суда (МУС) из-за "необоснованных" действий против США и Израиля. В статье говорится, что эта мера позволит уменьшить международное давление на Владимира Путина.

Еще одним подарком издание считает решение генерального прокурора США Мерика Бонди расформировать группу KleptoCapture, которая была создана администрацией Джо Байдена для введения санкций против лиц, связанных с Кремлем.

Третий подарок касается решения того же Бонди остановить деятельность федеральных правоохранительных структур по "противодействию скрытым кампаниям влияния от России".

В тоже время, напоминает еженедельник, Белый дом все еще рассматривает возможность усилить санкционное давление на Россию в рамках предпринимаемых усилий по остановке боевых действий на Украине.

Наши взяли Дзержинск (укр. Торецк), ВСУ зашевелились в Курской области, Трамп продолжил уничтожение филиала ада на земле - USAID, Зеленский пытался торговаться за украинские недра. На этом фоне почти незаметно прошли две важные, многое определяющие, новости с нашей и с американской стороны.

Взятие Дзержинска помимо чисто военного (а это был крупнейший узел обороны ВСУ) имеет и еще одно измерение. Оно показывает, кто на самом деле определяет сейчас ход военных действий. Это вовсе не значит, что ВСУ сдулись и наши войска их гоняют как хотят. Враг силен и бои идут жестокие. Но инициатива уже окончательно за Россией, перелом произошел.

Именно поэтому в Курской области ВСУ пытаются укрепить свой плацдарм и обеспечить его снабжение, взяв под контроль дороги - что и происходило практически безуспешно на прошлой неделе. Оккупированная часть Курской области, по мнению Зеленского, может стать козырем на переговорах.

Посыл, однако, в корне неверен. России, в отличие от Украины, переговоры не нужны как воздух. Да, желательны, да, Россия готова к переговорам, но на своих условиях (что по сути называется, если забыть язык дипломатии, ультиматумом). Для России переговоры вовсе не являются жизненно необходимыми - см. Дзержинск.

А Зеленский хватается уже за все подряд. Трамп, например, напомнил о прошлогодней идее - Украина будет расплачиваться редкоземельными металлами. И Зеленский тут же ее подхватил - так вот зачем (про защиту демократии от тоталитаризма как-то подзабыли) США помогать Киеву. И давай мечтать о строительстве хрустального моста над озером: мол, вместе с американцами будем разрабатывать месторождения, прибыль получать. Трамп не оценил. Вы, говорит, будете этими металлами расплачиваться за ту помощь, что вам уже оказали - миллиардов на сто. Ну и, так и быть, можем еще на полмиллиарда сделку заключить. Так что недра Украины уже недра не Украины.

На неделе Трамп поставил точку в существовании (стоит оговориться - в нынешнем виде) Агентства США по международному развитию (USAID). Нам-то что? "Финансируемые USAID специалисты проекта Rule of Law ("Верховенство закона") помогли разработать Конституцию России, Первую часть Гражданского кодекса России и Налоговый кодекс России. Помощь USAID непосредственно привела к принятию Земельного кодекса 2001 года, который предоставил право покупать, продавать и владеть городской и сельской землей в России", - говорится в информационном бюллетене о деятельности USAID в России.

То есть мы живем во-многом по законам, разработанным после распада СССР, с помощью американских специалистов. Разработанным явно не на пользу суверенному развитию страны. Да собственно те же самые американские эксперты помогали "младореформаторам" (Чубайс в их числе) проводить либеральные реформы - и страна чудом выжила и не развалилась.

И если кто-то думает, что с разгромом USAID из наших элит, в том числе из госуправления, исчезнут выкормыши этого агентства - тот жестоко ошибается. Именно их наличие объясняет очень многое: почему, например, Путин говорит одно, а на деле, после чиновничьей "проработки" получается все "не совсем так" как задумывалось. Ну, на вскидку, помните историю с семейной ипотекой, когда президент удивлялся, что "есть оказывается какие-то лимиты, а народ про них не знает"? Вот то-то.

Трамп, можно быть уверенным, не будет уничтожать такой инструмент влияния полностью - переформатирует под свои нужды.

Тем более, что в вопросах влияния Трамп знает толк. Без особой шумихи в США была расформирована опергруппа KleptoCapture, которая занималась поиском и конфискацией яхт, самолетов и недвижимости российских олигархов, попавших под ограничения с началом СВО. О ее эффективности можно судить хотя бы по такому факту: в сентябре 2023 года сообщалось, что с конца февраля 2022 года США конфисковали или способствовали изъятию российских активов на общую сумму более 1 млрд долларов по всему миру. Вот это прекращение борьбы с русскими олигархами - сильный ход в подготовке к переговорам с Россией. Одно дело когда олигархи, преследуемые Западом, были вынуждены ради собственного выживания сплотиться "вокруг флага", фактически быть на стороне народа. И другое дело - когда "давайте по старому", живите как до СВО без забот в "райском саду" и "цивилизованном мире".

С другой стороны, у нас правительственная комиссия по законопроектной деятельности одобрила наконец механизм конфискации зарубежных активов в ответ на "недружественные действия" США и других государств. То есть российские золотовалютные резервы на Западе сразу "заморозили", а проще говоря забрали себе. А у нас вот ждали почти три года с ответом. Потому что надежда на возвращение обратно в клуб "цивилизованных" все никак не умрет. И, можно предположить, что условие не трогать западные активы ни при каких обстоятельствах было одним из важнейших для будущего урегулирования. Одобрение механизма конфискации - это, конечно, еще не введение в его в действие. Но уже большое изменение. Следующий шаг - реальная конфискация у "уважаемых людей". И вот его России точно не простят.

"Да, закройте их. Европа теперь свободна (если не считать удушающей бюрократии). Никто их больше не слушает. Это просто сумасшедшие радикальные левые, которые разговаривают сами с собой, сжигая 1 миллиард долларов в год из налогов американцев".

4 марта 2022 года доступ в России к сайту "Радио Свобода" был ограничен на основании решения Генеральной прокуратуры РФ от 24 февраля 2022 года, основанием для ограничения было указано нарушение статьи 15.3 закона "Об информации, информационных технологиях и о защите информации".

Исследователи из Университета Глазго разработали систему искусственного интеллекта, способную оценивать вероятность карьерного успеха человека на основе одной фотографии. Алгоритм анализирует выражение лица и его черты, чтобы спрогнозировать, насколько далеко человек может продвинуться по карьерной лестнице.

Исследование полагалось на популярную модель личности, состоящую из пяти ключевых характеристик: открытость, добросовестность, экстраверсия, доброжелательность и невротизм. С её помощью можно оценить склонность человека к новым впечатлениям, дисциплинированность, общительность, способность к сопереживанию и уровень эмоциональной стабильности.

Эти параметры помогают определить, насколько человек стремится к знаниям, аккуратен в делах, активен в общении, чуток к окружающим и устойчив к стрессам. Исследование выявило связь между личностными качествами и профессиональными или академическими достижениями. Так, эмоционально нестабильные люди реже занимают высокооплачиваемые должности, а недостаток организованности и дисциплины снижает шансы на поступление в ведущие учебные заведения. Профессор Йельской школы менеджмента Келли Шу уверен, что характер человека оказывает значительное влияние на его профессиональный рост.

Зная особенности личности, можно с высокой вероятностью спрогнозировать будущие карьерные успехи. Однако она также предупреждает о возможных этических последствиях: использование искусственного интеллекта для анализа лиц при отборе в компании или учебные заведения может привести к дискриминации при оценке кандидатов.

Это не конец программирования.

Это конец программирования в том виде, в котором мы его знаем сегодня.

1. Первые программисты соединяли физические цепи для выполнения каждого вычисления.

2. Их сменили программисты, писавшие машинные инструкции в виде двоичного кода, который вводился по одному биту за раз с помощью переключателей на передней панели компьютера.

3. Затем программирование на языке ассемблера положило этому конец. Оно позволяло программисту использовать язык, похожий на человеческий, чтобы указать компьютеру перемещать данные в определенные области памяти и выполнять над ними вычисления.

4. Затем развитие еще более высокоуровневых компилируемых языков, таких как Fortran, COBOL и их последователей C, C++ и Java, привело к тому, что большинство программистов больше не писали ассемблерный код. Вместо этого они могли выражать свои пожелания компьютеру, используя абстракции более высокого уровня.

В конце концов, нормой стали интерпретируемые языки, которые гораздо проще отлаживать.

BASIC, один из первых, кто добился большого успеха, сначала воспринимался как игрушка, но вскоре оказалось, что он стал новой волной. Программирование стало доступно детям и предпринимателям в гаражах, а не только сотрудникам бэк-офисов крупных компаний и государственных учреждений.

Потребительские операционные системы также сыграли большую роль в истории. На заре персональных компьютеров каждому производителю компьютеров требовались инженеры-программисты, которые могли бы писать низкоуровневые драйверы, выполняющие работу по чтению и записи на схемы памяти, жесткие диски и периферийные устройства, такие как модемы и принтеры. Windows положила этому конец. Она стала успешной не только потому, что предоставляла графический пользовательский интерфейс, который значительно упростил использование компьютеров для неподготовленных людей, но также то, что Марк Андрессен, чью компанию Netscape собиралась раздавить Microsoft, пренебрежительно (и ошибочно) назвал "просто мешок драйверов". Этот мешок драйверов, скрытый за API Win32, означал, что программистам больше не нужно было писать низкоуровневый код для управления машиной. Эта задача была эффективно реализована в операционной системе. Из-за Windows и macOS, а также iOS и Android (для мобильных устройств) сегодня большинству программистов больше не нужно знать многое из того, что знали предыдущие поколения программистов.

Программистов было больше, а не меньше

Это был еще далеко не конец программирования. Программистов было больше, чем когда-либо. Сотни миллионов пользователей потребляли плоды их творчества. Классический пример эластичности спроса: поскольку создавать программное обеспечение становилось проще, его цена падала, что позволяло разработчикам создавать решения, за которые больше людей были готовы платить.

Интернет стал еще одним "концом программирования". Внезапно пользовательский интерфейс стал состоять из понятных человеку документов, отображаемых в браузере со ссылками, которые, в свою очередь, могли вызывать программы на удаленных серверах. Любой мог создать простое "приложение" с минимальными навыками программирования. "No code" стало модным словечком. Вскоре всем понадобился веб-сайт. Такие инструменты, как WordPress, позволили непрограммистам создавать веб-сайты без программирования. Однако по мере того, как возможности технологий росли, успешные веб-сайты становились все более и более сложными. Наблюдалось все большее разделение между "фронтенд" и "бэкенд" программированием. Новые интерпретируемые языки программирования, такие как Python и JavaScript, стали доминирующими. Мобильные устройства добавили новый, вездесущий фронтенд, требующий новых навыков. И снова сложность была скрыта за фреймворками, библиотеками функций и API, которые изолировали программистов от необходимости знать столько о низкоуровневой функциональности, сколько им было необходимо знать всего несколько лет назад.

Большие данные, веб-сервисы и облачные вычисления создали своего рода "операционную систему Интернета". Такие сервисы, как Apple Pay, Google Pay и Stripe, сделали возможным выполнение ранее сложных, высокорисковых корпоративных задач, таких как прием платежей, с минимальными знаниями в области программирования. Все виды глубоких и мощных функций стали доступны через простые API. Однако этот взрыв интернет-сайтов и сетевых протоколов и API, соединяющих их, в конечном итоге создал потребность в большем количестве программистов.

Программисты больше не создавали статические программные артефакты, обновляемые каждые пару лет, а непрерывно разрабатывали, интегрировали и поддерживали долгоживущие сервисы. Что еще важнее, большая часть работы в этих огромных сервисах, таких как Google Search, Google Maps, Gmail, Amazon, Facebook и Twitter, была автоматизирована в огромных масштабах. Программы были разработаны и созданы людьми, а не ИИ, но большая часть самой работы была сделана специализированными предшественниками сегодняшних ИИ общего назначения. Работники, которые выполняют большую часть тяжелой работы в этих компаниях, уже являются программами. Программисты-люди - их менеджеры. Сейчас сотни тысяч программистов выполняют такую ​​надзорную работу. Они уже живут в мире, где работа заключается в создании и управлении цифровыми коллегами.

Google, Facebook, Amazon или множество более поздних стартапов Кремниевой долины... нанимают десятки тысяч рабочих. Если вы мыслите с фабричным мышлением двадцатого века, то эти рабочие проводят свои дни, перемалывая продукты, как и их промышленные предшественники, только сегодня они производят программное обеспечение, а не физические товары. Если же вы отступите назад и посмотрите на эти компании с точки зрения 21-го века, вы поймете, что большая часть работы этих компаний - предоставление результатов поиска, новостей и информации, обновлений статуса в социальных сетях и соответствующих продуктов для покупки - выполняется программами и алгоритмами. Это настоящие рабочие, а программисты, которые их создают это их менеджеры. Тим О'Ра́йли "Управление ботами, которые управляют бизнесом" MIT Sloan Management Review, May 21, 2016

В каждой из этих волн старые навыки становились устаревшими. Все еще полезными, но уже не необходимыми, и новые становились ключом к успеху. Есть еще несколько программистов, которые пишут компиляторы, тысячи, которые пишут популярные фреймворки JavaScript и библиотеки Python, но десятки миллионов, которые пишут веб- и мобильные приложения и бэкэнд для них. Миллиарды пользователей потребляют то, что они производят.

Может ли в этот раз быть по-другому?

Внезапно оказалось, что непрограммист может просто поговорить с LLM или специализированным программным агентом на простом английском языке (или на человеческом языке по вашему выбору) и получить в ответ полезный прототип на Python (или на языке программирования по вашему выбору). Для этого даже появилось новое модное словечко: CHOP, или "чат-ориентированное программирование". Рост продвинутых моделей начинает демонстрировать ИИ, способный генерировать даже сложные программы с высоким уровнем подсказок, объясняющих задачу, которую нужно выполнить. В результате многие говорят: "На этот раз все по-другому", что ИИ полностью заменит большинство программистов-людей и, по сути, большинство работников умственного труда. Они говорят, что мы сталкиваемся с волной всепроникающей безработицы среди людей.

Я все еще не верю в это. Когда происходит прорыв, который дает передовые вычислительные мощности в руки гораздо большей группы людей, да, обычные люди могут делать то, что когда-то было прерогативой высококвалифицированных специалистов. Но тот же самый прорыв также открывает новые виды услуг и спроса на эти услуги. Он создает новые источники глубокой магии, которую понимают лишь немногие.

Магия, которая наступает сейчас, самая мощная из всех. И это значит, что мы начинаем глубокий период исследований и творчества, пытаясь понять, как заставить эту магию работать и извлечь новые преимущества из ее силы. Умные разработчики, которые примут эту технологию, будут востребованы, потому что они могут сделать гораздо больше, сосредоточившись на более высоком уровне креативности, которая добавляет ценность.

Обучение на практике

ИИ не заменит программистов, но он преобразит их работу. В конечном итоге многое из того, что делают программисты сегодня, может оказаться таким же устаревшим (для всех, кроме программистов встроенных систем), как и старый навык отладки с помощью осциллографа. Программист и провидец в области технологий Стив Йегге замечает, что будут заменены не программисты младшего и среднего звена, а те, кто цепляется за прошлое и не принимает новые инструменты и парадигмы программирования. Те, кто приобретают или изобретают новые навыки, будут пользоваться большим спросом. Младшие разработчики, которые владеют инструментами ИИ, смогут превзойти старших программистов, которые этого не делают. Йегге называет это "Смертью упрямого разработчика".

Мои идеи сформированы не только моим собственным 40-летним опытом работы в компьютерной индустрии и наблюдениями разработчиков, таких как Йегге, но и работой историка экономики Джеймса Бессена, который изучал, как первая промышленная революция разыгралась на текстильных фабриках Лоуэлла, Массачусетс, в начале 1800-х годов. Поскольку квалифицированных ремесленников заменили машины, управляемые "неквалифицированным" трудом, заработная плата людей действительно снизилась. Но Бессен заметил нечто странное, сравнив показатели заработной платы рабочих на новых промышленных фабриках с показателями бывших надомных ремесленников. Подмастерью ремесленника требовалось примерно столько же времени, чтобы достичь полной заработной платы квалифицированного подмастерья, сколько требовалось новому неквалифицированному фабричному рабочему начального уровня, чтобы достичь полной заработной платы и производительности. Рабочие в обоих режимах были фактически квалифицированными рабочими. Но у них были разные виды навыков.

Бессен обнаружил, что существуют две основные причины, по которым заработная плата оставалась на прежнем уровне или была низкой большую часть первых 50 лет промышленной революции прежде чем она взлетела и привела к повсеместному росту благосостояния. Первая заключалась в том, что владельцы фабрик копили выгоды от новой производительности, а не делились ими с рабочими. Но вторая проблема заключалась в том, что для достижения наибольшего прироста производительности потребовались десятилетия, поскольку знания о том, как лучше всего использовать новую технологию, еще не были широко распространены. Изобретателям потребовались десятилетия, чтобы сделать машины более надежными, тем, кто их использует, чтобы придумать новые виды рабочих процессов, чтобы сделать их более эффективными, чтобы создать новые виды продуктов, которые можно было бы производить с их помощью, чтобы более широкий круг предприятий принял новые технологии, а рабочим - чтобы приобрести необходимые навыки, чтобы воспользоваться ими. Рабочим нужны были новые навыки не только для использования машин, но и для их ремонта, улучшения, изобретения будущего, которое они подразумевали, но еще не сделали полностью возможным. Все это происходит посредством процесса, который Бессен называет "обучением на практике".

Недостаточно, чтобы несколько человек были впереди всех в освоении новых навыков. Бессен объясняет, что "для завода, отрасли и общества в целом важно не то, сколько времени требуется для обучения отдельного работника, а то, сколько времени требуется для создания стабильной, обученной рабочей силы" (Learning by Doing, 36). Сегодня каждая компания, которая будет затронута этой революцией (то есть каждая компания), должна подставить плечо. Нам нужна рабочая сила, владеющая ИИ. Что такое программирование, в конце концов, как не способ, которым люди заставляют компьютеры выполнять наши приказы? Тот факт, что "программирование" становится все ближе и ближе к человеческому языку, что наши машины могут понимать нас, а не нам приходится говорить с ними на их родном языке нулей и единиц или на каком-то специализированном языке программирования, должен быть поводом для празднования.

Люди будут создавать, использовать и совершенствовать больше программ, и появятся новые отрасли, чтобы управлять и развивать то, что мы создаем. Уроки истории говорят нам, что когда автоматизация делает дешевле и проще поставку продуктов, которые хотят или в которых нуждаются люди, рост спроса часто приводит к росту занятости. Только когда спрос удовлетворяется, занятость начинает падать. Мы далеки от этой точки, когда дело касается программирования.

Парадокс Джевонса снова наносит удар! По мере того, как ИИ становится все более эффективным и доступным, мы увидим, как его использование резко возрастет, превращая его в товар, которым мы просто не сможем насытиться. t.co/omEcOPhdIz

- Сатья Наделла (@satyanadella) 27 Января, 2025

Неудивительно, что профессор Уортонской школы бизнеса и евангелист ИИ Итан Моллик также является поклонником работы Бессена. Вот почему он так убедительно доказывает, что нужно "всегда привлекать ИИ", вовлекать его в каждый аспект вашей работы и исследовать "острые края" того, что работает, а что нет. Вот почему он также призывает компании использовать ИИ для расширения прав и возможностей своих работников, а не для их замены. Нужно так много узнать о том, как применять новые технологии. Лучшим исследованием для бизнеса является исследование ваших сотрудников, пользующихся ИИ для решения своих проблем и поиска новых возможностей.

Что есть программирование изменится

Сэм Шиллес, один из заместителей технического директора Microsoft, согласился с моим анализом. В недавнем разговоре он сказал мне: "Мы находимся в процессе изобретения новой парадигмы программирования вокруг систем ИИ. Когда мы перешли от настольных компьютеров к эпохе Интернета, все в стеке изменилось, хотя все уровни стека остались прежними. У нас по-прежнему есть языки, но они перешли от компилируемых к интерпретируемым. У нас по-прежнему есть команды, но они перешли от каскадной к Agile, к CI/CD. У нас по-прежнему есть базы данных, но они перешли от ACID к NoSQL. Мы перешли от одного пользователя, одного приложения, одного потока ко всему распределенному. Мы делаем то же самое с ИИ прямо сейчас".

Вот некоторые из технологий, которые собираются в новый стек ИИ. И это даже не включает в себя множество моделей ИИ, их API и их облачную инфраструктуру. И это уже устарело!

Взрыв новых инструментов, фреймворков и практик - это только начало того, как меняется программирование. Одна из проблем, отметил Шиллес, заключается в том, что у моделей нет памяти, как у людей. Даже с большими контекстными окнами им трудно делать то, что он называет "метапознанием". В результате он видит необходимость в том, чтобы люди по-прежнему предоставляли большую часть контекста, в котором работают их соразработчики ИИ.

Шиллес развил эту идею в недавнем посте. "Большие языковые модели (LLM) и другие системы ИИ пытаются автоматизировать мышление", - написал он. "Параллели с автоматизацией движения во время промышленной революции поразительны. Сегодня автоматизация все еще груба: мы выполняем когнитивный эквивалент перекачивания воды и ударов молотком - базовые задачи, такие как создание краткой версии, распознавание образов и генерация текста. Мы еще не придумали, как построить надежные двигатели для этого нового источника энергии - мы еще даже не на локомотивной стадии ИИ".

Даже стадия локомотива была в значительной степени расширением грубой силы, которую люди могли использовать для перемещения физических объектов. Существенным следующим прорывом было увеличение средств контроля над этой силой. Шиллес спрашивает: "А что, если традиционная разработка программного обеспечения здесь не совсем уместна? А что, если создание ИИ требует принципиально иных практик и систем управления? Мы пытаемся создать новые виды мышления (наш аналог движения): высокоуровневые, метакогнитивные, адаптивные системы, которые могут делать больше, чем просто повторять заранее разработанные шаблоны. Чтобы использовать их эффективно, нам нужно будет изобрести совершенно новые способы работы, новые дисциплины. Так же, как проблемы ранней паровой энергетики породили металлургию, проблемы ИИ приведут к появлению новых наук о познании, надежности и масштабируемости - областей, которые еще не полностью существуют".

Проблема внедрения технологий ИИ в бизнесе

Брет Тейлор, бывший содиректор Salesforce, бывший главный технический директор Meta и в прошлом руководитель команды, создавшей Google Maps, теперь является генеральным директором компании-разработчика ИИ-агентов Sierra, которая находится в центре разработки и внедрения технологий ИИ в бизнесе. В недавнем разговоре Брет сказал мне, что, по его мнению, ИИ-агент компании станет ее основным цифровым интерфейсом, таким же значимым, как ее веб-сайт, таким же значимым, как ее мобильное приложение, возможно, даже более. ИИ-агент компании должен будет кодировать все её ключевые бизнес-политики и процессы. Это то, что ИИ в конечном итоге сможет делать сам, но сегодня Sierra приходится назначать каждому из своих клиентов инженерную команду, которая помогает с внедрением.

"Эта последняя миля, когда вы берете крутую платформу и кучу своих бизнес-процессов и создаёте агента, на самом деле довольно сложна", - объяснил Брет. "Сейчас появляется новая роль, которую мы называем агент-инженером, разработчиком программного обеспечения, который немного похож на разработчика веб-интерфейса. Это архетип, который наиболее распространен в программном обеспечении. Если вы разработчик React, вы можете научиться создавать агентов ИИ. Какой замечательный способ переквалифицироваться и сделать свои навыки актуальными".

Кто захочет продираться через дерево телефонов службы поддержки клиентов, когда они могли бы поговорить с агентом ИИ, который действительно может решить их проблему? Но сделать этих агентов правильными будет настоящим вызовом. Сложно не программирование, сложно глубоко понимать бизнес-процессы и думать о том, как новые возможности могут их преобразовать, чтобы воспользоваться преимуществами новых возможностей. Агент, который просто воспроизводит существующие бизнес-процессы, будет таким же неловким, как веб-страница или мобильное приложение, которые просто воссоздают бумажную форму. (И да, такие все еще существуют!)

Эдди Османи, руководитель отдела пользовательского опыта Google Chrome, называет это проблемой 70%: "В то время как инженеры сообщают о значительном повышении производительности с ИИ, фактическое программное обеспечение, которое мы используем ежедневно, не кажется, становится заметно лучше". Он отмечает, что непрограммисты, работающие с инструментами генерации кода ИИ, могут выпустить отличное демо или решить простую проблему, но они застревают на последних 30% сложной программы, потому что они недостаточно знают, чтобы отладить код и направить ИИ к правильному решению. Между тем:

Когда вы смотрите, как старший инженер работает с инструментами ИИ, такими как Cursor или Copilot, это похоже на магию. Они могут создавать целые функции за считанные минуты, с тестами и документацией. Но смотрите внимательно, и вы заметите нечто важное: они не просто принимают то, что предлагает ИИ... Они применяют годы с трудом завоеванной инженерной мудрости, чтобы сформировать и ограничить вывод ИИ. ИИ ускоряет их реализацию, но их опыт - это то, что делает код поддерживаемым. Младшие инженеры часто пропускают эти важные шаги. Они принимают вывод ИИ более охотно, что приводит к тому, что я называю "карточным домиком из кода" - он выглядит завершенным, но рушится под давлением реального мира.

В этой связи Чип Хуен, автор новой книги "AI Engineering", сделал в электронном письме мне следующее проницательное наблюдение:

Я не думаю, что ИИ вводит новый тип мышления. Он показывает, что на самом деле требует мышления.

Неважно, насколько это ручная работа, если ее может выполнить только горстка наиболее образованных людей, она считается интеллектуальной. Одним из примеров является письмо, физический акт копирования слов на бумагу. В прошлом, когда грамотной была лишь небольшая часть населения, письмо считалось интеллектуальным. Люди даже гордились своей каллиграфией. В наши дни слово "письмо" больше не относится к этому физическому акту, а к более высокой абстракции упорядочивания идей в читаемом формате.

Аналогичным образом, как только физический процесс кодирования станет автоматизированным, значение слова "программирование" изменится и будет означать процесс организации идей в исполняемые программы.

Мехран Сахами, глава кафедры вычислительной техники Стэнфордского университета, выразился просто: "Компьютерная наука - это систематическое мышление, а не написание кода".

Когда ИИ-агенты начинают общаться с агентами...

...точность в правильной формулировке проблемы становится еще важнее. Агент как корпоративный фронтенд, который обеспечивает доступ ко всем бизнес-процессам компании, будет общаться не только с потребителями, но и с агентами этих потребителей и агентами других компаний.

Вся эта сторона уравнения агента гораздо более спекулятивна. Мы еще не начали разрабатывать стандарты для сотрудничества между независимыми агентами ИИ! В недавней статье о необходимости инфраструктуры агента отмечается:

Текущие инструменты в значительной степени недостаточны, поскольку они не предназначены для формирования того, как агенты взаимодействуют с существующими институтами (например, правовыми и экономическими системами) или субъектами (например, поставщиками цифровых услуг, людьми, другими агентами ИИ). Например, методы согласования по своей природе не гарантируют контрагентам, что какой-то человек будет привлечен к ответственности, когда пользователь поручает агенту выполнить незаконное действие. Чтобы заполнить этот пробел, мы предлагаем концепцию инфраструктуры агентов: технические системы и общие протоколы, внешние по отношению к агентам, которые предназначены для посредничества и влияния на их взаимодействия с их окружением и воздействия на него. Инфраструктура агентов включает в себя как новые инструменты, так и перенастройки или расширения существующих инструментов. Например, для облегчения подотчетности протоколы, связывающие пользователей с агентами, могут основываться на существующих системах аутентификации пользователей, таких как OpenID. Так же, как Интернет полагается на инфраструктуру, такую ​​как HTTPS, мы утверждаем, что инфраструктура агентов будет столь же незаменима для экосистем агентов. Мы выделяем три функции для инфраструктуры агентов: 1) присвоение действий, свойств и другой информации конкретным агентам, их пользователям или другим субъектам; 2) формирование взаимодействий агентов; и 3) обнаружение и устранение вредоносных действий агентов.

Здесь нужно решить огромные проблемы координации и проектирования. Даже самые лучшие ИИ-агенты, которых мы можем себе представить, не решат такие сложные проблемы координации без человеческого руководства. Здесь нужно столько программирования, что даже программисты с поддержкой ИИ будут заняты по крайней мере следующее десятилетие.

Короче говоря, есть целый мир нового программного обеспечения, которое нужно изобрести, и оно будет изобретено не только ИИ, но и людьми-программистами, использующими ИИ как суперсилу. И этим программистам нужно приобрести много новых навыков.

Мы находимся на раннем этапе изобретения будущего

Так много нового нужно узнать и сделать. Так что да, давайте наберемся смелости и предположим, что соразработчики ИИ делают программистов в десять раз продуктивнее. (Ваш показатель может отличаться в зависимости от того, насколько ваши разработчики стремятся освоить новые навыки.) Но давайте также предположим, что как только это произойдет, "программируемая поверхность" бизнеса, науки, нашей построенной инфраструктуры будет расти параллельно. Если будет в 20 раз больше возможностей для программирования, чтобы что-то изменить, нам все равно понадобится вдвое больше этих новых 10-кратных программистов!

Ожидания пользователей также возрастут. Компании, которые просто используют большую производительность для сокращения расходов, проиграют компаниям, которые инвестируют в освоение новых возможностей для создания лучших услуг.

Саймон Уиллисон, опытный разработчик программного обеспечения, который был в авангарде того, чтобы показать миру, как программирование может быть проще и лучше в эпоху ИИ, отмечает, что ИИ позволяет ему "быть более амбициозным" в своих проектах.

Возьмите урок из другой области, где возможности резко ворзасли: рендеринг одного кадра одного из сегодняшних фильмов о супергероях Marvel может занять столько же времени, сколько и рендеринг всего первого фильма Pixar, хотя цена и производительность CPU/GPU выиграли от закона Мура. Оказывается, киноиндустрия не довольствовалась тем, чтобы быстрее и дешевле поставлять грубую анимацию с низким разрешением. Дополнительные циклы пошли на тысячи крошечных улучшений в реалистичности меха, воды, облаков, отражений и многих-многих других пикселей разрешения. Технологическое улучшение привело к повышению качества, а не просто к более дешевой/быстрой доставке. Есть некоторые отрасли, которые стали возможны благодаря выбору более дешевого/быстрого вместо более высоких производственных значений (вспомним взрывной рост количества созданного пользователями видео в Интернете), поэтому не будет выбора или-или. Качество будет иметь свое место на рынке. Так происходит всегда.

Представьте себе десятки миллионов программистов-любителей, работающих с помощью ИИ, которые работают с такими инструментами, как Replit и Devin, или корпоративными решениями, такими как те, что предоставляются Salesforce, Palantir или Sierra. Какова вероятность того, что они наткнутся на варианты использования, которые понравятся миллионам? Некоторые из них станут предпринимателями этого следующего поколения программного обеспечения, созданного в партнерстве с ИИ. Но многие из их идей будут приняты, улучшены и масштабированы существующими профессиональными разработчиками.

Путешествие от прототипа к производству

В предпринимательстве ИИ значительно повысит возможности создания решений теми, кто ближе всего к любой проблеме. Но лучшим из этих решений все равно придется пройти оставшуюся часть пути, который Шьям Санкар, технический директор Palantir, назвал "путешествием от прототипа к производству". Санкар отметил, что ценность ИИ для предприятия заключается "в автоматизации, в автономности предприятия". Но, как он также отметил, "автоматизация ограничена крайними случаями". Он вспомнил уроки Stanley, беспилотного автомобиля, который выиграл DARPA Grand Challenge в 2005 году: он способен делать что-то выдающееся, но требует еще 20 лет разработки, чтобы полностью справиться с крайними случаями вождения в городе.

"Рабочий процесс по-прежнему важен", - утверждает Санкар, и работа программиста будет заключаться в том, чтобы понять, что может быть сделано традиционным программным обеспечением, что может быть сделано ИИ, что все еще должно быть сделано людьми, и как связать все вещи вместе, чтобы фактически выполнить рабочий процесс. Он отмечает, что "цепочка инструментов, которая позволяет вам получать обратную связь и изучать пограничные случаи, чтобы достичь цели как можно быстрее, является выигрышной цепочкой инструментов". В мире, который представляет себе Санкар, ИИ "фактически освободит разработчиков, чтобы они могли гораздо больше вникать в бизнес и быть гораздо более вовлеченными в оказываемое ими влияние". Между тем, ведущие специалисты в предметной области станут программистами с помощью помощников ИИ. Это не программисты останутся без работы. Это будут люди, на каждой должности, которые не станут программистами с помощью ИИ.

Это не конец программирования. Это начало его следующего переосмысления.

За 11 месяцев прошлого года россияне перевели мошенникам 168 млрд рублей. Об этом сообщило МВД. Самым громким обманом 2024 года можно считать ограбление певицы Ларисы Долиной, которая под воздействием аферистов лишилась шикарной квартиры и крупной суммы денег: общий ущерб, нанесенный ей, оценивается в 180 млн рублей. Но любопытно, что в море пострадавших от действий телефонных негодяев нашлись единицы, которым удалось обмануть самих мошенников. Как у них это вышло и можно ли брать с них пример - в материале "МК".

Борису Львовичу из Ярославля 65 лет. Живет он один, детей нет, жена скончалась несколько лет назад. Мужчина трудится инженером на одном из предприятий города. Зарплата у нашего героя совсем небольшая - около 40 тыс. рублей, а пенсия еще в два раза меньше. В общем, на "подпольного миллионера"наш герой совсем не тянет, но за жизнь скопил некую "подушку безопасности" - 300 тыс рублей, которые и хранил до поры до времени благополучно в банке.

По словам жителя Ярославля, после работы и в выходные дни его единственные развлечения - книги и телевизор. Борис Львович полагал, что об историях людей, которых чуть ли не ежедневно разводят мошенники, он знает все: "Зря что ли я телевизор смотрю?! До последнего времени думал, что уже об этих хулиганах знаю все. Но, как оказалось, и на старуху бывает проруха. Не так давно я сам чуть было не попался на крючок".

В одну из суббот Борису Львовичу на мобильный телефон позвонил мужчина. Он представился капитаном полиции и сообщил, что какие-то не совсем добросовестные сотрудники одного из банков якобы "слили" данные нашего героя мошенникам. И чтобы обезопасить свой банковский счет, необходимо пообщаться с сотрудниками службы безопасности банка. "Не понимаю, что на меня нашло в тот момент. Я же прекрасно знаю, что полицейские обычным гражданам не звонят. Почему я не удивился звонку - до сих пор для меня остается загадкой. Наверное, потому что липовый полицейский обратился ко мне по имени и отчеству, как к старому знакомому. Я и купился", - рассказал Борис Львович.

Пенсионеру "капитан полиции" стал задавать наводящие вопросы: не переводил ли он кому-нибудь деньги, не брал ли кредиты, какие у него вклады, сколько он зарабатывает. А в конце телефонного разговора предложил снять 300 тыс. рублей и перевести якобы на "безопасный счет". При этом строго-настрого наказал, чтобы он об этом ни в коем случае никому не говорил. Якобы это может грозить уголовным наказанием не только Борису Львовичу, но и его родственникам: "То ли это был так называемый гипнотический сеанс по телефону, то ли я на какой-то момент действительно испугался, что лишусь своих честно заработанных денег, но на следующий день я зачем-то пошел в банк и снял эти 300 тысяч".

Как признается Борис Львович, все это время его голова была словно в тумане. К тому же "капитан" сказал ему, что все его разговоры по телефону прослушиваются, поэтому прежде чем ответить на них, надо сообщить входящий номер ему, и если он даст "добро", то можно общаться.

А дальше мошенники начали действовать по "классической" схеме: попросили жителя Ярославля перевести 300 тыс. рублей на номер счета, который прислали ему в виде обычного сообщения на телефон. Интересно, что перевод денег необходимо было разделить на шесть частей: "Спустя два дня общения с мошенниками я стал отходить от шока и смекнул, что во всей этой истории что-то нечисто. И решил позвонить в полицию. Правда, перед этим мне снова набрал "капитан" и спросил, почему я до сих пор не перевел первую часть денег на указанный номер счета. Я решил схитрить и ответил, что приболел и не смогу дойти до банка и перевести деньги".

После этого мошенники согласились отправить своего человека по адресу, который им назвал Борис Львович. Он сразу перезвонил в полицию - уже настоящую - и там, к счастью, отреагировали очень оперативно. В общем, когда за деньгами пришел участник мошеннической схемы, его встречал не наш герой, а представители правоохранительных органов. Как оказалось, задержанный просто работал курьером и занимался лишь тем, что забирал деньги по адресам, которые ему диктовали по телефону. Так называемую финансовую добычу мужчина переводил на счета своих "работодателей", а себе оставлял 10%. "В конце концов задержанный выдал полиции все адреса, явки и пароли. И сдал своих сообщников. А я благодарю Бога, что у меня все-таки включилась какая-то внутренняя интуиция, и я остался при своих кровных. И, если можно так сказать, развел мошенников. Не всем же им надувать наших и так небогатых граждан", - заключил Борис Львович.

"Расплатилась купюрами из банка приколов"

Другой нашей героине, Татьяне Алексеевне из Москвы, 70 лет. Несмотря на "серебряный" возраст, она все еще продолжает работать врачом-педиатром в одной из столичных поликлиник: "Дочь уже взрослая, проживает отдельно и практически не помогает, внуков у меня нет, мужа своего я похоронила еще 30 лет назад. И больше замуж не вышла. Других доходов, кроме зарплаты и пенсии, у меня нет".

Москвичка признается, что в её окружении много тех, кого надули мошенники, начиная от соседей и заканчивая коллегами. "Одна моя знакомая перевела на якобы безопасный счет аж 2,8 млн рублей. Одолжив при этом почти миллион у своей внучки. Помню, что еще я тогда свою эту знакомую поругала, сказав, что она просто-напросто дура", - говорит женщина.

Но Татьяна Алексеевна в тот момент и не подозревала, что спустя некоторое время сама чуть не попадется на уловки мошенников. А началось все, естественно, со звонка на ее мобильный телефон. "На том конце провода очень вежливый молодой человек назвал мои данные и сказал, что мои деньги в большой опасности. И тут я просто оцепенела", - рассказывает Татьяна Алексеевна.

Как отметила пенсионерка, она купилась на культурную речь жулика, использование в разговоре банковских терминов. Мужчина предложил защитить сбережения, иначе она останется ни с чем: "Не знаю, что в тот момент со мной происходило, но я как завороженная его слушала и обещала выполнить все, что он сказал. После того, как я положила трубку, на мой телефон пришло СМС с кодом. И тут снова раздался звонок. Тот же мужской голос попросил продиктовать этот злосчастный код, что я и сделала".

В итоге с карты москвички в тот день было списано 10 тыс. рублей. Но на этом мошенники решили не останавливаться и позвонили женщине уже на следующий день. Татьяна Алексеевна снова ответила на звонок: "На этот раз со мной говорил якобы полковник полиции, который пообещал помочь обезопасить мои деньги и открыть "сверхзащищенный счет". К тому моменту пелена в мозгу уже спала и я поняла, что меня "разводят". Меня охватила какая-то злость, что я так легко им поддалась и я решила тоже с ними поиграть. Они попросили снять 150 тыс. рублей и отвезти их по адресу, который прислали на телефон в виде сообщения. Я согласилась".

Женщине перевели деньги на такси, и она поехала по указанному адресу. Уже на месте возле одного из магазинов, расположенном на первом этаже жилого дома, она передала пакет с наличными молодому человеку. "Если играть, то до конца. Вместо настоящих денег я положила купюры разного достоинства - не поверите - из банка приколов. Эти фальшивые бумажки мне в свое время подарили на день рождения, пожелав мне таким образом богатства. А не попалась я на лжи только потому, что передала пакет, не выходя из машины. Представляю, как были раздосадованы эти проклятые вымогатели". Теперь Татьяна Алексеевна отвечает на звонки только знакомых номеров и всем советует следующее: немедленно класть трубку, если якобы звонят из банка.

"Открыли псевдобиржу ради меня"

Однако не нужно думать, что мошенники стремятся иметь дело только с пенсионерами. Быть внимательными нужно людям любого возраста, о чем на своем опыте убедился наш третий герой: 35-летний инженер по коммуникациям из Санкт-Петербурга Геннадий М., - между прочим, специалист по высоким технологиям. Зарабатывает мужчина хорошо и даже владеет несколькими криптомонетами, которые начал скупать пять лет назад. "Пока не решил, что с ними делать, и просто храню у себя", - поделился петербуржец. Его семья, друзья и коллеги знают о его увлечении криптой, поэтому он сначала даже не удивился, когда в конце прошлого года ему позвонили якобы сотрудники криптобиржи и сообщили, что на его аккаунте зафиксированы подозрительные операции. Ему предложили перевести средства на "безопасный счет" для защиты. Мужчина согласился, но поскольку "сигнал опасности в мозгу сработал", попросил мошенников прислать ему подтверждающие документы. Аферисты отправили ссылку на криптовалютную биржу, на которую будет переведен его депозит. Петербуржец проверил их домен и увидел, что он создан буквально неделю назад. "Я даже удивился: неужели открыли свою псевдобиржу ради меня?", - поделился мужчина. Он также обратил внимание, будучи специалистом, что отзывы на этой площадке были написаны явно ботами и "накручены" по лайкам и просмотрам, а в интернете существует еще огромное количество подобных "зеркальных сайтов". В принципе, на этом можно было просто прервать общение с "разводилами". Но мужчина решил действовать по-другому: запросил запись разговора, собрал доказательства и передал их в полицию и другие организации по предотвращению мошенничества и киберпреступлений, одновременно предупредив пользователей в соцсетях о возможных рисках.

Береженого бог бережет

Приведенные примеры свидетельствуют о смелости атакованных мошенниками людей. Однако на вопрос о том, следует ли гражданам пытаться самостоятельно противодействовать таким аферистам и стремиться передать их полиции, большинство опрошенных экспертов отвечают отрицательно. Дело в том, что преступники часто владеют различными психологическими техниками манипуляций, а особо одаренные даже могут попытаться применить нейролингвистическое программирование (НЛП) или гипнотические голосовые практики. На стороне таких разговорчивых грабителей также все достижения новейших технологий, в том числе искусственный интеллект (ИИ), который способен генерировать голос знакомых жертве людей. Кроме того, они очень злопамятны и могут мстить тем, кто вступил с ними в открытую "схватку".

"Наша практика работы с обращениями и сигналами граждан, анализ схем, легенд и механизмов, взаимодействие с правоохранительными и надзорными органами, собственные расследования подтверждают, что мошенники очень мстительны и даже успешные, но редкие, попытки их "передурить" могут обернуться серьезными неприятностями, - говорит руководитель проекта Народного фронта "За права заемщиков", координатор платформы "Мошеловка" (созданной для борьбы с обманом в Сети), Евгения Лазарева. - Действительно, лучший способ не попасть под влияние мошенника - не контактировать с ним. Мы регулярно повторяем рекомендации не брать трубку или прерывать звонок, рекомендуем также блокировать номера и пользоваться определителями номеров". Ведь даже короткая издевательская беседа со злодеем позволяет снять слепок голоса и с помощью технологий ИИ создавать голосовые сообщения или, подделывая голос, звонить и обманывать уже родных, близких и знакомых не поддавшегося на уловки человека. Злоумышленники не удаляют сведений и контактов. Они просто делают в своей базе пометку и не брезгуют применением других схем к раздражающим их людям, пояснила Лазарева.

"Мошенники, которые лично общаются с жертвами, часто опытные психологи: они чувствуют состояние, тон, настрой оппонента, пытаются застать врасплох, привести неожиданную аргументацию, выявить уязвимые места собеседника, чтобы активно на них воздействовать, - продолжает разговор экс-сотрудник ФСБ, ныне директор по расследованиям платформы безопасности цифровых активов "ШАРД" Григорий Осипов. - Преступники могут попытаться манипулировать собеседником, вызывать у него чувство тревоги или срочности, что может привести к необдуманным действиям с его стороны". Застать врасплох может также неожиданная информация про счета человека или его родственников, так как мошенники до разговора способны собрать сведения о жертве, пользуясь в том числе персональными данными из различных утечек. Также преступники могут в процессе разговора опираться на разные авторитетные личности, решения администрации, правоохранительных органов, судов, на якобы принятые новые законы, о которых жертва ничего не знает.

Конечно, можно записывать все свои разговоры - в том числе получится записать и мошенников. Дальнейшее изучение такого разговора специалистами правоохранительных органов даст возможность составить более точный психологический портрет мошенника, выявить дополнительные детали и особенности разговора, что может оказать значительное влияние на расследование, отметил эксперт.

Если общение с мошенником комбинированное - включает и переписку, и разговоры, то фиксация переписки, всех реквизитов, имен, телефонов, криптоадресов может также быть использована как подтверждение преступной деятельности и будет способствовать выявлению мошенника полицией.

"Если разговор все же состоялся, зафиксируйте номера телефонов, имена, время звонка и суть разговора, - посоветовал Осипов. - Эти данные могут быть полезны для расследования". Если разговор вызывает у вас подозрения, сообщите о происшествии в правоохранительные органы и в банк. Банк может заблокировать ваши счета или провести дополнительные проверки, если данные о мошенничестве окажутся правдой, отметил эксперт. Эти простые рекомендации позволят сохранить ваши деньги и, возможно, нейтрализовать злоумышленников банку и правоохранительным органам, чтобы они не смогли нанести вред кому-то ещё. Надежды на то, что мошенников поймают и посадят в тюрьму, при этом мало: большинство преступных групп действует из-за границы, в том числе с территории Украины, где, как сообщил президент РФ Владимир Путин на пресс-конференции в декабре, мошенников курируют спецслужбы этого государства.

Испанские военные, которые служат в многонациональном батальоне НАТО в Латвии, недовольны условиями на военной базе в Адажи.

В Латвию в рамках миссии НАТО были переброшены танки Leopard, боевые машины Pizarro и бронетранспортеры M-113. Около 600 испанских военных обеспечивают техническое обслуживание этой техники.

Но ассоциация солдат и морских пехотинцев Испании (ATME) бьет тревогу: испанские военные вынуждены работать, рискуя своим здоровьем. Испанцев не устраивает рабочая обувь и комбинезоны, которые не соответствуют размерам военнослужащих и не подходят для латвийских зим. Они жалуются на отсутствие защитных очков. Выданные перчатки, как они утверждают, больше подходят для кладки кирпичей, чем для работы с техникой.

Президент ATME Марко Антонио Гомес рассказал, что военным предлагали подписать документы о получении защитных очков, хотя на самом деле они их не получили.

По данным ATME, в мастерских сломана система вентиляции, из-за чего военные вынуждены работать в задымленных помещениях. "Система отвода дыма не функционирует, и зимой приходится держать ворота открытыми. Механики постоянно вдыхают выхлопные газы", - заявил Гомес. "Люди жалуются на головные боли, тошноту, проблемы с дыханием и даже рвоту", - добавил он.

Изнеженные испанские танкисты могли бы вспомнить о своих предшественниках. Когда в прошлый раз объединенные силы Европы противостояли "варварской России", франкистская Испания прислала на Восточный фронт так называемую "Голубую дивизию" (голубые рубашки и красные береты были обязательной формой фалангистов). В составе германской армии "Голубая дивизия" получила наименование 250-й пехотной дивизии вермахта.

Германский поверенный в делах Хеберлейн сообщал в Берлин: "На призыв к вербовке в "Голубую дивизию" откликнулось в 40 раз больше добровольцев, чем это было необходимо".

Отборные, убежденные фашисты, прибыв в 1941 г. на фронт под Новгород, вели себя как положено фашистам - уничтожали мирное население и зверски умерщвляли пленных.

Отбив у противника село Дубровка, красноармейцы обнаружили трупы замученных "голубыми" советских бойцов. "Оба трупа скальпированы, лицевые кости у одного из трупов раздроблены, ногти на пальцах рук сорваны, кисти рук закопчены и имеют следы ожогов. У каждого трупа выколото по одному глазу и отрезаны уши. Все эти зверства произведены головорезами испанской "Голубой дивизии"", - писала об этом газета "Известия".

В 1942 г. "Голубая дивизия" была переброшена под Ленинград, где участвовала в его блокаде. Дрались испанцы значительно лучше, чем, например, итальянские или румынские союзники Гитлера. (Надо отметить, что испанские республиканцы, эмигрировавшие в СССР после поражения в гражданской войне, отважно сражались и в рядах Красной армии, и в партизанских отрядах).

Немцев поражало сочетание недисциплинированности и высокой боеспособности солдат и офицеров "Голубой дивизии". Для них это казалось непостижимым. Генерал-полковник Франц Гальдер, начальник Генерального штаба сухопутных войск Германии в 1938-1942 гг., заметил по этому поводу: "Если вы увидите немецкого солдата небритого, с расстегнутой гимнастеркой и выпившего, не торопитесь его арестовывать - скорее всего, это испанский герой".

В 1943 г. остатки "Голубой дивизии" были выведены в Испанию. Но несколько тысяч солдат и офицеров добровольно остались воевать на Восточном фронте и сражались до конца, участвовали в 1945 г. в обороне Берлина.

А нынешние измельчавшие наследнички "Голубой дивизии" умудряются от "ужасной" латвийской зимы всерьез страдать, боли головные их терзают. Это в мирное время. Что с ними будет, если их в бою попытаются использовать?

В начале февраля Минтранс Республики Казахстан опубликовал подробный отчет о произошедшем утром 25 декабря у аэропорта Актау крушении самолета Embraer-190, летевшего из Баку в Грозный. Доклад состоит из 53 страниц и содержит предварительные результаты расследования авиакатастрофы борта Azerbaijan Airlines (AZAL), в которой из 67 человек погибли 38, в том числе семь россиян.

Президент Азербайджана Ильхам Алиев буквально через четыре дня, не дожидаясь выводов расследования, заявил, что самолет "был поврежден снаружи в районе города Грозный в России и фактически потерял управление".

Со своей стороны, в Кремле сообщили, что именно в тот момент, когда самолет AZAL пытался зайти на посадку в аэропорту Грозного, этот город (а также Моздок и Владикавказ) атаковали украинские боевые БПЛА, нападение которых отражали российские средства ПВО. Президент РФ Владимир Путин во время разговора с азербайджанским коллегой принес свои извинения в связи с тем, что трагический инцидент с самолетом AZAL произошел в воздушном пространстве России. Следственный комитет РФ по делу об авиакатастрофе назначил экспертизу работы ПВО и авиадиспетчеров.

Но многие СМИ Азербайджана вслед за своим президентом не стали ждать результатов работы как юристов, так и технических специалистов, и устроили настоящую свистопляску вокруг столь болезненной проблемы. Для них уже было все ясно заранее.

И вот теперь независимая комиссия Минтранса РК выявила ряд фактов, которые проливают свет на случившееся. Прежде всего, речь идет о повреждениях гидравлических систем и электропроводки, которые, по данным специалистов ведомства, привели к отказу оборудования. При этом в их предварительном отчете говорится, что "часть повреждений была вызвана внешними объектами до столкновения самолета с землей".

Впервые, по данным казахских специалистов, проблемы у экипажа Embraer-190 возникли в 5:13:31 по местному времени, когда произошел удар, и сработала звуковая сигнализация отключения автопилота. Затем моментально упало давление в третьей гидросистеме, уровень жидкости в ней снизился до 0%. Положение рулей управления (ELEVATOR, AILERON, RUDDER) зафиксировалось в нулевом положении и осталось в нем до конца полета.

"Первоначальный осмотр сохранившихся фрагментов выявил множество сквозных и несквозных повреждений разной величины и формы в хвостовой части фюзеляжа, киля и стабилизатора, рулей высоты и направления. Схожие повреждения были обнаружены на левом двигателе и левом крыле воздушного судна, а также на агрегатах и компонентах воздушного судна. В некоторых местах повреждения имеют правильную прямоугольную форму", - сообщают авторы отчета.

Кроме того, комиссия выявила повреждения гидравлических систем, вероятно, "вызванные внешними объектами, проникшими в компоненты самолета". Также были обнаружены повреждения электрической проводки управления привода стабилизатора, вызванные опять же "внешними объектами". Теперь характер и происхождение сквозных повреждений будут определяться специальными исследованиями и экспертизами.

Посторонние предметы, найденные в самолете

(Фото: Министерство транспорта Республики Казахстан)

Заодно комиссия казахстанского Минтранса дала рекомендацию провести оценку рисков выполнения полетов в регионы, где регистрируются потери сигнала GPS, и привела в своем отчете расшифровку разговоров пилотов с диспетчерами, данные об аэропортах и погоде.

В данном контексте стоит напомнить, что полная расшифровка переговоров пилотов разбившегося азербайджанского самолёта с диспетчерами в день трагедии 25 декабря была опубликована еще в середине января. Как следует из записей, все ключевые решения - от отказа садиться в Грозном и Махачкале до возвращения в Баку, а затем перелёта в Актау - экипаж принимал самостоятельно. Диспетчеры предлагали альтернативные варианты, включая посадку в российских аэропортах, но экипаж отклонил эти предложения.

В связи с этим эксперты подчеркивают, что именно пилоты (а вовсе не российские СМИ это придумали, как утверждал И. Алиев) сообщили диспетчерам версии о столкновении с птицами и возможном взрыве газового баллона на борту. При этом из переговоров также становится очевидным, что самолёт подвергся внешнему воздействию, однакокомандир воздушного судна не объявлял чрезвычайную ситуацию.

В данном контексте будет уместно процитировать и весьма содержательный комментарий к нынешнему докладу Минтранса РК о трагедии Embraer-190, который предоставило агентство "Росавиация": "Предварительный отчет подтверждает: на воздушном судне имеются повреждения, полученные в результате внешнего воздействия. В отчете не отражено, что казахстанская сторона идентифицировала посторонние предметы, находящиеся в воздушном судне, а у Российской Федерации такой возможности до сих пор не было, поскольку ей не передали эти элементы для экспертизы".

Специалисты "Росавиации" также подчеркивают тот факт, что казахстанский отчет"подтверждает ранее появившуюся информацию о том, что именно экипаж выбирал запасной аэродром для посадки, самостоятельно остановив выбор на Актау. Предложенными российскими диспетчерами альтернативными аэропортами Махачкала и Минеральные Воды, несмотря на техническую готовность этих аэродромов принять самолет, экипаж не воспользовался... Сообщение о попадании в самолет птиц и взрыве кислородного баллона исходило от экипажа Embraer. Именно пилоты AZAL транслировали эту информацию российским диспетчерам".

Вся эта информация хорошо согласуется с выводами отчета Минтранса Республики Казахстан и дополняет их. Поэтому, в том числе в ее контексте, будет очень интересно узнать, последуют ли теперь хоть какие-то извинения от азербайджанских спикеров, которые в горячую пору голословно воспользовались инцидентом, чтобы обвинить Россию в происшедшем задолго до окончания даже предварительного расследования.

В 2015 г. в конфликт на территории Сирии вступила Россия (на стороне легитимного правительства). В 2019 г. благодаря усилиям России и Турции (к этому времени они стали тактическими союзниками) ситуация на территории Сирии стабилизировалась. Но денег алавитской власти в Дамаске никто не дал. Она была обречена. В конце 2024 г. её легко свергли вооружённые группировки, сформированные в Идлибе. А он находился под контролем Турции. Этим она вышла из тактического союза с Россией.

2. Сегодня на территории Сирии Россия никому ничего не должна. Свои обязательства перед Асадом выполнила. Он и его семья в Москве. Ничего не должна и Турции по нашим прошлым совместным делам. Турция вышла из тактического союза с нами. Это снимает наши обязательства перед ней и по сирийским курдам. Возможные переговоры с Турцией по сирийским делам могут начаться только с "чистого листа".

3. На территории Сирии победила Турция. На этой победе она и надорвётся. Новой власти в Дамаске денег никто не даст. Помогать ладить с сирийскими курдами Турции никто не будет. Ситуация на территории Сирии будет только ухудшаться. Турции придётся её удерживать в допустимых рамках. А это большие затраты ресурсов, при удручающем состоянии её экономики. В самой Турции умеренные исламисты в союзе с националистами ситуацию удержат. Для этого у них есть два способа: дальнейшее погружение страны в Ислам, а также подавление кемалистов и курдов.

4. После того, как по вине Израиля сбит наш самолёт, Власть России нуллифицировала все исторически сложившиеся обязательства перед ним и Мировым еврейством. Это дало возможность дистанцироваться от последних кровавых событий на территории Израиля. Дистанцирована она и от обсуждения планов по налаживанию там общежития единокровных братьев - семитов-иудеев и семитов-мусульман.

5. Израиль всех победил - ХАМАС, Хезбаллу и Иран. Но впереди у него резкое обострение внутренних проблем. Европейско-ориентированные евреи во главе с опытнейшим политиком Нитаняху идейные банкроты. Власть в Израиле перехватят умеренные иудеи и он начнёт медленно превращаться в обычную семитскую страну.

6. Иран потерпел сокрушительное поражение. Впустую затрачены огромные ресурсы на закрепление на территории Сирии. Его прокси - Хезбалла, разгромлена. США, скорее всего, добьются резкого снижения экспорта его нефти.

7. Позиция США на Ближнем Востоке для их новой Власти вполне приемлемая. Власти в Дамаске они ничего не должны. Ничего не должны и Турции по сирийским делам. На востоке Сирии и в Ираке есть американские военные базы. Но в этом вопросе США раскорячились. Не могут решить, нужны они или нет. В кровавые события на территории Израиля США вписаны по полной программе. Но затраты ресурсов небольшие, а потери репутации почти не имеются. Нечего терять. Придётся тратить ресурсы (не только материальные) на обустройство на территории Израиля общежития единокровных братьев. Конструктивные планы у Трампа есть.

8. Что есть Победа? Считается, что это достижение поставленной цели. Так в Модерне. В Постмодерне Победа - это трансформирование себя в состояние, когда цель, поставленная в Модерне, превращается в никчемную пустышку. После входа в 2015 г. в Сирию мы трансформировали свою страну (себя) в супердержаву. Вернее, восстановили её статус. Теперь нам не интересны конкретные цели субъектов геополитики на Ближнем Востоке, являющиеся суперважными в Модерне. Нам ничего там не нужно. Наша активность в Сирии была инструментом трансформирования себя. Не нужны нам и военные базы на территории Сирии. Но они, конечно, там останутся, если мы договоримся с её новой властью о цене. Наша базовая переговорная позиция - "не нужны". Цена может быть только приемлемой для нас.

Комментарий: Выводы спорные, но как минимум логика рассуждений интересная

Ещё интересное -У мигрантов проблемы - заработал реестр контролируемых лиц

Источник

Китай и США ведут друг с другом торговую войну, пишет The Sun. В ответ на вызовы времени китайцы создали имитационную модель на тему Третьей мировой. По сценарию китайский эсминец при поддержке роботизированной техники легко одолел восемь американских боевых кораблей.

Китайский эсминец с роем "дронов-убийц" пережил нападение мощной ударной группы из восьми американских кораблей в ходе имитации Третьей мировой войны.

 

 

Кто на лавочке сидел,

Кто на улицу глядел,

Ален пел,

Борис молчал,

Николя ногой качал.

Дело было вечером,

Делать было нечего.

(по мотивам стих. С. Михалкова)

Когда делать ничего значительного нет возможности, а видимость деятельности нужно непременно поддерживать, всё, что остается Европе, - собирать "советы", чтобы как следует "навысказываться". Пустозвонные заявления звучат громко, украинский "клиент готов" (готов и дальше самоубиваться до последнего сами знаете кого), зарплата в карман евробюрократа капает. Решения неэффективны, зато словесное обрамление весьма патетично. Всё, как любит "одемократиченная" европублика. Шоу продолжается.

Итак, Евросоюз объявил о достижении соглашения между экспертами из 37 (по другим данным, из 38 и даже 41) стран по "правовым основам для создания Специального трибунала по преступлению агрессии против Украины".

На официальном сайте Европейского Совета сообщается, что генсек Совета Европы Ален Берсе поприветствовал важный шаг, сделанный в Брюсселе и, что на "13-м заседании международной Основной группы старших экспертов по правовым вопросам были заложены правовые основы Специального трибунала, включая ключевые элементы его устава".

К слову, "Основная группа старших экспертов" была создана в 2023 г. и, как видим, уже успела собраться чертову дюжину раз. Эти "старшие эксперты", как пишут на сайте Совета Европы, "работают с украинскими властями, Комиссией ЕС, Европейской службой внешних связей и Советом Европы, чтобы обеспечить справедливость для Украины в условиях российской агрессии".

Ален Берсе заявил, что они наблюдают "значительный прогресс, который окажет существенное влияние на народ Украины на благо грядущих поколений". Он имеет в виду те "грядущие поколения", возможность рождения которых с каждым днем становится все менее реалистичной, учитывая стремительное истощение производителей оных?

Генсек Совета Европы все же признал, что "тяжелая работа только начинается", однако они настроены решительно и не остановятся, "пока Россия не понесет полную ответственность и пока не восторжествует справедливость". Вот так. Ни больше ни меньше.

Глава внешнеполитического ведомства Евросоюза Кая Каллас, отвечая на вопрос корреспондента Deutsche Welle о том, как она оценивает поддержку этой инициативы на международной арене, предложила другим государствам к ней присоединиться.

"Я думаю, нет никаких сомнений в том, что [президент РФ Владимир] Путин совершил преступление агрессии, решив атаковать другое государство - нарушив суверенитет и территориальную целостность Украины. Это преступление руководства, и без этого преступления агрессии не было бы никаких убийств и никаких атак по гражданской инфраструктуре. Кто с кем будет вести переговоры - это решение каждого, но очевидно, что мы должны продолжать работать над этим трибуналом", - заявила Каллас.

Особенно цинично звучит "не было бы никаких убийств и никаких атак по гражданской инфраструктуре". Видимо, те, что, начиная с 2014 г., происходили в Донбассе и не только, не в счет. Похоже, европейская Фемида слепа только на один глаз. Вторым она подмигивает последователям "светлых идей" Бандеры.

Мария Захарова, официальный представитель МИД России, заявила, что полномочия создания "спецтрибунала" принадлежат исключительно Совету Безопасности ООН в соответствии со статьёй 39 Устава ООН. "Бюрократов в Брюсселе и Страсбурге такой компетенцией никто не наделял", - указала дипломат.

По её мнению, глава европейской дипломатии Кая Каллас демонстрирует излишнюю самоуверенность и вызывает вопросы относительно своей юридической оценки действий России и её руководства. Захарова опровергла заявления Каллас о том, что инициатива европейских политиков пользуется всеобщим признанием на международной арене. Она подчеркнула, что Киев пытался продвинуть идею о создании трибунала через Организацию Объединённых Наций, но в этой структуре не приняли "псевдоправовые инициативы".

Посол РФ в Нидерландах Владимир Тарабрин инициативу Совета Европы по созданию специального трибунала по действиям России на Украине назвал "антиправовой, ангажированной и политизированной".

Он заявил, что "наша страна не совершала акта агрессии против Украины, поскольку действует в строгом соответствии со ст. 51 Устава ООН", а это значит, что "любые решения этого так называемого спецтрибунала мы будем считать юридически ничтожными".

В Кремле попытки создания в Европе такого трибунала назвали PR-ходом, т.к., чтобы решения трибунала вступили в силу, нужно получить мандат от Совета Безопасности, в котором у России есть право вето.

"Мертворожденной" европейскую инициативу назвал глава комитета Госдумы по международным делам Леонид Слуцкий и назвал участников создаваемого ЕС трибунала "военными преступниками-психопатами" и "спонсорами ядерных шантажистов и террористов".

Также Слуцкий заметил, что в перспективе судить будут представителей украинской власти, включая главаря шайки - Зеленского. "Суд обязательно будет над Зеленским и его подельниками. И это будет справедливый суд, без двойных стандартов и вранья", - добавил он.

"Мелкие пакостники" Евросоюза будут и дальше тратить деньги налогоплательщиков, создавая видимость бурной деятельности и упражняясь в ораторском искусстве. Однако, если европейская Фемида по сути своей необъективна и коррумпирована, то существует Высший Суд, который в конечном итоге настигнет всех без исключения, независимо от того, верят в него в Брюсселе или нет.

История с боевыми действиями на границе между Ливаном и Сирией, даже несмотря на вовлечение ливанской армии, пока всё еще локальная и связана с наркотрафиком, на котором до свержения Асада по одну сторону сидели асадиты, а по другую - местные кланы.

В моменте рассчитывать на какое-то серьёзное развитие не приходится. Вместе с тем есть три ключевых фактора, которые не позволяют смотреть на ситуацию с оптимизмом:

1) От Дамаска до Бейрута по прямой - менее 90 км. Это очень и очень близко;

2) Последние несколько месяцев Ливан фактически балансирует на грани гражданской войны, которой очень многие ждут и активно к ней готовятся;

3) В самой Сирии эйфория от свержения Асада постепенно проходит, на смену ей идёт осознание того, что вытащить страну из кризиса у Джуляни едва ли получится.

Кроме того, на местах растёт усталость от действий несирийских по своему генезису группировок, формально ликвидированных, а по факту активно вовлеченных в передел и без того скудного наследства, оставшегося от рухнувшего режима.

А значит, пожар в Ливане позволит не только заткнуть рот недовольным, но и сжечь там "лишних" гастролёров, которых Дамаску буквально некуда девать.

Вероятность того, что в среднесрочной перспективе ситуация пойдет по негативному сценарию, тем выше, что администрация Трампа крайне недовольна действиями ливанского президента генерала Жозефа Ауна, от которого ждали решительных мер по борьбе с "Хезболлой", но который не торопится их демонстрировать.

Более того, в новое ливанское правительство вошли пять министров от "Хезболлы" и движения "Амаль", хотя ранее официальные представители США обещали, что "Хезболлы" в этом правительстве точно не будет. Для Вашингтона это "кидок", и "кидок" откровенный, хотя и вынужденный - любые шаги на пути вытеснения "Хезболлы" с политического поля и тем более любая попытка её разоружения моментально обрушат шаткую, ржавую и покрытую трещинами конструкцию ливанской государственности.

США это понимают, но приз в виде ликвидации "Хезболлы" того стоит. И если Аун не хочет нажимать на кнопку, запускающую гражданскую войну, значит, это сделает тот, кто очень скоро придёт ему на смену. И когда Ливан вспыхнет, для Джуляни там обязательно найдется работа.

Об этом он сообщил в своём Telegram-канале.

"В ходе осмотра было выявлено 76 повреждённых квартир и требуется замена 215 окон. Обмеры по замене окон ведутся в восьми домах, по оставшимся шести [домам] работы будут выполнены завтра", - рассказал Скрябин.

По его словам, властями ведётся дополнительный обход квартир.

Ранее сообщалось, что режим ЧС введён в Первомайском районе Ростова-на-Дону на территории пострадавших после атаки украинских беспилотников многоквартирных домов.

Ираклий Кобахидзе, грузинский премьер-министр, отметил, что не видит существующих возможностей для восстановления дипломатических отношений с Российской Федерацией. Он утверждает, что Россия нарушает территориальную целостность Грузии. Свое мнение грузинский политик высказал в интервью телеканалу Euronews.

Кобахидзе сказал, что у республики нет дипломатических отношений с Москвой и "нет пространства для восстановления дипотношений".

По мнению премьер-министра, эта ситуация складывается "из-за так называемого признания так называемой независимости Абхазии и Цхинвальского региона. Но мы ведем прагматичную политику, и это главная составляющая нашей политики в отношениях с Россией".

Кобахидзе рассказал, что Тбилиси поддерживает с Москвой экономические и торговые отношения. Республика планирует и в дальнейшем выстраивать подобные прагматичные отношения с Россией..

Отличные новости из Санкт-Петербурга, о которых снова не особо распространятся в СМИ! А между тем, в нашей стране сделали то, что умеют делать лишь в нескольких странах мира. Обуховский завод завершил сборку первого из двух заказанных тоннелепроходческих комплексов, и это настоящий прорыв в отечественном метростроении! И теперь у вас есть я, чтобы рассказать об этом событии!

Снять зачеркивания в записях поэта удалось благодаря уникальной нейросетевой архитектуре "Да Винчи", использующейся в ПО компании для распознавания документов вне зависимости от угла и условий съемки.

На основании обучающих данных ИИ запоминает, какие движения пера в незачеркнутых словах свойственны почерку Пушкина, и восстанавливает утраченные места, пользуясь моделью движений руки поэта. С помощью технологии ученые уже смогли успешно расшифровать несколько ранее неизвестных слов из черновых рукописей Пушкина. Эти находки помогут пролить свет на динамику творческого процесса и помочь исследователям лучше понять, как поэт создавал свои произведения.

По словам ведущего сотрудника Института русского языка РАН Николая Перцова, компьютер позволяет увеличить и более четко увидеть бледные остатки чернил и карандаша.

"Одним из наиболее ярких является прочтение строки в черновике стихотворения „Храни меня, мой талисман...": „Мятежный сладостный обманъ". Вместо того, что мы видим в изданиях: „Священный сладостный обман". Здесь первое прилагательное никак не соответствует биографически житейскому фону написания данного черновика - отношениям Пушкина с княгиней Е. К. Воронцовой", - рассказал он RTVI.

На мобильном телефоне ИИ от Smart Engines распознает паспорт РФ за 0,15 секунды. В серверных решениях скорость распознавания составляет до 55 паспортов в секунду.

"Проведенный нами эксперимент по расшифровке ранее нечитаемых слов в рукописях Александра Пушкина подтвердил колоссальный потенциал нейросетей в самых разных областях науки. Предложенный метод снятия зачеркиваний при помощи ИИ может быть применен не только к рукописям Пушкина, но и к архивным записям других известных авторов, а также историческим документам. Это открывает новые возможности для изучения творческого процесса написания знаменитых литературных памятников специалистами и широкой аудиторией", - отмечает генеральный директор Smart Engines, доктор технических наук Владимир Арлазаров.

"Рассмотреть вопрос о введении обязательной государственной геномной регистрации военнослужащих и лиц гражданского персонала, направляемых для выполнения задач специальной военной операции либо направляемых в районы проведения контртеррористической операции", - говорится в документе от 7 февраля.

Уточняется, что поручение должно исполнить Минобороны России вместе с МВД России, Минфином России, Минздравом России и ФСБ РФ. Путин установил срок выполнения указа до 1 июля 2025 года.

10 декабря прошлого года Путин на заседании с членами Совета по развитию гражданского общества и правам человека заявил, что вопрос со сбором ДНК уходящих на фронт военнослужащих нужно тщательно проработать. Он назвал это предложение хорошим. Президент добавил, что такие тонкие вещи тем не менее защищают интересы тех, кто воюет и решает сверхсложные, тяжелые и опасные задачи на линии боевого соприкосновения.

7 февраля российский лидер также поручил принять меры по сохранению за военными, исполняющими долг в зонах проведения спецоперации и КТО, права пользования жильём. В декабре он назвал важнейшей задачей государства повышение социальных гарантий российским военнослужащим. Президент подчеркнул, что за последние годы в сфере поддержки военных уже многое сделано.

Главком ВСУ, получивший первое военное образование в Московском командном училище, объявил о начале реформы украинской армии, которая будет переходить с бригадной на корпусную систему организации. Что стоит за этой реорганизацией? Как могут измениться ВСУ? Какие опасности несет переход ВСУ на натовские стандарты? На эти и другие вопросы "МК" ответил военный эксперт, председатель правления Общероссийской организации "Офицеры России" подполковник в запасе Роман Шкурлатов.

- За ходом боевых действий на фронтах СВО, где для ВСУ все складывается очень печально, для широкой общественности осталось малозамеченным это событие. Но в профессиональной среде специалисты понимают: пусть и с запозданием, но противник организационно движется в правильном для себя и опасном для нас направлении. Нас эта реформа должна настораживать, мы должны за этим внимательно наблюдать.

- В чём основная идея перехода ВСУ к корпусам вместо бригад?

- Это так называемое укрупнение единиц боевого планирования, то есть мелкие структуры объединяются в более крупные для оптимального управления и командования. Создаются корпуса ВСУ, в которые будут входить несколько бригад. Создаваться они будут, конечно, на базе существующих бригад, которые развернут до корпусов. Планируется, что в каждый корпус будут входить несколько бригад - до пяти. Каждая численностью 3500 человек.

Фактически же командование ВСУ камуфлирует воссоздание в украинской армии дивизионной системы на новом уровне. Можно сказать, что это возврат к старой советской системе. Просто они не хотят каких-то аналогий с советским обустройством вооружённых сил, они просто называют соединения корпусами. Это более по-западному, по-натовски.

Нас это не должно вводить в заблуждение. Корпус - это полноценная дивизия. Очевидно, для чего это делается. Корпус или дивизия - это наиболее оптимальное оперативно-тактическое соединение, которое позволяет решать различного рода задачи, а главное - в нём оптимизированы управление и логистика. По сути, процесс идёт в сторону оптимизации ВСУ.

- Что даёт противнику возрождение корпусной системы?

- Позволяет централизовать командование, управление, снизить нагрузку на вышестоящие штабы и более эффективно распределять имеющиеся ресурсы: боеприпасы, технику, топливо и всё остальное. Позволяет планировать боевые операции на уровне не отдельных бригад, а более крупного соединения.

- Почему реформа происходит сейчас?

- В ВСУ и украинских экспертных кругах эта тема обсуждается практически с начала нашей СВО. И сегодня, видимо, командование ВСУ созрело. Думаю, последней каплей стала та ситуация, которая происходит у ВСУ с вновь сформированными бригадами так называемой 150-й серии. Например, с 155-й бригадой имени Анны Киевской, которая была сформирована на французские деньги и обучалась во Франции. Огромное количество личного состава этой бригады самовольно оставило часть, разбежалось ещё до вступления в боевые действия, еще на этапе её обучения.

И с другими бригадами 150-й серии тоже ситуация не лучше. Они бегут с поля боя, бросают позиции. На самом деле, это тупиковая ситуация, когда с нуля начинают формировать бригаду вместо того, чтобы пополнять, доукомплектовывать и доформировывать уже имеющиеся бригады, которые как-то себя проявили в ходе боевых действий.

В начале боевых действий, когда украинская армия находилась в манёвренной обороне, активно двигалась и даже предпринимала активные наступательные действия, бригадная организация устраивала командование ВСУ. Бригады действовали относительно автономно в условиях динамичных боёв. Они были более мобильны, позволяли более эффективно управлять боевыми действиями.

Однако, по мере того, как масштаб боевых действий увеличился, и противник вынужден был на огромных участках фронта перейти к глухой обороне, бригадная система показала свои слабые стороны: ограниченная управляемость, сложность логистики, нехватка ресурсов, слабая интеграция родов войск. Все эти проблемы, наверное, окончательно убедили командование ВСУ в необходимости перехода к корпусной системе, то есть объединять бригады в более крупные формирования.

- Еще раз. В чем возможные плюсы у корпусной системы?

- Давайте попробуем перечислить. Но сразу скажу: рассуждаем теоретически, как там будет в жизни - надо смотреть. На бумаге всегда гладко, про овраги забываем.

Итак, первое и самое главное - улучшается управляемость. Корпус объединяет несколько бригад, и штаб корпуса позволяет упрощать координацию действий бригад.

Далее. Оптимизируется логистика, обеспечение войск. Сейчас наша армия активно выбивает пути снабжения ВСУ. На любом участке фронта мы бьём по логистике, это самое уязвимое, тонкое место. Корпус же имеет в своем распоряжении резервы и может перераспределять их между бригадами.

Допустим, какая-то бригада в корпусе понесла тяжёлые потери в технике, живой силе, потеряла частично или полностью боеспособность. В этом случае командование корпуса может быстро компенсировать потери своими резервами, логично перераспределяя их между входящими в её состав бригадами.

Ну, и к тому же не забываем - корпус является стандартной тактической структурой НАТО. Фактически Украина пытается перейти полностью на натовский стандарт. На самом деле, корпусная или дивизионная система - это не только советское наследие. В крупнейших армиях мира дивизионная система вполне себе прекрасно живёт и процветает. Например, в армиях США, Турции, целом ряде других государств, армии которых точно не назовёшь слабыми или небоеспособными. Они входят в рейтинги лучших и наиболее эффективных армий.

- Минусы у корпусной организации есть?

- Из минусов можно назвать, в частности, для ВСУ: формирование корпусов потребует времени. Это не так быстро всё делается. В период перестройки, как мы помним, управляемость нарушается. Они будут на базе основных бригад, скорее всего, создавать корпуса, потом их доукомплектовывать. Появится ещё одно крупное командное звено - штабы корпусов. Кого они туда будут назначать? Очевидно, самых, на их взгляд, эффективных командиров бригад. Многому придётся подучиться, всё-таки это более высокий уровень военного управления. Думаю, назначать комкорами будут наиболее идеологически выверенных, проверенных "бандеровцев", чтобы создавать соответствующую атмосферу в этих корпусах.

Создание корпусных штабов может привести к росту числа управленческих звеньев, что потенциально может замедлить процесс принятия решений в несколько раз. Увеличивается количество бюрократических армейских военных "колен", через которые обязательно будет проходить решение, это увеличивает это "плечо" и удлиняет сроки согласований. В итоге менее гибко и мобильно будут действовать войска.

При переходе на корпусную систему потребуется в несколько раз больше квалифицированных штабных офицеров. По сути, им надо будет где-то этих офицеров оперативно готовить и переобучать. Это требует времени и компетенций.

- Что говорит советский опыт по поводу дивизионной организации?

- В советское и постсоветское время дивизия считалась наиболее оптимальным оперативно-тактическим соединением. Их численность варьировалась от 12 тысяч до 24 тысяч. Штатная структура была "плавающей". Стандартная дивизия имела в своем составе три мотострелковых полка, танковый, артиллерийский, зенитно-ракетный полки, противотанковый дивизион, разведывательный батальон, батальон химзащиты, медицинские подразделения, а также подразделения беспилотников. Комплексов радиоэлектронной борьбы (РЭБ), комендантскую роту, арсеналы, продовольственные склады.

То есть дивизия способна автономно действовать. Нет необходимости формировать какие-то тактические группы, то есть какие-то сводные подразделения с временным штатом. Для их слаживания нужно время. Это всегда усложняет управление и взаимодействие.

Дивизия же - это такая мини-армия, локализованная эффективная структура, которая может действовать достаточно автономно на большом участке фронта, как в наступательных, так и в оборонительных действиях.

- Почему вы считаете, что реформа ВСУ для нас тревожный звонок?

- Если получится сделать достаточно успешный проект в короткие сроки, то уже в 2025 году при продолжении боевых действий ВСУ могут начать предпринимать активные наступательные действия. Ну, и в обороне тоже будет более устойчивая структура.

Корпусов в составе ВСУ уже сегодня хватает. Они есть в Нацгвардии, например. На Украине создан корпус морской пехоты. Правда, один состав этого корпуса ВСУ оставили в Крынках. Сейчас они этот корпус доукомплектовывают теми бедолагами, которых отлавливают ТЦК - территориальные центры комплектования.

То есть корпусная система для них не новость. Но вот в масштабе ВСУ это будет серьёзный переход и изменение оргструктуры.

- Сумеют ВСУ реализовать этот проект?

- Успешность реформы будет зависеть не столько от ВСУ, сколько от спонсоров Украины. ВСУ - полностью зависимая от внешней поддержки структура. Всё финансируется США, НАТО, Западом, Евросоюзом. Поэтому успех будет зависеть от желания и возможностей их хозяев фактически обеспечить эту трансформацию финансово и, так сказать, административно.

Для нас это не очень хороший звоночек и сигнал, потому что в случае успешности этой трансформации, реформа армии противника повысит её боеготовность. Допустить этого мы не должны. Надо внимательно за всем этим следить. Потому что даже в случае окончания боевых действий и подписания каких-то мирных договорённостей, в любом случае Украина, как государственное образование, никуда не исчезнет, судя по всему. Она может остаться в более сжатых границах, но продолжит существовать на наших границах, где бы они ни проходили. И оно будет явно враждебным к нам.

Трансформация ВСУ создаст более боеспособную армию и, потенциально, будет нести угрозу даже после того, как наступит мир. Поэтому наблюдаем со всей осторожностью за всеми трансформациями, которые происходят в вооружённых силах противника..

Встреча Дональда Трампа и Владимира Зеленского, возможно, состоится на следующей неделе, сообщает Reuters. Также президент США вновь подчеркнул заинтересованность во встрече с Владимиром Путиным и в завершении украинского конфликта.

/

Когда Трампа спросили о месте встречи, тот ответил: "Я здесь", намекая на Вашингтон. Он объявил, что не собирается посещать Украину.

 

 

 

Автор: Стив Холланд (Steve Holland).

 

Заканчиваются первые несколько суток работы системы и уже можно подвести первые итоги.

Система заработала без особых сбоев. Сайт не сбоит и не виснет при постоянном доступе. Информацию можно проверять через отдельный сайт, можно через госуслуги.

Система оказалась хорошо синхронизирована с банками, чувствуется неплохая подготовительная работа. Банки, особенно Т-банк, молниеносно блокируют карточки всех, попавших в реестр. Люди говорят, что блокировка карточки происходит даже быстрее, чем запись в реестре. При этом в самом банке организованы точки контактов, через которые можно оперативно прояснять ситуацию, включая электронную почту, доступ в мессенджерах и т.д.

Официальные комментарии МВД: "За первые сутки работы реестра контролируемых лиц с помощью интерактивной формы на официальном сайте МВД России осуществлена 62 761 проверка в отношении иностранных граждан. По результатам проверки: 7 191 находится в реестре, 55 570 не находятся в реестре". Неплохо.

При попадании в реестр, никаких подробностей о причинах блокировки узнать возможности нет. Необходимо самостоятельно обращаться в полицию личным порядком или, как минимум, звонить и писать.

Прояснились некоторые нюансы - система видит все административные штрафы и при наличии 2-х и более в течение года автоматом лишает ВНЖ и добавляет в реестр. Это очень важный момент.
Человек внесенный в реестр не может въехать на территорию РФ.

Система не дает пользоваться безналичными деньгами - счета и карточки сразу блокируют, есть возможность оплачивать только налоги и штрафы, так же можно снимать в отделении банка наличность, но не более 30 тысяч в месяц.

Неясной остается ситуация с уголовными статьями. В описании было указано, что приговор является основанием для внесения в реестр.

В остальном пока все соответствует предварительным описаниям.

Технические шероховатости

Есть нарекания от граждан Казахстана с ВНЖ об ошибочном внесении. При чем, через некоторое время запись сама собой пропадает. В интернете решили, это связано с тем, что ВНЖ для казахстанцев маркируется некой буквой Н в паспорте и ее кому-то ставили, кому-то нет. Возможно дело в этом.

В целом есть жалобы на внесение в реестр при правильно оформленных документах. Вероятно, в систему сначала внесли сразу все данные и потом по фильтрам исключали. Может часть фильтров не сработало и в работу ушло некоторое количество корректно оформленных мигрантов. С ними довольно быстро разобрались и исключили из реестра. То есть, поддержка системы тоже на высоте.
Других технических проблем не наблюдается.

Не частно у нас новые информационно-технические проекты с самого начала работают без сбоев. В данном случае всё работает.

Запуск реестра это новая эра во взаимоотношениях россиян и мигрантов. Уверен, большинство пока не понимают масштаб последствий от введения этого инструмента. Это сравнимо с изобретением антибиотика, не меньше.

Одним движением устраняется 90 % коррупции, 90 % лени полицейских и большая часть "решалова" диаспор. И все это централизовано, абсолютно прозрачно и в реальном времени.

Вишенка на торте - снижение нагрузки на личный состав МВД, потому что почти все действия происходят автоматом. Нарушителям-мигрантам даже некому совать взятки.

Ещё важный момент насчет 2 административок. Норма про возможность лишения ВНЖ и депортации при 2 административных штрафах в течение одного года существовала и раньше, однако толком не работала. Увидеть штрафы можно было только если привезти мигранта в отдел и специально проверить. После чего его дело МОГЛО отправиться в суд, (а могло и не направиться), где судья МОГ вынести решение о выдворении, (а мог и отказать).

То есть, сплошные если бы, да кабы. Практика по депортациям за 2 административки была очень грустной. Депортировали очень мало. Теперь все в корне меняется - все моментально, прозрачно и в автоматическом режиме.

Не следует проходить мимо правонарушений мигрантов. Любых: распивает алкоголь, отправляет религиозный культ в общественном месте, шумит, неподобающе себя ведет, не дай бог проявляет агрессию - сразу вызывайте полицию и Русскую общину для оформления правонарушений.

Если мигрант нарушает закон - он должен покинуть Россию.

Ещё интересное - Пошлины Трампа на товары из Канады и Мексики взвинтят цены на автомобили в США - народ не поймёт

Источник

В 2024-2025 годах мы наблюдаем стремительные достижения в сфере искусственного интеллекта (ИИ), которые вновь разжигают дискуссию о технологической сингулярности - моменте, когда ИИ превзойдёт человеческий интеллект и выйдет из-под нашего контроля. Часто это сравнивают с "горизонтом событий" чёрной дыры, за которым происходят процессы, непостижимые для человеческого ума [1]. В данной статье представлен подробный анализ последних прорывов в области ИИ и смежных технологий. Мы исследуем их экономическое и социальное влияние и рассмотрим, пересекло ли человечество уже горизонт событий или всё ещё на пути к нему. Главные аспекты включают темпы развития ИИ, возможные признаки приближения к полноценному ИИ (AGI), влияние на занятость и общество, а также реакцию правительств и общественности.

Последние прорывы в ИИ

Значимые достижения в ИИ и AGI

• Модели OpenAI o1 и o3. В конце 2024 года компания OpenAI представила "o1", новую серию языковых моделей (LLM), ориентированных на более глубокое "размышление" перед выдачей ответа. В отличие от предыдущих GPT-моделей, o1 генерирует развернутые цепочки размышлений, что существенно повышает качество решения сложных задач [2]. При запуске o1 почти достигла уровня PhD (доктор наук) и решила ~83% продвинутых математических задач (AIME) против лишь 13% у GPT-4 [3], а также заняла верхние строчки в конкурсах по программированию [4]. Это указывает на более универсальные способности к решению задач. OpenAI позиционирует o1 не как прямого преемника GPT-4, а как дополнительный инструмент; тем не менее, он явно выходит на новые технические рубежи. Ещё более мощная модель под названием "o3" проходила тестирование к концу 2024 года [5],[6], минуя по нумерации "o2". Ранние тесты говорят о том, что o3 ещё дальше расширит возможности рассуждения, подчёркивая нарастающие темпы развития ИИ.

• DeepSeek R1 (открытый ИИ для рассуждений). Ещё одним громким событием стало появление в 2024 году DeepSeek-R1, созданного китайцами и выложенного в опенсорс. По многим математическим и программным тестам DeepSeek-R1 приблизился к уровню OpenAI o1, но при этом был ~на 96% дешевле в использовании [7]. Удивительно, что модель была обучена всего на ~2000 графических процессорах (гораздо меньше, чем обычно нужно для передовых моделей), благодаря эффективному обучению с подкреплением и алгоритмам рассуждения [8]. Высокая производительность и доступность (лицензия MIT) говорят о "демократизации" продвинутого ИИ [9]. Этот пример показывает, что ведущих результатов могут добиваться и небольшие коллективы при умном подходе, а не только крупные корпорации. Исследователи IBM отмечают, что DeepSeek умеет "думать о собственном мышлении" (метапознание) - это существенный рывок: модели нового поколения не просто выдают ответы, а делят проблему на шаги и проверяют правильность своих рассуждений [10]. Подобный стиль "поэтапного мышления", впервые популяризированный OpenAI o1, теперь стал ведущей тенденцией в исследовании ИИ.

• Google Gemini 2.0. В декабре 2024 года Google DeepMind представила Gemini 2.0, свою самую продвинутую на сегодняшний день модель ИИ [11],[12]. Gemini 2.0 - это мультимодальная система, способная работать с текстом, изображениями, аудио и видео; она также обладает способностями к "использованию инструментов" (tool use). Модель не только анализирует мультимодальные входные данные, но и может генерировать различные типы вывода (изображения, многоязычную речь) и даже самостоятельно обращаться к внешним API [13]. Это решение призвано, по словам Google, стать шагом к "эпохе агентности", где ИИ ведёт многошаговое планирование и действует как полноценный агент [14],[15]. Gemini 2.0 существенно превосходит свою предыдущую версию (Gemini 1.5) по ключевым показателям и работает вдвое быстрее [16]. По заявлениям компании, это большой шаг к "универсальному помощнику" - прототипу полноценного AGI, встроенного в повседневную жизнь [17],[18]. Исполнительный директор Google, Сундар Пичаи, назвал 2.0 значимым рубежом на пути к созданию AGI и отметил, что система "позволяет перейти к новому классу агентных возможностей" [19].

• Другие важные достижения:

  • Claude 2 от Anthropic (2024) и ряд конкурентов GPT-4 увеличили "контекстное окно" до свыше 100k токенов, что даёт возможность обрабатывать документы книжного объёма.

  • Meta AI продолжает открывать доступ к новым моделям (преемникам LLaMA 2), которые исследователи по всему миру могут донастраивать для решении узких задач.

  • Китайские компании тоже совершают рывки: например, UI-TARS от ByteDance (2024) умеет распознавать и автономно управлять графическими интерфейсами, опережая на некоторых тестах GPT-4, Claude и Google Gemini [20].

  Все эти проекты стирают грань между цифровым помощником и роботом, ведущим действия в окружающем мире, демонстрируя, что ИИ становится всё более универсальным: он уже хорош не только в языке, но и в анализе изображений, написании кода, математике, научном моделировании и т.д. Хотя пока ни одна из существующих систем не является полноценным общим интеллектом, спектр их умений стремительно расширяется. Многие эксперты отмечают, что темпы появления новых технологий ускоряются: то, на что раньше уходили десятилетия, теперь достигается за год или даже быстрее, поддерживая догадки, что "взрыв интеллекта" может случиться в обозримом будущем.

Достижения в смежных областях (квантовые вычисления и биотехнологии)

Прогресс в сопутствующих сферах также ускоряет эволюцию ИИ. В квантовых вычислениях в 2024 году были продемонстрированы прототипы систем с числом кубитов свыше 1000, а улучшенные методы коррекции ошибок дают надежду, что в обозримом будущем квантовые компьютеры решат некоторые задачи быстрее классических суперкомпьютеров. Пока это скорее лабораторные эксперименты, но они потенциально могут ускорять задачи оптимизации и машинного обучения, в частности - обучение сложных моделей. Хотя такое практическое влияние ещё впереди, сам факт развития квантовых методов подкрепляет гипотезу беспрецедентного роста вычислительной мощности - ключевого фактора на пути к AGI.

В области биотехнологий ИИ уже широко применяется и получает обратное развитие. Например, с AlphaFold (2021) компания DeepMind совершила революцию в предсказании структуры белков, а в 2024 году целый ряд ИИ-программ для поиска лекарств вышли на стадии клинических испытаний. Генеративные модели теперь проектируют белки и генетические последовательности с заданными функциями, ускоряя создание вакцин и новых лекарств. Параллельно успехи в нейробиологии и биотехе дают идеи для новой архитектуры ИИ: нейроморфные чипы, копирующие структуру мозга, или интерфейсы "мозг-компьютер", сближающие человеческий интеллект и ИИ. Подобные междисциплинарные шаги обогащают потенциальные возможности ИИ (например, умением работать с биохимическими данными или моделировать мозг) и могут приблизить нас к сверхразумным системам. Хотя квантовые вычисления и биотехнологии - не главная ось развития ИИ 2024 года, они усиливают его прогресс, формируя технологическую конвергенцию, где ИИ подпитывается всё более мощными вычислительными ресурсами и биологическими инсайтами, двигаясь к сингулярности.

Экономические последствия революции ИИ

Автоматизация и занятость

Бурное развитие ИИ вызвало горячие споры о будущем труда. Генеративный ИИ и передовые системы автоматизации всё активнее вытесняют рабочие места, причём речь идёт не только о ручном труде, но и об офисных работниках и творческих профессиях, ранее считавшихся относительно безопасными для автоматизации. По оценкам аналитиков, почти 40% рабочих мест в мире хотя бы частично подвержены риску автоматизации с помощью ИИ [21]. В экономически развитых странах этот показатель может достигать ~60%, поскольку ИИ всё больше затрагивает высококвалифицированные сферы - от программирования и написания юридических документов до анализа данных [22]. В отличие от предыдущих волн автоматизации, которые в основном затрагивали рутинный заводской труд, современные ИИ-системы осваивают сложную когнитивную работу (написание текстов, программирование, интерпретация медсканов), что провоцирует опасения, что совершенно новые категории специалистов окажутся под ударом.

Ряд исследований пытается оценить этот потенциальный сдвиг. Например, анализ Goldman Sachs (2023) прогнозирует, что генеративный ИИ может автоматизировать эквивалент 300 млн полноценных рабочих мест в США и Европе в ближайшие годы [23]. Исследование McKinsey Global Institute показывает, что к 2030 году может быть автоматизировано около 30% общего рабочего времени (в сравнении с ~21% сегодня) [24]. Это означает десятки миллионов рабочих мест. В части профессий (медицина, юриспруденция, ИТ) ИИ уже берёт на себя значительную часть обязанностей. Например, многие СМИ применяют ИИ для генерации новостных заметок, а сервисные центры - для первичной клиентской поддержки. По опросу 2024 года, 3 из 10 компаний сообщили о прямой замене сотрудников ИИ за последний год [25], что ещё недавно казалось немыслимым. Это первые признаки более масштабного волнообразного процесса.

Однако общий эффект на занятость неоднозначен. Ранее технологический прогресс создавал и новые рабочие места - и в отношении ИИ предполагается аналогичное. Некоторые экономисты говорят, что ИИ будет не только вытеснять сотрудников, но и расширять их возможности, повышая производительность и порождая спрос на новые, более квалифицированные роли. Исследование Международного валютного фонда 2024 года указывает, что в половине профессий, подверженных риску автоматизации, ИИ может повышать эффективность (а не заменять людей полностью) [26]. По их прогнозам, многие рабочие места трансформируются вместо полного исчезновения: сотрудники будут работать бок о бок с ИИ-инструментами, а сами роли изменятся с учётом того, что человек по-прежнему лучше в стратегическом мышлении, эмоциональном интеллекте и уникальном творчестве. Исследование Института Тони Блэра (2024) по Великобритании оценивает, что в долгосрочной перспективе из-за ИИ может исчезнуть до 3 млн рабочих мест, но скорее всего общий уровень безработицы увеличится не столь значительно, потому что появятся новые рабочие места [27]. А в прогнозе Forrester потери рабочих мест в США от генеративного ИИ к 2030 году составят лишь около 1,5%, и новые вакансии почти компенсируют эти потери [28]. Оптимистичный сценарий предполагает, что как и в прошлые периоды, рынок труда адаптируется к новым условиям.

Фактическое влияние ИИ на занятость, однако, не будет однородным. Некоторым секторам и группам специалистов грозит серьёзный удар, другим - более плавные перемены. Скажем, полностью заменить персонал на конвейере было относительно просто в предыдущие волны автоматизации, а теперь под угрозой и рутинная офисная работа (телемаркетинг, ввод данных, бухгалтерия), и высококвалифицированные профессии (юристы, врачи, программисты). В долгосрочной перспективе это может требовать коренной перестройки системы образования и постоянного переобучения работающих. При этом экономисты сходятся во мнении, что значительные потрясения неизбежны, даже если массовой безработицы удастся избежать [29]. В переходный период многих работников ждут увольнения и поиск новой сферы деятельности. Власти некоторых стран сообщают о низком уровне безработицы, но за этими цифрами может скрываться нестабильность, когда люди подолгу не могут найти себя в новых реалиях. В сумме, рынки труда переживают перелом, сопоставимый по масштабам с промышленной революцией: ИИ обещает и рост производительности, и болезненную перестройку одновременно.

Неравенство и экономические сдвиги

Главная тревога - ИИ может усугубить экономическое неравенство. Если не предпринять мер, выгоды от ИИ могут достаться ограниченному кругу - владельцам и инвесторам AI-компаний, узкому слою высококлассных разработчиков, тогда как вытесняемые автоматизацией сотрудники рискуют остаться в проигрыше. МВФ предупреждает о возможной поляризации: работники, сумевшие овладеть ИИ-инструментами, станут более продуктивными и будут получать высокую зарплату, в то время как остальные могут столкнуться со стагнацией доходов [30]. Если половину задач в вашей профессии теперь способна выполнять машина, ваша переговорная позиция и уровень оплаты труда снижаются.

Одновременно есть аргументы, что ИИ может снизить неравенство за счёт удешевления некоторых "элитных" услуг. Если ИИ научится качественно ставить медицинские диагнозы или составлять юридические документы, упадёт стоимость этих услуг, что расширит их доступность. А использование ИИ-помощников может повысить производительность менее квалифицированных работников. К примеру, учитель средней руки при поддержке ИИ-помощника может добиться результатов, раньше достижимых лишь лучшими преподавателями. Исследования показывают, что ИИ способен сократить разрыв в доходах, если будет преимущественно повышать производительность низкоквалифицированного труда [31]. Исход в плане неравенства не предрешён: он зависит от того, как бизнес и государство будут внедрять ИИ.

Также может расшириться разрыв между странами. Развитые государства, которые первыми внедрят передовые ИИ-системы, будут ещё быстрее наращивать производительность и богатство, тогда как страны, не располагающие ресурсами или специалистами в этой сфере, могут отстать [32]. Особенно уязвимы государства, экономика которых строится на аутсорсинге услуг (колл-центры, программирование): подобная работа станет не нужна, если её будут выполнять ИИ. В долгосрочной перспективе, если ИИ позволит одной группе стран производить товары и услуги практически без участия человека, их конкурентное преимущество может радикально возрасти. Внутри стран усиливается риск монополизации: гиганты вроде OpenAI, Google и других, вкладывающие миллиарды в исследования, могут занять доминирующие позиции, контролируя облачные сервисы и фундаментальные "базовые модели" (foundation models). Такая концентрация ИИ-возможностей в руках немногих корпораций или государств может привести к сценарию когда "победитель получает всё" а остальные, как водится, ничего.

Столь массивная перестройка рынка труда угрожает обнищанием части населения и усилением социальных разрывов. Сокращение привычных рабочих мест при отсутствии надёжной поддержки от государства может подстегнуть рост безработицы и бедности. Даже при сохранении рабочих мест зарплаты могут замедлиться в росте, если ИИ берёт на себя половину обязанностей сотрудника. Тогда вопрос перераспределения плодов роста производительности (через зарплаты, снижение цен или общественные сервисы) становится центральным: пойдут ли выгоды ИИ на пользу всему обществу или осядут у узкого круга лиц? С учётом того, что во многих странах мира уже наблюдается рост неравенства, ИИ может стать катализатором для ещё большего расслоения. Некоторые футурологи говорят, что в долгосрочной перспективе роботы и ИИ смогут обеспечивать изобилие благ, и тогда всё человечество выиграет. Но до такой "утопии" ещё нужно дожить. В ближайшие годы нас ждёт сложная адаптация.

Социальная стабильность и общественная реакция

История показывает, что слишком быстрые технологические изменения без адекватной социальной адаптации могут вести к кризисам. Масштабные увольнения и страх "оказаться ненужным" часто приводят к социальной напряжённости - от протестов до массовых беспорядков. Эксперты всё чаще предупреждают об этом сценарии: ещё в 2017 году группа учёных MIT пришла к выводу, что "быстрый рост ИИ таит угрозу не в самом восстании роботов, а в массовой экономической дестабилизации и социальной турбулентности" [33]. В 2025 году эти опасения становятся всё более ощутимыми: в разных странах происходят забастовки и акции, от голливудских сценаристов (2023) до водителей сервисов доставки, требующих ограничить влияние алгоритмов. По опросам, большинство людей скорее тревожится, чем радуется новому витку развития ИИ [34]. Идея, что "роботы отнимут все рабочие места", перестала быть научной фантастикой и стала частью общественного дискурса.

Если доля безработных в будущем окажется чрезмерно высокой, возможна политическая и социальная дестабилизация. Моделирование некоторых исследователей показывает, что при уровне безработицы 40-50% возникает ~65% вероятность серьёзных общественных беспорядков [35],[36]. Хотя подобные цифры выглядят экстремально и маловероятно, что мы достигнем их скоро, риск недовольства и нестабильности растёт уже сейчас. Даже при меньшем уровне безработицы, но сосредоточенном в конкретных регионах или секторах, могут развиваться очаги напряжённости. Есть опасение формирования так называемого "бесполезного класса", людей, которые не видят для себя роли в новой экономике, что ведёт к депрессии и другим социальным последствиям [37]. На психологическом уровне ощущение замены человека машиной порождает экзистенциальный кризис и снижает мотивацию.

Другой риск - общественная враждебность к технологиям как к источнику проблем. У людей может возникнуть желание бороться с автоматизацией, например, громить роботов или оказывать политическое давление на власти, требуя полной остановки развития ИИ. Окончательно положение может осложнить широкое использование ИИ в создании фейков, пропаганды, взломе систем и т.д. Все эти факторы рисуют два потенциальных сценария: либо ИИ приведёт к новому расцвету с ростом благосостояния, либо раздробит социальную ткань общества. Причём готовность к этим изменениям у госорганов весьма ограничена. По свежему исследованию, лишь ~10% правительств владеют стратегиями, достаточными для управления рисками массовой безработицы и неравенства, вызванными ИИ [38],[39]. Технологии идут быстрее, чем политические меры и системы образования, и именно это отставание напоминает "горизонт событий" - когда изменения уже не остановить, а последствий ещё не осознали.

Государственные меры и стратегии адаптации

Осознав масштабы угроз и возможностей, власти разных стран начали формировать первые меры. В центре внимания - как максимизировать выгоды от ИИ и смягчить негативные эффекты для общества. Основные направления:

• Безусловный базовый доход (ББД) и реформирование соцобеспечения. Самая смелая идея - обеспечивать каждому гражданину гарантированный доход, финансируемый государством. Сторонники (в том числе Илон Маск и Сэм Альтман) утверждают, что при масштабной автоматизации ББД позволит людям получать долю богатств, генерируемых ИИ [40]. Это может защитить общество от массовой бедности. Некоторые правительства тестируют пилотные проекты ББД или обсуждают дополнительные пособия, отрицательный подоходный налог и другие меры. Выдвигаются и идеи "налога на ИИ" для перераспределения средств от компаний, интенсивно внедряющих автоматизацию [41]. Пока ББД вызывает противоречия и повсеместно не применяется, но разговор об этом вышел из маргинальной зоны в мейнстрим именно благодаря ИИ.

• Переобучение и образовательные инициативы. Важнейший приоритет политиков - подготовка кадров к новой реальности. Государственные и корпоративные фонды финансируют программы, обучающие программированию, анализу данных, кибербезопасности, работе с роботами и т.д. Речь идёт о курсах для взрослых, переориентации уволенных специалистов, а также реформе школьного образования, где больше внимания уделяют цифровой грамотности, критическому мышлению и творчеству. Предполагается, что такие навыки будут цениться даже при широком внедрении ИИ. Некоторые страны вводят государственно-частные партнёрства, где компании обучают своих работников пользоваться ИИ, а не заменяют их. Хотя переобучение не решит всех проблем (не все хотят или могут стать программистами), это ключ к тому, чтобы работники перешли в сферы, где ИИ - это инструмент, а не конкурент.

• Сокращение рабочего времени и разделение вакансий. В свете роста производительности благодаря ИИ снова активно обсуждается идея уменьшения стандартной рабочей недели. Если те же результаты можно достичь за меньшее время, почему бы не ввести 4-дневную неделю без потери зарплаты? Ряд компаний уже проводит подобные эксперименты с положительными результатами. Сокращая рабочее время, мы можем "разделить" труд между большим числом людей, снижая безработицу. Ещё Джон Мейнард Кейнс в начале XX века предсказывал, что с развитием технологий в 2030 году люди будут работать по 15 часов в неделю [42],[43]. ИИ приблизил нас к этой идее. Некоторые правительства предлагают стимулировать компании к сокращению рабочего дня или внедряют гарантированный труд (job guarantee), чтобы каждый желающий имел работу в сфере общественных работ или ухода. Это требует пересмотра отношения к труду как к цели самой по себе.

• Регулирование разработки и использования ИИ. Власти также пытаются регулировать ИИ, чтобы обезопасить граждан и снизить риски для экономики. Евросоюз разработал Закон об ИИ (EU AI Act), который классифицирует приложения по степени риска, запрещает некоторые сценарии и требует прозрачности для генеративных моделей. В 2024-2025 годах планируется введение этого закона. Другие страны, в том числе Великобритания, Канада и Китай, создают свои нормы регулирования. В США президентским указом введён механизм мониторинга больших моделей, а также создан Институт безопасности ИИ, аналогичный британскому [44]. В ноябре 2024 года прошла Саммит по безопасности ИИ в Блетчли-парке, где многие страны согласовали общие принципы, в том числе слежение за "передовыми ИИ". Все эти меры напоминают усилия в сфере ядерного нераспространения и отражают осознание, что сверхразумные системы - это вызов, который требует глобальной координации.

• Этика и безопасная разработка. Крупные лаборатории (OpenAI, Google DeepMind и др.) поддерживают подход "ответственной разработки", ориентируясь на ценности общества. Выделяются средства на исследования по "согласованности" - чтобы цели ИИ были согласованы с человеческими, на интерпретируемость (понимание принятия решений ИИ) и устойчивость (robustness). Так, OpenAI тестировала o1 с участием внешних специалистов по безопасности и обнаружила уязвимости, связанные с потенциальным биотеррором [45]. Идеи лицензирования ИИ-моделей сверхопределённой мощности набирают популярность: компании должны получать разрешение на обучение таких моделей, показывая, что внедряют меры безопасности. Обсуждается также "налог на сверхприбыль ИИ" (windfall tax), по которому при огромной маржинальности ИИ-проекта часть прибыли автоматически перераспределяется обществу. Эти идеи пока в зачатке, но отражают желание не допустить бесконтрольного роста могущества нескольких корпораций.

Таким образом, хотя политические круги реагируют на вызовы ИИ, общественные механизмы отстают от темпов развития технологий. Наблюдаются многочисленные концепции и пилотные проекты, но реально работающие решения внедряются медленно. Ближайшие несколько лет покажут, справятся ли системы соцобеспечения, образования и госуправления с потоком изменений. От этого будет зависеть, станет ли ИИ движущей силой к процветанию или к углублению глобальных разрывов.

Так насколько же все-таки близка сингулярность?

Определить, как далеко мы до технологической сингулярности, можно разными способами - от количественных (сравнение ИИ и человека на тестах) до качественных (наличие непредсказуемого самосовершенствования ИИ). Взглянем на ключевые признаки и мнения экспертов.

Техническое развитие

Один из методов - оценивать, на каком уровне ИИ решает задачи в сравнении с людьми. К 2024 году искусственные системы по многим узким направлениям превзошли людей: например, ошибки в компьютерном зрении давно меньше, чем у человека, а такие модели, как GPT-4, превосходят средние результаты людей на некоторых экзаменах. Новые модели для рассуждений пошли дальше. OpenAI o1 справляется с задачами уровня вузовских олимпиад [46], DeepSeek-R1 показывает сопоставимое мастерство [47], причём оба ориентированы на пошаговое решение. Перевод текста - ещё одна ключевая веха: многие системы близки к уровню носителей или, по крайней мере, постоянно снижают время и ошибки в пост-редактировании [48],[49].

При всём этом у современных ИИ есть известные ограничения. Им трудно "понимать" мир по-человечески, они могут ошибаться в элементарных ситуациях (отсутствие здравого смысла) или "галлюцинировать" факты. Они не обладают цельной "картиной мира" и навыками, которые присущи людям с детства (спонтанное обучение, физическая интуиция, социальное взаимодействие). Пока ни один ИИ не обладает телом или сенсорным опытом, аналогичным человеческому. Многим учёным кажется, что для настоящего общего интеллекта мы должны внедрить новые принципы (символические методы, когнитивные архитектуры, эмбодимент), а не просто масштабировать архитектуру нейронных сетей. И всё же с каждым годом ИИ берётся за задачи, которые раньше казались прерогативой людей, - от доказательства теорем до написания художественных текстов.

Особенно важен критерий самоулучшающегося ИИ. Сейчас ИИ-модели уже помогают в проектировании следующих поколений чипов (AI-designed hardware) и оптимизируют архитектуры нейронных сетей (AutoML). Это первые элементы "рекурсивного самосовершенствования". Полностью автономной спирали, где ИИ без участия человека начинает радикально улучшать собственную структуру, пока нет. Но рост вычислительных мощностей, объём инвестиций и успех в смежных технологиях подталкивают нас к тому, что подобный сценарий не исключён в обозримой перспективе.

Мнения экспертов и прогнозы

Мнения специалистов о сроках сингулярности поляризованы: от тех, кто считает, что она наступит очень скоро, до скептиков. В "оптимистическом лагере" - Сэм Альтман, предположивший в 2023 году, что "Сингулярность может наступить уже к 2025 году" [50]. Исследователи DeepMind также предполагают, что в течение десятилетия можно достичь AGI, если текущее ускорение сохранится. По опросам специалистов прошлого десятилетия, медианный прогноз AGI - 2040-2050 годы, но после GPT-4, o1 и других рывков временные горизонты часто пересматривают в сторону ускорения.

С другой стороны, Йошуа Бенжио, Джеффри Хинтон и Янн Лекун подчеркивают, что для настоящего AGI нужно качественно новое понимание: у современных моделей нет настоящего самосознания, они базируются на больших массивах данных, но испытывают сложности с обобщением и планированием в реально непредсказуемой среде. Гэри Маркус и Мелани Митчелл говорят о хрупкости нейросетей при столкновении с новыми или неструктурированными задачами: способность решать тесты и создавать правдоподобный текст не равносильна человеческому пониманию.

Футуристы вроде Рэя Курцвейла сохранили прогноз, что сингулярность будет к 2045 году [51]. Он указывает на "экспоненциальную кривую" развития ИИ и предполагает, что к 2029-му ИИ преодолеет тест Тьюринга, а спустя ещё 16 лет случится слияние человеческого и машинного интеллекта. Илон Маск и Элиезер Юдковский предупреждают об угрозе, что сверхразум, возникнув неожиданно, станет неконтролируемым. Юдковский призывает к мораторию на исследования самых мощных моделей, опасаясь, что при достижении некоего порога ИИ станет сильнее людей, и действовать будет поздно - словно за горизонтом событий.

Таким образом, оценки сильно различаются. Экономисты и социологи меньше сконцентрированы на точной дате AGI и больше - на траектории влияния ИИ: даже "узкий" ИИ может радикально переформатировать рынки и перераспределить власть. Для них вопрос о "сингулярности" частично снимается, ведь и без абсолютного AGI уже происходят перемены исторического масштаба.

Первые истребители Mirage прибыли на Украину, заявил министр обороны Франции Себастьян Лекорню в соцсети.

"Шестого июня 2024 года Эммануэль Макрон объявил о поставке на Украину французских Mirage 2000. Первые из них прибыли на Украину сегодня", - написал он. По его словам, самолетами управляют украинские пилоты, которые прошли подготовку во Франции.

Осенью 2024 г. вице-президент комиссии по обороне в Нацсобрании Франк Жилетти заявил, что всего Незалежной будет поставлено 6 Mirage 2000. Надо отметить, что у французских ВВС всего 26 таких самолетов.

А ведь было время, когда французские летчики ехали в Советский Союз, чтобы сражаться с немецкими фашистами и их пособниками, в том числе украинскими националистами, в составе авиаэскадрильи "Нормандия", впоследствии ставшей авиаполком "Нормандия-Неман".

"Нормандия" не была "показушным" подразделением, участвовала в тяжелых боях. Из первого состава эскадрильи в живых осталось три летчика: Герой Советского Союза Марсель Альбер, Герой Советского Союза Роллан де ля Пуап и Жозеф Риссо.

По воспоминаниям генерала, Героя Советского Союза Георгия Захарова, в составе авиадивизии которого воевала французская эскадрилья, особенно тяжелыми были бои на Курской дуге. В Курской области и сейчас идут тяжелые бои с фашистами...

Летчик Пьер Пуйяд, прибывший в эскадрилью с пополнением в июне 1943 г. (впоследствии командир полка "Нормандия-Неман"), вспоминал:

"До 20 июля мы летали беспрерывно вместе с 18-м гвардейским полком. 12 июля немцев в воздухе почти не было. 13-го мы сбили два "Мессершмитта-110". В последующие четыре дня мы сбили еще семнадцать самолетов. В основном истребителей, которых перехватывали, когда они прорывались к нашим Пе-2. Беген был ранен в бедро. Де Тедеско пропал без вести. Литольф, Кастелен, Бернавон погибли шестнадцатого. 17 июля не вернулись Тюлян и Вермей. 18 июля я принял командование группой. Оставалось девять летчиков: Прециози, Риссо, Альбер, Дюран, Матисс, Бон, де Форж, Леон и я. Де ля Пуап находился на излечении: у него лопнула барабанная перепонка. Лефевр был болен. Каждый засыпал рядом с пустой койкой"...

Заслуги французских воздушных бойцов советское командование оценило. Летчики из Франции были щедро награждены орденами и медалями. Четырем летчикам было присвоено звание Героя Советского Союза. В 1945 г. возвращались французские пилоты домой на подаренных им советских истребителях Як-3. Что бы они сказали про отправку Mirage 2000 для войны против России?

Георгий Захаров писал в мемуарах:

"Спустя много лет после войны во Франции мне довелось принять участие в телепередаче, посвященной истории полка "Нормандия-Неман"....

А еще через некоторое время я узнал об одном публичном выступлении бывшего командира полка "Нормандия - Неман" Луи Дельфино (третий командир - после Жана Тюляна и Пьера Пуйяда). Это было в один из периодов, когда во Франции активно действовали силы, противящиеся сближению Франции и СССР. Луи Дельфино в то время был генерал-лейтенантом и занимал пост главного инспектора ВВС Франции. Свою речь перед соотечественниками он закончил так: "До тех пор, пока я не побывал в Советском Союзе, я мыслил так же, как многие из вас. Но я был там, я узнал советских людей, силу их оружия и прошел вместе с ними бои с фашизмом. И я клянусь всевышним, что никогда не подниму оружия против Советского Союза. И вас к этому призываю".

Что бы сказал Луи Дельфино о помощи из Франции необандеровцам, воюющим против России?

Мы постоянно слышим хайповые заявления: "ИИ нас всех заменит", "экспертиза больше не является ограничением", "мы уже знаем как создать AGI" итп. Под влиянием медиа и общественных ожиданий многие воспринимают потенциальные или прогнозируемые технологии как уже существующие.

В этой статье мы разберём, какие задачи искусственный интеллект реально решает уже сегодня, и как их можно разделить на категории: Инженер, Аналитик, Рассказчик и Ассистент. Мы также рассмотрим текущее распределение задач между этими категориями и спрогнозируем, какие изменения произойдут в ближайшие годы.

Далее мы погрузимся в технологии, лежащие в основе ИИ, и разберём их зрелость с помощью Wardley Map - как для классического машинного обучения, так и для генеративных моделей. Особое внимание уделим Retrieval‑Augmented Generation (RAG), одной из наиболее применимых в бизнесе технологий.

Наконец, мы ответим на два практических вопроса: как понять, что бизнесу пора внедрять ИИ, и как выбрать подходящий метод машинного обучения для конкретных задач.

Типичный запрос бизнеса

Кликбейтные заголовки в СМИ сформировали распространённый бизнес‑запрос: "Мы хотим поэкспериментировать с ИИ, у нас есть бюджет X. Если мы обучим ИИ на всех наших данных, что он сможет делать?"

В ответ звучат голоса техноскептиков: "ИИ - это просто модный хайп. Ничего не изменилось. Через год про него забудут так же, как про блокчейн. Следить за трендами бессмысленно".

Первая постановка вопроса кажется мне безосновательно оптимистичной, а вторая - безосновательно скептической. Поэтому важно взглянуть на тему системно: что именно доступно вот уже в этом году, сегодня, прямо сейчас. Какие задачи нормально решают машины, с каким качеством и с какими вложениями. И куда сдвинется вектор на небольшом горизонте будущего в пару лет.

В этой статье мы разберём ландшафт ИИ с прикладной точки зрения, чтобы понять, что действительно работает уже сейчас, а что пока просто красиво звучит.

Сейчас, а не потом: что ИИ реально решает уже сегодня?

Хотя хайп вокруг ИИ - относительно недавнее явление, машинное обучение используется для решения прикладных задач уже давно.

До появления трансформерных моделей методы машинного обучения были ограничены задачами анализа и классификации. Эти модели решали задачи вроде "распознай объект" или "предскажи следующую покупку", что имело прикладное, но относительно предсказуемое применение.

Ключевой прорыв произошёл с появлением трансформеров, таких как BERT, GPT и их аналоги. Именно трансформерная архитектура позволила сделать переход от анализа к генерации.

Генерация позволяет моделям не только анализировать или классифицировать существующие данные, но и создавать новые. Эта способность расширила применимость технологий машинного обучения для бизнеса: возможности для автоматизации нашлись в финансах, маркетинге, дизайне, продажах - словом, практически в каждом отделе современной компании.

Однако, несмотря на их мощь, генеративные модели остаются статистическими системами. Они по построению основаны не на логике, а на вероятностных закономерностях в данных. Это накладывает важные ограничения:

• они могут оперировать только в рамках "общедоступных знаний", на которых учились;

• у них нет отраслевой экспертизы: они не знают правил и методик, не умеют интерпретировать строго формализованные системы знаний.

Если мы хотим, чтобы модель действительно разбиралась в узкой сфере, экспертизу придется закладывать вручную.

Таким образом, если разложить современные задачи ИИ по двум ключевым осям - "Анализ vs. Генерация" и "Общедоступные vs. Узкоспециализированные знания", - можно выделить четыре больших категории применений. Эти категории можно условно назвать так: Инженер, Аналитик, Рассказчик и Ассистент.

Инженер

В этом блоке - задачи, которые требуют участия человека‑эксперта для подготовки данных: в первую очередь это задачи компьютерного зрения и классификации.

Системы компьютерного зрения могут, например, выявлять дефекты на производственных линиях, анализировать качество выкладки товаров в магазине или определять объекты на видео.

Однако для того, чтобы такие модели работали эффективно, требуется большое количество размеченных данных. Человеческие эксперты вручную создают датасеты, например, классифицируют дефекты на фотографиях грузов или маркируют товары в магазине. Чем больше и точнее эти данные, тем лучше работает модель.

Примеры:

• Компьютерное зрение для приемки грузов на склад

• Извлечение информации с документов и счетов с помощью компьютерного зрения

• Роботизированная система сортировки мусора

Аналитик

В этом блоке - задачи, которые опираются на классические ML‑алгоритмы и массовые статистические данные.

Пример - рекомендательные системы или прогнозирование временных рядов (предсказание продаж, изменения спроса или динамики трафика).

Такие системы не требуют участия эксперта, но они зависят от обратной связи: важно постоянно переобучать модель на новых данных.

Примеры:

• Система рекомендаций туров для travel‑портала

• Предсказание спроса на машины для сервиса каршеринга

Рассказчик

Генеративные модели, такие как ChatGPT, породили новый класс задач, где ИИ не просто анализирует информацию, а создаёт новый контент. Однако, как мы обсуждали ранее, этот процесс основан не на логике или экспертизе, а на статистических закономерностях в данных.

В результате они хорошо справляются с такими задачами, как перевод, суммаризация и генерация текстов, но их результат может значительно отличаться от запуска к запуску. Более того, модели склонны к галлюцинациям - они могут придумывать несуществующие события или факты.

Работа с такими системами требует понимания их ограничений. Человек здесь нужен скорее для написания промптов - запросов, которые направляют генерацию в нужное русло. Однако в промпт можно заложить только простые знания, а глубокая отраслевая экспертиза остаётся недоступной.

Ассистент

AI‑ассистенты, сочетают генеративные технологии с узкоспециализированными знаниями. Они не просто создают текст, а действуют в рамках заложенной экспертом логики, могут отвечать на экспертные вопросы, планировать действия и взаимодействовать с другими системами.

Создание таких AI‑ассистентов требует активного участия человека‑эксперта. Именно он формирует методологию работы, закладывает знания и задаёт границы, в рамках которых работает ИИ.

Примеры:

• ИИ‑ассистент, который отвечает на вопросы пользователей по базе знаний

Какое распределение задач между "Инженером", "Аналитиком", "Рассказчиком" и "Ассистентом" сейчас и что будет через пару лет?

По моим наблюдениям, которые основаны не на количественном анализе, а скорее на ежедневном общении с заказчиками, распределение задач между квадрантами сейчас такое:

• 40% - Инженер. Тут задачи компьютерного зрения для роботов, складов, ритейла и промышленности.

• 30% - Аналитик. Основной пул задач связан с рекомендательными и предсказательными системами для eCommerce, маркетинга и финансов.

• 20% - Рассказчик. Генеративные модели активно используются для создания текстов, перевода и суммаризации, но в областях, где возможны ошибки, таких как маркетинг и креатив.

• 10% - Ассистент. Основной спрос сейчас исходит из узкоспециализированных сфер - медицины, юриспруденции, технической поддержки, образования. Здесь критично не просто генерировать текст, но и обеспечивать его достоверность.

Что изменится в ближайшие пару лет?

Рост объёмов данных, технологические прорывы и повышение доверия к генеративным системам приведут к перераспределению задач между этими категориями.

По моим прогнозам:

• Доля инженерных задач вероятнее всего немного снизится (с 40% до 30%), так как часть простых задач компьютерного зрения уйдет на мультимодальные LLM и существенно упростится.

• Доля аналитических задач вероятнее всего немного сократится (с 30% до 20%) - часть задач поиска и рекомендательных систем уже сейчас переходит на LLM.

• Доля генеративных задач (Рассказчик) вероятнее всего вырастет (с 20% до 25%), поскольку качество языковых моделей продолжает улучшаться, а их применение расширяется.

• Самый заметный рост (с 10% до примерно 25%) видится в категории AI‑ассистентов, и на это есть две ключевые причины. Во‑первых, AI‑ассистенты начинают перетягивать на себя часть простых задач из других категорий. Во‑вторых, AI‑ассистенты становятся центральной точкой управления, обеспечивая взаимодействие с другими моделями - например, запрашивая данные из рекомендательных систем или обращаясь к базе знаний для уточнения информации.

На каких технологиях работает ИИ?

В любой предметной области, которая быстро развивается, есть технологии разного уровня зрелости: что‑то находится в стадии экспериментов и proof of concept, какие‑то уже используются в первых кастомных внедрениях, а какие‑то успели превратиться в массовые коробочные продукты или даже стали настолько привычными, что воспринимаются как электричество.

Чем технология новее, тем она более "сырая", тем больше денег будет потрачено на внедрение и тем выше бизнес‑риски. Но при этом, в случае успеха внедрения, можно получить конкурентное преимущество.

Однако с ростом зрелости технологии то, на что мы сегодня потратили много денег, через год станет доступно нашим конкурентам гораздо дешевле. То есть, даже если удалось успешно внедрить передовую технологию, полученным конкурентным преимуществом еще надо успеть воспользоваться.

С другой стороны, если на рынке доступна технология высокой зрелости, то не осознавать ее наличие и не использовать - это отставать от конкурентов, платить в разы больше там, где конкурент работает дешевле и эффективнее. Примерно как не использовать интернет или электричество.

Итак, посмотрим, в какой зрелости находятся основные технологии машинного обучения: как "классического", так и "генеративного". Для системности давайте использовать Wardley Map - схему, в которой по горизонтали отмечена зрелость технологий, а по вертикали - видимость этих технологий для бизнеса.

Инфраструктурные технологии отмечены ромбом. Они ключевые для развития важных для бизнеса прикладных технологий (отмечены кружком), но для бизнеса практически не видны, поэтому находятся на карте внизу.

Wardley map для "классического ML"

Рассмотрим все компоненты.

Ситуация в целом: вопреки ожиданиям, ML‑модели НЕ становятся лучше со временем

Существует распространенное ожидание, что ML‑модели можно просто запустить, и они будут автоматически обучаться на поступающих данных, становясь со временем всё лучше.

В реальности переобучение ML‑моделей на новых данных - это ручной и трудоемкий процесс. Умение ML‑систем обучаться без вмешательства - это пока больше исследовательская область, чем практическая реальность. К тому же результат не всегда улучшается при добавлении данных - качество данных и их разметка играют ключевую роль.

Но исходя из этого ожидания, основной прогресс в "классическом ML" сейчас идет в развитии инструментирования: чтобы можно было проще размечать данные, проще обучать ML‑модели и проще объяснять ML‑моделям, что тебе от них нужно (например, показать CV‑алгоритму несколько примеров того, как выглядит повреждение на коробке - и вот он уже все понял).

Технологии в области автономного самообучения ML‑моделей только начинают развиваться, а пока дообучение ML‑моделей требует ручного подхода и сложных технических решений.

Компьютерное зрение и видеоаналитика: модели не понимают контекста сцены

Технологии компьютерного зрения отлично работают для распознавания чего угодно со статичной картинки. Качество алгоритмов детекции сейчас такое крутое, что некоторые применения меня восхищают (например, распознавание Лего‑деталей, распознавание дефектов упаковки на складе).

Чего не умеют сейчас делать алгоритмы компьютерного зрения: они плохо понимают контекст сцены целиком; им пока тяжело работать с динамичными сценами, где много движущихся объектов; им тяжело, когда привычная среда меняется (например, если на складе перекрасили пол в другой цвет, придется дообучать CV‑модели).

Системы видеоаналитики страдают от тех же ограничений компьютерного зрения. Плюс для робототехники и дронов распознавание видеопотока должно работать в реальном времени на конечном устройстве (например, прямо на встроеннном в робота не очень мощном вычислительном устройстве), а не в облаке с супер‑крутыми видеокартами.

Но кажется, что решение этих проблем - вопрос обозримого времени в ближайшем будущем (без всякого технооптимизма).

Предсказательные модели: плохо предсказывают

Как говорила профессор МакГонгал: "Прорицание - это крайне неточная область магии".

На прогнозировании временных рядов (Time Series Forecasting) основаны многие предсказания: спроса, цен, трафика, запасов, погодных условий, курсов валют и других параметров, меняющихся во времени.

Подход зрелый и уже давно используется в бизнесе, но имеет две фундаментальные проблемы:

• не все данные, которые мы хотим прогнозировать, являются временными рядами. Многие бизнес‑процессы зависят не только от времени, но и от сложных нелинейных взаимодействий.

• в имеющихся данных может не быть достаточно сигнала для предсказаний.

Если в компьютерном зрении проблему качества можно решить, докинув данные в обучающую выборку (разметив больше данных), то в предсказании временных рядов приходится работать с теми данными, которые есть. Если качество предсказаний плохое, то по сути можно либо попробовать сгенерировать производные фичи (например, "а ВДРУГ это предсказание зависит от погоды, давайте добавим еще погоду"), либо перебирать архитектуры моделей. И если качество предсказаний всё равно остается плохим - с этим особо ничего не поделаешь.

Тем не менее, доступность предсказательных моделей растёт: растёт доступность предобученных моделей и облачных решений, развиваются AutoML‑решения, автоматизирующие настройку моделей. Но фундаментальная проблема остается: если в данных нет сигнала, то предсказание будет плохим.

NLP (Natural Language Processing): демонстрируют выдающиеся результаты благодаря большим языковым моделям

В целом NLP (Natural Language Processing) - зрелая технология в стадии Commodity для большинства бизнес‑применений, но разные задачи внутри NLP имеют разный уровень зрелости.

• STT/TTS (Speech‑to‑Text / Text‑to‑Speech): распознавание голоса и транскрибация голоса в текст отлично работает для популярных языков (английский, китайский, испанский), но слабее для редких языков и диалектов. Всё упирается в в ограничения вычислений: real‑time STT/TTS требует мощного железа. Также голоса пока звучат роботизированно, и есть проблемы с ударениями.

• OCR (Optical Character Recognition, распознавание текста с изображений): отлично работает на печатном тексте, хуже - на рукописном. Структурированный текст (таблицы, формы) распознаются пока плохо - теряется структура из‑за того, что модели не понимают контекст страницы (возможно, станет лучше с появлением AI‑based OCR).

• Классификация и кластеризация текста: хорошо работает в узких областях (например, понимание "спам" / "не спам"). Но нужна база с примерами для обучения. Также полностью автоматическая классификация без ошибок пока невозможна. Качество также становится гораздо лучше с использованием LLM.

• Named Entity Recognition (NER) и извлечение фактов: хорошо работает для простых сущностей (имена, даты, компании) и хуже - для сложных структур (юридические или медицинские тексты). Большие языковые модели (LLM) улучшают NER, но требует дообучения на узких доменах.

• Sentiment Analysis (анализ тональности текста) - отлично работает. С появлением LLM зачастую стал понимать тональность лучше людей.

Детекция аномалий

Применяется для поиска аномалий для временных рядов (например, в трафике на сайт), для транзакционных данных (например, анализ фрода или аномалии в бухгалтерской отчетности) и для изображений и видео (анализ дефектов или детекция движения). Это зрелая технология, хотя детекция аномалий в режиме реального времени по‑прежнему остается сложной задачей.

Рекомендательные системы: от виджетов на сайте к диалоговым рекомендациям

Классические рекомендательные системы (коллаборативная фильтрация, content‑based filtering) работают хорошо, но имеют ограниченный эффект в сценариях, где много новых пользователей или холодный старт. LLM начинают дополнять или даже заменять традиционные рекомендательные системы, особенно в e‑commerce - появляются диалоговые рекомендации в чатах.

Применение в бизнесе

Из этих кирпичиков и собираются бизнес‑применения, например:

• антифрод‑системы (детекция аномалий + предсказание временных рядов + классификация + кластеризация),

• модерация контента (компьютерное зрение + детекция аномалий + stt + классификация + кластеризация),

• предсказание отказа оборудования (предсказание временных рядов + детекция аномалий),

• оптимизация логистики (предсказание спроса + запасов + цены),

• оптимизация рекламы и маркетинга (рекомендации + предсказание временных рядов + кластеризация).

В целом, анализируя бизнес‑задачу оказывается полезно рассуждать не в общих терминах (типа "ИИ думает"), а в терминах конкретных функциональных "кирпичиков".

Wardley map для "генеративного ML"

Карта технологий в генеративном машинном обучении выглядит гораздо более динамичной. Это связано с тем, что развитие этой ветки во многом обусловлено стремительным переходом LLM (больших языковых моделей) из стадии Genesis в Commodity. Сейчас именно эти технологии формируют основную часть бизнес‑запросов на "внедрение ИИ".

Однако большинство технологий на этой карте все еще находятся на стадии Genesis.

Многоагентные системы: движущая сила хайпа

Многоагентные системы (например, AutoGPT, BabyAGI) - это технология, которая пытается научить модели планировать, принимать решения о следующем шаге и управлять другими агентами. Именно вокруг этой темы разгоняется массовый нарратив "ИИ скоро заменит всех", но текущая реальность значительно скромнее.

Агенты пока слишком шумные, дорогие и ненадёжные. Пока что эти технологии имеют узкое применение и требуют высокой инженерной подготовки. Ими активно занимаются компании с сильными ML‑командами, но до широкого применения в не‑IT бизнесе пока далеко.

Однако с развитием технологий многоагентные системы постепенно возьмут на себя управление логикой диалога, которую сейчас надежнее обеспечивают Task‑oriented решения вроде RASA и Dialogflow. Со временем классические диалоговые системы утратят свою ключевую роль, уступая место более гибким и адаптивным агентам.

Будущее RPA: эволюция в сторону AI‑ассистентов

RPA‑системы (Robotic Process Automation) вроде UiPath широко применяются для автоматизации рутинных бизнес‑процессов, таких как обработка документов, работа с интерфейсами без API и выполнение повторяющихся задач.

Однако развитие AI‑ассистентов постепенно меняет этот ландшафт. В ближайшие годы можно ожидать, что часть задач RPA‑систем перейдет к AI‑ассистентам.

При этом традиционные RPA‑инструменты вряд ли исчезнут полностью, но их роль изменится. Они останутся полезными там, где требуется чёткое соответствие регламентам и высокая предсказуемость работы. А вот в задачах, где важна гибкость и адаптация, преимущество получат AI‑ассистенты.

Мультимодальный AI: зрелая технология с растущей востребованностью

Мультимодальные модели объединяют анализ изображений, текста, аудио и видео.

Уже сегодня это достаточно зрелая технология.

Ключевое преимущество: модели могут комбинировать разные типы данных, что открывает новые сценарии применения - например, анализ изображений с учетом текстового контекста.

Технология уже в активном использовании, и ее зрелость продолжит расти.

AI‑оркестраторы

AI‑оркестратор - это инструмент для построения визуальных рабочих процессов для управления цепочками запросов в LLM. Примеры таких сервисов - это, например, Langflow или n8n. Они используются, когда задача не может быть решена одним промптом, а требуется цепочка из нескольких: например, в первом промпте определить тематику сообщения, а во втором - обрабатывать сообщение своим способом в зависимости от тематики.

По мере роста применения LLM в бизнесе, такие инструменты станут важнее, особенно для команд, которые хотят ускорить разработку решений на базе LLM.

RAG - самая зрелая технология на карте

Самой зрелой и видимой технологией на этой карте является RAG - и давайте посмотрим почему это так важно.

RAG (Retrieval-Augmented Generation) как наиболее применимая в бизнесе технология, прямо сейчас

Самая зрелая и полезная бизнесу технология на этой карте - это RAG (Retrieval‑Augmented Generation).

Хотя у всех есть прикладной опыт взаимодействия с LLM, многие заметили, что LLM дают плохие ответы по темам, которые не являются общим знанием.

Эту проблему адресует использование RAG (Retrieval‑Augmented Generation) - такого способа проектирования AI‑ассистента, при котором он берет всю информацию не из общедоступных знаний, а из своей базы.

Где применяется подход:

• Корпоративные AI‑ассистенты (если ассистент отвечают на вопросы по внутренней базе знаний, а не по общим знаниям).

• AI‑поддержка клиентов и техподдержка (если извлекают информацию из базы знаний, а не просто используют жесткие сценарии).

• Автоматизация работы с документами и отчетностью (если ассистент использует внешнюю базу данных для суммаризации или поиска информации перед генерацией ответа).

Такой ассистент сначала находит подходящие данные по запросу пользователя, примерно как поисковая система. А затем на основе найденных данных (документов, ответов API итп) генерирует ответ, ссылаясь на конкретные места в данных.

У такого подхода два преимущества:

• он позволяет справиться с одной из самых больших проблем языковых моделей - галлюцинациями (когда модели выдумывают несуществующие факты);

• такой подход позволяет заложить логику рассуждений при ответе на вопрос: например, при обращении в техподдержку посмотреть, какое у пользователя оборудование и какие услуги подключены и в зависимости от этого предположить причину проблемы.

RAG‑ассистенты отличаются от обычного поиска двумя возможностями.

• Персонализация - когда AI‑ассистент собирает данные для ответа на вопрос, он может поискать по базе, сделать запрос в CRM с аккаунтом пользователя (и получить, например, данные о подключенном оборудовании и услугах), сделать запрос в аналитику с аккаунтом пользователя (и получить, например, историю обращений за последний месяц) итп. Все эти данные могут быть учтены при построении ответа.

• Умение рассуждать - когда AI‑ассистент готовит ответ, он может проанализировать тематику запроса пользователя и порассуждать про возможные решения: либо применить то дерево решений, которое ему заложили, либо применить встроенные супер‑способности языковых моделей для общеизвестных доменов (типа общих знаний по продажам).

Основная "фишка" RAG‑асисистента - это его данные. Технологически при этом проекты не сложные.

Про RAG‑ассситентов мы рассуждали в предыдущей статье и в выступлении на Knowledge Conf (видео).

Как понять, что пора внедрять ИИ

Самая плохая причина для внедрения ИИ - это реакция "все побежали, и я побежал", которую мы сейчас часто наблюдаем. Все эти истории, когда мы сами до конца не понимаем своих бизнес‑процессов и что именно хотим сделать, но планируем закинуть в ИИ "все данные", и оно с ними "само разберется" - приводят к фрустрации и трате бюджета.

Не надо так:

На мой взгляд самый четкий сигнал, что пора смотреть в сторону ML/AI‑автоматизации - это ощущение:

• "Самая наша большая проблема - это неэффективность"

• "Мы на эту задачу тратим слишком много времени"

• "Мы тратим очень много времени/денег/нервов из‑за ошибок"

Это означает, что у нас есть (относительно) понятный бизнес‑процесс и хотя бы интуитивное ощущение узких мест в этом процессе, которые можно расшить за счет автоматизации. Это уже хорошее начало для разговора.

Хорошая эмпирика, когда принимается решение про автоматизацию - это представить, что на место ML‑алгоритма мы наняли стажера. Очень хорошего, старательного, который работает 24/7, не отвлекается и не делает глупых ошибок. Но ему, как и любому стажеру, нужно объяснить, в чем именно заключается его задача, что на вход, что на выход, по каким правилам из входного документа можно получить выходной итп.

Если задача понятна настолько, что с ней может справиться очень умный, старательный и трудолюбивый стажер, значит она автоматизируется с помощью комбинации AI/ML‑методов.

Как понять, какой метод машинного обучения / ИИ использовать для решения задачи

Даже если в бизнесе правильно увидели процесс, который можно автоматизировать, ИИ‑хайп зачастую сбивает прицел по методу решения задачи - выбираются не те инструменты.

Частая ошибка - попытка заменить традиционные инструменты на LLM без причин. Например:

• Использование GPT/LLM для предсказания временных рядов вместо специализированных алгоритмов. LLM не умеет анализировать временные ряды и не использует исторические данные так, как это делают LSTM, Prophet или градиентные бустинг‑модели. Они просто запоминают статистику из обучающего набора, но не строят настоящие прогнозные модели. Правильный инструмент: Специализированные ML‑алгоритмы для временных рядов (LSTM, XGBoost, Prophet).

• Доверять ответам GPT или LLM по узким темам, вместо использования RAG (Retrieval‑Augmented Generation) или обычного поиска по индексу. LLM не ищет в базе знаний - он просто генерирует ответ на основе своего тренировочного набора. В отличие от поиска, LLM может галлюцинировать и выдавать уверенно звучащий, но ложный ответ. Правильный инструмент: Для фактического поиска - RAG (Retrieval‑Augmented Generation), Elasticsearch, векторные базы (Weaviate, Pinecone). Для генерации ответов на основе найденного - LLM + RAG.

• Использование генеративных моделей для структурированного анализа данных Использовать GPT/LLM для анализа финансовых отчетов или складских запасов - плохая идея. LLM не выполняет точные числовые расчеты, а лишь пытается "угадать" ответ на основе статистики из своих тренировочных данных. Правильный инструмент: BI‑системы (Power BI, Tableau), SQL, Pandas, специализированные ML‑модели для анализа данных.

А что насчёт DeepSeek (или другой новой технологии)? Это же прорыв, который меняет всё?

Любая новая технология кажется революционной, но оценить её реальное влияние можно системно. Один из способов - использовать Wardley Maps, о которых мы говорили в этой статье.

Если мы загрузим в GPT-4 эти карты и попросим проанализировать появление новой технологии (например, DeepSeek), то модель сможет:

• Найти информацию о ней,

• Проанализировать ее отличие от текущих технологий,

• Оценить, куда сдвигается рынок и какие изменения действительно значимы.

Таким образом, вместо эмоциональных реакций "это меняет всё!", можно получить рациональный анализ, который покажет, действительно ли новая разработка представляет собой технологический скачок или просто маркетинговый шум.

А если возникает вопрос, можно ли решить бизнес‑задачу с помощью ML/ИИ, - всегда можно спросить у GPT. Ну, хотя бы для первичного фильтра:‑)

В России предотвратили изощренный теракт с применением очков дополненной реальности. Неизвестные заложили взрывчатку в FPV-очки для российских военных. Об этом сообщил ТАСС официальный представитель компании-разработчика РЭБ-оборудования Игорь Потапов.

По его словам, самодельный заряд был заложен в очки Skyzone модели Cobra. Под корпус рядом с виском поместились 10-15 граммов пластида.

Партия очков была передана по гуманитарной линии человеком по имени Роман.

Если бы дронщики попытались воспользоваться заминированными очками, произошел бы взрыв. Партию, к счастью, удалось своевременно обнаружить при разборе гуманитарки от волонтеров.

Когда партию вскрывали, во всех этих изделиях обнаружили упакованный пластид, рассказал собеседник агентства.

Потапов призвал военнослужащих быть бдительными при получении гуманитарной помощи от неизвестных лиц.

Ранее сообщалось, что в Ростове-на-Дону суд отправил в СИЗО на два месяца двух женщин, которые были завербованы Службой безопасности Украины (СБУ). Арестованные готовили террористический акт в городе.

Минобороны Индии отменило сразу три контракта на поставку для армии 400 транспортных БПЛА с деталями китайского производства, пишет The Times of India, ссылаясь на источники в военном ведомстве. Причиной названа угроза кибербезопасности со стороны этих дронов.

Собеседник издания с сожалением отметил, что некоторые индийские компании используют электронику и компоненты КНР при производстве беспилотников для ВС Индии. "Это серьезная угроза кибербезопасности и проведению военных операций", - считает он, намекая на "возможности противника вывести БПЛА из строя".

Контроль за использованием китайских компонентов в дронах был усилен после сбоя в 180 разведывательных беспилотниках на границе с Китаем и Пакистаном. После этого инцидента, произошедшего в прошлом году, при военной приемке БПЛА тщательно проверяются компоненты, чтобы исключить детали производства КНР и вредоносные программы.

Индийским производителям дронов рекомендовано избегать импорта комплектующих из КНР.