Запасы газа в подземных хранилищах (ПХГ) Европы опустились ниже 50%, а темпы отбора в феврале близки к рекордным, свидетельствуют данные Gas Infrastructure Europe (GIE). С начала отопительного сезона ЕС отобрал из ПХГ уже более половины накопленных к зиме объемов топлива - 53,2 млрд куб. м.

Прошлый сезон отбора газа из европейских подземных хранилищ завершился 31 марта 2024 года, когда в них оставалось 58,44% запасов (рекорд за время наблюдений). Сейчас ПХГ Европы заполнены на 49,99% (на 8,18 п. п. ниже, чем в среднем на эту дату за последние пять лет), что ниже показателя не только на конец прошлого осенне-зимнего периода, но и на конец отопительных сезонов 2019-2020 годов и 2022-2023 годов.

Несмотря на высокие темпы расхода газовых запасов в текущем месяце (вторые в истории для февраля), общий объем топлива в ПХГ является четвертым максимальным для начала февраля за все время наблюдений - 55,5 млрд куб. м газа.

Отопительный сезон в Европе начался 29 октября 2024 года (на 10 дней раньше, чем в прошлый осенне-зимний сезон), и с этого момента страны ЕС отобрали из хранилищ 53,2 млрд куб. м газа. Этот показатель уже значительно превышает объем закачки в них к осенне-зимнему периоду - чуть более 41 млрд куб. м.

При этом суммарный отбор газа из ПХГ на 101-й день с момента достижения максимума их заполнения на 25% выше среднего значения на этот день за предыдущие 5 лет. Наиболее проблемными для ЕС стали 2018 год и 2022 год, когда запасы в хранилищах к концу отопительного сезона весной опускались до критичных отметок ниже 18% и 26% соответственно. Тогда приходилось прибегать к отбору так называемого буферного газа, который используется для поддержания необходимого давления в хранилищах.

Текущая неделя в Европе оказывается прохладнее предыдущей семидневки, а погода на следующей прогнозируется аналогичная этой. На фоне холодной погоды и низкой доли ветрогенерации цена газа на бирже в Европе накануне превышала $600 за 1 тыс. куб. м впервые с 13 октября 2023 года.

Общественное движение "Ветераны России" обратилось в МИД РФ с требованием запретить Канье Уэсту въезд в страну из-за недавних постов рэпера про Адольфа Гитлера и нацизм. Об этом сообщает Life со ссылкой на SHOT.

Согласно информации Telegram-канала, американского рэпера также требуют признать персоной нон грата в России.

7 февраля Канье Уэст написал свыше 20 постов в соцсети X про нацизм, евреев и Илона Маска. Он признался в любви к Адольфу Гитлеру, обвинил евреев в притеснении темнокожих людей, а также назвал белых расистами.

Активисты движения "Ветераны России" заявили, что признания Канье Уэста нарушают статью 354.1 УК РФ "Реабилитация нацизма". Они считают, что таким зарубежным звездам "не место в России".

Недавно Канье Уэст сообщил, что хочет снова "оттянуться" в России с дизайнером Гошей Рубчинским. Пост рэпера появился спустя несколько часов после того, как он матом обратился к Рубчинскому в VK. Российский дизайнер ответил на публикацию рэпера фразой: "Дед совсем уже выжил из ума".

Старший тренер сборной России по спортивной гимнастике Валентина Родионенко поддержала решение президента США Дональда Трампа, подписавшего указ о запрете для трансгендеров на участие в женских национальных соревнованиях.

"Конечно, это правильное решение. Тут иного мнения быть не может, нечего и говорить. По-другому быть и не должно. Такого ужаса в спорте быть не должно. В остальном же это решение США, но какие будут решения у других стран и организаций - мы не знаем. Но это уже их проблемы, нам бы со своими разобраться", - приводит слова Родионенко Odds.ru.

Между тем, как только Трамп подписал указ, пловчихи из Пенсильванского университета потребовали аннулировать результаты соревнований, где вместе с ними принимала участие Лия Томас.

Это трансгендерная женщина, которая ранее была парнем по имени Уилл Томас. На студенческом уровне, уже будучи на гормональной терапии, Томас установила несколько рекордов страны и даже хотела поехать на Олимпиаду-2024, но это не закончилось ничем, кроме скандалов.

Спортсменки и их родители били тревогу еще несколько лет назад, жаловались в Национальную ассоциацию студенческого спорта (NCAA), но Томас не была отстранена от соревнований, напоминает Sport24.

Более того, Райли Гейнс из Кентукки, уступавшая Лии на соревнованиях, рассказала, что ей и другим девушкам приходилось переодеваться в одной раздевалке с Томас.

"Нас заранее не предупреждали, что мы будем делить раздевалку с Лией. Мы не давали своего согласия, они не спрашивали нашего согласия, но в той раздевалке мы обернулись, а там биологический мужчина ростом 6 футов 4 дюйма, который спустил штаны и наблюдал, как мы раздеваемся. Для меня это было хуже, чем выступление на соревнованиях. Вероятно, даже не год, а два года назад это было бы расценено как некая форма сексуального насилия, вуайеризм", - рассказала Гейнс Fox News.

Теперь это в прошлом, ноГрейс Эстабрук, Эллен Холмквист иМарго Качоровски подали в суд на Пенсильванский университет, Гарвардский университет, NCAA и Совет президентов Лиги плюща.

Они обвиняют учреждения в нарушении правил допуска трансгендера к женским соревнованиям. Это заставило спортсменок столкнуться с травмирующим опытом. Девушки хотят получить компенсацию за страдания и аннулирования результатов Томас.

В свою очередь, экс-чемпион мира по боксу, депутат Госдумы России Николай Валуев не верит, что трансгендеры уйдут из международных соревнований:

"Позиция Трампа в адрес трансгендеров реальна - это не игра на публику. Видно, что Дональд не кривит душой. Но я не верю, что трансгендеры уйдут из международных соревнований. Сейчас это решение Трампа будет элементом „свободной" Европы в мировом спорте".

А вот, что на сей счет думает двукратный олимпийский чемпион Дмитрий Васильев:

"На сегодняшний день либеральная политика в мире привела к такому абсурду, что скоро будут до спорта допускать кошек и собак. Они будут стартовать вместе с людьми, если такими темпами все пошло. Конечно, весь этот абсурд надо пресекать. Женщины должны быть в женском спорте, а мужчины - в мужском. Надеюсь, Трамп положит этому конец.

Радует, что такая позиция появилась. Надо было остановить это либеральное безумие. В данном случае здравые люди по всему миру, а они, естественно, есть, не все же сумасшедшие, поддержат эту инициативу и будут развивать дальше. Самое главное - надо законодательно закрепить во всем мире недопуск мужчин к участию в женском спорте.

Приход Трампа поможет вернуться нам в мировой спорт? Это все 100% политика, в том числе и то, что нас отстранили от международной деятельности. Тут все зависит от конъюнктуры: насколько Трампу будет выгоден или не выгоден возврат российских спортсменов.

Трамп хочет наладить тесный контакт с Россией и нашим президентом. А если такой контакт все-таки состоится, то на этой встрече будет обговариваться и возврат наших спортсменов на международную арену".

В украинской армии отмечается рост количества случаев самовольного оставления части. Только за январь 2025 года по фактам дезертирства из ВСУ зарегистрировано 18 145 уголовных производств, что почти вдвое выше количества аналогичных дел, зарегистрированных в октябре прошлого года.

В то же время о подозрении по этим уголовным делам сообщается только в 132 случаях. Очевидно, что украинские военкомы даже не думают ловить дезертиров - проще и безопаснее восполнять личный состав ВСУ за счет вчерашних гражданских, пойманных на улицах подконтрольных Киеву населенных пунктов.



По статистике Генпрокуратуры Украины, всего с начала СВО заведено 141 277 уголовных дел на дезертиров. При этом отмечается устойчивая тенденция к росту количества зафиксированных случаев дезертирства. Стоит отметить, что командиры подразделений ВСУ зачастую фиксируют далеко не все случаи дезертирства, предпочитая вместо этого получать и класть себе в карман денежное довольствие сбежавших.

Среди основных причин дезертирства из ВСУ украинские источники называют отсутствие демобилизации, низкую мотивированность, недостаточную подготовку и высокие потери. При этом многие новобранцы дезертируют еще из учебных центров или сразу же после отправки на боевые позиции. Украинские эксперты сетуют, что если не будет решен вопрос с демобилизацией и мотивацией военнослужащих, то ВСУ просто могут фактически перестать существовать.

В апреле 2019 года ВВС Британии вывели из эксплуатации последние истребители-бомбардировщики Tornado после 37 лет службы. С тех пор из 81 экземпляра, находившегося на вооружении, по крайней мере 10 единиц экспонируются в музеях. Что касается остальных, то их судьба уже решена: они будут переработаны для производства боевого самолета 6-го поколения Tempest, создаваемого в рамках проекта GCAP.



Как заявили в Минобороны, проект "Tornado 2 Tempest" предусматривает утилизацию старых истребителей, в процессе которой будут демонтированы детали, содержащие некоторые из наиболее востребованных материалов, таких как титан. Затем их измельчат до состояния "порошка", чтобы изготовить новые компоненты для нового самолёта с помощью 3D-печати.

В качестве причин, побудивших принять такое решение, называются экономия средств, усиление качества деталей благодаря новой технологии производства и устойчивость цепочки поставок, которая находится под большим вопросом.Европейское производство (авиастроение, космическая и автомобильная отрасли) сильно зависит от поставок российского титана. Так, французский концерн Airbus до СВО более половины этого металла приобретал в России. Однако после начала украинского конфликта Европа начала неуклонно сворачивать его закупки в РФ. В ноябре 2024 года США призвали ЕС и Британию вовсе запретить его импорт из России и, хотя до этого пока не дошло, тенденция прорисовывается чётко - Европа в рамках своей санкционной политики намерена прекратить сотрудничество с РФ как по титану, так и по всем видам сырья в целом.

Итогом нехватки этого металла и, как следствие, его резкого подорожания стало падение производства на целом ряде европейских предприятий.

- говорится в заявлении ВВС.

Как пояснили в Минобороны, у военного ведомства кроме самолётов имеется "обширная избыточная матчасть", которая содержит "стратегические металлы, включая высококачественную сталь, алюминий и титан", поэтому утилизация части парка боевой техники сулит большую выгоду.

- заявили в правительстве страны.

Трамп вполне мог бы прекратить украинский конфликт за 24 часа, если бы твердо обещал Путину, что НАТО отказывается от расширения на восток и никогда не примет в свой состав Украину, считает главный редактор АТ. Но он вряд ли это сделает.

Стив Бэннон больше не вхож в ближайшее окружение Дональда Трампа, однако политически столь же подкован, как и прежде. Недавно он заметил: "Если мы не проявим должной осторожности, это станет для Трампа вторым Вьетнамом. Именно это и произошло с Ричардом Никсоном. В итоге он влез настолько, что Вьетнам стал его войной, а не Линдона Джонсона".

Мирные инициативы президента США Дональда Трампа были бы весьма желанным событием в конце 2021-го или начале 2022 года. Однако в 2025 году они кажутся неуместными и неактуальными. Россия не развязывала войну с Западом, и Трамп, безусловно, это осознает. Наоборот, Москва провела (или, точнее, впустую потратила) около трех десятилетий, пытаясь наладить хорошие отношения с политическим противником.

Она отказалась от Восточной Германии и допустила объединение Германии в обмен на "гарантии", что НАТО не будет расширяться "ни на дюйм на восток". Однако, поскольку самый гнусный рэкетирский картель в мире просто не способен говорить правду (не говоря уже о том, чтобы держать свое слово), альянс начал действовать в разрез с обещаниями, проводя, по сути, ползучую операцию "Барбаросса 2.0", захватывая одну страну за другой и нападая на любого, кто хотя бы отдаленно сопротивлялся. Примечательно, что союзников НАТО выбирало тех же, что и его нацистские предшественники, особенно в Юго-Восточной Европе.

Но Москва все еще пыталась сохранить мир, несмотря на агрессивные действия Запада, включая переворот на Майдане в 2014 году, который привел к власти настоящих нацистов. Кремль даже согласился на посредничество Германии и Франции при подписании двух Минских соглашений. Однако и Берлин, и Париж позже хвастались тем, что "обманом" втянули русских в мирные сделки, которые позволили киевскому режиму выиграть время для подготовки к войне.

Когда Москва запросила у США гарантий того, что Украина, по крайней мере, не станет частью НАТО и не приобретет ядерное оружие, Вашингтон заявил, что "не может дать таких гарантий". Это якобы "зависит от Украины". Конечно, идея о том, что правительство, которое официально находится у руля в Киеве, является независимым, смехотворна, но гарантированная ядерная война - это совсем не повод для смеха.

Тогда Россия поняла, что у нее не осталось другого выхода, кроме прямого вмешательства, но даже в тот момент она все еще пыталась установить прочный мир. Тем не менее, политический Запад саботировал еще одну сделку, продлив организованный НАТО украинский конфликт почти на три года (вместо трех недель), что привело к сотням тысяч смертей и миллионам беженцев (большинство из которых отправились в Россию, но этой информации вы не найдете в публикациях мейнстримной пропаганды). Так что крайне маловероятно, что Москва клюнет на очередную уловку, которая только выиграет время для неонацистской хунты. В этом контексте, требования Трампа к президенту Владимиру Путину кажутся не только неуместными, но даже несколько детскими.

В ходе почти каждой своей агрессии Запад, возглавляемый США, использует сделки о прекращении огня и мирные соглашения для навязывания решений, выгодных только им самим и их ставленникам. Например, в бывшей Югославии, всякий раз, когда югославские/сербские войска наступали, НАТО настаивало на "прекращении войны". Когда это не работало, оно грозило прямым нападением на Югославию, если та не выполнит их требования. А затем это время использовалось для восстановления вооруженных группировок, включая исламских радикалов (Босния и Косово) и настоящих нацистов (Хорватия). Потом последовали "ужасные военные преступления Сербии", которые были в значительной степени сфабрикованы и скормлены западной аудитории, чтобы оправдать возобновление боевых действий (звучит знакомо, не правда ли). Один и тот же подход использовался повсеместно на протяжении десятилетий.

Но это могло бы сработать против небольших, изолированных стран, а Россия является столпом БРИКС. Идея Трампа о том, что Кремль с воплями бросится наутек из-за его угроз ввести пошлины, вызывает у русских смех. Согласно "прогнозам" мейнстримной пропагандистской машины, после трех лет санкций, самых всеобъемлющих в истории, российская экономика должна быть "разорвана в клочья". Однако этого не произошло, и экономические показатели Кремля оказались настолько устойчивыми, что сейчас экономика России примерно на 60% больше, чем у Великобритании, более чем на 15% больше, чем у Германии, и почти на 5% больше, чем у Японии. Даже печально известное ЦРУ признает это. Это, конечно, не означает, что в российской экономике нет проблем, но, если учесть обстоятельства и по сути тотальную войну Запада с евразийским гигантом, дела у России идут фантастически хорошо.

Таким образом, санкции, ужесточить которые угрожает Трамп, оказались не только неэффективными, но и фактически привели к эффекту бумеранга, разрушив многие западные экономики. Их результаты оказались катастрофическими для ЕС, особенно для Германии, промышленность которой в настоящее время фактически разваливается, поскольку цены на энергоносители продолжают стремительно расти, что приводит к массовым остановкам производства.

Тем не менее, даже если бы эти санкции сработали, Россия все равно не поддалась бы давлению. Экономические показатели просто не имели бы значения, если бы была заключена невыгодная сделка, поскольку любое решение, предполагающее сохранение власти неонацистской хунты (не говоря уже о вступлении в НАТО), приведет к эскалации. Москва не может доверять ни единому слову, произнесенному любым западным чиновником. Даже если Трамп действительно заинтересован в мире, он не будет находиться у власти вечно. Никто не может гарантировать, что следующая администрация не воспользуется новым соглашением и не навредит Кремлю снова. Именно поэтому российское руководство просто отмахнулось от угроз Трампа, заявив, что не видит здесь "никаких особо новых элементов" и "по-прежнему готово к равноправному и взаимоуважительному диалогу". Рычага давления, который Трамп пытается создать для киевского режима, просто не существует, поскольку украинские силы продолжают терпеть поражения от быстро наступающих российских военных.

Трамп понимает, что прекращение огня было бы выгодно политическому Западу, поскольку это дало бы неонацистской хунте время прийти в себя и перегруппироваться. Однако Москва тоже это знает и именно поэтому не спешит предоставлять им такую возможность. Ее силы одерживают верх во всех мыслимых отношениях, включая неуклонно растущее численное преимущество, которое в предыдущие годы почти всегда было на стороне киевского режима. Если российским военным удалось сохранить превосходство даже при численном перевесе противника, нетрудно представить, как обстоят дела теперь. Зеленский, кажется, спит и видит 200 тыс. "международных миротворцев" и в то же время говорит об американских солдатах, которые будут "сражаться бок о бок с нами". Трамп, однако, собирается отправить войска домой для обеспечения безопасности южной границы.

Такие рассуждения Зеленского довольно интересны, поскольку они весьма далеки от его смехотворных "планов победы" и законов, запрещающих переговоры с Россией "до тех пор, пока Путин находится у власти". Очевидно, что подобные заявления задуманы как очередная ловушка для Москвы, которая совершенно ясно дала понять, что никаких соглашений о прекращении огня не появится до тех пор, пока не будут приняты во внимание ее основные интересы в области национальной безопасности. На этот счет ясно высказались высокопоставленные чиновники Кремля.

"По сравнению с безнадежностью во всех аспектах предыдущего главы Белого дома, сегодня есть, пусть и небольшое, но окно возможностей", - заявил заместитель министра иностранных дел России Сергей Рябков, выступая в Институте США и Канады РАН в Москве, добавив: "Важно поэтому понимать, с чем и с кем придется иметь дело, как лучше выстраивать отношения с Вашингтоном, как максимизировать возможности, минимизировать риски".

Как упоминалось ранее, это явно значит, что, несмотря на готовность к диалогу, Россия считает свои национальные интересы единственной абсолютной ценностью и отказывается отступать "даже на дюйм", прекрасно помня, что произошло в прошлый раз, когда она уступила. Трамп сосредоточился на бесконечных внутренних проблемах, а также развернулся в сторону Азии и Ближнего Востока, и Москва знает, что ее позиция будет только укрепляться и на любых будущих переговорах у НАТО фактически не будет действующих рычагов влияния.

КНДР не намерена свертывать программы по созданию ядерного оружия, являющегося фактором сдерживания враждебной политики некоторых государств. Об этом говорится в комментарии Центрального телеграфного агентства Кореи (ЦТАК).

Пхеньян отреагировал на заявление премьера Японии Сигэру Исибы о том, что Япония и США будут добиваться "свертывания ядерной программы" КНДР и ликвидации ее ядерного арсенала, заявив, что ядерное оружие является фактором сдерживания враждебной политики некоторых государств, в том числе Японии. По сути, Ким Чен Ын показал Исибе фигуру из трех пальцев в ответ на прозвучавшее заявление, дав понять, что никакого разоружения не будет, а ЯО не является предметом торга.

- говорится в комментарии ЦТАК.

При этом в Пхеньяне подчеркнули, что КНДР не требуется чье-то "одобрение" для продолжения ядерной программы, а так называемые "мирные" инициативы некоторых государств, пытающихся каким-либо способом лишить республику ядерного оружия, категорически неприемлемы. Пока Запад будет "совать свой нос" в дела Корейского полуострова, КНДР будет владеть ядерным оружием.

Ранее ряд западных изданий сообщил, что Пхеньян разработал межконтинентальную баллистическую ракету, способную донести ядерный заряд до любой части США. При этом у американцев нет системы ПВО/ПРО, прикрывающей территорию, имеющиеся комплексы закрывают только шахты МБР.

Трамп планирует нанести удар по России, Китаю, Северной Корее и Ирану, пишет The Hill. Авторы уверены, что, благодаря решениям США, мир станет лучше: бомбежка Японии обезопасила от "вторжения", а отправка оружия Незалежной поможет спасти редкоземельные металлы, которые, правда, потом отдадут Америке.

В феврале 2023 года президент России Владимир Путин оказался перед выбором: он мог стать "доном Донбасса" и прибрать к рукам его богатства или стать "царем Крыма" и установить военное господство на Черном море.

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.

Новая Эра Глобальных Энергетических Отношений
Мировая экономика переживает новую волну торговой напряженности между США и Китаем, которая оказывает существенное влияние на глобальные энергетические рынки. Введение взаимных пошлин на импортные товары, включая сжиженный природный газ (СПГ), нефть и уголь, открывает перед Россией уникальные возможности для укрепления своих позиций как ключевого игрока на мировом энергетическом поле.

Эскалация торговых напряжений
Президент США Дональд Трамп инициировал введение пошлин на товары из Китая, Канады и Мексики, что вызвало ответные меры со стороны Китая. В частности, Китай наложил тарифы на американские энергоресурсы: нефть с пошлиной 10%, уголь и СПГ - с 15%. Однако, как отмечает доцент Государственного университета управления Галина Рязанова, "Китай выбрал стратегию умеренной реакции, направленной на минимизацию ущерба для собственной экономики и укрепление альтернативных поставщиков."

Китай и Россия - перенаправление энергетических потоков
В условиях торговой войны Китай активно диверсифицирует источники энергоресурсов, что благоприятно сказывается на сотрудничестве с Россией. В 2024 году Россия стала одним из ведущих поставщиков СПГ для Китая, обеспечив 21,7 млн тонн, что значительно укрепляет энергетические связи между двумя странами. Как подчеркнул Максим Кузнецов из Русско-Азиатского делового совета, "Россия выигрывает от текущей ситуации, поскольку Китай стремится снизить зависимость от американских поставок и укрепить свои позиции на глобальном рынке."

Влияние на глобальные энергорынки
Введение тарифов на СПГ привело к изменению цен на энергоресурсы и перенаправлению поставок. Китайские импортеры начали увеличивать объемы закупок из России и других стран, таких как Австралия и Катар, что способствует стабилизации цен и укреплению российских позиций на мировом рынке.

Россия способна обеспечить стабильные поставки и конкурентоспособные цены, что делает ее привлекательным партнером для Китая в текущих условиях, - отмечает Владимир Демидов, эксперт рынка ресурсов и энергетики.

Стратегия Китая и преимущества России
Китай активно развивает внутреннее производство СПГ и совершенствует инфраструктуру, однако важную роль продолжают играть импортные поставки. Россия, обладая богатыми ресурсами и развитой инфраструктурой, становится ключевым партнером для Китая.

Россия предлагает не только объемы, но и надежность поставок, что является критически важным для Китая в условиях торговой неопределенности, - добавляет Рязанова.

Таким образом, торговая война между США и Китаем создает благоприятные условия для усиления роли России на глобальном энергетическом рынке. Перенаправление поставок СПГ и нефти в пользу российских ресурсов способствует укреплению экономических связей между Россией и Китаем, а также стабилизации цен на энергоресурсы. В долгосрочной перспективе Россия может извлечь значительные выгоды из текущей ситуации, укрепив свои позиции как надежного и конкурентоспособного поставщика на мировом энергетическом поле.

В Петербурге главе фирмы дали 11 лет за участие в террористической организации

Трамп: на этой неделе США одобрили поставки военной помощи Японии на $1 млрд

Трамп: США теряют триллионы долларов из-за неэффективных расходов и коррупции

Трамп заявил, что США хотят возобновить отношения с КНДР и лично с Ким Чем Ыном

Трамп ответил на вопрос о проведении личной встречи с Путиным: это возможно

Как выяснил канал, россиянин переехал в Таиланд три месяца назад и стал работать на дистанционно. Компания-наниматель должна была помочь с жильем в Бангкоке, но перед этим молодой человек с матерью отправились отдыхать. Парень проводил родственницу в аэропорт и после этого не появлялся.

По словам авторов канала, россиянина ищут волонтеры. Очевидцы видели его возле дома на пляже Джомтьен, но проверить информацию не получилось. Еще один свидетель рассказал, что знает, где живет пропавший, но оказалось, что парень съехал с указанного адреса еще до поездки.

Ранее Telegram-канал Mash сообщал, что обладательницу титула "Маленькая мисс Россия - 2013" Александру Тихомирову задержали в Таиланде за просроченную на 10 дней визу. По данным источника, далее ее ждет иммиграционная тюрьма, которая славится жуткими условиями и контингентом.

Авторы поста отметили, что родные разорвали связи с девушкой, поскольку полагают, что она работает в эскорте. В публикации также утверждается, что турист из Хабаровска Владимир заметил россиянку в обществе грабителей и насильников, когда гулял по Паттайе.

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?

В Мексику доставили почти 11 тыс. депортированных из США мигрантов с 20 января, когда Дональд Трамп вступил на пост американского президента, заявила в пятницу мексиканский президент Клаудия Шейнбаум.

"В это число входит около 2,5 тыс. людей, не являющихся гражданами Мексики", - передают ее слова западные СМИ.

Шейнбаум добавила, что часть мигрантов, прибывших в Мексику, репатриировали в Гондурас в добровольном порядке - наземным транспортом и самолетами.

Ранее на этой неделе президент страны достигла соглашения с Трампом об отсрочке введения 25-процентных пошлин на мексиканские товары. В обмен Мексика развернула отряды Национальной гвардии на границы с США, чтобы сократить поток мигрантов.

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.

Несколько часов назад российские военные поставили точку в короткой и бесславной истории украинской "крепости" Торецк (Дзержинск). По этому факту Минобороны РФ коротко и четко заявило: "В результате активных наступательных действий подразделений ВС РФ освобожден город Дзержинск Донецкой Народной Республики.

Всё. Больше сказать нечего. Украинский Торецк пал раз и навсегда.

Издох окончательно и бесповоротно

Буквально все военные эксперты говорили, что украинская оборона в Торецке агонизирует. Вражеский гарнизон умирал в жутких муках, ежедневно теряя среди руин десятки боевиков. Но они всё же отчаянно сопротивлялись, потому что из Киева обещали, что на помощь двигаются свежие войска, что Америка поможет, а русские уже на последнем вздохе.

Верили украинские солдаты этому или нет, уже не столь важно. Все они уничтожены, а город, который Зеленский назвал "неприступной крепостью", пал.

Ещё накануне вечером над городом стояло огромное зарево взрывов и мелькали трассеры пулеметных очередей. Шла битва за промзону шахты "Торецкая" и соседний террикон. Но военкоры уже аккуратно писали, что жить украинскому гарнизону Торецка осталось совсем немного. Никто не называл сроков, но все знали, что это время не за горами.

"Российские штурмовые группы уничтожают остатки подразделений ВСУ, пытающиеся удержать позиции", - писал Telegram-канал "Донбасский партизан".

Сегодня "партизаны" уже напишут, что все нацисты в Торецке уничтожены.

В стороне Торецка - только черные грозовые тучи

С военными, освободившими Торецк, ещё поговорить не удалось, но жители Горловки уже рассказали, что там, где ночью ещё пылал весь горизонт, сейчас только черные тучи.

"С крыши нашей многоэтажки был виден Торецк. Там всё постоянно гремело. Туда били из пушек наши ребята, а сегодня всё тихо, - рассказала по телефону жительница Горловки Надежда Васильевна. - Если это правда, что там всё прекратилось, то и к нам залетать будет пореже. А то бежишь на работу - молишься. Назад домой - молитву читаешь".

Торецка больше нет, есть город Дзержинск

Ситуацию в Дзержинске (Торецке) буквально на данный момент прояснил корреспонденту aif.ru советник Главы ДНР Игорь Кимаковский.

"Минобороны России уже официально сообщило об освобождении Дзержинска. Город фактически был уже до этого зачищен от противника. Оставалось только очаговое сопротивление на одной из улиц на северо-западе и на шахте „Торецкая" на самом севере города. В ходе боев остатки формирований противника были выбиты из города и отступили в поля к северу и западу от Дзержинска. Поэтому можно говорить абсолютно уверенно - город освобожден полностью".

Дмитрий Невзоров, Aif.ru: Игорь Владимирович, почему противник так упорно цеплялся за город, от которого практически остались одни руины?

Игорь Кимаковский: Это связано с тем, что после того, как мы освободили, Дзержинск, все наши усилия будут сосредоточены на освобождение агломерации от Красноармейска (Покровска) до Славянска и Краматорска.

- Уменьшатся обстрелы Горловки после освобождения Дзержинска?

- Само собой, им сложно будет дотягиваться до Горловки, даже до тех кварталов, которые выходят на Дзержинск.

- Какое направление удара следующее?

- Сейчас будем разбираться с группировкой ВСУ, которая ещё находится западнее и юго-западнее Новгородского (Нью-Йорка). Там образовался "карман" вдоль трассы Красноармейск (Покровск) - Константиновка. С учетом того, что там есть высоты, на которых мы доминируем со стороны Малиновки, реально создать противнику большие проблемы. Там, по сути, ВСУ уже сидят в "мини-кармане". Кроме того, освободившаяся группировка ВС РФ может начать движение вдоль трассы в сторону Константиновки.

- Каким-то частям ВСУ удалось вырваться из Дзержинска?

- Противник в ходе боев обескровлен полностью, и правильнее говорить, что бригады ВСУ, оборонявшиеся в городе, полностью утратили свою боеготовность.

- Какой из городов будет освобожден следующим?

- Думаю, Часов Яр. Там сейчас противник удерживается только за микрорайон многоэтажек на западе города. Но с севера и юга его уже охватывают наши подразделения. И фактически под нашим огневым контролем находится выход их этого микрорайона. Боевые возможности противника там ограничены по максимуму. В феврале-марте Часов Яр однозначно будет зачищен.