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.

Всего лишь за неделю боев на харьковском направлении противник понес просто колоссальные потери. Силами подразделений группировки войск "Север" разгромлены пять полноценных бригад ВСУ.

Потери киевского режима в живой силе идут на тысячи, а техники на сотни. На харьковском направлении уничтожено 2020 нацистов, 21 танк, 161 бронемашина, 132 автомобиля, 35 орудий и пять полевых складов с боеприпасами.

Главные сражения этого года ещё впереди

Не успели прийти новости об освобождении Дзержинска (Торецка), как военкоры сообщили, что ещё один населенный пункт на этом участке ЛБС перешел под российский контроль. На этот раз это большой поселок Щербиновка, к западу от Дзержинска. В данный момент российские штурмовики ведут зачистку населенного пункта от остатков боевиков.

Для дальнейшего развития наступления ВС РФ в сторону Константиновки и в целом Славянско-Краматорской агломерации, населенный пункт Щербиновка очень важен. Через него проходят две дороги: железная и автомобильная, ведущие прямо в Константиновку. А это главный логистический узел противника на территории ДНР.

По словамсоветника главы ДНР Игоря Кимаковского, Константиновка очень сильно укреплена. Позиции врага залиты в бетон, большая сеть окопов и множество огневых точек. Но именно это направление удара стало первостепенным после освобождения Дзержинска.

За семь дней подразделениями группировки "Центр", сражающейся на этом направлении, освобождено четыре населенных пункта: Крымское, Барановка, Дружба и Дзержинск (Торецк). Уничтожено свыше 3720 боевиков, четыре танка, 29 бронемашин разного класса, 44 автомобиля и 34 артиллерийских орудия.

Немца поймали на "веревочку"

Что-то всегда случается впервые, так и в зоне СВО впервые поджигали Abrams, взрывали Leopard или подбивали F-16. А сегодня дрон на оптоволокне впервые уничтожил немецкую самоходную артиллерийскую установку PzH-2000.

В сущности, эти САУ уже подбивали раньше, но именно дроном на "веревочке" - первый раз. Кадры, как ВСУ лишились могучей и эффективной натовской 155-мм САУ, выложили военкоры Telegram-канала "Русское оружие".

"Немец" был подбит на краматорском направлении, где-то между Часовым Яром и Краматорском. Ехал он ехал, да попал на глаза нашим разведывательным "птичкам". Те передали "куда надо", прилетел FPV-дрон на оптоволокне и превратил грозную самоходку НАТО вначале в ярко пылающий факел, а затем в груду ржавого металлолома весом в 55 тонн.

В Якутии задержали члена преступной группы, выманившей у 5 россиянок 9,1 млн руб

Росфинмониторинг внес в перечень террористов и экстремистов объединение Гереги

Focus: глава Rheinmetall Паппергер начал носить бронежилет, его охрана усилена

Додон заявил, что Молдавия пытается лишить ПМР суверенитета при помощи Европы

Захарова: российские журналисты во Франции регулярно подвергаются травле

Посол Викторов: Россия надеется вернуть Александровское подворье в Иерусалиме

Маск заявил, что любит Трампа настолько, насколько мужчина может любить другого

Boston Globe: американский штат Нью-Гэмпшир снял запрет на продажу водки из РФ

Накануне новый "министр обороны" Сирии Мурахф Абу Касра заявил западным СМИ, что РФ может сохранить свои базы в Тартусе и Хмеймиме "до тех пор, пока требования Кремля отвечают интересам Сирии". Как считает военный эксперт Алексей Анпилогов, между Москвой и Дамаском идет торг, по итогам которого мы можем сохранить военное присутствие в САР.

По словам "министра", отношение Москвы к новым властям САР после падения режима экс-президента Асада "значительно улучшилось". Заявления "главы Минобороны" Сирии - явный признак того, что новые власти страны пока не намерены грубо изгонять из САР российские военные базы. Скорее, они заинтересованы в том, чтобы получить от Москвы как можно больше бонусов в обмен на сохранение ее военного присутствия. Ранее эксперты прогнозировали, что на месте военных баз РФ могут появиться турецкие. Но, как выяснилось, туркам не нужны новые базы на Средиземном море, у них хватает уже существующих.

Новые власти Сирии остро нуждаются во внешней гуманитарной помощи, оказание которой также может стать предметом торга с Москвой. Первые попытки примитивного торга с Россией по типу "выдайте нам экс-президента Асада, а мы не тронем ваши базы" закончились для Дамаска ничем. Но рычаги давления на Москву остаются в руках у нового "президента" САР Ахмада аш-Шараа, которого явно не устроит вариант с полным или частичным поглощением страны Турцией.

Как считает глава аналитического центра "Основание" Алексей Анпилогов, сегодня у России есть все шансы сохранить "точки опоры" в Сирии.

"Военные базы в САР для нас, безусловно, важны. Они обеспечивают нам пункты базирования в Средиземноморье в условиях, когда мы не можем использовать Черноморские проливы. Конвенция Монтре предписывает Турции закрыть проливы в случае конфликта между причерноморскими державами, поэтому наш Черноморский флот сейчас заперт в Черном море. Как следствие, наша Средиземноморская эскадра сейчас в основном состоит из кораблей других флотов России, которые отрезаны от ремонтных баз и доков в Крыму и на черноморском побережье Кавказа, - пояснил эксперт. - А база ВВС Хмеймим важна для России как "аэродром подскока" для наших бортов, направляющихся в Африку и обратно. Нам нужен свой аэродром как "точка промежуточной посадки" для военных самолетов со специфическими грузами. В целом, сохранить присутствие в САР для нас крайне желательно".

Впрочем, считает он, задачи базирования Средиземноморской эскадры и обеспечения логистики с Африкой можно решать и без сирийских баз.

"Для этого Россия сейчас неспешно смещает свою военную активность на восток Ливии, он контролируется Ливийской национальной армией во главе с генералом Халифой Хафтаром. В рамках непубличного соглашения идет модернизация военных объектов в глубине Ливии - ВПП и аэродромов, способных принимать даже тяжелые транспортные борта вроде Ил-76 или Ан-124. Возможно, Хафтар также предоставит в распоряжение ВМС РФ порт в Бенгази или Тобруке для базирования Средиземноморской эскадры. Эта "точка опоры" вполне может заменить нам пункт материально-технического снабжения, который был у нас в Тартусе, и оказаться даже более комфортной для нашего флота", - говорит Анпилогов.

Пока идет торг с Дамаском, Минобороны РФ потихоньку выводит свой контингент из Сирии - из Камышлы, с базы Тифор, где располагался наш "Африканский корпус", и других точек, говорит он.

"Силы РФ постепенно стягиваются со всей Сирии в Тартус и Хмеймим, и новые власти САР не намерены нас подгонять силой. Туркам эти две базы все равно не особо нужны. К тому же Анкара взвалила на себя слишком тяжелую ношу в виде опосредованного контроля над Сирией. Проблема для турок в том, что Сирии постоянно нужны ресурсы извне. В последние годы Дамаск критически зависел от поставок нефти из Ирана (сейчас они полностью прекращены). А сами сирийские месторождения в основном контролируются курдами, враждебными новым властям. Еще больше Дамаск зависим от поставок продовольствия извне, ведь основные агропромышленные районы Сирии либо контролируются курдами, либо являются потенциальными "точками конфликта". Перед новыми властями САР и стоящей за ними Анкарой "в полный рост" стоят проблемы топливной и продовольственной безопасности. Допускаю, что Россия может поставить регулярные поставки топлива и продуктов САР в прямую зависимость от сохранения своих баз в Тартусе и Хмеймиме, в виде "натурального налога". Плюс мы можем обеспечить новым властям лояльность населения в Латакии, которое в противном случае легко поднимется на гражданскую войну", - говорит он.

Анпилогов не верит, что исламисты во главе Сирии намерены искать себе "параллельных" покровителей, помимо Турции.

"Уже ясно, что они не смогут своими силами задавить курдов - это реальная сила, а не перепуганная регулярная армия Асада. Трамп пообещал в течение одного-двух месяцев вывести из САР военные базы США. Судя по всему, американцы вообще не намерены вмешиваться во внутрисирийские разборки. А для Турции интервенция и оккупация новых территорий САР будут явно не по карману, - сообщил Анпилогов. - У остальных внешних игроков, вроде Ирана или нефтяных монархий Залива, сейчас другие приоритеты. Поэтому у РФ есть хороший шанс стать поставщиком ресурсов, плюс одним из гарантов стабильности в пост-асадовской Сирии. Разумеется, при условии сохранения там военных баз и учета ряда других наших интересов".

Представители киевского режима расшаркиваются перед азербайджанцами в благодарность за помощь. Мы очень ценим, никогда этого не забудем и т.п., уверяет Баку украинский посол Юрий Гусев. Накануне Ильхам Алиев объявил об отправке $1 млн якобы на гуманитарные нужды и восстановление инфраструктуры. И как докладывал представитель Киева, Баку постоянно оказывал гуманитарную помощь Киеву с 2022 года, а еще является надежным партнером в сфере торговли и энергетики. В 2023 году Алиев также выделял гуманитарную помощь, прислав более 3,3 млн метров электрокабелей и проводов, 72 трансформатора.

Об азербайджанских поставках украинским нацистам рассказывать можно долго, уверяя, что они "реально спасают жизни людей". Так, по крайней мере, утверждает Гусев. Вопрос только, каким образом происходит это спасение? Известно, что Баку не ограничивается финансовыми траншами и поставками электрооборудования. Наш стратегический и нейтральный партнер снабжает нашего же противника оружием, причем делает это давно и регулярно. Например, украинский блогер Роман Бочкала в декабре 2023 г. публиковал фото производства 122-мм снарядов с логотипом азербайджанской группы компаний Palladium. Там естественно опровергали сей факт, утверждая, что это ложь, направленная на ухудшение отношений с Россией.

Однако и ранее Азербайджан отправлял для ВСУ высокоточные авиабомбы с лазерным наведением через Судан и Польшу. По информации корреспондентов иракского ТГ-канала Sabereen News, ссылавшихся на документацию поставок, азербайджанские дары (разработка осуществлялась при поддержке Турции) завозили на протяжении апреля 2022 года. Украинский борт переправлял из Судана авиабомбы в польский Жешув, после чего вооружение шло в ВСУ. Причем все было официально. Поставку осуществляла организация при Министерстве оборонной промышленности Азербайджана - CIHAZ Industrial Association. Сделку заключали с "Укрспецэкспортом".

Или, например, во время контрнаступления на Херсонском направлении ВСУ использовали истребители четвертого поколения МиГ-29 азербайджанских ВВС, которые якобы находились на ремонте во Львове. Кроме того, азербайджанцы отправляли Киеву средства разминирования, ГСМ для заправки танков, 82-миллиметровые минометы 20N5, 120-миллиметровые минометные мины 40М11 и много чего еще из списка "гуманитарной" помощи.

И это не говоря о русофобских выходках азербайджанских политиков. Сейчас на радость украинцам раздувается скандал с закрытием Русского дома в Баку и прекращением работы Россотрудничества. Власти заявили, что не хотят вмешательства в свои внутренние дела со стороны любого государства. Ссылаются также на отсутствие регистрации Русского дома, хотя сами же на протяжении нескольких лет игнорировали просьбы российского МИД уладить все юридические моменты. Теперь Россотрудничеству, которое занимается продвижением русской культуры, науки и образования, дают на выселение 1,5 месяца. Более того, россияне в случае необходимости всегда могли обратиться в Русский дом за помощью и получить поддержку, а теперь азербайджанцы лишили их такой возможности.

Причем столь откровенное хамство демонстрирует страна, 3 млн граждан которой (из 10 млн населения) живут в РФ, а ее олигархи пополняют свои закрома за счет России. Страна, для которой Россия является третьим по товарообороту торговым партнером и которая сама критически зависит от нашего сельхозрынка, будучи одним из крупнейших импортеров зерна.

Так что сегодня самое время начать пересматривать финансовые потоки, которые идут из нашего государства в Азербайджан. А для начала можно было бы, как предлагает бывший министр государственной безопасности ДНР Андрей Пинчук, закрыть рассадники этнической преступности - "Садовод" и "Фуд Сити", которые принадлежат "королям" московской недвижимости Зараху Илиеву и Году Нисанову. Не будет серьезных решений, азербайджанцы так и станут принимать терпение русских за слабость.

И не нужно ссылаться на разговоры в азербайджанских СМИ о том, что отношения России и Азербайджана ухудшились после крушения самолета "Азербайджанских авиалиний" над Грозным, и Баку "имеет определенные обиды", так как не получил компенсацию из-за "скупости" русских. Это не отношения ухудшились, а команда Алиева, полагаясь на своего турецкого покровителя Эрдогана, который заметно оперился в последнее время, учитывая события в Сирии, проверяет, насколько далеко еще можно зайти в своих попытках пнуть Москву.

Марьинка - город, чье освобождение дало старт переменам на фронте. Фактически деблокада Донецка началась с декабря 2023 года, когда российские подразделения подняли триколор РФ над марьинскими руинами. Все время до этого российским подразделениям не удавалось выбить ВСУ из городов-спутников столицы ДНР.

2023-й называли переломным. В Киеве ждали, что летом им вновь удастся занять ряд населенных пунктов на южном участке фронта в зоне СВО, что откроет им дорогу на Крым. Но этого не случилось. Зато уже в конце года произошло то, что казалось несбыточным - из Марьинки были выбиты украинские подразделения.

Без малого 10 лет Марьинка была под контролем ВСУ. Фактически город стал передним краем обороны киевских боевиков. Отсюда же украинские артиллеристы могли без особых усилий наносить удары по приближенным к фронту западным районам Донецка, но и до условно тыловых при желании добить можно было. Противоборствующие стороны тут стояли друг напротив друга. Без специальных приспособлений можно было разглядеть украинских боевиков, стоявших в соседнем от Александровки населенном пункте. И так продолжалось долгие годы.

Попытки освободить Марьинку предпринимали неоднократно, в том числе и задолго до начала СВО, но успеха добиться не получалось. Даже в 2022 году, когда на юге ДНР российские подразделения выбивали ВСУ с насиженных мест, западнее и севернее Донецка заметных продвижений не было. Дело в том, что из Марьинки и той же Авдеевки украинские боевики сделали настоящие крепости, которые могли оборонять долго. Ценой этому стал сам город.

"В городе была плотная застройка, зачастую противник сидел у нас за стеной.

Марьинка была очень хорошо укреплена, были дзоты, бункера и система подземных тоннелей. Больше всего запомнился бой, когда мы с бандеровцами бодались за коридор в здании. Тогда на выручку пришли танкисты, и удалось продавить противника", - вспоминает боец с позывным "Кальмар", который на тот момент был штурмовиком, а сегодня переучивается на оператора БПЛА.

Беспилотники сильно повлияли на ход боев. Осложнили продвижение войск и коренным образом преобразили столкновения сторон. В том числе и снабжать подразделения в Марьинке было сложно из-за хищных "птиц" в небе. Чтобы доставить боекомплект на передовые позиции, бойцам приходилось преодолевать пешком 9 км под огнем и ударами БПЛА противника.

Обо всем этом бойцы рассказывают мне, пока стоим посреди руин Марьинки. Визуально сложно определить предназначение окружающих нас построек. Что-то было жилым домом, что-то - административным зданием, где-то остались остовы православного храма, а где-то могут виднеться останки детской площадки посреди месива из дерева, кирпича и металла.

То, что увидел в Марьинке, мало с чем можно сравнить. Даже Мариуполь в разгар боев не выглядел так плачевно, как этот населенный пункт к западу от Донецка. Это буквально груды кирпича без единого уцелевшего здания. Поспорить с бойцом, который сопровождал меня в поездке в Марьинку, будет сложно.

"Это не Сталинград, это хуже", - проронил водитель, пока мы катили по извилистой дороге меж "мертвых" деревьев.

Хоть и не люблю проводить аналогии с Великой Отечественной войной, но признаюсь, что сложно избежать сравнений. Жесточайшие бои, которые оставили от города лишь кирпичную крошку, но дали толчок войскам для прорыва линии обороны противника, что в итоге привело к коренным изменениям в ходе боестолкновений. Это то, что первым приходит на ум, когда пытаешься найти что-то общее, хотя, разумеется, солдат говорил о степени разрушения.

И по сей день находиться в Марьинке небезопасно. Детектор БПЛА то и дело может определить FPV-дрон. Да и под ногами то и дело попадется что-то неразорвавшееся или намеренно оставленный ВОП. Тут нужен глаз да глаз. Поэтому солдаты пристально следят за гражданскими - то есть, за мной и попутчиками - ибо знают не понаслышке, чем может обернуться халатность в столь небезопасном месте. Хотя сложно сказать, есть ли в Донбассе вообще безопасные зоны, несмотря на то, что даже от Донецка линия фронта отдаляется ежедневно.

Цена газа в Европе в ходе биржевых торгов в пятницу превысила $600 за 1 тыс. куб. м впервые с 13 октября 2023 года, свидетельствуют данные лондонской биржи ICE. Рост с начала дня составляет более 2,5%.

Стоимость февральского фьючерса на хабе TTF в Нидерландах выросла до $601 за 1 тыс. куб. м, или €56,065 за МВт·ч (исходя из текущего обменного курса евро к доллару, цены на ICE представлены в евро за МВт·ч).

Ранее ТАСС со ссылкой на данные Gas Infrastructure Europe сообщал, что запасы газа в подземных хранилищах (ПХГ) Европы опустились ниже 51% и оказались меньше показателя не только на конец прошлого осенне-зимнего периода, но и на конец отопительных сезонов 2019-2020 гг. и 2022-2023 гг. С начала отопительного сезона ЕС отобрал из ПХГ около 52,5 млрд куб. м, что уже значительно превышает объем закачки в них к осенне-зимнему периоду - чуть более 41 млрд куб. м. Текущая неделя в Европе оказывается прохладнее предыдущей семидневки, а погода на следующей прогнозируется аналогичная этой.

"Решение Судебной коллегии по административным делам оставлено без изменения. Оно вступило в законную силу", - уточнили в суде.

В октябре прошлого года истица Елена Литвинец добилась в суде высшей инстанции отмены нормы, согласно которой документы для прописки необходимо сдавать лично. Заявитель еще в 2018 году столкнулась с отказом МВД в регистрации при обращении представителя с нотариальной доверенностью.

Верховный суд РФ удовлетворил иск о признании недействующим абзаца 5 пункта 48 Административного регламента МВД РФ по предоставлению государственной услуги по регистрационному учету граждан.

При этом МВД, выступавшее в качестве ответчика, настаивало, что отказ, с которым столкнулась истица, не является законным. Также представители ведомства отмечали, что готовится новый регламент, в котором не будет противоречий в правилах подачи документов.

Противоречие актов

Ведомство неоднократно разъясняло своим сотрудникам, что регистрация в квартире или доме возможна при обращении представителя с нотариальной доверенностью. Также запрет на отказ лицам с нотариальной доверенностью будет прописан в новом регламенте, отмечали представители МВД в суде первой инстанции.

"Наше рвение в объяснении этого правила и разъяснении сотрудникам связано со Специальной военной операцией. Сейчас нашим солдатам не просто зарегистрироваться в квартире, поскольку это сопряжено с необходимостью взять доверенность у командира и передать ее доверенному лицу. Отказ в регистрации при таких условиях несправедлив и незаконен.

Поэтому за последнее время мы уже дважды разъясняли, что регистрация по нотариальной доверенности возможна. Конечно, на местах иногда были нарушения, но мы провели необходимую работу", - уточняла представитель МВД.

Представитель Генпрокуратуры РФ настаивал на удовлетворении иска, поскольку в последних изменениях в ФЗ № 156 "О праве граждан на свободу передвижения" указано, что документы о регистрации можно передавать с нотариальной доверенностью. Поэтому и было выявлено противоречие норм.

"Такие структуры работают как искусственные нейроны в нейронной сети", - привели в пресс-службе слова руководителя лаборатории оптики спина СПбГУ, главного научного сотрудника университета Алексея Кавокина.

Уточняется, что традиционные нейросети используют модель компьютерной структуры, где данные и программы хранятся в общей памяти, а обработка информации происходит последовательно через центральный процессор. Такая система налагает несколько ограничений, которые приводят к существенному снижению скорости обмена данными и увеличению энергопотребления. Поэтому ученые СПбГУ разработали нейроморфную архитектуру, которая способна быстро и достоверно распознавать рукописные и голосовые команды.

Как рассказали в университете, разработка ученых относится к классу бинарных нейросетей (Binary Neural Networks, BNN), работающих с двоичными входными и выходными сигналами нейронов. В отличие от традиционных решений, BNN быстрее обрабатывают информацию и требуют меньше памяти. Благодаря этому такие сети потребляют меньше энергии и лучше масштабируются.

Разработку ученых СПбГУ протестировали на основе решения двух задач. Первая из них заключается в распознавании рукописных цифр крупнейшей базы данных MNIST. Точность распознания системы превысила 97,5%. Для оценки адаптивности и универсальности сети при работе с различными типами данных она была проверена на наборе Speech Commands для распознавания голосовых команд. Разработка ученых здесь также превзошла все существующие решения и методы.

На этой неделе комиссия правительства по законопроектной деятельности одобрила законопроект, определяющий порядок конфискации в России зарубежного имущества в ответ на аналогичные действия других государств с российскими активами, что открывает путь к его обсуждению в Государственной думе, пишет портал Yahoo.

Отмечается, что данный законопроект, разработанный Минюстом, является следствием указа, подписанного президентом РФ Владимиром Путиным в мае 2024 года и касающегося американского имущества и ценных бумаг, которые Россия может определить в качестве компенсации за любые убытки, понесенные в результате ареста замороженных российских активов в США.

По словам источников, новый закон распространит эту сферу на все так называемые недружественные государства, которые ввели санкции против России после начала спецоперации на Украине. Решения будут исполняться через иски, поданные в арбитражный суд госорганами, включая ЦБ и Генпрокуратуру. Ответчиками выступят иностранные государства, которые наложили арест на российские активы.

По словам одного из источников, знакомого с ходом дискуссий по данному вопросу, заявил, что учетные записи типа C, доступ к которым заблокирован, могут в итоге стать мишенью, если Москва не сделает исключение.

Это может создать проблемы для многих иностранных инвесторов, включая как частных лиц, так и крупные инвестиционные фонды США, чьи миллиарды долларов средств находятся в ловушке на этих счетах.

Около 300 млрд долларов российских финансовых активов были заморожены за рубежом вскоре после того, как Москва направила войска на Украину в феврале 2022 года, и западные страны обсуждают, как использовать эти активы, напоминает Yahoo.