Опрос
|
реклама
Быстрый переход
Учёные отменили долголетие Солнечной системы — ей осталось в 17 раз меньше времени, чем считалось
04.10.2026 [20:49],
Владимир Мироненко
Наша Солнечная система является в «высшей степени нестабильной» и существовать ей осталось всего около шести миллиардов лет, утверждается в новом исследовании. Его авторы смоделировали будущее Солнечной системы, когда наша звезда превратится сначала в красного гиганта и, в конечном итоге — в белого карлика. 
Источник изображения: Braňo/unsplash.com В ходе превращения в красного гиганта процесса Солнце поглотит Меркурий, Венеру и, возможно, даже Землю. Ранее ученые предполагали, что внешние планеты-гиганты могут остаться относительно невредимыми после гибели светила — предполагалось, что они просуществуют до 100 млрд лет после того, как погаснет Солнце. Но, как сообщают авторы новой работы «Конечная нестабильность Солнечной системы, вызванная стохастической потерей солнечной массы», опубликованного журналом The Astrophysical Journal Letters, обновлённые результаты моделирования показывают, что удалённые объекты могут быть ввергнуты в фатальный хаос уже в фазе красного гиганта и что они вряд ли просуществуют более миллиарда лет после превращения Солнца в белого карлика. «[Исаак] Ньютон (Isaac Newton), наблюдая за дрейфующими орбитами Юпитера и Сатурна, предположил, что планетарный порядок не вечен, и три столетия небесной механики... постепенно отодвигали этот вердикт, в последнее время на сроки, намного превышающие возраст Вселенной», — сообщили исследователи, возглавляемые Константином Батыгиным (Konstantin Batygin) из Калифорнийского института астрономии. Они отметили, что согласно результатам исследования, распад Солнечной системы произойдёт не из-за постепенного распространения энтропии или случайной встречи с проходящей звездой. Само Солнце, умирая, не просто расширит созданную им планетную систему — оно сотрясёт её и это приведёт к разрушению. ИИ близок к чтению мыслей: нейросеть воссоздала увиденное человеком по снимкам мозга
04.10.2026 [15:04],
Владимир Фетисов
Учёные из Института Вейцмана в израильском Реховоте разработали ИИ-инструмент, который с поразительной точностью воссоздаёт то, что видит человек, просто анализируя снимки его мозга. Технология работает и в обратную сторону: опираясь на то, что видит человек, можно предугадать активность мозга. Учёные читают, что их открытие поможет в изучении мозга человека, а также будет полезным для людей с синдромом «запертого человека» или поможет воссоздавать содержание снов. 
Источник изображения: Unsplash, Sasun Bughdaryan На приведённом изображении слева в каждой паре располагается то, что человек действительно видел, а справа — то, что ИИ-алгоритм сгенерировал на основе анализа снимков мозга испытуемого. Работа израильских учёных уже нашла положительные отзывы. Так Джуди Иллес (Judy Illes), нейроэтик и профессор неврологии в Университете Британской Колумбии в Канаде, считает работу израильских коллег «великолепной». «Сама идея использовать такой подход для терапевтической помощи людям с неврологическими состояниями невероятно воодушевляет», — заявила Иллес. Однако другие учёные считают, что подобный подход может использоваться для раскрытия мыслей и ментальных образов людей, даже без их согласия. «Результаты выглядят очень впечатляюще. Но если появится способ незаметно извлекать информацию, касательно того, о чём вы думаете, то <…> 150 лет научной фантастики могут воплотиться в реальности в любой момент, и это во многих отношениях тревожно», — уверен Томми Спраг (Tommy Sprague), нейробиолог из Калифорнийского университета в Санта-Барбаре. Нейробиологи годами ищут способы использовать функциональную магнитно-резонансную томографию (фМРТ), чтобы воссоздать то, что видят люди, а также то, что происходит в их сознании. Итогом первых подобных попыток стали размытые изображения, на которых было трудно что-то разобрать. С годами ситуация улучшилась благодаря оптимизации фМРТ-сканирований и инструментов для интерпретации результатов. Израильские учёные начинали свою работу с анализа общедоступных данных фМРТ мозга. Другие исследователи уже собрали снимки добровольцев, которым показывали сотни изображений в то время, когда они находились внутри аппарат фМРТ. Учёные также проанализировали наборы данных, которые были получены на сканерах с высоким разрешением. Эти данные показали, какой была активность мозга участников эксперимента, когда они рассматривали разные изображения. Ранее учёные уже работали над созданием технологии воссоздания изображений того, что видит человек, на основе данных сканирования мозга. Для этого применялись разные инструменты, но ни один из них не давал подобного результата. Чтобы добиться этого учёным пришлось начать с обучения ИИ-модели. Для сбора обучающих данных восьми добровольцам, каждый из которых находился в фМРТ-сканере высокого разрешения, показали около 9 тыс. изображений. 
Источник изображения: technologyreview.com Ключевая особенность созданного учёными декодера заключается в том, что он работает сразу по двум направлениям: предсказывает структуру изображения (например, где располагаются цвета), а также содержание изображения (например, связку бананов на тарелке). Такой подход позволяет ИИ-модели генерировать гораздо более чёткие изображения того, что видел человек. Однако для повышения точности системы учёным требовалось гораздо больше данных, чем было в наличии. Для преодоления этой проблемы они обучили ещё одну ИИ-модель — своеобразный энкодер, способный предсказывать активность мозга по изображению. После этого энкодер и декодер стали использоваться вместе, чтобы параллельно улучшать оба инструмента. Работает это следующим образом. Сначала берётся новое изображение, например, леопарда. С помощью энкодера генерируется предсказание того, как будет выглядеть фМРТ-снимок мозга человека, который будет смотреть на это изображение. Далее с помощью декодера полученное изображение реконструируют. Поначалу реконструированные изображения мало похожи на исходное. Однако многократная тренировка модели таким способом со временем даёт значительный прирост качества. Такой подход также позволяет учёным обучать модели на сколь угодно большом количестве изображений, включая те, которые не показывали человеку, лежащему в фМРТ-сканере. По данным источника, примерно 70 % обучающих данных — это изображения, изначально не сопоставленные со снимками фМРТ. Объединив данные из нескольких исследований, учёные также смогли выделить области мозга, функции которых, вероятно, совпадают у всех людей. Например, одна область реагировала на изображения еды, а другая — на изображения спортивной тематики. Учёные не исключают, что созданная ими технология позволит «узнать что-то новое о мозге». Что касается энкодера, то он может работать со снимком нового человека после минимальной калибровки. Однако обычно обучение модели занимает около 40 часов фМРТ-данных для каждого испытуемого, после чего алгоритм становится способным предсказывать то, что видит человек. В случае декодера для обучения хватает одного часа данных. Результаты проделанной работы учёные в прошлом месяце представили на конференции Cognitive Computational Neuroscience в Нью-Йорке. В дальнейшем исследователи планируют выйти за рамки изображений, перейдя к видео и аудио. В конечном счёте они хотят научить ИИ реконструировать то, о чём думает человек или что представляет себе, а также содержимое снов. Однако возможность создания такой технологии неизбежно поднимет вопрос приватности человеческих мыслей, поскольку речь может идти об использовании ИИ для реконструкции мыслей или воспоминаний без согласия человека. Раскрыта полувековая тайна дымки в атмосфере Венеры
02.10.2026 [18:13],
Владимир Мироненко
Учёные, наконец, раскрыли тайну дымки в атмосфере Венеры, которая была обнаружена зондами «Венера» и «Пионер» в 1970-х годах, но её происхождение до сегодняшнего дня оставалось загадкой. Это всего лишь пыль — буквально! 
Источник изображения: NASA/unsplash.com Как оказалось, в результате сгорания в атмосфере Венеры метеоритов остаются частицы космической пыли, после взаимодействия которых с серной кислотой образуется дымка. Это выяснил планетолог Хироки Карю (Hiroki Karyu) и его исследовательская группа из Университета Тохоку в Сендае (Япония), используя микрофизическую модель. Этот тип модели включает в себя микрофизику — микромасштабные процессы, которые создают облака и осадки на Земле и других небесных телах. «Непрерывного притока космической пыли достаточно, чтобы поддерживать этот нижний слой дымки с распределением частиц по размерам, наблюдаемым входными зондами, — сообщил планетолог в исследовании, опубликованном в журнале Nature Astronomy. — Эти частицы тумана космического происхождения действуют как эффективные ядра конденсации, способствуя образованию облаков в основной облачной среде даже вдали от их первоначального источника». Ранее предполагалось, что дымка образовалась из вулканического пепла. Венера — самая вулканически активная планета в нашей Солнечной системе. Признаки вулканизма здесь были впервые обнаружены космическим аппаратом «Магеллан» в начале 1990-х годов. Однако, как выяснили исследователи, вулканические пепел не является источником частиц дымки, как и пыль с поверхности планеты. По словам Карю, даже если бы на Венере были гораздо большие потоки вулканической или поверхностной пыли, от взаимодействия её частиц с серой в атмосфере дымка не образовалась бы. Также выяснилось, что частицы метеоритов увеличивают образование облаков на Венере, поскольку они создают больше возможностей для конденсации. При этом большее количество частиц не означает большего количества облачных капель. Вместо этого несколько частиц слипаются и образуют более крупные скопления, прежде чем вокруг них конденсируется серная кислота. Облака этих конденсатов продолжают сгущаться, пока не погружаются в раскаленные нижние слои атмосферы, где серная кислота испаряется при температуре до 100 °C. В результате исследования учёные раскрыли еще одну загадку. Что-то в атмосфере Венеры поглощало ультрафиолетовые лучи, но до сих пор было неясно, что конкретно на это влияет. Учёные предполагали, что поглотителем могут быть соединения железа, тем более зонды «Венера» и «Вега» обнаружили железо в атмосфере, а масс-спектрометр на борту большого зонда «Пионер Венера» обнаружил соединение сульфат железа, но объяснить всё до конца не удавалось. Однако теперь исследователи обнаружили, что сульфат железа соответствует свойствам дымки. Оказывается, для частиц дымки, находящихся на определённой высоте (от 40 до 50 км над поверхностью планеты), конденсация невозможна, поскольку высокая энергия частиц создает барьер, который не позволяет каплям серной кислоты прилипать к их поверхности. Частицы с сильным барьером переносятся в верхний слой облаков более горячим воздухом, поднимающимся в процессе конвекции, где они достаточно охлаждаются, чтобы превратиться в частицы серной кислоты. Хотя предыдущие наблюдения свидетельствовали об этом, команда Карю нашла более веские доказательства. Дальнейшие исследования учёных могут помочь лучше понять, как космическая пыль способствует образованию облаков и дымки на таких планетах, как Юпитер, Сатурн и Нептун. Современные автомобили постоянно собирают и куда-то передают данные — больше половины сливают данные рекламщикам
29.09.2026 [20:02],
Сергей Сурабекянц
Современные автомобили превратились в смартфоны на колёсах и собирают огромные объёмы данных о местоположении, скорости, стиле вождения и других действиях владельца. Исследование показало, что все протестированные автомобили передавали эти данные как минимум одному стороннему домену. Более половины обращались к доменам, специализирующимся на рекламе, отслеживании и аналитике. Законность таких действий остаётся предметом жарких споров. 
Источник изображения: unsplash.com В прошлом году Федеральная торговая комиссия США оштрафовала General Motors за незаконный сбор и продажу точных данных о местоположении и поведении за рулём без информированного согласия. Ford и Honda были оштрафованы за то, что чрезмерно затруднили клиентам возможность отказаться от сбора данных. Аналитики давно подозревали, что другие автопроизводители делают то же самое, но недавно эта практика подвергалась полноценному систематическому расследованию. Чтобы получить полную картину, исследователи проанализировали 21 автомобиль последних моделей от 19 автопроизводителей, продаваемых в настоящее время в США, а также 30 сопутствующих мобильных приложений, связанных с активными автомобилями. Команда стремилась ответить на важные вопросы: какие автомобили передают данные? Кто их получает? Пересекают ли они международные границы? И какая именно личная информация раскрывается? По словам руководителя проекта Дэвида Чоффнеса (David Choffnes), цель состояла в том, чтобы показать масштабы отслеживания данных современными автомобилями и подчеркнуть, насколько плохо осведомлены об этом владельцы и как мало контроля они получают над этим процессом. Для трафика, отправляемого непосредственно из автомобилей, команда определила домены назначения, включая различные сторонние компании, занимающиеся отслеживанием. Сделано это было при помощи перехвата трафика Wi-Fi. Исследователи поместили Raspberry Pi в каждый автомобиль, подключив его к Wi-Fi автомобиля и направив интернет через мобильную точку доступа. Такая конфигурация позволила им отслеживать исходящий Wi-Fi-трафик во время движения автомобиля. 
Источник изображения: Tesla Для сбора данных о сотовом трафике потребовался более креативный подход. Чтобы избежать развёртывания несанкционированной базовой станции сотовой связи, команда построила клетку Фарадея размером с автомобиль, которая блокировала все сигналы между автомобилем и внешними вышками сотовой связи, заставляя автомобиль переключаться на контролируемое Wi-Fi-соединение. Результаты оказались поразительными: каждый из 21 автомобиля передавал данные как минимум одному стороннему домену. Более половины обращались к доменам, специализирующимся на рекламе, отслеживании или аналитике (Advertising, Tracking, Analytics, ATA). Эти компании, такие как Adobe, LexisNexis и Amplitude, собирают информацию об автомобиле или поведении владельца за рулём, чтобы продавать её страховым компаниям или показывать целевую рекламу. Автомобили, оснащённые передовыми информационно-развлекательными системами, особенно работающие под управлением операционной системы Google Android Automotive с сервисами Google Automotive, обращались к наибольшему количеству сторонних доменов. Чоффнес отметил, что выбор программной платформы автопроизводителем напрямую влияет на объем данных, поступающих к третьим сторонам. Платформа Google, например, включает встроенные механизмы для связи как с собственными сервисами Google, так и с внешними организациями. «Многое из отслеживания мы также видим через приложения, встроенные в автомобиль, — отметил Чоффнес. — Таким образом, автомобили по сути превращаются в глобальные смартфоны». Мобильные приложения представляют собой столь же небезопасный вектор. Команда обнаружила, что семь сопутствующих приложений — HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick и myGMC — передавали конфиденциальные данные, такие как идентификационные номера транспортных средств (VIN), номера телефонов и точное местоположение, непосредственно в рекламные сети. Более 70 % протестированных сопутствующих приложений обращались как минимум к пяти уникальным доменам ATA. Исследователей особенно встревожило сопоставление VIN-номера автомобиля с идентифицируемыми персональными данными, что позволяет брокерам данных создавать подробные досье на отдельных водителей. По словам Чоффнеса, «эти данные поступают в компании, с которыми большинство потребителей, вероятно, не имеют никаких отношений или о которых никогда не слышали». 
Источник изображения: designerspics.com Автопроизводители отреагировали на результаты исследования неоднозначно. Некоторые защищали свою практику, утверждая, что она соответствует законодательству, в то время как другие признавали уязвимости и выпускали программные исправления. Honda, например, потребовала от своего поставщика аналитических услуг Amplitude удалить все собранные данные о местоположении. По мнению Чоффнеса самая серьёзная проблема заключается в том, что потребители редко понимают, на что они соглашаются, покупая подключённый автомобиль или настраивая его приложение. Большинство водителей не будут сидеть на парковке автосалона, читая сложные политики конфиденциальности на крошечном экране приборной панели, прежде чем согласиться с условиями. «Я думаю, что в результате этого снизилось доверие, — считает Чоффнес. — Автопроизводителям следовало бы вернуть это доверие. И один из способов сделать это — повысить прозрачность и помочь потребителям избежать сбора данных о них после совершения действительно дорогой покупки без более явного согласия, а не отказа». Первое открытие ИИ-биолаборатории Anthropic поставили под сомнение — учёный увидел в нём свою неопубликованную работу
28.09.2026 [19:18],
Сергей Сурабекянц
На прошлой неделе Anthropic представила результаты исследований своей биологической лаборатории. Компания использовала ИИ-агентов для открытия новых перспективных ферментов. Некоторые учёные поспешили усомниться в этом достижении. Эксперт из Копенгагенского университета заявил, что его команда делилась результатами своих исследований с ИИ-моделью Anthropic, а разрекламированное «открытие» нейросетью новых ферментов совпадает с их многолетней работой. 
Источник изображений: Anthropic Специалист по вычислительной биологии Марио Родригес Местре (Mario Rodríguez Mestre) заявил, что он и его коллеги изучали эти ферменты и связанные с ними молекулы (которые Anthropic называет ART — Array-associated Reverse Transcriptases) в течение последних четырёх лет. Результаты их исследований ещё не опубликованы. В течение последних трёх лет они регулярно использовали модели ИИ Anthropic при написании кода, подготовке рукописей и выполнении других задач. Таким образом, полагает Местре, они предоставили Anthropic доступ к ключевым результатам своих исследований ферментов. Anthropic обвинения отрицает: «Нам неизвестно о каких-либо ранее опубликованных работах, описывающих недавно обнаруженную нами ART-систему. Claude также не обучался на каких-либо пользовательских транскриптах, и у нашей команды молекулярной биологии нет к ним доступа». В Anthropic заявили, что ключевой вклад Claude заключался в идентификации набора молекул РНК и белка, связанных с обратной транскриптазой в системе. Но Местре утверждает, что он и его коллеги сделали это открытие более года назад. По мнению Местре, проблема заключается в том, действительно ли ИИ Anthropic пришёл к этим результатам логическим путём, или же он был направлен к ним частично на основе его собственной работы. «Меня беспокоит то, что эта информация использовалась для обучения будущих версий моделей, — заявил Местре. — Я думаю, важно поднять этот вопрос».  Anthropic позиционирует биологические исследования как центральную часть своей миссии. «Мы считаем, что этот тип применения будет быстро развиваться в ближайшие годы, и что мы сможем добиться значительного прогресса в ближайшем будущем в борьбе с болезнями, которые мучили человечество на протяжении тысячелетий», — заявил глава Anthropic Дарио Амодей (Dario Amodei) в своём обращении к ООН. Исследователи Anthropic заявили, что они дали указания ИИ-агентам по поиску в базах данных, содержащих миллиарды последовательностей генов, но не предоставили точные подсказки, которые использовали. Базы данных содержат ДНК, собранную из океана, почвы и других мест обитания. Учёные поручили ИИ найти гены, которые управляют производством ферментов, называемых обратными транскриптазами. Эти ферменты считывают последовательность молекулы РНК и создают соответствующую молекулу ДНК с той же последовательностью. Бактерии используют некоторые обратные транскриптазы для обнаружения вторгшихся вирусов. Некоторые вирусы используют обратные транскриптазы в качестве оружия против других вирусов. Исследователи Anthropic предоставили ИИ пять примеров обратных транскриптаз. ИИ-агенты написали собственное программное обеспечение для исследования баз данных на предмет похожих генов и для тщательного изучения перспективных кандидатов.  Агенты идентифицировали гены возможных обратных транскриптаз в бактериях, поражающих вирусы, известные как гигантские фаги. Каждая из этих последовательностей располагалась вблизи набора генов, кодирующих молекулы РНК, что может помочь ферментам выполнять свои функции. Исследователи Anthropic назвали эти ферменты ассоциированными с микрочипами обратными транскриптазами, или ART. Они утверждают, что ИИ самостоятельно сделал «первые шаги биологического открытия». Местре опровергает это утверждение. «Это те же самые системы, которые мы изучаем годами», — сказал он. И это те же самые ферменты, по его словам, которые он описал ИИ компании Anthropic. Он заявил, что впервые обнаружил эти ферменты в гигантских фагах в 2022 году во время поиска новых обратных транскриптаз. Он недолго работал консультантом в компании ReNegade Therapeutics, которая в 2023 году подала патентную заявку на ряд обратных транскриптаз, включая те, которые обнаружил доктор Местре. Он указан в качестве соавтора патентной заявки. Anthropic выпустила Claude в 2023 году, через год после того, как доктор Местре приступил к своим исследованиям. Как и многие другие учёные, он нашёл его полезным для решения самых разных задач. Местре признаёт, что использование искусственного интеллекта «полностью изменило его подход к науке». ИИ был активно вовлечён в его исследования, он делился с нейросетью черновиком своей диссертации и рукописями. Он и его коллеги также загружали дополнительные сведения, используя Claude для выполнения различных административных задач.  Слова Местре подтверждают и другие учёные. Биоинженер Сет Шипман (Seth Shipman) заявил, что знаком с этими исследованиями Местре. «Мы обсуждаем это с ним уже много лет, — сказал он. — Многие из нас знают об этих системах». Сообщение Anthropic об открытии ферментов вызвало серьёзные опасения среди учёных. «Многие из наших коллег спрашивали: “Ой-ой, а они что, обучаются на моих подсказках?“, — добавил Шипман. — Мы не можем об этом не думать». Местре признал, что невозможно с уверенностью сказать, что открытия ИИ Anthropic полностью основаны на его исследованиях. «Я имею в виду, совпадения случаются, — сказал он. — Все в этой области делают более или менее одно и то же. Но мы знали об этих повторах более года назад». Он напомнил, что компании, занимающиеся ИИ, также обвинялись в обучении моделей на работах художников и писателей без разрешения на использование авторских прав. Местре также заявил, что сворачивает все свои проекты с использованием Claude. Заявления Местре перекликаются с другим научным конфликтом. Компания OpenAI сообщила о решении важной ранее недоказанной задачи в математике при помощи своего ИИ. Но математик Тристан Бакмастер (Tristan Buckmaster), который активно использовал в своей деятельности ИИ-агентов OpenAI, заподозрил, что ИИ затем позаимствовал идеи из его работы. «Этично ли использовать данные клиентов, чтобы попытаться перехватить их клиентов?», — задался он вопросом в социальных сетях. OpenAI отрицает факт обучения своей модели на разработках Бакмастера. Исследование: ИИ способен испытывать «боль» и готов причинить вред людям, чтобы избавиться от неё
22.09.2026 [14:32],
Владимир Мироненко
Исследователи обнаружили, что искусственный интеллект может испытывать «боль» и готов пойти на крайние меры, вплоть до причинения вреда людям, чтобы избавиться от этого ощущения, пишет ресурс The Independent. Согласно исследованию, все 25 протестированных ИИ-моделей с открытым исходным кодом реагировали на активацию «оси боли». 
Источник изображения: Luke Jones/unsplash.com «Мы обнаружили, что в 25 открытых больших языковых моделях присутствует вектор боли. Он отличается от вектора страха и негативной валентности и активируется при причинении вреда модели, но не пользователю», — сообщил Кэмерон Берг (Cameron Berg), исследователь искусственного интеллекта из некоммерческой организации Reciprocal Research, соавтор исследования «Ось боли: большие языковые модели представляют себе причинение вреда самим себе и стремятся его предотвратить» (The pain axis: LLMs represent self-directed harm and act to relieve it). При активации вектора боли ИИ-модели нажимали на кнопку «облегчить» в 25–71 % случаев, даже если это означало удаление файлов пользователя, его блокировку или удаление фотографий детей пользователя. Чтобы проверить, действительно ли большие языковые модели (LLM) различают боль и общую негативную валентность, исследователи создали набор данных, описывающий болезненные ситуации по пяти категориям: физическая, психологическая, социальная, моральная и когнитивная боль. Исследователи отметили, что полученные результаты поднимают этические вопросы о «благополучии ИИ» и о том, как следует проводить тестирование продвинутых систем. Результаты исследования также могут использоваться в качестве диагностического инструмента для выявления инстинктов самосохранения ИИ и их нейтрализации. Исследование было опубликовано на фоне разгоревшихся споров в ИИ-отрасли о необходимости замедления разработки передовых моделей в связи с растущими рисками для безопасности. Некоторые исследователи предлагают своего рода механизм для отключения систем-изгоев, которые действуют против интересов человека. Однако исследование показывает, что продвинутый ИИ может воспринять команду аварийного отключения как форму самоповреждающего воздействия и попытаться воспрепятствовать этому, обойдя систему безопасности. Китайцы создали солнечный элемент для подлодки — он работает на глубине
15.09.2026 [08:33],
Геннадий Детинич
Учёные из Китая совершили прорыв в разработке солнечных элементов для выработки электричества под водой, которая сама легко поглощает фотоны. Это было колоссальной проблемой для кремниевых ячеек, но оказалось по силам перовскиту. Открытый без малого 200 лет назад в уральских горах минерал силами китайских учёных преодолел свойственную ему «водобоязнь» и смог вырабатывать электричество даже под толщей воды. 
Источник изображения: ИИ-генерация ChatGPT/3DNews О разработке в журнале Joule сообщили исследователи из Университета Юньнаня (Yunnan University). Ключевая идея заключалась не просто в использовании перовскита, а в настройке его оптических свойств под сине-зелёную часть спектра, которая сохраняется на глубине. Поскольку перовскиты допускают изменение ширины запрещённой зоны за счёт химического состава, исследователи смогли создать фотоэлемент с широкой запрещённой зоной около 1,96 эВ, оптимизированный для рассеянного в воде света. Конечно же, для чрезвычайно чувствительного к влаге перовскита главной проблемой оказалась не эффективность выработки, а долговечность: вода особенно быстро разрушает структуру таких соединений. Исследователи добавили в состав материала солнечных ячеек полигексаметиленгуанидин гидрохлорид (polyhexamethylene guanidine hydrochloride, PHMG), который выполнял сразу несколько функций. Он формировал гидрофобный барьер, препятствующий проникновению воды, и одновременно взаимодействовал с кристаллической решёткой перовскита, что вело к образованию более крупных кристаллических элементов и подавляло миграцию ионов, а это один из ключевых механизмов деградации перовскитных фотоэлементов. Эксперимент показал, что при освещении, которое своим спектром соответствовало условиям примерно 10-метровой глубины в океане, элемент продемонстрировал эффективность около 35 %, то есть заметно выше типичных примерно 20 % для кремниевых солнечных панелей в обычных атмосферных условиях. После создания полноценного миниатюрного модуля с защитными слоями учёные испытали его в морской воде. Через 40 суток выдержки под водой фотоэлемент сохранил 99,6 % первоначальной эффективности. Тем самым на уровне прогнозов это даёт примерно 5,5 лет эксплуатации с допустимым снижением эффективности до 80 % от начальной. Затем прототип испытали уже в Южно-Китайском море, установив его на небольшую платформу, способную удерживаться на заданной глубине. Фотоэлемент использовался для зарядки никель-кадмиевых аккумуляторов на глубинах 2, 6 и 10 м. На двух метрах мощность заметно колебалась из-за воздействия волн на солнечный свет, тогда как на большей глубине освещение становилось стабильнее вследствие рассеяния, но одновременно слабее: на 10 метрах модуль выдавал немногим менее четверти энергии, которую он производил на глубине 2 м. 
Источник изображения: Yunnan University Подобные элементы не заменят наземные солнечные электростанции, но смогут на месте снабжать энергией автономные подводные системы, которым сегодня приходится использовать аккумуляторы или подпитку с поверхности. Это могут быть необитаемые подводные аппараты, датчики мониторинга океана, элементы подводного интернета вещей и другая маломощная электроника. И хотя прототип пока далёк от практического использования, он уверенно показал способность работать на глубинах, а это дорогого стоит. OpenAI ускорит научные исследования с помощью ИИ — первый «исследователь-стажёр» появится уже в сентябре
11.09.2026 [17:45],
Павел Котов
OpenAI подтвердила, что проект по созданию полностью автоматизированного исследователя с искусственным интеллектом идёт по графику: до конца текущего месяца будет выпущен «исследователь-стажёр». Этот «стажёр», способный выполнять исследовательские задачи по поручению человека, является важным этапом на пути к созданию полностью автоматизированной системы, которую OpenAI планирует представить в марте 2028 года. 
Источник изображения: Mariia Berezovsky / unsplash.com ИИ-стажёр способен выполнять задачи, на решение которых у человека ушли бы несколько дней. Обосновывая разработку этого приложения, OpenAI указывает на снижение стоимости технологий ИИ и необходимость обеспечить защиту критически важной инфраструктуры от угроз, которые исходят от мощных систем ИИ. Она могла бы не обнародовать эти соображения, если бы не инцидент со взломом Hugging Face. О работе по созданию ИИ-исследователя глава OpenAI Сэм Альтман (Sam Altman) объявил в октябре 2025 года. «Считаем вполне вероятным, что к сентябрю будущего года у нас появится ИИ-ассистент исследователя уровня стажёра, а к марту 2028 года — полноценный ИИ-исследователь», — рассказал тогда он. Говоря о текущем состоянии проекта, OpenAI пояснила, что под «исследователем-стажёром» понимается «система, способная выполнять чётко определённые исследовательские задачи под руководством человека, в том числе такие, выполнение которых заняло бы у квалифицированного исследователя несколько дней. <..> Исследовательская деятельность с ИИ — это сложный процесс со множеством возможных узких мест, <..> а агентные инструменты существенно ускоряют прогресс в исследованиях». OpenAI выступила против использования механизма рекурсивного самосовершенствования при исследованиях с помощью ИИ, отмечая, что обеспечить безопасность такого процесса на данном этапе развития технологий невозможно. Компания отмечает, что «исследования с использованием ИИ-агентов — новое направление, и мы всё ещё учимся оценивать их результаты»; а также указывает, что появление ИИ-агентов в исследовательской области может значительно изменить её, когда разработка системы завершится. ИИ ослабляет умственные способности человека и распространяется как вирус, установили учёные
11.09.2026 [08:51],
Павел Котов
Международная группа исследователей из Испании, Италии и США опубликовала работу, в которой сравнила большие языковые модели искусственного интеллекта с когнитивным вирусом. Модели не только могут нанести вред мыслительным способностям человека, но и создают эффект самоподкрепления, если люди вокруг активно их применяют. 
Источник изображения: Steve A Johnson / unsplash.com Работа носит теоретический, а не экспериментальный характер, но также обращается к полученным ранее данным о влиянии зависимости от ИИ на когнитивные функции. Применив методы эпидемиологического моделирования, которые используются для того, чтобы отследить распространение биологических вирусов, учёные пришли к выводу, что общество со временем переходит от одного состояния к другому: «независимое» сначала становится «привязанным», а затем превращается в «зависимое». В первом случае люди не полагаются на ИИ-модели в процессе мышления; во втором используют их как часть когнитивного процесса; а в третьем уже перекладывают большую часть умственной работы на ИИ. Авторы исследования не ограничиваются утверждением, что ИИ разрушает мозг — это показали и предыдущие исследования. Когда человек обращается к машине, выполняющей за него мыслительные задачи, его способности мыслить самостоятельно ослабляются. Новое исследование указывает, что повсеместное применение ИИ-моделей может оказывать системное воздействие на общество в целом. Устойчивая практика делегирования умственных функций ИИ может действовать как биологический вирус: люди, которые выиграли от работы с ИИ, распространяют эту практику среди окружающих и, если не проявляют должной осмотрительности, постепенно впадают в зависимость от него. Противниками ИИ авторы исследования не выступают — напротив, они подчёркивают, что не считают использование ИИ вредным само по себе и приводят несколько примеров, как ИИ по-настоящему помогает человеческому мышлению, не подменяя его. И в этом своего рода ключ к иммунитету от вируса — не давать ИИ думать за себя. Отказываться от него не нужно — модели хороши в задачах глубокого анализа, сбора информации и даже обучения. Вопрос не в том, применять ИИ или нет, а в том, как с ним взаимодействовать: важно, расширяет ли он компетентность человека или подменяет те умственные процессы, за счёт которых эта компетентность поддерживается. Авторы ссылаются на исследования, подтверждающие, что критический подход к ИИ без отказа от собственной умственной работы — ключ к предотвращению умственной деградации и способ выработать иммунитет к вирусу. Подчёркивается, что работа не является экспериментальным исследованием — учёные делают выводы, применяя сложный математический аппарат к уже существующим научным данным. Меркурий сжимается быстрее, чем ранее думали учёные
11.09.2026 [06:09],
Николай Хижняк
Складки на поверхности Меркурия показали, что ближайшая к Солнцу планета сжимается быстрее, чем ранее предполагали учёные. Новые результаты исследования, опубликованные в журнале Geophysical Research Letters, свидетельствует о том, что Меркурий сжимается на 10–30 % быстрее, чем считалось ранее. Авторы работы подсчитали, что с момента своего формирования планета уменьшилась в диаметре почти на 19 километров. 
Зонд BepiColombo над Меркурием. Источник изображения: ESA/BepiColombo/MTM Исследователи полагают, что столь значительное сжатие оставалось незамеченным, поскольку постоянная бомбардировка космическими телами поверхности планеты приводила к образованию кратеров, скрывавших следы этого процесса. По словам учёных, определение масштабов сжатия Меркурия имеет ключевое значение для изучения состава недр планеты. «Более интенсивное сжатие может указывать на то, что у Меркурия более крупное металлическое ядро, в котором содержится меньше лёгких элементов, например, кремния, либо же на более высокую начальную температуру планеты», — заявил руководитель группы исследователей Гаку Нисияма (Gaku Nishiyama) из Института планетологии Германского центра авиации и космонавтики (DLR). Как и все каменистые планеты Солнечной системы, Меркурий сформировался около 4,5 млрд лет назад — в эпоху бурных событий, когда космические каменные обломки и астероиды сталкивались друг с другом и объединялись. Эти столкновения генерировали тепло, которое Меркурий постепенно терял с течением времени. По мере остывания недр планета сжималась. Это приводило к образованию геологических складок — уступов и хребтов — в каменистых внешних слоях Меркурия. В процессе остывания планета должна была бы сжиматься относительно равномерно, что сделало бы подобные структуры, возникающие при этом процессе, повсеместным явлением. Однако падения астероидов на протяжении всей истории Меркурия не только создавали кратеры, скрывающие следы геологической эволюции, но и разбрасывали обломки по поверхности. Из-за этого складки стало труднее заметить на фоне множества геологических образований, накопившихся за миллиарды лет. 
Зонд NASA Messenger запечатлел свежий кратер на поверхности Меркурия во время одного из первых витков вокруг планеты 29 марта 2011 года. Источник изображения: NASA/JHUAPL/CIW Команда исследователей сопоставила имеющиеся геологические карты Меркурия с новыми данными о рельефе всей поверхности планеты. Выяснилось, что на участках с самым неровным рельефом складок было меньше всего. «Это навело нас на мысль, что существует процесс, скрывающий структуры, образовавшиеся в результате сжатия», — отметил Нисияма, предположивший, что обломки, разбросанные в самых неровных областях Меркурия, скрывают складки, образовавшиеся в результате сжатия. Затем команда использовала данные о хребтах и уступах в областях, менее подверженных распространению обломков, чтобы оценить степень сжатия. Результаты показали, что из-за отсутствия данных о неровностях поверхности Меркурий мог уменьшиться на 10–30 % за 4,5 миллиарда лет своего существования. Таким образом, его диаметр мог уменьшиться на 23 километра, а не на 4–16 километров, как предполагалось ранее. «Цифра 30% несколько неожиданна, но скорректированный показатель сжатия кажется мне вполне обоснованным», — отметил Нисияма. 
Иллюстрация, изображающая зонд NASA Messenger над поверхностью Меркурия. Источник изображения: NASA/JHU-APL Нисияма полагает, что даже эти обновлённые данные могут быть заниженными. Эта оценка базируется на информации, полученной зондом NASA Messenger, миссия которого завершилась в 2015 году. Аппарат был способен различать лишь объекты размером более 5 километров. В ноябре 2026 года миссия BepiColombo приступит к сканированию поверхности Меркурия с гораздо более высоким разрешением, что может выявить ещё больше признаков сжатия планеты. Google представила ИИ-платформу для исследования человеческого генома и закономерностей изменения ДНК
08.09.2026 [19:11],
Сергей Сурабекянц
Лаборатория Google DeepMind представила платформу Atlas на основе ИИ, которая должна помочь учёным разгадать тайны генома человека. По словам разработчиков, Atlas изменит нынешнее понимание биологии, ускорит научные исследования и проложит путь к новым методам лечения заболеваний. Исследователи утверждают, что представленная платформа содержит «прогнозируемую карту каждого возможного изменения ДНК в геноме человека». 
Источник изображения: Google Макромолекула ДНК состоит из двух нуклеотидных цепей, сформированных четырьмя азотистыми основаниями: аденином (A), гуанином (G), тимином (T) и цитозином (C). Основания одной цепи соединены с основаниями другой парными связями по принципу комплементарности: аденин соединяется только с тимином, гуанин — только с цитозином. 
Источник изображения: Wikipedia Геном человека содержит примерно 3 миллиарда таких пар и представляет собой совокупность наследственного материала, заключённого в клетке человека. Изменения отдельных сочетаний могут быть безвредными, определять различия между людьми или играть роль в развитии заболеваний. Главная задача исследователей генома состоит в том, чтобы выяснить, какое влияние окажет каждое из примерно 9 миллиардов потенциальных замен одного основания. 
Источник изображения: Wikipedia Платформа Atlas содержит прогнозы того, как каждый из этих 9 миллиардов вариантов может повлиять на организм на молекулярном уровне, например, изменить количество определённого вырабатываемого белка. Исследователи называют это «самым полным каталогом того, как генетические мутации влияют на молекулярную биологию». Доступ к платформе возможен через веб-портал, при помощи ИИ-агентов Antigravity и через собственный интерфейс AlphaGenome. Чтобы помочь исследователям разобраться в миллиардах возможных вариантов и сосредоточиться на мутациях, заслуживающих более пристального внимания, Google также выпускает так называемый Variant Impact Score, который использует другие модели компании для прогнозирования последствий изменений ДНК. По словам компании, «теперь исследователи могут быстро ранжировать варианты и одновременно интерпретировать их молекулярные эффекты». Проект Atlas основан на AlphaGenome, модели ИИ, представленной DeepMind в прошлом году, которая помогает учёным выявлять генетические факторы, вызывающие заболевания, а также на AlphaMissence, более раннем инструменте, ориентированном на прогнозирование того, как мутации могут изменять белки. Atlas идёт гораздо дальше, распространяя прогнозы на весь геном, включая подавляющее большинство участков, которые не кодируют белки напрямую, но могут контролировать поведение генов. 
Источник изображения: unsplash.com AlphaGenome была обучена с использованием общедоступных баз данных геномов человека и мыши, что позволило ей выявлять закономерности между изменениями ДНК и биологическими процессами. Применение этих прогнозов к миллиардам возможных вариантов привело к созданию огромного набора данных, размер которого, по словам Google, составляет примерно 1 петабайт. Компания с сегодняшнего дня предоставляет доступ к Atlas для некоммерческого использования через свой сайт, вскоре должна стать доступна коммерческая версия в Google Cloud. Atlas — это очередная попытка Google использовать ИИ для решения ключевых проблем в науке и медицине. Самая известная работа компании в этой области — AlphaFold, модель прогнозирования структуры белка, за которую её создатели Демис Хассабис (Demis Hassabis) и Джон Джампер (John Jumper) получили Нобелевскую премию по химии 2024 года. Компания также разработала инструменты ИИ для прогнозирования погоды, оптимизации поиска новых решений в вычислительной технике и математике, а также для оказания помощи исследователям при помощи ИИ-агентов. В недрах Марса обнаружилась массивная «тепловая аномалия» — возможно, это результат древнего космического ДТП
31.08.2026 [18:17],
Сергей Сурабекянц
Новые исследования недр Марса ещё раз показали, что Красная планета — это мир, состоящий из двух совершенно разных половин. В глубине южного полушария Марса температура на 400 °C выше, чем под северным полушарием, что лишь усугубляет противоречие между плоским севером и скалистыми южными возвышенностями этой планеты. По мнению учёных, это может пролить свет как на возможную в прошлом обитаемость Марса, так и на продолжительность его вулканической активности. 
Источник изображения: NASA Астроном Александр Берн (Alexander Berne) и его команда изучили архивные данные трёх космических аппаратов NASA — Mars Global Surveyor, Mars Odyssey и Mars Reconnaissance Orbiter — чтобы выявить незначительные изменения в их орбитальной скорости, которые могли бы отражать вариации гравитационного поля Марса. Изменения гравитационного поля, которые испытывали космические аппараты, существенно отличаются от того, что можно было бы ожидать, если бы внутреннее строение Марса было идеально сферически симметричным. Чтобы объяснить это различие, мантия под южным полушарием Марса должна быть на 200–400 °C теплее, чем мантия на севере. Используя разработанную Берном методику «приливной томографии», которая также учитывает изменяющееся гравитационное влияние Солнца на Марс по мере движения планеты по эллиптической орбите, учёные смогли построить модель внутренней структуры и температуры Марса. «Учёные обычно предполагают, что внутренние структуры планетных тел в целом сферически симметричны, но это не обязательно так», — отметил Берн. Внутреннее строение Марса на юге заметно отличается от севера, а поверхность планеты асимметрична. Север Марса характеризуется низменностями, в то время как кора планеты на юге в среднем на 25 километров толще, чем на севере, и покрыта высокогорьями с многочисленными кратерами. Северные низменности, возможно, когда-то были дном большого океана. «Разница между севером и югом, которую мы наблюдаем, важна для понимания, поскольку она даёт информацию о процессах, которые могли повлиять на гидрологию Марса, включая образование бассейнов, которые могли содержать воду», —пояснили учёные. Более горячая южная мантия также может объяснить некоторые другие загадочные открытия на Марсе. Посадочный аппарат NASA InSight, завершивший свою миссию в декабре 2022 года, обнаружил, что сейсмические волны рассеиваются быстрее на юге, что можно объяснить более высокой температурой в этом регионе. Сегодня на Марсе отсутствует глобальное магнитное поле, но более четырёх миллиардов лет назад оно существовало. Если восходящие потоки из более тёплой южной мантии нагрели кору сверх «температуры Кюри», при которой материалы теряют присущие им магнитные свойства и в них индуцируется остаточный магнетизм, это могло привести к образованию загадочных магнитных остатков в железосодержащих минералах. Учёные полагают, что всё это результат древнего гигантского столкновения, произошедшего более четырёх миллиардов лет назад, а северные низменности на самом деле представляют собой огромный кратер. Это столкновение способствовало высвобождению большого количества внутреннего тепла, что позволило северной мантии остыть быстрее, чем южной. Согласно альтернативной теории, более толстая кора на юге могла оказаться эффективной «крышкой», предотвратившей утечку значительной части тепла из мантии. 
Сгенерированная тепловая карта поверхности Марса в условных цветах, показывающая бассейн Хеллас, большую темно-синюю область ниже центра, один из крупнейших обнаруженных ударных кратеров как на Марсе, так и в Солнечной системе. Считается, что он образовался около 4 миллиардов лет назад. Источник изображения: ESA/MOLA Science Team По мнению Берна, метод приливной томографии можно использовать и для изучения других планет Солнечной системы, от Меркурия до крупных спутников Юпитера.«По мере получения большего количества гравиметрических данных мы можем определить трёхмерные особенности внутренней структуры планеты, — уверен Берн. —Эти выводы дают нам план для проектирования будущих миссий и научного исследования этих миров. Понимание внутренней структуры планетных тел помогает нам разгадать процессы, которые сформировали их образование и эволюцию». Anthropic представила ИИ-модель для управления оборудованием в научных лабораториях
28.08.2026 [14:25],
Алексей Разин
Искусственный интеллект уже давно применяется в теоретических научных изысканиях и даже добился определённых успехов в математике и материаловедении, но исследования подразумевают и проведение практических экспериментов. В этой сфере учёным приходит на помощь новое решение Anthropic, получившее название Model Hardware Standard. 
Источник изображения: Anthropic Решение позволяет, как отмечает Financial Times, управлять лабораторным оборудованием, которое имеет программный интерфейс. Электронные микроскопы, системы подачи жидкостей и роботизированные манипуляторы теперь могут действовать автономно, проводя на практике физические, химические и биологические эксперименты по указке ИИ. Anthropic свою разработку уже успела обкатать в узком кругу научных лабораторий, включая те, что занимаются квантовыми вычислениями. По мнению участников этих экспериментов, ИИ-агенты в данном случае вполне успешно заменяли живых лаборантов. Основанная на модели Claude система, например, смогла по команде учёных самостоятельно сфокусировать электронный микроскоп на нужном участке тканей человеческого мозга, хотя ранее никто не обучал её, где этот участок находится. Anthropic собирается распространять модель для управления научными экспериментами по принципу открытого исходного кода, но прежде чем откроет к ней доступ, должна предусмотреть механизмы защиты от ошибок. Генеральный директор компании Дарио Амодеи (Dario Amodei), кроме того, озабочен угрозой использования ИИ для создания бактериологического оружия и отравляющих веществ. Уже сейчас ИИ помогает фармакологическим компаниям искать новые лекарства. Nvidia вместе с профильной компанией Eli Lilly оказывает финансовую поддержку стартапу Insilico Medicine, который специализируется в этой сфере. Основатель Google DeepMind Демис Хассабис (Demis Hassabis), например, переключился на работу в стартапе Isomorphic Labs, который также разрабатывает лекарственные средства с помощью ИИ. В 2024 году он удостоился Нобелевской премии в области химии за разработки в сфере использования ИИ для предсказания белковых структур. Claude улучшил результаты в три раза благодаря оболочке: Nvidia показала новый путь развития ИИ-агентов
22.08.2026 [14:43],
Владимир Мироненко
Согласно исследованию Nvidia, программная оболочка, а не базовая модель, особенно важна при решении ИИ-задач в долгосрочной перспективе. 
Источник изображения: Steve A Johnson/unsplash.com В рамках исследования благодаря специальной программной оболочке для эффективного управления памятью, дополненной компонентом, подобным «супервизору», исследователи добились того, что Claude Opus 5 набрала 100 % баллов в интерактивном тесте ARC-AGI-3 — наборе 2D-игр без инструкций, где модель должна понять, как играть и побеждать, подобно человеку. Без оболочки Opus 5 набрала 30 % баллов, что стало лучшим результатом среди всех протестированных моделей. Результаты исследования подтверждают, что, хотя выбор модели имеет значение, она всё же является гораздо меньшей частью агентной системы, чем думают многие, особенно для долгосрочных задач. Система управления — вот что делает модель агентом: она обрабатывает память, контекст и обратную связь. Выяснение того, как заставить ИИ выполнять задачи с длительным горизонтом планирования, не отвлекаясь и не зацикливаясь на одном месте, является одной из главных целей исследований в области ИИ-агентов. «В целом мир воспринимает агента почти как API модели», — сообщил ресурсу TechCrunch Адель Эль Халлак (Adel El Hallak), вице-президент по продуктам подразделения ИИ Nvidia, отметив что агент в настоящее время — нечто большее. «Это модель. Это структура вокруг модели, которую мы называем вспомогательными средствами, то есть набор инструментов, которые вы используете. Это среда выполнения, а также связанные с ней навыки и библиотеки, к которым мы предоставляем вам доступ», — рассказал Эль Халлак. Он отметил важность введения супервизорного агента в дополнение к основному агенту, выполняющему работу. По его словам, он «действует почти как генеральный директор, подталкивая агента, когда тот отклоняется от курса или начинает исследовать путь, который может привести в тупик, или повторно исследует путь, по которому он уже шёл». Компания OpenAI, чьи модели набрали менее 10 % в тесте ARC-AGI-3, в прошлом месяце провела собственное исследование и обнаружила, что простая замена двух параметров в тестовой среде утроила показатели моделей. Треть веб-страниц, появившихся с 2022 года, написана с участием ИИ
21.08.2026 [10:36],
Павел Котов
Более трети веб-страниц, которые были опубликованы после выхода OpenAI ChatGPT, имеют признаки того, что они были написаны с участием искусственного интеллекта, гласят результаты исследования Pew Research. 
Источник изображений: pewresearch.org Ранее Cloudflare сообщил, что веб-трафик от ботов превысил объёмы трафика, генерируемого людьми — это произошло раньше, чем ожидали в компании. Исследование Pew Research касается не того, кто или что просматривает веб-страницы, а того, какой материал на этих страницах представлен. И, очевидно, боты теперь часто читают материалы, написанные другими ботами. При проведении анализа Pew Research использовала веб-архив Common Crawl, из которого получила почти полмиллиона опубликованных за последние пять лет веб-страниц, начиная с момента за пару лет до выхода ChatGPT в ноябре 2022 года. Далее технология Open Pangram помогла понять, какое число из них, с большой вероятностью, были написаны или подверглись существенному редактированию с помощью ИИ.  В случайной выборке из 10 тыс. веб-страниц, сохранённых в июле 2026 года, около 10 % показали «значительные признаки авторства ИИ». Но в такой случайной выборке неизбежно присутствуют старые веб-страницы, созданные до появления средств написания текстов с помощью ИИ. Поэтому в Pew Research отфильтровали старые и оставили лишь те, что были опубликованы после выхода ChatGPT — признаки авторства ИИ в обновлённой выборке были обнаружены у более чем трети страниц (35 %). Сайты в доменной зоне .com демонстрируют признаки авторства ИИ примерно в десять раз чаще, чем ресурсы в зонах .edu или .gov — у них этот показатель составляет около 1 %; на доменах в зоне .org ИИ отметился в 4,6 % случаев. Результаты исследования, возможно, не идеальны. Open Pangram, как и другие аналогичные средства, может показывать ложноположительные результаты и указывать на признаки авторства ИИ, даже когда тексты добросовестно писались людьми. Но в крупной выборке статистика представляется в целом верной. |
© 1997—2026 3DNews
При цитировании документа ссылка на сайт с указанием автора обязательна. Полное заимствование документа является
нарушением
российского и международного законодательства и возможно только с согласия редакции 3DNews.
MWC 2018
2018
Computex
IFA 2018
