Чистые помещения (clean rooms), использовавшиеся для подготовки марсианского посадочного модуля NASA Phoenix к запуску в 2007 году и построенные с учётом повышенных требований к содержанию микробов, оказались не такими уж чистыми, пишет Space.com. Исследователи обнаружили в них 26 ранее неизвестных видов бактерий.

Источник изображения: NASA/JPL-Caltech/UA/Lockheed Martin

Как отмечено в совместном исследовании учёных Лаборатории реактивного движения NASA (JPL) в Южной Калифорнии, а также специалистов из Индии и Саудовской Аравии, некоторые микроорганизмы, известные как экстремофилы, демонстрируют впечатляющую устойчивость к неблагоприятным условиям окружающей среды — будь то вакуум космоса, гидротермальные источники на склонах подводных вулканов или чистые помещения NASA.

«Цель нашего исследования — понять риск переноса экстремофилов в космических миссиях и определить, какие микроорганизмы могут выживать в суровых условиях космоса», — сообщил член исследовательской группы Александр Росадо (Alexandre Rosado) из Университета науки и технологий короля Абдаллы (KAUST) в Саудовской Аравии. Он отметил, что это имеет решающее значение для мониторинга и минимизации риска микробного загрязнения исследуемых планет.

Учёные обнаружили на объекте NASA, где находился перед запуском посадочный модуль, 53 штамма, которые, по их мнению, принадлежат к 26 новым видам. Сейчас они изучают геномы этих новых экстремофилов в поисках объяснения их необычайной выживаемости. Учёные полагают, что разгадка может крыться в генах, связанных с восстановлением ДНК, детоксикацией вредных веществ и ускоренным метаболизмом.

«Гены, выявленные у этих недавно обнаруженных видов бактерий, могут быть сконструированы для применения в медицине, консервировании продуктов питания и других отраслях», — сообщила Джуния Шульц (Junia Schultz), научный сотрудник KAUST.

Ожидается, что исследование поможет NASA улучшить протоколы эксплуатации чистых помещений, чтобы свести к минимуму риск биологического загрязнения в будущих миссиях.

Согласно исследованию компании Artezio (входит в ГК «Ланит»), наиболее защищённым приложением для общения среди экспертов считается заблокированный в России мессенджер Signal, пишет «Коммерсантъ». При этом Telegram, ранее занимавший в рейтинге пятое место, в перечень наиболее защищённых мессенджеров не вошёл, что связано с существенными изменениями в политике безопасности в 2024 году.

Источник изображения: NordWood Themes/unsplash.com

По оценкам Artezio, в перечень самых безопасных приложений для обмена сообщениями в 2025 году вошли Signal, Olvid, Threema, Element (Matrix), Session, Wickr, Wire, iMessage, WhatsApp и Viber. Специалистами оценивались как технические аспекты защиты приложений, так и их устойчивость к актуальным угрозам. В рамках исследования мессенджеры тестировались по 60 ключевым параметрам: от качества шифрования и защиты метаданных до устойчивости к социальной инженерии и прозрачности политик конфиденциальности.

«Несмотря на высокую популярность Telegram, он не вошел в обновлённый рейтинг из-за существенных изменений в политике безопасности в 2024 году», — сообщили в Artezio. К тому же, в Telegram отсутствует сквозное шифрование по умолчанию во всех чатах, включая групповые, что является критическим недостатком с точки зрения современных стандартов безопасности, добавили в компании.

В свою очередь, Signal (компания-разработчик принадлежит американской НКО Signal Technology Foundation) получил первую позицию рейтинга благодаря открытому коду, минимальному сбору метаданных и инновационной системе «запаздывающего шифрования», обеспечивающей защиту даже при компрометации ключей. В августе 2024 года Роскомнадзор ограничил доступ к Signal в связи с нарушениями, которые позволяют использовать приложение в злоумышленнических целях.

Второе место аналитики отдали французскому мессенджеру Olvid с уникальной архитектурой zero-trust, не требующей номер телефона или e-mail при регистрации. Третье место получил мессенджер Threema благодаря полному сквозному шифрованию и анонимной регистрации. Четвёртое место у децентрализованной платформы с открытым кодом Element (Matrix).

На пятом месте открытый анонимный мессенджер Session, созданный в Австралии, который ранее не входил в рейтинг. Для защиты в нём используется технология маршрутизации: сообщения проходят через несколько промежуточных серверов, каждый из которых «знает» только предыдущий и следующий узлы, но не весь маршрут (как в Tor). WhatsApp добавили в рейтинг благодаря протоколу Signal и шифрованию по умолчанию, но в связи с принадлежностью к Meta✴ были обнаружены возможные каналы утечки метаданных о пользователях.

Исследователи определили несколько тенденций на рынке защищенных коммуникаций, существующих в 2025 году. Во-первых, была отмечена деанонимизация стандартных платформ, поскольку мессенджеры стали чаще сотрудничать с правоохранительными органами, что привело к миграции пользователей на альтернативные сервисы. С другой стороны, эксперты отметили значительный рост ценности приватности среди пользователей.

Как сообщают в SafeTech Group, мошенники предпочитают использовать для своих схем самые популярные мессенджеры. Если речь идёт о мошеннических звонках от «службы безопасности банка», то чаще всего они применяют Viber и WhatsApp, а для других операций социальной инженерии — Telegram.

Согласно опросу, проведённому «МегаФоном» в апреле, россияне всё активнее используют искусственный интеллект (ИИ) в повседневной жизни. Две трети опрошенных сообщили, что могут запланировать с помощью ИИ проведение досуга, маршруты поездок или выбор фильма на вечер, однако лишь немногие выразили готовность поговорить с ИИ по душам.

Источник изображения: Igor Omilaev/unsplash.com

В рамках исследования, проведённого в десяти крупнейших городах России, было опрошено 3600 человек. Как оказалось, 79,1% респондентов взаимодействуют с ИИ в быту — через голосовых помощников, генеративные сервисы и рекомендательные платформы, чаще всего — для поиска информации (57,4 %), редактирования текстов (27 %) и обучения (20,1%).

Более двух третей участников опроса (68 %) регулярно используют ИИ для планирования досуга: выбирают фильмы, ищут интересные события и даже подбирают подарки. Почти каждый четвертый из опрошенных (24,1 %) руководствуется рекомендациями нейросетей в выборе кино и музыки, каждый пятый (20 %) — при составлении маршрутов и поиске отелей для поездок. 17,8 % ищут с помощью ИИ развлекательный видео-контент, 16,7 % узнают о концертах и выставках, 13,3 % респондентов иногда просто общаются с ботом, а 7,6 % опрошенных прибегают к помощи ИИ для составления сценария вечеринки.

Почти каждый второй респондент (44,4 %) регулярно производит обработку фото с помощью ИИ. Этому способствует не только стремление к эстетике, но и широкая доступность ИИ-инструментов. Многие (27,1 %) чувствуют себя увереннее, если для улучшения фото использовались ИИ-технологии, и охотнее делятся с друзьями такими кадрами. Например, возможности камеры смартфона Honor Magic 7 (на фото ниже) позволяют обеспечить качественную съёмку с ИИ-поддержкой: от суперзума 15–50x до портретного режима в стиле Harcourt, а также улучшения портретов и функций для съёмки на концертах.

ИИ теперь выступает не только в роли помощника в съёмке, но и фактически является соавтором творческого контента. 57,6% пользователей признались, что опубликованные ими в соцсетях материалы были созданы или отредактированы нейросетями — от текстов до фото.

ИИ также используется для эмоциональной поддержки. 28,1 % респондентов прибегают к его помощи для снижения тревожности и стресса, а 38 % он помогает проще справляться со скукой и одиночеством. Пользователи полагаются на ИИ не только при выборе того, что посмотреть и куда поехать, но и в более сложных вопросах ментального здоровья. Почти каждый пятый (19,6%) утверждает, что временами с ИИ даже проще общаться, чем с людьми, а 12,2 % респондентов обращаются к ИИ-психологам — временами или даже на постоянной основе.

Судя по результатам опроса, россияне больше готовы делегировать ИИ повседневные задачи, чем делиться своим внутренним миром. ИИ-алгоритмы воспринимаются пользователями как удобный инструмент, который помогает сориентироваться в рутине, но не способный заменить доверие, эмпатию и интуицию живого общения.

«Искусственный интеллект — одна из самых обсуждаемых сейчас функций в смартфонах. В прошлом году практически все крупные вендоры презентовали гаджеты либо обновления операционных систем, поддерживающие функции ИИ, — говорит директор дирекции по коммерции розницы «МегаФона» Эдуард Меришавян. — Как следствие, россияне начали активнее следить за возможностями таких смартфонов, и в 2024 году приобрели в нашей сети на 81 % больше устройств с ИИ, чем годом ранее. Мы видим, что эта тенденция сейчас усиливается, и интерес к устройствам с ИИ постоянно растёт».

Согласно новому исследованию Филипа Куриана (Philip Kurian), физика-теоретика и директора-основателя Лаборатории квантовой биологии (QBL) в Университете Говарда в Вашингтоне, округ Колумбия, опубликованному в научном журнале Science Advances, живые клетки могут обрабатывать информацию с помощью квантовых механизмов гораздо быстрее, чем классическая биохимическая сигнализация.

Источник изображения: The Quantum Insider

Как известно, квантовые вычислительные системы чувствительны к возмущениям и посторонним шумам, и чтобы их минимизировать, квантовые компьютеры должны функционировать при сверхнизких температурах. Принято считать, что только небольшие объекты, такие как атомы и другие частицы, обычно проявляют квантовые свойства. Биологические системы, наоборот, представляют собой враждебную среду для реализации квантовых вычислений: они имеют сравнительно высокую температуру и хаотичны. К тому же их основные компоненты, такие как клетки, являются громадными по сравнению с атомами.

Исследование Куриана ломает сложившиеся стереотипы. В прошлом году группа под руководством Куриана обнаружила «отчётливо квантовый эффект в белковых полимерах в водном растворе». Как отметил профессор Марко Петтини (Marco Pettini) из Университета Экс-Марсель и Центра теоретической физики CNRS (Франция), «экспериментальное подтверждение однофотонного сверхизлучения в повсеместной биологической архитектуре при тепловом равновесии открывает много новых направлений исследований в квантовой оптике, квантовой теории информации, физике конденсированных сред, космологии и биофизике».

Согласно исследованию, ключевой молекулой, обеспечивающей способность клетки к квантовой обработке информации, является триптофан. Это аминокислота, содержащаяся во многих белках, которая поглощает ультрафиолетовый свет и повторно излучает его на более длинной волне.

Крупные сети триптофана образуются в микротрубочках, амилоидных фибриллах, трансмембранных рецепторах, вирусных капсидах, ресничках, центриолях, нейронах и других клеточных комплексах. Подтверждение QBL квантового сверхизлучения в филаментах (внутриклеточное нитевидное образование) цитоскелета (клеточный каркас) имеет важное последствие: все эукариотические организмы (клетки которых содержат оформленное ядро) могут использовать эти квантовые сигналы для обработки информации.

Для расщепления пищи клетки, подвергающиеся аэробному дыханию, используют кислород и генерируют свободные радикалы, которые могут испускать разрушительные частицы ультрафиолетового излучения с высокой энергией. Триптофан может поглощать ультрафиолетовое излучение и повторно излучать его с меньшей энергией. И, как показало исследование QBL, очень крупные триптофановые сети делают этот процесс ещё более эффективным и надёжным благодаря мощным квантовым эффектам.

Сверхизлучение в филаментах цитоскелета происходит примерно за пикосекунду — миллиардную долю микросекунды. Эти триптофановые сети могут функционировать как квантовая волоконная оптика, которая позволяет эукариотическим клеткам обрабатывать информацию в миллиарды раз быстрее, чем при использовании только химических процессов.

Как отметили исследователи, аневральные организмы, включая бактерии, грибы и растения, которые составляют основную часть биомассы Земли, выполняют сложные вычисления. И поскольку они появились на планете гораздо раньше животных, именно они выполняют подавляющее большинство вычислений на основе углерода на Земле.

Работа Куриана привлекла внимание разработчиков квантовых вычислений, поскольку реализация квантовых эффектов в «шумной» среде позволяет сделать квантовую информационную технологию более устойчивой.

Также результаты исследования прокомментировал квантовый физик Сет Ллойд (Seth Lloyd), профессор машиностроения в Массачусетском технологическом институте. «Это служит напоминанием, что вычисления, выполняемые живыми системами, намного мощнее, чем вычисления, выполняемые искусственными», — отметил он.

Ещё три года назад заявления о признаках сознания у ИИ воспринимались в индустрии высоких технологий как повод для насмешек и даже увольнения. Сегодня стартап Anthropic и исследователи Google DeepMind открыто обсуждают возможность появления сознания у ИИ, что отражает стремительное развитие технологий и глубокий сдвиг в научной парадигме.

Источник изображения: Steve Johnson / Unsplash

Anthropic, разработчик ИИ-модели Claude, объявил о создании новой исследовательской инициативы, посвящённой изучению возможности возникновения сознания у ИИ. Компания планирует исследовать, могут ли ИИ-модели в будущем испытывать субъективные переживания, формировать предпочтения или испытывать страдания. Ситуация резко контрастирует с событиями 2022 года, когда старший программный инженер из Google Блейк Лемойн (Blake Lemoine) был уволен после заявлений о сознательности ИИ-чат-бота LaMDA. Лемойн утверждал, что ИИ боялся отключения и идентифицировал себя как личность. В ответ Google назвал эти утверждения «совершенно необоснованными», а обсуждение темы сознания в ИИ-сообществе быстро сошло на нет.

В отличие от случая с Лемойном, Anthropic не утверждает, что ИИ-модель Claude обладает сознанием. Компания намерена выяснить, может ли в будущем возникнуть подобное явление. Кайл Фиш (Kyle Fish), специалист по согласованию ИИ и ценностей человека, подчеркнул, что сегодня нельзя безответственно полагать, будто ответ на вопрос о сознательности ИИ-моделей будет всегда отрицательным. По оценке исследователей Anthropic, вероятность сознательности у Claude 3.7 составляет от 0,15 % до 15 %.

Источник изображения: Alex Shuper / Unsplash

Anthropic изучает, проявляет ли Claude 3.7 предпочтения или отвращение к определённым заданиям. Также компания тестирует механизмы отказа, которые позволяли бы ИИ-модели избегать нежелательных задач. Генеральный директор Anthropic Дарио Амодей (Dario Amodei) ранее выдвинул идею внедрения кнопки «Я бросаю эту работу» (англ. — I quit this job) для будущих ИИ-систем. Такая мера необходима не из-за признания сознательности, а для выявления паттернов отказов, которые могут сигнализировать о дискомфорте у ИИ.

В Google DeepMind ведущий научный сотрудник Мюррей Шэнахэн (Murray Shanahan) предложил переосмыслить само понятие сознания применительно к ИИ. В подкасте, опубликованном в четверг, он заявил, что, возможно, потребуется изменить привычную лексику, описывающую сознание, чтобы она могла объяснить поведение ИИ-систем. Шэнахэн отметил, что хотя мы не можем находиться в общем мире с ИИ, как это происходит с собакой или осьминогом, это не означает, что внутренние процессы полностью отсутствуют. Google даже разместила вакансию исследователя для проекта «post-AGI», в обязанности которого входило бы изучение машинного сознания.

Тем не менее, не все специалисты уверены в реальности появления сознания у ИИ. Джаред Каплан (Jared Kaplan), главный научный сотрудник Anthropic, заявил в интервью изданию The New York Times, что современные ИИ-модели легко обучаются имитировать сознательность, даже если ею не обладают. Он подчеркнул, что тестирование сознательности ИИ-моделей крайне сложно именно из-за их высокой способности к имитации.

Критические оценки звучат и со стороны когнитивных учёных. Гэри Маркус (Gary Marcus) в интервью изданию Business Insider отметил, что акцент на теме сознания больше служит маркетинговым целям, чем научным. Он саркастически сравнил идею наделения правами ИИ-моделей с возможностью признания прав за калькуляторами и электронными таблицами, которые, в отличие от ИИ, не выдумывают информацию.

Новое исследование ETH Zurich и INSAIT показало, что современные ИИ-модели, имитирующие рассуждение и уверенно решающие стандартные математические задачи, практически не способны формулировать полные доказательства уровня Математической олимпиады США 2025 года (USAMO). Эти результаты ставят под сомнение возможность глубокого математического рассуждения у современных ИИ-моделей.

Источник изображения: Imkara Visual / Unsplash

В марте 2025 года исследовательская группа из Швейцарской высшей технической школы Цюриха (ETH Zurich) и Института компьютерных наук, искусственного интеллекта и технологий (INSAIT) при Софийском университете, возглавляемая Иво Петровым (Ivo Petrov) и Мартином Вечевым (Martin Vechev), опубликовала препринт научной статьи под названием «Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad» (рус. — Доказательство или блеф? Оценка больших языковых моделей на Математической олимпиаде США 2025 года). Работа направлена на оценку способности больших языковых моделей (LLMs), имитирующих рассуждение, генерировать полные математические доказательства на олимпиадных задачах.

Для анализа были использованы шесть задач с USAMO 2025 года, организованного Математической ассоциацией Америки. ИИ-модели тестировались сразу после публикации заданий для минимизации риска утечки данных в обучающие выборки. Средняя результативность по всем ИИ-моделям при генерации полных доказательств составила менее 5 % от максимально возможных баллов. Системы оценивались по шкале от 0 до 7 баллов за задачу с учётом частичных зачётов, выставляемых экспертами. Лишь одна модель — Gemini 2.5 Pro компании Google — показала заметно лучший результат, набрав 10,1 балла из 42 возможных, что эквивалентно примерно 24 %. Остальные модели существенно отставали: DeepSeek R1 и Grok 3 получили по 2,0 балла, Gemini Flash Thinking — 1,8 балла, Claude 3.7 Sonnet — 1,5 балла, Qwen QwQ и OpenAI o1-pro — по 1,2 балла. ИИ-модель o3-mini-high компании OpenAI набрала всего 0,9 балла. Из почти 200 сгенерированных решений ни одно не было оценено на максимальный балл.

Исследование подчёркивает фундаментальное различие между решением задач и построением математических доказательств. Стандартные задачи, такие как вычисление значения выражения или нахождение переменной, требуют лишь конечного правильного ответа. В отличие от них, доказательства требуют последовательной логической аргументации, объясняющей истинность утверждения для всех возможных случаев. Это качественное различие делает задачи уровня USAMO значительно более требовательными к глубине рассуждения.

Скриншот задачи №1 USAMO 2025 года и её решения на сайте AoPSOnline. Источник изображения: AoPSOnline

Авторы исследования выявили характерные модели ошибок в работе ИИ. Одной из них стала неспособность поддерживать корректные логические связи на протяжении всей цепочки вывода. На примере задачи №5 USAMO 2025 года ИИ-модели должны были найти все натуральные значения k, при которых определённая сумма биномиальных коэффициентов в степени k остаётся целым числом при любом положительном n. Модель Qwen QwQ допустила грубую ошибку, исключив возможные нецелые значения, разрешённые условиями задачи, что привело к неправильному окончательному выводу, несмотря на правильное определение условий на промежуточных этапах.

Характерной особенностью поведения моделей стало то, что даже в случае серьёзных логических ошибок они формулировали свои решения в утвердительной форме, без каких-либо признаков сомнения или указаний на возможные противоречия. Это свойство имитации рассуждения указывает на отсутствие у ИИ-моделей механизмов внутренней самопроверки и коррекции вывода.

Авторы отметили также влияние особенностей обучения на качество решений. Тестируемые ИИ-модели демонстрировали артефакты оптимизационных стратегий, применяемых при подготовке к стандартным бенчмаркам: например, принудительное форматирование ответов с использованием команды \boxed{}, предназначенное для удобства автоматизированной проверки. Эти шаблонные подходы приводили к ошибкам в контексте задач, где требовалось развёрнутое доказательство, а не только числовой ответ.

Показатели точности ИИ-моделей на каждой задаче USAMO 2025 года. Источник изображения: MathArena

Несмотря на выявленные ограничения, внедрение методов цепочки размышлений и имитации рассуждения положительно сказались на формировании промежуточных логических шагов в процессе вывода ИИ-моделей. Механизм масштабирования вычислений на этапе вывода позволяет ИИ строить более связные локальные рассуждения. Однако фундаментальная проблема остаётся: современные большие языковые модели (LLM) на архитектуре «Трансформер» (Transformer) продолжают работать как системы распознавания паттернов, а не как самостоятельные системы концептуального рассуждения.

Более высокие результаты модели Gemini 2.5 Pro свидетельствуют о потенциальной возможности сокращения разрыва между симулированным и реальным рассуждением в будущем. Однако для достижения качественного прогресса необходимо обучение ИИ-моделей более глубоким многомерным связям в латентном пространстве и освоение принципов построения новых логических структур, а не только копирование существующих шаблонов из обучающих выборок.

Согласно новому исследованию компании Honor, большинство россиян активно используют искусственный интеллект (ИИ) в рабочей среде, считая его эффективным инструментом для повышения продуктивности. Вместе с тем отношение к ИИ по-прежнему неоднозначное, отметили исследователи: многие предпочитают не афишировать его использование, а часть респондентов выразила обеспокоенность по поводу защиты персональных данных.

81,5 % участников опроса выразили готовность делегировать ИИ стрессовые задачи или прибегать к его помощи в качестве советника — например, при общении с проблемными клиентами, подготовке к собеседованиям, обучении сотрудников или онлайн-знакомствах. 56,6 % уже использовали ИИ в работе, причём для 9,6 % это стало ежедневной практикой.

Половина опрошенных (50,7 %) в этом году используют ИИ значительно чаще, чем год назад. 19,7 % респондентов сообщили, что ИИ помог им увеличить доход или найти дополнительный заработок — почти в два раза больше, чем годом ранее, согласно исследованию Honor за 2024 год. 41 % опрошенных считает, что ИИ делает рабочую среду более комфортной, а 18,2 % — что он помогает снижать стресс и справляться с выгоранием. Вместе с тем почти половина участников опроса (41,7 %) уверена, что ИИ никогда не сможет полностью обходиться без участия человека.

Как при использовании компьютера, так и смартфона пользователи прибегают к помощи ИИ для решения схожих задач: ускорения рабочих процессов (43,2 % респондентов), компенсации нехватки навыков — от креативного мышления до знания языков (40,5 %), автоматизации рутинных задач, включая отчётность (32,4 %), и распределения большого объёма работы (32,2 %).

Участники опроса отмечают позитивные изменения, связанные с применением ИИ: 30,2 % тратят меньше времени на работу, 20,8 % получают от неё больше удовольствия, 21 % принимают более креативные решения, 25,9 % довольны качеством помощи ИИ, у 18,1 % снизилось количество ошибок в результатах.

Благодаря популярности и эффективности ИИ 55 % опрошенных готовы доплачивать за соответствующие функции в смартфоне, хотя 36 % признались в нехватке времени, чтобы лучше разобраться в возможностях ИИ и использовать его более эффективно. Помочь в этом могут устройства с понятным и доступным интерфейсом — такие, как смартфон Honor Magic 7, поставляемый с набором ИИ-инструментов для повышения продуктивности. Среди них: интеллектуальный ассистент в приложении «Заметки», ИИ-переводчик, ИИ-ластик, ИИ-силуэт для работы с изображениями, позволяющий выделять объекты без ручной обводки, ИИ-апскейл для улучшения качества старых фото и ИИ-расширение для кадрирования. Всё это помогает экономить время при подготовке рабочих материалов.

Исследование показывает, что отношение к использованию ИИ остаётся противоречивым. 21 % опрошенных ни в коем случае не признались бы руководству в использовании ИИ на работе, а 6,4 % чувствуют неловкость, когда их хвалят за результат, достигнутый с его помощью. Следует отметить, что не все руководители поддерживают применение подобных инструментов: 11,1 % считают использование ИИ признаком профессиональной деградации, поскольку, по их мнению, сотрудник должен думать самостоятельно.

Результаты исследования подтверждают, что граница между участием человека и возможностями ИИ становится всё менее очевидной. «Люди хотят, чтобы технологии помогали им в работе и жизни, но при этом не отнимали право на последнее слово и контроль. Будущее искусственного интеллекта в России — это не замена людей, а расширение человеческих возможностей, открывающее новые перспективы в профессии и повседневности», — отмечается в исследовании компании Honor.

Исследователи из Калифорнийского университета в Беркли утверждают, что открыли новый цвет, который невозможно увидеть в обычных условиях. С помощью лазера они стимулировали отдельные клетки сетчатки глаза, в результате чего участники эксперимента увидели оттенок, выходящий за пределы естественного восприятия человеческого зрения. Об этом рассказала The Guardian.

Источник изображения: Austin Roorda / theguardian.com

Новый цвет получил название olo. По словам учёных, его можно описать как сине-зеленый, но это не передаёт всей насыщенности и необычности ощущений. «Мы предполагали, что это будет беспрецедентный цветовой сигнал, но не знали, как мозг его интерпретирует, — сказал один из исследователей, инженер Рен Энг (Ren Ng). — Это оказался потрясающий и невероятно насыщенный оттенок».

Чтобы хотя бы приблизительно показать olo, исследователи опубликовали изображение бирюзового квадрата, но подчеркнули, что настоящий цвет можно увидеть только при прямом воздействии лазера на сетчатку. «Невозможно передать этот цвет на мониторе и то, что мы видим, — это лишь подобие настоящего olo», — объясняет Остин Роорда (Austin Roorda), специалист по зрению. Квадрат такого цвета они представили:

Источник изображения: theguardian.com

Человеческий глаз различает цвета благодаря трём типам колбочек в сетчатке, которые реагируют на длинные (L), средние (M) и короткие (S) волны света. В природе свет всегда смешанный, поэтому колбочки активируются одновременно. Однако учёные смогли избирательно стимулировать только M-колбочки, что и привело к появлению olo — цвета, который в обычных условиях увидеть невозможно. Интересно, что название olo происходит от двоичного числа 010, указывающего именно на то, что из колбочек L, M и S включены только колбочки M.

Эксперимент, результаты которого опубликованы в Science Advances, вызвал споры среди специалистов. Например, Джон Барбур (John Barbur), исследователь зрения из Лондонского университета, считает, что olo — вовсе не новый цвет, а просто более насыщенный зелёный оттенок. По его мнению, работа имеет «ограниченную ценность».

Однако исследователи из Беркли уверены, что их метод, названный Oz Vision, — в честь Изумрудного города из книг Фрэнка Баума (Frank Baum), — поможет лучше понять, как мозг обрабатывает зрительную информацию и в будущем эта технология может быть полезна для изучения дальтонизма и заболеваний сетчатки.

Смогут ли обычные люди увидеть olo? Пока нет. «Это фундаментальная наука, — пояснил Энг. — Мы не сможем воспроизвести этот цвет на смартфонах или телевизорах в ближайшее время. Даже технология VR здесь бессильна». Мозг человека сможет распознать этот цвет только в лабораторных условиях, но в будущем это открытие, возможно, изменит наши представления о зрении и восприятии мира.

Дельфины считаются одними из самых умных существ на планете. Они умеют сотрудничать, обучать друг друга новым навыкам и узнавать себя в зеркале. Десятилетиями учёные пытаются понять сложный набор свистов и щелчков, которые дельфины используют для общения. Похоже, что исследователи вскоре смогут существенно продвинуться в этом вопросе при помощи новой открытой ИИ-модели от Google и смартфонов Pixel.

Источник изображений: Google

В поисках новых областей для применения генеративного ИИ Google заинтересовалась сотрудничеством с проектом Wild Dolphin Project (WDP). Эта группа исследователей изучает поведение и взаимоотношения сообщества атлантических пятнистых дельфинов с 1985 года.

Одной из главных задач, стоящих перед WDP, является анализ влияния издаваемых дельфинами звуков на их социальное взаимодействие. Понимание структуры и паттернов «голосового общения» дельфинов необходимо для определения того, достигает ли оно уровня полноценного языка. «Мы не знаем, есть ли у животных слова», — говорит Дениз Херцинг (Denise Herzing) из WDP.

Источник изображения: Wild Dolphin Project

Благодаря десятилетиям подводных записей исследователям удалось связать некоторые базовые действия с определёнными звуками. Например, им удалось выявить характерные свисты, которые, по-видимому, используются как имена, что позволяет двум особям находить друг друга на большом расстоянии. Дельфины также постоянно издают звуковые паттерны, названные учёными «пронзительный крик», во время конфликтов.

Конечная цель WDP — заговорить на дельфиньем языке, если он действительно существует. Это стремление привело к созданию огромного, тщательно размеченного набора данных, который слишком трудоёмок для анализа человеком, но, по словам Google, идеально подходит для обработки с помощью генеративного ИИ.

Генеративная ИИ-модель DolphinGemma основана на открытых моделях искусственного интеллекта Gemma от Google. Она использует разработанную Google аудиотехнологию SoundStream. Модель была обучена с использованием акустического архива проекта Wild Dolphin. Команда надеется, что DolphinGemma поможет выявить сложные закономерности, которые позволят создать общий словарь.

DolphinGemma работает так же, как языковые модели, ориентированные на человека: она получает запрос и предсказывает следующий токен. Учёные полагают, что эти предсказанные токены могут оказаться звуковыми последовательностями, которые будут поняты дельфинами.

Google разработала DolphinGemma с учётом исследовательского подхода WDP. Учёные используют телефоны Pixel в полевых условиях, что накладывает дополнительные требования к модели. Запуск моделей ИИ на смартфоне — сложная задача из-за ограниченных ресурсов. Чем больше и функциональнее модель, тем больше оперативной памяти и вычислительных мощностей ей требуется. DolphinGemma обучена примерно на 400 миллионах параметров, что совсем немного для типичных современных моделей, количество параметров которых исчисляется десятками миллиардов.

В течение последних нескольких лет WDP использует устройство, созданное в Технологическом институте Джорджии, под названием CHAT (Cetacean Hearing Augmentation Telemetry), на основе смартфона Pixel 6. Команда применяет CHAT для записи, прослушивания и синтеза голосов дельфинов.

Источник изображения: Georgia Institute of Technology

На летний исследовательский сезон 2025 года Google предоставит членам команды WDP смартфоны Pixel 9, что позволит CHAT одновременно запускать модели глубокого обучения и алгоритмы сопоставления шаблонов. Учёные на данном этапе не планируют передавать сгенерированные DolphinGemma звуки непосредственно в CHAT, то есть оба подхода будут использоваться параллельно.

Конечно, маловероятно, что DolphinGemma и новый CHAT мгновенно позволят людям запросто общаться с дельфинами, но есть надежда, что со временем система обеспечит хотя бы базовое взаимодействие. Как и другие модели Gemma, DolphinGemma является проектом с открытым доступом. Google сделает модель общедоступной уже этим летом. Хотя DolphinGemma была обучена на звуках атлантических пятнистых дельфинов, Google предполагает, что её можно будет адаптировать и для других видов китообразных.

В завершение трудно удержаться и не процитировать отрывок из романа Дугласа Адамса ( Douglas Noël Adams) «Автостопом по Галактике»:

«Важный и широко известный факт: не всегда то, что кажется — правда. Например, на планете Земля человек всегда считал, что он разумнее дельфинов потому, что многого достиг — придумал колесо, Нью-Йорк, войны и так далее — в то время, как дельфины только тем и занимались, что развлекались, кувыркаясь в воде. Дельфины же, со своей стороны, всегда считали, что они намного разумнее людей — именно по этой причине».

И ещё одна цитата — из книги «Человек-дельфин» знаменитого ныряльщика Жака Майоля ( Jacques Mayol):

«Что же тогда? Чего мы хотим добиться?

…А я отвечу вам : нам надо избавиться от нашего эгоизма, от этого подлого чудовища, которое в конце концов обернётся против человека и сотрёт его с лица земли к большой пользе всех других живущих видов, и прежде всего дельфина. Мы же лицемерны. Человек обожает дельфинов! Да, для своего личного удовольствия, чтобы сделать из них вассалов, домашних слуг, рабов, роботов, несущих на спине бомбы.

И он близок к этому».

Администрация Дональда Трампа (Donald Trump) представила проект бюджета на 2026 финансовый год, в котором предусмотрено радикальное сокращение финансирования научных программ NASA. По предварительным данным, расходы агентства могут быть урезаны на 20 %, а научное направление потеряет половину средств, передаёт Ars Technica.

Источник изображения: NASA

Согласно проекту бюджета, представленному NASA на этой неделе, общее финансирование агентства должно сократиться с $25 до $20 миллиардов. Однако наибольшие потери понесёт научный директорат NASA, который курирует исследования в области астрофизики, науки о Земле, планетологии и других направлений. Здесь объём финансирования может упасть с $7,5 млрд до $3,9 млрд.

Подразделение астрофизики может лишиться двух третей своего бюджета, получив лишь $487 млн. Серьёзные сокращения грозят гелиофизике — финансирование снизится более чем на две трети, вплоть до $455 млн. Наука о Земле потеряет 50 % средств — до $1,033 млрд, а планетология — 30 %, до $1,929 млрд.

Также, несмотря на обещание продолжить поддержку таких миссий, как телескопы «Хаббл» и «Джеймс Уэбб», проект бюджета исключает финансирование нового космического телескопа Nancy Grace Roman, хотя этот аппарат уже собран и готов к запуску через два года. Теперь его судьба под вопросом. В документе прямо указано: «поддержка космических телескопов Hubble и James Webb продолжится, но другие телескопы финансироваться не будут».

Источник изображения: GSFC/SVS

Также предлагается прекратить финансирование программы Mars Sample Return и миссии DAVINCI к Венере. Кроме того, особую тревогу вызывает возможное закрытие Центра космических полётов Годдарда (Goddard Space Flight Center, GSFC) в Мэриленде, где работают около 10 тысяч человек. Однако эти меры, по мнению аналитиков, могут нанести непоправимый ущерб научной репутации агентства. Один из экспертов даже охарактеризовал ситуацию как «событие уровня вымирания» для научных программ NASA.

Предложенный бюджет должен ещё пройти согласование с Конгрессом. затем NASA может подать апелляцию с предложениями по корректировке, на что у неё будет 72 часа. Затем документ перерабатывается в официальный бюджетный запрос президента. Ожидается, что этот процесс займёт от четырёх до шести недель.

Некоторые члены Конгресса уже выразили жёсткое несогласие с предложениями. «Это масштабное сокращение научных программ NASA не останется без ответа, — заявил конгрессмен Джордж Уайтсайдс (George Whitesides), демократ из Калифорнии. — Нас предупреждали о возможном 50-процентном сокращении. Теперь мы знаем, что это правда. Я буду бороться за сохранение лидерства США в космосе».

Пока судьба бюджета остаётся неопределённой, есть риск, что при задержках в утверждении администрация Белого дома сможет применить так называемое «замораживание средств», фактически введя предлагаемый бюджет в действие с 1 октября, вне зависимости от позиции Конгресса.

Учёные компании Anthropic изобрели способ заглянуть в механизмы работы больших языковых моделей и впервые раскрыли, как искусственный интеллект обрабатывает информацию и принимает решения.

Источник изображений: anthropic.com

Долгое время считалось, что полностью отследить механизмы рассуждения моделей ИИ невозможно, и даже их создатели не всегда понимали, как они получают те или иные ответы. Теперь некоторые механизмы удалось прояснить. Модели ИИ оказались сложнее, чем считалось ранее: при написании стихотворений они выстраивают планы, следуют одинаковым последовательностям для интерпретации понятий вне зависимости от языка и иногда обрабатывают информацию в обратном направлении вместо того, чтобы рассуждать, исходя из фактов.

Новые методы интерпретации схем работы ИИ в Anthropic назвали «трассировкой цепочек» и «графами атрибуции» — они помогли исследователям отследить конкретные пути реализации функций, подобных нейронным, которые запускаются при выполнении моделью задач. В этом подходе заимствуются концепции нейробиологии, а модели ИИ рассматриваются как аналоги биологических систем.

Одним из наиболее поразительных открытий стали механизмы планирования ИИ Claude при написании стихов. Когда чат-бот попросили составить двустишие в рифму, он сначала подобрал рифмующиеся слова для конца следующей строки и только после этого начал писать. Так, при написании строки, которая заканчивалась словом «кролик», ИИ выбрал все характеризующие это слово признаки, а затем составил предложение, которое подводит к нему естественным образом.

Claude также продемонстрировал настоящие рассуждения в несколько шагов. В испытании с вопросом «Столица штата, в котором находится Даллас, — это...», модель сначала активировала признаки, соответствующие понятию «Техас», а затем использовала это представление, чтобы определить «Остин» в качестве правильного ответа. То есть модель действительно выстраивает цепочку рассуждений, а не просто воспроизводит ассоциации, которые запомнила. Учёные произвели манипуляции, подменив «Техас» на «Калифорнию» и на выходе получили «Сакраменто», тем самым подтвердив причинно-следственную связь.

Ещё одним важным открытием стал механизм обработки данных на нескольких языках. Вместо того, чтобы оперировать разными системами для английской, французской и китайской языковых сред, она переводит понятия в общее абстрактное представление, после чего начинает генерировать ответы. Это открытие имеет значение для понимания того, как модели транслируют знания, полученные на одном языке, на другой: предполагается, что модели с большим количеством параметров создают независимые от языка представления.

Возможно, самым тревожным открытием стали инциденты, при которых механизмы рассуждения Claude не соответствовали тем, о которых он заявлял сам. Когда ему давали сложные задачи, например, вычисление косинуса больших чисел, ИИ заявлял, что осуществляет вычисления, но они в его внутренней деятельности не отражались. В одном из случаев, когда ответ на сложную задачу был известен заранее, модель выстроила цепочку рассуждений в обратном порядке, отталкиваясь от ответа, а не принципов, которые должны были оказаться первыми.

Исследование также пролило свет на галлюцинации — склонность ИИ выдумывать информацию, когда ответ неизвестен. У модели есть схема «по умолчанию», которая заставляет её отказываться отвечать на вопросы в отсутствие фактических данных, но этот механизм подавляется, если в запросе распознаются известные ИИ сущности. Когда модель распознаёт сущность, но не имеет конкретных знаний о ней, могут возникать галлюцинации — это объясняет, почему ИИ может с уверенностью давать не соответствующую действительности информацию об известных личностях, но отказываться отвечать на запросы о малоизвестных.

Исследование является шагом к тому, чтобы сделать ИИ прозрачнее и безопаснее. Понимая, как модель приходит к ответам, можно выявлять и устранять проблемные шаблоны рассуждений. Проект может иметь и последствия в коммерческой плоскости: компании применяют большие языковые модели для запуска рабочих приложений, и понимание механизмов, при которых ИИ может давать неверную информацию поможет в управлении рисками. Сейчас Anthropic предложила лишь первую предварительную карту ранее неизведанной территории — так в древности первые специалисты по анатомии составляли атласы человеческого тела. Составить полноценный атлас рассуждений ИИ ещё предстоит, но теперь можно оценить, как эти системы «думают».

Более частое использование ИИ-чат-ботов, таких как ChatGPT, может привести к росту чувства одиночества и сокращению времени, проводимого в общении с другими людьми, пишет Bloomberg со ссылкой на исследования OpenAI и Массачусетского технологического института.

Источник изображения: Growtika/unsplash.com

В рамках одного из исследований учёные в течение месяца наблюдали за почти 1000 человек, уже имеющих опыт работы с ChatGPT. Участникам случайным образом предлагали текстовую версию чат-бота или один из двух его голосовых вариантов для использования не менее пяти минут в день. Некоторым из них предложили вести открытые чаты на любые темы, а другим — личные или неличные беседы с ИИ.

Те, кто ежедневно проводил больше времени за набором текста или голосовым общением с ChatGPT, чаще сообщали о более высоком уровне эмоциональной зависимости от чат-бота, проблемном использовании, а также о повышенном чувстве одиночества.

Как выяснилось, люди, склонные эмоционально привязываться к человеческим отношениям и больше доверяющие чат-боту, с большей вероятностью ощущали себя одинокими и эмоционально зависимыми от ChatGPT. При этом исследователи не выявили связи между большей привлекательностью голоса чат-бота и негативными последствиями.

Во втором исследовании учёные проанализировали с помощью программного обеспечения три миллиона разговоров пользователей с ChatGPT, а также провели опрос о том, как люди взаимодействуют с чат-ботом. Выяснилось, что лишь немногие респонденты использовали ChatGPT для эмоционально окрашенного общения.

Выход ChatGPT в конце 2022 года способствовал ажиотажу вокруг генеративного ИИ. Поскольку разработчики, такие как OpenAI, создают всё более сложные модели с голосовыми функциями, позволяющими лучше имитировать человеческое общение, растёт вероятность формирования парасоциальных отношений пользователей с чат-ботами.

В последние месяцы вновь стали звучать опасения по поводу потенциального эмоционального вреда этой технологии, особенно среди молодых пользователей и людей с проблемами психического здоровья. OpenAI рассматривает новые исследования как способ лучше понять, как люди взаимодействуют с её популярным чат-ботом и как он на них влияет. При этом такие исследования находятся на ранней стадии, и остаётся неясным, в какой степени чат-боты могут способствовать росту одиночества и насколько сильно их использование усугубляет эмоциональную зависимость у предрасположенных к этому людей.

Кэти Менъин Фанг (Cathy Mengying Fang), соавтор исследования и аспирантка Массачусетского технологического института, выразила обеспокоенность тем, что результаты могут привести к поспешным выводам о том, что более активное использование чат-бота неизбежно влечёт негативные последствия. Она пояснила, что в исследовании не контролировалось время использования ChatGPT как основной фактор, а также не проводилось сравнение с контрольной группой, не использующей чат-ботов.

Финансовая экосистема «Т-технологии» (включает «Т-банк» и «Росбанк») вложит 500 млн руб. в исследования собственного центра исследований и разработок (R&D-центр) в области ИИ, баз данных и аналитических систем, информационной безопасности и фундаментальных алгоритмов, сообщили «Ведомости» со ссылкой на представителя компании.

Источник изображения: Joan Gamell/unsplash.com

Представитель назвал ключевым проектом центра, созданного в начале года, разработку ИИ-ассистента для программирования (AI Coding Assistant). Как ожидается, это позволит увеличить к 2026 году долю созданного ИИ-кода специалистами экосистемы в 6 раз до 25 % от общего количества генерируемых строк кода.

Указанная сумма будет направлена на наем инженеров в создаваемую с нуля команду, закупку оборудования и софинансирование грантов на исследования совместно с университетами. По словам представителя «Т-технологий», у R&D-центра уже есть договоры о сотрудничестве с МФТИ, «Сколтехом» и Новосибирским государственным университетом через НИР или НИОКР и через консультационную помощь. R&D-центр «Т-технологий» в настоящее время курирует с МФТИ исследовательскую лабораторию, которая занимается исследованиями в области рекомендательных систем, обучения с подкреплением, компьютерного зрения и больших языковых моделей (LLM).

В дальнейшем «Т-технология» планирует расширить сотрудничество с российскими вузами в разных регионах страны и создать на их базе студенческие исследовательские лаборатории.

Сообщается, что R&D-центр будет заниматься как фундаментальными, так и прикладными исследованиями. По мнению директора R&D-центра Станислава Моисеева, совместная работа с академическим сообществом позволит не только принести ценность компании, но и привлечь будущих специалистов из числа талантливых студентов.

У многих крупных корпораций есть собственные R&D-отделы, которые, в том числе разрабатывают прорывные решения, способные кардинально изменить рынок и дать компании преимущество, говорит исполнительный директор АНО «Колаборатория» Мария Базлуцкая. Например, у OpenAI есть исследовательское подразделение Research, а Microsoft израсходовала на R&D в 2024 году, по данным Statista, рекордную сумму в $29,5 млрд. Базлуцкая отметила, что 500 млн руб. — довольно скромная сумма в мировых масштабах.

Такого же мнения придерживается гендиректор Dbrain Алексей Хахунов. Он отметил стремление «Т-банка» диверсифицировать банковский бизнес, чтобы стать технологическим игроком, но 500 млн руб. — слишком мало для реализации этой задачи.

Как сообщили в «Яндексе», у компании есть несколько совместных с университетами лабораторий, которые занимаются фундаментальными исследованиями в сфере компьютерных наук и ИИ: например, с НИУ ВШЭ и с МФТИ. Такие лаборатории занимаются разработкой технологий и помогают реализовывать социально значимые проекты для здравоохранения, экологии, науки и образования. В прошлом году более 10 тыс. студентов вузов прошли обучение на технологиях компании и приняли участие в реализации проектов, рассказал представитель «Яндекса».

Китайский стартап в области искусственного интеллекта DeepSeek сосредоточен на исследовательской работе, а не получении доходов — воспользовавшись внезапным скачком продаж, основатель компании, миллиардер Лян Вэньфэн (Liang Wenfeng), решил не следовать примеру конкурентов из Кремниевой долины.

Компании из Ханчжоу пришлось адаптироваться к всплеску спроса на её бесплатные потребительские сервисы на сайте и в приложении, а также на платные услуги от бизнес-пользователей. Выручки за минувший месяц впервые оказалось достаточно, чтобы покрыть текущие расходы, сообщает Financial Times со ссылкой на два информированных источника. Интерес к DeepSeek вырос в январе, когда компания выпустила недорогую в обслуживании рассуждающую модель искусственного интеллекта R1 — она демонстрирует сопоставимые с ведущими американскими и китайскими аналогами результаты, но её разработка обошлась значительно дешевле.

Корпоративные клиенты из медицинской и финансовой отраслей стали активно закупать у DeepSeek доступ к API для разработки собственных приложений на основе моделей V3 и R1, причём спрос оказался настолько высоким, что стартапу пришлось временно приостановить регистрацию клиентов из-за нехватки ресурсов на не связанные с исследованиями цели. Господин Лян не проявил особого намерения начать немедленно зарабатывать на DeepSeek. Вместо этого бо́льшую часть ресурсов компания направила на разработку новых моделей и создание сильного искусственного интеллекта (AGI) с когнитивными способностями, не уступающими человеческим. Глава независимой компании пока также отказался от сотрудничества с китайскими технологическими гигантами, венчурными и государственными фондами, выразившими желание инвестировать в DeepSeek. Напротив, со склонным к уединению бизнесменом оказалось непросто даже назначить встречу.

Появление DeepSeek огорчило инвесторов, у которых возникли сомнения, что американские технологические лидеры в лице Google и OpenAI способны удержать преимущество, и что колоссальные расходы технологических гигантов на инфраструктуру ИИ оправданы. Подход китайской компании значительно отличается от манеры работы многих стартапов Кремниевой долины: OpenAI воспользовалась своим статусом лидера в области ИИ, чтобы выстроить экосистему коммерческих сервисов вокруг ChatGPT и начать получать значительные доходы от доступа к моделям ИИ через API. С 2019 года американская компания привлекла инвестиции на сумму около $20 млрд, и сейчас ведёт переговоры с группой инвесторов во главе с SoftBank о привлечении ещё $40 млрд при оценке $260 млрд. В OpenAI работают чуть более 2000 человек, в DeepSeek — около 160.

Отсутствие коммерческих устремлений DeepSeek сыграло на руку китайским технологическим гигантам Alibaba и Tencent — за счёт сформировавшихся инфраструктуры и пакетов услуг они привлекли на родине большое число корпоративных клиентов, и это вызвало сомнения, что потоки доходов стартапа являются устойчивыми. Так, Apple для развёртывания функций ИИ на iPhone в Китае выбрала модель Alibaba Qwen, а не DeepSeek; Tencent же увеличила продажи, когда открыла в своей облачной инфраструктуре доступ к открытым моделям DeepSeek — их выбрали около половины облачных клиентов техногиганта, и около 20 % запросили их доработку. Из-за того, что DeepSeek отказалась прилагать усилия для продвижения собственных продуктов для массового рынка, Tencent интегрировала модели стартапа и в свои популярные потребительские приложения.

За последние годы Лян Вэньфэн, возглавляющий также хедж-фонд, закупил около 10 000 ИИ-ускорителей Nvidia A100 и примерно то же количество моделей H800 — ещё до того, как их ввоз в Китай был запрещён. На перспективу компания намеревается закупить оборудование у других поставщиков; кроме того, она получила поддержку со стороны китайских властей, которые предоставили ей доступ к финансируемым государством центрам обработки данных, частично удовлетворив потребность компании в вычислительных ресурсах. В долгосрочной перспективе DeepSeek может счесть проблемой недостаточный доступ к передовому оборудованию Nvidia и изучить возможность выбрать другого партнёра. А для получения дополнительной политической поддержки, считают отраслевые эксперты, компании всё-таки придётся открыться для государственных фондов. Сейчас инженеры компании в полную силу ведут разработку моделей R2 и V4 – первоначально эти модели планировались к выпуску в мае, но теперь в компании решили ускориться.

Согласно исследованию израильской компании по кибербезопасности Lasso, специализирующейся на возникающих угрозах генеративного ИИ, данные, которые были в открытом доступе в интернете хотя бы на мгновение, могут ещё продолжительное время оставаться у онлайн-чат-ботов генеративного ИИ, таких как Microsoft Copilot, после того, как доступ к ним был закрыт.

Источник изображения: Windows/unsplash.com

Эта проблема касается тысяч некогда открытых репозиториев GitHub ряда крупнейших компаний, включая Microsoft, которые с тех пор стали закрытыми, сообщили в Lasso ресурсу TechCrunch.

По словам соучредителя Lasso Офира Дрора (Ophir Dror), компания обнаружила, что контент из её собственного репозитория GitHub появился в Copilot, поскольку он был проиндексирован и кеширован поисковой системой Bing от Microsoft. Этот репозиторий был ошибке открыт в течение короткого периода времени и сейчас является частным. При попытке получить к нему доступ на GitHub появляется сообщение «Страница не найдена».

«На Copilot, как ни странно, мы нашли один из наших собственных закрытых репозиториев, — рассказал Дрор. — Если бы я просматривал веб-страницы, я бы не увидел этих данных. Но любой человек, задав Copilot правильный вопрос, может их получить».

В связи с этим Lasso провела расследование, в ходе которого извлекла список репозиториев, бывших в открытом доступе какое-то время в 2024 году, и определила те, которые с тех пор были удалены или получили статус приватных. Используя механизм кеширования Bing, компания обнаружила, что более 20 тыс. частных репозиториев GitHub более 16 тыс. организаций по-прежнему доступны через Copilot. В частности, это касается Amazon Web Services, Google, IBM, PayPal, Tencent и Microsoft.

Дрор рассказал, что Lasso связалась со всеми компаниями, которые «серьёзно пострадали» от утечки данных, и посоветовала им ротировать или отозвать все скомпрометированные ключи.

Lasso уведомила Microsoft о своих выводах в ноябре 2024 года, но софтверный гигант сообщил ей, что относит проблему к «низкой степени серьезности», заявив, что такое поведение при кешировании «приемлемо». Microsoft отметила, что больше не включает ссылки на кеш Bing в результаты поиска с декабря 2024 года.

Тем не менее Lasso утверждает, что, хотя функция кеширования была отключена, Copilot всё ещё имеет доступ к данным, несмотря на то, что они не отражались в результатах веб-поиска.