Опрос
|
реклама
Быстрый переход
ИИ с «глазами» оказался в разы дороже обычного API — агенты сжигают бюджеты, ходя по сайтам
07.05.2026 [17:44],
Павел Котов
Компании, которые используют агентов искусственного интеллекта, могут потратить значительно больше денег, если эти агенты оперируют визуальными данными, имитируя человеческое зрение. 
Источник изображения: reflex.dev Специалисты платформы корпоративных приложений Reflex сравнили визуальных ИИ-агентов с теми, что осуществляют доступ к внешним ресурсам через API. Обоими агентами управляла нейросеть Anthropic Claude Sonnet: в первом случае она контролировала Python-фреймворк browser-use 0.12 для автоматизированной работы с браузером; во втором — обращалась к тем же веб-приложениям по API. При обращении по API агент вызывал те же механизмы обработки, что при работе с пользовательским интерфейсом, но получал в ответ структурированные данные, а не скриншот веб-страницы, который требовалось дополнительно анализировать. Обоим агентам организаторы эксперимента дали задание: «Клиент по имени Смит пожаловался на недавний заказ. Найди Смита с наибольшим количеством заказов, прими все его отзывы на модерации и отметь последний как доставленный». ИИ-агент с обращением по API выполнил задачу за восемь запросов к ИИ-модели; визуальный вариант нашёл только один из четырёх ожидающих отзывов — остальные три он пропустил, потому что не догадался прокрутить страницу. Когда условия задачи упростили в угоду визуальному ИИ-агенту, тот выполнял её около 17 минут; вариант с обращением по API добился результата за 20 секунд и израсходовал в 45 раз меньше токенов модели ИИ. По оценкам Anthropic, обработка изображения размером 1000 × 1000 пикселей с помощью модели Claude Sonnet 4.6 расходует около 1334 токенов. Визуальный ИИ-агент израсходовал на выполнение задачи около 500 000 входных и около 38 000 выходных токенов; обращавшийся по API агент потратил около 12 150 входных и 934 выходных токенов. Авторы эксперимента сделали такой вывод: агентов с машинным зрением следует использовать только для работы с приложениями, которые пользователь не контролирует; внутренние процессы должны обрабатываться по API. Развитие ИИ замедляется из-за переизбытка бесполезных данных — их слишком много
04.05.2026 [14:05],
Владимир Мироненко
Дальнейшее совершенствование ИИ-систем, которое обеспечит переход от ChatGPT к использованию человекоподобных роботов, зависит от качества данных, которые предоставляются этим системам для обучения, пишет ресурс Fortune. 
Источник изображения: Igor Omilaev/unsplash.com Ресурс отметил, что отрасль находится на пороге следующего рубежа ИИ — физического ИИ и моделей окружающего мира — систем, которые будут учиться и в конечном итоге работать в физическом мире. Для того чтобы они получили когнитивные способности, необходимые для навигации по дорогам, складывания белья или оказания помощи при сложных медицинских операциях, им требуются не просто данные, которые можно загрузить. Их обучение требует богатых и многогранных данных. И если исследователи не смогут остановить избыток ненужных данных — данных, которые не способствуют развитию модели, — весь потенциал физического ИИ и моделей окружающего мира может никогда не раскрыться в полной мере. Проблема заключается в том, что для создания новых, более совершенных ИИ-моделей требуется всё больше данных. На волне ажиотажа вокруг ИИ возникло множество ИИ-стартапов, таких, как Scale AI, Surge AI и Mercor, испытывающих ненасытную потребность в данных. Однако удовлетворение этой потребности привело к появлению огромного количества ненужных данных, которые на самом деле никак не способствуют развитию моделей ИИ, отметил Fortune. Обучение моделей пониманию сложного многомерного мира требует значительно больше данных — данных, которые также очень трудно получить. Инженеры по машинному обучению прибегают к моделированию данных, используя виртуальные реконструкции реальных сценариев для создания данных, которые будут использоваться для обучения роботов и беспилотных автомобилей. Использование некачественных данных при обучении ИИ-моделей может привести к непредсказуемым результатам. Как утверждает ресурс Fortune, OpenAI прекратила поддержку видеоприложения Sora из-за проблемы некачественных данных, поскольку её модель мира не обладала достаточным пониманием физики, что затрудняло реалистичные прогнозы. Для дальнейшего продвижения ИИ-специалистам, занимающимся машинным обучением, необходимы инструменты и технологии для удаления ненужных данных, которые анализируют, очищают, нормализуют и корректируют обучающие данные. Для достижения успеха в обучении потребуется извлечение ценных выводов и их отделение от ненужных данных. Теперь ограничивающим фактором стала нехватка качественных данных. Компании, которые первыми поймут это, создадут ИИ-системы, которые действительно будут работать, пишет Fortune. Учёные создали искусственные нейроны, сигналы которых живой мозг воспринял как свои
02.05.2026 [21:16],
Геннадий Детинич
Инженеры из Северо-Западного университета (Northwestern University) впервые методом печати создали искусственные нейроны, способные не просто имитировать, но и напрямую взаимодействовать с живыми клетками мозга, поскольку устройство генерирует электрические сигналы, по своей форме и временным характеристикам идентичные биологическим. Это открывает прямую возможность создания интерфейса «человек—компьютер», а также нейроморфных компьютеров, имитирующих работу мозга. 
Источник изображения: Northwestern University Основой интересной технологии стали чернила из наночешуек дисульфида молибдена и графена. С их помощью на гибкую полимерную подложку методом струйного напыления наносился рисунок, после чего подложка подвергалась воздействию тока для частичного разложения. Весь фокус оказался в сохранении части связующего полимерного материала. Этот процесс приводил к формированию тонких проводящих путей — филаментов, или нитей. Тем самым напечатанные элементы могли напрямую влиять на форму и силу протекающего по ним тока, что удивительным образом совпало со спектром сигналов нейронной активности — от одиночных спайков до пакетных «очередей» импульсов. Совпадение активности искусственных нервных сигналов с природными было подтверждено экспериментально: когда искусственные нейроны подключили к срезам тканей мозжечка мыши, живые клетки отреагировали на них как на свои собственные, активировав нейронные цепи. Это стало первой демонстрацией того, что напечатанные нейроны могут генерировать сигналы правильной формы и в верном временном диапазоне, не будучи при этом ни слишком медленными, как предыдущие органические аналоги, ни слишком быстрыми, как электронные. Представленная разработка прокладывает путь к созданию интерфейсов «мозг—компьютер» следующего поколения, нейропротезов для восстановления слуха, зрения и движения, а также может решить проблему чрезмерного энергопотребления искусственного интеллекта. Если нейроморфным вычислениям удастся добиться энергоэффективности мозга, которая, по словам авторов, на пять порядков превосходит эту характеристику для классических компьютеров, данная технология в будущем позволит создавать вычислительные системы, требующие для работы кардинально меньше ресурсов. Porsche представила электрический Cayenne с мощностью до 1139 л. с. и разгоном до сотни за 2,4 с
24.04.2026 [10:46],
Дмитрий Федоров
Porsche добавила в электрическую линейку кроссовера Cayenne купе-версию. Cayenne Coupe Electric поступит в продажу по всему миру в конце лета в трёх модификациях по цене от $113 800. Старший вариант Turbo развивает 1139 л. с. и разгоняется до 100 км/ч за 2,4 секунды при запасе хода около 580 км. Модель не заменит бензиновые и гибридные версии Cayenne — они останутся в продаже как минимум до 2030 года. 
Источник изображений: porsche.com Электрическое купе — четырёхдверный кроссовер с покатой линией крыши в духе легендарного 911 — дополнит уже анонсированные электрические варианты: базовый Cayenne Electric, Cayenne S Electric и Cayenne Turbo Electric. Все четыре модели выйдут на рынок примерно через девять месяцев после первой презентации электрической версии. Купе-версия может стать самой успешной в линейке. Когда Porsche представила бензиновый Cayenne Coupe в 2019 году, за год эта версия заняла 20 % продаж Cayenne. Спустя пять лет её доля выросла до 40 %, по данным Porsche, а на отдельных рынках достигает 90 %.  Покупателям предложат три модификации. Базовая стоит $113800 без учёта $2350 за доставку, развивает до 435 л. с. и 834 Н·м крутящего момента, разгоняется до 100 км/ч за 4,5 секунды и достигает максимальной скорости 230 км/ч. Cayenne S Coupe Electric обойдётся в $131200, а Cayenne Turbo Coupe Electric — в $168000. За дополнительную плату доступен облегчённый спортивный пакет с карбоновой крышей, спортивными шинами и элементами интерьера в стиле автоспорта.  Турбо-версия занимает верхнюю строчку в линейке: до 1139 л. с. и 1500 Н·м крутящего момента, максимальная скорость — 261 км/ч, разгон до 100 км/ч — за 2,4 секунды. По этим показателям модель сопоставима с Tesla Model S Plaid, Lucid Air Sapphire и Porsche Taycan Turbo GT.  Все модификации купе оснащены 800-вольтовой силовой установкой, пневматической подвеской, новым лобовым стеклом и адаптивным задним спойлером. Заряжать электрокар можно через порт стандарта NACS, который популяризировала Tesla, и через дополнительный порт переменного тока.  Porsche пока не опубликовала оценку запаса хода купе по методике Агентства по охране окружающей среды США (EPA). Первые тесты в реальных условиях показывают результаты на уровне других электрических Cayenne — около 580 км на одной зарядке. При установке шин большего размера увеличивается сопротивление, что может сократить запас хода электрокара примерно на 10 %.  В отличие от компактного кроссовера Macan, который с этого года продаётся только в электрической версии, Cayenne Coupe Electric будет выпускаться параллельно с бензиновыми и гибридными вариантами. По словам представителя Porsche, такое сосуществование сохранится как минимум до 2030 года и может дать компании ценные данные о том, какой тип силовой установки выберут покупатели и окажется ли электрическая версия самой популярной. Дополнительный передний багажник и растущие цены на бензин способны склонить часть из них к электрической версии. Новая статья: Линия защиты: обзор виртуальных машин и песочниц для Android
22.04.2026 [00:03],
3DNews Team
Данные берутся из публикации Линия защиты: обзор виртуальных машин и песочниц для Android Tesla номинально запустила роботакси ещё в двух городах Техаса
20.04.2026 [08:17],
Алексей Разин
На этой неделе Tesla опубликует подробный отчёт о результатах деятельности в прошлом квартале, поэтому ей жизненно необходимо было заявить в эти дни о каком-то важном достижении. Поскольку фокус бизнеса компании под давлением Илона Маска (Elon Musk) смещается в сторону роботакси и человекоподобных роботов, запуск фирменного сервиса беспилотных такси в двух дополнительных городах Техаса стал для Tesla искомым информационным поводом. 
Источник изображения: Tesla Компания сообщила, что теперь фирменная услуга по перевозке пассажиров на роботакси стала доступна в Хьюстоне и Далласе. До недавних пор воспользоваться ею могли только строго отбираемые по предварительным заявкам клиенты в Остине, где соответствующий сервис начал работать в июне прошлого года. Кстати, его территория обслуживания за это время выросла почти в десять раз до 635 квадратных километров, а вот количество машин пропорционально не изменилось, поэтому желающим проехаться на фирменном роботакси до сих пор приходиться долго ожидать своей очереди. Кроме того, почти все фирменные роботакси в Остине сохранили страхующих водителей в салоне, хотя из некоторых машин они были «отселены» в следующие за таксомотором по пятам электромобили сопровождения. О параметрах эксплуатации роботакси в Хьюстоне и Далласе мало что известно, как поясняет Electrek. Судя по заявлениям самой Tesla, в первом городе охвачена территория площадью 39 квадратных километров, в Далласе она чуть больше — около 91 квадратного километра. Отслеживая доступность сервиса в новых населённых пунктах при помощи специального сервиса, представители Electrek пришли к выводу, что там пока курсируют одна или две машины. Надо сказать, что даже в Остине, спустя десять месяцев после запуска сервиса, в местном автономном таксопарке Tesla насчитывается около 80 машин, но одновременно на линии находятся не более 12 штук из них. При этом Илон Маск обещал, что к концу прошлого года в одном только Остине будет работать 500 машин, а в Калифорнии их количество превысит 1000 штук. Добавим, что в Сан-Франциско такси Tesla пока работают с водителями за рулём из-за особенностей местного законодательства, поэтому относить эту территорию к деятельности именно роботакси позволяет себе разве что сама Tesla. Для сравнения, конкурирующая Waymo осуществляет перевозки на беспилотных такси в 10 крупных городах США, в неделю они выполняют 500 000 поездок на коммерческой основе, а к концу текущего года это количество удвоится. Совокупный парк беспилотных такси Waymo в США насчитывает около 2500 машин. Восстание стиральных машин: программное обновление не позволило клиентам Samsung выстирать одежду
04.04.2026 [04:38],
Алексей Разин
Совершенствование функциональных возможностей устройств через программные обновления стало нормой во многих сегментах рынка, но бытовая техника в этом смысле исторически оставалась в стороне. Предлагаемая Samsung за $2000 серия стиральных машин Bespoke AI Laundry Combo недавно выдала владельцам неприятный сюрприз в виде блокировки отдельных программ после обновления. 
Источник изображения: Samsung Electronics Как сообщается, в результате неудачно установленного программного обновления пользователи этих стиральных машин обнаружили на вкладке «Дополнительные циклы» непривычную пустоту. Воспользоваться необходимыми циклами владельцы стиральных машин смогли только после ряда манипуляций. Кому-то пришлось переключать темы дисплея, прочие вынуждены были откатить машину к заводским настройкам два раза подряд, прежде чем получить доступ к нужным программам стирки. Возможно, в сегменте бытовой техники контроль за надёжностью программных обновлений пока не так высок, как в автомобилестроении или сегменте смартфонов, ибо столь досадных сбоев можно было бы избежать за счёт более тщательного тестирования программных изменений. С другой стороны, существование интернет-сообществ владельцев любой техники позволяет им довольно быстро находить приемлемые решения для возникающих проблем. Китайские учёные научили робота играть в теннис новым методом обучения
19.03.2026 [14:30],
Владимир Мироненко
Китайские исследователи протестировали новый, гораздо более быстрый и простой метод обучения роботов игре в теннис, который, судя по результатам, можно считать прорывом в машинном обучении и реальном ИИ, сообщил ресурс New Atlas. 
Источник изображений: Zhang et al, Tsinghua university В теннисе, как и в большинстве других видов спорта, технологии захвата движений пока не могут считывать мельчайшие нюансы угла запястья при ударе по мячу, чтобы выполнять его с необходимой точностью. Ситуация на теннисном корте слишком динамична, чтобы использовать дистанционное управление, утверждают исследователи. По словам исследователей, попытки извлечения такой информации из многокамерных видеозаписей с помощью программного обеспечения для обучения ИИ, такого как Vid2Player3D от Nvidia, являются «сложным процессом», который «может потребовать значительных экспертных знаний и инженерных усилий». Вместо этого исследователи разработали систему LATENT, основанную на захвате движений, но только для базовых элементов техники и предназначенную для работы с неполными данными. В ходе текущего эксперимента исследователи использовали данные захвата движений за пять часов, в которых спортсмены демонстрировали «примитивные навыки» игры в теннис: удары справа и слева, боковые перемещения и перекрёстные шаги, выполняемые на площади, составляющей лишь часть стандартного теннисного корта.  Исследователи обработали эти данные с помощью камер, чтобы создать репертуар человекоподобных «пространств движения», а затем загрузили эти базовые навыки в гуманоидного робота G1 от Unitree, доступного по цене $13,5 тыс. Используя базовые навыки, робот должен был с помощью системы LATENT выполнить поставленную задачу — увидеть приближающийся теннисный мяч и с помощью ракетки перебросить его через сетку: «Успех — это когда мяч приземлится на противоположной стороне корта в пределах площадки, ограниченной белыми линиями». Обладая базовыми навыками ударов по мячу, робот мог экспериментировать со всеми остальными деталями: углами, временем, выбором движений для различных ситуаций и моментами, когда следует выходить за рамки обученных движений. Подавляющая часть обучения проходила с очень высокой скоростью с использованием симуляции. В результате G1 успешно отбивал удары справа примерно в 90 % случаев и удары слева — чуть менее чем в 80 %, причём его движения выглядят ловкими и плавными, как у настоящего теннисиста. Конечно, робот пока не готов к соревновательным матчам, но вместе с тем он добился значительного прогресса в освоении игры. Хотя это не совсем та рутинная, монотонная работа, которую, как ожидается, роботы будут выполнять вместо людей, благодаря разработке китайских исследователей они смогут быстро обучаться управлять своим телом в экстремальных условиях и справляться со сложными и динамичными ситуациями, что будет полезно в более практических задачах. Программное обеспечение LATENT относится к категории open source и доступно на GitHub. Вековую «нерешаемую» задачу физики взломали с помощью ИИ — THOR ускорил расчёты в 400 раз
17.03.2026 [19:12],
Геннадий Детинич
Около 100 лет назад в зарождающейся физике элементарных частиц возникла проблема, которую, как оказалось, в принципе невозможно решить в разумное время. Речь идёт о решении конфигурационных интегралов, значения которых могли рассказать о термодинамических и механических свойствах материалов на атомном уровне. Неисчислимое множество частиц и условий настолько усложняли расчёты, что для них не хватило бы времени жизни Вселенной. И учёные решились на подлог. 
Источник изображения: ИИ-генерация Grok 4/3DNews Невозможность прямого решения задачи привела к появлению статистической физики и ряда моделей для симуляции поведения атомов в веществе (метод Монте-Карло и другие). Но даже самые совершенные модели заставляли суперкомпьютеры месяцами трудиться над, казалось бы, простыми задачами. Поэтому при использовании традиционных подходов часто жертвуют точностью ради скорости расчётов, особенно при моделировании реальных материалов в экстремальных условиях. Исследователи из Университета Нью-Мексико (The University of New Mexico) и Лос-Аламосской национальной лаборатории (Los Alamos National Laboratory) представили новый ИИ-фреймворк THOR (Tensors for High-dimensional Object Representation), который радикально меняет ситуацию при расчётах взаимодействия атомов в веществе. THOR сочетает современные тензорные сети с машинным обучением и таким подходом, как тензорная кросс-интерполяция (tensor train cross interpolation). Алгоритм разбивает многомерную задачу на последовательность более простых задач, а также автоматически учитывает кристаллические симметрии материала и тем самым существенно сокращает объём вычислений, сохраняя точность, близкую к классическим методам статистического моделирования. На отдельных примерах ускорение вычислений составило более чем в 400 раз. Метод был успешно протестирован на ряде реальных веществ: меди, кристаллическом аргоне под высоким давлением, фазовых переходах в олове и других материалах. Во всех случаях THOR воспроизвёл результаты высокоточных эталонных симуляций, ранее проведённых в Лос-Аламосской национальной лаборатории, но с кардинальным сокращением времени расчётов. Фреймворк демонстрирует универсальность: он применим как к простым системам, так и к сложным кристаллическим структурам, что открывает путь к прямым расчётам термодинамического и механического поведения материалов. Если инструмент будет взят на вооружение, а разработчики позаботились о том, чтобы THOR мог быть встроен в современные программы моделирования атомарной структуры материалов, то это может иметь огромное значение для материаловедения, физики твёрдого тела и химии. Станут возможны быстрые и точные предсказания свойств новых материалов, ускорится разработка сплавов, сверхпроводников, материалов для экстремальных условий и энергетики. Код THOR доступен на GitHub. Пользуйтесь. Автопром готов предложить машины, где за рулём можно не следить за дорогой — это обостряет вопросы безопасности и ответственности
23.02.2026 [23:04],
Владимир Фетисов
Автопроизводители неуклонно движутся к важному достижению на пути создания полностью беспилотных транспортных средств. Речь о создании систем, которые позволят водителям не следить за дорогой, чтобы, например, написать сообщение на смартфоне или поработать на ноутбуке, до тех пор, пока автопилот не предупредит о необходимости вернуться к управлению авто. 
Источник изображений: Waymo На протяжении многих лет автопроизводители совершенствовали системы помощи водителю, добавляя им новые возможности, такие как автоматический контроль скорости и рулевого управления. Предоставление водителям возможности заниматься другими делами во время поездок может стать следующим шагом, который позволит автопроизводителям монетизировать свои огромные инвестиции в развитие автономности. Так Ford Motor заявила о намерении оснащать свои электромобили системами автономного управления, которые позволят водителю не следить за дорогой, с 2028 года. Однако в отрасли нарастают споры по поводу целесообразности внедрения таких технологий, которые в индустрии принято называть автономным вождением третьего уровня. Некоторые эксперты считают, что передача управления от человека автомобилю и обратно неосуществима, небезопасна и поднимает сложные вопросы ответственности. Некоторые эксперты также сомневаются, что достаточное количество потребителей захочет приобрести авто с такой системой помощи водителю, чтобы оправдать огромные затраты автопроизводителей на её разработку. «Мы не знаем, будет ли автономное вождение третьего уровня когда-либо иметь экономический смысл», — заявил ранее в этом году Пол Томас (Paul Thomas), глава североамериканского подразделения поставщика автопроизводителей Bosch. Десять лет назад руководители автогигантов предсказывали, что к настоящему времени автономные транспортные средства получат повсеместное распространение. Однако технологические проблемы, перерасход средств и нормативная неопределённость заставили автопром отложить внедрение подобных технологий. При этом автопроизводители продолжают улучшать функции помощи водителю в системах, требующих постоянного контроля со стороны человека. Системы автономного вождения третьего уровня находятся в средней части отраслевой шкалы автоматизированного вождения, начинающейся от базовых функций, таких как круиз-контроль на первом уровне, и заканчивающейся беспилотным вождением в любых условиях на пятом уровне. В настоящее время практически все доступные на рынке системы помощи водителю, включая Full Self-Driving от Tesla, классифицируются как системы второго уровня, требующие постоянного контроля со стороны водителя. О планах по внедрению систем третьего уровня уже объявили не только Ford, но и General Motors, Honda Motor и некоторые другие. 
Источник изображения: Tesla Стоимость разработки системы автономного вождения третьего уровня может достигать $1,5 млрд, что примерно вдвое больше расходов, необходимых для создания автопилота второго уровня. «Автопроизводители, которые пытались создать систему третьего уровня, и потребители, которые её опробовали, обнаруживают, что игра не стоит свеч», — сказал Джон Крафчик (John Krafcik), бывший гендиректор Waymo и один из членов совета директоров производителя электромобилей Rivian. По данным McKinsey, некоторые компании уже отказались от своих амбиций по внедрению систем автономного вождения третьего уровня из-за проблем с финансированием. Вместо этого они удвоили усилия на пути по расширению возможности собственных более дешёвых систем второго уровня. Немецкая Mercedes-Benz является единственным автопроизводителем, который к настоящему моменту предлагает авто с системой автономного вождения третьего уровня в США. Однако компания была вынуждена приостановить эту программу, поскольку ограничения по скорости, особые условия использования и географические границы привели к снижению спроса. На данный момент автопроизводитель сосредоточен на внедрении функций автономного вождения для городских улиц, которые требуют контроля со стороны водителя. Представитель Mercedes-Benz сообщил, что компания планирует представить модернизированную систему третьего уровня через несколько лет. В прошлом году СМИ писали, что Stellantis отложила разработку системы третьего уровня из-за высоких затрат, проблем технологического характера и опасений по поводу низкого потребительского спроса. Система помощи водителю от Tesla может работать на городских улицах, но она требует от водителя контроля. Компания ещё не представила систему третьего уровня, сосредоточившись на создании полностью автономного автопилота. Tesla запустила небольшой сервис роботакси и намерена расширить его на несколько городов в США в первой половине этого года, чтобы напрямую конкурировать с Waymo. Главная технологическая проблема автопилота третьего уровня заключается в разработке системы, способной эффективно выявлять необходимость вмешательства человека, подавать соответствующий сигнал и продолжать управлять авто, пока водитель не возьмёт управление на себя. Такого мнения придерживается Брайант Уокер Смит (Bryant Walker Smith), профессор Университета Южной Калифорнии, специализирующийся на регулировании автономного вождения. «С точки зрения регулирования гораздо больше смысла иметь возможность обеспечить уровень четыре в достаточно значительном наборе условий эксплуатации, чтобы люди действительно считали это полезным для использования», — добавил Смит. Джоэл Джонсон (Joel Johnson), работавший с GM над программным обеспечением для автономного вождения, заявил, что не требующий контроля со стороны водителя автопилот представляет проблемы для автопроизводителей из-за высокой стоимости и ответственности. «У автопроизводителей есть причина развёртывать автономность только для того, чтобы бороться с Waymo и сдерживать их, или чтобы иметь возможность взимать больше денег за счёт предоплаты или подписки», — добавил Джонсон. Аналитики сходятся во мнении, что переход на использование систем автономного вождения, позволяющих водителю не следить за дорогой, увеличит вероятность того, что в случае аварии нести ответственность придётся автопроизводителям. Дополнительное давление на западные компании оказывает быстрый прогресс китайских автопроизводителей. В конце прошлого года властями Поднебесной был одобрен первый автомобиль, оснащённый системой помощи водителю третьего уровня. Китайские бренды, такие как Leapmotor и BYD, уже добавляют расширенные функции в системы автономного вождения второго уровня в свои автомобили по цене самой машины, а не в рамках отдельной подписки. Это может спровоцировать глобальную ценовую войну, если потребители в США и Европе будут ожидать наличия тех же функций в своих авто без ежемесячной подписки. В Китае создали «глаз мухи» для дронов с панорамным зрением и встроенным «обонянием»
13.02.2026 [22:00],
Геннадий Детинич
Исследователи пока не смогли создать сферические мушиные глаза, но даже упрощённый глаз на плоской подложке впечатляет миниатюрными размерами и возможностями. Это платформа размером всего 1,5 × 1,5 мм. По сути, это габариты насекомого, что приближает появление миниатюрных дронов размером с таракана или даже муху. Современные устройства машинного зрения намного крупнее, сложнее и требуют значительной энергии и вычислительных ресурсов, от чего китайская разработка ушла довольно далеко. 
Источник изображения: Nature Communications 2026 Более того, этот миниатюрный датчик содержит сенсоры ряда опасных газов, которые искусственный глаз распознаёт автоматически. Даже мухи на такое не способны — их глаза лишены обоняния. Комбинация зрения и обоняния на одном компактном сенсоре — это шаг на пути повышения энергоэффективности миниатюрных роботизированных платформ, а также увеличения скорости их реагирования на окружающую обстановку. Отвечающая за зрение часть датчика состоит из 1027 элементов с микролинзами, напечатанными непосредственно на гибком фотодетекторе с помощью фемтосекундной лазерной двухфотонной полимеризации (FL-TPP). Это делает каждый оптический элемент изолированным от других, обеспечивая поле зрения шириной 180°. Слияние вспышек света для датчика начинается с частоты выше 1 кГц — это почти на два порядка больше, чем у человеческого глаза. Тем самым искусственный мушиный глаз различает намного более быстрые движения. Обонятельная компонента реализована методом струйной печати на той же платформе: массив колориметрических сенсоров меняет цвет при контакте с опасными газами и химикатами, имитируя «нюх» насекомого. Дополнительно между линзами добавлены щетинки, как у настоящих насекомых, что необходимо для защиты от запотевания во влажной среде. Щетинки удержат капельки влаги на себе и не дадут им затянуть линзы. В тестах датчика на миниатюрном четырёхколёсном роботе система продемонстрировала высокую чувствительность при сближении с препятствиями и движущимися помехами без необходимости поворота «головы» благодаря панорамному обзору. Робот одновременно обнаруживал препятствия слева и справа, а также реагировал на утечки опасных газов. Устройство показало отличную производительность в обнаружении быстрых движений и химических угроз, превзойдя многие существующие сенсоры по компактности и энергоэффективности. Разработка открывает новые возможности для навигации беспилотных платформ, включая микродроны и рои роботов, в сложных условиях — например, при поиске выживших в завалах или мониторинге химических утечек в зонах катастроф. Такой датчик может значительно повысить «интеллект» биороботов за счёт одновременного визуально-обонятельного восприятия при минимальной массе и энергозатратах, обеспечивая важный шаг в направлении автономных систем следующего поколения. Роскомнадзор создаст ИИ для фильтрации интернет-трафика и борьбы с VPN за 2,27 млрд рублей
19.01.2026 [07:46],
Владимир Фетисов
В этом году Роскомнадзор (РКН) планирует разработать и запустить в эксплуатацию механизм фильтрации интернет-трафика с помощью технологий машинного обучения. Для реализации этого плана регулятор намерен потратить 2,27 млрд рублей. Об этом пишет Forbes со ссылкой на план цифровизации РКН. 
Источник изображения: Tim van der Kuip / unsplash.com В сообщении сказано, что данный документ направлен в правительственную комиссию по цифровому развитию. В нём говорится о том, что новый инструмент фильтрации будет функционировать на базе уже работающих на сетях операторов технических средств противодействия угрозам (ТСПУ), обеспечивающих фильтрацию трафика по технологии Deep Packet Inspection (DPI). С помощью таких средств уже заблокировано свыше 1 млн ресурсов, а также ежедневно ограничивается доступ к примерно 5,5 тыс. сайтов. У РКН также есть специальный реестр, куда вносятся распространяющие запрещённую информацию сайты для последующей блокировки со стороны операторов. Эксперты считают, что использование ИИ-алгоритмов поможет РКН более эффективно выявлять и блокировать запрещённый трафик, а также VPN-сервисы. По мнению бизнес-консультанта по ИБ Positive Technologies Алексея Лукацкого, масштабирование технологии машинного обучения для анализа трафика и выявления угроз безопасности в масштабах Рунета позволяет выделить несколько вариантов расширения ТСПУ новыми возможностями. «Это выявление зашифрованного трафика или просто методов обхода блокировок ресурсов. Это важно в контексте курса РКН на блокировку VPN-сервисов. А также обнаружение DDoS-атак и выявление взаимодействия с командными серверами ботнетов и иных вредоносных инфраструктур, используемых кибермошенниками. Кроме того, можно классифицировать веб-приложения, находя те, которые запрещены в России (например, различные мессенджеры), и отличать стриминговый трафик от скачивания контента, что позволит выявлять пиратские ресурсы», — считает Лукацкий. Он также добавил, что технологии машинного обучения позволят реализовать более «прицельное» воздействие на сети. Речь, например, о «деградации» конкретного типа трафика вместо «ковровых» мер. «Машинное обучение в DPI — это способ лучше “угадывать, что за трафик”, когда классические методы обнаружения по сигнатурам, портам и т.п. уже не помогают», — добавил Лукацкий. Представитель организации RKS-Global сообщил, что инструменты машинного обучения на ТСПУ могут быть задействованы для создания и автоматического применения правил фильтрации. К примеру, для поиска и блокировки VPN-сервисов. Такие инструменты также позволят осуществлять поиск по текстам на разных языках, по изображениям и видео. «Так, Китай уже вовсю использует ИИ в мониторинге интернета», — отметил представитель RKS-Global. В США впервые разрешили испытания на людях мозгового имплантата для восстановления речи
21.11.2025 [20:03],
Геннадий Детинич
Американская компания Paradromics из Остина (Техас) получила от регулятора США одобрение на первые клинические испытания полностью имплантируемого интерфейса мозг-компьютер Connexus, предназначенного для восстановления речи у пациентов с тяжёлым параличом. Это первое в мире устройство такого класса, получившее разрешение для испытания на людях. Устройство полностью беспроводное и может стать революцией в помощи пациентам с потерей речи. 
Источник изображений: Paradromics В июне этого года компания Paradromics впервые испытала свой мозговой имплантат на мозге живого человека. Но тогда он вживлялся в область мозга, предназначенную для ампутации. Задача стояла проверить совместимость материалов и характеристик датчика с живой тканью человека. Эксперимент был признан успешным, что позволило подать заявку на начало клинических испытаний. Управление по контролю за продуктами и лекарствами США (FDA) разрешило компании установить датчики Connexus двум пациентам — по одному каждому. В случае успеха эксперимент будет расширен до участия десяти пациентов, двоим из которых внедрят сразу два датчика для увеличения объёма собранных данных и точности слежения за мозговой активностью. Каждый из датчиков представляет собой «монетку» размерами 7,5 × 1,5 мм с более чем 400 электродами из платины и иридия. Толщина каждого равна 40 мкм, что ненамного больше размеров одного нейрона. Именно в этом кроются преимущества датчика Connexus — каждый электрод способен улавливать активность примерно одного нейрона в моторной коре головного мозга. Датчик Connexus не может читать мысли человека. Он считывает активность нейронов, когда человек мысленно пытается произнести слова, делая попытку напрячь мышцы гортани, языка и губ. Если пациент парализован, то ни о какой мышечной активности речи быть не может. Он останется нем. Но произведённая мысленными усилиями отдача команд не пропадёт — датчик считает активность мозга и с помощью индивидуально настроенной большой языковой модели транслирует её в речь. Если для обучения использовать архивные аудиозаписи человека, то синтезированная речь может быть полной имитацией говора самого пациента.  Электроды датчика погружаются на небольшую глубину в ткани коры головного мозга пациента. Контроллер для обработки мозговой активности встроен непосредственно в датчик. Обработанный сигнал по имплантированному под кожу проводу поступает в район грудной клетки пациента, где вживляется оптический приёмопередатчик для отправки сигнала на внешний носимый приёмник. Приёмник и по совместительству беспроводное зарядное устройство для передатчика в теле человека подключается к носимому компьютеру с программой-дешифратором и синтезатором речи. Также в процессе эксперимента будет проверена возможность расшифровывать мысленные движения рук пациентов, чтобы управлять курсором компьютера или другой электроникой. В любом случае первые клинические испытания на людях приблизят момент, когда потерявшие после инсульта или травм речь пациенты смогут вернуться к полноценному общению. Qualcomm вернулась в большие вычисления: представлены ИИ-ускорители AI200 и AI250 для дата-центров
27.10.2025 [23:13],
Николай Хижняк
Компания Qualcomm анонсировала два ускорителя ИИ-инференса (запуска уже обученных больших языковых моделей) — AI200 и AI250, которые выйдут на рынок в 2026 и 2027 годах. Новинки должны составить конкуренцию стоечным решениям AMD и Nvidia, предложив повышенную эффективность и более низкие эксплуатационные расходы при выполнении масштабных задач генеративного ИИ. 
Источник изображений: Qualcomm Оба ускорителя — Qualcomm AI200 и AI250 — основаны на нейронных процессорах (NPU) Qualcomm Hexagon, адаптированных для задач ИИ в центрах обработки данных. В последние годы компания постепенно совершенствовала свои нейропроцессоры Hexagon, поэтому последние версии чипов уже оснащены скалярными, векторными и тензорными ускорителями (в конфигурации 12+8+1). Они поддерживают такие форматы данных, как INT2, INT4, INT8, INT16, FP8, FP16, микротайловый вывод для сокращения трафика памяти, 64-битную адресацию памяти, виртуализацию и шифрование моделей Gen AI для дополнительной безопасности. Ускорители AI200 представляют собой первую систему логического вывода для ЦОД от Qualcomm и предлагают до 768 Гбайт встроенной памяти LPDDR. Система будет использовать интерфейсы PCIe для вертикального масштабирования и Ethernet — для горизонтального. Расчётная мощность стойки с ускорителями Qualcomm AI200 составляет 160 кВт. Система предполагает использование прямого жидкостного охлаждения. Для Qualcomm AI200 также заявлена поддержка конфиденциальных вычислений для корпоративных развертываний. Решение станет доступно в 2026 году.  Qualcomm AI250, выпуск которого состоится годом позже дебютирует с новой архитектурой памяти, которая обеспечит увеличение пропускной способности более чем в 10 раз. Кроме того, система будет поддерживать возможность дезагрегированного логического вывода, что позволит динамически распределять ресурсы памяти между картами. Qualcomm позиционирует его как более эффективное решение с высокой пропускной способностью, оптимизированное для крупных ИИ-моделей трансформеров. При этом система сохранит те же характеристики теплопередачи, охлаждения, безопасности и масштабируемости, что и AI200. Помимо разработки аппаратных платформ, Qualcomm также сообщила о разработке гипермасштабируемой сквозной программной платформы, оптимизированной для крупномасштабных задач логического вывода. Платформа поддерживает основные наборы инструментов машинного обучения и генеративного ИИ, включая PyTorch, ONNX, vLLM, LangChain и CrewAI, обеспечивая при этом беспроблемное развертывание моделей. Программный стек будет поддерживать дезагрегированное обслуживание, конфиденциальные вычисления и подключение предварительно обученных моделей «одним щелчком мыши», заявляет компания. Частоту сердечного ритма измерили Wi-Fi-сигналом
06.09.2025 [11:24],
Павел Котов
Группа молодых исследователей Калифорнийского университета в Санта-Кларе во главе с профессором информатики и вычислительной техники Катей Обрачкой (Katia Obraczka) разработали систему Pulse-Fi, которая при помощи анализа сигнала Wi-Fi производит бесконтактный замер частоты сердечных сокращений у человека. 
Источник изображения: ucsc.edu Для работы системы они предложили обрабатывать данные беспроводного микроконтроллера ESP32 при помощи алгоритма машинного обучения, который, проведя анализ искажений сигнала Wi-Fi в течение пяти секунд, действительно стал выдавать оценки частоты сердечных сокращений у человека с погрешностью около половины удара в минуту. При более длительном наблюдении и использовании более мощного оборудования с Wi-Fi погрешность удалось снизить. Система Pulse-Fi выполняет свою функцию на расстоянии около 3 м от устройства, то есть не требует прямого контакта с телом человека. Систему испытали на 118 добровольцах и 17 положениях тела — авторы проекта установили что она не требует особых условий применения: можно лежать, сидеть и ходить, не опасаясь, что точность результатов снизится. Важнейшим достоинством проекта является низкая цена используемого оборудования — учёные уложились в диапазон от $5 до $10. Платформы класса Raspberry Pi демонстрируют ещё более высокую точность и при цене $30 представляются достаточно доступными для массового применения. На выходе получаются данные, точность которых сравнима с точностью используемых большинством врачей пульсоксиметров — они замеряют частоту сердечных сокращений и насыщение крови кислородом, но требуют прямого контакта и обычно надеваются на палец. Сейчас авторы проекта Pulse-Fi пытаются построить систему для измерения частоты дыхания. Она поможет выявлять апноэ во сне, для работы с которым обычно приходится пользоваться портативным монитором, который нужно носить с собой. Если исследователи смогут решить и эту задачу на основе анализа беспроводного сигнала, то обнаружение и диагностика данного синдрома станут удобнее и проще. |
© 1997—2026 Электронное периодическое издание "3ДНьюс" | Свидетельство о регистрации СМИ Эл ФС 77-22224
выдано Федеральной Службой по надзору за соблюдением законодательства в сфере массовых коммуникаций и охране культурного наследия
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
