AML

В начале 2026 года Palantir выложила пачку новых патентов. Читать их очень скучно: «улучшенная база данных», «интерфейс для тестирования», «система маршрутизации файлов» Palantir не патентует отдельные программы Они строят единую систему, которая закрывает весь цикл войны — от сбора данных до удара И на всё оформлен отдельный патент В патенте написано — «склейка архива с текущими данными» На практике это экран, на котором командир видит одновременно и карту с расположением войск за последние годы, и то, что прямо сейчас передают дроны и радары Причём если дрон захвачен противником — система за долю секунды вычищает со всех экранов всё, что было построено на его данных Система собирает потоки с радаров, спутников и перехватов, и если что-то не сходится — например, объект движется как гражданский, но излучает как военный — система это подсвечивает и может действовать без участия человека Она смотрит, как похожие ситуации решались раньше, и принимает решение сама Каждое решение системы намертво привязано к конкретному датчику, конкретному алгоритму и конкретному правилу, по которому можно стрелять Получается цифровая цепочка доказательств, которую нельзя подделать задним числом Если сложить всё вместе — получается замкнутый конвейер, работающий на машинных скоростях Человек в нём окончательно вытеснен из процесса анализа и низведён до роли «биологического предохранителя», которому остаётся лишь нажать кнопку «Подтвердить» Всё остальное — найти цель, юридически обосновать удар и мгновенно подстроиться под новую тактику врага — машина делает сама И на каждую шестерёнку этого конвейера Palantir уже оформил отдельный патент Война алгоритмов полностью спроектирована и легализована

AML — новая среда обитания: — фильтрует, адаптирует, регулирует и усиливает входящие сигналы — распределяет, адаптирует выходящие сигналы, выступает посредником между нами и техносферой, природой, обществом AML монополизирует умвельт Чем это закончится? И каждый отдельный человек, и общество в целом в результате окажутся паразитом в теле AML-инфраструктуры, поскольку ввиду невероятного ее усложнения человек перестанет быть ее центром

Стэнфорд и Принстон выпустили LabOS, где AML работает рядом с учёным в физической лаборатории Исследователь надевает AR-очки которые видят то, что видит он Каждые 5–10 секунд система анализирует происходящее и выдаёт обратную связь: 1. Следующий шаг протокола, предупреждение об ошибке, коррекция техники 2. Нарушил стерильность, получил сигнал немедленно 3. Перепутал время инкубации, система это заметит раньше тебя Архитектура состоит из трёх слоёв: — LabOS — физический слой: AR/XR-очки, специально обученная VLM, роботы-коботы для рутинных операций — OpenClaw — среда, которая загружает навыки и управляет выполнением задач — LabClaw — библиотека из 206 готовых навыков для биомедицинских агентов Параллельно развивается MedOS - та же логика, но для клиники и хирургии • XR, коботы, автономное медицинское восприятие. Партнёры экосистемы - NVIDIA и Nebius • LabClaw работает как постоянно включённый агент

Доступность суперчипов для ИИ (NVIDIA B200, H100, A100) упала до критических уровней (<5 %) Попросту говоря: • купить их по новым контрактам практически невозможно • а по старым, всё скуплено китами (CAPEX 2026: Amazon и Alphabet – по $200B, Microsoft – по $120B и т.д.) Цитата – «есть железо, участвуй в гонке; нет железа – кури в сторонке», – предполагаю: мелкоте без $100B здесь не место, а в 2027 суперчипы станут еще дефицитней Good News: • Критический дефицит влечет за собой запредельные цены • Запредельные цены на суперчипы влекут запредельную стоимость вычислений • Запредельная стоимость вычислений означает, что за исключением областей, где AML уже (!) сильно превосходит по производительности людей, дешевле оставить работу за человеком N.B. Сказанное выше относится к 2026-2027 годам

Как и в начале века, во времена массовой цифровизации, оказывается, что не новые технологии виноваты в отсутствии ROI, а сами компании, которые почему-то думают, что внедрение технологии само по себе, без трансформации бизнес-процессов и корпоративной культуры, в состоянии что-то ощутимо улучшить Исследователи даже выделили семь важных препятствий, которые на “последней миле” внедрения убивают всю пользу 1. Любовь к отдельным пилотам, будто они что-то меняют “pilot-rich but transformation-poor” внедрения — это просто трата денег 2. Разрыв в производительности Повышение производительности сотрудников внутри отдельных изолированных процессов без структурныз перемен ни на что не может повлиять 3. Неподъемная ноша устаревших процессов Новые технологии — отличный диагностический инструмент для выявления самых замшелых мест в процессах Но изменить они сами эти процессы не могут 4. Проблема идентичности и неформального знания Роль “знающего человека” начинает вредить: это внутреннее знание должно преобразоваться в знание, доступное AML и воплощенное в нем Понятно, почему “знающие люди” саботируют процесс внедрения 5. Управление мультиагентныи системами куда больше похоже на HR-задачу, чем на задачу инженерную, у этой задачи вообще нет инженерного решения Leaders must now ask questions that resemble human resources more than IT, such as how to onboard, evaluate, secure, and eventually retire a digital worker 6. Архитектурная сложность Пестрота агентов, зачастую от разных вендоров, приводит к необходимости организовать их эффективную совместную работу При неправильной организации любое обновление или изменение одного из агентов заставляет переделывать весть процесс взаимодействия 7. Ловушка эффективности Попытка рассматривать внедрение AML как средства снижения костов ожидаемо встречает сопротивление менеджеров среднего звена. Эффективный AML не просто ускоряет процессы, он меняет всю цепочку создания ценности Завершается статья списком организационных мероприятий, вполне внешне очевидных, но почему-то не проводимых руководством, мечтающим о волшебной таблетке AML — не она https://hbr.org/2026/03/the-last-mile-problem-slowing-ai-transformation

AML в вузах становится частью повседневной академической практики Преподаватели делегируют технологиям рутинные этапы исследований и подготовку занятий, высвобождая время для аналитической и методической работы Исследование, проведенное Центром научной коммуникации ИТМО, Яндекс Образованием и Центром технологий для общества Yandex Cloud среди преподавателей и ученых из 16 университетов, показало, что: • 66 % преподавателей и учёных постоянно используют AML в работе • 58 % считает, что подготовка материалов к занятиям вместе с нейросетями стала проще и быстрее • 84 % опрошенных отметили, что AML помог ускорить этапы исследований — от поиска литературы до обработки данных • 54 % чаще всего используют AML для обработки профильных текстов и изображений • 52 % генерируют задания, кейсы и тесты • 45% готовят презентации и визуализируют информацию, треть автоматизируют административные задачи • большинство респондентов осваивали AML самостоятельно • 38 % проходили обучение При этом университетское сообщество ожидает от вузов понятной интеграции AML в рабочие процессы

В начале марта 2026 года в открытой базе патентов США появился документ, который финансировался одновременно DARPA и IARPA В нём описывается новый тип микрочипа для искусственного интеллекта Когда оба ведомства вместе вкладываются в один чип — это не про батарею смартфона Что они изобрели, если объяснять без формул? Обычные чипы работают как открытый кран: через миллионы транзисторов непрерывно течёт ток, всё греется, тратится колоссальная энергия Авторы патента сделали другое — они «заглушили трубу» Внутри транзистора находится особый материал — оксид гафния, который умеет запоминать электрическое поле без питания, как намагниченный магнит Чтобы такой чип «подумал», на него подают крошечный сигнал в одну десятую вольта и просто измеряют, сколько заряда он удерживает Никакого тока — только физика конденсатора Из сотен тысяч таких ячеек, собранных в матрицу, получается устройство, которое по законам электростатики само решает уравнения нейросетей внутри памяти Заявленная цель технологии — «энергоэффективные вычисления для мобильных устройств» Но в 10–100 раз меньше энергии означает не просто долгую батарею Это значит — почти нулевое выделение тепла Разведывательный беспилотник с таким чипом распознаёт цели тяжёлыми нейросетями в автономном режиме и при этом остаётся практически невидимым для тепловизоров противника Разведывательный спутник анализирует снимки прямо на орбите, не передавая терабайты данных по перехватываемому каналу Именно здесь появляется IARPA Отдельная деталь, о которой патент молчит, но физика говорит сама: один импульс обратного напряжения — минус 3.5 вольта, менее 100 наносекунд — стирает всю нейросеть без следа Если дрон сбивают над чужой территорией, он выжигает себе мозг быстрее, чем коснётся земли Это называется «Zeroize» — протокол аппаратного самоубийства Хороший оборонный патент раскрывает принцип, но прячет рецепт Мы провели полный реверс-инжиниринг: из законов физики, известных констант материала и данных самого патента восстановили все критические параметры, которые авторы намеренно скрыли Толщина ферроэлектрического слоя нигде не указана — мы вычислили: 10–12 нанометров Отклонение на 2 нм в любую сторону — и устройство либо не переключается, либо пробивается насквозь Концентрация легирующего кремния в оксиде гафния скрыта — рабочее окно 4.3 % Шаг на процент в сторону — нужная кристаллическая фаза не образуется, и перед вами обычное стекло Температура отжига не указана — а без неё материал остаётся аморфным Скрыт алгоритм записи промежуточных состояний, без которого многоуровневое хранение данных превращается в лотерею При этом у патента есть архитектурная ловушка: вся юридическая защита намертво привязана к конкретному типу считывающей схемы — операционному усилителю Любой конкурент, который заменит его на цифровой преобразователь временного типа и поднимет напряжение считывания с 99 до 120 милливольт, легально обходит всю монополию — и получает при этом более быстрый и защищённый чип — Подробный технический разбор с расчётами и таблицами — в прикреплённом документе

Минцифры может закрепить право граждан на отказ от обслуживания с применением искусственного интеллекта Если клиент не хочет взаимодействовать с нейросетями, организация обязана будет предоставить ему услугу без их использования Документ в настоящее время проходит межведомственное согласование, его вступление в силу предварительно планируется на 1 сентября 2027 года

Клод Opus 4.6 только что решил открытую задачу, над которой работал неделями — гипотезу о разложении графа из книги "Искусство компьютерного программирования" Он назвал статью "Циклы Клода" 31 исследование. ~1 час Кнут прочитал результат, написал формальное доказательство и в конце добавил: «Похоже, в ближайшее время мне придется пересмотреть свое отношение к генеративному искусственному интеллекту» Так сказал человек, написавший библию информатики В статье, названной в честь искусственного интеллекта Статья: https://cs.stanford.edu/~knuth/papers/claude-cycles.pdf

Cовременные конфликты ведутся преимущественно в сфере мышления Индустриальная модель массового поражения уступила место борьбе за восприятие и формирование «нарративного контекста» Применение смертоносной силы сохраняет свою эффективность, но ее стратегический эффект зависит от того, укрепляет ли она доверие и способствует ли достижению последовательных политических целей Зато в обществах, связанных цифровыми технологиями, население интерпретирует события в режиме реального времени и соответствующим образом формирует политические результаты В центре разработки военных кампаний теперь находятся давние противостояния (противоречия) населения, влияющие на операции, стратегическую коммуникацию, психологические операции, киберпространственную пропаганду и экономическую политику Фрагментация социальных сетей, дезинформация и искусственный интеллект усилили борьбу за доминирование в информационном пространстве Тактический успех, подрывающий доверие или подпитывающий пропаганду противника, может подорвать более широкие цели

Российские физики создали нейросеть, которая способна решать сложные квантовые уравнения и моделировать реальные сверхпроводники на микроскопическом уровне. https://nkj.ru/news/57861/

AGI — Superhuman Adaptable Intelligence (SAI): система, которая умеет быстро адаптироваться к новым задачам, а не просто имитирует человека Аргумент: человеческий интеллект эволюционно специализирован, а не универсален — мы просто не видим собственных слепых зон Существующие определения AGI не выдерживают критики: одни нарушают теорему No Free Lunch, другие неизмеримы Технически авторы ставят на модели мира и самообучение — и критикуют монополию GPT-архитектур: «Однородность убивает исследования»