Учёные Токийского университета обнаружили неожиданную связь между работой популярных языковых моделей, таких как ChatGPT, и нарушениями речи у людей. Исследование, опубликованное в мае 2025 года в журнале «Advanced Science», показало, что системы искусственного интеллекта, генерирующие текст, могут «заблуждаться» почти так же, как пациенты с афазией Вернике — заболеванием, при котором человек говорит бегло, но бессвязно. Это открытие не только проливает свет на природу ошибок ИИ, но и предлагает новые методы диагностики речевых расстройств.

В основе работы лежит метод анализа энергетических ландшафтов — подход, заимствованный из физики. Упрощённо его можно представить как визуализацию внутренних процессов в виде шарика, катящегося по рельефной поверхности. Чем «пологий» ландшафт, тем хаотичнее движение — это характерно как для мозга пациентов с афазией, так и для языковых моделей. Например, когда ChatGPT выдаёт убедительный, но ошибочный ответ, его внутренние процессы напоминают «скольжение» шарика по неровной плоскости без чёткого маршрута.

Иллюстрация: Leonardo

Исследователи сравнили данные мозговой активности людей с разными формами афазии и внутренние сигналы четырёх языковых моделей, включая GPT-2 и Llama-3.1. Оказалось, что ИИ чаще «спотыкается» так же, как пациенты с рецептивной афазией, которые теряют способность понимать смысл слов.

Профессор Такамицу Ватанабэ из Международного исследовательского центра нейронаук WPI-IRCN подчёркивает: речь не о том, что у чат-ботов есть «повреждения мозга». Однако сходство в обработке информации открывает двойные возможности. Для медицины — это шанс создать объективные критерии диагностики афазии, анализируя паттерны мозговой активности, а не только внешние симптомы. Для разработчиков ИИ — путь к более точным системам, которые можно «настраивать», опираясь на принципы работы здорового мозга. Уже сейчас метод позволяет предсказать склонность модели к ошибкам, изучая её внутреннюю динамику — например, частоту «перескоков» между темами или зацикливание на повторяющихся фразах.

Хотя исследование не даёт готовых решений, оно формирует новую основу для объединения нейробиологов и инженеров. Понимание общих ограничений в обработке информации может привести к прорывам в обеих областях — от умных помощников, которые реже «галлюцинируют», до терапии, адаптированной под индивидуальные особенности мозга.

Китайские ученые объявили об открытии ранее неизвестного штамма бактерий на борту космической станции Тяньгун. Новый микроорганизм, назван Niallia tiangongensis, он представляет собой уникальную разновидность земной бактерии и был обнаружен в мае 2023 года во время пребывания на станции экипажа «Шэньчжоу-15».

Изображение сгенерировано Grok

Открытие было сделано исследователями из группы Shenzhou Space Biotechnology и Пекинского института проектирования космических аппаратов. Образцы микроорганизмов были собраны с поверхностей модулей станции с помощью стерильных салфеток, заморожены и доставлены на Землю для анализа, который включал секвенирование генома и изучение метаболизма.

Новый штамм обладает уникальными механизмами адаптации к экстремальным условиям космоса, включая способность противостоять окислительному стрессу и восстанавливать повреждения, вызванные радиацией. Эти свойства делают его перспективным для применения в космических технологиях, сельском хозяйстве и медицине. Кроме того, микроорганизм способен разлагать определенные органические соединения, что открывает возможности для переработки отходов в полезные ресурсы как в космосе, так и на Земле.

Открытие стало частью программы Champ (China Space Station Habitation Area Microbiome Programme), направленной на изучение микробных изменений во время длительных космических миссий. Ученые отмечают, что изучение микроорганизмов в условиях микрогравитации, радиации и замкнутого пространства помогает не только обеспечить безопасность астронавтов и надежность космических систем, но и способствует разработке инновационных решений для устойчивого развития на Земле.

Компания Skoda представила свой новый концептуальный мотоцикл, вдохновлённый исторической моделью Slavia B 1899 года. Это первый проект, в котором воплощён новый фирменный стиль Modern Soli. Концепция знаменует собой возвращение к истокам бренда, начавшего свою историю в 1895 году с производства велосипедов и мотоциклов под маркой Laurin & Klement.

Выбор именно мотоцикла Slavia B для перезапуска классической линейки концептов не случаен. Эта модель сыграла важную роль в становлении репутации Laurin & Klement, а затем и Skoda Auto. Концептуальный мотоцикл сохраняет узнаваемый силуэт оригинальной Slavia B, но адаптирован под современные реалии. Место двигателя внутреннего сгорания теперь открыто, с логотипом Skoda.

Источник: Skoda

Над проектом работал французский дизайнер Ромен Букай, обычно занимающийся экстерьером автомобилей Skoda. Передняя часть концепта отсылает к новаторской работе Вацлава Лаурина в области геометрии и управления мотоциклом, а минималистичное сиденье и интегрированная кожаная сумка для инструментов — дань уважения спортивному наследию мотоцикла и гонщику Нарцис Подседничек, финишировавшему на Slavia B в гонке Париж-Берлин 1901 года.

Букай описывает финальный концепт как «футуристический рейсер в стиле Modern Solid», с чистыми контурами, чёткими гранями и характерной световой подписью. Сочетание простых объёмов и функциональных деталей соответствует современной философии бренда.

Источник: Skoda

Источник: Skoda

Процесс проектирования был максимально практичным. Букай начал с эскизов карандашом, которые затем трансформировались в три цифровых рендера, каждый из которых исследовал различные аспекты формы концепта, прежде чем был выбран финальный дизайн.

Переосмысленный Slavia B не предназначен для серийного производства. Компания в дальнейшем планирует представить ещё несколько переосмысленных классических моделей.

Подразделение Google DeepMind представило AlphaEvolve — новый агент искусственного интеллекта, который, по заявлениям компании, знаменует собой существенный шаг на пути к решению сложных задач в математике и естественных науках. Система основана на больших языковых моделях Gemini, но дополнена «эволюционным» подходом, позволяющим оценивать и улучшать алгоритмы в различных областях применения.

AlphaEvolve — это, по сути, агент ИИ, способный генерировать код. Однако он выходит за рамки обычного чат-бота Gemini. В отличие от Gemini, где существует риск «галлюцинаций» — выдачи неверной информации из-за недетерминированного характера базовой технологии, — AlphaEvolve использует инновационный подход для повышения точности при решении сложных алгоритмических задач.

Иллюстрация: Google DeepMind

Ключевым элементом AlphaEvolve является автоматизированная система оценки. Исследователь формулирует проблему и предлагает возможные пути её решения. Система генерирует несколько вариантов, используя возможности как высокоскоростной модели Gemini Flash, так и более детальной Gemini Pro. Затем каждый вариант проходит оценку, и эволюционный механизм позволяет AlphaEvolve сфокусироваться на лучших решениях и последовательно их улучшать.

В отличие от предыдущих систем DeepMind, например, AlphaFold, специализирующейся на предсказании структуры белков, AlphaEvolve обладает большей универсальностью. DeepMind позиционирует AlphaEvolve как инструмент общего назначения, способный помочь в исследовании любых задач программирования и алгоритмики. Более того, Google уже начал внедрять AlphaEvolve в различных подразделениях своей компании, и результаты, по словам разработчиков, оказались положительными.

Это означает, что AlphaEvolve не ограничен узкой специализацией, как многие предыдущие проекты. Его архитектура позволяет адаптироваться к различным областям знаний и задачам, что открывает широкие перспективы для научных исследований и разработки новых технологий. Успешное применение AlphaEvolve в Google подтверждает его практическую ценность и потенциал для решения сложных проблем в различных областях.

Подразделение Google DeepMind представило AlphaEvolve — новый агент искусственного интеллекта, который, по заявлениям компании, знаменует собой существенный шаг на пути к решению сложных задач в математике и естественных науках. Система основана на больших языковых моделях Gemini, но дополнена «эволюционным» подходом, позволяющим оценивать и улучшать алгоритмы в различных областях применения.

AlphaEvolve — это, по сути, агент ИИ, способный генерировать код. Однако он выходит за рамки обычного чат-бота Gemini. В отличие от Gemini, где существует риск «галлюцинаций» — выдачи неверной информации из-за недетерминированного характера базовой технологии, — AlphaEvolve использует инновационный подход для повышения точности при решении сложных алгоритмических задач.

Иллюстрация: Google DeepMind

Ключевым элементом AlphaEvolve является автоматизированная система оценки. Исследователь формулирует проблему и предлагает возможные пути её решения. Система генерирует несколько вариантов, используя возможности как высокоскоростной модели Gemini Flash, так и более детальной Gemini Pro. Затем каждый вариант проходит оценку, и эволюционный механизм позволяет AlphaEvolve сфокусироваться на лучших решениях и последовательно их улучшать.

В отличие от предыдущих систем DeepMind, например, AlphaFold, специализирующейся на предсказании структуры белков, AlphaEvolve обладает большей универсальностью. DeepMind позиционирует AlphaEvolve как инструмент общего назначения, способный помочь в исследовании любых задач программирования и алгоритмики. Более того, Google уже начал внедрять AlphaEvolve в различных подразделениях своей компании, и результаты, по словам разработчиков, оказались положительными.

Это означает, что AlphaEvolve не ограничен узкой специализацией, как многие предыдущие проекты. Его архитектура позволяет адаптироваться к различным областям знаний и задачам, что открывает широкие перспективы для научных исследований и разработки новых технологий. Успешное применение AlphaEvolve в Google подтверждает его практическую ценность и потенциал для решения сложных проблем в различных областях.

Космический телескоп «Джеймс Уэбб» (JWST) продолжает ставить перед астрофизиками новые загадки. Наблюдая за галактиками Little Red Dots (LRD) — небольшими красными объектами, сформировавшимися через 600 млн лет после Большого взрыва, — учёные обнаружили противоречие в их свойствах. Эти галактики излучают необычно высокую яркость, что изначально намекало на присутствие активных ядер (AGN) со сверхмассивными чёрными дырами (SMBH). Однако новое исследование, проведённое с помощью рентгеновской обсерватории «Чандра», опровергло эту гипотезу, обнаружив отсутствие рентгеновского излучения — ключевого маркера AGN.

Работа астрофизиков Андреа Сакки и Акоша Богдана из Гарвардско-Смитсоновского центра астрофизики фокусируется на анализе 55 галактик LRD в области обзора Chandra Deep Field South. Накопленная экспозиция наблюдений составила 400 мегасекунд, что позволило достичь рекордной чувствительности. Однако даже такие глубокие данные не выявили рентгеновских сигналов, характерных для AGN.

Галактики из набора Little Red Dot, обнаруженные JWST. Они оказались ярче и массивнее, чем должны были быть галактики в очень ранней Вселенной. Источник: Matthee et al. 2024, The Astrophysical Journal. CC BY 4.0

Отсутствие излучения опровергает гипотезу о сверх-Эддингтоновской аккреции — процессе, при котором чёрные дыры поглощают материю быстрее теоретического предела, что могло бы объяснить яркость LRD без рентгеновских вспышек. Согласно модели, даже в таких условиях часть фотонов должна прорываться наружу в виде низкоэнергетических лучей, но «Чандра» их не зафиксировала. Учёные также исключили версию о затемнении излучений пылью, так как данные JWST не подтверждают её достаточную плотность.

На снимке рентгеновской обсерватории «Чандра» запечатлены 55 галактик Little Red Dots (LRD). Наблюдения проводились в широком энергетическом диапазоне от 0,3 до 7 кэВ, который включает как мягкое (низкоэнергетическое), так и жёсткое (высокоэнергетическое) рентгеновское излучение. Такой спектр позволяет фиксировать процессы от нагрева газа до активности сверхмассивных чёрных дыр. Однако, несмотря на высокую чувствительность инструментов, ни один из объектов не проявил себя в рентгене. Это отсутствие сигналов ставит под сомнение модели, предсказывающие наличие аккреционных дисков вокруг чёрных дыр в ранних галактиках. Источник: Sacchi and Bogdan, 2025, The Astrophysical Journal

Это возвращает науку к исходной проблеме: если яркость LRD создаётся не AGN, то она обязана происходить от звёзд. Но это требует пересмотра теорий эволюции галактик, поскольку в ранней Вселенной не хватало времени для формирования таких массивных звёздных систем. Альтернативное объяснение предполагает, что SMBH в LRD менее массивны, чем считалось, а их светимость завышена.

«Если болометрическая светимость переоценена на порядок, даже умеренное затемнение скроет рентгеновское излучение без привлечения сверх-Эддингтоновской аккреции», — заключают авторы. Открытие JWST, вместо разрешения старых вопросов, углубило тайну ранних галактик, напоминая, что даже передовые инструменты не всегда дают ожидаемые ответы.

Исследователи из Университета Техаса в Эль-Пасо (UTEP) применили методы вычислительной гидродинамики (CFD) для оптимизации систем производства ракетного топлива на Луне. Это важный шаг в развитии технологий использования местных ресурсов (ISRU), которые позволят снизить затраты на космические миссии за счёт добычи материалов вне Земли. Работа фокусируется на моделировании конденсатора — ключевого компонента системы, разработанной NASA и компанией OxEon Energy для получения метана и кислорода из лунного грунта.

В рамках проекта учёные смоделировали работу конденсатора, отделяющего воду от метана в цепочке производства топлива. Для этого использовали промышленный пакет STAR-CCM+ от Siemens, что позволило избежать трудоёмкого создания модели с нуля. Основными параметрами анализа стали скорость конденсации (грамм/час) и массовый расход газа. Результаты сравнили с данными испытаний, проведённых в Лаборатории реактивного движения NASA (JPL). Погрешность составила 7,3% для конденсации и 2,2% для расхода газа — отличные показатели для CFD-моделей.

Иллюстрация: Gerald Sanders

Цель исследования — не просто повторить эксперимент, а заложить основу для масштабирования системы. На Луне подобные установки должны производить топливо в промышленных объёмах, что требует точного расчёта размеров компонентов. Текущие тесты проводились на прототипах, но модель UTEP поможет создать полноценные версии, адаптированные к лунным условиям.

Успех работы подтверждает, что CFD-анализ эффективен для задач ISRU. Это особенно важно в свете планов NASA по строительству долговременных баз на Луне, где автономное производство топлива станет критичным. Следующим шагом станет интеграция модели в проектирование систем большей мощности. Хотя до реального внедрения ещё годы, исследование демонстрирует, как современные инженерные инструменты решают проблемы будущего.

Завод Volkswagen в Цвиккау достиг исторической вехи: с конвейера сошёл миллионный электромобиль. Юбилейной моделью стал Volkswagen ID.3 GTX Performance в цвете Kings Red Metallic. Это событие подвело итог пяти с половиной лет трансформации предприятия, которое полностью отказалось от ДВС в пользу «зелёных» технологий.

Переход завода на электромобили начался в ноябре 2019 года с запуском производства ID.3 — первой модели концерна на платформе MEB. Уже к январю 2022-го, после начала выпуска ID.5, предприятие завершило полную конверсию, став первым в мире крупным автозаводом, перешедшим со 100% ДВС на 100% электродвигатели. Последний автомобиль с бензиновым двигателем покинул цех ещё в июне 2020 года, завершив эпоху, начатую в 1904 году с моделями August Horch и продолжившуюся производством знаменитых Trabant в ГДР.

Фото: Volkswagen

«Миллион электромобилей — результат титанических усилий команды, — отметил Данни Ауэрсвальд, глава Volkswagen Sachsen GmbH. — Но теперь нам предстоит укрепить конкурентоспособность завода. Мы изучаем перспективы в области круговой экономики, которая может стать вторым стратегическим направлением». С ним согласен Уве Кундтманн, председатель генсовета предприятия: «Цвиккау доказал, что способен к трансформации. Во второй половине 2026 года часть производства будет передана другим площадкам, но мы готовы к новым вызовам».

Инвестиции в переход превысили 1,2 млрд евро, однако они окупились: сегодня каждые два из четырёх электромобилей Volkswagen Group в Европе производятся в Цвиккау. Всего с 2019 года концерн выпустил 2,3 млн машин на платформе MEB. В первом квартале 2025-го доля концерна на европейском рынке электрокаров достигла 26%, а в 2024-м завод изготовил 204 тыс. автомобилей. С 1990 года, когда Volkswagen приобрел предприятие, с его конвейеров сошло более 7 млн машин, включая кузова для Bentley Bentayga и Lamborghini Urus.

Учёные Национальной лаборатории им. Лоуренса Ливермора (LLNL) сообщили о новых успехах в экспериментах по управляемому термоядерному синтезу на Национальном комплексе лазерного зажигания (NIF). В последних опытах энерговыделение эксперимента существенно возросло. Учёным удалось достичь сначала 5,2 мегаджоуля, а затем и 8,6 мегаджоуля выработанной энергии.

Эти результаты представляют собой значительный прогресс по сравнению с историческим экспериментом 2022 года, когда впервые была достигнута контролируемая реакция ядерного синтеза, выработавшая больше энергии, чем было затрачено на её инициацию. Тогда энерговыделение составило 3,15 мегаджоуля при затратах лазеров в 2,05 мегаджоуля. Несмотря на впечатляющий рост показателей, ни один из экспериментов пока не достиг уровня, достаточного для передачи энергии в общую электросеть, не говоря уже о компенсации энергопотребления всей установки NIF. Для примера, первый эксперимент с положительным энергобалансом потребовал 300 мегаджоулей только для работы лазерной системы.

Фото: Damien Jemison / LLNL / NIF

В NIF используется метод инерциального удержания для создания реакций синтеза. Топливо, покрытое алмазом и заключенное в небольшой золотой цилиндр, помещается в вакуумную камеру диаметром 10 метров, где 192 мощных лазерных луча фокусируются на мишени. Под воздействием излучения цилиндр испаряется, испуская рентгеновские лучи, которые облучают топливную гранулу. Алмазное покрытие гранулы получает столь большое количество энергии, что превращается в расширяющуюся плазму, которая сжимает находящееся внутри дейтерий-тритиевое топливо до такой степени, что происходит слияние ядер, высвобождающее энергию.

Стоит отметить, что помимо инерциального удержания, существует и другой основной подход к управляемому термоядерному синтезу – магнитное удержание, использующее мощные сверхпроводящие магниты для сжатия и удержания плазмы. Хотя пока ни один эксперимент с магнитным удержанием не показал положительного энергобаланса, разрабатываются и строятся несколько установок, от которых ожидается достижение этой вехи. Параллельно несколько стартапов, таких как Xcimer Energy и Focused Energy, также занимаются исследованиями в области инерциального удержания.

Несмотря на то, что путь к практическому применению управляемого термоядерного синтеза ещё далёк, результаты экспериментов на NIF демонстрируют значительный прогресс и подтверждают жизнеспособность этого подхода к получению практически неисчерпаемого источника энергии.

В этом месяце на стенде Renault на Открытом чемпионате Франции по теннису Roland-Garros состоялась премьера концептуального автомобиля Renault 4 Savane 4×4. Этот автомобиль демонстрирует стильный дизайн и впечатляющие внедорожные возможности. Название Savane уже ассоциировалось с приключениями ещё в 1950-х годах, а в 1986 году продолжило своё путешествие в виде более комфортной, но всё ещё готовой к приключениям версии Renault 4. Теперь Savane возвращается с ещё большей свободой передвижения.

Достигается это за счёт увеличенного на 15 мм клиренса по сравнению со стандартным электромобилем Renault 4 E-Tech. Автомобиль получил специальные 18-дюймовые шины Goodyear UltraGrip Performance+ 225/55 с уникальными колёсными дисками Savane, а также увеличенную на 10 мм с каждой стороны колею. Главное же отличие – наличие второго электромотора на задней оси, обеспечивающего постоянный полный привод. Это позволяет Renault 4 Savane 4×4 Concept уверенно чувствовать себя на грязи, снегу, грунтовках и даже на серьёзном бездорожье. Концепт демонстрирует потенциал платформы AmpR Small в создании полноприводных электромобилей B-сегмента.

Источник: Renault

Источник: Renault

Салон выполнен в изысканном стиле. Сиденья обшиты тканью TEP глубокого коричневого цвета с вышитым на спинках узором из четвёрок в тон. Передняя панель также выполнена из ткани Deep Brown с горизонтальной строчкой, переходящей на дверные панели. Завершает картину подсветка логотипа 4Savane на декоративной планке приборной панели.

Источник: Renault

«Верный духу исследования Renault 4 Savane 1960-х годов, концептуальный автомобиль Renault 4 Savane 4×4 максимально раскрывает приключенческую сторону электрического Renault 4 E-Tech. Увеличенный клиренс и расширенная колея в сочетании с постоянно активной системой полного привода позволяют ему справляться с самыми сложными участками местности. Его нефритово-зелёный цвет в сочетании с глянцево-чёрными элементами и тёмно-коричневым интерьером создают шикарный образ, достойный исследователей, жаждущих безграничных путешествий

Сандип Бхамбра, главный дизайнер Advanced, Ampere & Renault

Источник: Renault

Наряду с Renault 4 Savane 4×4, на стенде Renault также представлены Renault 5 Turbo 3E и специальная серия Renault 5 E-Tech electric Roland-Garros, а компания выступает официальным транспортным партнёром турнира, используя преимущественно электрифицированный автопарк, включающий в себя более 180 электромобилей и гибридов, и даже тестируя беспилотные шаттлы.