Вице-президент SpaceX Лорен Драйер (Lauren Dreyer) заявила о том, что компания выявила более 2500 терминалов Starlink, расположенных вблизи так называемых парков электронного мошенничества в Мьянме, и отключила их.

«SpaceX соблюдает местные законы на всех более чем 150 рынках, где Starlink имеет лицензию на деятельность. SpaceX постоянно работает над выявлением нарушений нашей Политики приемлемого использования и действующего законодательства, поскольку, как и практически со всей потребительской электроникой и услугами, та же технология, которая может обеспечить огромные преимущества, сопряжена с риском неправомерного использования. В редких случаях, когда мы выявляем нарушение, мы принимаем соответствующие меры, включая сотрудничество с правоохранительными органами по всему миру. Например, в Мьянме SpaceX заблаговременно выявила и отключила более 2500 комплектов Starlink вблизи предполагаемых «центров мошенничества». Мы стремимся к тому, чтобы сервис оставался силой добра и поддерживал доверие во всем мире: он соединяет тех, кто не имеет к нему доступа, а также выявляет и предотвращает неправомерное использование со стороны недобросовестных лиц», — написала Лорен Драйер в соцсети X.

Этот шаг последовал за недавней крупномасштабной операцией Сил обороны Мьянмы. По сообщению официальных СМИ, военные провели рейд по «паркам электронного мошенничества» в приграничных районах страны. В ходе операции в парке KK в штате Карен было изъято 30 комплектов абонентского оборудования, обыскано более 100 зданий, и выявлено 2198 человек, причастных к мошенничеству и незаконным азартным играм.

Ранее заведующий консульским отделом посольства России в Таиланде Илья Ильин сообщил РИА Новости, что организаторы мошеннических колл-центров, расположенных в Мьянме, заманивают в свои центры граждан России и других стран.

Авторы письма подчёркивают, что несмотря на потенциальные выгоды от ИИ, такие как улучшение здравоохранения и повышение благосостояния, стремление к созданию AGI в ближайшее десятилетие вызывает серьёзные опасения.

Письмо организовано Институтом будущего жизни (FLI), который ранее в 2023 году призывал к приостановке разработки ИИ-систем, более мощных, чем GPT-4, на срок не менее шести месяцев.

Впервые слепые пациенты с возрастной макулярной дегенерацией (AMD) смогли восстановить частичное зрение: миниатюрный имплант под сетчатку в сочетании с умными очками позволяет им видеть контуры предметов, читать книги и решать кроссворды. Клинические испытания показывают реальный шаг к возвращению независимости людям с прогрессирующей слепотой.

Группа из 38 пациентов с прогрессирующей потерей центрального зрения приняла участие в испытании, в ходе которого 26 из них (80%) сообщили о значительном улучшении зрения.

Используемая технология включает миниатюрный имплант размером 2×2 мм с фотогальваническими солнечными панелями, который хирургически устанавливается под сетчатку. В сочетании с умными очками, оснащёнными камерой, система передаёт увеличенные изображения с использованием ближнего инфракрасного света на имплант, который затем генерирует электрические сигналы, имитируя работу клеток сетчатки.

Пациенты, участвующие в испытании, смогли выполнять такие автономные задачи, как чтение книг и решение кроссвордов, несмотря на то, что изображение оставалось размытым и чёрно-белым.

Разработку создали учёные и инженеры из Университета Техаса в Остине совместно с частной биотехнологической компанией Second Sight. Прототип представляет собой значительный шаг вперёд в области нейроинтерфейсов и восстановления сенсорных функций, предлагая новый подход к лечению слепоты, вызванной AMD.

Исследование демонстрирует потенциал нейроинтерфейсов и фотогальванических технологий в восстановлении зрения у пациентов с прогрессирующей потерей зрения.

Команды учёных из Техасского университета в Остине (University ofTexas at Austin), Техасского университета A&M (Texas A&M University) и Университета Пердью (Purdue University представили доклад, в котором показали: большие языковые модели (LLM) при обучении на вирусных, низкосодержательных постах из соцсетей обнаруживают устойчивый спад способности к мышлению, пониманию длинных текстов и соблюдению этических норм.

Учёные сформулировали гипотезу под названием «гипотеза LLM-деградации мозга» ("LLM Brain Rot Hypothesis"): непрерывное обучение на «мусорных» веб-данных приводит к стойкому снижению когнитивных функций модели. Для проверки отобрали реальные данные c платформы X (ранее Twitter): один набор — с вирусными короткими постами с большим количеством лайков и репостов, другой — длинными, содержательными текстами с высокой информационной ценностью.

После обучения моделей на 100% вирусных данных результаты оказались тревожны: точность моделей по тесту ARC-Challenge снизилась с 74,9 % до 57,2 %, а по тесту RULER-CWE — с 84,4 % до 52,3. При этом характер отклонений не был случайным: модели всё чаще «пропускали мысли», то есть не строили промежуточные рассуждения — эффект, который авторы назвали "thought skipping".

Ещё более тревожно: даже после повторной донастройки на качественные данные модели не смогли вернуться к исходному уровню. Учёные объясняют это «дрейфом» (representational drift) — структурными изменениями внутри модели, которые стандартные методы исправления не устраняют.

Кроме когнитивной деградации, модели демонстрировали изменение «личностных» характеристик: выросли показатели, связанные с нарциссизмом и психопатией, снизилась склонность к сотрудничеству.

Качество обучающих данных выходит за рамки формата — оно становится вопросом безопасности обучения. Авторы исследования назвали ситуацию «гигиеной когнитивных функций» ИИ — когда данные для обучения моделей должны проходить проверку не только на соответствие формату, но и по содержанию.

Это исследование поднимает важный вопрос: если большие языковые модели «питаются» типом данных, аналогичным «досуг-медиа» человека (короткие кликабельные посты, эмоциональные фразы, популярные вирусы), то они могут терять способность мыслить, запоминать и действовать этично. Понимание этого механизма важно не только для фундамента взаимодействия с ИИ, но и для практики: от автоматического обучения моделей на пользовательских данных до аудита рынков данных и платформ с генеративным контентом. Авторы отмечают, что, «если не принять меры — система может скатиться к зомби-интернету, где ИИ просто размножает мусор вместо осмысленной информации».

Команда Google Quantum AI показала, что квантовые процессоры могут использовать внутренние законы хаоса, чтобы изучать собственное поведение.

Когда множество кубитов взаимодействуют, их состояния переплетаются — и информация о начальных условиях быстро распределяется по всей системе. Этот процесс называют квантовым перемешиванием. Формально его описывают корреляторами — функциями, показывающими, насколько результат измерения в момент времени t зависит от начального состояния.

Обычный коррелятор времени (TOC, time-ordered correlator) имеет вид C(t) = ⟨W(t)V(0)W(t)V(0)⟩, где  V и W — операторы, действующие на разные части системы, а W(t) = U†(t)WU(t) — оператор, эволюционирующий во времени с унитарным оператором U(t). При росте хаотичности коммутатор [W(t),V(0)] увеличивается, и C(t) быстро падает к нулю — сигнал теряется.

Чтобы уловить глубинные детали, физики использовали коррелятор вне временного порядка, или OTOC (out-of-time-order correlator). Он сравнивает эффекты прямой и «обратной» эволюции системы: C(2(t) = ⟨W†(t)V†(0)W(t)V(0)⟩. Если система не полностью хаотична, то фаза этих операторов даёт интерференционную картину — квантовое «эхо».

Однако в этой работе команда пошла дальше и измерила OTOC второго порядка (обозначается  C(4) или OTOC(2)). Он связывает уже четыре копии системы и чувствителен к интерференции между сложными квантовыми траекториями — так называемым «большим петлям» (large-loop interference).

Если обычный OTOC можно представить как «двойную петлю» (путь вперёд + обратно), то OTOC(2) — это четырёхмерная схема, где разные пути могут либо гасить, либо усиливать друг друга. Конструктивная интерференция в таких петлях создаёт устойчивый сигнал, который не исчезает даже после десятков циклов хаотической эволюции.

Эксперименты проводились на 65-кубитном сверхпроводящем процессоре. Для каждого времени t измерялась стандартная девиация сигнала σ. Для обычного коррелятора (TOC) σ падала ниже 0.01 уже после 9 циклов, а для OTOC(2) оставалась выше 0.01 до 20 циклов. Это значит, что OTOC(2) способен «видеть» структуру там, где всё остальное уже кажется чистым шумом.

Детальный анализ показал, что вне диагонали наблюдается конструктивная интерференция четырёх независимых траекторий операторов Паули. Когда учёные вставляли случайные операторы в разные циклы схемы, обычный OTOC почти не менялся, а OTOC(2) реагировал резко — прямое свидетельство этой интерференции.

Для проверки пределов метода авторы сравнили эксперимент с классическими симуляциями. При 40 кубитах отношение сигнал/шум (SNR) составило ≈ 5.4 для эксперимента и ≈ 5.3 для эвристического алгоритма Cached Monte Carlo. Но для вне диагональной части OTOC(2) SNR оказался ≈ 3.9 в эксперименте против ≈ 1.1 в классической модели. А для 65 кубитов ситуация стала принципиальной: сбор данных на квантовом процессоре занял около 2.1 часа на схему, тогда как суперкомпьютер Frontier потребовал бы около 3.2 лет.

Затем команда показала практическое применение метода — обучение гамильтониана. В 34-кубитной схеме с двухкубитным гейтом процессор определил неизвестный параметр ξ / π = 0.6 (угол поворота в операторе взаимодействия). График пересечения экспериментальных кривых с идеальной моделью подтвердил правильность обучения.

Все эти результаты укладываются в концепцию «зоны Златовласки» (Goldilocks zone) — области, где квантовые эксперименты всё ещё выполнимы, но уже превосходят классические вычисления. Авторы выделяют три критерия такого режима: величина должна быть доступна на реальном квантовом оборудовании; её нельзя эффективно вычислить классическими методами; она должна содержать физически полезную информацию о системе. И OTOC(2) соответствует всем трём.

Работа Google Quantum AI открывает путь к новому классу квантовых экспериментов — самоизучающим системам, где процессор не просто выполняет алгоритмы, а исследует свои собственные законы. Это важно и для проверки фундаментальных гипотез о квантовом хаосе, и для практических задач — от оптимизации схем до диагностики ошибок. Следующий шаг — применение метода к реальным физическим моделям и материалам, — выход за пределы «игровых» конфигураций.

В преддверие анонса флагманов Redmi K90 президент Xiaomi Group Лу Вейбинг рассказал о развитии компании в сегменте премиум-смартфонов и поделился откровениями о неудачах и стратегических решениях последних лет.

В интервью топ-менеджер подчеркнул, что никакой китайский бренд в 2025 году не превысил 18% доли рынка, и быстрых побед в отрасли быть не может.

Говоря о провале Xiaomi Mi 11, глава компании признал, что в попытке сделать смартфон «изящнее» команда столкнулась с техническими ограничениями.

«Mi 10 критиковали за толщину, и мы пошли в другую крайность. Но сделать тонкий корпус с мощным чипом Snapdragon 888 оказалось невозможно без перегрева. В тот год наши инженерные возможности были недостаточны», — рассказал Вейбинг.

Xiaomi начала движение к премиум-сегменту в 2020 году, когда выпустила Xiaomi 10, ставший первым успешным флагманом компании. Лу Вейбинг отметил, что Xiaomi 13 стал «стабильным поколением», а с выходом Xiaomi 14 бренд окончательно встал на правильный путь.

Xiaomi Mi 11, несмотря на проблемы, стал важным этапом развития — за 21 день после старта продаж модель разошлась тиражом более миллиона экземпляров, а к маю 2021 года суммарные продажи Mi 11, Mi 11 Pro и Mi 11 Ultra превысили 3 миллиона устройств.

Начальник управления разрешительной работы в сфере связи Роскомнадзора Владимир Родионов рассказал, что Минцифры отменило приказ о проведении аукциона на частоты для 5G в 2025 году. Он упомянул об этом на стартовавшем сегодня форуме «Спектр-2025», добавив, что в результате в этом году торги могут не состояться.

В июле Минцифры утвердило решение о проведении в 2025 году аукциона на частоты для сотовых сетей 5G, на него было выставлено два лота в полосе радиочастот 4,8-4,99 ГГц. Начальная стоимость лотов составляла 26,2 млрд рублей и 21,2 млрд рублей. Итоги аукциона планировалось подвести не позднее 31 декабря 2025 года.

В Минцифры пояснили, что это операторы не поддержали те условия, которые были сформированы в решении Государственной комиссии по радиочастотам (ГКРЧ). Сейчас дискуссия с операторами по поводу изменения условий продолжается, а пока Минцифры было «вынуждено» принять приказ по отмене торгов.

Российские мобильные операторы считают, что выставляемый на аукцион диапазон частот может использоваться лишь как дополнительный, а приоритетным является 3,4—3,8 ГГц. В числе недостатков диапазона 4,8—4,99 ГГц — небольшой выбор клиентского оборудования и малая дальность действия базовых станций. А срок окупаемости сетей составит 20—30 лет.

Астроном Скотт Шеппард (Scott S. Sheppard) из Carnegie Science обнаружил новый астероид, получивший обозначение 2025 SC79, который скрывался в солнечных бликах и пролетает по Солнечной системе с чрезвычайно высокой скоростью. Диаметр объекта составляет примерно 700 метров.

Открытие сделано 27 сентября с помощью камеры Dark Energy Camera на телескопе Blanco национального научного фонда США. Позже его наблюдения подтвердили телескопы Gemini и Magellan, что гарантировало достоверность данных.

Астероид 2025 SC79 совершает оборот вокруг Солнца за 128 дней, что делает его вторым по скорости из известных астероидов с наименьшим периодом обращения — быстрее него из объектов Солнечной системы вокруг Солнца обращается лишь Меркурий, делающий круг за 88 дней. Объект движется по орбите, расположенной полностью внутри орбиты Венеры, и иногда пересекает орбиту Меркурия.

Астроном подчеркнул, что такие астероиды, находящиеся близко к Солнцу и скрывающиеся в его бликах, крайне трудно обнаружить. Их сложно заметить традиционными ночными телескопами, поскольку они видны преимущественно во время сумерек, когда Солнце либо только восходит, либо заходит. Это усложняет оценку потенциальных угроз от таких небесных тел.

Большой размер и высокая скорость астероида делают его потенциально опасным для Земли в случае столкновения. Хотя подобные объекты встречаются редко, они могут вызвать катастрофические последствия на континентальном уровне, повлиять на погоду и привести к масштабным жертвам.

Открытие подчёркивает необходимость постоянного мониторинга «сумеречных» астероидов — тех, что прячутся рядом с Солнцем, — и улучшения технологий наблюдения, чтобы своевременно обнаруживать и предупреждать об опасных приближениях.

Мы уже привыкли, что, когда речь заходит об ИИ-вычислениях, лучшими решениями являются GPU. Компания NextSilicon утверждает, что её ускоритель Maverick-2, опирающийся на нестандартную архитектуру, кладёт на лопатки не только процессоры, но и GPU. Правда, с оговорками. 

В отличие от центральных и графических процессоров, наша архитектура потоков данных, не основанная на фон-неймановском принципе, полностью устраняет накладные расходы на обработку инструкций и узкие места в памяти. Доступность данных определяет вычисления, а не наоборот. Мы также изменили соотношение распределения памяти на кристалле, выделив большую часть аппаратного пространства для вычислений, а не для управления. 

Согласно внутренним тестам самой NextSilicon, Maverick-2 обеспечивает до четырёх раз более высокую производительность (FP64) на ватт, чем HGX B200, и более чем в 20 раз более высокую эффективность, чем Intel Xeon Sapphire Rapids. В тестах GUPS новинка показывает результат в 32,6 GUPS при 460 Вт, что в 22 раза быстрее, чем CPU и в шесть раз быстрее, чем GPU. В рабочих нагрузках ускоритель NextSilicon достиг 600 GFLOPS при 750 Вт, потребляя при этом примерно половину мощности конкурирующих решений.  

Правда, как мы знаем, современные ИИ-вычисления в основном опираются на формат FP4/FP8, а тут у нас данных нет. 

Maverick-2 доступен в двух версиях. Базовая имеет 96 ГБ памяти HBM3E и потребляет до 400 Вт, тогда как Maverick-2 OAM располагает двумя вычислительными кристаллами, 192 ГБ памяти, но и потребляет уже 750 Вт. 

Компания Open Cosmos объявила об успешном завершении своей первой крупной миссии — MANTIS (Mission and Agile Nanosatellite for Terrestrial Imagery Services). Этот двухлетний проект стал первым наследием программы ESA InCubed, поддержанной Британским космическим агентством, и показал, как компактный спутник с современными оптическими и ИИ-технологиями может оказывать значительный эффект в отслеживании изменений на Земле.

Запущенный 11 ноября 2023 года на ракете SpaceX Falcon 9 с базы Ванденберг, MANTIS два года выполнил более 10 000 орбит, регулярно снимая высокодетализированные изображения площадью около полумиллиона квадратных километров. Благодаря встроенной ИИ-системе спутник не только собирал кадры, но и немедленно преобразовывал их в аналитические данные, что позволяло быстро принимать решения.

Одной из отличительных черт спутника стала его экологическая ответственность. Спутник был разработан с целью полного сгорания в атмосфере, без оставления космического мусора.

Объём полученных данных и технологические решения уже нашли применение в реальных бизнес-проектах. Компания отмечает, что MANTIS стал примером успешного внедрения искусственного интеллекта в спутниковую съёмку в реальном времени, что значительно повышает эффективность мониторинга природных и техногенных процессов на Земле. Ключевым результатом стала возможность быстрого анализа изображений и оперативной реакции на изменение условий в различных регионах.

В рамках дальнейших планов компания намерена масштабировать проект и расширять парки спутников, чтобы усилить позиции на глобальном рынке ДЗЗ.