В рамках Шанхайского автосалона состоялась премьера нетипичного спорткара — Binrui Cool с двигателем внутреннего сгорания, который работает не на бензине, а на метаноле. Получилось экологично и в меру мощно: мотор выдает 250 л.с. и 400 Нм крутящего момента. Степень сжатия достигает 15:1, тепловой КПД — около 46%.

Болид создан для участия в гоночной серии Chaoji League PRO, старт которой запланирован на 2026 год.

Учёные представили новую разработку в области метаматериалов – модульные конструкции, способные к сложному, независимо управляемому движению. Эти материалы, по сути, ведут себя как миниатюрные механизмы, открывая перспективы для создания новых типов роботов, адаптивных конструкций и даже устройств для хранения информации.

В основе разработки лежит сочетание двух типов элементов: ауксетических ячеек – структур, которые расширяются при растяжении и сжимаются при сжатии – и оригами-вдохновлённых колонн, изготовленных по принципу трубок Креслинга. Такое сочетание позволяет материалу одновременно скручиваться, сжиматься в плоскости более чем на 25% и уменьшаться в объёме более чем на 50% под воздействием одного управляющего фактора. Важно, что эти деформации не связаны между собой, то есть управление одной из них не влияет на другие.

Исследовательская группа, работающая под руководством учёных из Принстонского университета, предоставила все данные и программный код, использованный в работе, в открытом доступе на платформе Zenodo. Они использовали 3D-печать для создания прототипов и провели серию тестов, чтобы продемонстрировать возможности нового материала.

Потенциальные применения этой технологии охватывают широкий спектр областей. От «роботизированных трансформеров», способных менять свою форму для выполнения различных задач, до систем терморегуляции, механических запоминающих устройств, использующих гистерезис, и устройств шифрования информации, основанных на некоммутативных переходах состояний. Также возможно создание plug-and-play конструкций для поглощения энергии и защиты от ударов.

Учитывая возможности по масштабированию и перепрограммированию, данная технология может стать ключевым элементом в создании нового поколения адаптивных материалов и робототехнических систем, способных функционировать в самых разных условиях. Дальнейшие исследования будут направлены на оптимизацию материалов и разработку более сложных управляющих алгоритмов для реализации всего потенциала этих «машин из материи».

Страхи перед искусственным интеллектом оказались ближе к реальности, чем к голливудским сценариям. Исследование Университета Цюриха, в котором участвовали более 10 000 человек из США и Великобритании, показало: людей тревожат не гипотетические «восстания машин», а уже существующие проблемы — например, автоматизация рабочих мест или алгоритмическая предвзятость при приёме на работу. Это отличает общественное восприятие от популярного в медиа образа ИИ как неконтролируемой силы, угрожающей человечеству.

Учёные провели три масштабных эксперимента, предлагая респондентам оценить разные типы рисков — от катастрофических сценариев до повседневных вызовов, таких как распространение фейков через нейросети или ошибки в медицинских диагностических системах. Оказалось, что даже после знакомства с апокалиптическими прогнозами участники сохраняли повышенное внимание к актуальным угрозам. «Люди не теряют бдительность, — объясняет политолог Фабрицио Жиларди, один из авторов исследования. — Они понимают разницу между тем, что может произойти через 50 лет, и тем, что влияет на их жизнь уже сейчас».

Парадокс в том, что публичные дебаты часто сосредоточены на далёких рисках, словно игнорируя проблемы, с которыми общество сталкивается ежедневно. Например, алгоритмы, управляющие кредитными рейтингами или подбором контента в соцсетях, могут усиливать социальное неравенство — но об этом говорят реже, чем о гипотетическом «бунте ИИ». Однако, как показало исследование, такой дисбаланс в медиа не мешает людям самостоятельно расставлять приоритеты. «Обеспокоенность текущими рисками остаётся стабильной, даже если на первый план выходят футуристические прогнозы», — подчёркивает соавтор работы Эмма Хоэс.

Исследователи считают, что эти данные помогут перестроить диалог вокруг ИИ. Вместо противопоставления «близких» и «далёких» угроз учёные предлагают рассматривать их комплексно — как части одной системы. Например, разработка этических стандартов для «умных очков», распознающих эмоции, требует не только защиты приватности сегодня, но и прогнозирования долгосрочных последствий для общества.

Прогнозируя будущее, авторы отмечают: рост осознанности в отношении текущих рисков может ускорить внедрение регуляторных мер — например, обязательную проверку ИИ-систем на предвзятость перед их запуском. При этом дискуссия о будущем искусственного интеллекта, вероятно, станет более предметной, сместившись от спекуляций к анализу конкретных сценариев — от автоматизации до кибербезопасности. Как заключает Жиларди, «технологии развиваются быстрее страхов — и это шанс направить их развитие в интересах человека».

Ресурс Videocardz сообщил о том, что продажи самой доступной видеокарты Nvidia нового поколения из уже представленных — GeForce RTX 5060 — стартуют 19 мая. Эта дата была подтверждена самой Nvidia, компания сейчас работает над запуском новинки со своими партнерами.

Исследователи из Университета Буффало совершили прорыв в области медицинского искусственного интеллекта: их метод Semantic Clinical Artificial Intelligence (SCAI) позволил языковым моделям значительно улучшить результаты на экзамене USMLE — тесте для получения медицинской лицензии в США. Ключевой компонент технологии, механизм RAG, обогащает модель структурированными клиническими данными, что особенно помогло компактным версиям ИИ. Например, модель с 13 миллиардами параметров смогла преодолеть проходной порог на Step 3 USMLE только после интеграции SCAI, тогда как более мощные версии (70 и 405 миллиардов параметров) достигли точности выше 90% на отдельных этапах. Это открытие задаёт вектор для разработки инструментов, способных работать в партнёрстве с врачами.

Принцип работы SCAI напоминает создание цифрового медицинского справочника. Алгоритм анализирует учебные материалы, клинические руководства и базы данных (например, MedlinePlus и DrugBank), выделяя связи между симптомами, анализами и диагнозами в виде троек «объект-отношение-субъект». Эти структурированные данные преобразуются в числовые шаблоны, которые модель использует для дополнения контекста при ответе на вопрос. Например, при запросе о пациенте с кашлем и температурой система автоматически подключает информацию о типичных возбудителях пневмонии или рекомендует исключить COVID-19. Такой подход снижает риск «галлюцинаций» — генерации непроверенных фактов.

Эффективность метода подтверждают конкретные кейсы. В одном из вопросов USMLE описывалась 24-летняя пациентка с учащённым мочеиспусканием на фоне авиафобии. Базовая модель Llama 13B без SCAI предложила успокоительные, но после добавления структурированных данных (связь между приёмом оральных контрацептивов и аменореей, роль анализа мочи в диагностике кристаллурии) ИИ рекомендовал поведенческую терапию — корректный ответ, соответствующий стресс-индуцированной дисфункции мочевого пузыря.

Главное преимущество SCAI RAG — возможность «дообучения» моделей без их полной перестройки. Это критически важно для медицины, где данные постоянно обновляются. Например, при появлении новых клинических рекомендаций по лечению диабета система может оперативно интегрировать их в свою базу, не требуя месяцев на переобучение. При этом уровень ошибочных ответов у самой крупной модели (405B) с SCAI составил всего 4,9% на этапе Step 3 против типичных 10-15% у базовых ИИ.

Авторы подчёркивают: цель технологии — не замена врачей, а создание инструментов для снижения диагностических ошибок и ускорения принятия решений. Уже сегодня SCAI можно применять в образовании — например, для симуляции сложных клинических случаев в обучении студентов. В перспективе подобные системы могут стать частью электронных медкарт, анализируя историю пациента и предлагая врачу актуальные рекомендации.

Однако внедрение таких решений потребует тщательной валидации. Следующий шаг учёных — тестирование SCAI в реальной клинической практике, где важно не только качество ответов, но и скорость работы, интеграция с медоборудованием, а также этические аспекты.

Исследователи из Корнеллского университета представили систему RHyME, которая позволяет роботам осваивать сложные задачи после просмотра всего одного видео — как если бы человек научился водить машину, один раз посмотрев ролик на YouTube. Технология не только ускоряет обучение, но и решает ключевую проблему современной робототехники: неспособность роботов адаптироваться к изменениям в окружении. Разработка открывает путь к созданию универсальных помощников для дома, заводов и больниц.

До сих пор роботам требовались сотни повторений и идеальные условия для обучения. Если в демонстрационном видео чашка стояла слева, а в реальности её переместили вправо — робот терялся. RHyME действует иначе: анализируя видео-пример, система ищет в своей базе данных фрагменты похожих действий. Алгоритм сопоставляет движения человека и робота даже при различии в амплитуде или скорости, используя математический метод «оптимального транспорта» — он находит схожие паттерны в, казалось бы, разных последовательностях.

Перспективы системы выходят за рамки лабораторий. В ближайшие годы RHyME может ускорить внедрение роботов-медсестёр, способных адаптироваться к планировке больниц, или логистических дронов, подстраивающихся под изменяющуюся обстановку на складе. Пока ограничение остаётся одно: технология эффективна только для задач, где робот уже имеет опыт схожих переходов между действиями. Однако разработчики работают над расширением «памяти» системы и планируют научить её осваивать многоэтапные операции, вроде сборки мебели по видеоинструкции с учётом отсутствующих деталей.

Если автономные автомобили распознают пешеходов в любой одежде, то RHyME-совместимые машины смогут перенимать навыки в режиме реального времени — например, научиться ремонтировать дорожное покрытие, посмотрев всего один мастер-класс от дорожных рабочих.

В России снизились цены на кроссоверы Toyota Raize с привычным левым расположением руля. Сегодня в продаже есть несколько леворульных Toyota Raize, которые предлагаются по цене 2 390 000 - 2 400 000 рублей. В декабре прошлого года цена стартовала с 2 500 000 рублей.

Стиот добавить, что «Москвич 3» с вариатором стоит от 1 770 000 рублей, седан Lada Vesta в комплектации Enjoy с вариатором продается от 1 795 000 рублей.

Столичные дилеры начали продавать «заряженные» седаны Mercedes-Benz E53 AMG 2025 года выпуска. Правда, машин в наличии пока не много — всего две, цены — 16,9 и 18,6 млн рублей соответственно.

Оснащение машин богатое: панорамная крыша, кожаный салон, система кругового обзора, топовая акустика Burmester и адаптивный свет. Как отмечает «Российская газета», машины русифицированы, имеют документы для регистрации.

Европейское космическое агентство (ESA) опубликовало самый детализированный снимок Солнца за всю историю наблюдений за светилом. Изображение с разрешением 12544 x 12544 пикселей было составлено из 200 отдельных снимков, полученных инструментом Extreme Ultraviolet Imager (EUI) зонда Solar Orbiter с расстояния 77,8 миллионов километров. На снимке, сделанном в ультрафиолетовом диапазоне, видны различные особенности солнечной атмосферы, включая корону с температурой в миллион градусов Цельсия, протуберанцы, солнечные волокна и активные области — источники вспышек и корональных выбросов.

Solar Orbiter, совместный проект NASA и ESA, был запущен в 2020 году. Зонд предназначен для детального изучения Солнца и его влияния на окружающее пространство.

Автомобили линейки Toyota Corolla Cross в Россию завозили и раньше, однако издание speedme.ru сообщает о появлении в продаже Toyota Corolla Cross 2025 модельного года.

Стоимость версии Premium Edition составляет 3 700 000 рублей, что делает автомобиль одним из самых доступных среди новых кроссоверов Toyota на российском рынке.

Установлены светодиодные фары, мультифункциональный руль, стеклоподъёмники с электроприводом,  а также датчики дождя и света.