Научно-популярное

Как Минэкономразвития и Центробанк запланировали стагнацию на все обозримое будущее — и где лежит их ошибка

Последние 18 лет средний рост ВВП в нашей стране ниже 2% и это официальные данные Росстата. Основную часть из этих лет правительственные ведомства сначала отчитываются главе государства о том, что ВВП то ли падал, то ли стагнировал. Потом делают прогнозы на будущее, из которых следует, что дальше будет как бы лучше, но заметят это не только лишь все: фактически, мало кто сможет это заметить. Затем проходит несколько лет и мы замечаем, что их прогнозы были шредингеровскими. То есть формально как бы сбылись, но на самом деле нет. В то же время в стране есть и макроэкономист, которому удалось заранее спрогнозировать каждый год роста или спада в нашей стране за последнее десятилетие -- да-да, включая 2023-2024 годы, "которые никто не ждал". Почему прогнозы госорганов так резко отличаются от современной макроэкономической мысли? И может ли в России когда-нибудь наступить конец стагнации, или это фантастика?

Напомним определение: стагнацией называют рост ВВП (=экономики в целом) на 2% в год или меньше. Когда она сочетается с инфляцией, которую в том или ином обществе считают избыточной, ее называют «стагфляцией». Как легко видеть на графике ниже, российская экономика с 2008 года в среднем показывает рост ниже 2% в год, то есть находится в стагнации долгих 18 лет. Средняя инфляция за то же время выше 7%.

ВВП сразу считают не номинально, а с учетом дефлятора, то есть вот этот парупроцентный рост был реальным. На вид никто особо не обеднел, опять же, доставка развилась невиданно, дороги стали получше. Средняя продолжительность жизни прибавила пять лет (заметно выше, чем в мире в целом), абсолютная годовая смертность упала на одну восьмую. Это впечатляет, если вспомнить, что средний возраст жителей за это время заметно вырос. Все это наглядно показывает, что кроме размеров экономики есть еще немало параметров в жизни общества.  

5-карточный стад — логическая головоломка из игры Puzzle Hunt Мельбурнского университета 2015 года, в которой участникам предлагалось заполнить прямоугольную сетку с помощью комбинаций карт из покера.

Игра Puzzle Hunt представляет собой ежегодный квест, цель которого — первыми обнаружить "сокровища", спрятанные где-то на территории кампуса. Задания игры не содержат инструкций. Вместо этого участникам дается сюжет, который постепенно развивается, и в который встраиваются головоломки. Завершает игру мета-задание, в котором требуется некоторым образом скомбинировать все решения предыдущих заданий, чтобы получить финальный ответ, ведущий к расположению "сокровищ".

Длительные космические полёты вредны для здоровья. Очень вредны. Нахождение в космосе подвергает человека опасно высоким уровням радиации; длительное пребывание в условиях микрогравитации может повредить целый ряд систем органов, включая мышцы, кости и глаза. Проживание в течение месяцев или лет в тесных условиях может иметь серьёзные психологические последствия.

Ключом к решению этих проблем может стать физиологическая стратегия, существующая уже 250 миллионов лет, которая позволяет некоторым млекопитающим, птицам, рыбам и другим животным выживать в условиях крайнего дефицита ресурсов, по сути «отключаясь»: это гибернация. Во время гибернации животные почти полностью отключают свои физиологические функции; они не едят, не пьют и не двигаются, и, что не менее важно, не испытывают голода или жажды и, по-видимому, не страдают от холода. Эта удивительная способность может оказаться решающей для того, чтобы помочь людям добраться до Марса и дальше — а также может помочь спасти жизни на Земле.

Оказывается, гибернация может защитить от многих опасностей, связанных с длительными космическими полётами, включая радиационное облучение и потерю костной и мышечной массы. Более того, перевод путешественников в длительное бессознательное состояние мог бы помочь снизить негативные последствия многомесячного или многолетнего пребывания в замкнутом пространстве. Гибернация также могла бы значительно сократить количество продовольствия и воды, необходимого для полёта, что уменьшило бы полезную нагрузку и позволило бы космонавтам добраться до места назначения — и вернуться обратно — за меньшее время.

Большинство уверены, что аппендицит - один из самых простых диагнозов в медицине: заболело справа - пора к хирургу. На практике все гораздо интереснее. В первые часы заболевание может маскироваться под гастрит, кишечную инфекцию или обычное пищевое отравление, а иногда боль и вовсе возникает не там, где её ждут.

В статье разбираем, почему диагноз не всегда очевиден, действительно ли антибиотики могут заменить операцию и какие технологии сегодня стали золотым стандартом в лечении аппендицита.

Практически каждый год в научных журналах появляются сообщения о двух-трех новых потенциально опасных для людей вирусах. Большая часть так и остается в разряде любопытных находок — интересных для специалистов, но не вызывающих особого шума за пределами лабораторий. Но иногда среди них попадаются те, что потом меняют правила игры на годы вперед. Достаточно вспомнить ВИЧ, который выявили в начале восьмидесятых, или тот коронавирус, что в 2020-м привел к глобальным последствиям.

Чтобы каждый раз не начинать оценку нового вируса с нуля, исследователи обновили и опубликовали каталог всех известных РНК-вирусов, способных инфицировать человека. Сейчас в нем собраны сведения о 239 видах, включая их главные характеристики: круг хозяев, пути передачи, умение распространяться между людьми и другие важные параметры. Благодаря этому новые находки можно быстрее сопоставлять с уже изученными вирусами и гораздо раньше понимать, насколько серьезную угрозу они потенциально представляют. 

Лучше сотрудничать или обманывать?

Этот вопрос лежит в основе так называемой дилеммы заключённого, одной из самых известных идей в теории игр. Предположим, есть двое подозреваемых, задержанных за одно и то же преступление; их разделили и предложили сделку со следствием. Они могут или «сотрудничать», не выдав напарника, или «обмануть», предав его и согласившись на сделку. Если оба из них будут молчать, то оба получат короткие сроки. Если один промолчит, а другой его сдаст, то один получит максимальный срок, а второй выйдет на свободу. Но часто бывает так, что обманет и тот, и другой. Опасаясь предательства, каждый подозреваемый действует в собственных интересах, соглашается на сделку и потом долгие годы сидит в тюрьме. (Такой исход называется равновесием Нэша в честь Нобелевского лауреата, математика Джона Нэша.)

Дилемму заключённого уже давно используют для понимания множества различных процессов, от взаимодействия конкурирующих микробов в чашке Петри до поведения человеческих обществ, стремящихся развязать ядерную войну.  Эта модель всегда озадачивала учёных: сотрудничество необходимо для выживания биологической жизни, но как оно может возникнуть, если обман всегда обеспечивает наибольший выигрыш?

Гагары, чайки, тупики и буревестники — вот лишь некоторые из 100 видов птиц, способных и летать, и плавать. Эти ныряющие птицы могут погружаться в воду, чтобы догнать добычу, а затем взмывать в воздух и улетать.

Вдохновившись этими природными «водными летунами», инженеры из Массачусетского технологического института (MIT) и Швейцарской федеральной политехнической школы в Лозанне (EPFL) разработали робота, который может плавать под водой, а затем, взмахивая крыльями, выныривать из воды и продолжать полёт в воздухе, подобно ныряющим птицам.

«Воздушно-водный аппарат с маховыми крыльями» (FAAV) весит менее 300 граммов и предназначен для того, чтобы помочь учёным изучить механизмы, позволяющие ныряющим птицам летать в воздухе и плавать в воде.

Робот состоит из центрального корпуса (фюзеляжа), двух гибких машущих крыльев и управляемого хвоста. Крылья и хвост можно заменять на детали других размеров. В ходе экспериментов, проведённых в водяном резервуаре и на местном озере, инженеры определили комбинации размера крыльев, частоты взмахов и угла наклона хвоста, которые позволяют роботу плавно переходить от плавания в воде к выходу на поверхность и дальнейшему полёту в воздухе.

Эта яркая, свежевыкрашенная машина (я про робота, конечно), точно повторяет одно и то же движение по три смены в день , пять лет подряд без капремонта. Современный промышленный манипулятор — само совершенство, но кто его изобрел?

Если коротко, то никто. Точнее, никто конкретный.

В запястье этой роборуки скрыта передача, которую в 1955 году придумал инженер американской обувной компании.В основании стоит редуктор, запатентованный немецким инженером, который еще до Второй мировой продал лицензию в Японию. В контроллере крутится математика, которую формализовал стэнфордский ученый в 1968-м для защиты диссертации. На в локте используется балансир, который крановщики знали еще в XIX веке, а в каждом суставе — инвертированный тормоз, изобретение лифтостроителей 1900-х. Эти люди не были знакомы, и все же их изобретения работают вместе, будто созданы друг для друга.

Промышленный робот — сумма остроумных инженерных решений, упакованных в машину, с настолько удачной конструкцией, что она принципиально не менялась десятилетиями. Переделывать ее никто не берется. Сегодня я проведу вас по этой руке от основания до инструментального фланца и покажу красоту мысли ее создателей.

В июле Лян Вэньфэн, основатель DeepSeek, стал богатейшим человеком в мире среди создателей ИИ-моделей. По оценке Bloomberg, его состояние достигло $36 млрд после раунда финансирования DeepSeek на $7,4 млрд в июне 2026 года. Компанию оценили в $50 млрд, а доля Ляна сократилась до 78%.

Для инженеров рынка и создателей стратегий эта история важна не просто как очередная новость о китайском миллиардере. Это кейс о том, как системный подход к данным, алгоритмам и инфраструктуре может породить одну из самых влиятельных ИИ-компаний мира.

От университета до квантового фонда: первый опыт с данными

Лян Вэньфэн родился в 1985 году в Чжаньцзяне, Китай. В 17 лет поступил в элитный Чжэцзянский университет на факультет электроники и телекоммуникаций. В 2010 году получил степень магистра в области информационных и коммуникационных технологий. Его магистерская диссертация была посвящена алгоритму отслеживания целей с использованием экономичных PTZ-камер — ранний признак интереса к алгоритмическим системам.

В 2008 году, во время мирового финансового кризиса, Вэньфэн и его однокурсники начали анализировать данные финансового рынка и изучать количественный трейдинг. Это был его первый опыт объединения ИИ с финансами.

К 2013 году он интегрировал ИИ в количественный трейдинг и основал компанию Hangzhou Yakebi Investment Management. В 2016 году стал соучредителем Ningbo High-Flyer Quantitative Investment Management — фонда, который стал пионером в области количественного трейдинга в Китае. К 2019 году High-Flyer управляла активами на сумму более 10 млрд юаней.

Он создал механический прототип компьютера и фактически заслужил титул "отца кибернетики". Но ни одно из его изобретений так и не было закончено. а жизненный путь был не самым простым. Это история Чарльза Бэббиджа — визионера компьютерных технологий и грозы уличной мафии.

В 1947 году Пол Эрдёш, венгерский математик-передвижник, представил то, что впоследствии стало одним из самых мощных инструментов математики. Он хотел доказать существование определённого вида объектов — в данном случае сети, состоящей из взаимосвязанных узлов. Но, как ни странно, в его доказательстве не указывалось, как именно её построить. Вместо этого он показал, что если рассмотреть все возможные сети и выбрать одну из них наугад, вероятность того, что вы найдёте сеть с нужным свойством, больше нуля. Это означает, что искомая сеть где-то существует, даже если вы почти ничего о ней не знаете.

Подход Эрдёша, известный как вероятностный метод, был простым, но революционным. До его появления «если бы я заявил, что определённые объекты должны существовать, вы бы ответили: „Покажите мне такой объект“, — сказал Бенни Судаков, математик из Швейцарской федеральной политехнической школы в Цюрихе. — Но некоторые объекты настолько необычны, что нам трудно даже представить, что они вообще существуют».

Метод Эрдёша преодолел эту трудность, продемонстрировав, что случайность можно использовать способами, о которых математики и не подозревали. «Тогда было просто поразительно, что случайность можно использовать таким образом, — сказал Джоэл Спенсер из Нью-Йоркского университета. — Теперь это стало базовым подходом».

Как часто нам приходится читать в бюллетенях безопасности «Уязвимость... позволяющая нарушителю выполнить произвольный код с помощью специально сформированного запроса». Но что на самом деле скрывается за этой фразой? Что это за специальные запросы и как наша программа может выполнять чужой код, если мы досконально знаем в ней каждую строчку и каждую библиотеку?

И почему тогда Apple платит до двух миллионов долларов за одну найденную уязвимость и выстраивает многоуровневую аппаратную защиту — а айфоны всё равно взламывают по нажатию одной кнопки?

Всё дело в том, что сами атаки стали другими. Когда инженеры перекрыли большинство очевидных ходов, хакерам пришлось изменить сам подход к взлому. Вместо поиска лазеек они научились брать легитимные вычисления программы и строить поверх них... виртуальный процессор. Даже стандартную функцию вывода текста printf удалось превратить в Тьюринг-полный интерпретатор — то есть вычислитель, способный выполнить любой алгоритм.

Перед нами — Data-Only атаки, где взлом превращается в программирование на «невидимом» процессоре. Процессоре, команды которого — лишь побочный эффект работы нашей собственной программы.

Но чтобы понять, как мы здесь оказались, придётся вернуться на двадцать лет назад.

В прошлом столетии человечество проникло в атом, открыв тем самым новый источник энергии. Но для её использования оно стало строить гигантские кипятильники. 

Всё бы ничего. Но 70% извлечённой из атома энергии отправляется нагревать планету. Поэтому вовсе неудивительно, что климат нашей планеты стремительно меняется далеко не в лучшую сторону.

В статье раскрывается возможный путь, как сократить негативное влияние на климат этого источника энергии, а также том, как из того же количества топлива получать до трёх раз больше электроэнергии!

Также приоткрывается дорога к созданию альтернативного источника энергии.

Ну и конечно же говорится о том, почему формула Карно не всегда верна.

Представьте себе производство, где смена длится круглые сутки, никто не опаздывает на работу, а освещение большую часть времени попросту не нужно. Звучит как рекламный образ из презентации о фабрике будущего. Но именно так Xiaomi описывает свой завод в Пекине. Правда, если разобраться в деталях, картина оказывается гораздо интереснее маркетинговых лозунгов.

Верхний слой кожи больше похож на укреплённую границу с постоянным гарнизоном. Между обычными клетками-кирпичами эпидермиса сидят дозорные — клетки Лангерганса. Это разведка с длинными ветвистыми отростками: их всего 3–5% от всех клеток эпидермиса, но щупальца они раскидывают так густо, что простреливают весь верхний этаж кожи и первыми засекают чужаков. Этажом ниже, в дерме, дежурит тяжёлая пехота — макрофаги. Их основная профессия звучит не слишком героически: жрать. Поедать погибшие клетки, обломки старого коллагена, бактерий, весь мусор, что остаётся после любой царапины. Заодно они командуют ремонтом: чинить ткань, звать подмогу, а под конец расходиться и успокаиваться.

Большую часть времени они там скучают. Настоящие прорывы границы случаются редко. Макрофаги тихо жрут мелкий мусор и не геройствуют.

И вот, внимание, вопрос: а что будет, если им там всем устроить учебную тревогу?

Выяснилось, что можно. Инструмент для этого — обычный, казалось бы, сахар. Очень необычный сахар по имени бета-глюкан.

И вот он-то внезапно творит лютую дичь.

В Бостоне стояла суровая зима. Поверхность реки Чарльз полностью замёрзла. Но Закари Келсо преодолел пронизывающий холод, чтобы наконец разгадать загадку, преследовавшую нейробиологические лаборатории более полувека.

Для этого Келсо, научному ассистенту в гарвардской лаборатории нейробиолога Сэма Гершмана, нужны были черви. А именно — планарии: плоские черви со стреловидной головой, которые относятся к числу простейших существ, обладающих мозгом и нервной системой с двусторонней симметрией, подобной нашей. Обычно лаборатории заказывают этих широко используемых модельных организмов у компаний, поставляющих биологические материалы. Но черви, присланные по почте, не соответствовали спецификациям. Поэтому Гершман отправил Келсо на ледяные берега реки Чарльз, чтобы тот поймал несколько диких особей. «Я подумал: “Я буду выглядеть как сумасшедший, потому что разбиваю лёд молотком”, — вспоминает Келсо. — Поэтому я оделся в стиле „бизнес-кэжуал“, при этом с упором на „бизнес“».

Это был далеко не последний раз, когда Келсо оказывался в такой ситуации. Как оказалось, планарии из реки Чарльз тоже были не те. Как и черви, которых он добыл, переходя от ручья к ручью в окрестностях Юджина, штат Орегон, в марте 2025 года. И те, которых он выловил в озёрах Мичигана в июне того же года — на этот раз в высоких сапогах — под пристальными взглядами семей с берега, собравшихся на пикник. Келсо усердно переворачивал камни, использовал крючок с кусочками мяса, привязанный к нитке, и даже ориентировался по картам из старинного путеводителя под названием «Пресноводные триклады Мичигана». Но его приключение не дало результатов. Конечно, он поймал множество планарий. Но, вернувшись в лабораторию Гершмана, он выяснил, что ни одна из них не делала того, что от неё ожидалось.

Тензор пространства - звучит очень загадочно и очень непонятно. Но на самом деле ничего сложного. Тензор пространства - матрица, набор чисел, которые определяют структуру пространства. Они буквально задают каким будет пространство, что и как в нём должно двигаться. Все изменения, которые мы видим вокруг, начиная от падения яблока до столкновения черных дыр определяет небольшой набор чисел. Причем числа эти нули и единицы, подобранны таким образом, что мы оказываемся заточенными в бесконечном пузыре, из которого не выбраться. Как рыбки в аквариуме. Ну у рыбок есть шанс удрать из аквариума, а вот у нас его скорее всего нет. Но давайте по порядку.

В первой статье цикла мы гоняли по 12 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro. В комментариях нас несколько раз спросили: а что там у моделей попроще и, главное, у отечественных? Спрашивали — отвечаем. Сегодня на ринге средний класс: три поколения рабочей серии Anthropic — Claude Sonnet 4.5, Sonnet 4.6 и свежий Sonnet 5 — против старших отечественных моделей: GigaChat-2 MAX от Сбера и YandexGPT Pro от Яндекса.

Сразу о главном: почему такой состав. Мы долго думали, по какому принципу собрать пятерку, чтобы сравнение не превратилось в избиение младенцев, и остановились на цене. Fable 5 и GPT 5.5 Pro из прошлой статьи — это «Формула-1»: один запрос с большим вложением у них стоил сотни, а то и тысячи рублей. Сегодняшние участники — то, чем реально возят грузы: Sonnet у Anthropic — массовая серия, в разы дешевле Opus, а GigaChat-2 MAX и YandexGPT Pro хоть и старшие модели своих экосистем, но по цене токена играют в той же лиге, что и Sonnet, а не в лиге западных флагманов. Забегая вперед: по нашим же чекам типовой запрос без вложений у всей пятерки стоит единицы рублей. Один ценовой класс — значит, сравнение равных. А вот внутри класса, как выяснится, разброс возможностей огромный.

Методика не меняется. Никаких бенчмарков и маркетинга — только реальные будничные задачи. Тестируем через агрегатор нейросетей BotHub: он работает по API, а этот метод избавлен от подпорок и костылей, которые неявно помогают моделям в их веб-интерфейсах. Заодно сразу видим, во сколько каждое решение обходится по деньгам. Затраты по-прежнему измеряем в CAPS — внутренней валюте BotHub, привязанной к числу затрачиваемых токенов. Напомним, за рубль можно купить от 4000 до 6500 CAPS в зависимости от объема покупки, считаем по курсу примерно 1 рубль = 6370 CAPS.

Рассказав недавно историю про «Парк юрского периода», я захотел пересмотреть этот фильм снова. Наверно, я уже видел его раз десять. На этот раз я решил изучить все компьютеры и ПО из этого фильма.

Рассмотрим следующую задачу:Дан постоянный магнит некоторой формы и нужно получить аналитическое выражение для его магнитного поля B в трёхмерном пространстве.Разберём несколько случаев.Будем считать магнит однородным.