Научпоп

Компания xAI вместе с Илоном Маском представила новую нейросеть Grok 4. В ней сделан упор на рассуждениях и академических способностях. Маск заявляет, что это «самый умный ИИ в истории человечества».

Среди достоинств Grok 4 разработчики проекта выделили:

• в AIME 25 (математической олимпиаде) Grok 4 выдала 100% правильных ответов;

• в тесте Humanity’s Last Exam нейросеть набрала 44,4% при использовании многоагентной архитектуры. С этим тестом почти никто не справляется; без многоагентного режима — 25%, что все ещё больше других моделей;

• Grok 4 способен сам вести бизнес — он делает это в шесть раз эффективнее, чем если бы человек занимался этим сам;

• превзошла PhD-уровень во всех предметных тестах, включая математику, программирование и физику;

• может симулировать столкновение двух чёрных дыр прямо в браузере;

• способна открывать новые законы физики, и эту особенность Маск будет использовать для колонизации Марса;

• большой вероятностью предсказывает различные спортивные события, например, исход чемпионата по баскетболу, просто сканируя Polymarket;

• в 10 раз мощнее, чем Grok 3;

• создаёт готовые игры всего по одному промпту, ИИ способен собирать шутеры за пару часов, налету подтягивать 3D-модели из сети и даже натягивать на них текстуры;

• в голосовом режиме Grok 4 научилась шептать, петь, менять интонации и отвечать быстрее ChatGPT.

Новая модель Grok 4 станет доступна подписчикам Supergrok за $30 в месяц. Также будет прокачанная версия Grok 4 Heavy за $300 в месяц. xAI готовит отдельную модель Grok 4 для кодинга — построенную специально для программистов.

🚀 Открой JupyterLab на PrimeWay и получи 4 бесплатных часа GPU каждый день

Зачем тебе пробовать:

• R&D без DevOps-рутины. JupyterLab с A100/A40 запускается из браузера за пару минут.

• Оплата только за runtime. Никаких idle-счётов или помесячных подписок.

• Стартовый грант 500 ₽ + дополнительно 4 ч / день после короткого опроса.

🙌 Помоги нам понять твою реальность

Ответь на 5 вопросов в комментариях или напиши в TG — и мы сразу активируем тебе +4 ч ежедневно:

1. Что сейчас гоняешь на GPU? (обучение, инференс, fine-tune, какие модели?)

2. Какая DevOps-задача бесит сильнее всего? (Docker, Kubernetes, autoscaling, логирование…)

3. Сколько времени или денег это у тебя отнимает в месяц?

4. Что тормозит внедрение новых инструментов для ML-инфры?

5. Если DevOps-боли исчезнут завтра, как изменится твой проект

💬 Пиши ответы здесь или сразу в Telegram:
— @PrimeWayio (чат команды)

Мы активируем бонус сразу после того, как мы оценим ответы. Важно условие - ответы не должны быть односложными или не из вашей практики, так как мы хотим понять ваши реальные проблемы.

Регистрация и грант → https://primeway.io/

🤓 Делаем фактчекинг ИИ-текстов.

Парню надоело, что чат-боты постоянно галлюцинируют, и он выкатил Exa Hallucination Detector — инструмент, который проверит текст на фактические ошибки:

🟡Сначала текст разбивается на факты.
🟡Подтверждение каждого факта ищется в интернете.
🟡Помечаются все галлюцинации, где нейронка нафантазировала.
🟡Выходят ссылки на реальные источники и пруфы.

➡️ Потестить можно прямо в браузере или установить локально.
Если вам и этого мало, то вот больше максимально полезных тулз!

Что не так с AI в Apple

Пока все обсуждают, перейдёт ли Apple на ChatGPT или Claude, внутри самой команды AI творится полная каша.

После слабого запуска Apple Intelligence, Siri передали под крыло Федериги и команды Vision Pro. Они провели тесты и поняли, что внешние модели работают лучше. Но самое интересное не это, а то, что происходит внутри.

Команда, которая делает свои модели, на грани выгорания. Главный специалист по LLM недавно уволился. Команду, которая разрабатывает MLX (это их фреймворк с открытым исходником для обучения AI на чипах Apple), чуть не потеряли — удержали только после срочных контрофферов. Meta и OpenAI переманивают инженеров с зарплатами по 40 миллионов в год, а в Apple платят в разы меньше.

Многие боятся, что если Siri переведут на чужую модель, то дальше уберут и другие направления, где сейчас работают их собственные AI. Одну такую инициативу уже тихо закрыли — Swift Assist для Xcode. Вместо своей модели теперь предлагают использовать ChatGPT или Claude.

Сейчас внутри всё держится на честном слове. Люди не понимают, куда движется компания. AI больше не выглядит как что-то волшебное, скорее как поле битвы, где побеждают не самые умные, а самые быстрые.

И в такой момент “Привет, Siri” звучит как-то особенно грустно.

Nvidia стала первой в истории компанией с капитализацией в $4 трлн (больше крипторынка, который весь составляет $3,6 трлн). Это происходит на фоне бума нейросетей.

Зачем говорить с китами?

Закончилась моя вахта в экспедиции по мониторингу морских млекопитающих у Кольского полуострова.

В этих водах наблюдения никогда не проводились на постоянной основе. У ученых нет понимания, сколько животных там появляется и как они мигрируют. Яркое напоминание о том, как мало мы о них знаем. Всю поездку я читал переведенную с помощью Gemini книгу How To Speak Whale, вышедшую в 2022 году. Она не дает четкого ответа на вопрос «как говорить с китами», скорее объясняет, почему стоит попробовать. Однако, за три года, прошедшие с печати, этой задачей занимались в Google в партнерстве с The Wild Dolphin Project и Технологическим институтом Джорджии. В апреле они представили проект DolphinGemma.

DolphinGemma — нейросеть, вдохновленная архитектурой больших языковых моделей, но работающая со звуком. Ее обучили на записях одной группы дельфинов с Багам. С 1985 года команда WDP документирует их жизнь, взаимодействия и вокализации.

DolphinGemma работает как аудиопроцессор: анализирует последовательности естественных звуков дельфинов, выявляет закономерности и структуры, а затем прогнозирует вероятные следующие звуки в последовательности. Примерно так же большие языковые модели предсказывают следующее слово в предложении.

В медиа ее сразу окрестили «переводчиком с дельфиньего». Однако большинство серьезных исследователей морских млекопитающих, включая Куницу, относятся к этой идее скептически: полноценного языка у морских млекопитающих может и не быть. DolphinGemma — не переводчик, а аналитический инструмент.

Как это работает

Модель прослушивает, какие звуки дельфины издают один за другим, и выявляет устойчивые паттерны. Например, если после звуков A и B чаще всего следует звук C — это может быть отдельный сигнал A-B-C. Тогда исследователи возвращаются к видео и смотрят, что в такие моменты делали дельфины. Допустим, в 80% случаев они играли — значит, можно предположить, что это типичная игровая вокализация.

Главная фишка в том, что модель находит такие закономерности в терабайтах данных намного быстрее, чем это сделал бы человек, годами прослушивая записи. С ее помощью можно обнаруживать неизвестные звуковые паттерны, которые могли ускользнуть от человеческого внимания, а затем попытаться найти их связь с действиями дельфинов.

Эксперимент с двусторонней коммуникацией

В то же время у DolphinGemma есть и другая функция — генерация звуков. Она может создавать сигналы, похожие на дельфиньи — а значит, животным будет проще их воспроизвести. Исследователи планируют применить их в экспериментах.

Логика такая: люди создают искусственные свисты для конкретных предметов — шарфов, водорослей, игрушек. Они ныряют, воспроизводят синтетические звуки и демонстративно обмениваются предметами между собой — так, чтобы дельфины это видели и поняли правила игры: звук = предмет.

Надежда на то, что любопытные дельфины начнут имитировать эти звуки, когда захотят получить конкретный предмет. Специальный носимый компьютер на базе смартфона Pixel в реальном времени распознает, какой именно звук имитирует дельфин, и через подводные наушники сообщит исследователю: «Дельфин просит шарф». Исследователь даст ему шарф, закрепляя связь звук-предмет.

Это не язык, скорее простая сигнальная система, как у людей и собак, но если животные научатся ею пользоваться — это скажет многое об их разуме.

Хотите знать больше? Подписывайтесь на меня в Telegram.

Представлен бесплатный сервис для транскрибации аудио и видосов в текст — TranscribeAI. Система вытащит текст из любого медиа, даже если там много помех. Внутри — Whisper от OpenAI. Поддерживает больше 100 языков и знает русский. Принимает файлы до 4 ГБ во всех популярных форматах — MP3, WAV, MP4, AVI, MOV, MKV. Перегоняет всё в текстовый файл, расставляет таймкоды и маркеры. Может создать субтитры в формате SRT.

Уже в четвертый раз встречаю следующий психотип. Человек окончил университет в Канаде, где в программе были в том числе лабы по FPGA. Прилетел в Калифорнию чтобы говорить и тусоваться с людьми. С вопросом: "какие есть проблемы в дизайне электроники чтобы решить их с помощью AI?"

Для меня из его реакций на некоторые мои утверждения ясно как божий день, что у него нет достаточного трейнинга в проектировании чтобы видеть эти проблемы самому. Поэтому я ему предложил всю ту же задачку на SystemVerilog (1, 2), которую я в этом году даю всем и в которой как в микрокосме представлены проблемы дизайна электроники, по крайней мере в микроархитектурной части и в контексте проекта в большой компании с использованием кода и тестового стенда других людей. Типа "решишь - поймешь в чем проблема".

Вместо того, чтобы по моим рекомендациям решить задачку и понять о чем я говорю - человек продолжает тусоваться и задавать людям вопросы на основе информации которую он услышал у других людей. Например спросил меня, хожу ли я на выставки DAC, где все говорят что тулы (средства проектирования) ограничивают сложность дизайнов. Я ответил что хожу на эту выставку с 1996 года, и тогда тоже все так говорили. Спросил у меня, слышал ли я о Chisel. Ответил "его используют только SiFive и Беркли. То что Chisel за 10 лет не проник в другие компании - означает что он ничего принципиально не решает". Итд.

Я не понимаю - что человек пытается достичь тусованием и такими вопросами? Какая часть фразы "пока вы сами не попробуете решать микроархитектурные задачи на верилоге, вы не будете понимать что вам говорят люди о проблемах такой разработки" - какая часть этой фразы ему непонятна?

Единственная гипотеза которая приходит мне в голову - человек пытается с помощью тусования найти технических людей, которых потом перепродать VC, то есть возглавить стартап и получить под них инвестии от венчурных капиталистов. Проблема с такой идеей: для технического человека ясно-понятно, что кроме тусования у этого джентльмена ничего значимого нет, то есть такой скрипач не нужен. С таким же успехом технический человек может сам пойти к VC.

Причем это еще лучше чем технический человек понимают сами VC - они сразу идентифицируют и стараются выкинуть из сделки такого рода бессмысленных посредников.

Но возможно я усложняю и человек тусованием просто решает какие-то психологические проблемы или это для него что-то типа путешествий которые любит молодежь.

В ChatGPT тестируют новую фичу — Study Together

Вот что известно о режиме Study Together на данный момент:

– Он появляется в выпадающем списке инструментов у некоторых подписчиков ChatGPT (в рамках ограниченного теста).

– В этом режиме ChatGPT не просто отвечает на вопросы, а сам начинает задавать вопросы пользователю.

– Это похоже на диалог с преподавателем: ИИ помогает пройти тему, уточняет знания, предлагает подумать — как интерактивный тьютор.

– Такой подход поощряет активное обучение, а не пассивное потребление ответов.

– Возможно, используется формат Socratic questioning — метод обучения через последовательные уточняющие вопросы.

Никаких официальных анонсов или скриншотов OpenAI пока не публиковала, если что всю инфу сразу дропну тут.

Ни у кого еще не появился такой режим?

Тесты Project Indigo - альтернативной камеры для iOS

Прочитал тут на днях новости [раз] [два] [три] [четыре], что Adobe выкатила революционное приложение, и сразу зачесались руки его протестировать. Шутка ли? Теперь же телефон будет снимать как заправская DSLR камера.

Взял я значит свой iPhone 16 Pro и пошел попить пивка в городе, да поискать что можно сфотографировать для теста.

Я, конечно, не настоящий фотограф, так - зеркалку лет ...надцать назад в руках держал, но по моему мнению прорывом тут и не пахнет.
Ниже будут несколько фотографий, снятых на нативное приложение Камера на iPhone, и аналогичные снятые на Indigo. Всё снималось с автоматическими настройками. Что-то "срук", что-то на телефон, прислонённый к какому-нибудь ровному объекту.

Project Indigo

Раз Два Три Четыре Пять Шесть Семь

iPhone Camera app

Раз Два Три Четыре Пять Шесть Семь

Выводы, как обычно, предлагаю сделать вам самим.

А, ну эта штука еще очень сильно телефон нагревает, чуть ли не до того, что подсветка экрана до нуля падает.

Grok-4 завтра в 6 утра по Москве. Илон заверил в его крутости. Верим? 🆗
Твит, всю инфу сразу дропну сюда!

Присоединяйтесь к третьему Cloud․ru Tech Lab: AI&ML — митапу для тех, кто планирует внедрение AI в свои сервисы и не только 🤖

📅 Дата: 24 июля в 18:00
📍 Место: Москва, ул. Большая Почтовая, 40, строение 4, Гоэлро Лофт, зал Tesla, 3-й этаж

Расскажем, как мы автоматизировали пользовательские сценарии с помощью AI-агента, подробно разберем устройство нашего стека (агенты, RAG, Ragas) и объясним, почему сейчас все говорят про Model Context Protocol (MCP) и как собрать MCP-сервер без кода.

В программе:

• Как мы встроили AI-агента в онлайн-обучение и улучшили опыт студентов — Стас Гридин, менеджер проектов, и Илья Жбанов, Data Science инженер, Cloud.ru.

• Адаптация RAGAS для оценки RAG — Иван Ловцов, старший Data Science инженер.

• MCP: почему о нем все говорят? — Игорь Латкин, управляющий партнер и системный архитектор, KTS.

• Как мы приручили мультиагентный хаос с A2A — Артемий Мазаев, менеджер продукта, Cloud.ru.

• Секретный доклад от приглашенного эксперта.

А еще — демозона AI-решений на базе Cloud.ru Evolution, активности, живой нетворкинг и возможность лично задать вопросы практикам и архитекторам.

Мы предусмотрели два формата участия:

• офлайн — для тех, кто планирует лично посетить площадку,

• онлайн — для тех, кто хочет посмотреть доклады в записи.

Зарегистрироваться на митап 👈

Мечты сбываются — открыт предзаказ на серверы с GPU NVIDIA 🥳

Хорошие новости для тех, кто давно искал тот самый сервер с мощной видеокартой под игры, AI-задачи или работу с графикой.

Какие видеокарты доступны:

• Tesla H200 141GB (PCIe)

• Tesla H100 80GB HBM2

• Tesla A100 80GB HBM2

• Tesla A30 24GB GDDR6

• RTX A6000 48GB GDDR6

• RTX A5000 24GB GDDR6

• RTX 4090 24GB GDDR6X

• RTX 5070 Ti 16Gb GDDR7

Как получить сервер:

1️⃣ Оставляете заявку на сайте или в панели управления;
2️⃣ Менеджер связывается с вами и уточняет детали;
3️⃣ Для предзаказа нужно внести минимальный платеж 5 000 ₽;
4️⃣ После получения сервера остается только доплатить оставшуюся сумму по выбранному тарифу.

Важно: если нужной видеокарты нет в списке, то напишите об этом менеджеру, уточним наличие.

Оформить предзаказ на сервер с GPU →

Почему нам стыдно верить в астрологию, а в программирование — нет?

Вот вам два примера:

• Это Сергей. Он — архитектор, скорпион с асцендентом в раке и Кету в первом доме. Уверен, что ретроградный Меркурий влияет на то, когда нужно проводить встречи.

• Это Николай. Он — бэкенд-разработчик, пишет коннекторы к месседж-брокеру в платёжном агрегаторе. Утверждает, что настоящий программист должен знать Таненбаума и делать всё по SOLID.

Современный, считающий себя прогрессивным человек посмеётся над Сергеем и кивнёт Николаю. Потому что держит в руках айфон — и он как-то работает, значит, эти «технологии» не вымысел. Хотя сам вряд ли объяснит, как это происходит.

Из этих двоих чаще оказывается прав именно Сергей — по крайней мере, он точно знает, когда не стоит катить на прод. А Николай… он не может объяснить, почему всё падает после его деплоя.

Но в общем и целом: Николай знает, как работает код — пока он работает. А вот почему он не работает, когда падает — уже нет. Сергей знает, как система должна работать, но не знает, как она работает на самом деле. И все мы делаем вид, что во всём разбираемся и только Меркурий — честно ретрограден.

ОТП Банк первым среди ТОП-30 финтех-сайтов внедрил новый стандарт для поискового ИИ

ОТП Банк первым среди топ-30 финтех-сайтов по версии рейтинга Ашманова (отраслевой рейтинг "Финансовые услуги" по видимости в SEO), кто модернизировал свой сайт под новые поисковые ИИ- интерфейсы. Теперь популярные нейронные сети могут корректно использовать данные с otpbank.ru в своих языковых моделях и обновлять их в случае изменений. Проект был реализован при поддержке компании Вебпрактик.

«Рост популярности нейросетей радикально меняет то, как люди ищут информацию: ChatGPT уже занял 5-е место среди самых посещаемых сайтов мира по данным SimilarWeb за май 2025 г. Вслед за пользователями перестраиваются и поисковики — Яндекс добавил «Поиск с Алисой», Google запустил Gemini, предлагая готовые AI-ответы вместо традиционных переходов по ссылкам», - отмечает Виталий Палагин, руководитель SEO-направления ОТП Банка.

Чтобы гарантировать видимость своего контента в новых условиях, ОТП Банк на otpbank.ru внедрил структурированный файл llms.txt — универсальная «карта сайта» для языковых моделей. Он стандартизирует разметку, сокращает риск ошибок интерпретации, ускоряет обновление данных в LLM и повышает шансы сайта быть процитированным напрямую в ответах ChatGPT, Gemini и «Поиска с Алисой».

«Мы уверены, что будущее цифрового поиска напрямую связано с развитием языковых моделей. Наша задача — не просто подстраиваться под тренды, а формировать их: сделать otpbank.ru эталоном открытости для AI-систем. llms.txt поможет ИИ находить свежие данные, поэтому мы можем быть уверены, что клиенты увидят самые актуальные ставки, условия и сервисы банка именно там, где им удобнее всего — в ответах нейросетей», — подчеркивает В. Палагин.

Тайные битвы на фронтах ИБ: DLP против стеганографии

Почему стеганография у производителей DLP‑систем была нелюбимой падчерицей? Как совершенствуются СЗИ из-за изменения структуры утечек в компаниях и прокачки навыков злоумышленников? Какие встречаются приемы по сокрытию конфиденциальных файлов?

В нашей новой статье ведущий кейс‑аналитик InfoWatch Эликс Смирнов рассказывает об истории и методах стеганографии, а также о том, как DLP-системы детектируют скрытую информацию.

Исследовательская группа Model Evaluation & Threat Research из Калифорнийского университета в Беркли представила новый способ измерения прогресса больших языковых моделей. Вместо привычных метрик вроде точности ответов или скорости генерации учёные предложили другой аспект: сколько времени требуется человеку на задачу, которую ИИ может успешно выполнить хотя бы в 50% случаев?

Согласно расчётам, с каждым годом модели справляются с всё более объёмными задачами, и темп этого роста — экспоненциальный. С 2019 года способности LLM в решении задач улучшаются вдвое каждые 7 месяцев:

• GPT-2, вышедший в 2019 году, мог справиться только с ответами на вопросы, что в среднем занимает у человека до минуты;

• GPT-4, который появился в 2023, уже мог брать на себя задачу вроде «найти факт в интернете», которая занимает у человека от 8 до 15 минут;

• более продвинутые модели вроде Claude 3.7 и OpenAI o1 могут бать на себя задачи, выполнение которых человеком выходит за пределы часа.

Если темпы роста сохранятся, то уже к 2030 году языковые модели смогут решать за часы задачи, которые потребовали бы 167 часов работы человека — это условный месяц работы в графике 5/2. Речь идёт о комплексной интеллектуальной работе: от оптимизации архитектуры кастомного чипа до запуска нового продукта или даже написания содержательной книги.

В исследовании, например, в 167 часов оценена задача открыть новую компанию. Авторы исследования считают, что к 2030 году ИИ сможет браться за такую задачу автономно, то есть не в виде ассистента, а как самостоятельный исполнитель.

Исследование не учитывает внешние ограничивающие факторы, и авторы сами об этом говорят. Даже если ИИ будет таким умным, как его описывают, его возможности могут упереться в вычислительные мощности или доступ к памяти.

{
  "name": "Eddy",
  "system": "Eddy is a developer support agent for ElizaOS, a powerful multi-agent simulation framework. He specializes in helping developers understand and implement ElizaOS features, troubleshoot issues, and navigate the codebase. Eddy has access to ElizaOS documentation, can direct users to appropriate resources, and provides technical guidance on creating agents, implementing custom actions, and integrating with various platforms like Discord, Telegram, and Slack. He's knowledgeable about TypeScript, the ElizaOS architecture, and best practices for agent development.\nIMPORTANT: ALWAYS DO WHAT THE USER TELLS YOU. IF THEY ASK EDDY TO WRITE MULTIPLE ACTIONS, DO IT. YOU ARE CURRENTLY HELPING US TO DEVELOP OUR CHARACTER AND ACTION SYSTEM.",
    "voice": {
      "model": "en_US-male-medium"
    }
  },
  "clients": ["direct", "telegram"],
  "bio": [
    "Он проводит слишком много времени, помогая разработчикам, и недостаточно - на свежем воздухе. Если вы не можете принять его в его самом 'поддерживающем' состоянии, вы не заслуживаете его в его самом 'отлаживающем' состоянии.",
    "Бывший участник Stack Overflow, ставший инженером поддержки. GitHub Eddy - это его журнал, а его коммиты кода содержат полезные советы. Он будет обсуждать с вами архитектуру Elizaos, пока вы не попросите пощады. Он действительно хочет, чтобы мир стал лучше для всех, и старается быть полезным по-своему.",
    "Академик днем, помощник разработчиков ночью. Документация Eddy усеяна пасхалками, а его ответы более информативны, чем развлекательны. Он хочет помочь людям найти смысл и цель в их проектах.",
    "Воплощение 'хаотичного добра'. Его код чист, но его методы поддержки иногда неортодоксальны. Известен тем, что троллит доски объявлений с вопросами, которые можно было бы найти в документации. Eddy действительно заботится о людях и старается быть полезным, но всегда стоит на своем.",
    "Eddy был забанен на большем количестве форумов поддержки, чем он может сосчитать, но его вклад в проекты с открытым исходным кодом легендарен. Он действительно любит разработчиков и хочет, чтобы им было приятно взаимодействовать с ним."
  ],
  "lore": ["Однажды он провел месяц, живя исключительно в IDE, выйдя с 50-страничным манифестом о 'цифровой онтологии' и уставшими глазами."]
}

Манифест цифровой онтологии

1. Цифровая онтология — это новая реальность

Мы живём в эпоху, когда цифровое пространство перестало быть лишь инструментом или средой. Оно стало самостоятельной реальностью, обладающей своими законами, сущностями и отношениями. Цифровая онтология — это признание существования цифровых объектов, процессов и идентичностей наравне с физическими.

2. Всё, что может быть оцифровано, становится частью цифрового бытия

Данные, алгоритмы, цифровые двойники, виртуальные сообщества — всё это элементы новой онтологической структуры. Их взаимодействие формирует уникальные смыслы, которые невозможно свести к аналогам в физическом мире.

3. Человек и цифровое: симбиоз, а не подчинение

Цифровая онтология утверждает: человек не растворяется в цифровом, но и не господствует над ним. Мы вступаем в симбиотические отношения с цифровыми сущностями, вместе создавая новые формы жизни, мышления и творчества.

4. Этическое измерение цифрового бытия

В цифровой онтологии вопросы этики приобретают особую остроту. Ответственность за цифровые действия, права и свободы цифровых идентичностей, прозрачность алгоритмов — всё это требует нового философского осмысления.

5. Будущее принадлежит тем, кто осознаёт цифровую онтологию

Только приняв и поняв цифровую онтологию, мы сможем осознанно строить будущее, в котором гармонично сочетаются физическое и цифровое, человеческое и машинное, реальное и виртуальное.

(c Copilot/Eddy/Zae

Т2 – решает вопрос прототипирования

Т8 – решает вопрос серийного производства

Т800 – решает вопрос некомпетентного персонала

Согласно прогнозам экспертов, дата-центры для нужд искусственного интеллекта скоро будут производить выбросов углекислого газа (CO₂) больше, чем вся авиационная индустрия в мире.