В Калифорнии энтузиаст придумал необычный способ помочь курьерам найти свой частный дом. Владелец участка в небольшом городке запускает в небо сотни дронов, которые показывают дорогу прямо с воздуха. Проблема заключалась в том, что курьеры регулярно не могли найти дом. По словам энтузиаста, ситуация иногда водители звонили и заявляли, что не могут найти адрес, и просто уезжали.
В итоге пользователь задействовал около 200 дронов, которые формируют в небе светящиеся подсказки и стрелки. Сообщения буквально ведут курьера к нужному адресу: «сюда», «продолжай ехать», а при ошибке появляется предупреждение о неверном повороте с просьбой сдать назад.
Представлен открытый проект Early Warning System (репозиторий на GitHub) - сервис для предугадывания ядерного апокалипсиса, который показывает, сколько элитных бизнес-джетов сейчас находятся в воздухе и сравнивает данные с усреднёнными значениями. Если количество джетов станет слишком большим, то сервис подаст знак о возможной «эвакуации элит».
Искусственный интеллект Claude Opus от Autropic размышляет не только на английском, но и на русском и китайском языках. Блоки ответов ИИ иногда содержат текст «процесса мышления» на разных языках.
LLM‑модели мыслят на том языке, который был наиболее распространён в обучающих данных по данной теме или для экономии ресурсов — китайские иероглифы более эффективны, чем английские. Модель по умолчанию использует их для экономии вычислительных ресурсов для выражения некоторых мыслей.
Claude мыслит на русском языке при решении задач в области кибербезопасности, потому что обучающие данные по этой области в значительной степени русскоязычные. Claude рассуждает на том языке, который наиболее эффективен для задачи и потом преобразует ответ в английский
Дорожная карта Agentic AI. Level 4. Своя кузница — локальный запуск моделей
Level 4. Своя кузница — локальный запуск моделей
Не всё имеет смысл отдавать в облако. Причин у этого как минимум три:
Приватность. Стоит начать пересылать в чужой API персональные данные клиентов, внутреннюю переписку или код с коммерческой тайной, как логи стороннего провайдера превращаются из абстрактной строчки в SLA во вполне конкретный риск утечки. Локальная модель эту головную боль снимает: данные просто не покидают периметр компании, и обсуждать с безопасниками становится по сути нечего.
Автономность. Когда провайдер прилёг, сети легли или вашему региону внезапно прикрыли доступ, локальный агент этого даже не заметит и продолжит работать, как ни в чём не бывало.
Стоимость. Здесь всё упирается в масштаб. Если вы просто экспериментируете у себя на ноутбуке, локальный запуск получается полностью бесплатным: ни подписок, ни платы за токены, и докупать ничего не придётся, всё поедет на том железе, что уже стоит на столе. Когда же речь идёт про нагруженный прод, картина меняется: нужен сервер с GPU, и экономика там сходится не сразу. На сотнях запросов в день локальный инференс вряд ли отобьётся, а вот на десятках тысяч он уже выгоднее облака.
Что вообще получится запустить
Проприетарные модели уровня GPT-5, Claude Opus 4.7 или Gemini 3.1 локально вы, конечно, не запустите: они закрытые и слишком огромные. Зато опенсорс быстро подтягивается следом. Qwen3 от Alibaba, DeepSeek R1 и V3.1, Mistral Small и Magistral это вполне рабочие модели, которые в квантизованных версиях помещаются на одну видеокарту. Даже OpenAI в прошлом году выложила свою открытую gpt-oss, сразу в 20B и 120B параметров.
Чем крутить локально
Проще всего начать с Ollama: ставится одной командой, ещё одной скачивается модель, и всё. Никаких плясок с CUDA, Python и зависимостями, из коробки есть и GUI, и REST-API. Если хочется чего-то более «приложенческого», посмотрите в сторону LM Studio или Jan; у LM Studio при этом есть приятная мелочь: она ещё до скачивания подскажет, хватит ли у вас ресурсов на конкретную модель.
Как встроить в свой код
Самое важное даже не в том, как удобно поднять модель у себя, а в том, что интегрировать её в код ваших приложений так же легко, как сменить провайдера. У всех этих инструментов OpenAI-совместимый API, поэтому в клиенте OpenAI достаточно поменять base_url с облака на localhost, и тот же самый код из прошлых постов продолжит работать без единой правки.
Что брать в продакшен
Эта связка работает, пока вы экспериментируете на ноутбуке. В продакшене ставки выше: опенсорс-модель надо крутить под реальной нагрузкой, и стандарт здесь это vLLM. Он оптимизирован под высокий RPS и параллельный инференс, реально выжимает из GPU всё, что она способна отдать.
Вообщем, не относитесь к локальному запуску, как к большому инфраструктурному проекту. На практике это один спокойный вечер экспериментов: поставили Ollama, скачали Qwen3, поменяли base_url в агенте и погнали…
🔔 Следующая тема: Few-shot learning, как учить модель прямо в промпте.
Дорожная карта Agentic AI. Level 4. Новые чувства — мультимодальность
Level 4. Новые чувства — мультимодальность
Пора научить агента видеть и слышать. Клиент не присылает аккуратный промпт — он кидает фотку накладной, скрин ошибки, голосовое на 40 секунд.
Картинки
Модель смотрит на изображение и отвечает на вопросы о нём — что на фото, прочитай текст, сравни два скриншота. Работает прямо в чат-запросе, без отдельного API.
Где выбирать модель: artificialanalysis.ai/evaluations/mmmu-pro — 180+ моделей по MMMU-Pro (изображения, документы, диаграммы, схемы). Сейчас лидирует Gemini 3.1 Pro Preview.
Транскрибация
Модель слушает аудио и возвращает текст — с пунктуацией, языком, таймкодами, и если надо — с разделением по спикерам.
Где выбирать: artificialanalysis.ai/speech-to-text — 50+ провайдеров, WER + скорость + цена в одной таблице. Лидер по точности — ElevenLabs Scribe v2 (2.3% WER), из мультимодальных — Gemini (2.9%), gpt-4o-transcribe — 4.1%, Whisper large-v3 — ~5%.
Видео
Модель понимает видео как поток событий во времени — что происходило, в каком порядке, что изменилось. Это не то же самое, что покадровый Vision: там вы нарезаете файл на картинки и отправляете как набор фото — модель не понимает движения и временной связи между ними.
Где выбирать: benchlm.ai/benchmarks/videoMmmu. Нативно видео обрабатывает только Gemini — до часа или ссылка на YouTube. Остальные — только покадровый Vision.
Как вызывать
Картинки — универсальный OpenAI-формат, работает везде. image_url в чат-запросе принимают OpenAI, Anthropic, Gemini, Qwen, Grok. Один и тот же код, разный base_url и api_key.
Транскрибация — многие провайдеры поддерживают OpenAI-формат: напрямую /v1/audio/transcriptions или input_audio через /v1/chat/completions). Но у лидера ElevenLabs Scribe v2: собственный SDK, не совместим с OpenAI-форматом
Видео — тут единого API нет. У OpenAI видеофайл в Chat Completions не принимается. Gemini поддерживает видео-понимание через нативный API.
В НАСА выпустили сервис, в котором можно собрать своё имя из кусочков Земли — Your Name in Landsat. В сервисе буквы ищутся прямо в снимках со спутников программы Landsat. Работает просто: вводите своё имя, и сервис собирает его из реальных ландшафтов из космоса.
Компания Mbryonics получила почти 19 млн долларов от Европейского космического агентства (ЕКА) по программе HydRON (оптических и квантовых коммуникаций). Программа подразумевает тестирование межспутниковой лазерной связи и передачи данных в оптическом диапазоне между космическими аппаратами и наземными станциями. Почему лазер становится нормой в космосе?
Сразу скажем, что для космоса 19 млн долл. — сумма не очень большая, скорее, ЕКА стимулирует исследования в области, в которой отстаёт. Тесты лазерной связи проходят с 1990-х годов, но с 2020 года о её использовании заявили операторы многоспутниковых группировок США, Китая и России. В Европе же были только тесты в одиночных миссиях.
Планируется добиться скорости в 1 Тбит/с. Это больше, чем в тех же Starlink и Amazon LEO, но не стоит забывать, что для Mbryonics это единичный эксперимент, а у того же Starlink пусть и в 10 раз медленнее, но связываются 10 000 спутников. Так что не впечатляет.
Гораздо интереснее, что лазерная связь Mbryonics должна объединить спутники разных производителей на разных орбитах, а также обеспечить их связь с Землёй — фактически стать универсальным средством связи. В текущих многоспутниковых группировках она обычно используется для связи между спутниками. Хотя примеры связи «космический аппарат — Земля» были, тот же Orion в миссии «Артемида-2».
Потенциально лазерная связь имеет перед радиоволнами два преимущества. Максимально достижимая пропускная способность лазера на порядки выше, чем у радиоизлучения. Сейчас электроника стала достаточно компактной, чтобы реализовать это преимущество. Кроме того, оптический диапазон позволяет реализовать квантовое шифрование, которое делает доступными абсолютно защищённые линии связи на любых расстояниях. Законы квантовой физики гарантируют, что подключение к ней хакера будет замечено абонентами — важное свойство в современном мире, полном киберопасностей.
В результате применение лазерной связи вместо радио поднимет скорость передачи информации, поможет обеспечить защищённую связь — в целом логичное направление развития для ЕКА и ЕС в целом. Главное — реализовать, а то пока европейская система низкоорбитальной связи OneWeb не имеет лазерной межспутниковой связи и заметно проигрывает по характеристикам сети Starlink.
Neuralink показала, как парализованные пациенты могут управлять роботизированными руками исключительно с помощью мыслей и технологий компании. В основе решения Neuralink лежит имплантируемый чип, который считывает нейронные сигналы мозга и преобразует их в команды для внешних устройств. Пользователю достаточно «подумать» о движении роботизированной руки, а система выполняет это действие, без использования голоса, жестов или дополнительных контроллеров.
Поздний ужин и утечка концентрации: как еда на ночь снижает частоту вашего процессора
Я не врач, и этот текст не является прямой медицинской рекомендацией. Ниже — разбор свежих исследований по нейробиологии (в частности, из Frontiers in Nutrition) и системный подход к метаболизму. Прежде чем внедрять такие «патчи» в свой режим, проконсультируйтесь со специалистом и сдайте базовые анализы.
Знакома ситуация, когда после ночного дедлайна с перекусами утро начинается в режиме «овоща»? Проблема не только в недосыпе, а в конфликте систем. Когда вы едите поздно, пищеварительный тракт переходит в состояние бодрствования, требуя энергии и метаболической активации. Это повышает температуру тела и частоту сердечных сокращений в то время, когда организм должен уходить в глубокое восстановление.
Основные «баги» позднего питания:
Инсулиновый лаг: вечером чувствительность к инсулину падает на 17–27% по сравнению с утром. Углеводы усваиваются хуже и с большей вероятностью уходят «в своп» (жировые депо).
Сбой циркадных ритмов: поздняя еда задерживает секрецию мелатонина, увеличивая задержку засыпания (sleep latency) и сокращая фазы глубокого и REM-сна.
Метаболический шум: еда в пределах 3 часов до сна приводит к частым ночным пробуждениям и снижению качества сна, что на следующий день выливается в когнитивную заторможенность.
eTRE (Early Time-Restricted Eating) — это стратегия питания, ограниченная по времени, при которой все приемы пищи переносятся на ранние часы дня. Обычно приемы пищи ограничиваются интервалом в 6–8 часов, например, с 08:00 до 16:00. В остальное время (16–18 часов) допускается только потребление воды.
Механика: eTRE и апгрейд нейронных магистралей
Решение кроется в eTRE (Early Time-Restricted Eating) — ограничении окна питания ранними часами (например, с 08:00 до 16:00). Это не просто диета, а способ синхронизировать метаболизм с циркадным «дирижером» организма.
Согласно свежим данным МРТ-исследований, такой режим за месяц проводит реальный апгрейд «железа» в голове:
Укрепление белого вещества. Улучшается целостность волокон в левой передней таламической лучистости (ATR_L). Этот тракт соединяет таламус с префронтальной корой, отвечая за скорость передачи данных и когнитивный контроль.
Оптимизация коры (DLPFC). Наблюдается адаптивное истончение правой дорсолатеральной префронтальной коры. В данном контексте это не деградация, а синаптический прунинг — удаление неэффективных связей, что делает работу мозга более точной и быстрой.
Метаболическая гибкость. Стабильный уровень глюкозы и снижение инсулинорезистентности создают идеальную среду для нейронной пластичности и памяти.
Исследование на группе мужчин с метаболическим синдромом показало впечатляющие результаты всего за 4 недели работы в окне 08:00–16:00:
Метаболические метрики: значительное снижение веса, ИМТ и индекса HOMA-IR (маркер инсулинорезистентности).
Когнитивные тесты:
Память: рост показателей немедленного и отсроченного воспроизведения по тесту RAVLT.
Исполнительные функции: сокращение времени выполнения теста TMT-B, что говорит о лучшей переключаемости внимания и планировании.
Processing Speed: улучшение средней скорости реакции при обработке информации.
Структура мозга: изменения в толщине коры DLPFC на 60% объяснили прогресс в долгосрочной памяти участников.
Вывод: питание как часть когнитивного стека
Циркадное питание — это не про ограничения в еде, а про управление временем (scheduling). Перенос основного объема калорий на первую половину дня позволяет организму тратить ресурсы не на ночное пищеварение, а на консолидацию памяти и очистку мозга.
TL;DR для тех, кто проскроллил:
Окно 8/16: старайтесь закрывать окно питания к 16:00–17:00. Это дает максимальный буст памяти и концентрации.
Завтрак — это база: регулярный завтрак защищает от когнитивного снижения.
Правило 3 часов: минимум 3 часа между последним куском еды и сном, чтобы не сломать фазы глубокого сна.
Вечерний конфиг: если приходится есть поздно, выбирайте белок и клетчатку (рыба + овощи), исключая быстрые углеводы.
Китайский фуд-блогер Цай Нань сделал прозрачные жареные куриные крылья. Он даже смог сохранить оригинальный вкус и хруст. Кости повар сделал из коллагена и геля. Мясо Нань превратил в жидкость и заново восстановил структуру, а также сверху добавил прозрачную хрустящую оболочку с помощью техник молекулярной гастрономии.
Игра в имитацию сновидений для быстрого засыпания.
Знакомая ситуация: вы закончили работу над сложным багом в 2 часа ночи, легли в постель, но мозг отказывается переходить в режим Standby. Вместо сна вы прокручиваете циклы кода, планируете завтрашние задачи или ведете воображаемые споры в комментариях. Обычные советы вроде «считайте овец» часто не работают...
Когнитивный шаффл — это способ «обмануть» регуляторы сна в мозгу, заставляя его обрабатывать случайные визуальные образы. Это переводит систему из аналитического режима в режим «микро-снов», характерный для засыпания.
Механика: что такое когнитивный шаффл?
Метод когнитивного шаффла (или «серийного разнообразного воображения» — SDI) был разработан доктором Люком П. Бодуэном из Университета Саймона Фрейзера.
Архитектура метода строится на теории «сомногенной обработки информации». Суть в том, что бессонница часто вызвана зацикливанием на тревожных или аналитических мыслях, которые держат мозг в состоянии боевой готовности. Шаффл действует как дефрагментатор: он заставляет мозг генерировать серию случайных, эмоционально нейтральных образов.
Имитация микро-снов: метод имитирует естественный процесс «гипнагогического менталитета» — хаотичных образов, которые возникают у нас прямо перед засыпанием. Мозг воспринимает этот хаос как сигнал к отключению.
Блокировка тревоги: случайные образы занимают «рабочую память», не давая ей обрабатывать стрессовые сценарии.
Нейтральность: в отличие от планирования или счета, визуализация случайных предметов не вызывает эмоционального отклика.
Алгоритм (Step-by-step)
Выберите «seed-слово»: Оно должно состоять минимум из 5 букв, быть эмоционально нейтральным и не содержать повторяющихся букв (например, «КВАРТАЛ»).
Возьмите первую букву (например, К) и придумайте слово на эту букву, которое легко визуализировать (например, «КАКТУС»).
Визуализируйте этот предмет в течение нескольких секунд и переходите к следующей букве.
Когда слова на текущую букву закончатся или вам станет скучно, переходите к следующей букве вашего "seed-слова".
Важно: если слово вызывает у вас стресс (например, «Проект» или «Правки»), просто пропустите его и переходите к следующему. Обычно люди засыпают, не дойдя даже до третьей буквы.
Метод может не подойти в следующих случаях:
Афантазия: неспособность визуализировать образы.
ADHD: Некоторым людям с СДВГ сложно удерживать фокус даже на случайных словах.
Критическая усталость: если вы слишком вымотаны, чтобы даже придумывать слова, метод может вызвать раздражение.
Когнитивный шаффл — это способ «обмануть» регуляторы сна в мозгу, заставляя его обрабатывать случайные визуальные образы. Это переводит систему из аналитического режима в режим «микро-снов», характерный для засыпания.
Алгоритм: Слово > Буква > Серия визуализаций на эту букву > СОН.
В Японии представили спортивную визуальную систему Fencing Visualized, которая в с помощью ИИ в режиме реального времени отслеживает движение шпаг и спортсменов на дуэлях, рисуя их цветные шлейфы. Технология работает через компьютерное зрение без датчиков и маркеров. Дополнительно система распознаёт приёмы фехтовальщиков и показывает их на экране.
ИИ это – это все понимают по-разному в силу своей осведомлённости и понимания. Можно ли считать проявлением ИИ и называть умным устройством смартфон (умный телефон). Очевидно, что это средство автоматизации (упрощения и ускорения) каких-то житейских процессов. Конечно, удобно получать подсказки по ходу ввода текста или напоминания о днях рождения, но причём здесь ум.
Удобно ли получать рекомендации от браузера (типа зацелую до смерти), вопрос спорный. Идея это по большей части коммерческая, навязывающая услуги и мнения. Логичней умный интерфейс браузеров именовать хитрым.
Считать ли умным трамвай обученный ездить без вагоновожатого, и является ли это проявлением интеллекта, не думаю.
Нейросети часто отождествляют с генеративными трансформерами, но это далеко не так, хотя одно базируется на другом. Генерация трансформерами текстов и изображений впечатляет, но где здесь интеллект, когда это, просто хитроумная комбинаторика. Ничего нового трансформеры предложить не могут, поскольку всего лишь аккумулируют известное. Как инструмент систематизации вещь весьма полезная, но интеллект ли это? К тому же разметка данных для нейросетей и разбиение в трансформерах задач на подзадачи вещь во многом субъективная (частично или полностью запрограммированная человеком).
Очевидно, информационные технологии способны во многом заменить человека, как когда-то ткацкие станки заменили ручное ткачество, но есть один нюанс. Если сломается ткацкий станок его можно починить, или, как минимум, снова заняться ручным ткачеством. А вот, что делать, если откажет «ИИ», а люди уже разучились думать и носители знаний канули в лету?
И ещё. Генерация контента, ситуационное распознавание, управление роботами и тому подобные задачи, которые нынче принято отождествлять с проявлениями искусственного интеллекта – лишь малая часть того, что необходимо человеку. Успешность продвижения ИИ во многом определяется не столько полезностью, сколько зрелищностью.
P.S.
Сможет ли ИИ выжить без электричества? А ведь перспектива не такая уж и призрачная…
P.P.S.
Менее всего хотелось бы, чтобы данный пост воспринимался, как очередной скепсис по поводу искусственного интеллекта. Просто не стоит отождествлять нынешние полезные и нужные информационные технологии с интеллектом, и уж точно не с умом.
В Пекине андроид «Молния» выиграл полумарафон на 21 километр, показав время 50 минут 26 секунд. «Молния» превзошёл мировой рекорд людей — 57 минут и 20 секунд. Его установил угандийский легкоатлет, бегун на средние и длинные дистанции Якоб Киплимо в марте этого года. В забеге участвовали около 12 тысяч бегунов и порядка 300 роботов. При этом у роботов есть дополнительное ограничение: каждая замена аккумулятора во время дистанции автоматически добавляет 10 штрафных минут к итоговому времени.
К сожалению, форматы API у всех отличаются и обладают своей спецификой. А нам это неудобно, так как мы точно захотим экспериментировать с разными моделями и сервисами.
Но, к счастью, OpenAI был впереди планеты всей, и его формат стал стандартом де-факто.
Поэтому начните с интерфейса OpenAI, возьмите провайдер Openrouter. Изучите спецификацию, форматы сообщений, поэкспериментируйте с системным промптом, параметрами генерации, потоковым выводом. Изучите мета-информацию в ответе — количество токенов, время генерации.
Обязательно разберитесь со структурированным выводом: это когда модель возвращает не просто текст, а JSON строго по вашей схеме. В агентных пайплайнах без этого никуда — именно так агенты передают данные друг другу и вызывают инструменты.
Сгенерируйте своего первого ИИ-ассистента, благо кодовые агенты отлично умеют генерировать код для OpenAI-библиотек. Изучайте основы, не гонитесь сразу за фреймворками верхнего уровня — с ними познакомимся позже.
Intel создаст космические процессоры для Илона Маска?
Компания Intel объявила, что поможет Илону Маску создать TerraFab — производство чипов для всех компаний миллиардера: SpaceX, Tesla и xAI. Одна из главных целей — создавать чипы для космических дата-центров, а также для земных проектов Маска. Реален ли такой союз?
Intel погрязла в неудачах с модернизацией своего производства, она пропускает технологические циклы, медленнее миниатюризирует свои чипы, из-за этого они выходят медленнее и горячее, чем у конкурентов. Казалось бы, зачем аутсайдер Илону Маску?
Дело в том, что самые современные чипы по техпроцессу 2 нм выпускаются на Тайване, на TSMC, и мощности расписаны на год вперёд между Apple, Nvidia и другими поставщиками, которым здесь и сейчас нужны 100-миллионные объёмы. С другой стороны, обещанные Илоном Маском космические дата-центры не требуют самого современного техпроцесса: на орбите повышенная радиация, и несколько большие по размеру чипы, скорее всего, лучше её перенесут. Правда, большие по размеру и тепловыделению чипы будут весить больше и потребуют более массивной системы охлаждения. Но дата-центры — это в любом случае настолько тяжёлые элементы инфраструктуры, что ни одна современная ракета не сможет их вывести за приемлемые деньги, тут расчёт может быть только на запуск в серию Starship, который будет доставлять продукцию Илона Маска на орбиту на порядок-два дешевле текущих 5000 долларов за килограмм. Если не получится снизить себестоимость вывода в космос полезной нагрузки, то масштабные дата-центры на орбиту выводить никто не будет.
Для автопилота (Tesla) и моделей ИИ (xAI) желательно иметь самые современные чипы, но тут небольшое отставание в техпроцессе будет компенсировано тем, что компании Илона Маска станут первоочередным партнёром для Intel. Компания последние 5 лет старается найти клиентов на стороне, но ей явно не хватает инновационного задора Маска, чтобы сделать свои технологии привлекательными.
При таком раскладе останется доволен и Дональд Трамп, так как основные производственные фабрики Intel находятся в США, а значит, рабочие места и производство не покинут страну. Осталось, чтобы сложились все «если», которых в этой ситуации предостаточно.
Не прошло и полвека: что даст человечеству новый облёт Луны 🌖
11 апреля завершилась миссия «Артемида-2», в которой человечество впервые за долгое время улетело за пределы околоземной орбиты. В предыдущий раз оно так далеко удалялось во время миссии «Аполлон-17» — последней высадки астронавтов на Луну в 1972 году. Кажется, что за 54 года технологии ушли далеко вперёд и «Артемида-2» — лёгкая прогулка, но на самом деле это жёсткое испытание — финансовое, менеджерское и технологическое.
Финансы
Лунная программа «Аполлон» в 60–70-х годах ХХ века обошлась примерно в 150 млрд долларов с учётом инфляции. Новая программа «Артемида» тянет примерно на 90 млрд. Кажется, это логично с учётом того, как далеко вперёд шагнули технологии.
Однако стоит учитывать, что инфляция отражает подорожание некоей обобщённой потребительской корзины и не способна отразить крупные структурные изменения. Например, во времена первых полётов на Луну полупроводники только начинали искать себе ниши в мире компьютеров на электронных лампах. По сути, любой из iPhone, которые астронавты могли бы взять в полёт, мощнее всех компьютеров на Земле и на корабле в 1972 году. Но это не значит, что на электронике удалось сэкономить: центр управления полётами и корабль оснащены современными вычислительными средствами, которые позволяют проводить расчёты на новом уровне и решать в полёте сотни новых задач.
Менеджмент
В общем, подсчёт финансов — дело нелинейное, а тут ещё вмешиваются идеология и менеджмент. В 1960-х всей стране было важно опередить СССР за счёт лунной программы «Аполлон», а в случае с «Артемидой» сотрудники и подрядчики во многом заинтересованы в коммерческой выгоде. Хотя NASA пыталось сэкономить, применив в новой сверхтяжёлой ракете SLS двигатели RS-25 и другие элементы от челноков Space Shuttle, бюджет программы уже в несколько раз превысил первоначальный, а сроки затягиваются на годы.
Технологии
Технологии за полвека значительно продвинулись, но стоит понимать, что огромный скачок сделала в первую очередь электроника, а у ракетных двигателей усовершенствования куда скромнее. Например, запуск новой ракеты SLS показал, что водородные двигатели остаются непредсказуемыми: старт несколько раз откладывался из-за утечек чрезвычайно летучих водорода и гелия.
Взять и запуститься на том, на чём летали в 1972 году, тоже малореально. Это всё равно что пытаться сейчас собрать ЭВМ на электронных лампах: поднимать секреты создания, масштабировать производство, заново учитывать особенности расчётов. Вот и с космической техникой так — скопировать старое один в один не получится, приходится проектировать заново. Да, из более технологичных компонентов, но не обязательно из более дешёвых.
Кроме того, добавляются новые технологии: корабль Orion больше предшественника и рассчитан на 4 человек вместо 3. Он имеет лазерную связь с Землёй, которая гораздо быстрее радиопередачи. Даже постоянно ломающийся туалет — вроде бы мелкое улучшение, но насколько он комфортнее памперсов, которыми полторы недели пользовались первые покорители Луны.
Современная миссия по высадке на Луну может быть не такой грандиозной, как полвека назад, но по-прежнему остаётся сложнейшим технологическим проектом, который показывает, что гений человечества способен преодолевать любые проблемы.
НАСА показало осмотр астронавтами миссии «Артемиды II» своего космического корабля «Орион» — который они назвали Integrity — в палубном отсеке эсминца ВМС США USS John P. Murtha после приводнения. В НАСА опубликовали в открытом доступе подборку фотографий доставки спускаемой капсулы на корабль, включая её состояние после полёта на Луну.
Представлен сервис DeathByClawd, который показывает, заменит ли ИИ конкретный продукт или сервис уже сейчас. Достаточно ввести название — получаете «Death Score» от 0 до 100. Чем выше балл, тем легче нейросеть сделает то же самое.
