ხუთშაბათი, 1 ოქტომბერი 2026
შეზღუდვების გარეშე — სანდოთა ვიწრო წრისთვის
Google-მა ახალი მოწინავე მოდელი დამცავი კიბერშეზღუდვების გარეშე გადასცა — რჩეულებს
ოთხშაბათს Google-მა Gemini 4 Argon გამოაცხადა და „მოწინავე ინტელექტის ახალ ეპოქად“ წარადგინა: მოდელი, რომელიც გრძელ, მრავალნაბიჯიან ამოცანებზე ღრმა მსჯელობისთვისაა აწყობილი — რთული კოდი, ცოდნაზე დაფუძნებული კორპორაციული სამუშაო და კიბერთავდაცვა. ციფრები კონკრეტულია. გამომავალი ტოკენების ზღვარი 64 000-დან 1 მილიონამდე გაიზარდა. DeepSWE v1.1-ზე მოდელს 77.9% აქვს, Claude Opus 5.5-ის 74.2%-ისა და GPT-6 Astra-ს 74.1%-ის პირისპირ. CWE-bench v1-ზე — ეს მოწყვლადობების გამოსწორების ტესტია — 68%-ით პირველ ადგილს იყოფს. შემავალ მილიონ ტოკენზე საწყისი ფასი 2 დოლარია, გამომავალზე 10; მოგვიანებით 4 და 20, ქეშირებულ შემავალზე კი 95%-იანი ფასდაკლება. ორჯერ წასაკითხი მაინც დაშვების გეგმაა. წვდომა პირველად Fairwind Program-ის გავლით მიდის — აშშ-ის სამთავრობო მომხმარებლებთან და „სანდო კიბერდამცველებთან“ — და Google ამბობს, რომ ამ ტესტერებს, საკუთარ შიდა გუნდებთან ერთად, მოდელს დამცავი კიბერშეზღუდვების გარეშე გადასცემს — სწორედ იმისთვის, რომ მოდელმა სრული ძალით მოძებნოს, დაადასტუროს და გაასწოროს მოწყვლადობები. ორი დღით ადრე სუნდარ პიჩაი თეთრ სახლში იდგა და ერთგვერდიან შეთანხმებას ხელს აწერდა, რომლითაც კომპანია ვალდებულებას იღებს, საკუთარ მოდელებს კიბერ-, ბიო- და ქიმიური საფრთხეების კუთხით ადევნოს თვალი. ორივე სიმართლეა და ერთმანეთს აუცილებლად არ ეწინააღმდეგება. ოღონდ ორივე ერთსა და იმავე კვირაში მოხდა.
პენტაგონი ავტონომიური ომისთვის ოთხვარსკვლავიან სარდლობას აარსებს
თავდაცვის მდივანმა პიტ ჰეგსეტმა ოთხშაბათს, კვანტიკოს საზღვაო ქვეითთა ბაზაზე წარმოთქმულ გამოსვლაში გამოაცხადა AUTOWARCOM — ავტონომიური ომის სარდლობა, ახალი ოთხვარსკვლავიანი საბრძოლო სარდლობა „სამხედრო სახეობის მსგავსი უფლებამოსილებებით“, რომელიც ავტონომიური და რობოტული შესაძლებლობების მასშტაბირებას იკისრებს შეიარაღებული ძალების მთელ სისტემაში. მას კონგრესის თანხმობა სჭირდება და სრულად მხოლოდ 2027 წლის 1 ოქტომბრიდან ამოქმედდება, ამიტომ დღეს არსებული რეალობა გარდამავალი პროექტია: Project Agincourt, რომელსაც პენტაგონის უპილოტო სისტემების პორტფელის ოფისი უძღვება — აღმასრულებელი ხელმძღვანელი — თავდაცვითი ინოვაციების სამსახურის უფროსი ოუენ ვესტი, ოპერაციული ხელმძღვანელი კი საზღვაო ძალების სპეცრაზმელი (Navy SEAL) მაქს სტრასისერი. სიახლე თავად ორგანიზაციული ფორმაა და არა დრონები. პროგრამის გაუქმება შეიძლება, დროებითი ჯგუფის დახურვაც; საბრძოლო სარდლობა სამხედრო სახეობის მსგავსი უფლებამოსილებებით კი ის კონსტრუქციაა, რომელსაც ამერიკული სამხედრო სისტემა მაშინ ირჩევს, როცა საქმის მუდმივად კეთებას აპირებს — საკუთარი ბიუჯეტითა და საკუთარი ოთხვარსკვლავიანი გენერლით, რომელიც ამ ბიუჯეტისთვის იბრძოლებს.
Gartner-ის პროგნოზი: კომპანიების უმრავლესობა მიატოვებს აგენტებს, რომლებიც მომწოდებლებმა ააწყვეს მათთვის
ორი წლის შემდეგ შესამოწმებელი პროგნოზი: 2028 წლისთვის, Gartner-ის შეფასებით, საწარმოების 70% მიატოვებს აგენტურ AI-ს, რომელიც მომწოდებლის „წინ გაწეული ინჟინერიის“ (forward-deployed engineering, FDE) მოდელით აიგო — ეს ის მიდგომაა, როცა მომწოდებლის ინჟინრები უშუალოდ კლიენტთან, ადგილზე აწყობენ და ნერგავენ სისტემას. არგუმენტაცია მარტივია და მყისიერად ნაცნობი ყველასთვის, ვისაც ოდესმე სხვისი დაწერილი კოდი ჩაბარდა: ძლიერ მორგებული დანერგვები შენახვაში ძვირი ჯდება, ძნელად მასშტაბირებადია და მართვა რთული აქვს, კლიენტი კი მათ განვითარებას ვერ ახერხებს იმ ადამიანების გარეშე, რომლებმაც დაწერეს. Gartner ცალკე ასახელებს პრაქტიკას, რომელსაც „FDE washing“-ს უწოდებს: ჩვეულებრივი დანერგვის, პროფესიული სერვისებისა და კონსულტაციის სამუშაო, რომელსაც „წინ გაწეულ ინჟინერიად“ გადაარქვეს სახელი, რათა გაემართლებინათ პრემიუმ-ანაზღაურება შესრულების შესაბამისი სიღრმის გარეშე. უფროსი დირექტორ-ანალიტიკოსის, მუკულ საჰასის, რეკომენდაცია ტექნოლოგიაზე უფრო ქაღალდებს ეხება: „FDE-ის წარმატება სწორი სახელშეკრულებო სტრუქტურით იწყება — მოცულობიდან და წახალისებიდან მართვამდე, მფლობელობამდე და გარიგებიდან გასვლამდე.“ ამ ჩამონათვალიდან ოთხი რამ პილოტის დაწყებამდე უნდა შეთანხმდეს. მეხუთის ხსენება კი საწყის შეხვედრაზე არავის უნდა.
DeepMind-მა ხელოვნური ინტელექტით შექმნილ ცილებში წყალნიშანი ჩადო — და ის ფიზიკურ მოლეკულამდეც აღწევს
ასევე ოთხშაბათს და ასევე Google-იდან, Nature-ში გამოქვეყნებული: SynthID Bio — ორი მეთოდი, რომლებიც AI-ით დაპროექტებულ ცილებს ისე აღნიშნავს, რომ მათი წარმომავლობა მიკვლევადი გახდეს. მიმდევრობებისთვის ProteinMPNN-ის SynthID Bio-ვერსია გენერაციის დროს ამინომჟავების არჩევანს ოდნავ ცვლის და ხელმოწერას ცილის საკუთარ კოდში მალავს; DeepMind-ის AlphaProteo-სთან წყვილში, სამი რეალური სამიზნის წინააღმდეგ ჩატარებულმა ლაბორატორიულმა ექსპერიმენტებმა — VEGF-A, SARS-CoV-2-ის სპაიკ-ცილის რეცეპტორდამკავშირებელი დომენი და PD-L1 — აჩვენა, რომ წყალნიშნიანი დიზაინები ნიშნის გარეშე ვარიანტებს არ ჩამორჩა არც მოხვედრის მაჩვენებლით, არც შეკავშირების აფინურობით და არც მიმდევრობათა მრავალფეროვნებით. სტრუქტურებისთვის AlphaFold 3-ის დიფუზიური ქსელის ნაწილის დამატებითი წვრთნა ნიშანს თავად წონებში ჩაწნავს, ისე, რომ ნიშანს პროგნოზირებული კოორდინატები ატარებს — მიუხედავად იმისა, ვინ გაუშვებს მოდელს. სამიზნე მომხმარებელი მკითხველი არ არის, არამედ სკრინინგის ჩამტარებლები: კომპანიები, რომლებიც შეკვეთით DNA-ს სინთეზირებენ და რომლებიც ავტომატურ სიგნალს მიიღებენ, რომ მიმდევრობა დამცავი მექანიზმებით აღჭურვილი მოდელიდან მოვიდა. DeepMind ზღვარზეც პირდაპირ საუბრობს: განზრახ გაყალბებისადმი მდგრადობა გადაწყვეტილი არ არის და წყალნიშნებს თან უნდა ახლდეს წარმომავლობის ჩანაწერები და ცენტრალური საცავები. მართლაც ახალი სწორედ პირველი ნაწილია: ნიშანი იკითხება მაშინაც, როცა დიზაინი ფაილი აღარაა და ფიზიკურ მოლეკულად იქცევა.