Nissan підготував спеціальну версію Pathfinder 2027 модельного року до 40-річчя моделі. Головна особливість ювілейного автомобіля — бордові сидіння та двоколірний салон. Однак повертатися до дизайну першого Pathfinder компанія не стала: сучасний трирядний позашляховик залишився практично без технічних змін. Що Nissan змінив у ювілейному Pathfinder Спеціальна версія отримала назву Pathfinder Special Edition. Її створили на честь моделі, історія якої почалася 1986 року. Найпомітніші відмінності зосереджені в оформленні. Салон оздобили бордовою оббивкою сидінь і контрастними кольорами, а зовні встановили чорні 20-дюймові колісні диски та додали декоративні елементи. При цьому кузов залишився без змін. Nissan не став відтворювати зовнішність першого Pathfinder, який мав дводверне компонування. Ювілейна версія зберегла сучасний формат сімейного позашляховика з трьома рядами сидінь. Про новинку повідомляє NNews із посиланням на Autoblog. Чому ювілейна версія не стала ретроавтомобілем 40-річчя моделі могло стати приводом для масштабнішого повернення до витоків. Проте Nissan обрав інший підхід: замість відтворення старого кузова компанія обмежилася стилістичними змінами в актуальному автомобілі. Це важлива відмінність. Pathfinder Special Edition — не нове покоління і не технічно модернізований позашляховик. Його основне завдання — виділити ювілейну модифікацію серед інших версій моделі. Що залишилося під капотом Технічна частина не змінилася. Автомобіль оснащений атмосферним бензиновим двигуном V6 об’ємом 3,5 літра, який розвиває 284 к. с. і 351 Н·м крутного моменту. Двигун працює в парі з дев’ятиступінчастою автоматичною коробкою передач. Для моделі передбачений опційний повний привод Intelligent 4WD із сімома режимами руху. Максимальна дозволена маса причепа для відповідної комплектації становить 2,7 тонни. Для інших версій лінійки базовий показник починається з 1,6 тонни. Оцінка витрати пального, наведена оглядачем Autoblog, становить приблизно 10,7 л на 100 км. Водночас автор не проводив повноцінного тестування автомобіля, тому цей показник не варто сприймати як результат незалежного вимірювання. Які технології отримав позашляховик Ювілейний Pathfinder зберіг оснащення, орієнтоване на сімейні поїздки та щоденне використання. До стандартного обладнання належать: сенсорний дисплей діагоналлю 12,3 дюйма; бездротові Apple CarPlay та Android Auto; порти USB-C; комплекс систем допомоги водієві Safety Shield 360; система попередження про фронтальне зіткнення. За додаткову плату доступна аудіосистема Bose. Окрема деталь стосується пасажирів із дітьми. Система LATCH AND GLIDE дає змогу відсунути сидіння другого ряду для доступу до третього, навіть якщо на другому ряду встановлене сумісне дитяче крісло. Для сімейного автомобіля це практичніше, ніж декоративні зміни в салоні. Чи відчувається різниця під час руху За результатами короткої поїздки, описаної Autoblog, поведінка Pathfinder на дорозі не відрізняється від інших версій моделі. Оглядач також зазначив, що оформлення інтер’єру за відчуттями наближає автомобіль до Infiniti QX60 — трирядного позашляховика преміального бренду. Однак це суб’єктивне враження від салону, а не свідчення технічної спорідненості конкретної ювілейної комплектації. 💡 Цікаво знати Перший Nissan Pathfinder з’явився у 1986 році як дводверний позашляховик. За чотири десятиліття модель перетворилася на трирядний автомобіль, орієнтований також на сімейне використання. Саме ця зміна найкраще пояснює різницю між початковою концепцією Pathfinder і сучасною версією: ювілей відзначає ім’я та історію моделі, а не повернення до її первісної конструкції. ❓ Скільки коштуватиме Nissan Pathfinder Special Edition 2027 року На момент публікації Nissan не оголосив ціну спеціальної версії. Тому поки що неможливо точно визначити, наскільки ювілейне оформлення здорожчить автомобіль порівняно з іншими комплектаціями. Головна особливість новинки вже зрозуміла: це спосіб відзначити 40-річчя Pathfinder без зміни його технічної основи. Для покупця вибір залежатиме від того, чи варті особливий салон і чорні диски доплати, розмір якої поки невідомий.

OpenAI вирішила взятися за одну з найскладніших проблем фармацевтики — затримки під час розробки ліків. Компанія придбала Orchestra Bio, платформу для координації розробки препаратів, яка має допомогти фармацевтичним командам краще керувати клінічними дослідженнями та іншими етапами роботи. Але є нюанс: поки що OpenAI не назвала жодних показників, які підтверджували б, що ця технологія справді скоротить шлях від лабораторії до аптеки. Що придбала OpenAI 20 жовтня 2026 року видання, яке опублікувало першоджерело, повідомило про придбання Orchestra Bio компанією OpenAI. Команда та технології платформи мають приєднатися до Rosalind — ініціативи OpenAI, орієнтованої на дослідження в галузі наук про життя. Orchestra Bio спеціалізується на управлінні складними процесами розробки ліків. Її платформа допомагає відстежувати прогрес, координувати роботу різних команд і визначати, як зміни в одному завданні впливають на інші етапи проєкту. Це відрізняється від використання ШІ безпосередньо для пошуку нових молекул або пояснення біологічних процесів. OpenAI хоче допомогти не лише знаходити потенційні препарати, а й організовувати роботу, необхідну для їхнього подальшого розвитку. Чому навіть перспективні ліки можуть затримуватися на роки Розробка нового препарату у США зазвичай займає від 10 до 15 років — від пошуку перспективної біологічної мішені до отримання регуляторного схвалення. Причина не лише в складності науки. Під час розробки потрібно узгоджувати роботу різних команд, контролювати численні етапи та враховувати залежність між ними. Наприклад, якщо виробнича партія не відповідає вимогам, клінічне дослідження може довестися відкласти. Тоді команді потрібно визначити, які наступні завдання також змістяться в часі, які ресурси доведеться перерозподілити та чи можна обмежити наслідки затримки. Саме на таких проблемах і зосереджена Orchestra Bio. Іноді складність полягає не в тому, щоб отримати науковий результат, а в тому, щоб організувати десятки взаємопов’язаних процесів без зайвих втрат часу. Як ШІ може допомогти фармацевтичним компаніям Платформа Orchestra Bio використовує ШІ-агентів для збору інформації про перебіг робіт, визначення завдань, на які вплинула затримка, та оцінювання можливих варіантів реагування. Якщо спростити, це нагадує систему управління великим проєктом, яка не просто показує, що певний етап відстає від графіка, а допомагає з’ясувати, які інші завдання залежать від нього. Такі інструменти можуть зменшити час, який співробітники витрачають на збирання оновлень із різних програм і систем. Вони також можуть завчасно сигналізувати про потенційні проблеми. Водночас рішення про наукову обґрунтованість результатів, безпеку препарату та подальші кроки розробки залишаються відповідальністю фахівців. ШІ має допомагати їм працювати з інформацією, а не замінювати експертну оцінку. Від пошуку молекул до управління розробкою Придбання Orchestra Bio доповнює вже наявні інструменти OpenAI для науки. Ініціатива Rosalind допомагає дослідникам працювати з питаннями біології та хімії. Модель GPT-Rosalind призначена для наукових міркувань, а Rosalind Workbench дає змогу взаємодіяти з науковими інструментами та даними. Orchestra Bio додає до цієї системи інший рівень — координацію роботи, необхідної для просування потенційного препарату. У теорії це має зв’язати окремі етапи в єдиний процес: від дослідницьких висновків до організації подальших робіт. Проте сама інтеграція технологій ще не гарантує швидшого отримання ліків. Фармацевтика вже експериментує зі штучним інтелектом OpenAI співпрацює з великими фармацевтичними компаніями, які шукають практичне застосування ШІ у дослідженнях і розробці препаратів. Зокрема, партнерство з Novo Nordisk спрямоване на вдосконалення досліджень, розробки та комерційних процесів із належним контролем. Moderna також використовує ШІ для перетворення складних наборів даних на експериментальні робочі процеси. Ці приклади показують, що інтерес галузі виходить за межі генерації наукових відповідей. Компанії прагнуть використовувати ШІ в повсякденній роботі дослідницьких команд. Однак потрібно розрізняти застосування технології та доведений результат. Сам факт використання ШІ не означає, що препарат швидше пройде випробування або отримає дозвіл на продаж. Що придбання Orchestra Bio може змінити Якщо технологія ефективно працюватиме в реальних фармацевтичних проєктах, команди зможуть швидше виявляти проблеми в графіках, оцінювати наслідки затримок і координувати роботу. Це потенційно допоможе зменшити операційні втрати часу. Але скорочення організаційних затримок — не те саме, що прискорення всього процесу створення ліків. Клінічні дослідження потребують часу для перевірки ефективності та безпеки препаратів. Регуляторні процедури також не можна просто скасувати за допомогою автоматизації. У матеріалі про придбання не наведено вимірюваних цілей OpenAI щодо скорочення термінів розробки ліків. Тому наразі говорити про конкретну кількість зекономлених місяців або років немає підстав. 💡 Цікаво знати Затримка одного етапу розробки може вплинути на цілий ланцюг наступних завдань. Наприклад, проблема з виробничою партією здатна відсунути клінічне дослідження, а це, своєю чергою, потребуватиме перегляду графіків пов’язаних робіт. Саме такі взаємозалежності й намагається впорядкувати Orchestra Bio. ШІ тут виступає не винахідником ліків, а інструментом управління складним процесом. ❓ Чи зможе OpenAI скоротити розробку ліків із 15 років до кількох років? Поки що таких доказів немає. OpenAI не оголосила вимірюваних цілей скорочення термінів після придбання Orchestra Bio, а ефективність платформи ще потрібно оцінити в реальних умовах. Найбільш обґрунтоване очікування — можливе зменшення затримок, пов’язаних із координацією робіт і передаванням інформації. Наскільки це вплине на загальний час розробки препаратів, наразі невідомо. OpenAI розширює роль штучного інтелекту у фармацевтиці: від допомоги в наукових дослідженнях до управління процесами, які перетворюють ідею на потенційні ліки. Але головний результат цієї угоди вимірюватиметься не кількістю автоматизованих завдань, а тим, чи вдасться реально зменшити затримки без компромісів щодо безпеки.

Питання «яка машина найкраща для фронту» поставлене неправильно, і це видно з перших же запитів від підрозділів. У них ніколи не йдеться про найкраще авто взагалі — йдеться про конкретну задачу: возити людей бездоріжжям, перекидати вантаж між точками, вивозити пораненого, обслуговувати техніку. Під кожну з цих задач підходить свій тип транспорту, і один не замінює інший. Проєкт Trucks4U працює саме із запитами такого типу: 211 автомобілів, переданих окремим підрозділам, і допомога 64 підрозділам та військовим частинам. Нижче — які категорії техніки запитують найчастіше й чому. Чому потреба не закривається одного разу Перед переліком типів варто пояснити, чому попит стабільний. Причин три, і вони працюють одночасно. Знос. Бездоріжжя, постійне навантаження й відсутність можливості робити плановий сервіс витрачають ресурс машини в рази швидше, ніж у цивільних умовах. Авто, яке в місті відходило б роками, тут іноді не витримує кількох місяців інтенсивної роботи. Бойові втрати. Техніка гине під обстрілами, ударами артилерії й авіації, від атак FPV-дронів, підривається на мінах. На відміну від поступового зносу, тут усе стається миттєво, і мова йде не про ремонт, а про повну заміну. Різноманіття задач. Машина, що ідеально підходить для перевезення особового складу, не годиться для медичної евакуації чи логістики вантажів. Тому підрозділу потрібен не один автомобіль, а різний за призначенням парк. Пікапи — найчастіший запит Якщо звести всі звернення, перше місце з відривом займає пікап. Причина в тому, що одна машина закриває кілька задач одразу: повний привід дає прохідність, високий кліренс рятує там, де легковик сяде на дно, а відкрита платформа приймає спорядження, інструменти, каністри з водою чи пальним. Показово, що в тій самій категорії працює й держава. У травні 2026 року Агенція оборонних закупівель оголосила через Prozorro тендер на 5 000 пікапів — нових, повнопривідних, з дизельними двигунами, очікуваною вартістю від 1,3 до майже 1,8 млн грн за машину залежно від комплектації. Серед моделей, які найчастіше передають волонтери, — Mitsubishi L200, Toyota Hilux, Ford Ranger, Nissan Navara. Але це орієнтир, а не обов’язковий перелік: стан конкретного екземпляра важить більше за марку на капоті. Позашляховики 4×4 Коли основна задача — перевезти людей складною місцевістю, а не вантаж, частіше потрібен повнопривідний позашляховик. Критерії вибору тут свої: справний повний привід, нескладний ремонт, дизельний двигун як простіший в обслуговуванні поза сервісом і реальна наявність запчастин в Україні. Окремо варто перевіряти саме роботу повного приводу, а не його формальну наявність у документах. Непрацюючий привід знецінює половину сенсу такої покупки, а виявляється це зазвичай уже в полі, коли щось виправити складно. Буси й мікроавтобуси Ця категорія закриває зовсім інший пласт роботи — логістичний. Перевезення групи людей, гуманітарних вантажів, обладнання. Просторий салон тут важливіший за прохідність, і саме тому бус часто стає тимчасовою базою для штабу, медичної групи чи ремонтної бригади: місце є і для людей, і для оснащення. Такі машини зазвичай і знаходяться швидше за пікапи, і коштують менше, тому цикл від запиту до передачі в цій категорії найкоротший. Евакуаційний і санітарний транспорт Окрема категорія з найвищою ціною помилки: від надійності такої машини залежить, чи встигнуть допомогти вчасно. Вимоги тут суворіші за все інше — надійність, прохідність, здатність швидко дістатися потрібної точки. Маршрути, конкретні місця застосування й тактичні деталі використання такої техніки волонтерські проєкти принципово не розкривають, і це питання безпеки людей. Спецтехніка, про яку згадують рідше Крім легкових авто й бусів, підрозділам потрібні вантажівки, тягачі, ремонтні машини, паливозаправники, а також маневрена техніка — багі, квадроцикли, мотоцикли. У фокус донорів ці категорії потрапляють рідко, хоча без них автопарк залишається неповним. Що важить більше за марку Незалежно від категорії, критерії оцінки повторюються: прохідність під конкретні умови, вантажопідйомність або місткість під задачу, ремонтопридатність у польових умовах і реальна доступність запчастин в Україні. Фактичний технічний стан тут важливіший за рік випуску — старша, але ремонтопридатна машина нерідко переживає новішу й примхливішу в обслуговуванні. Яке авто краще не пропонувати Не кожна машина, навіть на ходу, стане користю. Варто утриматися, якщо йдеться про авто після серйозного ДТП, із наскрізною корозією кузова чи рами, модель, до якої практично неможливо знайти запчастини, преміальний варіант зі складним і дорогим обслуговуванням, транспорт із юридичними обтяженнями або машину, що потребує серйозного ремонту ще до передачі. У таких випадках ресурс волонтерів краще спрямувати на інший варіант. Як з’являється конкретний запит У Trucks4U кожен автомобіль починається не з наявної машини, а з запиту від військової частини чи військовослужбовця: спершу потреба, потім пошук техніки під неї. Транспорт закуповують або залучають за кошти благодійників, партнерів і спільнот, а військові у фінансуванні власного авто участі не беруть. Після прибуття в Україну кожна машина проходить технічний огляд і необхідний ремонт на партнерських СТО й лише тоді потрапляє до підрозділу. Проєкт існує з 2022 року, а перші автомобілі брали участь у деокупації Харківської області. Той досвід і сформував принцип: щирих намірів мало без правильної оцінки техніки та продуманої логістики. Задача визначає машину, а не навпаки Найчастіше підрозділам потрібні пікапи, позашляховики, буси та спеціалізована техніка — але жоден із цих типів не є універсально найкращим. Усе залежить від конкретного завдання, і саме військова частина, яка подає запит, найкраще знає, чого їй бракує. А в межах будь-якого типу вирішальне значення має реальний технічний стан, а не марка чи рік випуску.

Ілон Маск продемонстрував Tesla Roadster, який не просто розганяється швидше за більшість суперкарів, а й виконує повітряні перевороти за допомогою газових рушіїв. Проте за ефектними трюками ховається головне питання: чи зможе Tesla перетворити цю технологію на серійний автомобіль, а не лише на видовищний прототип? Після майже дев’яти років очікування компанія представила три версії Roadster — від дорожньої до одномісної Rocket із системою для повітряних маневрів. Водночас заявлені характеристики суттєво відрізняються від обіцянок 2017 року, а незалежного підтвердження рекордного розгону поки немає. Що показала Tesla Під час демонстрації прототип Tesla Roadster заїжджав на рампу, перевертався догори колесами та перестрибував через інші автомобілі. Для виконання трюків використовували систему притискання до поверхні й газові рушії, розроблені за участю фахівців SpaceX. Як повідомляє NNews із посиланням на ITC.ua, Tesla також представила три конфігурації електромобіля: Performance, Thrust і Rocket. Вони відрізняються динамікою, оснащенням і призначенням. Найбільш незвичайна версія — Rocket. Вона розрахована на одного пасажира, має рушії по периметру кузова й, за заявою виробника, зможе розганятися до 97 км/год менш ніж за 0,59 секунди. Її максимальна швидкість має перевищити 370 км/год. Це поки заявлені характеристики Tesla, а не результати незалежних випробувань. Що здивувало найбільше: автомобіль може рухатися догори колесами Найефектніша частина демонстрації — не сам розгін, а спосіб, у який автомобіль утримується на поверхні. Tesla заявляє про Multi-Mode Suction System — систему, що створює розрідження повітря під днищем. Уявіть пилосос, який притягує предмет до поверхні. Принцип тут схожий: вентилятори відкачують повітря з-під автомобіля, а атмосферний тиск допомагає притискати його до рампи. За твердженням компанії, система здатна утримувати Roadster навіть догори колесами без руху. Для повітряних трюків використовують іншу технологію — холодногазові рушії. Вони викидають стиснений газ і створюють реактивну тягу, яка допомагає автомобілю прискорюватися, змінювати положення в повітрі та пом’якшувати приземлення. Однак це не означає, що Roadster зможе повноцінно літати, як літак. Демонстрація коротких стрибків і переворотів — зовсім інше завдання, ніж тривалий керований політ. Три версії Roadster: чим вони відрізняються Performance — дорожній електромобіль Двомісна версія з активною аеродинамікою та системою притискання. Tesla заявляє розгін до 97 км/год менш ніж за 1,6 секунди. Thrust — із додатковими рушіями Двомісна модифікація з додатковими задніми газовими рушіями. Заявлений розгін до 97 км/год — менш ніж за 0,9 секунди. Випуск буде обмеженим. Rocket — для екстремальних маневрів Одномісна конфігурація з рушіями по периметру кузова. Tesla обіцяє розгін менш ніж за 0,59 секунди та швидкість понад 370 км/год. Версію пропонуватимуть за запрошеннями, вона не матиме допуску до доріг загального користування. Різниця між модифікаціями не зводиться до потужності двигунів. Rocket фактично задумана як демонстрація можливостей технологій Tesla та SpaceX у межах автомобільної платформи. Чи справді Tesla розганяється до «сотні» за 0,59 секунди Тут є важливий нюанс. Під час живої демонстрації компанія заявила про розгін за 0,81 секунди. Пізніше Tesla назвала для версії Rocket показник менш ніж 0,59 секунди. Водночас виробник не оприлюднив методику вимірювання. На відео газові рушії починають працювати ще до початку руху автомобіля. Це важливо для інтерпретації результату: без чітко визначених умов заміру та незалежної перевірки порівнювати його з показниками інших автомобілів некоректно. Тому рекордний розгін поки варто розглядати як обіцянку виробника, а не як доведений результат. Що змінилося з моменту першої презентації Перший прототип нового Roadster показали ще в листопаді 2017 року. Тоді Tesla обіцяла запас ходу 997 км, максимальну швидкість понад 402 км/год і чотири місця за схемою 2+2. Початок виробництва планували на 2020 рік, але терміни неодноразово переносили. Тепер заявлений запас ходу становить понад 483 км — приблизно вдвічі менше за початкову обіцянку. У дорожніх версіях передбачено два місця, а Rocket буде одномісною. Ці зміни варто розглядати разом із новими технологіями. Додаткові рушії, балони зі стисненим газом та інше обладнання ускладнюють конструкцію й збільшують масу. Водночас доступні дані не дають змоги точно визначити, наскільки кожен із цих чинників вплинув на характеристики серійної машини. Скільки коштуватиме Tesla Roadster Tesla знову відкрила бронювання Performance. Для резервування потрібно внести $5 000, які компанія називає повністю поворотними. Ще $45 000 необхідно сплатити протягом десяти днів, інакше бронювання скасують. Отже, початкові платежі становлять загалом $50 000. Але це сума за резервування, а не оголошена повна вартість автомобіля. Ціни всіх трьох версій виробник поки не розкрив. Tesla орієнтується на початок виробництва у 2028 році. Точних термінів постачання автомобілів компанія не назвала. Чому технологія викликає запитання Газові рушії можуть створювати значну тягу, але їхня практичність у звичайному автомобілі залишається під питанням. Tesla не повідомила, який обсяг газу вміщують балони, скільки маневрів можна виконати на одному запасі та як відбуватиметься повторне заповнення. Є й питання безпеки. Потужні струмені газу можуть піднімати пил і дорожнє сміття, створюючи ризики для людей та інших транспортних засобів. Окремо залишається невідомим, наскільки демонстраційний прототип відповідає майбутній серійній машині. За виглядом днища на відео автори матеріалу припускають, що в показаному екземплярі могло не бути акумулятора, а отже, він міг бути легшим. Проте це лише припущення за зовнішніми ознаками, а не підтверджений факт. 💡 Цікаво знати За заявою Tesla, сумарна тяга задніх рушіїв становить близько 80 кН. Це приблизно відповідає силі, з якою на Землі тиснула б маса понад 8 тонн. Однак тяга рушіїв не означає, що автомобіль здатен підняти в повітря вантаж такої маси: результат залежить від напрямку сили, тривалості її дії та маси самого транспортного засобу. ❓ Чи стане Tesla Roadster справжнім літаючим автомобілем? Поки підстав для такого висновку немає. Продемонстровані стрибки та повітряні перевороти не доводять, що машина здатна виконувати тривалий політ або безпечно використовувати рушії на звичайних дорогах. Найважливіший етап попереду — перевірка заявлених характеристик, демонстрація практичності системи та підтвердження того, що технології можна інтегрувати в серійний автомобіль. Tesla Roadster цікавий не лише обіцяним розгоном. Компанія намагається перенести принципи ракетної техніки в автомобіль, але саме практичність такого поєднання ще належить довести.

Водії в Україні постійно стикаються з перебоями в роботі GPS. Через вплив засобів радіоелектронної боротьби на супутникову навігацію система може визначати координати неточно, що ускладнює роботу навігаційних та інших онлайн-сервісів, які залежать від геолокації. Для водіїв це може означати, що застосунок бачить їх в іншому районі, місті чи навіть за сотні кілометрів від фактичного місця перебування. У результаті найближчі замовлення можуть не надходити, попри те, що водій перебуває онлайн і готовий їх виконувати. Сервіс Bolt додав до застосунку Bolt Driver можливість вручну вказувати свою точку на карті. Завдяки цій функції водій може вручну скоригувати свою локацію, якщо GPS визначив його неточно, щоб отримувати замовлення відповідно до фактичного місця перебування. Щоб скористатися функцією, водію необхідно оновити застосунок Bolt Driver до останньої версії та вийти онлайн. На головному екрані з’явиться кнопка з іконкою мітки – ліворуч над кнопкою карти. Після натискання водій може перемістити карту так, щоб мітка в центрі екрана відповідала його фактичній геолокації, а потім підтвердити вибір. Bolt також інформує пасажира, якщо система фіксує проблему з GPS-локацією водія: у застосунку з’являється відповідне повідомлення. У такому разі сервіс рекомендує зателефонувати водієві, уточнити його фактичне місцезнаходження та домовитися про чіткі орієнтири для місця посадки. «Неточності GPS – одна з найпоширеніших проблем, з якою зараз стикаються онлайн-сервіси в Україні, що використовують геолокацію. Для водіїв це може означати, що замовлення поруч не надходять через некоректно визначене місцезнаходження. Тому ми не лише додали можливість вручну вказати свою локацію на карті, а й зробили її зручною у щоденній роботі: достатньо встановити точку один раз при виході онлайн. Після цього не потрібно щоразу коригувати геолокацію: для підбору наступного замовлення застосунок врахує місце, де буде завершена поточна поїздка. Він може почати шукати наступне замовлення ще до того, як водій висадить пасажира», — коментує Сергій Павлик, генеральний менеджер Bolt в Україні. У компанії зазначають, що функція створена саме для коригування неточності GPS і не призначена для зміни місцезнаходження на інший район міста. Також, функція вимикається, коли водій виходить офлайн або починає рух до клієнта. Більше дізнатися про функцію можна за цим посиланням. Про Bolt Послугами сервісу Bolt користуються понад 200 мільйонів клієнтів у більш ніж 50 країнах світу (понад 850 міст). Компанія надає послуги спільної мобільності, що охоплюють виклик авто, оренду електросамокатів і електровелосипедів, прокат автомобілів, корпоративні поїздки, а також доставку їжі та продуктів через сервіс Bolt Food. Понад 4,5 мільйона водіїв користуються платформою Bolt у всьому світі. Компанія прагне зробити міста більш комфортними для людей, а не для машин, прискорюючи перехід від власних автомобілів до спільної мобільності.

Квантовий чип Willow від Google навчився готувати спеціальні квантові стани з точністю 99,99%, а кількість помилок під час цього процесу зменшилася у 40 разів. Результат важливий не лише через високу точність: дослідники працюють над однією з головних перешкод на шляху до практичних квантових комп’ютерів — величезними ресурсами, необхідними для виконання надійних обчислень. Втім, до повноцінного квантового комп’ютера, здатного стабільно виконувати складні корисні завдання, ще далеко. Новий експеримент показує, як можна зробити один із ключових етапів таких обчислень ефективнішим. Що Google вдалося зробити з квантовим чипом Willow 15 жовтня 2026 року видання, яке опублікувало матеріал Neetika Walter у розділі Science, повідомило про результати експерименту Google Quantum AI. Команда продемонструвала метод magic state cultivation — технологію підготовки спеціальних квантових станів із подальшим зменшенням кількості помилок. Під час експерименту дослідники отримали так звані логічні T-стани з точністю 99,99%. Порівняно зі станами, підготовленими без використання цього методу, кількість помилок знизилася у 40 разів. Ці результати стосуються конкретного процесу підготовки квантових станів, а не точності всіх обчислень, які здатен виконувати Willow. Це принципова відмінність: навіть значне покращення окремої операції не означає, що весь квантовий комп’ютер уже працює безпомилково. Чому квантовим комп’ютерам потрібні «магічні стани» Квантовий комп’ютер не просто виконує звичайні обчислення швидше. Він використовує квантові властивості фізичних систем, щоб розв’язувати певні задачі принципово іншими методами. Але для складних універсальних обчислень недостатньо мати кубіти — потрібен набір квантових операцій, які можна виконувати з високою надійністю. Саме тут виникають magic states, або «магічні стани». Вони допомагають реалізовувати операції, необхідні для універсальних квантових обчислень, зокрема T-операції. Проблема полягає в тому, що такі стани потрібно готувати з дуже низьким рівнем помилок, а сам процес може потребувати значних обчислювальних ресурсів. За оцінками, наведеними Google, на створення магічних станів може припадати до 95% ресурсів квантового комп’ютера. Якщо ця оцінка справджується для певної архітектури, на решту обчислень залишається лише невелика частина потужностей. Є й додаткова складність: використаний магічний стан не можна просто застосувати повторно. Для наступної операції потрібен новий. Як працює технологія magic state cultivation Розроблений Google метод можна порівняти з фільтром, який відсіює ненадійні результати ще до того, як їх використають у складніших обчисленнях. Спочатку дослідники вводять квантовий стан у невелику ділянку процесора. Потім проводять серію узгоджених вимірювань, які допомагають виявити помилки. Якщо спроба не проходить перевірку, її відкидають. Якщо проходить — отриманий стан можна підготувати до подальшого використання. У цьому й полягає особливість підходу: замість того щоб покладатися на початкову якість квантового стану, система перевіряє його та залишає лише результати, які відповідають заданим критеріям. Однак висока точність має свою ціну. За даними технічного опису експерименту, для отримання результату зберігали приблизно 8% спроб. Решту відкидали. Тому зменшення помилок у 40 разів не означає автоматичного скорочення загальних витрат квантового комп’ютера в стільки ж разів. Що ледь не зірвало експеримент Теоретично метод був відомий ще з 2024 року. Тоді дослідники Google Quantum AI Крейг Гідні, Ноа Шатті та Коді Джонс розвинули попередні ідеї й описали спосіб підготовки якісніших магічних станів. Але перенести концепцію з теорії на реальне обладнання виявилося непросто. Під час перших експериментів дослідниця Google Емма Розенфельд зіткнулася з результатами вимірювань, які не відповідали очікуванням команди. Після місяців перевірок і моделювання дослідники пов’язали проблему з нестабільністю електронного обладнання та змінами температури в лабораторії. Ці чинники впливали на точність вимірювань. Команда вдосконалила керування процесором і розробила новий метод перевірки результатів, який використовує сам процес cultivation для оцінювання якості отриманих станів. Саме ці інженерні зміни допомогли продемонструвати результат на реальному квантовому процесорі Willow, а не лише в комп’ютерній моделі. Ще один важливий крок: перенесення квантових станів Дослідники перевірили не лише якість підготовлених станів, а й можливість переносити їх між двома методами квантової корекції помилок. В експерименті команда перенесла квантову інформацію з коду кольору з відстанню 3 до поверхневого коду з відстанню 5. Це різні способи організації квантової інформації для виявлення та виправлення помилок. Якщо пояснити простіше, йдеться про перехід між двома системами захисту квантових даних. Дослідники показали, що підготовлений стан може пережити такий перехід на реальному обладнанні. Це важливо для майбутніх квантових комп’ютерів, оскільки їм, можливо, доведеться поєднувати різні методи корекції помилок, щоб отримати надійні обчислення без надмірного збільшення апаратних ресурсів. Водночас експеримент підтверджує працездатність конкретного переходу, а не готовність усієї системи до масштабних обчислень. Що це означає для майбутнього квантових комп’ютерів Головний результат експерименту — не просто показник 99,99%, а підтвердження того, що метод підготовки якісних магічних станів працює на фізичному квантовому процесорі. Це наближає дослідників до створення систем, які зможуть виконувати складні обчислення з корекцією помилок. Але поки що невідомо, наскільки ефективно технологія працюватиме на значно більших масштабах і скільки ресурсів вона дозволить заощадити в повноцінному квантовому комп’ютері. Google прямо визнає, що для практичного застосування необхідно продемонструвати роботу методу в набагато більшому масштабі. Отже, скорочення кількості помилок уже підтверджено експериментом, а відповідне зменшення загальної вартості квантових обчислень ще належить довести. 💡 Цікаво знати Назва Willow належить квантовому процесору Google, який компанія представила у грудні 2024 року. Новий експеримент не потребував створення окремого чипа: дослідники вдосконалили методи роботи з наявним обладнанням, продемонструвавши, як програмні підходи та інженерні налаштування можуть покращувати якість квантових операцій. ❓ Чи означає точність 99,99%, що квантовий комп’ютер Google майже не помиляється? Ні. Цей показник стосується точності конкретного типу підготовленого квантового стану — логічного T-стану. Він не характеризує точність усіх операцій процесора Willow і не доводить, що комп’ютер уже здатен виконувати довгі складні програми без помилок. Чому це важливо Одна з найбільших проблем квантових обчислень — необхідність витрачати значні ресурси на підготовку надійних квантових станів. Google показала, що спеціальна технологія здатна зменшити кількість помилок у цьому процесі в 40 разів. Якщо метод вдасться масштабувати без непропорційного зростання витрат, це допоможе наблизити створення практичних квантових комп’ютерів. Поки що Willow продемонстрував важливий експериментальний результат, а не готове універсальне рішення. Справжнє значення відкриття залежатиме від того, чи зможуть дослідники зберегти таку точність у набагато масштабніших обчисленнях.

Замість нагрівання до температур, що сягають 4500 °F (приблизно 2482 °C), японські дослідники отримали кристали карбіду кремнію за 1472 °F (800 °C). Важливий не лише нижчий температурний режим: новий підхід дозволив сформувати тривимірну мережу нанорозмірних пластин із пористою структурою. Результат може відкрити нові можливості для створення керамічних матеріалів із заданою будовою. А оскільки карбід кремнію широко використовують у силовій електроніці, дослідження має значення і для технологій, від яких залежать електромобілі, відновлювана енергетика та центри обробки даних. Як вдалося отримати карбід кремнію за 800 °C Команда Інституту досліджень матеріалів Університету Тохоку в Японії застосувала метод, відомий як рідкометалеве деалювання (liquid metal dealloying, LMD). Раніше його використовували переважно для роботи з металами, інтерметалічними сполуками та напівметалами. Тепер дослідники продемонстрували його застосування для отримання кераміки з міцними хімічними зв’язками. Як повідомляє NNews із посиланням на Interesting Engineering, дослідники занурили шаруватий матеріал-попередник Mn₅SiC у розплавлений вісмут. Під час процесу марганець переходив у розплав і змішувався з рідким металом. Залишкова структура на основі карбіду кремнію перебудовувалася, утворюючи кристалічну фазу β-SiC. Температура процесу становила близько 800 °C — значно нижче за приблизно 2482 °C, які, за даними публікації, можуть використовуватися для отримання високочистого карбіду кремнію в традиційних промислових умовах. У чому незвичність нової кераміки Головна особливість результату — не просто зниження температури. Матеріал одночасно набув пористої структури, утвореної тонкими пластинами нанометрового масштабу, з’єднаними між собою у тривимірну мережу. Саме поєднання кристалічної будови та контрольованої пористості робить підхід цікавим для матеріалознавства. Уявіть губку, але замість великих отворів у ній — мережа надзвичайно тонких кристалічних пластин. Вони формують єдиний каркас, а проміжки між ними створюють пористу архітектуру. Дослідники також провели розрахунки з перших принципів. Вони підтвердили, що перебудова кремній-вуглецевого каркаса в β-SiC енергетично сприятлива. Водночас це не означає, що всі механізми формування пор уже зрозумілі. Чому цей метод може бути важливим для промисловості Карбід кремнію (SiC) — керамічний матеріал, який вирізняється термостійкістю та хімічною стабільністю. Він також важливий для силової електроніки, оскільки дає змогу працювати за високих напруг і температур та зменшувати втрати енергії в електронних пристроях. Його використовують у технологіях, пов’язаних з електромобілями, промисловими перетворювачами електроенергії та енергетичними системами. Водночас нове дослідження не демонструє готового компонента для автомобіля чи електростанції. Воно показує інший спосіб отримання самого матеріалу та керування його структурою. Це принципова різниця. Якщо метод вдасться адаптувати до практичних потреб, він може розширити можливості розроблення кераміки з потрібною внутрішньою архітектурою. Проте даних про промислову продуктивність, собівартість і масштабування процесу поки недостатньо, щоб говорити про готову заміну традиційним технологіям. Що ще потрібно з’ясувати Команда припускає, що на формування пластин вплинула шарувата кристалічна структура вихідного матеріалу Mn₅SiC. Однак цей зв’язок ще належить дослідити: науковці не встановили остаточно, як саме структура попередника визначає ріст пластин та їхню кристалографічну орієнтацію. Результати опублікували 4 вересня 2026 року в журналі Scripta Materialia. Стаття має назву Liquid Metal Dealloying Enables Low-Temperature Synthesis of Nanoporous β-SiC with an Interconnected Nanoplate Network. 💡 Цікаво знати Метод рідкометалевого деалювання не є новим. Його вже застосовували для створення пористих металів та інших матеріалів. Новизна японської роботи полягає в тому, що дослідники поширили цей підхід на кераміку з міцними ковалентними зв’язками — клас матеріалів, для якого отримання нанопористої структури є складним завданням. ❓ Чи означає це, що електромобілі стануть ефективнішими? Поки що ні. Дослідники отримали новий матеріал, але не продемонстрували, що він уже покращує характеристики силових модулів або зменшує споживання електроенергії в автомобілях. Потенційне застосування залежатиме від подальшого вивчення властивостей матеріалу та можливості його практичного виробництва. Головне досягнення полягає в іншому: науковці показали, що нанопористий карбід кремнію можна отримати за значно м’якших температурних умов, ніж ті, які зазвичай використовують для створення наноструктурованого SiC. Це новий інструмент для проєктування матеріалів, а не вже готова технологія для масового ринку. Джерело Первинне джерело: Університет Тохоку — офіційне повідомлення про дослідження. Наукова публікація: Scripta Materialia — наукова стаття. Додатковий матеріал: Interesting Engineering.

Американська компанія Leonardo DRS представила новий радар cxMHR, здатний контролювати повітряний простір на 360 градусів і одночасно супроводжувати кілька повітряних цілей. Система вже перейшла до початкового виробництва, а її головна особливість — поєднання далекого виявлення, алгоритмів штучного інтелекту та мобільного розгортання в одному комплексі. Радар, який не потрібно механічно обертати Про нову розробку компанія повідомила 12 жовтня 2026 року на щорічній виставці Association of the U.S. Army (AUSA) у Вашингтоні. Йдеться про C-Band Extended Multi-Mission Hemispheric Radar, скорочено cxMHR, призначений для інтегрованих систем протиповітряної та протиракетної оборони. Як повідомляє NNews із посиланням на Interesting Engineering, радар розроблений для виявлення та супроводження безпілотників, баражувальних боєприпасів, крилатих ракет, реактивних снарядів і тактичних балістичних ракет. Водночас заявлена дальність залежить від типу цілі. За даними Leonardo DRS, безпілотники та баражувальні боєприпаси система може виявляти на відстані понад 90 км, а транспортні літаки — понад 330 км. Це важлива відмінність: 330 км — не універсальна дальність виявлення всіх ракет і дронів. Компанія не оприлюднила аналогічних показників для кожної категорії загроз. Чотири панелі замість антени, що обертається cxMHR використовує чотири панелі з активними фазованими антенними решітками (AESA). На відміну від традиційних радарів, які механічно обертають антену для огляду простору, така система може електронно спрямовувати радіолокаційні промені. Якщо спростити, механічний радар нагадує ліхтар, який потрібно фізично повертати, щоб освітити різні ділянки. AESA працює інакше: система змінює напрямок променя електронним способом, не покладаючись на обертання всієї антени. Це дає змогу швидко повертатися до важливих ділянок повітряного простору та оновлювати дані про цілі. Така можливість особливо важлива, коли радар одночасно відстежує об’єкти, які рухаються з різною швидкістю та на різній висоті. Система також має функції ідентифікації «свій — чужий», компоненти управління та обміну даними. Для супроводження цілей застосовуються алгоритми штучного інтелекту, які, за заявою виробника, допомагають формувати достатньо точні дані для систем управління вогнем. Проте сам cxMHR не збиває ракети й не перехоплює дрони. Його завдання — виявити ціль, визначити її параметри та передати інформацію іншим елементам оборони. Увесь комплекс перевозять в одному контейнері Ще одна особливість cxMHR — мобільність. Обладнання розміщене в контейнері стандарту ISO, який можна перевозити повітряним, наземним або морським транспортом. За задумом виробника, систему можна розгорнути на одному транспортному засобі. Це спрощує переміщення радіолокаційного комплексу порівняно з рішеннями, для яких потрібне окреме транспортування численних компонентів. Для військової ППО мобільність має практичне значення: радар можна переміщувати відповідно до потреб оборони, а не прив’язувати його до одного постійного місця. Водночас компанія не оприлюднила детальних даних про час розгортання cxMHR або вимоги до підготовки позиції. Чому новий радар має працювати не самостійно Сучасна протиповітряна оборона залежить не лише від дальності виявлення. Результат визначає і те, наскільки швидко інформація від радара потрапляє до командних пунктів та засобів перехоплення. Leonardo DRS заявляє, що cxMHR розроблений відповідно до принципів Modular Open Systems Approach (MOSA). Це підхід, за якого обладнання використовує стандартизовані інтерфейси, що полегшують взаємодію між системами різних виробників і подальше оновлення компонентів. Серед підтримуваних інтерфейсів компанія називає FAAD, Medusa, SAPIENT, Lattice, ASTERIX, MICAD і RAFT. Для інтегрованої ППО це важливо, оскільки різні радари, командні системи та комплекси перехоплення мають обмінюватися даними. Якщо новий сенсор можна під’єднати до вже наявної інфраструктури, його потенційна користь не обмежується можливостями окремого пристрою. Однак заявлена сумісність сама по собі не доводить, що cxMHR уже інтегрований у конкретні бойові системи. Компанія не повідомила про оперативне розгортання нового радара. Що вже відомо про виробництво На виставці AUSA 2026 Leonardo DRS оголосила про початок початкового виробництва cxMHR. Це означає, що розробка перейшла до виробничого етапу, але не підтверджує її масового випуску чи бойового застосування. У повідомленні компанії немає даних про кількість замовлених радарів, конкретних покупців, графік постачання або строки введення комплексу в експлуатацію. cxMHR також поповнює сімейство радарів Multi-Mission Hemispheric Radar, яке Leonardo DRS пропонує для протидії безпілотникам, ближньої протиповітряної оборони та спостереження за повітряним простором. 💡 Цікаво знати У наземному радарі важливі не лише потужність і дальність, а й характеристики самої цілі. Великий транспортний літак і невеликий безпілотник по-різному відбивають радіохвилі, тому їхні дальності виявлення можуть суттєво відрізнятися. Саме тому показники cxMHR для транспортної авіації та малих повітряних цілей не можна порівнювати як однакову характеристику системи. Чи означає дальність 330 км, що радар бачить усі ракети за сотні кілометрів? Ні. Виробник заявляє дальність понад 330 км для транспортних літаків і понад 90 км для безпілотників та баражувальних боєприпасів. Ці цифри не підтверджують аналогічної дальності виявлення крилатих або балістичних ракет. Так само виявлення цілі не гарантує її перехоплення. Для цього потрібні передавання даних, командна інфраструктура та відповідні засоби ураження. Чому ця розробка важлива cxMHR поєднує круговий огляд, електронне сканування, супроводження кількох цілей і мобільне виконання. Така комбінація відповідає потребам сучасної ППО, якій доводиться працювати з різними повітряними загрозами одночасно. Але наразі йдеться про можливості, заявлені виробником, і початок виробництва, а не про підтверджені результати бойового застосування. Головне питання тепер полягає не лише в тому, наскільки далеко cxMHR може виявляти цілі, а й у тому, як система працюватиме в реальній мережі протиповітряної оборони.

Електричний мотоцикл Zero DS подолав 436,5 км на одному заряді акумулятора й установив рекорд Guinness World Records. Маршрут пролягав від Французьких Альп у напрямку Середземного моря, а результат виявився значно кращим за попереднє досягнення. Проте вирішальним фактором стала не лише сама модель, а й додаткова батарея та вибір дороги. Що сталося Zero Motorcycles встановила новий рекорд найдовшої подорожі на електричному мотоциклі без підзарядки. Заїзд відбувся у Франції минулого місяця, а його офіційним учасником став бельгійський мотоцикліст Єлле Верстаен (Jelle Verstaen). Його Zero DS проїхав 436,5 км на одному заряді. Для порівняння, попередній рекорд належав мотоциклу Verge TS Pro, який у 2025 році подолав 310,6 км. Про це повідомляє NNews із посиланням на InsideEVs. Чому мотоцикл зміг проїхати так далеко Головна особливість рекордного заїзду — додаткова батарея Power Tank. Вона збільшила загальну ємність акумулятора Zero DS із 15,6 до 19,2 кВт·год. Це офіційна опція виробника, яку можна встановити в дилерському центрі. Тобто рекордний мотоцикл не отримав саморобних модифікацій акумулятора — він використовував передбачене компанією обладнання. Водночас важливу роль відіграв маршрут. Учасники уникали великих автомагістралей і двосмугових доріг, віддаючи перевагу менш завантаженим шляхам, де можна було підтримувати рівномірний темп. За даними Zero Motorcycles, за сприятливих дорожніх умов і відповідних обмежень швидкості водії орієнтувалися приблизно на 52 км/год. Точну середню швидкість і детальний маршрут компанія не оприлюднила. Що здивувало найбільше Рекордсменом стала не єдина модель у заїзді. Разом із Zero DS вирушили ще два електромотоцикли, і обидва також подолали відстані, більші за попередній світовий рекорд. Zero DS 436,5 км Рекордний результат із батареєю Power Tank Zero SR/S 350 км Відстань, подолана за один заїзд Zero DSR/X 384 км Результат третього учасника Обидві додаткові моделі перевершили результат Verge TS Pro, який раніше вважався рекордним. Це показує, наскільки сильно реальний запас ходу залежить не лише від моделі, а й від умов експлуатації та конфігурації батареї. Як перевірили рекорд Щоб результат зарахували офіційно, організатори перед стартом опечатали зарядний роз’єм мотоцикла. Водій також мав при собі два GPS-трекери, які фіксували переміщення. Після завершення поїздки представник Guinness World Records перевірив дані трекерів і зафіксував результат. Це дало змогу підтвердити пройдену відстань без підзарядки. Заїзд тривав від вечора до наступного ранку. Під час подорожі на мотоцикл обрушилася сильна негода, однак це не завадило завершити маршрут. Що це означає для електротранспорту Запас ходу залишається одним із головних питань для тих, хто розглядає електромотоцикл замість бензинового. Результат Zero DS демонструє, що за певних умов можна подолати понад 400 км без зупинки для заряджання. Але є важливе уточнення: рекордний заїзд проходив за спеціально обраним маршрутом і з додатковою батареєю. Тому 436,5 км не варто сприймати як гарантований запас ходу в щоденній експлуатації. Результат також не означає, що будь-який електромотоцикл здатний проїхати таку відстань. На практичний пробіг впливають швидкість, дорожні умови, стиль їзди та енергоспоживання конкретної моделі. 💡 Цікаво знати Zero DS має електродвигун із піковою потужністю 45 кВт, що відповідає приблизно 60 кінським силам. Його безперервна потужність становить 11 кВт, або близько 15 к. с. При цьому рекордсмен Zero DS не продається на ринку США, хоча компанія Zero Motorcycles має американське походження. ❓ Чи можна проїхати 436 км на Zero DS у звичайній поїздці? Теоретично такий пробіг підтверджений рекордним заїздом. Проте виробник не оприлюднив достатньо даних про середню швидкість і точні дорожні умови, щоб вважати цей результат типовим для повсякденних поїздок. Головний висновок: рекорд Zero DS показує, що дальність електромотоциклів можна суттєво збільшити завдяки більшій батареї та грамотному вибору маршруту. Але для покупців важливішим за рекордні цифри залишається реальний запас ходу в тих умовах, у яких вони їздитимуть щодня.

Google представила Gemini 4 Argon — модель штучного інтелекту, яка продемонструвала результати одразу в кількох складних сферах: від квантових обчислень і термоядерного синтезу до керування фізичними роботами. В одному з експериментів модель зменшила ресурсні витрати окремого квантового алгоритму більш ніж у 100 разів, а в іншому допомогла підвищити успішність виконання роботизованих завдань із 56% до 75%. Найцікавіше тут те, що Gemini 4 Argon не просто генерує текст або пише програмний код. За даними Google, модель допомагає знаходити математичні рішення, оптимізувати обчислення та створювати віртуальні середовища, у яких роботи навчаються перед роботою з реальними об’єктами. Що сталося Google оголосила про результати роботи Gemini 4 Argon 13 жовтня 2026 року. Компанія представила модель як інструмент для дослідницьких завдань, програмної інженерії та робототехніки. Один із головних результатів стосується квантових обчислень. Gemini 4 Argon оптимізувала математичну підпрограму, яка використовується в алгоритмах квантового моделювання. За даними компанії, її ресурсна вартість виявилася більш ніж у 100 разів нижчою, ніж у раніше опублікованій реалізації. Водночас модель показала результати в інших експериментах: підвищила успішність виконання роботизованих завдань у реальному світі з 56% до 75%; скоротила середній час виконання такого завдання з 35 до 24 секунд; допомогла знайти нові математичні контрприклади до гіпотези, пов’язаної з термоядерними реакторами; оптимізувала програмний код, прискоривши імпорт пакетів на 21%. Ці результати стосуються конкретних тестів. Вони не означають, що всі квантові комп’ютери стали у 100 разів ефективнішими або що будь-який робот тепер працюватиме краще завдяки новій моделі. Що здивувало дослідників Найпомітніший результат — оптимізація квантового алгоритму. Gemini 4 Argon працювала з підпрограмою arcsin, яка використовується в алгоритмах квантового моделювання. Її нова реалізація потребує значно менше обчислювальних ресурсів, ніж раніше опублікований варіант квантового алгоритму CORDIC. Google також повідомила, що реалізацію формально перевірили за допомогою Lean — системи, яка дозволяє перевіряти математичні доведення. Це важливо, оскільки математично переконливий результат і справді коректна реалізація алгоритму — не одне й те саме. Інший несподіваний результат стосується робототехніки. Модель змогла створити навчальні симуляції на основі лише однієї фотографії стільниці. На їхній основі згенерували понад 4500 навчальних епізодів для завдань із маніпулювання предметами. Як це працює У квантових обчисленнях важливо не лише те, чи може алгоритм розв’язати задачу, а й скільки ресурсів для цього потрібно. Чим складніша операція, тим більше вимог вона може висувати до апаратного забезпечення та часу виконання. Google вимірювала так звану просторово-часову вартість операції — показник, який враховує обчислювальні ресурси та тривалість виконання. Зменшення цього показника більш ніж у 100 разів стосується конкретної підпрограми, а не всього квантового комп’ютера. У робототехніці підхід інший. Робота спочатку навчають у віртуальному середовищі, де він може багаторазово відпрацьовувати рухи без необхідності щоразу виконувати їх фізично. Gemini 4 Argon створила фізичну симуляцію на основі фотографії, а потім згенерувала тисячі навчальних сценаріїв. За результатами Google, успішність виконання завдань реальним роботом зросла з 56% до 75%, а час виконання скоротився з 35 до 24 секунд. В іншій демонстрації модель допомогла роботу Spot від Boston Dynamics відпрацювати відкривання сміттєвого бака з педаллю у симуляції перед спробою виконати це завдання з реальними предметами. Що було відомо раніше Квантові обчислення, термоядерна енергетика та робототехніка мають різні технічні проблеми, але в усіх трьох сферах потрібні складні математичні моделі й велика кількість перевірок. У квантових системах важливо зменшувати витрати ресурсів і контролювати помилки. У термоядерних реакторах, зокрема стелараторах, необхідно правильно розраховувати магнітні поля, які утримують надгарячу плазму. Один із результатів Gemini 4 Argon пов’язаний із гіпотезою Града, сформульованою ще 1967 року. Працюючи разом із Меттом Ландерманом, професором Університету Меріленду, дослідники знайшли ширший клас контрприкладів до цієї математичної гіпотези. Це не перший випадок, коли гіпотезу ставили під сумнів. Нові розв’язки можуть стати контрольними прикладами для перевірки програмного забезпечення, яке використовують під час проєктування стелараторів. Що це може змінити Результати Gemini 4 Argon демонструють кілька потенційних напрямів використання ШІ. Квантові технології. Оптимізація окремих алгоритмів може зменшувати обчислювальні витрати, необхідні для певних операцій. Термоядерна енергетика. Нові математичні контрприклади можуть допомогти перевіряти точність програм, які моделюють поведінку плазми. Робототехніка. Генерування навчальних сценаріїв може полегшити підготовку роботів до роботи з реальними предметами. Програмування. Модель може самостійно аналізувати великі кодові бази та пропонувати оптимізації, які потім перевіряють люди. Останній напрям Google перевірила на власному фреймворку Agent Development Kit. Gemini 4 Argon протягом 11 годин без нагляду аналізувала кодову базу обсягом близько 205 тисяч рядків у майже 800 файлах. Модель запропонувала шість оптимізацій. Після перевірки людьми дві з них прийняли та внесли до проєкту. Підготовка сесій у пам’яті стала потребувати приблизно на 40% менше ресурсів, а імпорт програмних пакетів прискорився на 21%. Проте ці результати не доводять, що модель так само ефективно працюватиме з будь-яким програмним проєктом або науковою задачею. 💡 Цікаво знати Gemini 4 Argon також допомогла дослідникам Gamow Labs проаналізувати знеособлені генетичні дані новонароджених із рідкісними порушеннями розвитку легень. За даними Google, модель виявила хромосомну перебудову, яку звичайне програмне забезпечення не знаходило протягом кількох років. Цей результат показує ще один можливий напрям застосування моделі — пошук закономірностей у складних біологічних даних. Водночас у наданому матеріалі немає подробиць, які дозволили б незалежно оцінити цей результат або зробити висновки про готовність технології до клінічного використання. ❓ Чи означає це, що ШІ вже може самостійно робити наукові відкриття? Gemini 4 Argon продемонструвала здатність знаходити математичні рішення, пропонувати зміни в програмному коді та створювати симуляції для навчання роботів. Але це не означає, що всі результати моделі можна приймати без перевірки. У програмному проєкті люди схвалили лише дві із шести запропонованих оптимізацій. Квантову реалізацію формально перевірили за допомогою Lean, а результати робототехнічних експериментів оцінювали за конкретними показниками. Отже, модель може бути не просто помічником у написанні текстів, а інструментом для розв’язання технічних і наукових задач. Наскільки широко ці можливості працюватимуть за межами описаних експериментів, ще належить з’ясувати.