США
Полевой дата-центр для военного ИИ
DIU опубликовало запрос Project TitanCore — модульные дата-центры для вычислений искусственного интеллекта (Modular Data Centers for AI Compute).
Минобороны США видит разрыв между вычислительными требованиями современной войны и способностью доставлять вычисления на стратегический, оперативный и тактический уровни.
ИИ теперь поддерживает ситуационную осведомлённость, командование и управление (command and control, C2), слияние разведданных (intelligence fusion) и координацию автономных систем.
Современные ИИ-нагрузки требуют 50–150 кВт на стойку уже сейчас и могут вырасти до 250 кВт+, тогда как типичная развёртываемая полевая IT-инфраструктура даёт около 10–35 кВт на стойку.
Для Core MDC задан модуль примерно на 1 МВт IT-мощности и до 10 МВт суммарно; для Edge MDC — мобильный модуль примерно на 250 кВт, до 2 МВт суммарно, с развёртыванием на неподготовленной площадке в течение 96 часов.
https://www.diu.mil/work-with-us/open-solicitations
Полевой дата-центр для военного ИИ
DIU опубликовало запрос Project TitanCore — модульные дата-центры для вычислений искусственного интеллекта (Modular Data Centers for AI Compute).
Минобороны США видит разрыв между вычислительными требованиями современной войны и способностью доставлять вычисления на стратегический, оперативный и тактический уровни.
ИИ теперь поддерживает ситуационную осведомлённость, командование и управление (command and control, C2), слияние разведданных (intelligence fusion) и координацию автономных систем.
Современные ИИ-нагрузки требуют 50–150 кВт на стойку уже сейчас и могут вырасти до 250 кВт+, тогда как типичная развёртываемая полевая IT-инфраструктура даёт около 10–35 кВт на стойку.
Для Core MDC задан модуль примерно на 1 МВт IT-мощности и до 10 МВт суммарно; для Edge MDC — мобильный модуль примерно на 250 кВт, до 2 МВт суммарно, с развёртыванием на неподготовленной площадке в течение 96 часов.
https://www.diu.mil/work-with-us/open-solicitations
www.diu.mil
Work With Us - Open Solicitations - Commercial
Submit your commercial solution to a national security challenge and compete to win a DoD contract.
67👀3❤2❤🔥1🥰1👌1
США
ИИ ищет дефекты в компонентах для ядерного оружия.
Sandia National Laboratories 12 мая 2026 года сообщила о переходе от ручной инспекции к AI-поддержке контроля керамических компонентов для задач ядерного сдерживания (nuclear deterrence). Речь о производственном контуре, где мелкий дефект может стоить слишком дорого.
Sandia устанавливает оптические и акустические системы визуализации и создаёт AI-assisted review tool — инструмент проверки с поддержкой искусственного интеллекта. Заготовки керамики сканируются на раннем этапе, до превращения в финальные компоненты. Логика простая: если дефект найден на уровне billet, не нужно тратить ресурсы на доведение бракованной заготовки до готовой детали.
По данным Sandia, обучение оператора ручной инспекции занимает от одного до двух лет. Новый подход переносит проверку в цифровой рабочий процесс: оператор видит изображения на рабочей станции, а AI подсвечивает аномалии.
Подробности, как всегда, по ссылке.
https://newsreleases.sandia.gov/ai-inspections/
ИИ ищет дефекты в компонентах для ядерного оружия.
Sandia National Laboratories 12 мая 2026 года сообщила о переходе от ручной инспекции к AI-поддержке контроля керамических компонентов для задач ядерного сдерживания (nuclear deterrence). Речь о производственном контуре, где мелкий дефект может стоить слишком дорого.
Sandia устанавливает оптические и акустические системы визуализации и создаёт AI-assisted review tool — инструмент проверки с поддержкой искусственного интеллекта. Заготовки керамики сканируются на раннем этапе, до превращения в финальные компоненты. Логика простая: если дефект найден на уровне billet, не нужно тратить ресурсы на доведение бракованной заготовки до готовой детали.
По данным Sandia, обучение оператора ручной инспекции занимает от одного до двух лет. Новый подход переносит проверку в цифровой рабочий процесс: оператор видит изображения на рабочей станции, а AI подсвечивает аномалии.
Подробности, как всегда, по ссылке.
https://newsreleases.sandia.gov/ai-inspections/
News Releases
AI’s eyes to help with component inspections
Sandia National Labs is transitioning from manual inspections for ceramics components for nuclear deterrence applications to using artificial intelligence to help flag anomalies.
64❤3❤🔥1🥰1👌1👀1
SBOM-for-AI_minimum-elements.pdf
1.5 MB
G7 / США / Германия
SBOM для AI становится нормой для поставщиков
Software Bill of Materials for AI — Minimum Elements. Немецкое Федеральное ведомство по безопасности информационной техники (Bundesamt für Sicherheit in der Informationstechnik, BSI) указывает, что это первый документ G7 по составу программного обеспечения для искусственного интеллекта (software bill of materials for AI, SBOM for AI), подготовленный совместно экспертами по кибербезопасности и AI.
Для оборонки, критической инфраструктуры и госзакупок это сдвиг к проверяемым цепочкам поставок: что входит в систему, откуда взяты компоненты, кто отвечает за обновления, какие зависимости и риски нужно отслеживать.
Документ - регуляторно-техническая заготовка для будущих требований к AI-поставщикам.
В приложении.
SBOM для AI становится нормой для поставщиков
Software Bill of Materials for AI — Minimum Elements. Немецкое Федеральное ведомство по безопасности информационной техники (Bundesamt für Sicherheit in der Informationstechnik, BSI) указывает, что это первый документ G7 по составу программного обеспечения для искусственного интеллекта (software bill of materials for AI, SBOM for AI), подготовленный совместно экспертами по кибербезопасности и AI.
Для оборонки, критической инфраструктуры и госзакупок это сдвиг к проверяемым цепочкам поставок: что входит в систему, откуда взяты компоненты, кто отвечает за обновления, какие зависимости и риски нужно отслеживать.
Документ - регуляторно-техническая заготовка для будущих требований к AI-поставщикам.
В приложении.
67❤1❤🔥1🥰1👌1👀1
США
Army Research Laboratory командования DEVCOM сообщила о развитии системы интеллектуального анализа данных полигонов боевой подготовки (Combat Training Centers, CTC).
Речь может идти о крупнейшем в армии США массиве данных CTC.
Система собирает два типа информации. Первый — качественные данные: оценки инструкторов, отчёты, контекст действий солдат. Второй — количественные данные от датчиков, устройств и инструментированных систем во время учений. Всё это помещается в защищённую базу, чтобы анализировать подготовку, выявлять пробелы и интегрировать эксперименты с искусственным интеллектом и машинным обучением.
Платформа должна показывать тренды по бригадам и корпусам, сравнивать результаты подразделений Transformation in Contact, прогнозировать логистические потребности и приоритизировать ресурсы в поле.
https://www.army.mil/article-amp/292281/army_researchers_unlock_the_power_of_performance_data_to_enhance_soldier_lethality_and_readiness
Army Research Laboratory командования DEVCOM сообщила о развитии системы интеллектуального анализа данных полигонов боевой подготовки (Combat Training Centers, CTC).
Речь может идти о крупнейшем в армии США массиве данных CTC.
Система собирает два типа информации. Первый — качественные данные: оценки инструкторов, отчёты, контекст действий солдат. Второй — количественные данные от датчиков, устройств и инструментированных систем во время учений. Всё это помещается в защищённую базу, чтобы анализировать подготовку, выявлять пробелы и интегрировать эксперименты с искусственным интеллектом и машинным обучением.
Платформа должна показывать тренды по бригадам и корпусам, сравнивать результаты подразделений Transformation in Contact, прогнозировать логистические потребности и приоритизировать ресурсы в поле.
https://www.army.mil/article-amp/292281/army_researchers_unlock_the_power_of_performance_data_to_enhance_soldier_lethality_and_readiness
U.S. Army
Army researchers unlock the power of performance data to enhance Soldier lethality and readiness
An ARL research team developed an enhanced data-mining capability that enables researchers and leaders to exploit and transform U.S. Army training data.
65❤🔥2🥰2❤1
США / Южная Корея
Армейский ИИ ловит комаров.
8-я армия США сообщила, что первое место на Pacific Victors Innovation Challenge в Южной Корее заняла идея автономных ИИ-ловушек для комаров.
Не шутка.
В 2025 году подразделение в Южной Корее снялось с учений после нескольких случаев малярии у военнослужащих.
Ловушка совмещает обычный сбор насекомых, камеру и программу искусственного интеллекта, обученную энтомологами распознавать местные виды комаров. Заявленная точность — более 90%. Время идентификации вида — до 90 секунд.
Может и имеет смысл. Таблетки для профилактики малярии стоят копейки. Но без нужны их кушать тоже не рекомендуется.
https://www.army.mil/article-amp/292458/ai_mosquito_traps_take_top_honors_at_eighth_armys_pacific_victors_innovation_challenge
Армейский ИИ ловит комаров.
8-я армия США сообщила, что первое место на Pacific Victors Innovation Challenge в Южной Корее заняла идея автономных ИИ-ловушек для комаров.
Не шутка.
В 2025 году подразделение в Южной Корее снялось с учений после нескольких случаев малярии у военнослужащих.
Ловушка совмещает обычный сбор насекомых, камеру и программу искусственного интеллекта, обученную энтомологами распознавать местные виды комаров. Заявленная точность — более 90%. Время идентификации вида — до 90 секунд.
Может и имеет смысл. Таблетки для профилактики малярии стоят копейки. Но без нужны их кушать тоже не рекомендуется.
https://www.army.mil/article-amp/292458/ai_mosquito_traps_take_top_honors_at_eighth_armys_pacific_victors_innovation_challenge
U.S. Army
AI mosquito traps take top honors at Eighth Army’s Pacific Victors Innovation Challenge
Soldiers are driving the future of Army modernization, and the Pacific Victors Innovation Challenge at Eighth Army headquarters is proof that the best s...
64❤3❤🔥3🥰2👀1
Продолжаем тему #ТехИИ@aiobor
Ройные беспилотные системы: когда количество становится функцией управления
Рой беспилотных систем нельзя сводить к простому увеличению числа аппаратов в воздухе или на земле. Несколько дронов, действующих параллельно, но управляемых как отдельные единицы не образуют рой.
Рой возникает тогда, когда группа приобретает свойства распределённой системы: координирует действия, обменивается данными, перераспределяет задачи, компенсирует потерю отдельных элементов и сохраняет способность выполнять миссию при изменении обстановки.
Военный смысл роя состоит в соединении массы и координации. Единичная высокотехнологичная платформа может обладать значительной боевой или разведывательной ценностью, но остаётся уязвимой как отдельный объект. Большое количество дешёвых аппаратов без общей логики управления создаёт перегрузку каналов связи, операторов и самой системы принятия решений.
Рой следует понимать прежде всего как новую архитектуру управления. Его ключевые признаки — распределённое восприятие, локальное принятие решений, обмен данными между элементами группы, адаптация к потере отдельных платформ и выполнение задачи на уровне коллективного поведения. В такой системе значение имеет не только каждый отдельный аппарат, но и структура взаимодействия между ними.
Ориентирами являются программы Управления перспективных исследовательских проектов Министерства обороны США. В программе OFFSET (Offensive Swarm-Enabled Tactics) — «наступательные тактики с применением роев», изучались тактики, интерфейсы и способы управления крупными группами наземных и воздушных автономных систем, включая сценарии городской среды. В программе CODE (Collaborative Operations in Denied Environment) — «совместные операции в среде с ограниченным доступом и подавленной связью», рассматривалась совместная автономность беспилотных авиационных систем под контролем человека.
Задачи ройных систем могут включать разведку больших районов, поиск объектов, доставку сенсоров, наблюдение за периметром, имитацию целей, истощение противовоздушной обороны, отвлечение средств обнаружения и противодействие другим беспилотным платформам.
В каждом из этих сценариев преимущество создаётся не только числом аппаратов, но и способностью группы распределять функции быстрее и устойчивее, чем это возможно при ручном управлении каждой единицей.
Ройная автономность не устраняет уязвимости, а лишь переносит их на другой уровень. Связь между платформами может быть подавлена или нарушена. Навигация может быть искажена. Алгоритмы распределения задач могут принять неверное решение при неполной или ложной информации. Сенсоры могут быть обмануты средствами маскировки, радиоэлектронного воздействия или подмены сигналов.
Ключевой вопрос ройных систем — не «сколько дронов входит в группу», а как именно организовано управление этой группой. Необходимо понимать, кто задаёт цель, какие ограничения наложены на поведение роя, как система реагирует на потерю связи, какие действия она вправе выполнять автономно, а какие требуют подтверждения оператора.
В связи со словом «рой» обычно упоминают DARPA, Anduril, Shield AI, Helsing, государственные лаборатории и университетские исследовательские группы. При этом реальные характеристики военных ройных систем, включая устойчивость связи, степень автономности, алгоритмы координации и правила применения, как правило, остаются закрытыми.
Рой — это не просто новая форма применения дронов. Это переход от управления единичной платформой к управлению намерением, ограничениями и коллективным поведением машин.
В прежней логике оператор управлял аппаратом. В новой логике человек всё чаще задаёт миссию и допустимые рамки, а распределённая группа машин самостоятельно выстраивает частные действия внутри этих рамок.
Ройные беспилотные системы: когда количество становится функцией управления
Рой беспилотных систем нельзя сводить к простому увеличению числа аппаратов в воздухе или на земле. Несколько дронов, действующих параллельно, но управляемых как отдельные единицы не образуют рой.
Рой возникает тогда, когда группа приобретает свойства распределённой системы: координирует действия, обменивается данными, перераспределяет задачи, компенсирует потерю отдельных элементов и сохраняет способность выполнять миссию при изменении обстановки.
Военный смысл роя состоит в соединении массы и координации. Единичная высокотехнологичная платформа может обладать значительной боевой или разведывательной ценностью, но остаётся уязвимой как отдельный объект. Большое количество дешёвых аппаратов без общей логики управления создаёт перегрузку каналов связи, операторов и самой системы принятия решений.
Рой следует понимать прежде всего как новую архитектуру управления. Его ключевые признаки — распределённое восприятие, локальное принятие решений, обмен данными между элементами группы, адаптация к потере отдельных платформ и выполнение задачи на уровне коллективного поведения. В такой системе значение имеет не только каждый отдельный аппарат, но и структура взаимодействия между ними.
Ориентирами являются программы Управления перспективных исследовательских проектов Министерства обороны США. В программе OFFSET (Offensive Swarm-Enabled Tactics) — «наступательные тактики с применением роев», изучались тактики, интерфейсы и способы управления крупными группами наземных и воздушных автономных систем, включая сценарии городской среды. В программе CODE (Collaborative Operations in Denied Environment) — «совместные операции в среде с ограниченным доступом и подавленной связью», рассматривалась совместная автономность беспилотных авиационных систем под контролем человека.
Задачи ройных систем могут включать разведку больших районов, поиск объектов, доставку сенсоров, наблюдение за периметром, имитацию целей, истощение противовоздушной обороны, отвлечение средств обнаружения и противодействие другим беспилотным платформам.
В каждом из этих сценариев преимущество создаётся не только числом аппаратов, но и способностью группы распределять функции быстрее и устойчивее, чем это возможно при ручном управлении каждой единицей.
Ройная автономность не устраняет уязвимости, а лишь переносит их на другой уровень. Связь между платформами может быть подавлена или нарушена. Навигация может быть искажена. Алгоритмы распределения задач могут принять неверное решение при неполной или ложной информации. Сенсоры могут быть обмануты средствами маскировки, радиоэлектронного воздействия или подмены сигналов.
Ключевой вопрос ройных систем — не «сколько дронов входит в группу», а как именно организовано управление этой группой. Необходимо понимать, кто задаёт цель, какие ограничения наложены на поведение роя, как система реагирует на потерю связи, какие действия она вправе выполнять автономно, а какие требуют подтверждения оператора.
В связи со словом «рой» обычно упоминают DARPA, Anduril, Shield AI, Helsing, государственные лаборатории и университетские исследовательские группы. При этом реальные характеристики военных ройных систем, включая устойчивость связи, степень автономности, алгоритмы координации и правила применения, как правило, остаются закрытыми.
Рой — это не просто новая форма применения дронов. Это переход от управления единичной платформой к управлению намерением, ограничениями и коллективным поведением машин.
В прежней логике оператор управлял аппаратом. В новой логике человек всё чаще задаёт миссию и допустимые рамки, а распределённая группа машин самостоятельно выстраивает частные действия внутри этих рамок.
74❤🔥3🥰2❤1👌1👀1
2026-05-14_stanley_testimony.pdf
205.6 KB
США
Научно-технологическая политика военного ведомства США и перестройка оборонной инновационной системы.
Документ — показания Эмила Майкла, заместителя министра войны США по исследованиям и разработкам, перед подкомитетом Палаты представителей США по киберпространству, информационным технологиям и инновациям 14 мая 2026 года.
Ведомство заявляет о переходе от разрозненной системы оборонных инноваций к единой модели под руководством главного технологического директора. Под его управление сведены Defense Innovation Unit (DIU, Группа оборонных инноваций) и Chief Digital and Artificial Intelligence Office (CDAO, офис главного цифрового директора и директора по искусственному интеллекту), а также выстроена координация с Defense Advanced Research Projects Agency (DARPA, Агентство перспективных оборонных исследовательских проектов), Strategic Capabilities Office (SCO, Управление стратегических возможностей), Test Resource Management Center (TRMC, Центр управления испытательными ресурсами) и Office of Strategic Capital (OSC, Управление стратегического капитала).
Самый подробно раскрытый блок — искусственный интеллект. Ведомство заявляет о переходе к модели «AI-first enterprise», то есть организации, в которой искусственный интеллект встроен в боевое применение, разведывательный анализ и административные процессы. Утверждается, что платформа GenAI.mil развернута для 3 млн военных и гражданских сотрудников на сети Controlled Unclassified Information (CUI, контролируемая несекретная информация). За пять месяцев, по документу, ею воспользовались более 1,4 млн уникальных пользователей, сгенерировавших более 65 млн запросов.
В целом, это программное заявление о милитаризации американской инновационной экосистемы вокруг шести технологических приоритетов, с искусственным интеллектом как главным демонстрационным кейсом скорости и масштаба внедрения.
Источник прилагается.
Научно-технологическая политика военного ведомства США и перестройка оборонной инновационной системы.
Документ — показания Эмила Майкла, заместителя министра войны США по исследованиям и разработкам, перед подкомитетом Палаты представителей США по киберпространству, информационным технологиям и инновациям 14 мая 2026 года.
Ведомство заявляет о переходе от разрозненной системы оборонных инноваций к единой модели под руководством главного технологического директора. Под его управление сведены Defense Innovation Unit (DIU, Группа оборонных инноваций) и Chief Digital and Artificial Intelligence Office (CDAO, офис главного цифрового директора и директора по искусственному интеллекту), а также выстроена координация с Defense Advanced Research Projects Agency (DARPA, Агентство перспективных оборонных исследовательских проектов), Strategic Capabilities Office (SCO, Управление стратегических возможностей), Test Resource Management Center (TRMC, Центр управления испытательными ресурсами) и Office of Strategic Capital (OSC, Управление стратегического капитала).
Самый подробно раскрытый блок — искусственный интеллект. Ведомство заявляет о переходе к модели «AI-first enterprise», то есть организации, в которой искусственный интеллект встроен в боевое применение, разведывательный анализ и административные процессы. Утверждается, что платформа GenAI.mil развернута для 3 млн военных и гражданских сотрудников на сети Controlled Unclassified Information (CUI, контролируемая несекретная информация). За пять месяцев, по документу, ею воспользовались более 1,4 млн уникальных пользователей, сгенерировавших более 65 млн запросов.
В целом, это программное заявление о милитаризации американской инновационной экосистемы вокруг шести технологических приоритетов, с искусственным интеллектом как главным демонстрационным кейсом скорости и масштаба внедрения.
Источник прилагается.
65🥰3❤1❤🔥1👌1
Южная Корея
Оборонный ИИ на суверенной модели
SK Telecom и Министерство национальной обороны Республики Корея объявили о соглашении по разработке и демонстрации оборонной модели искусственного интеллекта.
По сообщению SK Telecom, стороны будут использовать модель A.X K1 ( 500+ млрд параметров).
Сеул тоже строит оборонный ИИ вокруг национальной модели и своих данных.
https://news.sktelecom.com/224899
Оборонный ИИ на суверенной модели
SK Telecom и Министерство национальной обороны Республики Корея объявили о соглашении по разработке и демонстрации оборонной модели искусственного интеллекта.
По сообщению SK Telecom, стороны будут использовать модель A.X K1 ( 500+ млрд параметров).
Сеул тоже строит оборонный ИИ вокруг национальной модели и своих данных.
https://news.sktelecom.com/224899
SK텔레콤 뉴스룸
SKT-국방부, AI 협력 맞손… ‘국가대표 AI 모델’ 국방 최초 도입 - SK텔레콤 뉴스룸
- SKT AI 기술력·GPUaaS 인프라 기반 국방 행정 AI 전환 MOU 체결 - 경량화 기술·국방 데이터 학습으로 국방 환경 최적화 AI 구현 - 민·관·군 협력 토대 AI 생태계 확산 및 K-AI 경쟁력 강화 기여 목표 SKT는 서울 중구 을지로 SKT타워 본사에서 국방부와 국방 AX 촉진을 위한 ‘과기정통부 독자 AI 파운데이션 모델 국방 분야 활용’ 업무
61❤2🥰2❤🔥1👌1
#Пятничное@aiobor
Посадил генерал Репку.
Не то чтобы очень хотел — просто вышел приказ о цифровой трансформации оборонного контура, выделили бюджет, провели совещание, нарисовали дорожную карту в PowerPoint и в конце первого слайда написали: «Задача — вырастить собственную ИИ-систему поддержки принятия решений.»
Репке присвоили секретный код «AIDA» — Artificial Intelligence Decision Accelerator.
Система обещала всё: анализ обстановки в реальном времени, предиктивную аналитику угроз, синтез данных из разнородных источников, поддержку командира на всех уровнях управления. В презентации была красивая инфографика и цифры роста эффективности до 340%.
Репка выросла большая-пребольшая.
Пришло время её внедрить в боевой контур. Генерал тянет-потянет — вытянуть не может.
Позвал генерал интегратора.
Интегратор пришёл, посмотрел на архитектуру, сказал: «Вы понимаете, что у вас тут монолит на устаревшем стеке без API?» — и выставил счёт на доработку, вдвое превышающий стоимость самой Репки.
Интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали вендора.
Вендор пришёл, предложил коннектор, сказал, что это займёт три спринта, и пропал после второго. Объяснил потом по почте, что «требования изменились» и нужно переоткрыть тикет в новой системе учёта задач.
Вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали дата-инженера.
Дата-инженер сел, посмотрел в данные и молча закрыл ноутбук. Потом открыл снова и сказал: «У вас 14 источников данных, из которых 11 дают данные в разных форматах, 3 работают нестабильно, и ни один не задокументирован.»
Его включили в проект как «архитектора данных». Зарплату не подняли.
Дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали специалиста по кибербезопасности.
Специалист пришёл, провёл аудит и написал заключение на 47 страниц о том, что Репку нельзя подключать к боевым сетям, пока не будет пройдена сертификация, не закрыты 23 критических уязвимости и не назначен ответственный за инциденты.
Ответственного за инциденты назначили — им стал дата-инженер.
Специалист по кибербезопасности за дата-инженера, дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали Мышку.
Мышка (фамилия такая) — стажёр из полусекретного технического университета, которого взяли на три месяца за еду и «опыт в оборонном секторе».
Он не знал ни про политику закупок, ни про требования к сертификации, ни про то, что «так не делается». Он просто взял открытую библиотеку, написал скрипт за выходные, подключил два рабочих источника данных и показал прототип.
Прототип работал.
Не на 340% эффективнее, как в презентации. Но работал.
Мышка за специалиста, специалист за дата-инженера, дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — вытянули Репку.
Мораль: оборонный ИИ сейчас вытаскивают не те, кто знает все риски. А те, кто ещё не успел их испугаться.
Новости оборонного ИИ — подписывайтесь :)
Посадил генерал Репку.
Не то чтобы очень хотел — просто вышел приказ о цифровой трансформации оборонного контура, выделили бюджет, провели совещание, нарисовали дорожную карту в PowerPoint и в конце первого слайда написали: «Задача — вырастить собственную ИИ-систему поддержки принятия решений.»
Репке присвоили секретный код «AIDA» — Artificial Intelligence Decision Accelerator.
Система обещала всё: анализ обстановки в реальном времени, предиктивную аналитику угроз, синтез данных из разнородных источников, поддержку командира на всех уровнях управления. В презентации была красивая инфографика и цифры роста эффективности до 340%.
Репка выросла большая-пребольшая.
Пришло время её внедрить в боевой контур. Генерал тянет-потянет — вытянуть не может.
Позвал генерал интегратора.
Интегратор пришёл, посмотрел на архитектуру, сказал: «Вы понимаете, что у вас тут монолит на устаревшем стеке без API?» — и выставил счёт на доработку, вдвое превышающий стоимость самой Репки.
Интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали вендора.
Вендор пришёл, предложил коннектор, сказал, что это займёт три спринта, и пропал после второго. Объяснил потом по почте, что «требования изменились» и нужно переоткрыть тикет в новой системе учёта задач.
Вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали дата-инженера.
Дата-инженер сел, посмотрел в данные и молча закрыл ноутбук. Потом открыл снова и сказал: «У вас 14 источников данных, из которых 11 дают данные в разных форматах, 3 работают нестабильно, и ни один не задокументирован.»
Его включили в проект как «архитектора данных». Зарплату не подняли.
Дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали специалиста по кибербезопасности.
Специалист пришёл, провёл аудит и написал заключение на 47 страниц о том, что Репку нельзя подключать к боевым сетям, пока не будет пройдена сертификация, не закрыты 23 критических уязвимости и не назначен ответственный за инциденты.
Ответственного за инциденты назначили — им стал дата-инженер.
Специалист по кибербезопасности за дата-инженера, дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — тянут-потянут, вытянуть не могут.
Позвали Мышку.
Мышка (фамилия такая) — стажёр из полусекретного технического университета, которого взяли на три месяца за еду и «опыт в оборонном секторе».
Он не знал ни про политику закупок, ни про требования к сертификации, ни про то, что «так не делается». Он просто взял открытую библиотеку, написал скрипт за выходные, подключил два рабочих источника данных и показал прототип.
Прототип работал.
Не на 340% эффективнее, как в презентации. Но работал.
Мышка за специалиста, специалист за дата-инженера, дата-инженер за вендора, вендор за интегратора, интегратор за генерала, генерал за Репку — вытянули Репку.
Мораль: оборонный ИИ сейчас вытаскивают не те, кто знает все риски. А те, кто ещё не успел их испугаться.
Новости оборонного ИИ — подписывайтесь :)
Telegram
Новости оборонного ИИ
Новости оборонного ИИ
77😁14❤8🥰8❤🔥5💯3🤷♂2
Мы имели честь знать этого прекрасного человека. Царствие Небесное!
41🙏7❤3🫡2
Forwarded from bmpd
Исполняется пять лет с момента ухода из жизни Константина Владимировича Макиенко - сооснователя Центра анализа стратегий и технологий (ЦАСТ), виднейшего российского независимого эксперта в области обороны и безопасности и лучшего в России негосударственного специалиста по военно-техническому сотрудничеству. Константин был выдающимся умом и провидцем и, пожалуй, самым метким и проницательным в нашей стране военным аналитиком. В свете происходящих после его смерти событий именно Константина сегодня не хватает нашему военному экспертному сообществу более всего.
В ряде своих последних публикаций Константин Макиенко весьма проницательно на примере ряда войн и конфликтов обращался к проблематике того обстоятельства, что общее превосходство в военном и военно-экономическом потенциалах отнюдь не является гарантией успеха на поле боя и в войне в целом - этот потенциал надо еще уметь реализовать, и именно этим и определяется эффективность государственного управления и государственной оборонной системы. Константин обращал внимание на важность военных инноваций, способных нивелировать превосходство в традиционных видах вооружений, и неоднократно заклинал, что «нужно избегать самодовольства и комплекса превосходства над врагом, даже если противник обладает на порядок меньшими ресурсами».
Пророческие замечания Константина в вышедшей в ноябре 2020 года его знаменитой статье «Как Россия проиграла во второй карабахской войне», о нахождении России во власти «иллюзий», хорошо известны. Сегодня в память о Константине мы воспроизводим еще один его весьма визионерский материал схожей тематики - вышедшую в марте 2019 года статью «Брать не числом, а уменьем» о том, какие уроки Россия могла бы извлечь из произошедшего в начале 2019 года локального конфликта между Индией и Пакистаном.
https://bmpd.livejournal.com/4987970.html
В ряде своих последних публикаций Константин Макиенко весьма проницательно на примере ряда войн и конфликтов обращался к проблематике того обстоятельства, что общее превосходство в военном и военно-экономическом потенциалах отнюдь не является гарантией успеха на поле боя и в войне в целом - этот потенциал надо еще уметь реализовать, и именно этим и определяется эффективность государственного управления и государственной оборонной системы. Константин обращал внимание на важность военных инноваций, способных нивелировать превосходство в традиционных видах вооружений, и неоднократно заклинал, что «нужно избегать самодовольства и комплекса превосходства над врагом, даже если противник обладает на порядок меньшими ресурсами».
Пророческие замечания Константина в вышедшей в ноябре 2020 года его знаменитой статье «Как Россия проиграла во второй карабахской войне», о нахождении России во власти «иллюзий», хорошо известны. Сегодня в память о Константине мы воспроизводим еще один его весьма визионерский материал схожей тематики - вышедшую в марте 2019 года статью «Брать не числом, а уменьем» о том, какие уроки Россия могла бы извлечь из произошедшего в начале 2019 года локального конфликта между Индией и Пакистаном.
https://bmpd.livejournal.com/4987970.html
54❤7🙏6🕊3🫡3
Policy_Settings_for_Responsible_Use_of_Artificial_Intelligence_in.pdf
351.1 KB
Австралия
Министерство обороны Австралии опубликовало политику использования и ответственного применения искусственного интеллекта в обороне.
Документ закрывает весь жизненный цикл: исследование, проектирование, разработку, развёртывание, использование и вывод из эксплуатации.
Касается не только войск, но и распространяется на Defence Intelligence Organisation, Australian Geospatial-Intelligence Organisation и Australian Submarine Agency.
Документ появился в публичном поле пару месяцев назад, но как-то прошёл мимо радаров. Он стратегический. Не устарел. Поэтому публикуем.
Источник в приложении.
Министерство обороны Австралии опубликовало политику использования и ответственного применения искусственного интеллекта в обороне.
Документ закрывает весь жизненный цикл: исследование, проектирование, разработку, развёртывание, использование и вывод из эксплуатации.
Касается не только войск, но и распространяется на Defence Intelligence Organisation, Australian Geospatial-Intelligence Organisation и Australian Submarine Agency.
Документ появился в публичном поле пару месяцев назад, но как-то прошёл мимо радаров. Он стратегический. Не устарел. Поэтому публикуем.
Источник в приложении.
63❤3🥰2❤🔥1🙏1
Scale
Scale AI Expands Pentagon AI Partnership to $500 Million
The Pentagon's CDAO has expanded its enterprise agreement with Scale from $100M to $500M, giving any DoW component streamlined access to Scale's full AI platform.
#Заметные_контракты@aiobor
За последние пару недель
Scale AI.
На что получил: расширение production OTA Chief Digital and Artificial Intelligence Office: computer vision, generative AI decision support, data operations, classified AI deployment.
Сколько получил: до $500 млн.
Lockheed Martin Corp..
На что получил: инженерная разработка и сертификация Integrated Air and Missile Defense для Aegis BMD / Aegis Guam System.
Сколько получил: $407,164,441.
Abbott On Call / Astrion / HII Mission Technologies / Mantech / Naval Systems / Peraton / Prescient Edge / SAIC / Serco.
На что получили: IDIQ-контракт Naval Information Warfare Center Pacific на поддержку unmanned maritime systems: проектирование, разработка, интеграция, испытания, fielding, эксплуатация и обучение.
Сколько получили: $349,393,234.
Applied Research Associates.
На что получил: Center for High Performance Computing — R&D для высокопроизводительных вычислений ВМС США; инфраструктура для моделирования, симуляции и ИИ-нагрузок.
Сколько получил: $111,500,000.
Planned Systems International.
На что получил: enhanced mission integration для Air Force Special Operations Command: эксплуатация, поддержка, кибербезопасность, инженерия и deployed support интегрированных mission systems.
Сколько получил: $110,096,319.
Anduril Industries.
На что получил: deployment, upgrades и continuous development защищённой mesh-сети для датчиков Space Domain Awareness и Space Surveillance Network.
Сколько получил: $100,300,000; ceiling контракта вырос до $200 млн.
Domino Data Lab.
На что получил: Project AMMO — AI/MLOps-платформа ВМС США для ускорения обучения и развёртывания моделей обнаружения морских мин на беспилотных подводных системах.
Сколько получил: до $99,7 млн.
Ansys Government Initiatives.
На что получил: advanced modeling, simulation and analysis software, лицензии, maintenance и инженерные услуги для Air Force Test Center.
Сколько получил: $82,146,108.
Lockheed Martin Rotary and Mission Systems.
На что получил: systems engineering и software integration для integrated combat systems флота США и Береговой охраны.
Сколько получил: $75,645,678.
General Dynamics Mission Systems.
На что получил: развитие Data Acquisition and Retrieval System для испытательных программ подлодок классов Virginia и Columbia.
Сколько получил: $66,176,980.
COLSA Corp..
На что получил: инженерные услуги для data link tactical tool, gateway systems и mini-rack systems — слой обмена данными и совместимости для тактических систем.
Сколько получил: $59,398,717.
AeroVironment.
На что получил: интеграция PANTHER phased-array antenna на SkyRange-платформы Department of War Test Resource Management Center для ускорения испытаний и слежения за несколькими целями на испытательных траекториях.
Сколько получил: $43 млн.
Huntington Ingalls Industries Unmanned Systems.
На что получил: опцион на производство Lionfish Small Unmanned Undersea Vehicle, поддержку и ancillary equipment.
Сколько получил: $36,985,007.
Tyto Athene.
На что получил: Shore Equipment Installation and Maintenance Management Program для Fleet Cyber Command / U.S. Tenth Fleet: инженерия, installation, maintenance, security, cyber и IT-инфраструктура.
Сколько получил: $35,981,560; при опционе — до $40 млн.
SEACORP.
На что получил: разработка payload control system technology для подводных лодок ВМС США.
Сколько получил: $31,953,501.
Firestorm Labs.
На что получил: APFIT-award на xCell containerized expeditionary manufacturing и масштабирование Tempest UAS для Индо-Тихоокеанского направления.
Сколько получил: до $30 млн.
CAS Severn.
На что получил: DoD High Performance Computing Modernization Program Technology Insertion 2026 — базовая суперкомпьютерная система и test/development system для Army Research Laboratory DoD Supercomputing Resource Center.
Сколько получил: $28 млн по текущему действию; совокупная face value — $71,820,719.
За последние пару недель
Scale AI.
На что получил: расширение production OTA Chief Digital and Artificial Intelligence Office: computer vision, generative AI decision support, data operations, classified AI deployment.
Сколько получил: до $500 млн.
Lockheed Martin Corp..
На что получил: инженерная разработка и сертификация Integrated Air and Missile Defense для Aegis BMD / Aegis Guam System.
Сколько получил: $407,164,441.
Abbott On Call / Astrion / HII Mission Technologies / Mantech / Naval Systems / Peraton / Prescient Edge / SAIC / Serco.
На что получили: IDIQ-контракт Naval Information Warfare Center Pacific на поддержку unmanned maritime systems: проектирование, разработка, интеграция, испытания, fielding, эксплуатация и обучение.
Сколько получили: $349,393,234.
Applied Research Associates.
На что получил: Center for High Performance Computing — R&D для высокопроизводительных вычислений ВМС США; инфраструктура для моделирования, симуляции и ИИ-нагрузок.
Сколько получил: $111,500,000.
Planned Systems International.
На что получил: enhanced mission integration для Air Force Special Operations Command: эксплуатация, поддержка, кибербезопасность, инженерия и deployed support интегрированных mission systems.
Сколько получил: $110,096,319.
Anduril Industries.
На что получил: deployment, upgrades и continuous development защищённой mesh-сети для датчиков Space Domain Awareness и Space Surveillance Network.
Сколько получил: $100,300,000; ceiling контракта вырос до $200 млн.
Domino Data Lab.
На что получил: Project AMMO — AI/MLOps-платформа ВМС США для ускорения обучения и развёртывания моделей обнаружения морских мин на беспилотных подводных системах.
Сколько получил: до $99,7 млн.
Ansys Government Initiatives.
На что получил: advanced modeling, simulation and analysis software, лицензии, maintenance и инженерные услуги для Air Force Test Center.
Сколько получил: $82,146,108.
Lockheed Martin Rotary and Mission Systems.
На что получил: systems engineering и software integration для integrated combat systems флота США и Береговой охраны.
Сколько получил: $75,645,678.
General Dynamics Mission Systems.
На что получил: развитие Data Acquisition and Retrieval System для испытательных программ подлодок классов Virginia и Columbia.
Сколько получил: $66,176,980.
COLSA Corp..
На что получил: инженерные услуги для data link tactical tool, gateway systems и mini-rack systems — слой обмена данными и совместимости для тактических систем.
Сколько получил: $59,398,717.
AeroVironment.
На что получил: интеграция PANTHER phased-array antenna на SkyRange-платформы Department of War Test Resource Management Center для ускорения испытаний и слежения за несколькими целями на испытательных траекториях.
Сколько получил: $43 млн.
Huntington Ingalls Industries Unmanned Systems.
На что получил: опцион на производство Lionfish Small Unmanned Undersea Vehicle, поддержку и ancillary equipment.
Сколько получил: $36,985,007.
Tyto Athene.
На что получил: Shore Equipment Installation and Maintenance Management Program для Fleet Cyber Command / U.S. Tenth Fleet: инженерия, installation, maintenance, security, cyber и IT-инфраструктура.
Сколько получил: $35,981,560; при опционе — до $40 млн.
SEACORP.
На что получил: разработка payload control system technology для подводных лодок ВМС США.
Сколько получил: $31,953,501.
Firestorm Labs.
На что получил: APFIT-award на xCell containerized expeditionary manufacturing и масштабирование Tempest UAS для Индо-Тихоокеанского направления.
Сколько получил: до $30 млн.
CAS Severn.
На что получил: DoD High Performance Computing Modernization Program Technology Insertion 2026 — базовая суперкомпьютерная система и test/development system для Army Research Laboratory DoD Supercomputing Resource Center.
Сколько получил: $28 млн по текущему действию; совокупная face value — $71,820,719.
67❤4❤🔥2🥰1🤯1
HHRG-119-AS35-Wstate-StanleyC-20260514.pdf
161.9 KB
США
Maven в боевом применении
На слушаниях Комитета по вооружённым силам Палаты представителей глава Digital and Artificial Intelligence Office заявил, что система Maven (Maven Smart System, MSS) и War Data Platform, WDP с февраля работают по операции Epic Fury.
По его данным, они помогли силам США поразить более 13 000 целей и сократили цикл целеуказания с дней до секунд. В зоне Центрального командования США (U.S. Central Command, CENTCOM) синхронизация наведения сократилась с недель до часов.
Документ в приложении там еще много любопытного.
Вот основные цифры.
13 000+ целей в Epic Fury.
Сокращение цикла целеуказания с дней до секунд
7 лет развития Project Maven
Рост ежедневного потребления AI-данных в 8 раз
Синхронизация целеуказания сокращена с недель до часов
50 000+ пользователей Maven Smart System — Сотни одновременных пользователей
Коммерческие данные для Central Command — менее чем за 24 часа
Масштабирование до 3 млн+ пользователей
45 дней — после Presidential AI Action Plan от июля 2025 года CDAO, как утверждается, сократил сроки заключения контрактов Other Transaction Authority с «лет» до 45 дней.
7 pacesetting projects — CDAO запустил семь PSPs: быстрых проектных механизмов для внедрения AI.
1,2 млн+ пользователей GenAI.mil — официальная платформа Department of War для frontier AI capabilities, по документу, масштабировалась до более чем 1,2 млн пользователей.
30 000+ обученных сотрудников
60 000+ AI-агентов на платформе GenAI.mil.
$150–300 млрд — по оценке экспертов, приведённой в документе, китайское государство инвестировало свыше 150–300 млрд долларов в энергетику и compute-инфраструктуру для AI.
“Tens of billions” в США — для США говорится лишь о «десятках миллиардов» координированных федеральных инвестиций; точной суммы нет.
640 млн акров федеральной земли Department of War — на этих землях, по документу, предполагается разворачивать энергетическую и AI-инфраструктуру.
Tier 1: 100+ MW — национальные compute centers должны иметь мощность 100+ мегаватт.
Tier 2: 10+ MW — региональные compute centers должны иметь мощность 10+ мегаватт.
Tier 3: до 1 MW — modular tactical compute должен включать переносимые AI-«дата-центры в коробке» мощностью до 1 мегаватта
Больше про оборонный ИИ здесь ->>>
Maven в боевом применении
На слушаниях Комитета по вооружённым силам Палаты представителей глава Digital and Artificial Intelligence Office заявил, что система Maven (Maven Smart System, MSS) и War Data Platform, WDP с февраля работают по операции Epic Fury.
По его данным, они помогли силам США поразить более 13 000 целей и сократили цикл целеуказания с дней до секунд. В зоне Центрального командования США (U.S. Central Command, CENTCOM) синхронизация наведения сократилась с недель до часов.
Документ в приложении там еще много любопытного.
Вот основные цифры.
13 000+ целей в Epic Fury.
Сокращение цикла целеуказания с дней до секунд
7 лет развития Project Maven
Рост ежедневного потребления AI-данных в 8 раз
Синхронизация целеуказания сокращена с недель до часов
50 000+ пользователей Maven Smart System — Сотни одновременных пользователей
Коммерческие данные для Central Command — менее чем за 24 часа
Масштабирование до 3 млн+ пользователей
45 дней — после Presidential AI Action Plan от июля 2025 года CDAO, как утверждается, сократил сроки заключения контрактов Other Transaction Authority с «лет» до 45 дней.
7 pacesetting projects — CDAO запустил семь PSPs: быстрых проектных механизмов для внедрения AI.
1,2 млн+ пользователей GenAI.mil — официальная платформа Department of War для frontier AI capabilities, по документу, масштабировалась до более чем 1,2 млн пользователей.
30 000+ обученных сотрудников
60 000+ AI-агентов на платформе GenAI.mil.
$150–300 млрд — по оценке экспертов, приведённой в документе, китайское государство инвестировало свыше 150–300 млрд долларов в энергетику и compute-инфраструктуру для AI.
“Tens of billions” в США — для США говорится лишь о «десятках миллиардов» координированных федеральных инвестиций; точной суммы нет.
640 млн акров федеральной земли Department of War — на этих землях, по документу, предполагается разворачивать энергетическую и AI-инфраструктуру.
Tier 1: 100+ MW — национальные compute centers должны иметь мощность 100+ мегаватт.
Tier 2: 10+ MW — региональные compute centers должны иметь мощность 10+ мегаватт.
Tier 3: до 1 MW — modular tactical compute должен включать переносимые AI-«дата-центры в коробке» мощностью до 1 мегаватта
Больше про оборонный ИИ здесь ->>>
64❤3❤🔥1🥰1👌1🕊1
Продолжаем тему #ТехИИ@aiobor
ИИ против массовых беспилотных систем: классификация как центральная функция защиты во всех средах
Беспилотные и безэкипажные системы действуют в воздухе, на земле, на поверхности моря, под водой и в радиочастотной среде. Поэтому корректнее говорить не только о counter-UAS, то есть противодействии беспилотным авиационным системам, а о более широком контуре C-UxS — противодействии беспилотным системам как классу угроз: FPV-дронам, разведывательным БПЛА, барражирующим боеприпасам, наземным роботизированным платформам, безэкипажным катерам, ложным целям, ретрансляторам и комбинированным роям.
ИИ в такой архитектуре не сводится к автономному выбору цели для поражения. Его основная роль — ускоренное различение: обнаружить объект, сопоставить данные от разных датчиков, отфильтровать шум, распознать тип системы, оценить траекторию, намерение и степень угрозы, а затем предложить оператору или автоматизированному контуру допустимый вариант реакции.
Задача в том, чтобы понять, что именно наблюдается. Малый квадрокоптер может быть похож на птицу, FPV-дрон — на помеху или кратковременный радиосигнал, безэкипажный катер — на малую гражданскую цель на фоне волнения, наземный робот — на обычное транспортное средство или инженерный объект.
Ошибка ведёт либо к пропуску угрозы, либо к расходованию дорогих и ограниченных средств противодействия на неопасный объект.
Поэтому современные системы противодействия беспилотным угрозам всё чаще строятся как многосенсорные контуры. Они объединяют радиолокационные станции, оптико-электронные и инфракрасные камеры, средства радиотехнической разведки, акустические датчики, комплексы радиоэлектронной борьбы, командно-информационные интерфейсы и средства поражения. В морской среде к этому добавляются береговые и корабельные средства обнаружения малых надводных целей; в наземной — датчики движения, оптика, тепловизионные каналы и средства контроля маршрутов.
Задача ИИ - связать все в единую картину, где оператор видит ранжированный список угроз с уровнем уверенности и рекомендуемой реакцией.
США
Anduril в 2025 году объявила о десятилетней программе на 642 млн долларов для поставки AI-powered C-UAS Корпусу морской пехоты США.
RTX/Raytheon, описывая радары нового поколения, отдельно указывает на AI/ML decision aids, adaptive signal processing и digital beamforming как средства поддержки оператора, снижения помех и улучшения обнаружения целей.
В России пример — комплекс «СЕРП-ВС13Д».
На Украине к 2026 году особенно заметен переход от единичных средств к масштабируемой экосистеме перехвата и классификации. Министерство обороны Украины в феврале 2026 года сообщало о JATEC-проектах против дронов и автономных системах обороны. В марте 2026 года Минобороны Украины сообщило о JEDI Shahed Hunter: перехватчик автоматически получает данные от радаров, может автоматически захватывать, сопровождать и наводиться на цель, оснащён дневной и тепловизионной камерами.
В апреле 2026 года Украина объявила о закупке 8 000 перехватчиков Octopus с автоматическим терминальным наведением, к производству которых подключены украинские компании и правительство Великобритании.
Brave1 Dataroom используется для обучения и валидации ИИ-моделей.
По данным Минобороны Украины, более 30 компаний тестируют и обучают свыше 50 моделей для обнаружения и перехвата воздушных целей в разных погодных условиях и в разное время суток.
Про то, что Украина становится всемирным полигоном для обучения и испытания военных ИИ систем мы уже писали ранее.
Израиль. Drone Dome. Информации в открытых источниках достаточно.
Борьба с беспилотными системами всё больше становится борьбой классификаторов. С ростом количества применяемых в различных средах дешевых беспилотников экономия и эффективное использование средств поражения становится критически важной.
ИИ против массовых беспилотных систем: классификация как центральная функция защиты во всех средах
Беспилотные и безэкипажные системы действуют в воздухе, на земле, на поверхности моря, под водой и в радиочастотной среде. Поэтому корректнее говорить не только о counter-UAS, то есть противодействии беспилотным авиационным системам, а о более широком контуре C-UxS — противодействии беспилотным системам как классу угроз: FPV-дронам, разведывательным БПЛА, барражирующим боеприпасам, наземным роботизированным платформам, безэкипажным катерам, ложным целям, ретрансляторам и комбинированным роям.
ИИ в такой архитектуре не сводится к автономному выбору цели для поражения. Его основная роль — ускоренное различение: обнаружить объект, сопоставить данные от разных датчиков, отфильтровать шум, распознать тип системы, оценить траекторию, намерение и степень угрозы, а затем предложить оператору или автоматизированному контуру допустимый вариант реакции.
Задача в том, чтобы понять, что именно наблюдается. Малый квадрокоптер может быть похож на птицу, FPV-дрон — на помеху или кратковременный радиосигнал, безэкипажный катер — на малую гражданскую цель на фоне волнения, наземный робот — на обычное транспортное средство или инженерный объект.
Ошибка ведёт либо к пропуску угрозы, либо к расходованию дорогих и ограниченных средств противодействия на неопасный объект.
Поэтому современные системы противодействия беспилотным угрозам всё чаще строятся как многосенсорные контуры. Они объединяют радиолокационные станции, оптико-электронные и инфракрасные камеры, средства радиотехнической разведки, акустические датчики, комплексы радиоэлектронной борьбы, командно-информационные интерфейсы и средства поражения. В морской среде к этому добавляются береговые и корабельные средства обнаружения малых надводных целей; в наземной — датчики движения, оптика, тепловизионные каналы и средства контроля маршрутов.
Задача ИИ - связать все в единую картину, где оператор видит ранжированный список угроз с уровнем уверенности и рекомендуемой реакцией.
США
Anduril в 2025 году объявила о десятилетней программе на 642 млн долларов для поставки AI-powered C-UAS Корпусу морской пехоты США.
RTX/Raytheon, описывая радары нового поколения, отдельно указывает на AI/ML decision aids, adaptive signal processing и digital beamforming как средства поддержки оператора, снижения помех и улучшения обнаружения целей.
В России пример — комплекс «СЕРП-ВС13Д».
На Украине к 2026 году особенно заметен переход от единичных средств к масштабируемой экосистеме перехвата и классификации. Министерство обороны Украины в феврале 2026 года сообщало о JATEC-проектах против дронов и автономных системах обороны. В марте 2026 года Минобороны Украины сообщило о JEDI Shahed Hunter: перехватчик автоматически получает данные от радаров, может автоматически захватывать, сопровождать и наводиться на цель, оснащён дневной и тепловизионной камерами.
В апреле 2026 года Украина объявила о закупке 8 000 перехватчиков Octopus с автоматическим терминальным наведением, к производству которых подключены украинские компании и правительство Великобритании.
Brave1 Dataroom используется для обучения и валидации ИИ-моделей.
По данным Минобороны Украины, более 30 компаний тестируют и обучают свыше 50 моделей для обнаружения и перехвата воздушных целей в разных погодных условиях и в разное время суток.
Про то, что Украина становится всемирным полигоном для обучения и испытания военных ИИ систем мы уже писали ранее.
Израиль. Drone Dome. Информации в открытых источниках достаточно.
Борьба с беспилотными системами всё больше становится борьбой классификаторов. С ростом количества применяемых в различных средах дешевых беспилотников экономия и эффективное использование средств поражения становится критически важной.
63✍4❤3🥰2❤🔥1
currentissue.pdf
28.5 MB
США
Army Sustainment, Winter 2026
Сплошной ИИ. Много актуальных примеров. Разбивать на кусочки смысла не видим.
Источник в приложении. Вот это точно лонгрид на выходные.
В номере.
1. Датацентричная логистика армии США
ИИ и продвинутая аналитика рассматриваются как основа перехода от разрозненных логистических данных к единой картине снабжения в Next Generation Command and Control (NGC2).
2. ИИ в военной медицине
Отдельная тема — прогнозирование потерь, эвакуации, заболеваний, травм и медицинской готовности личного состава.
3. NGC2 и прогнозная логистика
ИИ и машинное обучение должны помогать заранее рассчитывать потребности, маршруты, грузы и риски снабжения в крупномасштабных боевых действиях.
4. Mercury как будущий ИИ-планировщик
Логистический инструмент Mercury предлагается развивать от статического калькулятора к адаптивному помощнику, который пересчитывает потребности в реальном времени.
5. ИИ в коалиционной логистике
Практическое применение ИИ — автоматическая нормализация данных между союзниками: единицы измерения, обозначения, языки, форматы отчётности.
6. ИИ для военных архивов
Combat Chronicles использует ИИ для обработки архивных материалов, извлечения текста, создания метаданных и поиска исторических уроков.
7. Поддержка автономных систем
Номер затрагивает обслуживание дронов и безэкипажных наземных машин: мобильное производство, 3D-печать, ремонт и переработка материалов в полевых условиях.
8. Машинное обучение для прогнозирования отказов колонн
Показан пример ML-модели, которая оценивает риск поломки грузовиков до выхода колонны и помогает выбирать технику для миссии.
9. Наземные роботы для снабжения переднего края
UGV рассматриваются как способ доставлять боеприпасы, воду и снаряжение к пехоте без риска для экипажа.
10. Integrated Visual Augmentation System (IVAS) как инструмент ускорения инвентаризации, обучения и технического обслуживания.
Army Sustainment, Winter 2026
Сплошной ИИ. Много актуальных примеров. Разбивать на кусочки смысла не видим.
Источник в приложении. Вот это точно лонгрид на выходные.
В номере.
1. Датацентричная логистика армии США
ИИ и продвинутая аналитика рассматриваются как основа перехода от разрозненных логистических данных к единой картине снабжения в Next Generation Command and Control (NGC2).
2. ИИ в военной медицине
Отдельная тема — прогнозирование потерь, эвакуации, заболеваний, травм и медицинской готовности личного состава.
3. NGC2 и прогнозная логистика
ИИ и машинное обучение должны помогать заранее рассчитывать потребности, маршруты, грузы и риски снабжения в крупномасштабных боевых действиях.
4. Mercury как будущий ИИ-планировщик
Логистический инструмент Mercury предлагается развивать от статического калькулятора к адаптивному помощнику, который пересчитывает потребности в реальном времени.
5. ИИ в коалиционной логистике
Практическое применение ИИ — автоматическая нормализация данных между союзниками: единицы измерения, обозначения, языки, форматы отчётности.
6. ИИ для военных архивов
Combat Chronicles использует ИИ для обработки архивных материалов, извлечения текста, создания метаданных и поиска исторических уроков.
7. Поддержка автономных систем
Номер затрагивает обслуживание дронов и безэкипажных наземных машин: мобильное производство, 3D-печать, ремонт и переработка материалов в полевых условиях.
8. Машинное обучение для прогнозирования отказов колонн
Показан пример ML-модели, которая оценивает риск поломки грузовиков до выхода колонны и помогает выбирать технику для миссии.
9. Наземные роботы для снабжения переднего края
UGV рассматриваются как способ доставлять боеприпасы, воду и снаряжение к пехоте без риска для экипажа.
10. Integrated Visual Augmentation System (IVAS) как инструмент ускорения инвентаризации, обучения и технического обслуживания.
64❤4❤🔥2🥰1👌1
Forwarded from ИИ в науке, образовании и рынке труда
А знаете ли вы, кто является крупнейшим потребителем образовательных услуг, связанных с ИИ?
Речь о действующей государственной машине, которая уже сейчас встраивает искусственный интеллект в подготовку личного состава, офицеров, штабов, командиров и гражданских сотрудников оборонного ведомства.
По институциональному масштабу, охвату и глубине образовательной инфраструктуры Министерство обороны США и особенно Армия США уже выглядят как один из крупнейших мировых заказчиков и потребителей таких услуг.
Chief Digital and Artificial Intelligence Office запустил Digital On-Demand — доступ к учебным материалам Massachusetts Institute of Technology для военных и гражданских сотрудников Министерства обороны.
Официальная цель — создать базовое понимание ИИ, генеративного ИИ, больших данных, кибербезопасности, 5G, интернета вещей и других технологий в масштабах всей оборонной организации.
В 2025 финансовом году тот же Chief Digital and Artificial Intelligence Office оплачивал обучение руководителей по программе Leading Data and AI-Enabled Organizations. Это executive education — обучение управленцев тому, как руководить организациями, где решения, процессы и операции всё больше зависят от данных и ИИ.
Стратегия Министерства обороны США по искусственному интеллекту, опубликованная в январе 2026 года, ставит задачу сделать ведомство “AI-first”. Один из проектов — GenAI.mil — дает доступ к ведущим ИИ-моделям примерно трём миллионам военных и гражданских сотрудников Министерства обороны на разных уровнях секретности. Это означает, что ИИ перестаёт быть инструментом узкой группы специалистов и становится массовой рабочей средой оборонного ведомства.
Отдельно выделяется Армия США. Её Army Artificial Intelligence Integration Center, то есть Центр интеграции искусственного интеллекта Армии США, ведёт специализированные образовательные программы.
Например, Artificial Intelligence Technician Program.
36-месячная траектория: 32 недели академического обучения в Carnegie Mellon University, затем 20 недель прикладного обучения и 24 месяца проектной работы в интересах армейских задач.
Artificial Intelligence Scholars Program: магистерские и докторские траектории для офицеров Active Component по направлениям data analytics, data engineering и autonomous systems engineering. Армия США выращивает собственные кадры, способные понимать, внедрять и сопровождать ИИ-системы внутри военной организации.
В декабре 2025 года Армия США создала новую офицерскую специализацию 49B — Artificial Intelligence / Machine Learning Officer, то есть офицер по искусственному интеллекту и машинному обучению. Для таких офицеров предусмотрены graduate-level training и практический опыт создания, развёртывания и сопровождения армейских ИИ-систем.
В марте 2026 года Combined Arms Command начал интегрировать Maven Smart System в обучение и военное образование. Maven включают в подготовку Command and General Staff College, School of Advanced Military Studies, School of Command Preparation и Data Academy.
Количество обучающих курсов по ИИ и на основе специализированных армейских тренажеров на основе ИИ для операторов боевых систем, штабистов, логистов, аналитиков, разведчиков измеряется многими сотнями и с трудом поддается подсчету.
Министерство обороны США и Армию США можно уже описывать как одну из крупнейших институциональных систем спроса на ИИ-образование.
Это спрос сразу нескольких уровней: массовая ИИ-грамотность для миллионов сотрудников, executive education для руководителей, профессиональная подготовка офицеров, академические программы в университетах, новая карьерная специализация, внедрение ИИ-инструментов в командно-штабное образование.
Кажется, что армия США сильно опережает многие образовательные институции (как государственные, так и корпоративные) в вопросах внедрения ИИ именно в образование.
По институциональному масштабу, охвату и глубине образовательной инфраструктуры Министерство обороны США и особенно Армия США уже выглядят как один из крупнейших мировых заказчиков и потребителей таких услуг.
Chief Digital and Artificial Intelligence Office запустил Digital On-Demand — доступ к учебным материалам Massachusetts Institute of Technology для военных и гражданских сотрудников Министерства обороны.
Официальная цель — создать базовое понимание ИИ, генеративного ИИ, больших данных, кибербезопасности, 5G, интернета вещей и других технологий в масштабах всей оборонной организации.
В 2025 финансовом году тот же Chief Digital and Artificial Intelligence Office оплачивал обучение руководителей по программе Leading Data and AI-Enabled Organizations. Это executive education — обучение управленцев тому, как руководить организациями, где решения, процессы и операции всё больше зависят от данных и ИИ.
Стратегия Министерства обороны США по искусственному интеллекту, опубликованная в январе 2026 года, ставит задачу сделать ведомство “AI-first”. Один из проектов —
Отдельно выделяется Армия США. Её Army Artificial Intelligence Integration Center, то есть Центр интеграции искусственного интеллекта Армии США, ведёт специализированные образовательные программы.
Например, Artificial Intelligence Technician Program.
36-месячная траектория: 32 недели академического обучения в Carnegie Mellon University, затем 20 недель прикладного обучения и 24 месяца проектной работы в интересах армейских задач.
Artificial Intelligence Scholars Program: магистерские и докторские траектории для офицеров Active Component по направлениям data analytics, data engineering и autonomous systems engineering. Армия США выращивает собственные кадры, способные понимать, внедрять и сопровождать ИИ-системы внутри военной организации.
В декабре 2025 года Армия США создала новую офицерскую специализацию 49B — Artificial Intelligence / Machine Learning Officer, то есть офицер по искусственному интеллекту и машинному обучению. Для таких офицеров предусмотрены graduate-level training и практический опыт создания, развёртывания и сопровождения армейских ИИ-систем.
В марте 2026 года Combined Arms Command начал интегрировать Maven Smart System в обучение и военное образование. Maven включают в подготовку Command and General Staff College, School of Advanced Military Studies, School of Command Preparation и Data Academy.
Количество обучающих курсов по ИИ и на основе специализированных армейских тренажеров на основе ИИ для операторов боевых систем, штабистов, логистов, аналитиков, разведчиков измеряется многими сотнями и с трудом поддается подсчету.
Министерство обороны США и Армию США можно уже описывать как одну из крупнейших институциональных систем спроса на ИИ-образование.
Это спрос сразу нескольких уровней: массовая ИИ-грамотность для миллионов сотрудников, executive education для руководителей, профессиональная подготовка офицеров, академические программы в университетах, новая карьерная специализация, внедрение ИИ-инструментов в командно-штабное образование.
Кажется, что армия США сильно опережает многие образовательные институции (как государственные, так и корпоративные) в вопросах внедрения ИИ именно в образование.
61✍5❤4🥰2❤🔥1
Европейский союз
Европейский парламент готовит окончательное одобрение новых правил проверки прямых иностранных инвестиций.
В перечень стратегических секторов для обязательной проверки включены оборона, полупроводники, искусственный интеллект, критическое сырьё и финансовые услуги.
Сделки внутри ЕС тоже могут попасть под проверку, если конечный владелец инвестора находится за пределами Союза.
https://www.europarl.europa.eu/news/en/agenda/plenary-news/2026-05-18/2/protecting-eu-strategic-sectors-from-risky-foreign-investments
Европейский парламент готовит окончательное одобрение новых правил проверки прямых иностранных инвестиций.
В перечень стратегических секторов для обязательной проверки включены оборона, полупроводники, искусственный интеллект, критическое сырьё и финансовые услуги.
Сделки внутри ЕС тоже могут попасть под проверку, если конечный владелец инвестора находится за пределами Союза.
https://www.europarl.europa.eu/news/en/agenda/plenary-news/2026-05-18/2/protecting-eu-strategic-sectors-from-risky-foreign-investments
www.europarl.europa.eu
Protecting EU strategic sectors from risky foreign investments | 18-05-2026 | News | European Parliament
On Tuesday, plenary is expected to give its final green light to new EU rules on the screening of foreign investments to prevent security risks.
62🥰3❤2❤🔥1😁1👌1
Европейский союз
После выхода последних моделей, которые быстро взламывают все, что угодно…
Европейский парламент вынес на обсуждение готовность Европейского союза к новым моделям искусственного интеллекта (cyber-capable AI models), способным искать и эксплуатировать скрытые уязвимости программного обеспечения. Обсуждение назначено на 19 мая 2026 года с участием Совета ЕС и Европейской комиссии.
Парламент ставит вопрос о доступе властей и компаний ЕС к тестированию новых моделей, применении директивы о сетевой и информационной безопасности 2 (Network and Information Security Directive, NIS2), Закона об искусственном интеллекте (AI Act) и Закона о киберустойчивости (Cyber Resilience Act, CRA).
Это все последствия недавних событий
Европейских законодателей, похоже, раздражает то, что доступ к передовым моделям они получают обновременно с обычными юзерами.
https://www.europarl.europa.eu/news/en/agenda/plenary-news/2026-05-18/4/eu-readiness-for-emerging-cyber-capable-ai-models
После выхода последних моделей, которые быстро взламывают все, что угодно…
Европейский парламент вынес на обсуждение готовность Европейского союза к новым моделям искусственного интеллекта (cyber-capable AI models), способным искать и эксплуатировать скрытые уязвимости программного обеспечения. Обсуждение назначено на 19 мая 2026 года с участием Совета ЕС и Европейской комиссии.
Парламент ставит вопрос о доступе властей и компаний ЕС к тестированию новых моделей, применении директивы о сетевой и информационной безопасности 2 (Network and Information Security Directive, NIS2), Закона об искусственном интеллекте (AI Act) и Закона о киберустойчивости (Cyber Resilience Act, CRA).
Это все последствия недавних событий
Европейских законодателей, похоже, раздражает то, что доступ к передовым моделям они получают обновременно с обычными юзерами.
https://www.europarl.europa.eu/news/en/agenda/plenary-news/2026-05-18/4/eu-readiness-for-emerging-cyber-capable-ai-models
67❤3🥰2😁2❤🔥1👌1🕊1
ГОСТ Р 71476-2024.pdf
2.6 MB
А знаете ли вы, что в РФ уже действует большое количество государственных стандартов в области ИИ?
Пример прилагается.
Ознакомиться с полным перечнем можно по ссылке:
“Действующие стандарты по направлению «Искусственный интеллект»”
https://www.rst.gov.ru/portal/gost/home/standarts/aistandarts
Пример прилагается.
Ознакомиться с полным перечнем можно по ссылке:
“Действующие стандарты по направлению «Искусственный интеллект»”
https://www.rst.gov.ru/portal/gost/home/standarts/aistandarts
61❤9🤝3❤🔥2🥰2😁1
GitHub взломали.
GitHub подтвердил несанкционированный доступ к своим внутренним репозиториям.
Входной точкой стало устройство сотрудника, заражённое через вредоносное расширение для Visual Studio Code.
GitHub сообщает, что вредоносная версия расширения удалена, устройство изолировано, начато реагирование на инцидент.
Заявление атакующих о примерно 3 800 репозиториях GitHub называет в целом совпадающим с ходом собственного расследования. Это внутренние репозитории платформы
Нет подтверждения, что утекли пользовательские репозитории GitHub или данные клиентов вне затронутых внутренних репозиториев. Но это не делает инцидент второстепенным.
Что тут интересно длянашего канала.
Военный искусственный интеллект — это не только модель. Это код, датасеты, пайплайны обучения, токены доступа, скрипты развёртывания, GitHub Actions, контейнеры, инфраструктура Continuous Integration / Continuous Delivery, то есть автоматическая сборка, проверка и выпуск программного обеспечения.
Если противник получает доступ непосредственно к среде разработки, он может атаковать всю цепочку создания системы: от создания кода до ключей доступа, тестовых стендов и боевого обновления.
Риски.
Разведывательный. Внутренний код показывает архитектуру, зависимости, слабые места, тех долг и логику работы платформы.
Диверсионный. Компрометация инструментов разработчика позволяет попытаться встроить вредоносные изменения во всю цепочку.
Агентный. Если разработка всё чаще ведётся с участием AI-агентов, которые сами вызывают инструменты, читают репозитории, запускают сборки и меняют код, заражённая среда разработки превращается в способ управлять еще и агентами.
Военный. Для систем боевого управления, анализа видео с дронов, разведывательных контуров, автономных платформ, противодронных решений……доверие к цепочке разработки становится частью боевой устойчивости.
Атаки смещаются с «взлома сервера» к взлому доверия в инженерной среде. Расширение редактора, пакет npm или PyPI, GitHub Action, токен облака — всё это теперь элементы потенциальной атаки на оборонный ИИ.
Защита (пока) стандартная.
— запретить установку непроверенных расширений Visual Studio Code;
— инвентаризировать все расширения, плагины и пакеты;
— ротировать токены и ключи, которые могли находиться в репозиториях или локальных окружениях;
— проверять GitHub Actions и другие CI/CD-сценарии;
— включить поиск секретов в коде;
— разделить права разработчиков, AI-агентов и сборочных систем;
— не считать private repository защищённым хранилищем секретов.
Ну дальше строго по внутреннему регламенту кибербеза, если он, конечно, есть.
GitHub подтвердил несанкционированный доступ к своим внутренним репозиториям.
Входной точкой стало устройство сотрудника, заражённое через вредоносное расширение для Visual Studio Code.
GitHub сообщает, что вредоносная версия расширения удалена, устройство изолировано, начато реагирование на инцидент.
Заявление атакующих о примерно 3 800 репозиториях GitHub называет в целом совпадающим с ходом собственного расследования. Это внутренние репозитории платформы
Нет подтверждения, что утекли пользовательские репозитории GitHub или данные клиентов вне затронутых внутренних репозиториев. Но это не делает инцидент второстепенным.
Что тут интересно длянашего канала.
Военный искусственный интеллект — это не только модель. Это код, датасеты, пайплайны обучения, токены доступа, скрипты развёртывания, GitHub Actions, контейнеры, инфраструктура Continuous Integration / Continuous Delivery, то есть автоматическая сборка, проверка и выпуск программного обеспечения.
Если противник получает доступ непосредственно к среде разработки, он может атаковать всю цепочку создания системы: от создания кода до ключей доступа, тестовых стендов и боевого обновления.
Риски.
Разведывательный. Внутренний код показывает архитектуру, зависимости, слабые места, тех долг и логику работы платформы.
Диверсионный. Компрометация инструментов разработчика позволяет попытаться встроить вредоносные изменения во всю цепочку.
Агентный. Если разработка всё чаще ведётся с участием AI-агентов, которые сами вызывают инструменты, читают репозитории, запускают сборки и меняют код, заражённая среда разработки превращается в способ управлять еще и агентами.
Военный. Для систем боевого управления, анализа видео с дронов, разведывательных контуров, автономных платформ, противодронных решений……доверие к цепочке разработки становится частью боевой устойчивости.
Атаки смещаются с «взлома сервера» к взлому доверия в инженерной среде. Расширение редактора, пакет npm или PyPI, GitHub Action, токен облака — всё это теперь элементы потенциальной атаки на оборонный ИИ.
Защита (пока) стандартная.
— запретить установку непроверенных расширений Visual Studio Code;
— инвентаризировать все расширения, плагины и пакеты;
— ротировать токены и ключи, которые могли находиться в репозиториях или локальных окружениях;
— проверять GitHub Actions и другие CI/CD-сценарии;
— включить поиск секретов в коде;
— разделить права разработчиков, AI-агентов и сборочных систем;
— не считать private repository защищённым хранилищем секретов.
Ну дальше строго по внутреннему регламенту кибербеза, если он, конечно, есть.
68😱7✍3❤🔥2❤2🥰1