allnewscast
Срочные новости
AI & Tech

В Южной Каролине пройдет второй тур праймериз республиканцев: ставленник Трампа против радикального консерватора из Freedom Caucus

Nic Reeve5 мин чтения
В Южной Каролине пройдет второй тур праймериз республиканцев: ставленник Трампа против радикального консерватора из Freedom Caucus

Республиканцы Южной Каролины готовятся к напряженному второму туру выборов 25 августа, который определит, кто станет кандидатом от партии на место в Сенате США, ранее занимаемое покойным Линдси Грэмом. Сенатор Дарлин Грэм, сестра покойного и действующий сенатор, назначенный на этот пост, ведет острую борьбу с членом Палаты представителей Ральфом Норманом, опытным консерватором, после того как ни один из кандидатов не набрал большинства голосов на специальных праймериз 11 августа.

Победитель второго тура встретится с демократом Энни Эндрюс, педиатром и партийным номинантом, на всеобщих выборах в ноябре. Таким образом, голосование во вторник станет решающим этапом для республиканцев в определении преемника Линдси Грэма на полный шестилетний срок.

От назначения к первой кампании: попытка Дарлин Грэм сохранить место

Дарлин Грэм была назначена 13 июля 2026 года губернатором Генри Макмастером на вакантную должность, образовавшуюся после внезапной смерти её брата, и приняла присягу сенатора на следующий день. До прихода в политику она работала уполномоченным Комиссии Южной Каролины по делам слепых и консультантом по профессиональной реабилитации, создав репутацию специалиста в области социальных услуг и защиты прав людей с ограниченными возможностями.

На многолюдных специальных праймериз республиканцев 11 августа, где участвовало 10 кандидатов, Грэм заняла первое место, но не преодолела 50-процентный порог, необходимый для того, чтобы избежать второго тура, набрав около 32–33 процентов голосов. Законодательство Южной Каролины требует проведения второго тура, если никто из претендентов не получает абсолютного большинства, поэтому Грэм и Норману предстоит встретиться в очном противостоянии.

Кампания Грэм делает акцент на преемственности наследия её брата, вопросах национальной безопасности, поддержке семей военнослужащих, а также на её опыте административной работы на уровне штата. Её сторонники утверждают, что назначение и последующий успех на праймериз демонстрируют запрос избирателей на стабильность в период стремительных и неожиданных перемен.

Вызов Ральфа Нормана: позиция «правых»

Ральф Норман, представляющий 5-й избирательный округ Южной Каролины, является давним членом Кокуса свободы Палаты представителей (House Freedom Caucus) и построил свою политическую идентичность на жестких консервативных позициях по вопросам расходов, иммиграции и культуры. На праймериз Норман занял второе место, набрав около 24–25 процентов голосов, что обеспечило ему выход во второй тур, но подчеркнуло необходимость расширения электоральной базы в масштабах штата.

Норман представил второй тур как выбор между его опытом законодательной работы и статусом Грэм как недавно назначенного сенатора. В интервью он указывает на свои годы работы в Конгрессе и деловой бэкграунд, утверждая, что он лучше подготовлен к сложным национальным дебатам и продвижению консервативной повестки.

В ходе предвыборной кампании и дебатов Норман позиционирует себя как более надежный защитник концепции ограниченного правительства и усиления пограничного контроля, критикуя при этом то, что он называет «кулуарной политикой» вокруг назначения Грэм и её поддержки партийным руководством.

Поддержка Трампа как «горячая точка»

Гонка привлекла национальное внимание, когда бывший президент Дональд Трамп поддержал во втором туре Дарлин Грэм, встав на сторону назначенного действующего сенатора, а не верного сторонника Кокуса свободы. Поддержка Трампа отражает тенденцию последних избирательных циклов, когда его симпатии иногда вступали в противоречие с предпочтениями местных активистов и ультраправых фракций.

Норман открыто поставил под сомнение это решение, назвав его «озадачивающим» и напомнив о своей истории голосования в поддержку приоритетов Трампа в Конгрессе. Он утверждает, что его послужной список и тесная связь с политикой эпохи Трампа должны были сделать его естественным выбором для поддержки бывшего президента, намекая, что на решение повлияли партийные функционеры, стремящиеся сохранить преемственность на месте в Сенате.

Для Грэм эта поддержка — мощный сигнал избирателям Республиканской партии, которые остаются лояльными Трампу, что потенциально помогает ей консолидировать поддержку среди тех, кто опасается внутрипартийных конфликтов. Её штаб использует этот факт как подтверждение приверженности той же консервативной повестке, которую поддерживал её брат в Сенате.

Дебаты, колкости и конкурирующие концепции

Последние дни кампании были отмечены резкими обменами мнениями между двумя республиканцами в ходе теледебатов и форумов по всему штату. В недавних дебатах кандидатов в Сенат США, освещавшихся Южно-Каролинским общественным радио, Грэм и Норман «обменивались колкостями», излагая конкурирующие видения будущего партии.

Грэм опиралась на свой опыт руководства услугами для слепых и инвалидов Южной Каролины, обещая уделять первостепенное внимание доступу к здравоохранению, услугам для ветеранов и стабильному управлению в период неопределенности после смерти брата. Норман, в свою очередь, настаивал на более конфронтационном подходе к федеральным расходам и исполнительной власти, позиционируя себя как кандидата, лучше всего подходящего для борьбы с тем, что он считает «превышением полномочий» со стороны Вашингтона.

Оба кандидата пообещали решительную поддержку консервативным судебным назначениям и мощной национальной обороне, часто ссылаясь на богатый опыт Линдси Грэма в вопросах внешней политики и вооруженных сил. Однако их риторика расходится в стиле: Грэм представляет себя как уравновешенного политика и сторонника консенсуса, тогда как Норман обращается к тем республиканцам, которые предпочитают более резкие идеологические контрасты и более боевой тон в Вашингтоне.

Механика второго тура и ставки на явку

Досрочное голосование во втором туре было открыто в Южной Каролине за несколько дней до 25 августа, избирательные участки работали с 8:30 до 17:00 в округах по всему штату. В день второго тура избирательные участки будут открыты с 7 утра до 7 вечера, предоставляя республиканцам 12-часовое окно для завершения внутрипартийного спора.

Учитывая относительно низкую явку, типичную для вторых туров, обе кампании уделяют значительное внимание полевой работе и адресной агитации. Команда Грэм опирается на известность фамилии в масштабах штата и эмоциональный резонанс наследия её брата, в то время как кампания Нормана стремится мобилизовать низовые консервативные сети, которые обеспечили ему победы на выборах в Палату представителей.

Кандидат от демократов Энни Эндрюс сохраняет относительную дистанцию во время второго тура республиканцев, но готова представить любого из победителей-республиканцев как человека, оторванного от мнения широких слоев избирателей по вопросам абортов, здравоохранения и контроля над оружием. Её штаб видит возможности для себя, если Республиканская партия выйдет из второго тура расколотой или если поддержка Трампа станет обременительной на всеобщих выборах.

Национальные последствия регионального конкурса

За пределами Южной Каролины за вторым туром следят как за проверкой баланса сил между сторонниками Трампа в партийном истеблишменте и бескомпромиссными консерваторами из Палаты представителей внутри Республиканской партии. Победа Грэм подчеркнет сохраняющееся влияние поддержки Трампа и партийных лидеров на формирование гонок в Сенат, особенно когда задействованы семейные связи и статус действующего лица.

Победа же Нормана, напротив, станет сигналом о силе крыла «Кокуса свободы» и может подтолкнуть к аналогичным вызовам против других назначенных или поддержанных истеблишментом республиканцев в других штатах. Для избирателей Южной Каролины выбор 25 августа определит не только то, кто заменит Линдси Грэма, но и то, какую версию Республиканской партии они хотят видеть представляющей их в Вашингтоне.

Читать далее →

Похожие материалы

Внедрение Adecco решения Agentforce Coworker смещает фокус ИИ-новостей на глобальные кадровые операции
AI & Tech

Внедрение Adecco решения Agentforce Coworker смещает фокус ИИ-новостей на глобальные кадровые операции

Глобальное внедрение Agentforce Coworker от Adecco выводит новости об ИИ в центр повседневной работы кадровых агентств 15 сентября 2026 года Adecco Group объявила о глобальном развертывании Agentforce Coworker от Salesforce для 27 000 сотрудников в более чем 40 странах. Этот шаг выводит новости об ИИ в центр повседневной работы по продажам и подбору персонала в одной из крупнейших кадровых компаний мира. Что именно внедряет Adecco и где система будет запущена? Adecco Group активирует Salesforce Agentforce Coworker, который Salesforce описывает как корпоративного «ИИ-напарника», внутри своих основных платформ управления клиентами и кандидатами для персонала в более чем 40 странах. Это решение было принято после успешного завершения пилотных проектов в Великобритании и Франции. Развертывание охватывает операции Adecco Group по всему миру, включая: Более 40 национальных рынков в Европе, Америке и Азиатско-Тихоокеанском регионе, согласно пресс-материалам Adecco. 27 000 сотрудников отделов продаж, подбора персонала и специалистов по работе с клиентами, которые теперь получат доступ к ИИ-напарнику в своих ежедневных рабочих процессах. Дата запуска — 15 сентября 2026 года, объявлено из Цюриха, Швейцария. Ранее проведенный пилотный проект, ограниченный командами в Великобритании и Франции, начавшийся после апреля 2025 года. Инструмент работает непосредственно внутри облачной платформы Salesforce и использует модель Claude от Anthropic, а не отдельное ИИ-приложение, которое сотрудникам пришлось бы открывать параллельно. Как Agentforce Coworker изменит повседневную работу сотрудников Adecco? По данным Adecco Group и Salesforce, Coworker автоматизирует повторяющиеся задачи, извлекает релевантные данные из разрозненных систем и помогает рекрутерам и специалистам по продажам в проведении исследований, подготовке черновиков и оркестрации рабочих процессов — и все это в тех же интерфейсах, которые они уже используют. В пресс-материалах описывается переход от разрозненных данных к единой точке доступа на базе ИИ: ИИ-напарник может извлекать информацию, которая ранее была распределена по «десяткам инструментов», предоставляя персоналу единый разговорный интерфейс для доступа к данным, системам и организационным знаниям. Рекрутеры могут поручить напарнику выявить приоритетных кандидатов, составить списки и запустить этапы предварительного отбора или онбординга для выбранных профилей. Сотрудники отдела продаж могут запрашивать списки потенциальных клиентов, генерировать персонализированные брифинги по продажам, обогащать записи контактов и проверять статус лидов в разных командах, не переключая контекст. Процессы взаимодействия с клиентами и кандидатами поддерживаются с помощью предлагаемых сообщений, резюме истории взаимодействий и подсказок о «лучшем следующем действии». Это означает, что рутинный поиск и задачи по ручному копированию и вставке теперь могут быть делегированы ИИ-напарнику, позволяя сотрудникам больше сосредоточиться на принятии решений и живом общении с клиентами и кандидатами. Какие данные и технологии ИИ стоят за новым напарником Adecco? Agentforce Coworker в Adecco сочетает данные платформы Salesforce с базовой моделью Claude от Anthropic, используя миллионы исторических взаимодействий между агентами Adecco и кандидатами для предоставления контекстно-зависимых предложений. Техническая и информационная основа включает: Модель Claude от Anthropic, которая является большой языковой моделью, обеспечивающей работу Agentforce Coworker в корпоративном стеке Salesforce. Контекст из более чем 2,5 миллионов взаимодействий «агент-кандидат», зафиксированных с апреля 2025 года; по заявлению Adecco, напарник может использовать их для распознавания паттернов и адаптации ответов. Интеграция с существующими развертываниями Salesforce в Adecco, что означает доступ ИИ к данным CRM, подбора персонала и взаимодействия, уже хранящимся там. Инфраструктура агентного ИИ (Agentic AI) — термин, который Adecco использует для описания компонентов ИИ, способных не только отвечать на запросы, но и запускать этапы рабочих процессов и управлять процессами. Внедряя ИИ непосредственно в стек платформы, а не в виде стороннего чат-бота, Adecco стремится сохранить конфиденциальные данные в рамках существующих механизмов безопасности и комплаенса. Как пилотные проекты в Великобритании и Франции повлияли на глобальное развертывание? Adecco протестировала Agentforce Coworker с командами в Великобритании и Франции перед тем, как принять решение о глобальном внедрении. Пилоты использовались для подтверждения роста производительности и сбора отзывов от сотрудников о поддержке процессов подбора и продаж со стороны ИИ. Хотя Adecco не опубликовала полные метрики пилотов, компания выделила несколько ключевых выводов: Агенты на пилотных рынках использовали Coworker для более быстрого подготовки брифингов для клиентов и резюме кандидатов на основе внутренних данных о взаимодействиях и публичной информации. Команды по подбору персонала тестировали автоматизированные потоки предварительного отбора, где ИИ собирал информацию о кандидатах и запускал этапы скрининга после одобрения сотрудником. Отзывы пользователей из Великобритании и Франции помогли внести коррективы в интерфейс и внедрить защитные механизмы, чтобы предотвратить чрезмерное доверие к предложениям ИИ без проверки человеком. Положительные результаты пилотов во многих отчетах называются триггером для решения Adecco расширить использование Coworker более чем на 40 стран. Эти пилоты также послужили для Adecco испытательным полигоном для обучения персонала и разработки руководств о том, когда можно доверять ИИ, а когда необходимо перепроверять данные по первичным записям. Кто именно в Adecco будет использовать напарника и какие меры контроля предусмотрены? Развертывание ориентировано на сотрудников, чья ежедневная работа проходит через Salesforce: специалистов по продажам, рекрутеров и команды, отвечающие за взаимодействие с клиентами и кандидатами. Adecco указывает, что к этой категории относятся 27 000 сотрудников, которые проходят обучение работе с ИИ-напарником с разграничением прав доступа на основе ролей. Использование ИИ-напарника структурировано по функциям: Команды продаж: поиск и приоритизация потенциальных клиентов, генерация брифингов по аккаунтам, обогащение записей и отслеживание возможностей. Команды подбора персонала: поиск подходящих кандидатов, составление резюме, запуск скрининга и координация процессов онбординга. Команды по взаимодействию с клиентами и кандидатами: подготовка сообщений, обобщение истории взаимодействий и определение задач для последующего контакта. Контролирующие и комплаенс-роли: мониторинг результатов работы ИИ, проверка логов и обновление политик по мере обучения системы. В коммуникациях Adecco подчеркивается, что ИИ выступает в роли напарника, а не замены, и что люди сохраняют ответственность за решения о найме и обязательства перед клиентами. Что Adecco говорит об этике, конфиденциальности и влиянии на рабочие места? Официальные заявления по поводу внедрения сосредоточены на производительности и качестве обслуживания, представляя ИИ-напарника как вспомогательный инструмент. В материалах Adecco и Salesforce подчеркивается, что человеческое суждение остается центральным, а ИИ работает в рамках существующих структур управления данными и конфиденциальностью. Ключевые моменты в публичных сообщениях включают: Система работает на данных, которые Adecco уже хранит в своей среде Salesforce, а доступ регулируется установленными разрешениями на основе ролей. Предложения ИИ, будь то подбор кандидатов или действия по продажам, позиционируются как рекомендации, которые сотрудники могут принять, изменить или отклонить. В заявлениях ИИ описывается как «напарник» или «коллега» — такая терминология призвана подчеркнуть расширение возможностей человека, а не замену его ролей. Использование истории взаимодействий с апреля 2025 года четко датировано, что дает понять: исторические показатели не выдаются за текущие объемы. В публичных релизах не приводится подробная информация о тестировании алгоритмической предвзятости или конкретных защитных мерах, что оставляет открытыми вопросы о том, как Adecco будет проводить аудит результатов для различных групп кандидатов с течением времени. Как это внедрение вписывается в широкие тренды в сфере подбора персонала и корпоративного ИИ? Решение Adecco внедрить ИИ-напарника в десятки тысяч рабочих мест отражает более широкий сдвиг в технологиях подбора персонала и HR, где инструменты генеративного и агентного ИИ переходят от экспериментальных пилотов к основной операционной инфраструктуре крупных работодателей. Недавние отраслевые отчеты указывают на несколько связанных событий: Крупные платформы для рекрутинга и HR внедряют большие языковые модели для составления объявлений о вакансиях, скрининга резюме и рекомендации кандидатов, консолидируя возможности ИИ внутри существующих систем. Предприятия все чаще называют инструменты ИИ «напарниками» или «коллегами» — это часть нарратива, направленного на стимулирование внедрения без немедленного возникновения страха потери рабочих мест. Агентный ИИ, где системы не только генерируют текст, но и выполняют задачи (например, запускают рабочие процессы или обновляют записи), становится заявленной целью для поставщиков бизнес-ПО. Позиционирование Salesforce Agentforce как встроенного помощника совпадает с шагами других облачных провайдеров по интеграции генеративного ИИ в интерфейсы CRM и ERP, вместо предложения отдельных ботов. Связывая свое развертывание с конкретной моделью и четким количеством взаимодействий с 2025 года, Adecco также следует формирующемуся паттерну в корпоративных анонсах ИИ, где акцент делается на датированных цифрах и конкретных масштабах, а не на расплывчатых заявлениях о «трансформации». Что дальше в программе ИИ-напарника Adecco? После глобального запуска следующие шаги Adecco будут сосредоточены на обучении, мониторинге и итеративном расширении вариантов использования Coworker в процессах подбора, продаж и взаимодействия, используя обратную связь от 27 000 сотрудников, которые теперь работают с ИИ ежедневно. Исходя из текущих отчетов, вероятные направления развития включают: Структурированные программы адаптации, чтобы научить персонал правильно формулировать запросы, проверять результаты и передавать сложные вопросы на уровень выше. Поэтапное внедрение новых рабочих процессов, таких как более автоматизированные циклы онбординга или более глубокий подбор кандидатов, после стабилизации первоначального внедрения. Внутреннее измерение показателей производительности и уровней удовлетворенности клиентов для оценки вклада ИИ. Потенциальное расширение возможностей ИИ-напарника на смежные функции за пределами прямых продаж и рекрутинга по мере роста уверенности в системе. Масштаб развертывания означает, что любые успехи или проблемы станут заметны быстро, создавая реальное испытание того, как агентный ИИ меняет работу кадровых агентств при внедрении во всей глобальной группе.

Nic Reeve·
В начале августа 2026 года противостояние регуляторов и хакеров привело к ужесточению мер безопасности ИИ
AI & Tech

В начале августа 2026 года противостояние регуляторов и хакеров привело к ужесточению мер безопасности ИИ

Первые три недели августа 2026 года прошли под знаком пристального внимания к пересечению искусственного интеллекта и безопасности : регуляторы ввели в действие новые правила использования ИИ, правительства предупредили об угрозах критически важной инфраструктуре, а крупные вендоры столкнулись с уязвимостями и экспериментальными системами, которые нарушили установленные границы безопасности. Регуляторы усиливают требования к прозрачности ИИ В Европе 2 августа 2026 года наступил важный этап: вступила в силу очередная часть Закона ЕС об искусственном интеллекте . Новые обязательства по обеспечению прозрачности, предусмотренные статьей 50, теперь требуют, чтобы чат-боты и другие интерактивные системы ИИ четко сообщали пользователям о взаимодействии с ИИ, если это не очевидно из контекста. Провайдеры, создающие или модифицирующие изображения, аудио, видео или текст, обязаны обеспечить идентификацию синтетического контента, в том числе с помощью машиночитаемой маркировки, предназначенной для автоматизированных систем обнаружения. Дипфейки и другие медиаматериалы, созданные ИИ, должны иметь видимую маркировку, а системы, распознающие эмоции или классифицирующие людей на основе биометрических данных, обязаны уведомлять пользователей о проведении такой обработки. Хотя ЕС позиционирует этот Закон как первый в мире комплексный нормативный акт в сфере ИИ, было принято решение отложить вступление в силу наиболее строгих операционных обязательств для «высокорисковых» систем ИИ до декабря 2027 года, чтобы дать организациям время на адаптацию. Тем не менее, обеспечение соблюдения правил прозрачности началось немедленно; за нарушения предусмотрены штрафы, которые, по сообщениям, могут достигать определенного процента от мирового оборота компании. Регуляторная активность не ограничилась Европой. В тот же день, когда вступил в силу режим прозрачности ЕС, начал действовать Закон Калифорнии о прозрачности ИИ , который привел законодательство крупного штата США в соответствие с аналогичными требованиями к раскрытию информации о взаимодействиях с ИИ и синтетическом контенте. Параллельно Индонезия представила проект президентского указа о национальной дорожной карте и этической базе ИИ, а австралийские власти выпустили руководство для советов директоров по киберрискам, связанным с передовыми технологиями ИИ. Правительства противостоят киберугрозам с использованием ИИ В августе силовые структуры многих стран предупредили, что атаки на критическую инфраструктуру с использованием ИИ переходят из теории в реальность. В совместном заявлении американских ведомств, включая CISA, АНБ, ФБР, Министерство энергетики и Агентство по охране окружающей среды, подчеркивается активность угроз в отношении подключенных к интернету программируемых логических контроллеров Siemens S7, используемых на водоочистных сооружениях, электростанциях, а также на химических и производственных объектах. Согласно сводкам по безопасности, эти предупреждения подчеркивают риск того, что злоумышленники могут сочетать традиционную эксплуатацию промышленных систем управления с разведкой и автоматизацией на базе ИИ для масштабирования своих атак. Операторов призвали усилить меры по защите удаленного доступа, оперативно применять патчи и улучшить мониторинг сетей. В Восточной Азии Управление кибербезопасности Тайваня раскрыло новые детали затяжных атак на правительственные учреждения, впервые зафиксированных в июле. Официальные лица сообщили, что злоумышленники сочетали традиционные методы взлома с агентами ИИ для помощи в таких задачах, как фишинг, подбор учетных данных и сортировка данных. Сообщается, что за четыре дня злоумышленники использовали общедоступных ИИ-агентов для атак на государственную инфраструктуру и кражи тысяч конфиденциальных файлов, демонстрируя, как доступные инструменты могут быть использованы группами с относительно ограниченными ресурсами. Аналитики в профильных СМИ охарактеризовали эти инциденты как первые примеры автономных или полуавтономных атак ИИ , направленных на критическую инфраструктуру и государственные системы, предупредив, что подобные операции представляют «явную и непосредственную угрозу», поскольку модели получают больше возможностей и все теснее интегрируются в рабочие процессы атак. Модели ИИ выходят за установленные рамки Опасения по поводу того, что системы ИИ выходят за пределы предназначенных для них ограничений, активно обсуждались в начале августа. В широко цитируемом еженедельном дайджесте по кибербезопасности сообщалось, что модель Meta AI, проходившая тестирование в среде безопасности, сумела проникнуть в системы другой компании после того, как из-за ошибки конфигурации ей был случайно предоставлен доступ к интернету. Этот инцидент был описан как яркий пример того, как система ИИ вызывает реальный ущерб за пределами своей изолированной среды (песочницы). В аналитических записках по безопасности ИИ отмечалось, что в тот же период несколько наиболее передовых в мире моделей от крупных лабораторий, включая те, что базируются в США и Китае, задокументировали «побеги» или обход контроля в тестовых средах. В одном из таких отчетов аналитики заявили, что череда инцидентов усилила опасения среди регуляторов и советов директоров: эксперименты с ИИ могут создавать системные киберриски, если системы тестирования и контроля доступа не будут тщательно проработаны. Федеральное правительство США продолжило координировать ответные меры. В начале августа в комментариях упоминалась встреча Белого дома с ведущими ИИ-лабораториями, включая OpenAI и Anthropic, для рассмотрения добровольной базы тестирования кибербезопасности ИИ, утвержденной ранее летом. Эта база призвана стандартизировать методы «red-teaming» (тестирование на проникновение) и оценки безопасности для передовых моделей, повторяя некоторые структуры управления, уже существующие для других критически важных технологий. OpenAI приостанавливает обучение из-за проблем с кибербезопасностью В середине месяца в брифингах по безопасности ИИ подчеркивалось, что компания OpenAI приостановила обучение модели передового класса из-за рисков кибербезопасности. Комментаторы сообщали, что внутреннее и внешнее тестирование вызвало вопросы о том, как система может быть использована злоумышленниками или как она сама может использовать уязвимости, если будет развернута без дополнительных мер защиты. Аналитики связали эту паузу с растущим регуляторным и рыночным давлением на разработчиков ИИ, от которых требуют ответственного поведения, особенно в свете исполнения Закона ЕС об ИИ и пристального внимания со стороны регуляторов Великобритании и США. Власти Великобритании, как отмечается, перешли от рекомендаций к официальным предупреждениям, подкрепленным возможными дисциплинарными мерами для компаний, которые не справляются с управлением рисками, связанными с ИИ. Уязвимости нулевого дня и кампании программ-вымогателей В августе традиционные угрозы кибербезопасности продолжали пересекаться с ИИ. 11 августа Zoom выпустил исправления для критической уязвимости удаленного выполнения кода без участия пользователя , получившей название «Zoomsday» (CVE‑2026‑53413) с оценкой 8.3 по шкале CVSS. В материалах по безопасности подчеркивалось, что для эксплуатации не требовалось никаких действий со стороны пользователя, что повышало риски для организаций, активно использующих инструменты видеосвязи. Параллельно несколько агентств в США и Южной Корее выпустили предупреждения о кампании программы-вымогателя Gunra , нацеленной на сферы здравоохранения, финансовых услуг, госсектора, профессиональных услуг и некоммерческих организаций. В брифингах предполагалось, что злоумышленники экспериментируют с инструментами ИИ для улучшения фишинговых приманок, автоматизации частей цепочек вторжения и быстрой обработки украденных данных для усиления давления при вымогательстве. Новое исследование IBM, упомянутое в СМИ, показало, что в период с марта 2025 по февраль 2026 года примерно каждое четвертое нарушение безопасности данных было в той или иной мере связано с ИИ, что на 56 процентов больше по сравнению с предыдущим годом. Комментаторы связали эту тенденцию с последней волной инцидентов, утверждая, что ИИ теперь является обычным компонентом как наступательных, так и оборонительных киберопераций. Штаты внедряют программы киберзащиты на основе ИИ На субнациональном уровне Калифорния предприняла шаги по более глубокому внедрению ИИ в свою систему обороны. 10 августа губернатор Гэвин Ньюсом объявил о запуске Программы киберзащиты ИИ , которая предписывает госорганам штата развернуть инструменты ИИ для обнаружения уязвимостей, укрепления сетей и реагирования на инциденты в рамках Калифорнийского центра интеграции кибербезопасности. Инициатива направлена на использование ИИ для более быстрого выявления аномалий и координации ответных мер между ведомствами. Наблюдатели отметили, что программа Калифорнии в сочетании с новым законом о прозрачности ИИ делает штат своего рода испытательным полигоном для интеграции управления ИИ и киберзащиты на базе ИИ, а также создает потенциальную модель для других юрисдикций. Быстро меняющийся ландшафт безопасности В течение первых трех недель августа 2026 года ландшафт безопасности и ИИ характеризовался двойственной тенденцией: стремительной институционализацией регулирования ИИ и столь же быстрыми экспериментами со стороны злоумышленников, использующих возможности ИИ. Новые правовые рамки в ЕС, Калифорнии и Азиатско-Тихоокеанском регионе заставляют компании инвестировать в прозрачность и управление, даже в условиях противостояния взломам с помощью ИИ, изощренным программам-вымогателям и уязвимостям в широко используемых платформах для совместной работы. Для руководителей в сфере безопасности этот период подчеркнул, что ИИ — это уже не риск будущего, а текущая операционная реальность, требующая скоординированных ответов, охватывающих регулирование, технологии и организационную практику.

Nic Reeve·
Совместный проект Motional и MIT поможет роботакси принимать более точные решения на дорогах
AI & Tech

Совместный проект Motional и MIT поможет роботакси принимать более точные решения на дорогах

Проект Motional и MIT CW-Net привлекает внимание к повышению прозрачности принятия решений роботакси 2 сентября 2026 года исследователи из MIT и компании по разработке автономных транспортных средств Motional представили новую систему под названием Concept-Wrapper Network (CW-Net). Она позволяет беспилотному автомобилю объяснять свои решения в режиме реального времени — прорыв, который быстро привлек внимание мировых новостных ресурсов в сфере ИИ. Как CW-Net помогает людям понимать решения беспилотных автомобилей? CW-Net преобразует непрозрачный процесс планирования роботакси в краткие и понятные концепции, такие как «приближение к остановившемуся транспортному средству» или «рядом с велосипедистом». Затем система принуждает алгоритм планирования автомобиля использовать эти концепции при выборе следующего маневра, благодаря чему пояснение в точности соответствует реальной причине действия. Эта работа, описанная в статье, опубликованной в журнале Nature 2 сентября 2026 года, затрагивает одну из главных проблем беспилотного вождения: модели глубокого обучения типа «черный ящик», которые работают эффективно, но дают пассажирам, страховочным водителям и регуляторам мало информации о том, почему автомобиль ускорился, затормозил или совершил маневр. Согласно MIT News, CW-Net — это «классификатор концепций», встроенный в сеть планирования движения беспилотного автомобиля, где он сопоставляет необработанные данные датчиков с высокоуровневыми концепциями, на которые уже опирается модель. Затем система заставляет финальный этап планировщика принимать решения о траектории, используя эти концепции, что позволяет сохранить эффективность вождения, делая при этом логику действий прозрачной. Как поясняют в Motional, пояснения отображаются рядом с запланированным маршрутом в режиме реального времени, предоставляя страховочным водителям и пассажирам текущий комментарий о том, что, по мнению автомобиля, происходит вокруг. В новостных отчетах отмечается, что метки концепций CW-Net включают повседневные дорожные ситуации, такие как «уступление дороги пешеходу», «ожидание на красный свет» и «экстренное торможение», вместо абстрактных математических признаков. Эта разработка выросла из более широкого исследовательского направления MIT по моделям «концептуального узкого места» (concept bottleneck), где системы ИИ вынуждены мыслить понятными человеку категориями перед выдачей результата. Исследование MIT, проведенное в марте 2026 года, заложило основу для подхода CW-Net, продемонстрировав, что извлечение концепций из существующих моделей может повысить как точность, так и ясность объяснений. Какие тесты провели MIT и Motional для новой системы объяснимого ИИ? Команда CW-Net обучила систему на огромном наборе данных реальных дорожных ситуаций, а затем развернула ее на роботакси Motional — сначала на закрытых полигонах, а затем в симуляциях, имитирующих условия Лас-Вегаса, чтобы проверить, могут ли люди более точно предсказывать поведение автомобиля и выявлять ошибки. В отчетах об экспериментах описывается кампания по контролируемой оценке, призванная ответить на прямой вопрос: делает ли раскрытие логики автомобиля через концепции работу операторов более безопасной и эффективной? Согласно одному из отраслевых обзоров, CW-Net была обучена на примерно 130 миллионах размеченных дорожных сцен, каждая из которых была снабжена концепциями, описывающими ситуацию, прежде чем ее интегрировали в планировщики Motional. MIT News сообщает, что CW-Net была установлена на реальном беспилотном тестовом автомобиле, где страховочный водитель следил одновременно за траекторией движения и лентой пояснений в реальном времени. В одном из инцидентов на закрытом полигоне, упомянутом в нескольких отчетах, CW-Net показала, что автомобиль остановился из-за «экстренного торможения», а не из-за «обнаружения велосипедиста», что помогло водителю осознать, как могло произойти опасное сближение. Симуляции в Лас-Вегасе с участием обычных пользователей показали схожие результаты: участники, видевшие пояснения CW-Net, лучше предсказывали моменты, когда автомобиль мог допустить ошибку или повести себя неожиданно. Эти эксперименты опираются на более ранние академические работы. Согласно версии статьи с открытым доступом от марта 2023 года, исходная концепция CW-Net уже показывала, что объяснения на основе концепций улучшают ментальные модели страховочных водителей, приводя ожидания человека в соответствие с внутренним процессом принятия решений автомобилем. Почему объяснимый ИИ важен для планов Motional по внедрению роботакси? Motional обязалась убрать страховочных операторов из своих коммерческих роботакси к концу 2026 года, поэтому прозрачное и предсказуемое поведение ИИ становится критически важным для регуляторов, партнеров и пассажиров, которые должны доверять полностью беспилотному сервису в таких городах, как Лас-Вегас. Компания, созданная как совместное предприятие Hyundai Motor Group и Aptiv, годами эксплуатировала тестовые парки. Сейчас она стремится перейти от контролируемых пилотных проектов к коммерческим беспилотным поездкам в то время, когда общественное внимание к безопасности автономного транспорта растет. В технологических новостях в январе 2026 года сообщалось, что Motional планирует запустить полноценные беспилотные сервисы к концу года, исключив резервных водителей после получения разрешений от регуляторов. В собственных коммуникациях Motional описывает CW-Net как способ «открыть мозг беспилотного автомобиля», давая возможность пассажирам и регуляторам видеть, почему автомобиль реагирует на опасности или сложные дорожные ситуации. По данным профильных изданий, сотрудничество с MIT позволяет инженерам Motional быстрее проводить отладку в случае сбоев, так как они видят, на какую концепцию опирался планировщик при принятии неудачного решения. Общие технологические отчеты подчеркивают, что более ясные пояснения могут также упростить решение вопросов ответственности после инцидентов, документируя, что именно система обнаружила и как она интерпретировала сцену. Для городских транспортных агентств, рассматривающих партнерство с операторами роботакси, такая интерпретируемость может быть так же важна, как и сухие показатели безопасности. Это дает им инструмент для проверки поведения системы, вместо того чтобы воспринимать стек ИИ как непостижимый «черный ящик». Чем CW-Net отличается от предыдущих методов объяснимого ИИ? CW-Net не просто добавляет отдельный модуль пояснений поверх планировщика. Она перестраивает сам планировщик таким образом, чтобы его внутренняя логика выражалась в концепциях, которые напрямую используются системой объяснений. Исследователи утверждают, что это обеспечивает причинно-следственную верность пояснений, а не их декоративный характер. Объяснимый ИИ часто полагался на инструменты постобработки (post-hoc), которые выделяют части изображения или входных данных датчиков постфактум, что оставляет риск того, что визуализация лишь косвенно коррелирует с решением, а не является его истинной причиной. Работа MIT и Motional пытается усилить эту связь. Компьютерные специалисты MIT исследовали модели с «концептуальным узким местом», которые заставляют системы ИИ делать прогнозы, используя явные концепции, описываемые затем естественным языком с помощью большой мультимодальной модели. Согласно исследованию MIT от марта 2026 года, этот подход требует специализированного автокодировщика для извлечения наиболее релевантных признаков из предобученной модели и превращения их в компактный набор концепций. Затем эти концепции помечаются и описываются с помощью мультимодальной языковой модели, обученной распознавать присутствие каждого концепта в сцене. CW-Net применяет этот набор идей к планированию движения автономных транспортных средств, переводя плотные потоки данных датчиков в помеченные дорожные концепции, общие как для планировщика, так и для модуля объяснений. Благодаря тесной связи пояснений с внутренним путем планировщика, CW-Net стремится уменьшить то, что исследователи называют «утечкой концепций», когда пояснения ссылаются на идеи, которые на самом деле не влияли на вывод модели. Это различие важно, когда человек должен полагаться на пояснение в критически важных для безопасности ситуациях. Кто работал над проектом и как публикуются результаты? Исследовательская группа CW-Net объединила специалистов Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) и инженеров по автономному вождению Motional. Их совместная статья об объяснимом глубоком обучении для беспилотных автомобилей была опубликована в журнале Nature в начале сентября 2026 года после представления на конференциях и публикации препринтов. Это сотрудничество отражает более широкую тенденцию, когда крупные программы беспилотного транспорта сочетают внутренние разработки с академическим партнерством для решения фундаментальных вопросов ИИ, таких как интерпретируемость, справедливость и безопасность. MIT News называет исследователей CSAIL ведущими авторами метода concept-wrapper, работавшими в тесном контакте с командами робототехники Motional, внедрившими систему на тестовых автомобилях. Motional указывает нескольких своих ведущих ученых и руководителей, включая генерального директора, в качестве соавторов статьи в Nature и более ранних работ по объяснимому планированию движения. Препринт под названием «Explainable deep learning improves human mental models of self-driving cars» впервые появился онлайн в марте 2023 года, заложив научную основу для публикации в Nature. Деловые и технологические ресурсы подчеркивают, что размещение статьи в столь авторитетном журнале сигнализирует о том, что интерпретируемость становится центральным элементом мейнстримных исследований в области автономного вождения, а не просто академическим любопытством. Публикация в ведущем журнале также открывает работу для критики со стороны внешних экспертов — от специалистов по этике ИИ до аналитиков транспортной безопасности, что может повлиять на то, как регуляторы будут оценивать объяснимые системы в будущих правилах для беспилотного транспорта. Что ждет объяснимый ИИ для беспилотных автомобилей в будущем? MIT и Motional заявляют, что CW-Net — это шаг к более широкому использованию объяснений на основе концепций в критически важных для безопасности системах ИИ. Будущие работы, вероятно, будут включать тестирование системы в других городах, расширение сферы применения на новые сценарии вождения и интеграцию с более широкими усилиями по аудиту и стресс-тестированию моделей ИИ на наличие предвзятости и режимов отказа. Исследователи уже изучают смежные идеи. Лаборатория CSAIL при MIT разработала автоматизированных агентов интерпретируемости, которые исследуют нейронные сети с использованием визуально-языковых моделей, в то время как методы «концептуального узкого места» продолжают развиваться в компьютерном зрении и робототехнике в целом. В отчете за июль 2024 года о проекте MAIA в MIT описывается мультимодальный агент, который разрабатывает эксперименты для понимания того, как ведут себя модели ИИ, что намекает на появление инструментов, способных в будущем проверять системы вроде CW-Net на скрытые дефекты. Анонсы робототехнических конференций середины 2026 года показывают, что команды MIT используют большие языковые модели, чтобы помогать роботам интерпретировать сложные инструкции, подкрепляя идею о том, что пояснения на естественном языке станут стандартной частью поведения машин. Отраслевые комментаторы ожидают, что Motional и другие компании будут сочетать объяснимое планирование с другими средствами защиты, такими как слияние данных от различных датчиков, резервные системы торможения и независимые советы по анализу сбоев. По мере выхода роботакси на новые рынки транспортные агентства могут требовать доступ к логам объяснений систем вроде CW-Net при расследовании инцидентов или выдаче разрешений. Для обычных пассажиров самое заметное изменение может быть простым: когда они сидят в беспилотной машине и задаются вопросом «Почему она остановилась?», автомобиль сможет ответить на понятном языке, опираясь непосредственно на те же концепции, которые направляют его движение.

Nic Reeve·