Сделано в России: дайджест №40 новостей из мира ИТ, науки, космоса и технологий

В новом выпуске смотрим, как российские разработчики создают альтернативы мировым дизайн-сервисам, учат нейросети защищаться от взлома и готовят приборы для международных лунных миссий.

Программные продукты и инструменты

Главное — запустили бета-тест «Спектра». Работает в браузере, позволяет рисовать всей командой и, что важно, импортирует файлы из Figma со всеми слоями.

«Ростелеком» запустил закрытое бета-тестирование российского графического редактора «Спектр»

«Ростелеком» начал закрытое бета-тестирование графического редактора «Спектр» — российского браузерного инструмента для командной работы с интерфейсами, сайтами, презентациями и маркетинговыми материалами. Решение ориентировано на дизайнеров, маркетологов, специалистов по соцсетям, фронтенд-разработчиков, аналитиков и менеджеров.

Ключевой акцент сделан на совместимость с уже сложившимися рабочими процессами. «Спектр» поддерживает импорт файлов из Figma и Pixso с сохранением структуры слоёв, а в 2026 году для продукта планируют выпустить полнофункциональный мигратор, который позволит переносить не только отдельные макеты, но и целую организационную структуру: команды, проекты и файлы. 

В редактор уже включена базовая функциональность для профессиональной работы с дизайном:

• компоненты и стили;
• автолейауты;
• маски;
• гибкая настройка прав доступа;
• экспорт в популярные графические форматы и в формат презентации.

Для командной работы предусмотрена и роль «Зритель», которая позволяет просматривать макеты и копировать свойства слоёв без права редактирования. Такой подход делает инструмент удобнее не только для дизайнеров, но и для тех участников процесса, кто согласует, проверяет и внедряет макеты.

Запуская «Спектр», мы в первую очередь решаем прикладную задачу бизнеса — дать компаниям надежный инструмент, который ускоряет выпуск цифровых продуктов и снижает операционные риски. Для команд важно не просто «рисовать макеты», а выстраивать сквозной процесс: единые компоненты и стили, совместная работа, прозрачное согласование и быстрые правки, которые напрямую влияют на сроки вывода продукта на рынок и стоимость разработки.

Роман Хазеев, директор по развитию цифровых технологий «Ростелекома»

Продукт уже внесён в реестр отечественного ПО.

Почему это важно:

• У российских компаний появляется свой инструмент для командной работы с дизайном и интерфейсами. 
• Совместимость с Figma и Pixso делает переход на новое решение более реалистичным. 
• Для бизнеса и госсектора особенно важно, что продукт можно встроить в контролируемую и локальную ИТ-среду. 
• Это шаг к развитию собственных профессиональных цифровых инструментов, а не только базового офисного ПО.

Источник: Ростелеком

Российские учёные получили патент США на нейросеть для распознавания банковских карт и документов

Компания Smart Engines получила патент США на технологию искусственного интеллекта для распознавания банковских карт, паспортов и других документов в сценариях дистанционного обслуживания. Разработка позволяет системе автоматически находить нужный объект на снимке даже в тех случаях, когда фотография сделана без специального фона, выверенного ракурса и идеального освещения.

Технология объединяет анализ геометрии и контрастных характеристик кадра. ИИ выделяет контуры и линии, строит геометрическую модель объекта и сопоставляет её с ожидаемой формой, одновременно оценивая различие между документом и фоном.

Такой подход делает решение пригодным для поиска объектов с прямоугольной геометрией, в том числе:

• паспортов; 
• удостоверений личности; 
• банковских карт; 
• других документов, используемых при удалённой идентификации. 

Новый метод должен снизить зависимость от качества кадра и сделать распознавание устойчивее в массовых сценариях. Технология уже используется в решениях Smart Engines для чтения паспортов, идентификационных карт и банковских карт.

Это не история про новую научную задачу, а про патентование конкретной архитектуры решения: как именно система выделяет документ, нормализует изображение и подготавливает его к дальнейшему распознаванию. 

Владислав Лаптев, директор по инновациям Fork-Tech

Патент стал для Smart Engines сотым в портфеле интеллектуальной собственности. 

Почему это важно:

• Для сервисов удалённой идентификации критично не только распознавание текста, но и способность стабильно работать с реальными пользовательскими снимками. 
• Патент США показывает, что российские разработки продолжают конкурировать на международном уровне. 
• Патент демонстрирует, как практические ИИ-разработки превращаются в полноценную технологическую базу.

Источник: Smart Engines

Фундаментальные разработки

Тут про умный ИИ: ученые создали защиту нейросетей от взлома, которая работает в 4 раза быстрее аналогов. В медицине подготовили базу данных, чтобы научить алгоритмы предсказывать опасные осложнения у пациентов.

В МИФИ разработали архитектуру нейросети, устойчивую к «отравлению» данных

Исследователи НИЯУ МИФИ создали архитектуру MambaShield — нейросетевую систему, которая должна сохранять устойчивость к атакам отравления: злоумышленник незаметно подмешивает в обучающие данные вредоносные примеры и постепенно меняет логику работы модели в нужную сторону.

Особенно опасны такие атаки в задачах, где ИИ работает с последовательными данными: сетевыми логами, показаниями датчиков, транзакциями и другими потоками, где вред может накапливаться постепенно и долго оставаться незаметным. В таких случаях модель внешне продолжает работать нормально, но начинает всё хуже отличать норму от угрозы.

В основе MambaShield — архитектура нового класса, которая умеет динамически решать, какую информацию из потока нужно сохранить, а какую отбросить. Поверх этого исследователи объединили сразу несколько защитных механизмов:

• обучение через набор специализированных моделей-«учителей», каждая из которых отвечает за свой тип атак; 
• адаптацию стратегии защиты в реальном времени с помощью иерархического обучения с подкреплением; 
• математическую сертификацию устойчивости, важную для применения в критической инфраструктуре. 

Новая архитектура показала точность обнаружения 99,1% на сложных датасетах кибератак, а при попытках отравления её качество снижается заметно слабее, чем у обычных моделей. MambaShield обрабатывает последовательности в 4,2 раза быстрее классического трансформера за счёт более экономичной вычислительной схемы.

Разработка не ограничивается задачами кибербезопасности. Такой подход может быть полезен в здравоохранении, беспилотном транспорте, финансах и промышленной предиктивной аналитике — везде, где ошибки ИИ могут дорого стоить, а сами данные остаются уязвимыми для скрытого искажения.

Почему это важно:

• Чем шире ИИ внедряется в реальные процессы, тем критичнее становится не только его точность, но и устойчивость к скрытым манипуляциям с данными. 
• Для банков, медицины, транспорта и промышленности такие разработки важны как основа более доверенных и предсказуемых ИИ-систем. 
• Это пример того, как российские исследователи работают уже не только над прикладным использованием ИИ, но и над его архитектурной надёжностью.

Источник: Минобрнауки России

«Яндекс» и ведущие вузы представили единую модель подготовки специалистов по физическому ИИ

«Яндекс» совместно с ВШЭ, МАИ, МИФИ, МФТИ и ИТМО разработал модель компетенций в сфере физического ИИ — первое в России целостное описание того, какими знаниями и навыками должны обладать специалисты, создающие роботов и автономные системы с искусственным интеллектом.

Модель описывает, какие роли существуют в командах физического ИИ и что требуется от специалистов на каждом уровне. Например, ML-исследователю в этой области уже недостаточно понимать только математику и нейросети: ему нужно разбираться и в кинематике, и в сенсорах, и в робототехнических фреймворках.

Для вузов и индустрии такая модель должна стать общей системой координат. Она позволяет:

• обновлять учебные программы под реальные запросы рынка; 
• точнее проектировать новые специализации и треки; 
• быстрее готовить специалистов для задач в робототехнике и автономных системах.

Документ открыт для всех, и использовать его может любой вуз. Первой программой, созданной на его основе, стала Yandex Physical AI Garage. Она сочетает фундаментальные университетские курсы с практическими модулями от специалистов «Яндекса». Студенты будут работать над прикладными задачами. Набор на программу уже открыт, предусмотрено 100 мест и дополнительная стипендия для участников.

ИИ все активнее выходит в физический мир и находит применение на производстве, в транспорте, медицине и других сферах. Поэтому рынок нуждается в специалистах нового типа, которые умеют работать как с алгоритмами, так и с инженерными системами, и знают, как внедрять ИИ безопасно. Наша модель впервые в России систематизирует подход к их подготовке».

Дарья Козлова, директор «Яндекс Образования»

Почему это важно:

• Физический ИИ требует специалистов нового типа, которым уже недостаточно знаний только в программировании или только в инженерии. 
• Общая модель компетенций помогает вузам и компаниям говорить на одном языке и точнее понимать, кого и как готовить для отрасли. 
• Для рынка это шаг от разрозненных образовательных инициатив к более системной подготовке кадров. 
• Такие модели особенно важны для направлений, где ИИ выходит из цифровой среды в реальную технику, транспорт и промышленность.

Источник: Яндекс 

В России создают первый публичный датасет интенсивной терапии для ИИ-решений в реанимации

Сеченовский университет совместно с индустриальным партнёром «КваттроЛаб» создаёт РИКОРД — первый в России публичный гармонизированный датасет реанимационного пациента. В его основу войдут 5300 клинических случаев, которые должны стать базой для разработки отечественных ИИ-систем в интенсивной терапии.

Одна из главных проблем ИИ в реанимации связана с качеством исходных данных. В отделениях интенсивной терапии критические состояния далеко не всегда полно и точно описываются через коды МКБ-10, а значит, модели нередко обучаются на неполной или искажённой картине. В РИКОРД для решения этой проблемы используется другой подход — через клинические фенотипы, то есть алгоритмическое выделение состояний по объективным медицинским признакам, а не только по формальным кодам.

В датасете уже реализовано более 80 клинических фенотипов, включая:

• сепсис; 
• острый респираторный дистресс-синдром; 
• острую почечную недостаточность; 
• другие критические состояния, важные для интенсивной терапии.

В процессе создания датасета разработчикам пришлось преодолевать барьер неточности данных, основанных на кодах МКБ. Так было введено понятие клинических фенотипов. Это алгоритмы, которые идентифицируют патофизиологические состояния на основе объективных критериев: витальных показателей, лабораторных данных и динамики состояния пациента. Благодаря этому ИИ-модели обучаются не на артефактах документирования, а на реальных клинических состояниях пациентов.

Наталья Живица, аналитик отдела анализа образовательных программ и научных исследований Сеченовского университета

На этих принципах уже была создана модель машинного обучения, способная предсказывать развитие сепсиса за шесть часов до клинических проявлений.

Почему это важно:

• Для медицинского ИИ качество данных критично: без надёжной и правильно размеченной базы даже сильные модели плохо работают в реальной клинике. 
• Появление публичного датасета даёт российским разработчикам общую основу для создания и сравнения решений в одной из самых сложных областей медицины. 
• Такой проект снижает зависимость от иностранных медицинских наборов данных, которые не всегда отражают локальную практику и структуру помощи. 
• Это шаг к тому, чтобы ИИ в реанимации развивался как системное направление.

Источник: Zdrav.Expert 

Инженерные решения

Нейросети теперь помогают в энергетике — находят места аварий на линиях за доли секунды. А в космосе готов прибор для изучения лунной пыли: в 2026 году он полетит на Луну с китайской миссией.

В МИФИ научили компьютер диагностировать аварии в электросетях за доли секунды

Студенты и сотрудники НИЯУ МИФИ совместно с Институтом искусственного интеллекта AIRI и Ивановским государственным энергетическим университетом разработали ИИ-подход для быстрого анализа аварий в электрических сетях. Система предназначена для работы с осциллограммами и позволяет резко сократить время между самой аварией и её диагностикой.

Сегодня такой анализ во многих случаях остаётся медленным и во многом ручным: данные приходится выгружать, передавать и разбирать отдельно, из-за чего выяснение причин аварии может занимать часы или даже дни. Разработка МИФИ предлагает анализировать сигналы прямо на на подстанции с помощью каскадной архитектуры нейросетей.

Система устроена в несколько этапов:

• лёгкие модели быстро обнаруживают высокочастотные сигналы; 
• более тяжёлые модели уточняют картину и размечают временные метки на осциллограмме; 
• поверх этого языковые модели формируют человекочитаемый отчёт для диспетчерского управления. 

В результате диагностика занимает доли секунды. В автоматическом отчёте можно сразу увидеть, на каком участке произошла авария, каков её тип и какие действия могут потребоваться дальше. 

Мы разработали концепцию, состоящую из нескольких моделей. Легковесные модели работают очень быстро, позволяя детектировать высокочастотные сигналы. Есть второй этап — более тяжеловесные модели, которые уже не спеша размечают временные метки на осциллограмме.

Александр Коваленко, младший научный сотрудник Института интеллектуальных кибернетических систем НИЯУ МИФИ

Сейчас решение находится на стадии прототипа, но уже вызывает интерес у энергетических компаний, которым важны надёжность сетей и более высокий уровень автоматизации.

Почему это важно:

• Для энергетики скорость диагностики аварий напрямую влияет на надёжность сети, время реакции и масштабы возможных последствий. 
• Перенос анализа на уровень самой подстанции — это шаг к более умным и самостоятельным энергетическим объектам. 
• Такие решения особенно ценны там, где важна способность быстро превратить их в понятное действие для диспетчера или инженера. 
• Это ещё один пример того, как ИИ начинает работать в критической инфраструктуре.

Источник: Научная Россия

Созданный в ИКИ РАН прибор для пылевого мониторинга Луны отправится на борту «Чанъэ-7»

Российский прибор «Пылевой мониторинг Луны» (ПмЛ-Ч7), созданный в Институте космических исследований РАН, установлен на борт лунного посадочного аппарата «Чанъэ-7». Запуск миссии запланирован на лето-осень 2026 года.

Задача прибора — исследовать плазменно-пылевую экзосферу Луны, в которой важную роль играют мельчайшие частицы пыли, микрометеориты и заряженные частицы. Поведение пыли влияет на работу приборов, посадочных систем и долговечность техники на поверхности.

ПмЛ-Ч7 должен помочь изучить сразу несколько процессов:

• динамику пылевой компоненты вблизи поверхности Луны; 
• регистрацию микрометеоритов и вторичных частиц лунного реголита; 
• параметры локальной плазмы и электрического поля рядом с аппаратом. 

Прибор включает блок с пьезокерамическими сенсорами, которые фиксируют удары пылевых частиц, и зонд Ленгмюра, измеряющий плотность и температуру окружающей плазмы. По величине механического импульса исследователи смогут оценивать размер и скорость частиц, а сопоставление этих данных с параметрами плазмы позволит лучше понять, как ведёт себя лунная пыль под воздействием внешней среды.

ПмЛ-Ч7 включён в научную нагрузку аппарата «Чанъэ-7» по соглашению между Роскосмосом и Китайской национальной космической администрацией. В дальнейшем схожие приборы планируют использовать и в миссии «Чанъэ-8», и на российских аппаратах «Луна-27.1» и «Луна-27.2».

Почему это важно:

• Лунная пыль — один из практических рисков для будущих миссий, и без её изучения трудно надёжно проектировать технику для работы на поверхности. 
• Повторяемые измерения одинаковыми приборами на разных аппаратах дают более прочную научную базу, чем одиночный эксперимент. 
• Участие российского прибора в международной лунной миссии показывает, что отечественные космические разработки востребованы в международных исследованиях. 

Источник: Институт космических исследований РАН

Подписывайся на наш Telegram-канал — там мы рассказываем о главных достижениях России в IT, науке, космосе и инженерии. Если у тебя есть интересные новости о российских технологиях, присылай их на support@codenrock.com.