Изобретая будущее

ИИ за 6 часов прочитал письмо Наполеона, которое никто не мог расшифровать 217 лет

В марте 1809 года Наполеон приказал отправить своему генералу Мармону зашифрованное письмо с описанием расположения армий. Больше двух веков оно оставалось непрочитанным. Инженер SentinelOne Картер Черч дал нейросети GPT-6 Astra один-единственный старый скан, и примерно через шесть часов у него был связный французский текст.

Шифр был коварным. Одну букву могли обозначать сразу несколько символов, 29 знаков заменяли целые слова, а часть знаков не значила ничего и сбивала с толку. К тому же скан был репродукцией из публикации 1969 года, готовой расшифровки не существовало. Модель сама разобрала рукописные знаки, потом написала программу, которая подбирала ключ и проверяла, похож ли получившийся текст на французский. Но с нуля ИИ не начинал: исследователи заранее знали значения 33 знаков, это около трети письма.

Самое интересное в содержании. Австрийские позиции из письма совпали с направлениями наступления, начавшегося в апреле. Зато фраза о том, что российские войска выступят против Австрии, не соответствовала реальности: Наполеон сам распорядился распространять этот слух, хотя не знал, начнёт ли Россия действовать. Выходит, секретное послание было отчасти фейком. Но тем интереснее.

Черч считает, что человек справился бы и раньше, просто потратил бы на это кучу времени. Для пяти знаков остались альтернативные прочтения, но смысл они не меняют. Результат проверил эксперт по историческим шифрам Сатоси Томокиё, а письмо убрали из списка неразгаданных. Ключ и программы опубликованы, так что другие письма этой же системы теперь можно читать по готовому ключу.

@SciTechQuantumAI

Роботы сами прыгнули в печь с расплавленной сталью, как в «Терминаторе 2»

Сначала их учили прыгать на воздушные подушки с высоты второго этажа. Потом повезли в Финляндию, и там человекоподобные роботы Figure F.02 прыгнули в 75-тонную печь с расплавленной сталью. Всё как в финале «Терминатора 2». Переплавить роботов предложил Арнольд Шварценеггер, а потом принял участие в проекте и в его съёмках.

Причина прозаичная. Старые F.02 набиты фирменными деталями, а разбирать каждого вручную - месяцы работы инженеров, которые нужны для следующего поколения. К тому же компоненты могли попасть в чужие руки. Переплавка закрывала обе проблемы. Правда, найти печь оказалось непросто: заводы в США и Мексике не захотели бросать в неё машины с литий-ионными аккумуляторами. Согласились только в финской Иматре.

Прыгали роботы, по словам Figure, сами: модель управления обучили в симуляции по движениям каскадёров. На всё было 24 часа и шесть циклов плавки, в каждом около 20 минут, пока на расплаве не появлялась корка. Жар и электромагнитные поля вывели из строя часть камер. Независимой проверки автономности компания не публиковала, зато уверяет, что кадры настоящие, а не графика.

А металлические слитки отправили обратно в США: из них сделают небольшую серию памятных изделий. Так часть роботов, которых уничтожали ради защиты своих разработок, вернётся сувенирами. Ещё недавно эти же F.02 11 месяцев работали на заводе BMW: переместили больше 90 тысяч деталей и участвовали в выпуске 30 тысяч автомобилей X3.

@SciTechQuantumAI

Тот самый Boeing 777, только он теперь запускает гиперзвук

На Boeing 777 летали многие: отпуск, командировка, рейс домой. Теперь такой же лайнер превратят в пусковую платформу для аппаратов, которые летят быстрее пяти скоростей звука. Американская Stratolaunch купила 777-200ER и собирается закончить переделку в 2027 году.

Запуск выглядит так: лайнер поднимает беспилотный аппарат Talon-A на высоту, тот отделяется и включает собственный ракетный двигатель. Дальше он разгоняется быстрее пяти Махов, а после полёта сам возвращается и садится на обычную полосу, как самолёт. Потом его можно запускать снова.

Это не первая такая затея компании. У неё уже есть Roc, самолёт с двумя фюзеляжами и размахом крыла около 117 метров, самый большой из действующих. Есть и переделанный Boeing 747, который в марте 2026 года уже поднял Talon-A. Раньше он возил ракеты Virgin Orbit. Больше десяти гиперзвуковых полётов позади, и третий самолёт нужен, чтобы запускать чаще: по расчётам компании, испытаний станет примерно на 35% больше.

Как именно Talon-A закрепят на пассажирском лайнере, Stratolaunch не раскрывает. Не говорит она и откуда взят сам самолёт. Известно только, что фюзеляж изменят под воздушный запуск. Так что где-то через год привычный нам Boeing начнёт заниматься тем, для чего его точно не проектировали.

@SciTechQuantumAI

Физики сделали самого крупного оптического кота Шрёдингера

Кот Шрёдингера - это система, которая до измерения находится сразу в двух состояниях. В этом опыте вместо животного вспышка света: она одновременно существует в двух вариантах, у которых по-разному сдвинута фаза волны. Чем больше различие между вариантами, тем крупнее кот. Размер задаёт параметр α²: рекорд 2019 года был 1,4, теперь он равен 2,4. Но чем крупнее кот, тем легче его разрушить: достаточно небольшой потери света или шума, и два состояния сразу пропадают.

Фотоны почти не влияют друг на друга, а здесь один фотон должен изменить целую вспышку. Помогли ридберговские атомы: у них один электрон находится далеко от ядра, поэтому они сильно влияют друг на друга. Управляющий фотон летит сразу по двум путям. Если он проходит через атомы, фаза вспышки меняется на противоположную. Если обходит их, вспышка остаётся прежней. Так состояние света оказывается связано с состоянием фотона.

Результат проверили томографией: свет много раз измеряли с разных сторон и по этим данным восстановили его состояние, как компьютерный томограф собирает объёмное изображение из множества снимков. У самого крупного кота связь с фотоном подтвердилась: 51,2 ± 0,4% при пороге 50%. Запас небольшой, но статистически заметный.

Это пока доказательство принципа. Мешают потери: 20,2 ± 1,1% света пропадает при создании состояния и ещё около 21% при измерении. Авторы хотят удлинить импульсы и лучше стабилизировать лазеры. Если получится, такие гибриды пригодятся для оптических квантовых вычислений.

@SciTechQuantumAI

Японский микроб прижился в океане Энцелада

Есть ли жизнь под льдом спутника Сатурна? Пока неизвестно. Зато теперь известно, что одно из главных возражений против неё снято. Земная архея
Methanothermococcus okinawensis росла и выдавала метан в воде, которая повторяет предполагаемый состав океана Энцелада. Хотя по всем прежним меркам этой воды ей полагалось бы не выжить.

Проблема в щёлочности. По оценкам, pH океана Энцелада доходит до 10-11. В такой воде почти весь углерод связан в бикарбонаты и карбонаты, а свободного CO₂, которым архея дышит, почти не остаётся. В обычной лабораторной среде при таком pH микроорганизм действительно переставал размножаться. Но исследователи добавили в среду минералы, которые реагируют с водой примерно как породы дна Энцелада, и получили водород. Он и стал единственным источником энергии и углерода: архея дожила до pH 11 и продолжила выделять метан.

Как ей это удалось, показал анализ генов. Клетки усилили работу ацетил-КоА пути, которым фиксируют углерод, и научились вылавливать CO₂ даже в крайне скудной концентрации. Водород, кстати, на самом Энцеладе не выдумка: Cassini нашёл его в выбросах ещё в 2015 году, а вместе с ним воду, соли, метан и сложную органику. Трещины у южного полюса выбрасывают вещество океана прямо в космос, так что будущему аппарату не придётся бурить километры льда.

Ответ, возможно, придётся ждать не одно десятилетие. Но теперь мы хотя бы понимаем, как правильно задавать вопрос.

@SciTechQuantumAI

Марсианская технология для земных пивоварен

Парадокс: при брожении дрожжи сами выделяют углекислый газ, но небольшие пивоварни выпускают его в воздух, а потом покупают такой же в баллонах. В 2021 году у поставщика Maine Beer Company газ закончился. Без него нельзя разлить пиво и продуть резервуары от воздуха, так что часть партии могла испортиться прямо в ёмкостях.

Крупные заводы давно ловят свой CO₂, но такое оборудование было слишком громоздким и дорогим для небольших пивоварен. Помогла разработка для Марса. С конца 1990-х компания Pioneer Astronautics по контрактам NASA делала компактные установки, которые почти без участия человека забирали бы CO₂ из марсианской атмосферы и превращали его в воду и метан. Основатель компании Роберт Зубрин перенёс узлы этих систем в промышленное оборудование, а позже технологию лицензировала Earthly Labs, и появилась линейка CiCi.

Maine Beer Company поставила такую установку в 2022 году. Своего газа ей хватает меньше чем на половину потребности, но этого оказалось достаточно: поставки срывались ещё дважды, а варка не останавливалась.

Сейчас у Earthly Labs больше ста заказчиков, среди них винодельни и производители крепких напитков. Компактную систему монтируют примерно за неделю, крупным установкам нужны месяцы. Вот так техника, задуманная для работы вдали от Земли, пригодилась для задачи попроще: спасти вашу пятницу со стаканчиком пенного.

@SciTechQuantumAI

Учёные создали атлас мозга из 6,3 миллиона клеток - и нашли, что объединяет Альцгеймер и Паркинсон

Исследователи проанализировали 6 320 459 отдельных клеточных ядер из префронтальной коры мозга 1494 доноров. Это одна из самых крупных подобных работ - и с её помощью впервые удалось напрямую сравнить, как работают гены при болезни Альцгеймера, Паркинсона, деменциях и шизофрении.

Технически это выглядит так: с помощью секвенирования РНК отдельных ядер учёные смотрят, какие гены были активны в каждой клетке перед смертью донора. Вместо одного усреднённого сигнала от куска ткани - миллионы отдельных профилей, которые разделили на 8 классов, 27 подклассов и 65 типов клеток. Нейроны составили 38% всех клеток, ещё треть - олигодендроциты, клетки, которые формируют оболочку вокруг нервных волокон.

Главный результат: болезни, разные по симптомам, на уровне клеток частично совпадают. Альцгеймер, Паркинсон, сосудистая деменция и деменция с тельцами Леви оказались похожи по изменениям в работе генов. А при самом Альцгеймере по мере усиления болезни падала доля нейронов и росла доля иммунных и сосудистых клеток. На ранних стадиях сильнее менялись иммунные процессы, на поздних - всё, что связано с кровоснабжением.

Атлас построен на посмертных образцах одной зоны мозга и не показывает, что вызывает болезни - только то, какие клеточные процессы с ними связаны. Зато теперь эти данные можно сравнивать между диагнозами и искать, какие изменения встречаются только при одной болезни, а какие - сразу при нескольких.

@SciTechQuantumAI

Один укол в глаз - и слепые мыши снова реагируют на свет

Представьте: сетчатка не работает, потому что погибли клетки, которые ловят свет. Но нервные клетки за ними живы, им просто нечем увидеть вспышку. Что, если вернуть им этот датчик обычным уколом?

Это и проверили. Учёные сделали крошечные полые шарики из полимерного полупроводника, чувствительного к видимому свету. Внутри шарика свет отражается много раз, поэтому он ловится примерно втрое лучше, чем в сплошной частице. После инъекции шарики оседают на сетчатке рядом с клетками, которые передают сигнал в мозг. Свет запускает в них химические процессы, и живые нейроны начинают слать импульсы. Погибшие фоторецепторы не восстанавливаются - шарики просто заменяют их. Импланты и генетические правки не нужны.

Результаты пока скромные. Через четыре недели три из семи мышей стали чаще выбирать тёмную часть камеры. Мозг отвечал на вспышки в пяти из 14 обработанных глаз, в контроле - в одном из 14. Выборка маленькая, так что эффективность нельзя считать доказанной. Серьёзных повреждений сетчатки и воспаления за две недели не нашли.

До людей далеко. Мышам нужен яркий свет, до нужных клеток доходит лишь часть частиц, а синий свет плохо проникает вглубь тканей. Неизвестно, сколько такой слой проработает и какую картинку из этого соберёт мозг. Так что пока это всего лишь идея - и проверять её на прочность только начинают.

@SciTechQuantumAI

FDA впервые одобрило робота, который сам берёт кровь на анализ

Робот попадает в вену с первой попытки почти в 95% случаев - и это уже не просто эксперимент, а настоящая технология FDA. Система Aletta от компании Vitestro получила разрешение работать в амбулаторных клиниках США: она сама находит сосуд, вводит иглу и набирает кровь, а медсестра рядом просто наблюдает.

Перед проколом аппарат сканирует руку инфракрасным светом и ультразвуком, доплером проверяет, что перед ним вена, а не артерия, и лишь потом действует - с точностью позиционирования иглы до миллиметра. Полной свободы у робота всё же нет: один специалист обязан следить одновременно за тремя такими аппаратами, а резкое движение руки пациента мгновенно отключает иглу.

В испытаниях на 1633 пациентах Aletta одинаково хорошо справлялась и с пожилыми людьми, и с теми, у кого вены сложно найти, а осложнения возникли меньше чем в одном проколе из ста. Но исследование оплатил сам производитель, так что независимого подтверждения этих цифр пока нет.

Диагнозы робот не ставит - только автоматизирует самый рутинный этап анализа. Зато FDA сразу прописало стандарты для всей новой категории устройств, а значит, это только начало, и следующая волна роботов-медсестёр не за горами. Может, и до России когда-нибудь доберутся.

@SciTechQuantumAI

ООН дала ИИ доступ к своей статистике - после того как модели с ней не справились

Спросите языковую модель про статистику ООН - и с высокой вероятностью получите неточность или откровенную выдумку. Предварительный тест UNICEF на шести моделях показал точность всего 21,2% из 133 тысяч ответов. В трёх случаях из пяти пригодного числа не было вообще. А при повторном вопросе через два дня совпадала лишь половина ответов.

17 сентября ООН запустила UN System Data Commons - платформу, которая даёт ИИ-агентам прямой доступ к проверенным данным через открытый протокол MCP. Данные хранятся как связанный граф знаний: показатели и временные ряды автоматически сопоставляются между собой, искать можно обычными вопросами. На старте доступно 44 млн точек данных от 26 структур ООН, и у каждой цифры сохранено происхождение - её можно проследить до источника.

Но проверенные данные не гарантируют правильных выводов. Google прямо предупреждает: ИИ способен неверно понять контекст и связи между показателями, даже работая с верифицированными наборами. Критические цифры всё равно нужно сверять с первоисточником.
ООН не останавливается: к 2027 году планирует охватить 80% своей статистики. Генсек Антониу Гутерриш сообщил, что проект прошёл путь от идеи до запуска за девять месяцев. Быстро - да. Но следить за смыслом цифр по-прежнему придётся людям.

@SciTechQuantumAI

Гравитация не смогла убить кота Шрёдингера

Почему кот Шрёдингера в реальности не бывает одновременно живым и мёртвым? Отдельные частицы спокойно существуют сразу в нескольких состояниях - это называют квантовой суперпозицией. Но чем крупнее объект, тем быстрее это свойство пропадает, и большие тела ведут себя уже совершенно обычно. Почему так происходит - вопрос до сих пор открытый. Ещё в 1960-х физик Фридьеш Каройхази предложил смелый ответ: виновата гравитация. По его идее, пространство-время не идеально гладкое, а постоянно чуть-чуть дрожит, и эти микроскопические колебания как бы понемногу стирают у материи квантовые свойства.

Проверить такую гипотезу на настоящем коте невозможно, но у неё нашлось удобное следствие. Если пространство и правда дрожит, эта дрожь должна слегка встряхивать заряженные частицы - а любая встряхнутая заряженная частица испускает электромагнитное излучение. Получается, у вещества должно быть едва заметное свечение, которого обычная физика не предсказывает. Значит, его можно попытаться поймать. Физики спрятали сверхчувствительный германиевый детектор под 1,4 километра скалы - чтобы отсечь помехи из космоса - и почти два месяца искали этот слабый сигнал.

Излучения нет - и в этом вся суть. Будь дрожь пространства такой, как требует теория, детектор бы её заметил. Молчание прибора закрывает эту версию идеи Каройхази. Гравитацию при этом со счетов не сбрасывают: отпал лишь один сценарий из многих.

@SciTechQuantumAI

Учёные вырастили человеческую нервную ткань в мозге мышей. Вот зачем

Исследователи убрали у мышей почти всю область, где должна была развиться кора мозга, и заполнили освободившееся место человеческой нервной тканью, выращенной из стволовых клеток. За пару месяцев эта ткань разрослась почти впятеро, заняла больше 90% свободного пространства, образовала нейронные сети и протянула отростки в глубь мозга и даже в спинной. Но сразу успокоим: никакого мышиного гения не получилось.

Зачем всё это? Дело в том, что человеческие нейроны, выращенные в чашке, развиваются плохо: у них нет ни кровоснабжения, ни связи с органами чувств. А если подсаживать их обычным мышам, клетки грызуна просто побеждают в конкуренции за место и связи. Поэтому учёные заранее «расчистили площадку», отключив у мышей развитие собственной коры. Человеческие клетки прижились, начали проявлять электрическую активность и созревать так, как в лабораторной культуре не выходило. Правда, на поведении животных это почти не сказалось: ткань осталась незрелой, а мозгом по-прежнему во многом управляли уцелевшие мышиные отделы. Ни о каком человеческом мышлении или сознании речи не идёт.

Смысл модели в другом - в ней можно изучать то, что на обычных мышах не воспроизвести. Например, в опыте с нехваткой кислорода именно человеческая ткань пострадала сильнее всего - а это ключ к пониманию, почему развивающийся мозг так уязвим при осложнениях беременности и родов. В будущем такие органоиды можно выращивать прямо из клеток конкретного пациента - и проверять лечение эпилепсии или нарушений развития мозга ещё до испытаний на людях. Хотя чем масштабнее становятся подобные опыты, тем острее встают и этические вопросы.

@SciTechQuantumAI

Астрономы измерили, сколько гелия родилось в первые минуты Вселенной — точнее, чем когда-либо

Заглянуть в первые минуты после Большого взрыва напрямую невозможно: самый древний свет, который мы вообще способны увидеть, появился лишь спустя 400 тысяч лет. Поэтому о той эпохе судят по веществу, что сформировалось тогда и донесло до нас отпечаток изначального состава Вселенной. Один из главных таких свидетелей - гелий-4, и астрономы только что измерили его долю втрое точнее прежнего.

Хитрость в том, где искать. Учёные наблюдали газ в маленьких галактиках, где почти нет тяжёлых элементов - а значит, его состав ближе всего к исходному, послевзрывному. Раньше приходилось изучать множество галактик и математически «дотягивать» зависимость до нуля, что и вносило основную погрешность. Здесь же нашли объекты настолько химически простые, что экстраполяция почти не понадобилась. Итог: первичный гелий составлял около 24,6% массы обычного вещества, а погрешность ужалась примерно до 0,5%.

И вот что важно: результат в точку совпал с предсказанием стандартной космологической модели. Будь расхождение заметным, оно намекало бы на неизвестные частицы или процессы, менявшие расширение молодой Вселенной. Но нет - первые минуты мироздания пока выглядят ровно так, как велит теория. Заодно измерение подтвердило, что типов нейтрино по-прежнему три, и сильнее прижало к стенке гипотезы о лишних невидимых лёгких частицах.

@SciTechQuantumAI

Швейцарцы создали пучок, который проверит гравитацию Эйнштейна на прочность

Все тела падают в гравитационном поле одинаково, из чего бы они ни состояли - это один из краеугольных принципов теории Эйнштейна. Для обычного вещества его проверили с колоссальной точностью, а недавно проверку прошёл и антиводород. Но оставался неисследованный уголок физики, и швейцарские учёные наконец подобрали к нему ключ.

Ключ - это мюоний, экзотический «атом» вроде водорода, только в центре у него не протон, а тяжёлый антимюон. Почти вся его масса приходится на элементарную частицу, которую прежние опыты с гравитацией фактически не затрагивали. Загвоздка была в сроках: мюон живёт всего 2,2 микросекунды, и за эти миллионные доли секунды нужно успеть создать атом, вывести его в вакуум и уловить ничтожное отклонение траектории. Старые источники давали для этого слишком слабый и хаотичный поток частиц.

Помог тонкий слой сверхтекучего гелия, охлаждённого почти до абсолютного нуля: из него мюоний вылетает узким направленным пучком с чётко заданной скоростью - как раз то, чего не хватало. Само падение атома измерят интерферометром, отслеживая, как гравитация чуть смещает интерференционную картину. По расчётам, это проверит принцип Эйнштейна с точностью около 1%. И вот что делает ожидание захватывающим: упадёт мюоний как положено - теория снова устоит, отклонится - значит, за ней прячется физика, о которой мы пока ничего не знаем.

@SciTechQuantumAI

Мухе дали $100 и отправили торговать биткоином

166 700 нейронов, 25,6 млн соединений и $100 на торговлю биткоином. Так выглядит новый эксперимент инженера Coinbase Алекса Вормута. В проекте Stonkfly цифровую карту нервной системы взрослой дрозофилы превратили в систему, которая сама выбирает между покупкой, продажей и ожиданием.

Рынок модель буквально воспринимает через зрение. Программа берет котировки Coinbase, рисует цветной график и передает яркость и цвет на тысячи виртуальных зрительных клеток. Сигналы проходят через миллионы связей, после чего активность отдельных нейронов запускает торговую команду. При изменении стоимости портфеля программа также стимулирует клетки, связанные с обратной связью.

Сам подход Вормут уже проверял на Doom. В DOOMFLY кадры игры поступали на зрительные клетки той же модели, а нейронная активность отвечала за движение, повороты и стрельбу. В новом эксперименте картинку из Doom заменили графиком биткоина, а игровые команды превратили в реальные действия на рынке.

@SciTechQuantumAI

Первые квантовые выборы: тайна вашего голоса — закон природы, а не слово чиновника

Как провести выборы так, чтобы никто не знал, за кого вы проголосовали, но при этом все могли проверить честность подсчёта? Задача звучит почти невыполнимо, но две независимые группы физиков впервые проверили квантовое голосование не в теории, а на реальном опыте с фотонами.

Секрет - в квантовой запутанности. Каждый участник получает по одному фотону из общего связанного состояния, и хотя все получают случайные нули и единицы, эти значения строго скоррелированы. Дальше проходят раунды: система кодирует голоса так, что итог посчитать можно, а вот кто именно как проголосовал - не видно. А нужны кванты вот зачем. Если бы случайные биты раздавал обычный сервер, его администратор мог бы тайком знать все значения - и вычислить, кто как проголосовал. Запутанное же состояние устроено так, что сами голосующие могут убедиться: источник честно раздаёт кубиты, а не заранее заготовленные числа, известные организатору.

Пока это лишь доказательство принципа. В одном эксперименте четверо выбирали из двух кандидатов, в другом смоделировали выборы с 16 кандидатами. Главное ограничение - сама природа фотонов: запутанное состояние надо создать, доставить всем и поймать одновременно, а потеря хотя бы одного фотона портит попытку. Поэтому речь идёт о единицах голосующих, а не о миллионах, и до национальных выборов этой технологии далеко. Но тот же механизм может пригодиться и в другом - например, для анонимной переписки между сторонами, которые друг другу не доверяют.

@SciTechQuantumAI

IBM и NASA выпустили ИИ, который ищет на Луне воду и удобные места для посадки

Лунная карта из простого набора снимков превращается в рабочий инструмент для будущих экспедиций. 10 сентября IBM и NASA представили открытую модель искусственного интеллекта, которая перелопачивает годы наблюдений за Луной: ищет признаки залежей льда, распознаёт кратеры и заранее подсказывает, где удобнее садиться и вести исследования.

Обучали ИИ более чем на 30 слоях данных с девяти приборов из четырёх миссий NASA. Воду под грунтом он напрямую не видит - вместо этого сопоставляет разные типы измерений и выделяет участки, которые стоит внимательнее проверить приборами. И делает это заметно лучше прежних методов: в тестах модель распознавала особенности рельефа до 23% точнее. Особый интерес - вечно затенённые области у полюсов, где лёд может храниться миллиарды лет. Вода на будущей базе бесценна: это и питьё, и кислород, и компоненты ракетного топлива.

Задача ИИ проще, чем кажется, но оттого не менее важная: не назначить точку посадки, а быстро сузить область поиска перед реальными миссиями. А времени в обрез. До 2029 года NASA планирует больше 20 роботизированных посадок, а уже к 2028 году программа Artemis должна вернуть на Луну астронавтов - и тогда точные карты и оценка ресурсов станут не наукой ради науки, а вопросом выживания на поверхности.

@SciTechQuantumAI

Что сделало наш мозг человеческим? Не размер, а перепрошивка связей

Долго считалось, что человеческий мозг - это, грубо говоря, увеличенная версия мозга наших предков-приматов. Новое исследование показывает, что всё не так просто. Сравнив мозг 46 людей, 46 шимпанзе и 43 макак, китайцы выяснили: главное отличие мозга человека не в новых запчастях, а в том, как они соединены между собой.

Учёные сосредоточились на сети самовосприятия - областях, которые помогают мозгу отделять себя от мира и формировать представление о собственной личности. На малом масштабе всё оказалось на удивление похоже: у людей и макак нашлись близкое устройство соответствующих зон и схожая работа генов. А вот крупные связи между областями заметно перестроились - от макак к шимпанзе и дальше к человеку, причём сильнее всего изменения затронули участки, отвечающие за абстрактное представление о себе. Заодно сместились и главные «узлы» сети: у макак в центре была кора, обрабатывающая сигналы тела, а у человека эту роль перехватили зоны, отвечающие за сложное мышление и принятие решений.

Именно такое сочетание старого и перестроенного могло стать одним из путей к сложному человеческому самосознанию. Правда, авторы честно оговариваются: прямой связи между анатомией и субъективным чувством «я» работа пока не доказывает - это следующий шаг.

@SciTechQuantumAI