В.К. Петросян (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Тома 1-6
НооПК и новая экономика вычислений
1. Персонализация интеллектуальной мощности
2. НооПК для науки, инженерии, образования и производства
3. Снижение стоимости интеллектуальных функций
4. Массовое ноомашиностроение
5. Социально-экономические последствия появления НооПК
*********
© В.К.
Петросян (Вадимир) © Lag.ru [Large Apeironic Gateway, Большой Апейронический
Портал (Шлюз), Суперпортал в Бесконечность].
При копировании данного материала и размещении его на другом сайте, ссылки
на соответствующие локации порталов Lag.ru и Proza.ru обязательны
Работа написана на основе концепции и разработок В.К. Петросяна при полноценном соавторстве (активном творческом и техническом участии) ChatGPT (OpenAI), GPT-5.6 Sol
******
НооПК и новая экономика вычислений
От персонального компьютера и искусственного интеллекта — к массовой доступности интеллектуально-креативных функций, новой индустрии ноомашиностроения и преобразованию экономики научно-технического труда.
В этой главе рассматривается экономическая перспектива NOO — второй базовой субтехнологии Метаразвития.
Центральный тезис: массовое распространение НооПК должно определяться не только снижением стоимости вычислительных операций, но прежде всего снижением полной стоимости получения достоверного и полезного интеллектуального результата.
Это принципиальное различие. Современные ИИ-системы уже способны ускорять отдельные виды интеллектуальной работы. Например, исследование Brynjolfsson, Li и Raymond, опубликованное в 2025 году, установило среднее повышение производительности операторов клиентской поддержки на 15% при использовании ИИ-помощника. Однако эффект существенно различался между работниками.
Oxford Academic
Одновременно расширение ИИ-инфраструктуры повышает требования к энергии и вычислительным ресурсам. Международное энергетическое агентство в апреле 2026 года оценило перспективу почти двукратного роста мирового энергопотребления центров обработки данных: с 485 ТВт·ч в 2025 году примерно до 950 ТВт·ч в 2030 году. Это прогноз, а не уже состоявшийся результат.
IEA
+1
Следовательно, массовый НооПК должен исследоваться как целостная технологическая и экономическая система, соединяющая локальные и распределённые вычисления, специализированные интеллектуальные модели, проверку результатов, персональную исследовательскую память и доступные средства управления сложными задачами.
При этом в настоящей главе сохраняется разграничение между современными ИИ-компьютерами, уже доступными на рынке, и проектируемыми ноокомпьютерами INM. Последние пока представляют исследовательскую цель, а их предполагаемые экономические преимущества требуют независимого экспериментального подтверждения.
Глава 4. НооПК и новая экономика вычислений
Введение. От доступности вычислений к доступности интеллектуально-креативной мощности
Историческое развитие вычислительной техники сопровождалось последовательным расширением возможностей человека.
Первые электронные вычислительные машины позволили автоматизировать сложные математические расчёты.
Универсальные компьютеры сделали возможным выполнение различных алгоритмов на одной аппаратной платформе.
Массовое распространение персональных компьютеров преобразовало организацию интеллектуального труда.
Развитие глобальных информационных сетей обеспечило доступ к распределённым информационным ресурсам.
Современные системы искусственного интеллекта открыли возможность автоматизировать отдельные функции анализа, генерации информации, программирования и принятия решений.
Однако возникновение каждой новой функциональной возможности сопровождалось изменением экономической организации вычислений.
Компьютер переставал быть исключительно дорогостоящим инструментом крупных научных и производственных организаций.
Вычислительная техника постепенно становилась частью повседневной деятельности миллионов людей.
В настоящей книге рассматривается возможность следующего качественного преобразования.
Его предполагаемая основа заключается в создании массовых персональных ноокомпьютеров — НооПК.
В отличие от традиционного персонального компьютера, основная ценность перспективного НооПК должна заключаться не только в выполнении программ и информационной обработке.
Он должен обеспечивать пользователю доступ к специально организованным когнитивно-креативным функциям.
Например, к формированию и проверке исследовательских гипотез.
Разработке технических решений.
Созданию математических моделей.
Автоматизированному проектированию экспериментов.
Анализу сложных научных данных.
И совершенствованию методов решения последующих задач.
Однако подобная перспектива требует важного уточнения.
Современные интеллектуальные вычислительные системы уже обладают некоторыми из перечисленных возможностей.
Следовательно, появление НооПК нельзя определять исключительно наличием генеративного искусственного интеллекта.
Необходимо установить его функциональные особенности и доказать их результативность.
В предыдущих главах части V были рассмотрены теоретические основания NOO, включая авторскую классификацию зрелости N0–N5.
Показано, что главным критерием ноофункциональности должна стать воспроизводимая способность получать новые, независимо проверяемые интеллектуальные результаты и совершенствовать методы их создания.
В настоящей главе необходимо исследовать следующий вопрос.
Каким образом подобные функции могут стать массово доступными и какие экономические изменения способно вызвать появление соответствующей технологической платформы?
Постановка этой задачи имеет особое значение.
Историческая компьютерная революция обеспечила радикальное расширение доступности вычислительной мощности.
Однако доступность вычислительных операций и доступность полноценной интеллектуально-креативной деятельности не являются тождественными понятиями.
Можно создать чрезвычайно производительный компьютер, но не обеспечить ему необходимые алгоритмы научного поиска.
Можно разработать интеллектуальную модель, способную генерировать технические идеи, но не создать механизм их достоверной проверки.
Можно снизить стоимость одного интеллектуального запроса, но сохранить высокую стоимость полного научного исследования.
Следовательно, необходимо пересмотреть исходную единицу экономической оценки.
Вместо одной вычислительной операции или одного информационного ответа предлагается рассматривать стоимость получения определённого полезного интеллектуального результата.
При этом результат должен соответствовать установленным требованиям качества, достоверности и воспроизводимости.
Таким образом, новая экономика вычислений в контексте NOO представляет собой предполагаемую систему массового производства, распространения и применения интеллектуально-креативных функций.
Её возникновение может существенно изменить организацию науки, инженерии, образования и промышленности.
Однако соответствующие последствия нельзя считать заранее гарантированными.
Необходимо исследовать технологические, экономические и общественные условия, при которых перспективный НооПК действительно создаст устойчивое преимущество.
4.1. Персонализация интеллектуальной мощности
4.1.1. Исторический смысл персонализации вычислений
Появление IBM PC в 1981 году стало одним из важнейших событий массовой компьютеризации.
Однако его значение не сводилось к появлению нового микропроцессора или определённой конфигурации памяти.
Существенным стало формирование доступной аппаратно-программной платформы, на основе которой возникла масштабная экосистема совместимых устройств и прикладных программ [1].
Персональный компьютер постепенно превратился в универсальный инструмент интеллектуального труда.
Пользователь получил возможность самостоятельно выполнять расчёты.
Создавать документы.
Разрабатывать программы.
Обрабатывать данные.
Проектировать технические конструкции.
И использовать многочисленные информационные ресурсы.
В результате значительная часть вычислительных возможностей, ранее доступных преимущественно крупным организациям, постепенно стала доступна отдельным специалистам.
Для концепции NOO этот опыт имеет фундаментальное значение.
Однако исторический переход от больших ЭВМ к персональным компьютерам не следует механически переносить на развитие интеллектуальных систем.
Современные ИИ-модели могут требовать значительных вычислительных ресурсов.
Некоторые из них эффективно работают на персональных устройствах.
Другие выполняются преимущественно в удалённых вычислительных центрах.
Поэтому персонализация интеллектуальной мощности не обязательно предполагает размещение всей необходимой вычислительной инфраструктуры в одном физическом корпусе.
Её сущность заключается прежде всего в доступности функциональных возможностей отдельному пользователю.
4.1.2. Что следует понимать под интеллектуальной мощностью
В обычной компьютерной технике мощность часто характеризуется производительностью процессора, количеством вычислительных операций, объёмом памяти и пропускной способностью информационных каналов.
Однако применительно к интеллектуальным системам подобные показатели являются недостаточными.
Два компьютера могут иметь одинаковые аппаратные характеристики, но демонстрировать существенно различную результативность при решении сложных задач.
Различия могут быть связаны с качеством моделей.
Доступными информационными ресурсами.
Используемыми программными инструментами.
Организацией исследовательской памяти.
И методами проверки результатов.
Поэтому для NOO предлагается использовать понятие функциональной интеллектуальной мощности.
Под ней следует понимать способность вычислительной системы выполнять определённые интеллектуальные задачи с установленными показателями качества, скорости, надёжности и затрат.
Однако интеллектуальная мощность и когнитивно-креативная результативность также не полностью совпадают.
Система может быстро анализировать документы, но не обладать подтверждённой способностью создавать новые технические решения.
Или успешно генерировать гипотезы, но не обеспечивать их проверку.
Следовательно, перспективный НооПК необходимо оценивать по нескольким независимым функциональным показателям.
4.1.3. Современные ИИ-компьютеры как аппаратная предпосылка
К середине 2020-х годов сформировалась рыночная категория персональных компьютеров, оснащённых специальными средствами ускорения искусственного интеллекта.
В подобных устройствах используются центральные процессоры, графические ускорители и нейропроцессорные блоки.
Последние обозначаются термином NPU — Neural Processing Unit.
Одним из примеров соответствующего направления являются компьютеры категории Copilot+ PC.
В документации Microsoft для определённых функций этой платформы устанавливается требование производительности NPU не менее 40 TOPS [2].
Однако показатель TOPS характеризует определённую вычислительную способность аппаратного блока.
Он не позволяет непосредственно оценить качество научных гипотез или технических решений, которые способна создавать система.
Кроме того, фактическая эффективность зависит от используемой численной точности, модели, памяти, программного обеспечения и структуры задачи.
Следовательно, увеличение производительности нейропроцессора не должно автоматически рассматриваться как увеличение ноофункциональности.
Для перспективного НооПК важнее результат выполнения целостной интеллектуальной операции.
4.1.4. Локальная интеллектуальная обработка
Одним из важных направлений персонализации является локальное выполнение моделей искусственного интеллекта.
В этом случае определённые интеллектуальные функции осуществляются непосредственно на устройстве пользователя.
Такой подход потенциально обеспечивает несколько преимуществ.
Снижается зависимость от постоянного сетевого подключения.
Может уменьшаться задержка при выполнении отдельных операций.
Появляется возможность ограничить передачу некоторых данных во внешнюю инфраструктуру.
И становится проще обеспечить доступность базовых функций при нарушении сетевой связи.
Однако локальность не означает автоматической конфиденциальности.
Система может содержать уязвимое программное обеспечение.
Подключаться к внешним сервисам.
Использовать приложения, передающие информацию без достаточного контроля пользователя.
Поэтому защита исследовательских данных требует самостоятельных технических мер.
Кроме того, локальные вычисления ограничены объёмом памяти и производительностью оборудования.
Для определённых задач может потребоваться использование более мощных внешних ресурсов.
Следовательно, локальная архитектура представляет важное, но не универсальное решение.
4.1.5. Гибридная персонально-распределённая архитектура
Для массового НооПК особенно перспективной представляется гибридная организация вычислений.
Её основная идея заключается в разделении функций между персональным устройством и распределённой вычислительной инфраструктурой.
Локально могут выполняться операции пользовательского взаимодействия.
Обработка некоторых конфиденциальных документов.
Работа персональной исследовательской памяти.
Предварительный анализ.
И использование сравнительно небольших интеллектуальных моделей.
Более сложные задачи могут выполняться удалённо.
Например, ресурсоёмкое научное моделирование.
Анализ крупных массивов данных.
Использование специализированных многоагентных систем.
Или высокопроизводительные вычисления.
Но соответствующая архитектура должна обеспечивать управляемость.
Пользователь должен знать, какие данные передаются во внешнюю среду.
Какие ресурсы используются.
Какие затраты возникают.
И какие результаты могут сохраняться локально.
Следовательно, будущая персональная ноосистема может иметь распределённую вычислительную структуру, оставаясь персональной по характеру управления и использования.
4.1.6. Персональная исследовательская память
Особое значение для НооПК имеет долговременная исследовательская память.
В традиционном компьютере пользователь сохраняет документы, программы и информационные файлы.
В перспективной ноосистеме потребуется более сложная организация знаний.
Необходимо сохранять не только итоговые документы.
Но и историю формирования исследовательских гипотез.
Использованные источники.
Результаты расчётов.
Отрицательные эксперименты.
Принятые и отклонённые решения.
И сведения о степени достоверности полученных выводов.
Подобная память может обеспечивать преемственность длительных исследовательских проектов.
Однако принципиально важно разграничивать проверенные факты и предположения.
Если система сохраняет неподтверждённую гипотезу как установленное знание, последующие результаты могут оказаться ошибочными.
Поэтому исследовательская память должна содержать сведения о происхождении данных и условиях их проверки.
4.1.7. Индивидуальная настройка интеллектуальных функций
Персонализация предполагает возможность адаптации системы к задачам конкретного пользователя.
Например, инженер может работать с определёнными стандартами и методами проектирования.
Исследователь — с конкретной научной областью.
Преподаватель — с образовательной программой.
Предприниматель — с задачами разработки продукта и анализа рынка.
Следовательно, НооПК должен поддерживать специализированные функциональные конфигурации.
Однако персонализация не должна означать бесконтрольное накопление пользовательских сведений.
Необходимо определять, какие данные действительно необходимы для работы.
Сохранять возможность их исправления.
Ограничивать доступ.
И обеспечивать переносимость исследовательских проектов между совместимыми системами.
Особенно важно, чтобы индивидуальная настройка не ухудшала объективность научных выводов.
Например, система не должна автоматически соглашаться с предпочтительными гипотезами пользователя.
Её исследовательская функция должна сохранять способность выявлять ошибки и противоречия.
4.1.8. Переход от индивидуального интеллекта к человеко-машинной исследовательской системе
Персонализация интеллектуальной мощности не означает обязательной замены человека машиной.
Напротив, одной из наиболее перспективных моделей является повышение результативности совместной деятельности.
Человек определяет цели.
Формулирует ценностные и практические ограничения.
Принимает ответственность за значимые решения.
Ноокомпьютер помогает анализировать информацию.
Формировать альтернативы.
Выполнять расчёты.
Организовывать проверки.
И документировать результаты.
При этом распределение функций может изменяться по мере подтверждения надёжности системы.
Для задач с низким риском допустима более высокая автономность.
Для сложных экспериментов и ответственных технических решений может потребоваться обязательная экспертная проверка.
Таким образом, развитие НооПК должно исследоваться как совершенствование человеко-машинной интеллектуальной деятельности.
4.1.9. Независимая оценка персональной интеллектуальной мощности
Для сравнения современных ИИ-компьютеров уже разрабатываются стандартизированные испытания.
В августе 2026 года MLCommons представила MLPerf Client 2.0, расширивший оценку персональных ИИ-устройств задачами генерации изображений и агентными вычислительными процедурами [3].
Особое значение имеет переход от измерения производительности отдельной модели к оценке времени выполнения законченной последовательности операций.
Однако для НооПК необходимо разработать более широкие критерии.
Например, качество решения исследовательской задачи.
Количество ошибок.
Достоверность использованных источников.
Продолжительность проверки.
Возможность воспроизвести результат.
И полную стоимость полезного интеллектуального действия.
Таким образом, современные аппаратные тесты могут стать частью системы оценки НооПК, но не способны полностью определить его когнитивно-креативную результативность.
4.1.10. Функциональная модель персонального НооПК
Для первоначального проектирования предлагается следующая система основных компонентов.
Компонент Основная функция
Локальная вычислительная платформа Выполнение базовых интеллектуальных операций
Интеллектуальные модели Анализ и генерация решений
Исследовательская память Сохранение контекста и результатов
Проверочный контур Контроль достоверности
Внешние инструменты Расчёты, поиск и моделирование
Система полномочий Управление безопасностью
Пользовательский интерфейс Постановка и контроль задач
Данная архитектура является проектной.
Она не предполагает, что все функции уже доступны в одном серийном устройстве с подтверждённой ноофункциональностью.
Для перехода к массовому продукту необходимо экспериментально установить работоспособность и экономическую эффективность их объединения.
4.1.11. Стратегический результат персонализации
Главная перспектива заключается не в превращении каждого персонального компьютера в универсального научного исследователя.
Более реалистичной начальной задачей является массовая доступность отдельных проверенных интеллектуально-креативных функций.
Например, анализа научных источников.
Формирования исследовательских программ.
Подготовки технических моделей.
Проверки расчётов.
И поиска альтернативных инженерных решений.
По мере совершенствования соответствующих методов возможно расширение функциональности.
Однако переход к следующему уровню должен определяться независимыми испытаниями.
Таким образом, персонализация интеллектуальной мощности означает переход от массовой доступности вычислительных ресурсов к потенциальной массовой доступности воспроизводимых интеллектуально-креативных функций.
4.2. НооПК для науки, инженерии, образования и производства
4.2.1. Различные области применения требуют различных ноофункций
Одной из принципиальных особенностей будущего НооПК может стать его функциональная специализация.
Научные исследования.
Инженерное проектирование.
Образование.
И промышленное производство обладают существенно различающимися задачами.
Для научного исследования важна проверка гипотез.
Для инженерии — создание работоспособной конструкции.
Для образования — формирование знаний и навыков у человека.
Для производства — достижение заданных характеристик процесса при допустимых затратах и рисках.
Следовательно, универсальный интерфейс не должен скрывать различия между критериями результата.
Ноомашина, успешно выполняющая математические вычисления, не обязательно способна безопасно управлять промышленным оборудованием.
И интеллектуальная система, эффективно готовящая учебные материалы, не обязательно обеспечивает самостоятельное освоение знаний учащимися.
Поэтому функциональные конфигурации НооПК должны проектироваться применительно к конкретным областям применения.
4.2.2. НооПК для фундаментальных научных исследований
В фундаментальной науке одной из главных задач является получение новых достоверных знаний.
Перспективный НооПК может участвовать в различных этапах исследования.
Например, осуществлять систематический поиск научной литературы.
Выявлять противоречия между публикациями.
Формировать альтернативные объяснения.
Подготавливать математические модели.
Разрабатывать способы экспериментальной проверки.
Анализировать полученные данные.
И сохранять историю исследовательского процесса.
Однако особенно важно не смешивать автоматическое формирование научного текста с научным открытием.
В 2026 году Stanford AI Index отметил существенный прогресс использования искусственного интеллекта в науке, но одновременно указал на значительные ограничения при воспроизведении полноценных научных исследований [5].
Следовательно, для научного НооПК особенно важны независимая проверка и воспроизводимость.
Его функциональное преимущество должно определяться количеством и качеством подтверждённых результатов, а не объёмом сгенерированных научных сообщений.
4.2.3. НооПК для автоматизированного научного поиска
Современные исследовательские системы уже демонстрируют возможность автоматизированного поиска новых решений.
В 2022 году система AlphaTensor позволила обнаружить новые алгоритмические конструкции для определённых задач умножения матриц [7].
В 2024 году FunSearch продемонстрировала сочетание генеративного поиска программ с объективной проверкой результатов [8].
Эти исследования особенно важны для концепции NOO.
Они подтверждают, что вычислительная система может участвовать в создании ранее неизвестных содержательных результатов.
Однако необходимо учитывать ограничения.
Такие достижения особенно убедительны в задачах, для которых существует объективный механизм проверки.
В экспериментальной физике, биологии или материаловедении подобная проверка может оказаться значительно сложнее.
Поэтому первый научный НооПК целесообразно ориентировать на ограниченные классы задач, где можно независимо оценивать результаты.
После этого возможно расширение предметной области.
4.2.4. НооПК для инженерного проектирования
В инженерной деятельности главная задача заключается в создании функциональных технических решений.
Перспективный НооПК может помогать разрабатывать альтернативные конструкции.
Анализировать технические требования.
Исследовать ограничения.
Создавать расчётные модели.
Проверять соответствие проектной документации установленным условиям.
И выбирать информативные испытания.
Например, при проектировании электронного устройства система может исследовать несколько архитектур.
Оценить энергопотребление.
Сравнить требования к памяти.
Рассчитать тепловые ограничения.
Выявить критические компоненты.
И предложить технические изменения.
Но необходимо учитывать, что компьютерная модель не является доказательством работоспособности физического изделия.
Реальные характеристики зависят от материалов, производственных допусков и условий эксплуатации.
Поэтому инженерный НооПК должен объединять проектирование с процедурой независимой проверки.
4.2.5. НооПК для исследований новых материалов
Особенно значимой областью является проектирование материалов.
В 2025 году в Nature опубликовано исследование MatterGen — генеративной модели поиска новых неорганических кристаллических структур [9].
Подобные системы способны формировать кандидатов с заданными характеристиками.
Однако предложенная структура не обязательно соответствует материалу, который можно воспроизводимо изготовить.
Поэтому необходима последовательность.
Сначала создаётся вычислительный прогноз.
Затем выполняется расчётная проверка.
После этого разрабатывается технологический маршрут.
Проводится экспериментальный синтез.
Измеряются свойства.
Исследуется воспроизводимость.
И только после этого рассматривается промышленное применение.
Для NOO подобный процесс представляет перспективную область объединения интеллектуального поиска и экспериментальной проверки.
Особое значение это направление может иметь для PICO.
4.2.6. НооПК как персональный инструмент научно-технического творчества
Возникновение массового НооПК потенциально способно изменить возможности самостоятельных исследователей и небольших инженерных коллективов.
В настоящее время многие технические задачи требуют использования специализированного программного обеспечения и доступа к научным информационным ресурсам.
Интеллектуальная система может уменьшать часть этих барьеров.
Например, помогать разработчику осваивать новую предметную область.
Формировать предварительные технические модели.
Сравнивать альтернативные конструкции.
Подготавливать программы испытаний.
И документировать результаты.
Но нельзя предполагать, что персональный ноокомпьютер полностью заменит исследовательскую лабораторию.
Для многих задач необходимы реальные измерения.
Специализированное оборудование.
Материалы.
И профессиональная экспертиза.
Следовательно, важной функцией НооПК может стать доступ к распределённой научно-технологической инфраструктуре.
4.2.7. НооПК для образования
Образование представляет самостоятельную область применения интеллектуальных вычислительных технологий.
Персональный НооПК может использоваться для адаптивного обучения.
Разъяснения сложных понятий.
Подготовки индивидуальных упражнений.
Моделирования физических процессов.
Обучения программированию.
И развития навыков исследовательской работы.
Особое значение имеет возможность адаптировать образовательную последовательность к уровню подготовки пользователя.
Однако необходимо принципиально разграничивать выполнение учебного задания и получение знаний.
Если система самостоятельно решает задачу вместо учащегося, это не обязательно способствует развитию его интеллектуальных способностей.
В исследовании Bastani и соавторов, опубликованном в PNAS в 2025 году, было показано, что использование генеративного ИИ без специальных педагогических ограничений может улучшать результаты тренировочных заданий, но ухудшать последующую самостоятельную работу [15].
Следовательно, образовательный НооПК должен проектироваться не как универсальный генератор готовых ответов.
Его основной целью должно стать повышение качества реального обучения.
4.2.8. Педагогическая архитектура образовательного НооПК
Для образовательного применения предлагается выделить несколько функций.
Первоначально система оценивает уровень подготовки учащегося.
Затем определяет образовательную цель.
После этого формирует индивидуальную последовательность обучения.
При решении задач может предлагать подсказки.
Проверять промежуточные рассуждения.
Объяснять ошибки.
И постепенно уменьшать объём помощи.
Но важнейшая проверка должна проводиться независимо от интеллектуальной системы.
Необходимо установить, способен ли учащийся самостоятельно применять приобретённые знания.
В докладе OECD Digital Education Outlook 2026 подчёркивается, что генеративный искусственный интеллект может поддерживать обучение при правильной педагогической организации, тогда как простое делегирование заданий машине не гарантирует формирования устойчивых навыков [14].
Поэтому образовательная эффективность НооПК должна оцениваться по реальному приросту компетенций.
4.2.9. НооПК для профессионального образования и переподготовки
Развитие интеллектуальных технологий создаёт необходимость непрерывного обновления профессиональных навыков.
Особенно быстро могут изменяться методы программирования, инженерного проектирования и работы с информацией.
НооПК способен помогать специалистам осваивать новые инструменты.
Создавать персональные образовательные программы.
Формировать тренировочные задания.
Обеспечивать обратную связь.
И оценивать результаты обучения.
Однако профессиональная подготовка должна включать реальную практическую деятельность.
Например, освоение производственного оборудования невозможно полностью заменить текстовым взаимодействием с интеллектуальной моделью.
Поэтому перспективный НооПК должен поддерживать сочетание теоретического обучения, моделирования и практических испытаний.
4.2.10. НооПК для промышленного производства
В производственной сфере интеллектуальная система может использоваться для анализа технологических процессов.
Подготовки производственной документации.
Исследования причин дефектов.
Прогнозирования отказов.
Оптимизации расхода материалов.
И планирования технического обслуживания.
Однако необходимо различать информационную поддержку и непосредственное управление оборудованием.
Ошибочный аналитический отчёт может привести к неверному инженерному решению.
Но ошибочная управляющая команда способна непосредственно вызвать повреждение установки или нарушение технологического процесса.
Поэтому промышленный НооПК должен использовать систему разграничения полномочий.
Для опасных и необратимых действий необходимы специальные процедуры подтверждения.
Таким образом, повышение производственной автономности должно сопровождаться развитием надёжности и безопасности.
4.2.11. Связь НооПК с промышленными роботами
Современная промышленность уже располагает значительной инфраструктурой автоматизации.
По данным International Federation of Robotics, в 2024 году в мире было установлено около 542 тысяч промышленных роботов [24].
Однако существование роботизированного производства само по себе не означает наличия ноомашин.
Промышленный робот обычно выполняет определённый набор физических операций.
Перспективная NOO должна обеспечивать более сложные функции технологического анализа и проектирования.
Например, выявлять причины производственных ограничений.
Предлагать изменения процесса.
Проверять их посредством моделирования.
Оценивать результаты экспериментального внедрения.
И совершенствовать методы последующей оптимизации.
Следовательно, взаимодействие НооПК с роботизированным оборудованием может стать одним из направлений промышленного ноомашиностроения.
4.2.12. Функциональная специализация массовых НооПК
Для первоначального развития предлагается следующая классификация.
Класс НооПК Основное применение Критерий результата
Научный Исследования и гипотезы Подтверждённые знания
Инженерный Техническое проектирование Испытанные решения
Образовательный Формирование компетенций Самостоятельное освоение
Производственный Совершенствование процессов Качество и эффективность
Универсальный персональный Различные интеллектуальные задачи Надёжность и полезность
Данная классификация является авторской проектной схемой.
Она не означает существования соответствующих серийных ноокомпьютеров.
Для каждого класса необходимо разработать самостоятельные методы испытаний.
4.2.13. Главный результат функциональной специализации
Массовый НооПК не обязательно должен сразу выполнять все возможные интеллектуально-креативные задачи.
Более реалистичной представляется последовательная разработка специализированных функциональных решений.
Первоначально может быть создан научный ноокомпьютер.
Затем инженерная конфигурация.
После этого образовательная или производственная система.
По мере развития программной совместимости возможно объединение их функций.
Таким образом, путь к массовой ноокомпьютеризации может проходить через создание нескольких взаимодополняющих технологических платформ.
4.3. Снижение стоимости интеллектуальных функций
4.3.1. От стоимости вычислительной операции к стоимости результата
Историческое развитие микроэлектроники сопровождалось значительным снижением стоимости многих вычислительных операций.
Однако современная экономика искусственного интеллекта требует более сложной оценки.
Стоимость выполнения нейросетевой модели не равна стоимости полезного интеллектуального результата.
Например, система может быстро подготовить технический отчёт.
Но если документ содержит ошибки, потребуется дополнительная экспертная проверка.
Может быть создана научная гипотеза.
Но её подтверждение потребует экспериментальных затрат.
Или интеллектуальный агент автоматически выполнит несколько программных операций, а затем создаст ошибочный итоговый результат.
В этом случае часть затрат окажется бесполезной.
Следовательно, предлагается считать основной экономической единицей NOO полную стоимость подтверждённого полезного интеллектуального результата.
Его содержание должно определяться применительно к конкретной предметной области.
Для программирования это может быть корректно работающая программа.
Для инженерии — испытанное техническое решение.
Для науки — подтверждённая модель или экспериментальный результат.
Для образования — самостоятельно освоенная компетенция.
Для производства — воспроизводимое улучшение технологического показателя.
4.3.2. Полная стоимость интеллектуальной деятельности
Для корректного экономического анализа необходимо учитывать несколько категорий затрат.
Первая — стоимость вычислительных ресурсов.
Вторая — стоимость интеллектуальных моделей и программного обеспечения.
Третья — стоимость доступа к информационным источникам.
Четвёртая — человеческий труд, необходимый для постановки и контроля задач.
Пятая — стоимость проверки результатов.
Шестая — затраты на исправление ошибок.
Седьмая — расходы на оборудование и экспериментальную инфраструктуру.
Восьмая — эксплуатационные затраты, включая энергию и обслуживание.
Девятая — амортизация аппаратного и программного обеспечения.
Десятая — стоимость обеспечения безопасности и соблюдения применимых требований.
Следовательно, стоимость отдельного запроса к интеллектуальной модели представляет лишь один компонент полной экономики НооПК.
4.3.3. Историческое снижение стоимости ИИ-вычислений
Современная индустрия искусственного интеллекта уже демонстрирует существенное снижение стоимости выполнения некоторых типов моделей.
Stanford AI Index 2025 сообщил, что стоимость использования модели, соответствующей определённому уровню GPT-3.5 по тесту MMLU, снизилась более чем в 280 раз между ноябрём 2022 года и октябрём 2024 года [20].
Этот результат имеет важное значение.
Он подтверждает возможность быстрого изменения экономики интеллектуальных вычислений.
Однако необходимо учитывать ограничения сравнения.
Речь идёт об определённом уровне качества на конкретном тесте.
Другие задачи могут демонстрировать иную динамику стоимости.
Кроме того, снижение цены обработки определённого количества токенов не означает аналогичного снижения стоимости научного открытия или технического изобретения.
Для NOO необходимо исследовать именно эту разницу.
4.3.4. Экспериментальные данные о производительности интеллектуального труда
Исследования 2023–2025 годов показывают, что искусственный интеллект способен повышать производительность некоторых видов интеллектуальной работы.
В эксперименте Noy и Zhang, опубликованном в Science в 2023 году, использование генеративного ИИ при выполнении определённых профессиональных письменных задач сопровождалось сокращением времени работы примерно на 40% и повышением качества результата в среднем на 18% [16].
В исследовании Brynjolfsson, Li и Raymond, опубликованном в 2025 году, применение ИИ-помощника повысило среднюю производительность операторов клиентской поддержки на 15% [17].
Но подобные результаты нельзя механически переносить на все виды интеллектуального труда.
Эффективность зависит от задачи, квалификации пользователя и возможностей проверки.
В частности, отдельные исследования программной инженерии продемонстрировали значительно менее однозначные результаты.
4.3.5. Почему искусственный интеллект не всегда снижает затраты
В 2025 году исследовательская организация METR опубликовала результаты эксперимента с опытными разработчиками программного обеспечения [18].
В исследованных условиях использование ИИ-инструментов приводило в среднем к увеличению времени выполнения задач примерно на 19%.
При этом сами участники первоначально ожидали существенного ускорения.
Этот результат особенно важен для экономики NOO.
Он показывает, что субъективное впечатление от удобства интеллектуального инструмента может существенно отличаться от реальной производительности.
Однако необходимо учитывать ограниченность соответствующего эксперимента.
Исследование проводилось с конкретными инструментами, определённой группой разработчиков и определёнными программными проектами.
В феврале 2026 года METR сообщила о новых наблюдениях, допускающих повышение эффективности более современных инструментов, но отметила методологические ограничения повторного исследования [19].
Следовательно, необходимо избегать как универсальных обещаний ускорения, так и универсальных выводов о неэффективности искусственного интеллекта.
Для НооПК требуется собственная независимая система экономических испытаний.
4.3.6. Первый механизм удешевления: локальные интеллектуальные вычисления
Одним из направлений снижения затрат является перенос части интеллектуальных функций на персональное устройство.
После приобретения аппаратной платформы отдельные операции могут выполняться без оплаты каждого внешнего обращения.
Однако это не означает отсутствия стоимости.
Необходимо учитывать цену оборудования.
Электроэнергию.
Амортизацию.
Обновление программ.
Время ожидания.
И возможные ограничения качества локальной модели.
Поэтому локальное выполнение целесообразно прежде всего для задач, где его преимущества подтверждаются количественно.
Например, при большом количестве повторяющихся операций.
При необходимости автономной работы.
Или при высоких требованиях к сохранению данных внутри локальной среды.
4.3.7. Второй механизм: выбор модели по сложности задачи
Не все интеллектуальные операции требуют одинаковой вычислительной мощности.
Например, поиск определённого сведения в документе может выполняться сравнительно простым алгоритмом.
А формирование сложной научной гипотезы — требовать более мощной модели и дополнительных проверочных инструментов.
Поэтому перспективный НооПК должен распределять задачи между различными вычислительными механизмами.
Для простых операций могут использоваться специализированные алгоритмы.
Для промежуточных — компактные модели.
Для наиболее сложных — высокопроизводительные вычислительные системы.
Однако выбор не должен основываться исключительно на предполагаемой сложности.
Необходимо учитывать фактическую вероятность успешного выполнения задачи.
Следовательно, интеллектуальная маршрутизация должна иметь собственный проверочный механизм.
4.3.8. Третий механизм: специализация интеллектуальных моделей
Универсальная интеллектуальная модель может обладать широкими возможностями.
Но для отдельных задач специализированная система способна обеспечить лучшие показатели затрат и качества.
Например, программный анализ может выполняться посредством сочетания языковой модели и формального компилятора.
Математические вычисления — с использованием специализированной системы компьютерной алгебры.
Поиск научных источников — посредством информационно-поискового контура.
Исследование свойств материалов — посредством специализированной физической модели.
Следовательно, рациональная архитектура NOO должна использовать наиболее подходящий инструмент для каждой функции.
При этом важно учитывать затраты на интеграцию.
Слишком сложная многоагентная система может потреблять больше ресурсов, чем одна хорошо настроенная интеллектуальная модель.
4.3.9. Четвёртый механизм: уменьшение стоимости проверки
Особое экономическое значение имеет проверка результатов.
Если интеллектуальная система создаёт большое количество ошибочных решений, их проверка может потребовать значительных ресурсов.
Поэтому снижение стоимости генерации не обязательно уменьшает общие затраты.
Необходимо совершенствовать методы предварительного отбора.
Например, использовать автоматические программные тесты.
Формальные методы.
Проверку согласованности с физическими ограничениями.
Независимые расчёты.
И анализ происхождения информации.
При этом важно избегать чрезмерного усложнения проверки.
Если проверочный процесс становится дороже самостоятельного получения решения, экономический эффект может отсутствовать.
Следовательно, одним из главных направлений NOO должно стать снижение полной стоимости достоверности.
4.3.10. Пятый механизм: накопление проверенного исследовательского опыта
Следующее направление связано с рациональным использованием результатов предыдущих исследований.
Если система многократно решает близкие задачи, необходимо избегать повторения уже выполненной работы.
Для этого требуется структурированная исследовательская память.
Она может сохранять проверенные методы.
Результаты расчётов.
Отрицательные эксперименты.
Данные о ранее отклонённых гипотезах.
И успешные способы решения определённых проблем.
Но необходимо учитывать возможность устаревания информации.
Ранее успешная методика может оказаться неприменимой при изменении материалов, условий или технических требований.
Поэтому повторное использование знаний должно сопровождаться проверкой их актуальности.
Таким образом, накопление исследовательского опыта способно снижать затраты только при сохранении достоверности и применимости информации.
4.3.11. Шестой механизм: сокращение числа бесперспективных экспериментов
Для научно-технологической деятельности одним из наиболее существенных источников затрат являются эксперименты, не приводящие к полезному результату.
Однако отрицательный результат не всегда означает бесполезную работу.
Он может позволить отвергнуть неверную гипотезу.
Или уточнить физическую модель.
Поэтому задача NOO заключается не в исключении всех отрицательных экспериментов.
Необходимо повысить информативность каждого исследования.
Например, выбирать условия, позволяющие различать конкурирующие гипотезы.
Использовать расчётные методы для предварительного отбора.
И избегать повторения уже проверенных бесперспективных вариантов.
В результате может уменьшаться число экспериментов, необходимых для достижения определённой исследовательской цели.
Но подобное преимущество должно подтверждаться сравнительными испытаниями.
4.3.12. Энергетическая экономика НооПК
Одним из основных ограничений современной интеллектуальной вычислительной инфраструктуры становится потребление энергии.
Международное энергетическое агентство в 2026 году оценило мировое энергопотребление центров обработки данных в 2025 году примерно в 485 ТВт·ч и представило сценарий его увеличения примерно до 950 ТВт·ч в 2030 году [21].
Однако необходимо разграничивать энергопотребление всех центров обработки данных и потребление непосредственно искусственным интеллектом.
Не вся деятельность ЦОД связана с ИИ.
Кроме того, энергетические характеристики различных моделей и вычислительных платформ существенно различаются.
Для НооПК необходимо исследовать полное энергопотребление интеллектуальной функции.
Сюда входят вычисления.
Память.
Передача данных.
Система охлаждения.
И, при необходимости, внешняя экспериментальная инфраструктура.
Следовательно, снижение энергии одной нейросетевой операции не означает пропорционального уменьшения затрат всей ноосистемы.
4.3.13. Эффект увеличения спроса
Снижение стоимости интеллектуальной функции может приводить к увеличению числа её применений.
Например, если научный анализ становится значительно доступнее, пользователи могут выполнять больше исследований.
Если генерация технических моделей дешевеет, количество проектных вариантов может существенно увеличиваться.
Это создаёт новые возможности.
Но одновременно может повышать общий спрос на вычислительные ресурсы.
Поэтому повышение энергетической эффективности отдельной операции не гарантирует снижения совокупного энергопотребления.
Для NOO необходимо различать экономию на единицу результата и изменение общего масштаба использования технологии.
4.3.14. Оценка полной стоимости владения НооПК
Для массового продукта необходимо учитывать стоимость жизненного цикла.
Например, первоначальную цену устройства.
Срок его эксплуатации.
Обновление аппаратной платформы.
Подписки на интеллектуальные сервисы.
Расходы на вычислительные ресурсы.
Хранение исследовательской памяти.
Техническое обслуживание.
Защиту данных.
И стоимость подготовки пользователя.
Особенно важно сравнивать локальные, облачные и гибридные модели.
Локальное устройство может обладать высокой первоначальной стоимостью, но сравнительно небольшими переменными затратами.
Облачная архитектура может снижать барьер первоначального доступа, но создавать значительные регулярные расходы.
Гибридная система способна сочетать преимущества обеих моделей.
Но её эффективность должна определяться реальными сценариями использования.
4.3.15. Основные экономические показатели НооПК
Для первоначальной программы INM предлагается использовать следующую систему показателей.
Показатель Экономический смысл
Стоимость проверенного результата Полные затраты на полезную функцию
Время решения задачи Продолжительность полного цикла
Доля успешных задач Функциональная результативность
Стоимость проверки Затраты на достоверность
Энергия на результат Энергетическая эффективность
Загрузка устройства Эффективность использования ресурсов
Стоимость жизненного цикла Полные расходы пользователя
Необходимо подчеркнуть, что данные показатели должны оцениваться при одинаковых требованиях к качеству.
Система, получающая дешёвые, но недостоверные результаты, не должна считаться экономически более эффективной.
4.3.16. Главный экономический вывод
Радикальное снижение стоимости интеллектуально-креативных функций может возникнуть не только благодаря более дешёвым процессорам.
Не менее важны совершенствование алгоритмов, специализация моделей, эффективная проверка, исследовательская память и рациональное использование внешних инструментов.
Однако главным результатом должно стать уменьшение полной стоимости полезного интеллектуального действия.
Именно такой показатель целесообразно использовать как основной экономический критерий перспективного массового НооПК.
4.4. Массовое ноомашиностроение
4.4.1. От экспериментального ноокомпьютера к новой промышленной категории
Создание первого исследовательского ноокомпьютера и формирование массовой индустрии представляют принципиально различные задачи.
Экспериментальная система может использовать специализированное оборудование.
Разрабатываться небольшой исследовательской группой.
Выполнять ограниченный класс функций.
И требовать индивидуальной настройки.
Но массовый продукт должен обладать дополнительными характеристиками.
Воспроизводимостью.
Надёжностью.
Стандартизированными интерфейсами.
Удобством эксплуатации.
Предсказуемой стоимостью.
И возможностью обслуживания.
Поэтому переход к массовому НооПК должен рассматриваться как самостоятельная промышленная программа.
В настоящей книге для обозначения соответствующего направления предлагается использовать термин «ноомашиностроение».
Его необходимо понимать как проектируемую отрасль создания и производства специализированных интеллектуально-креативных вычислительных систем.
При этом термин не означает существования уже сформировавшейся самостоятельной мировой индустрии серийных ноомашин.
4.4.2. Исторический урок массового производства персональных компьютеров
Развитие IBM-совместимых компьютеров показало, что массовая промышленная платформа может возникнуть благодаря стандартизации и специализации производителей.
Одни компании разрабатывали процессоры.
Другие выпускали память.
Третьи создавали операционные системы.
Четвёртые занимались прикладным программным обеспечением.
Пятые обеспечивали сборку и распространение компьютеров.
Подобная организация способствовала расширению рынка.
Для будущего ноомашиностроения данный опыт имеет особое значение.
Необязательно создавать каждую компоненту внутри одной организации.
Возможно формирование специализированной экосистемы производителей аппаратных платформ, разработчиков интеллектуальных моделей, поставщиков проверочных инструментов и создателей профессиональных приложений.
Однако для этого необходимы совместимые стандарты.
4.4.3. Аппаратная основа первых массовых НооПК
Наиболее реалистичным первоначальным направлением является использование существующих вычислительных платформ.
Современные процессоры.
Графические ускорители.
Нейропроцессоры.
Оперативная память.
Высокоскоростные накопители.
Сетевые интерфейсы.
И стандартное периферийное оборудование.
Подобная стратегия позволяет использовать уже существующую промышленную инфраструктуру.
Однако нельзя считать, что наличие достаточно мощного оборудования автоматически превращает персональный компьютер в НооПК.
Функциональная новизна должна возникать в программной архитектуре, системе исследовательской памяти, проверке результатов и специальных методах организации когнитивно-креативных процессов.
Поэтому первоначальное ноомашиностроение может развиваться как новая функциональная надстройка над существующей компьютерной промышленностью.
4.4.4. Программная платформа массового НооПК
Для массового распространения потребуется создать стандартизированную программную архитектуру.
Она должна обеспечивать взаимодействие интеллектуальных моделей.
Доступ к исследовательской памяти.
Использование специализированных инструментов.
Контроль вычислительных затрат.
Проверку результатов.
Управление разрешениями.
И документирование существенных действий.
Особое значение приобретает переносимость между аппаратными платформами.
Например, ONNX Runtime предоставляет механизмы выполнения поддерживаемых моделей с использованием различных вычислительных ускорителей [4].
Но подобные инструменты не обеспечивают автоматической совместимости всех интеллектуальных приложений.
Для NOO потребуется самостоятельная стандартизация функциональных интерфейсов.
Особенно важно обеспечить переносимость исследовательских проектов между устройствами и поколениями программного обеспечения.
4.4.5. Модульная архитектура ноомашиностроения
Для снижения стоимости проектирования целесообразно использовать модульный принцип.
Например, можно выделить базовую вычислительную платформу.
Интеллектуальное ядро.
Исследовательскую память.
Проверочную подсистему.
Профессиональные приложения.
И интерфейсы взаимодействия с внешними устройствами.
При такой архитектуре отдельные компоненты могут совершенствоваться независимо.
Например, замена интеллектуальной модели не обязательно требует замены компьютера.
А обновление исследовательского инструмента не должно приводить к утрате ранее созданных данных.
Однако модульность создаёт дополнительные требования к совместимости.
Необходимо устанавливать форматы данных.
Версии интерфейсов.
Механизмы проверки обновлений.
И условия безопасной интеграции.
4.4.6. Производственная стандартизация и технологические библиотеки
Для массового ноомашиностроения необходима система стандартных функциональных компонентов.
Например, модуль научного поиска.
Модуль проверки библиографии.
Модуль расчётного моделирования.
Модуль формирования экспериментальных планов.
Модуль контроля достоверности.
И модуль документирования результатов.
Однако следует учитывать, что одинаковое программное название не гарантирует одинаковых функций.
Различные реализации могут использовать разные модели.
Иметь разную точность.
И требовать различной вычислительной мощности.
Поэтому необходимы стандартизированные методики испытаний.
Особенно важно фиксировать ограничения каждого компонента.
Таким образом, ноомашиностроение должно включать не только производство устройств, но и промышленное создание сертифицируемых функциональных программных модулей.
4.4.7. Контроль качества массовых ноокомпьютеров
Для обычного компьютера можно проверить память.
Работоспособность процессора.
Накопители.
Сетевые интерфейсы.
И периферийные устройства.
Но для НооПК необходим дополнительный функциональный контроль.
Например, проверка правильности научного поиска.
Корректности расчётных процедур.
Надёжности работы с источниками.
Устойчивости исследовательской памяти.
И способности обнаруживать ошибки.
Особенно важно использовать контрольные задачи, не входившие в настройку проверяемой системы.
Если НооПК предназначен для инженерного проектирования, необходимо проверять именно инженерные функции.
Если для образования — результаты обучения.
Если для науки — достоверность исследовательских процедур.
Следовательно, промышленное качество ноокомпьютера должно включать качество его интеллектуально-креативных функций.
4.4.8. Безопасность серийных ноосистем
Массовое распространение систем с интеллектуальной автономностью создаёт особые требования к безопасности.
Перспективный НооПК может иметь доступ к документам.
Программным инструментам.
Информационным сервисам.
Производственным системам.
И в отдельных конфигурациях — к экспериментальному оборудованию.
Поэтому необходимо разграничивать полномочия.
Например, поиск информации и подготовка расчётов могут выполняться в одном режиме.
Изменение файлов — в другом.
Запуск дорогостоящих вычислений — в третьем.
А управление физическим оборудованием — в специальном режиме с установленными ограничениями.
Для организации подобных процессов могут использоваться принципы NIST AI Risk Management Framework и ISO/IEC 42001 [25–27].
Однако эти документы не создают готового стандарта ноомашины.
Необходима дополнительная разработка требований для конкретных функциональных классов.
4.4.9. Надёжность обновлений и сохранение функциональности
Одной из особенностей программно определяемых интеллектуальных систем становится возможность частого обновления моделей.
Однако новая модель не обязательно превосходит предыдущую во всех задачах.
Она может лучше работать с текстами, но хуже выполнять определённые расчёты.
Или быстрее генерировать ответы, но чаще ошибаться при использовании инструмента.
Поэтому обновление массового НооПК должно сопровождаться функциональными испытаниями.
Необходимо устанавливать, какие показатели изменились.
Какие улучшились.
Какие ухудшились.
И совместимо ли обновление с существующими исследовательскими проектами.
Особенно важно сохранять возможность восстановления предыдущей версии.
Таким образом, массовое ноомашиностроение должно включать систему управления функциональной эволюцией устройств.
4.4.10. Производственные модели НооПК
В перспективе возможны различные экономические модели.
Первая — аппаратный продукт.
Пользователь приобретает устройство с определёнными локальными функциями.
Вторая — программная нооплатформа.
Интеллектуально-креативные функции устанавливаются на совместимое оборудование.
Третья — гибридная модель.
Устройство объединяет локальные возможности с доступом к внешней вычислительной инфраструктуре.
Четвёртая — профессиональная специализированная система.
Она предназначена для определённой области науки, инженерии или производства.
Пятая — распределённая исследовательская ноомашина.
Она объединяет несколько вычислительных и экспериментальных подсистем.
При этом выбор коммерческой модели должен определяться полной стоимостью результата и требованиями пользователя.
4.4.11. Массовость и функциональная зрелость
Важно учитывать, что массовое распространение не всегда означает высокую технологическую зрелость.
На рынок может поступить множество ИИ-компьютеров с широкими информационными возможностями.
Но если они не обеспечивают воспроизводимого научно-технического творчества, их нельзя автоматически признавать НооПК в предлагаемом смысле.
В предыдущей главе была введена авторская шкала N0–N5.
Для массового ноомашиностроения особое значение имеют уровни N3–N5.
На уровне N3 должна быть доказана специализированная ноофункциональность.
На уровне N4 — подтверждено контролируемое совершенствование методов.
На уровне N5 — установлена практическая зрелость для определённой области применения.
Однако N5 не следует трактовать как универсальный уровень машинного интеллекта.
Он может относиться к специализированной системе.
Поэтому массовое производство целесообразно начинать с функционально ограниченных, но надёжных конфигураций.
4.4.12. Международная промышленная кооперация
Современное производство компьютеров основывается на сложной международной системе разделения труда.
Полупроводниковые устройства.
Память.
Операционные системы.
Вычислительные модели.
Программные библиотеки.
И специализированное оборудование разрабатываются многочисленными организациями.
Поэтому будущая индустрия ноомашиностроения также может иметь международный характер.
Но это создаёт дополнительные вопросы.
Необходимо учитывать лицензирование.
Совместимость стандартов.
Безопасность цепочек поставок.
Доступность вычислительных ресурсов.
И защиту интеллектуальной собственности.
Особенно важно избегать ситуации, когда работоспособность массового НооПК полностью зависит от одного труднозаменимого компонента.
Следовательно, промышленная устойчивость должна стать самостоятельным критерием проектирования.
4.4.13. Экономика тиражирования ноомашин
Массовое производство способно снижать определённые удельные затраты.
Однако эффект масштаба зависит от характера продукта.
Например, стоимость разработки программной платформы может распределяться между большим количеством пользователей.
Но при использовании удалённых интеллектуальных моделей переменные вычислительные затраты сохраняются.
Кроме того, рост числа пользователей может требовать расширения центров обработки данных.
Поэтому массовость не гарантирует пропорционального уменьшения стоимости эксплуатации.
Необходимо оценивать отдельно стоимость разработки.
Изготовления.
Распространения.
Поддержки.
И выполнения интеллектуальных функций.
Следовательно, экономика ноомашиностроения должна рассматриваться на уровне полного жизненного цикла.
4.4.14. Возможная роль PICO в будущем ноомашиностроении
В долгосрочной перспективе успешные результаты PICO могут изменить физическую основу вычислительных устройств.
Однако в настоящее время нельзя научно обоснованно утверждать, что пикоэлектроника обязательно обеспечит радикальное удешевление массовых ноокомпьютеров.
Для этого необходимо экспериментально доказать преимущества новых электронных архитектур.
Обеспечить воспроизводимость.
Решить проблемы интеграции.
Создать производственную инфраструктуру.
И подтвердить экономическую эффективность.
Поэтому первоначальная программа массового NOO должна опираться на существующую компьютерную промышленность.
А потенциальное появление новых физических элементов следует рассматривать как возможный дополнительный путь совершенствования.
4.4.15. Проектная последовательность массового ноомашиностроения
Для INM предлагается следующая исследовательско-производственная последовательность.
Этап Основной результат
Исследовательский прототип Проверка ноофункций
Специализированная платформа Воспроизводимые задачи
Стандартизация модулей Программная совместимость
Опытная серия Эксплуатационные испытания
Массовый НооПК Доступный серийный продукт
Следующие поколения Улучшение цены и функций
Данная последовательность является проектным сценарием.
Она не определяет заранее гарантированных сроков или объёмов производства.
Переход между этапами должен осуществляться на основании подтверждённых функциональных и экономических результатов.
4.4.16. Главный промышленный вывод
Массовое ноомашиностроение может возникнуть только при сочетании нескольких условий.
Необходимы доказанные интеллектуально-креативные функции.
Стандартизированная архитектура.
Совместимая аппаратная инфраструктура.
Надёжное программное обеспечение.
Проверяемая безопасность.
И экономически доступная модель эксплуатации.
Следовательно, создание массового НооПК представляет не только вычислительную, но и комплексную промышленную задачу.
4.5. Социально-экономические последствия появления НооПК
4.5.1. Новая доступность интеллектуального труда
Одним из наиболее значимых потенциальных последствий массового распространения НооПК может стать расширение доступности сложных интеллектуальных функций.
В настоящее время многие виды научно-технической деятельности требуют специализированной подготовки.
Доступа к научной литературе.
Профессионального программного обеспечения.
Вычислительных ресурсов.
И исследовательской инфраструктуры.
Персональная ноосистема способна уменьшать часть этих барьеров.
Например, облегчать предварительное изучение новой научной области.
Помогать анализировать технические документы.
Разрабатывать расчётные модели.
И проверять отдельные инженерные гипотезы.
Однако это не означает полного устранения различий в квалификации.
Профессиональный опыт, экспериментальные навыки и способность критически оценивать результаты сохраняют принципиальное значение.
Поэтому массовый НооПК следует рассматривать как средство потенциального расширения человеческих возможностей, а не как автоматическую замену профессионального образования.
4.5.2. Демократизация научно-технического творчества
Историческая компьютеризация сделала программируемые вычисления доступными огромному количеству пользователей.
Аналогичный по общественному значению результат может возникнуть при распространении интеллектуально-креативных инструментов.
Например, отдельный разработчик сможет использовать специализированные средства технического проектирования.
Небольшая лаборатория — более эффективные методы анализа данных.
Малое предприятие — инструменты предварительного инженерного моделирования.
Студент — персональную систему поддержки исследовательской деятельности.
Однако демократизация не должна пониматься как гарантированное уравнивание возможностей всех участников.
Сохраняются различия в доступе к оборудованию, информации, образованию и финансовым ресурсам.
Поэтому общественный эффект будет зависеть от реальной стоимости и доступности функций.
4.5.3. Изменение структуры интеллектуальных профессий
Распространение ИИ уже влияет на организацию некоторых видов профессиональной деятельности.
Однако необходимо различать автоматизацию отдельных задач и исчезновение профессии в целом.
Профессиональная деятельность обычно включает множество функций.
Часть из них может быть автоматизирована.
Другие требуют человеческого взаимодействия.
Принятия ответственности.
Работы в неопределённых условиях.
Или использования специализированного физического оборудования.
В исследовании Международной организации труда 2025 года было установлено, что примерно каждый четвёртый занятый в мире работает в профессии, имеющей определённую степень подверженности генеративному ИИ [30].
Однако этот показатель не означает, что четверть работников будет заменена машинами.
Исследование подчёркивает высокую вероятность изменения содержания рабочих задач.
Следовательно, социально-экономические последствия НооПК необходимо анализировать прежде всего на уровне трансформации функций и компетенций.
4.5.4. Возможные последствия для молодых специалистов
Особого внимания заслуживает проблема начального профессионального опыта.
Многие специалисты приобретают квалификацию посредством выполнения сравнительно простых профессиональных задач.
Например, подготовки документов.
Анализа исходных данных.
Разработки несложных программ.
И участия в стандартных инженерных процедурах.
Если значительная часть таких функций автоматизируется, могут измениться традиционные механизмы профессионального обучения.
В пересмотренном исследовании Stanford Digital Economy Lab, опубликованном в августе 2026 года, отмечены признаки снижения занятости молодых специалистов в ряде профессий, наиболее подверженных воздействию ИИ [31].
Однако авторы не обнаружили свидетельств повсеместного вытеснения работников во всей экономике.
Кроме того, необходимо учитывать, что выявленные статистические связи не всегда позволяют однозначно установить причинный механизм.
Поэтому соответствующие результаты следует рассматривать как основание для дополнительного анализа, а не как доказательство неизбежного массового исчезновения рабочих мест.
4.5.5. Возникновение новых профессиональных функций
Развитие ноотехнологий способно не только изменять существующие профессии, но и создавать новые виды деятельности.
Например, проектирование интеллектуально-креативных исследовательских процессов.
Проверку автоматически сформированных научных гипотез.
Управление исследовательской памятью.
Настройку профессиональных ноомодулей.
Разработку методов независимой проверки.
Аудит интеллектуальных систем.
И интеграцию ноомашин с экспериментальным оборудованием.
Однако появление подобных функций не означает автоматической компенсации всех изменений рынка труда.
Новые рабочие места могут требовать другой квалификации.
Возникать в иных регионах.
И иметь другие требования к образованию.
Следовательно, для социально устойчивого развития NOO необходимы программы профессиональной адаптации.
4.5.6. НооПК и образование как основа новой экономики
Возможное распространение персональных ноомашин повышает значение образования.
Парадокс заключается в том, что чем больше интеллектуальных операций способна выполнять машина, тем важнее становится способность человека правильно ставить задачи и проверять результаты.
Для этого необходимы фундаментальные знания.
Критическое мышление.
Математическая и информационная грамотность.
Навыки экспериментальной проверки.
И понимание ограничений интеллектуальных моделей.
Следовательно, образовательный НооПК должен не только помогать выполнять задания, но и способствовать развитию самостоятельной интеллектуальной деятельности.
Особенно важно сохранять различие между краткосрочным удобством и долговременным формированием компетенций.
4.5.7. НооПК и малое технологическое предпринимательство
Одним из потенциальных экономических последствий может стать снижение барьеров создания новых технологических предприятий.
Небольшая команда сможет использовать интеллектуальные инструменты для анализа технической проблемы.
Предварительного проектирования.
Моделирования.
Подготовки программных прототипов.
И оценки различных вариантов продукта.
Однако необходимо учитывать, что реальные технологические предприятия сталкиваются с ограничениями, которые не устраняются одним интеллектуальным инструментом.
Требуются инвестиции.
Производственные мощности.
Поставщики.
Испытательные лаборатории.
Правовая защита.
И доступ к рынку.
Поэтому НооПК способен уменьшать часть интеллектуальных и проектных затрат, но не гарантирует коммерческий успех.
4.5.8. Новая организация распределённой науки
Массовые ноокомпьютеры могут способствовать развитию распределённых исследовательских систем.
Отдельные исследователи и небольшие коллективы смогут взаимодействовать посредством совместимых программных платформ.
Обмениваться проверенными данными.
Использовать общие библиотеки моделей.
Повторно применять исследовательские методы.
И организовывать совместную проверку результатов.
Однако возникает необходимость обеспечить совместимость и доверие.
Необходимо устанавливать происхождение данных.
Документировать методы.
Фиксировать авторство.
И сохранять возможность независимого воспроизведения результатов.
Следовательно, распределённая научная система должна строиться не только на информационной доступности, но и на стандартах достоверности.
4.5.9. Цифровое неравенство и доступность НооПК
Распространение интеллектуальных технологий происходит в условиях значительного глобального неравенства доступа к цифровой инфраструктуре.
По данным Международного союза электросвязи, в 2025 году около 2,2 миллиарда человек в мире оставались без доступа к интернету [32].
Кроме того, качество связи и доступность оборудования существенно различаются между регионами.
Поэтому массовое распространение НооПК может сопровождаться не только расширением возможностей, но и усилением существующих различий.
Пользователи с доступом к мощной вычислительной инфраструктуре могут получать более качественные интеллектуальные функции.
Другие будут ограничены стоимостью оборудования, связью и доступными моделями.
Следовательно, демократизация NOO требует внимания к доступности аппаратных платформ, локальных функций и образовательных ресурсов.
4.5.10. Концентрация интеллектуально-вычислительной инфраструктуры
Одним из возможных рисков становится чрезмерная концентрация вычислительных ресурсов и интеллектуальных моделей.
Разработка наиболее мощных систем искусственного интеллекта может требовать значительных финансовых и технических ресурсов.
Это способно усиливать зависимость пользователей от небольшого количества поставщиков.
Но подобная концентрация не является неизбежной характеристикой всех интеллектуальных функций.
Существуют локальные модели.
Открытые программные компоненты.
Специализированные решения.
И независимые исследовательские платформы.
Поэтому для массового НооПК особенно важно развивать стандарты совместимости.
Возможность переноса данных.
Прозрачные условия использования моделей.
И конкуренцию различных технологических решений.
4.5.11. Интеллектуальная собственность и новые формы авторства
Появление ноокомпьютеров может существенно усложнить вопросы интеллектуальной собственности.
Например, научная гипотеза может быть сформирована при совместном взаимодействии исследователя и интеллектуальной системы.
Техническое решение — получено в результате автоматизированного поиска.
Программный алгоритм — предложен генеративной моделью и затем существенно изменён человеком.
Для корректной оценки необходимо документировать процесс разработки.
Сохранять историю исследовательских решений.
Фиксировать использованные источники.
И учитывать действующее законодательство.
При этом нельзя автоматически считать интеллектуальную систему автором или изобретателем в юридическом смысле.
Соответствующие вопросы определяются правом конкретной юрисдикции.
Поэтому будущая экономика НооПК должна включать прозрачные механизмы управления результатами интеллектуальной деятельности.
4.5.12. Информационная достоверность и социальное доверие
Массовое распространение систем, способных создавать большие объёмы убедительной информации, повышает значение проверки достоверности.
Ошибочные научные выводы.
Недостоверные технические рекомендации.
Фиктивные источники.
И неправильно интерпретированные данные могут распространяться значительно быстрее.
Поэтому перспективный НооПК должен отличаться от обычного генератора информации наличием систематических проверочных процедур.
Особенно важно указывать степень подтверждённости результата.
Сохранять происхождение научных сведений.
И обеспечивать возможность независимой проверки.
Следовательно, доверие к НооПК должно основываться на доказуемой надёжности, а не на внешней убедительности ответа.
4.5.13. Экономическая эффективность и распределение выгод
Даже если интеллектуальные системы обеспечивают значительное повышение производительности, экономические выгоды могут распределяться неравномерно.
Часть эффекта может получать пользователь.
Часть — работодатель.
Часть — разработчик программного обеспечения.
Часть — поставщик вычислительной инфраструктуры.
Поэтому необходимо различать рост общей производительности и изменение распределения доходов.
В работе Acemoglu, опубликованной в Economic Policy в 2025 году, рассматриваются макроэкономические последствия искусственного интеллекта и ограничения прогнозов, основанных на автоматизации отдельных задач [22].
Для NOO это имеет принципиальное значение.
Снижение стоимости интеллектуальных операций не гарантирует автоматического увеличения благосостояния всех социальных групп.
Результат зависит от экономических институтов, структуры рынка, образования и доступности технологий.
4.5.14. Экологические последствия массовой ноокомпьютеризации
Рост количества интеллектуальных вычислительных устройств способен увеличивать потребность в электронных компонентах и энергии.
Особое значение имеют производство полупроводников.
Эксплуатация центров обработки данных.
Охлаждение.
Передача информации.
И утилизация оборудования.
Однако нельзя заранее утверждать, что массовые НооПК обязательно увеличат суммарное экологическое воздействие.
Интеллектуальная оптимизация может также сокращать потери материалов.
Улучшать энергетическое управление.
Повышать эффективность производства.
И уменьшать количество неудачных экспериментов.
Следовательно, необходимо оценивать полный жизненный цикл.
Сравнение должно учитывать как дополнительные затраты, так и реально подтверждённую экономию ресурсов.
4.5.15. Различные сценарии социально-экономического развития
Для научно корректного прогнозирования предлагается рассматривать несколько сценариев.
Эволюционный сценарий.
Интеллектуальные функции постепенно интегрируются в существующие персональные компьютеры.
Специализированные ноосистемы развиваются в отдельных профессиональных областях.
Однако качественного перехода к массовому научно-техническому творчеству не происходит.
Сценарий специализированной ноокомпьютеризации.
Создаются надёжные НооПК для определённых классов задач.
Например, науки, инженерии и образования.
Они демонстрируют измеримые преимущества, но сохраняют существенные предметные ограничения.
Сценарий массовой NOO.
Формируется совместимая промышленная платформа.
Стоимость подтверждённых интеллектуальных функций существенно снижается.
Возникает возможность широкого применения ноокомпьютеров в различных областях.
Сценарий технологических ограничений.
Повышение сложности интеллектуальных систем сопровождается чрезмерными вычислительными, энергетическими и проверочными затратами.
Распространение НооПК ограничивается специализированными профессиональными применениями.
Эти сценарии не являются прогнозами с установленной вероятностью.
Они представляют альтернативные исследовательские возможности.
4.5.16. НооПК как элемент генеральной технологии Метаразвития
В концепции настоящей книги появление массового НооПК рассматривается как один из возможных результатов субтехнологии NOO.
Но его стратегическое значение не ограничивается созданием нового потребительского продукта.
Главный вопрос заключается в том, сможет ли массовая доступность интеллектуально-креативных функций повысить эффективность научно-технологического развития.
Например, ускорить разработку новых материалов.
Сократить стоимость инженерного проектирования.
Расширить круг участников научных исследований.
И улучшить методы создания последующих технологий.
Однако подобный эффект должен измеряться.
Необходимо учитывать полную стоимость результатов.
Их качество.
Воспроизводимость.
И влияние на последующие исследовательские циклы.
Таким образом, массовая ноокомпьютеризация должна рассматриваться как возможный компонент Метаразвития, а не как доказательство его автоматического возникновения.
Перспективная экономическая карта массовой NOO
Для обобщения предлагается следующая исследовательская карта.
Направление Возможный эффект Условие подтверждения
Персональная NOO Доступность сложных функций Работающий НооПК
Научная NOO Ускорение исследований Проверенные результаты
Инженерная NOO Улучшение проектирования Испытанные решения
Образовательная NOO Повышение качества обучения Независимая оценка знаний
Производственная NOO Совершенствование процессов Воспроизводимая эффективность
Массовое производство Снижение удельных затрат Экономика серийного выпуска
Метаразвитие Улучшение методов создания технологий Последовательные испытания
Данная карта представляет авторскую исследовательскую классификацию.
Она не означает, что все перечисленные результаты уже достигнуты.
Для каждого направления необходима отдельная экспериментальная программа.
Значение новой экономики вычислений для проекта INM
В рамках International NooMachines развитие НооПК предлагается рассматривать как долгосрочное направление NOO.
Его первоначальный этап должен быть связан с созданием исследовательской системы.
Затем необходимо доказать воспроизводимость определённых интеллектуально-креативных функций.
После этого разработать совместимую программную платформу.
Установить полную стоимость выполнения соответствующих задач.
И исследовать возможность массового внедрения.
Особое значение имеет сохранение независимости двух базовых субтехнологий Метаразвития.
PICO должна исследовать перспективные физические основания электронной техники.
NOO — способы совершенствования интеллектуально-креативной деятельности.
Обе программы могут развиваться одновременно.
Но первоначальная массовая NOO должна использовать существующую вычислительную инфраструктуру.
Потенциальные результаты PICO могут рассматриваться как дополнительные возможности будущих поколений ноокомпьютеров.
Однако их экономическая полезность требует самостоятельной проверки.
Для генеральной программы META особенно важен следующий показатель.
Необходимо установить, приводит ли использование НооПК к воспроизводимому снижению полной стоимости создания новых научно-технических результатов.
Если такой эффект подтверждается, возникает основание для расширения программы.
Если он сохраняется после совершенствования исследовательских методов, можно рассматривать более сложную гипотезу об ускорении научно-технологического развития.
Но если ожидаемое преимущество не подтверждается, соответствующую архитектуру или экономическую модель необходимо пересмотреть.
Таким образом, развитие массового ноомашиностроения должно основываться на экспериментальной проверке функциональных и экономических преимуществ.
Заключение к главе 4
В настоящей главе рассмотрены основные предпосылки и возможные социально-экономические последствия перехода от современных персональных компьютеров и интеллектуальных систем к массовым ноокомпьютерам.
Показано, что историческое развитие вычислительной техники сопровождалось не только увеличением производительности, но и расширением доступности новых функций.
Важнейшим примером стала персональная компьютеризация.
Она позволила превратить универсальную вычислительную машину в массовый инструмент интеллектуального труда.
Однако следующая предполагаемая ступень развития должна определяться не просто увеличением вычислительной мощности.
Её центральная задача связана с массовой доступностью интеллектуально-креативных функций.
В концепции настоящей книги соответствующая перспектива обозначается как создание массового персонального ноокомпьютера — НооПК.
При этом функциональная новизна такого устройства должна определяться способностью воспроизводимо получать и проверять полезные интеллектуальные результаты.
Первое направление связано с персонализацией интеллектуальной мощности.
Современные аппаратные средства уже позволяют выполнять некоторые интеллектуальные модели непосредственно на персональных устройствах.
Однако для сложных научно-технических задач может сохраняться необходимость использования распределённой вычислительной инфраструктуры.
Поэтому наиболее перспективной первоначальной архитектурой представляется сочетание локальных и внешних интеллектуальных ресурсов.
Второе направление связано с функциональным применением НооПК.
Особенно значимыми являются наука, инженерия, образование и производство.
Однако критерии полезности различаются.
Для науки необходимо подтверждение новых знаний.
Для инженерии — работоспособность технического решения.
Для образования — реальное освоение компетенций.
Для производства — воспроизводимое улучшение технологических характеристик.
Следовательно, массовая NOO должна развиваться посредством создания специализированных функциональных конфигураций.
Третье направление связано с экономикой интеллектуальных функций.
Современные исследования подтверждают снижение стоимости отдельных ИИ-операций и повышение производительности некоторых видов интеллектуальной работы.
Однако соответствующие эффекты существенно зависят от характера задачи.
Поэтому снижение стоимости генерации информации не должно отождествляться со снижением стоимости научного открытия или технического изобретения.
Для NOO предлагается использовать показатель полной стоимости подтверждённого полезного интеллектуального результата.
Именно он должен стать основным экономическим критерием перспективного ноокомпьютера.
Четвёртое направление связано с массовым ноомашиностроением.
Создание новой промышленной категории требует не только интеллектуальных моделей.
Необходимы стандартизированные программные интерфейсы.
Совместимые аппаратные платформы.
Процедуры функциональных испытаний.
Надёжная исследовательская память.
Контроль безопасности.
И экономически осуществимая система производства и обслуживания.
Пятое направление охватывает социально-экономические последствия.
Массовые ноокомпьютеры потенциально способны расширить доступность научно-технического творчества.
Поддерживать профессиональное обучение.
Создавать новые возможности для небольших исследовательских коллективов.
И способствовать развитию технологического предпринимательства.
Однако возможны и ограничения.
Изменение структуры занятости.
Рост требований к квалификации.
Усиление цифрового неравенства.
Концентрация интеллектуально-вычислительной инфраструктуры.
И увеличение энергетических потребностей.
Поэтому социальная результативность NOO не должна выводиться исключительно из технической производительности.
Необходимо оценивать реальные условия распространения и использования соответствующих систем.
Для генеральной технологии Метаразвития массовый НооПК представляет возможный инструмент качественного расширения научно-технического потенциала.
Но его появление не является достаточным доказательством возникновения Метаразвития.
Необходимо экспериментально установить, способна ли массовая NOO повышать эффективность создания последующих технологий.
Причём соответствующий эффект должен сохраняться при независимой проверке.
Особое значение приобретает возможность совершенствовать сами методы научно-технологического поиска.
Именно здесь возникает связь между персональной ноокомпьютеризацией и стратегической задачей технологии опережения опережения.
Однако нельзя заранее предполагать бесконечное самоускорение.
Научные и технологические процессы сохраняют физические, энергетические, информационные и экономические ограничения.
Следовательно, развитие массовой NOO должно осуществляться как последовательная исследовательская и промышленная программа.
От создания отдельной интеллектуальной функции — к её достоверной проверке.
От проверенной функции — к воспроизводимому ноокомпьютеру.
От экспериментального ноокомпьютера — к стандартизированной платформе.
От платформы — к массовому НооПК.
От массового НооПК — к расширению доступности интеллектуально-креативной деятельности.
От отдельных результатов — к снижению полной стоимости создания новых знаний и технологий.
И от снижения этой стоимости — к исследованию возможности совершенствования самого механизма научно-технологического развития.
Главная экономическая перспектива НооПК заключается не только в удешевлении вычислений, а в потенциальном снижении стоимости воспроизводимого создания новых знаний, изобретений и технологий.
Именно в этом состоит стратегический смысл массового ноомашиностроения как перспективного направления субтехнологии NOO в генеральной технологии Метаразвития.
Основные источники и научная литература к главе 4
Персональные компьютеры и современные интеллектуальные вычислительные платформы
IBM. The IBM PC. IBM History. История создания IBM Personal Computer 5150 и формирования массовой персональной компьютерной платформы.
https://www.ibm.com/history/personal-computer
Microsoft. Copilot+ PCs Developer Guide. Microsoft Learn. Официальная документация по нейропроцессорным блокам, требованиям к аппаратным устройствам и локальному выполнению интеллектуальных моделей.
https://learn.microsoft.com/en-us/windows/ai/npu-devices/
MLCommons. MLPerf Client v2.0 Expands AI PC Benchmarking with Image Generation and Agentic AI. 18 August 2026. Развитие стандартизированных методов измерения производительности персональных ИИ-компьютеров и агентных задач.
https://mlcommons.org/2026/08/mlperf-client-v2-0/
ONNX Runtime. Execution Providers. Документация средств выполнения интеллектуальных моделей на различных аппаратных платформах, включая CPU, GPU и специализированные нейропроцессоры.
https://onnxruntime.ai/docs/execution-providers/
Stanford Institute for Human-Centered Artificial Intelligence. The 2026 AI Index Report. Stanford University. 2026. Международный аналитический обзор развития искусственного интеллекта, вычислительных платформ, научных применений и экономических последствий.
https://hai.stanford.edu/ai-index/2026-ai-index-report
Lewis P., Perez E., Piktus A. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems. 2020. Vol. 33. P. 9459–9474. Методы объединения интеллектуальных моделей с внешними информационными ресурсами.
https://arxiv.org/abs/2005.11401
Искусственный интеллект в науке и инженерии
Fawzi A., Balog M., Huang A. et al. Discovering Faster Matrix Multiplication Algorithms with Reinforcement Learning. Nature. 2022. Vol. 610. P. 47–53. Экспериментальные результаты AlphaTensor по поиску новых алгоритмов умножения матриц.
DOI: https://doi.org/10.1038/s41586-022-05172-4
Romera-Paredes B., Barekatain M., Novikov A. et al. Mathematical Discoveries from Program Search with Large Language Models. Nature. 2024. Vol. 625. P. 468–475. Система FunSearch и сочетание генеративного поиска с проверкой результатов.
DOI: https://doi.org/10.1038/s41586-023-06924-6
Zeni C., Pinsler R., Z;gner D. et al. A Generative Model for Inorganic Materials Design. Nature. 2025. Vol. 639. P. 624–632. Генеративная модель MatterGen для поиска новых неорганических материалов.
DOI: https://doi.org/10.1038/s41586-025-08628-5
Szymanski N. J., Rendy B., Fei Y. et al. An Autonomous Laboratory for the Accelerated Synthesis of Inorganic Materials. Nature. 2023. Vol. 624. P. 86–91. Экспериментальная автономная лаборатория A-Lab.
DOI: https://doi.org/10.1038/s41586-023-06734-w
Szymanski N. J., Rendy B., Fei Y. et al. Author Correction: An Autonomous Laboratory for the Accelerated Synthesis of Inorganic Materials. Nature. 2026. Исправление результатов исходного исследования A-Lab.
DOI: https://doi.org/10.1038/s41586-025-09992-y
Boiko D. A., MacKnight R., Kline B., Gomes G. Autonomous Chemical Research with Large Language Models. Nature. 2023. Vol. 624. P. 570–578. Система Coscientist и интеллектуальная автоматизация экспериментальных исследований.
DOI: https://doi.org/10.1038/s41586-023-06792-0
Искусственный интеллект в образовании
Miao F., Holmes W. Guidance for Generative AI in Education and Research. UNESCO. Paris, 2023. Международное руководство по человекоцентричному использованию генеративного искусственного интеллекта в образовании и научных исследованиях.
OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris. 2026. Международный анализ эффективности и ограничений применения генеративного искусственного интеллекта в обучении.
DOI: https://doi.org/10.1787/062a7394-en
Bastani H., Bastani O., Sungu A., Ge H., Kabakc; ;., Mariman R. Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics. Proceedings of the National Academy of Sciences. 2025. Vol. 122. No. 26. Article e2422633122. Экспериментальное исследование влияния интеллектуальных помощников на самостоятельное освоение знаний.
DOI: https://doi.org/10.1073/pnas.2422633122
Производительность труда и стоимость интеллектуальных функций
Noy S., Zhang W. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science. 2023. Vol. 381. No. 6654. P. 187–192. Экспериментальная оценка изменения скорости и качества выполнения профессиональных письменных задач.
DOI: https://doi.org/10.1126/science.adh2586
Brynjolfsson E., Li D., Raymond L. Generative AI at Work. The Quarterly Journal of Economics. 2025. Vol. 140. No. 2. P. 889–942. Исследование влияния генеративного ИИ на производительность работников клиентской поддержки.
DOI: https://doi.org/10.1093/qje/qjae044
Becker J., Rush N., Barnes E., Rein D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR. 2025. Экспериментальная оценка влияния ИИ-инструментов на выполнение сложных программно-инженерных задач.
https://arxiv.org/abs/2507.09089
Becker J., Rush N., Cunningham T., Rein D., Mahamud K. We Are Changing Our Developer Productivity Experiment Design. METR. 24 February 2026. Методологические ограничения оценки производительности разработчиков и новые результаты экспериментов.
https://metr.org/blog/2026-02-24-uplift-update/
Stanford Institute for Human-Centered Artificial Intelligence. The 2025 AI Index Report. Stanford University. 2025. Международные данные о снижении стоимости ИИ-вычислений, развитии аппаратных средств и распространении интеллектуальных моделей.
https://hai.stanford.edu/ai-index/2025-ai-index-report
International Energy Agency. Key Questions on Energy and AI. IEA, Paris. 16 April 2026. Международный анализ энергопотребления центров обработки данных, перспектив роста вычислительной инфраструктуры и энергетических ограничений.
https://www.iea.org/reports/key-questions-on-energy-and-ai
Acemoglu D. The Simple Macroeconomics of AI. Economic Policy. 2025. Vol. 40. No. 121. P. 13–58. Макроэкономические последствия автоматизации интеллектуальных функций и ограничения прогнозируемого роста производительности.
DOI: https://doi.org/10.1093/epolic/eiae042
Промышленное производство и стандартизация
International Federation of Robotics. World Robotics 2025: Industrial Robots. IFR. 2025. Международные данные о промышленной роботизации и масштабах применения автоматизированного оборудования.
ISO/IEC. ISO/IEC 42001:2023. Information Technology — Artificial Intelligence — Management System. Международный стандарт систем управления искусственным интеллектом.
https://www.iso.org/standard/42001
Tabassi E. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. National Institute of Standards and Technology. 2023. Методология управления рисками и надёжностью интеллектуальных систем.
DOI: https://doi.org/10.6028/NIST.AI.100-1
NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1. 2024. Дополнительные методы оценки и управления рисками генеративных интеллектуальных систем.
DOI: https://doi.org/10.6028/NIST.AI.600-1
Mitchell M., Wu S., Zaldivar A. et al. Model Cards for Model Reporting. Proceedings of the Conference on Fairness, Accountability, and Transparency. 2019. P. 220–229. Документирование характеристик, ограничений и результатов испытаний интеллектуальных моделей.
DOI: https://doi.org/10.1145/3287560.3287596
Gebru T., Morgenstern J., Vecchione B. et al. Datasheets for Datasets. Communications of the ACM. 2021. Vol. 64. No. 12. P. 86–92. Методология документирования происхождения и ограничений наборов данных.
Социально-экономические последствия искусственного интеллекта
Gmyrek P., Berg J., Kami;ski K. et al. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. International Labour Organization. Geneva, 2025. Международное исследование подверженности различных профессиональных задач автоматизации средствами генеративного ИИ.
DOI: https://doi.org/10.54394/HETP0387
Brynjolfsson E., Chandar B., Chen R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. Пересмотренная версия от 12 августа 2026 года. Анализ изменений занятости работников различного возраста в профессиях, подверженных воздействию ИИ.
International Telecommunication Union. Measuring Digital Development: Facts and Figures 2025. ITU. Geneva, 2025. Международные показатели цифровой доступности, качества связи и глобального цифрового неравенства.
Авторская концепция Метаразвития, PICO и NOO
Петросян В. К. (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Том 1. Lag.ru. 2026. Авторская концепция генеральной технологии META, субтехнологий PICO и NOO, проекта International NooMachines и перспективного массового ноомашиностроения.
***
НооПК и новая экономика вычислений
© Copyright: Вадимир Петросян, 2026
Свидетельство о публикации №226102400751
Свидетельство о публикации №226102400751
Рецензии