ИИ читает мозг уже не как метафора из презентации футуролога: новый инструмент восстанавливает изображение, на которое смотрит человек, по скану его мозга. Параллельно стартапы пробуют разгружать электросети не только гигантскими батарейными парками, а малыми аккумуляторами в плитах, тележках с едой и другой бытовой инфраструктуре.
О двух таких сюжетах сообщает MIT Technology Review в выпуске The Download от 1 октября 2026 года. Первый касается нейро-ИИ: система анализирует активность мозга и пытается реконструировать визуальный стимул — то есть картинку, которую человек видел во время сканирования. По описанию издания, инструмент работает и в обратную сторону: по изображению он может предсказывать, какая активность должна возникнуть в мозге наблюдателя.
Главная интрига здесь не в том, что машина «угадывает мысли» в бытовом смысле. Скорее, исследователи получают новый способ сопоставлять визуальные образы и нейронные паттерны. Это может помочь лучше понять, как мозг кодирует зрительную информацию: где заканчивается распознавание формы, где начинается контекст, как отличаются реальные изображения, воображаемые сцены и, возможно, сны. Если технология станет точнее, она может пригодиться людям с синдромом запертого человека и другими состояниями, при которых сознание сохранено, а обычная коммуникация почти невозможна.
Но именно здесь начинается неприятная часть. Если ИИ читает мозг достаточно точно, чтобы восстанавливать увиденное, то следующий вопрос звучит не «когда выйдет приложение», а «кто контролирует доступ к данным». Скан мозга — не фотография из галереи смартфона. В нем потенциально могут оказаться следы внимания, воображения, эмоциональной реакции и внутренних образов. MIT Technology Review прямо указывает на опасение части ученых: похожие подходы однажды могут раскрывать ментальные образы человека без его согласия.
Для разработчиков и продуктовых команд это хороший холодный душ. Нейро-ИИ выглядит как поле с огромным UX-потенциалом: интерфейсы для людей с ограниченной моторикой, медицинская диагностика, реабилитация, исследовательские инструменты. Но привычная логика «соберем больше данных, потом разберемся» здесь быстро упрется в этику, регуляторику и доверие. Сырые нейроданные, производные эмбеддинги, реконструированные изображения, логи экспериментов — все это придется защищать как чувствительную медицинскую информацию, а не как очередной датасет для A/B-теста.
Второй сюжет выпуска кажется менее кинематографичным, но для инфраструктуры не менее важен. Крупные батарейные хранилища быстро появляются в энергосистемах разных стран, однако в плотных городах такие проекты сталкиваются с сопротивлением жителей. Причина понятна: пожары батарей редки, но громкие инциденты запоминаются лучше, чем статистика надежности. В Нью-Йорке и похожих мегаполисах поставить крупный объект рядом с жильем сложнее не только технически, но и политически.
Ответ некоторых стартапов — разнести емкость по множеству небольших устройств. MIT Technology Review приводит примеры более потребительских батарей: от индукционных плит до тележек с едой. По отдельности такая батарея не заменит промышленное хранилище. Но если подобных устройств станет много, они могут складываться в заметный ресурс: сглаживать пики нагрузки, снижать счета, помогать там, где сеть перегружена, и убирать часть грязных дизельных или газовых решений из повседневной городской экономики.
Для бизнеса это сдвиг в том, как вообще продается энергетическая инфраструктура. Большой аккумуляторный парк — это проект для коммунальных компаний, инвесторов и муниципалитетов. Малые распределенные батареи — уже продуктовый рынок: устройства, сервисные модели, управление зарядом, софт для агрегации, страховка, безопасность, интеграция с тарифами. Здесь появляется знакомая IT-логика: не один огромный сервер в подвале, а сеть устройств на краю, которые вместе дают эффект платформы.
У этого подхода есть и слабое место: распределенность усложняет управление. Чтобы тысячи малых батарей действительно помогали сети, их нужно координировать, прогнозировать потребление, учитывать поведение владельцев, температуру, износ, локальные ограничения и правила безопасности. Это уже не просто железо, а задача для софта, данных и операционной дисциплины. Ошибка в алгоритме управления зарядом может быть менее зрелищной, чем пожар крупного хранилища, но для экономики проекта она тоже болезненна.
В одном выпуске сошлись две линии, которые будут все чаще пересекаться с повседневной работой IT-команд. С одной стороны, ИИ читает мозг все ближе к зоне, где приватность перестает быть юридическим чекбоксом и становится базовым условием продукта. С другой — батареи уходят из «энергетики где-то там» в бытовые устройства, где ценность создают не только химия и электроника, но и программное управление. Следующий большой спор, похоже, будет не о том, возможны ли такие технологии, а о том, кому мы разрешим ими управлять.