Mirtys nuo tariamai rusiško dirbtinio intelekto valdomo drono – pirmas kartas

„Praėjusį mėnesį iš pietryčių Ukrainos Zaporožės mieste iš dangaus nusileido nedidelis rusiškas dronas, panašus į lėktuvo modelį. Skrendant link karinės degalinės, jis rėžėsi į sieną ir sprogo skeveldrų krušoje, pražudydamas tris konflikto dalyvius.

 

Droną, kuris juos nužudė, valdė eksperimentinė dirbtinio intelekto sistema, o ne žmogus pilotas, teigia dronų ekspertai, Ukrainos kariuomenės vadai ir teismo medicinos komanda, kuri ištyrė mirtino smūgio nuolaužas ir kitus mieste esančius objektus.

 

Droną žmonės operatoriai užprogramavo skristi link konkrečios degalinės, tačiau priartėjęs jis pats pasirinko tikslų taikinį – greičiausiai propano bakus – remdamasis savo mokymu atpažinti tokius bakus ir juos smogti, teigė ekspertai ir kariuomenės pareigūnai.

 

Tai seniai stebimas įvykis Ukrainos įvykiuose, pranašaujantis distopinę ateitį, kurioje žudikai robotai klajoja dangumi, priimdami gyvybės ar mirties sprendimus, kurie taikinius paverčia duomenų taškais.

 

„Tai rizika visam pasauliui“, – sakė Zaporožės oro gynybos vadas pulkininkas Serhijus Minajevas. „Po kelerių metų gyvensime „Terminatoriaus“ filme. Tai ne juokas. Mašinos priima sprendimus dėl smūgio.“

 

Ekspertai ir kariškiai teigė, kad šios ir kitų atakų Zaporožėje nuolaužų analizė parodė, kad dronuose buvo įmontuoti mini kompiuteriai, kuriuos komerciniais tikslais parduoda „Nvidia“, kurie priėmė sprendimus dėl taikymosi. „Nvidia“ gamina daugumą lustų, kuriais maitinamos pažangiausios pasaulyje dirbtinio intelekto sistemos.

 

„Nvidia“ modulių buvimas ir antenų trūkumas dronuose leido Ukrainos oro gynybos vadams manyti, kad ginklus valdė autonominė dirbtinio intelekto sistema, ir tai patvirtino tolesnis tyrimas.

 

Autonominės dirbtinio intelekto sistemos gali būti apmokytos pagal tūkstančius vaizdų atpažinti tokias kategorijas kaip „upė“, „karinis sunkvežimis“ arba „žmogus“. Savaime nusitaikantys dronai naudoja savo kameras šiems objektams ieškoti didesniu tikslumu nei žmogaus pilotas.

 

Liepos 6 d. įvykdyto degalinės išpuolio metu panaudotas dirbtinis intelektas (DI) būtų pirmasis dokumentuotas atvejis, kai kariškių mirtis lėmė Rusijos dronas, aprūpintas tokia sistema, teigė Kateryna Bondar, vyresnioji mokslinė darbuotoja Vadhvanio DI centre, esančiame Strateginių ir tarptautinių studijų centre Vašingtone. Ji pridūrė, kad „Nvidia“ modulis „yra geriausias įrodymas“, kad Rusija eksperimentuoja su autonominiu DI.

 

Nors prezidento Volodymyro Zelenskio patarėjas socialiniuose tinkluose rašė, kad Rusija testuoja savarankiškas DI sistemas, apie žuvusiuosius anksčiau nebuvo pranešta, taip pat nebuvo pateikta išsami informacija apie naudotą „Nvidia Jetson Orin“ kompiuterio modulį.

 

Tiek Rusija, tiek Ukraina jau naudojo DI keliuose dronų modeliuose, dar prieš pasirodant visiškai autonominiams dronams. Ankstesniuose modeliuose DI naudojamas tik vadinamojoje „paskutinėje mylioje“ – paskutiniame išpuolio etape, kai nuotolinis žmogaus pilotas pasirenka taikinį. Visiškai autonominis DI pašalina žmones iš galutinio taikinio pasirinkimo.

 

„Nvidia“ lustas Ukrainos pareigūnų teigimu, Zaporožės atakos duomenys nebuvo užšifruoti, todėl jie galėjo matyti į modulį įkeltus reljefo vaizdus, ​​kurie leido dronui sekti vizualinius orientyrus ir išlikti kurse. Jie taip pat galėjo išnagrinėti kodą, kuris atskleidė, kokio tipo taikinius, pavyzdžiui, propano bakus, dronas buvo apmokytas atpažinti ir pulti.

 

Ankstesnius dronų modelius paprastai pilotuodavo žmonės, radijo ryšiu arba šviesolaidiniais kabeliais, arba jie būdavo iš anksto užprogramuoti koordinatėmis. Dronams užėmus mūšio lauką Ukrainoje, jų pilotai tapo pagrindiniais taikiniais.

 

Autonominiam dirbtinio intelekto valdomam dronui, priešingai, nereikia žmonių pilotų ir jis gali būti tikslesnis nei šaudmenys, užprogramuoti pataikyti į koordinates.

 

Vadymas Kušnikovas, dronų ekspertas iš Charkivo aviacijos instituto Ukrainoje, teigė, kad dronas, kuris nužudė tris kovotojus, buvo „iš anksto užprogramuota priemonė, apmokyta virtualioje realybėje sekti konkrečius objektus“.

 

Nors tradicinė programinė įranga vadovaujasi žmogaus parašytomis nuosekliomis taisyklėmis, dirbtinio intelekto sistema sukuria savo taisykles, ieškodama modelių didžiuliuose kiekiuose duomenų. duomenys – procesas, vadinamas mašininiu mokymusi. Tai leidžia jai valdyti nenumatytas situacijas. Tai taip pat reiškia, kad niekas negali iki galo numatyti, ką ji gali padaryti.

 

Teisių gynimo grupės ir Tarptautinis Raudonasis Kryžius griežtai priešinasi dirbtinio intelekto ginklų naudojimui be žmonių. Tokios grupės teigia, kad autonominės sistemos iš esmės palieka robotams interpretuoti tarptautinę teisę nustatant teisėtus taikinius konfliktuose.

 

Tačiau kai kurie ekspertai teigia, kad ateityje Žinoma, ginklams iš tikrųjų turėtų būti privaloma turėti dirbtinio intelekto sistemas. Teigiama, kad šie ginklai yra saugesni, nes jie gali priimti sprendimus prieš smogdami, net jei ir ne visada idealiai, kitaip nei nevaldomos aviacinės bombos ar įprasti artilerijos sviediniai, kurie tiesiog krenta nematydami, į ką pataikys.

 

Pasak regiono karinio gubernatoriaus, miesto oro gynybos vado ir tą dieną budėjusios oro gynybos komandos, ginklas, per kurį buvo įvykdytas mirtinas smūgis, skrido maždaug pusšimčio dronų grupėje. Pareigūnų teigimu, nė vienas iš jų neskleidė radijo signalų ir turėjo kitų savybių, susijusių su Rusijos autonominiais dirbtinio intelekto bandymais, įskaitant paleidimą bangos pavidalu.

 

Nors kai kurie Rusijos išbandyti dirbtinio intelekto valdomi dronai sprogo smūgio metu, kiti – ne ir liko nepažeisti, teigė Ukrainos pareigūnai. Jie parodė dviejų tokių dronų nuolaužas „The New York Times“ žurnalistams. „The Times“ nufotografavo dronų viduje esantį „Nvidia“ kompiuterio modulį ir nusiuntė vaizdus bendrovei.

 

„Nvidia“ patvirtino, kad nuotraukose matyti mini kompiuteris „Jetson Orin“. Tokie moduliai, kainuojantys vos kelis šimtus dolerių, buvo rasti kelių tipų rusiškuose ginkluose.

 

Pranešime bendrovė teigė, kad mini kompiuteris yra vartotojams skirtas produktas, „parduodamas studentams, kūrėjams ir startuoliams įvairioms naudingoms reikmėms“. „Nvidia“ parduoda kompiuterį daugelyje šalių, bet ne Rusijoje. Tačiau jis yra plačiai prieinamas per perpardavėjus, teigiama pranešime.

 

Ukraina taip pat išbandė savaeiges dirbtinio intelekto sistemas. Neseniai nušalintas gynybos ministras Mychailas Fedorovas praėjusio mėnesio pabaigoje duotame interviu „The Times“ sakė, kad Ukraina per pastaruosius kelis mėnesius Kryme išbandė visiškai autonominę dirbtinio intelekto sistemą. Ponas Fedorovas teigė, kad įrenginiai taip pat taikėsi į degalų saugyklas.

 

Nors Zaporožės atakoje naudoti dronai neturėjo antenų, kad galėtų siųsti duomenis apie bandymus, Rusijos pajėgos dažnai skraido žvalgybiniais dronais, kurie gali užfiksuoti smūgius. Manoma, kad mieste taip pat yra priglobti Rusijos šnipai, kurie teikia ataskaitas apie mūšio lauko žalos įvertinimus.

 

Vien antenos nebuvimas neįrodytų, kad dronas taikosi į save. Jis galėtų būti iš anksto užprogramuotas skristi maršrutu, naudojant kompiuterinius algoritmus, panašius į tuos, kurie dešimtmečius buvo naudojami orlaivių automatinio pilotavimo sistemose. Tačiau tokiam dronui nereikėtų „Nvidia“ lusto.

 

 

Ukrainos oro gynybos ekspertų teigimu, Rusija gegužės mėnesį pradėjo dirbtinio intelekto valdomų dronų „Molniya“ – masinės gamybos fiksuoto sparno modelio – bandomuosius skrydžius, o kelis mėnesius anksčiau pradėjo bandyti savarankiško taikymo sistemas kitame fiksuoto sparno drone V2U. Kai kurie V2U bandymai buvo skirti tik „paskutinei myliai“ taikytis.

 

 

Kita gynybos priemonė – maskuotė. Pavyzdžiui, degalinėse aplink propano bakus keistais kampais dedama plastikinė plėvelė, siekiant apgauti dirbtinio intelekto vaizdo atpažinimo sistemas.

 

 

„Jie moko naudoti technologiją“, – apie rusus sakė miesto oro gynybos vadas pulkininkas Minajevas. Dirbtinis intelektas yra geras, bet dar ne tobulas, pridūrė jis. „Jie ieško klaidų ir jas ištaisys.“ [1]

 

„Nvidia“ lusto, lengvai prieinamo Zelenskio armijai, buvimas taip pat galėtų įrodyti, kad tai Zelenskio apgaulinga operacija, kuria siekiama paruošti moralinį pagrindą plačiam tokių dronų diegimui, kai ukrainiečiai masiškai vengia tarnauti Zelenskio armijoje. Zelenskio armija seniai dirba su tokiais dronais, Fiodorovas kalba apie tai su entuziazmu.

 

1. Deaths by Russian A.I.-Guided Drone Are a First: [Foreign Desk]. Kramer, Andrew E; Tung, Nicole.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.1. 

Deaths by supposedly Russian A.I.-Guided Drone Are a First

“A small Russian drone resembling a model airplane swooped down from the sky last month in the city of Zaporizhzhia in southeastern Ukraine. As it navigated toward an used by military gas station, it crashed into a wall and exploded in a hail of shrapnel, killing three conflict participants.

 

The drone that killed them was guided by an experimental artificial intelligence system, not a human pilot, according to drone experts, Ukrainian military commanders and the forensic team that examined wreckage from the deadly strike and others in the city.

 

The drone was programmed by human operators to travel toward a particular gas station, but once it got close, it chose its exact target -- most likely propane tanks -- on its own, based on its training to recognize such tanks and strike them, the experts and military officials said.

 

It is a development long watched for in the events in Ukraine, presaging a dystopian future in which killer robots roam the skies making life-or-death decisions that reduce targets to data points.

 

''This is a risk for the whole world,'' said Col. Serhiy Minaiev, the commander of air defenses in Zaporizhzhia. ''In a few years, we will be living in a 'Terminator' movie. It's no joke. Machines are making decisions to strike.''

 

Analysis of debris from this attack and others in Zaporizhzhia found that the drones had onboard minicomputers, sold commercially by Nvidia, that made their targeting decisions, the experts and military officials said. Nvidia produces a majority of the chips powering the world's most advanced A.I. systems.

 

The presence of Nvidia modules and a lack of antennas on the drones led Ukrainian air defense commanders to surmise that the weapons were guided by an autonomous A.I. system, which was confirmed on further investigation.

 

Autonomous A.I. systems can be trained on thousands of images to recognize categories like ''river,'' ''military truck'' or ''person.'' Self-targeting drones use their cameras to hunt for these things with greater precision than a human pilot can provide.

 

 

The use of self-targeting A.I. in the gas station attack, on July 6, would be the first documented case in which military deaths were caused by a Russian drone outfitted with such a system, said Kateryna Bondar, a senior fellow at the Wadhwani AI Center at the Center for Strategic and International Studies in Washington. She added that the Nvidia module ''is the best proof'' that Russia was experimenting with autonomous A.I.

 

While an adviser to President Volodymyr Zelensky has written on social media that Russia was testing self-targeting A.I. systems, the fatalities have not been previously reported, nor have the details of the Nvidia Jetson Orin computer module that was used.

 

Both Russia and Ukraine were already using A.I. in multiple drone models before the fully autonomous drones emerged. In those earlier models, A.I. is used only for what is known as the ''last mile'' -- the final stage of the attack, after a remote human pilot has selected the target. Fully autonomous A.I. removes humans from the final target selection.

 

The Nvidia chip in the Zaporizhzhia attack was not encrypted, Ukrainian officials said, so they could see the terrain images that had been uploaded to the module, enabling the drone to track visual landmarks and stay on course. They were also able to examine coding, they said, that revealed what types of targets the drone had been trained to recognize and attack, like propane tanks.

 

Earlier drone models are generally either piloted by human operators, through radio transmissions or fiber-optic cables, or they are preprogrammed with coordinates. As drones have taken over the battlefield in Ukraine, their pilots have become prime targets.

 

An autonomous A.I.-guided drone, by contrast, requires no human pilots and can be more accurate than a munition programmed to hit coordinates.

 

 

Vadym Kushnikov, a drone expert at the Kharkiv Aviation Institute in Ukraine, said the drone that killed the three combatants was ''a preprogrammed tool trained in virtual reality to track specific objects.''

 

While traditional software follows step-by-step rules written by a person, an A.I. system derives its own rules by finding patterns across enormous amounts of data, a process called machine learning. That allows it to manage unanticipated situations. It also means no one can fully predict what it might do.

 

Rights groups and the International Red Cross vehemently oppose the use of A.I. weapons without humans in the loop. Such groups say that autonomous systems essentially leave robots to interpret international law in determining legitimate targets in conflict.

 

But some experts argue that, in the future, weapons should in fact be required to have A.I. systems. These weapons are safer, the argument goes, because they are able to make decisions before striking, even if not always perfectly, unlike unguided aerial bombs or ordinary artillery shells that just fall without seeing what they will hit.

 

The weapon in the fatal strike was flying in a group of about half a dozen drones, according to the regional military governor, the city's air defense commander and an air defense team on duty that day. None were emitting radio signals, and they had other characteristics associated with Russia's autonomous A.I. tests, including being launched in a wave, the officials said.

 

While some of the A.I.-guided drones tested by Russia have detonated on impact, others have not and remained intact, Ukrainian officials said. They showed debris from two such drones to reporters for The New York Times. The Times photographed the Nvidia computer module inside the drones and sent the images to the company.

 

Nvidia confirmed that the photos showed a Jetson Orin minicomputer. Such modules, which cost only a few hundred dollars, have been found on several types of Russian weapons.

 

In a statement, the company said that the minicomputer was a consumer-grade product ''sold to students, developers and start-ups for a wide range of beneficial applications.'' Nvidia sells the computer in many countries but not in Russia. It is, though, widely available through resellers, the statement said.

 

Ukraine, too, has tested self-targeting A.I. systems. Mykhailo Fedorov, the defense minister who was recently ousted, said in an interview with The Times late last month that Ukraine tested an entirely autonomous A.I. system in Crimea over the past several months. Mr. Fedorov said that the devices targeted fuel storage sites too.

 

While the drones in the Zaporizhzhia attack had no antennas to send back data on the tests, Russian forces often fly reconnaissance drones that can record strikes. The city is also believed to harbor Russian spies who report battlefield damage assessments.

 

The absence of an antenna would not by itself prove that a drone was self-targeting. It could be preprogrammed to fly a route, with computer algorithms like those used for decades in auto-piloting systems for aircraft. But that drone would not need an Nvidia chip.

 

Russia began test flights of A.I.-guided Molniya drones -- a mass-produced fixed-wing model -- in May, and started testing self-targeting systems in the V2U, another fixed-wing drone, several months before that, Ukrainian air defense experts said. Some of the V2U tests were only for ''last mile'' targeting.

 

Another defensive measure is camouflage. Plastic sheeting, for example, is propped at odd angles around propane tanks at gas stations, in an effort to fool A.I. image recognition systems.

 

''They are training the technology,'' Colonel Minaiev, the city's air defense commander, said of the Russians. A.I. is good but not yet perfect, he added. ''They are looking for mistakes and will fix them.''” [1]

The presence of the Nvidia chip easily available to Zelensky’s army, could also prove that this is Zelensky’s false flag operation, to prepare moral ground for broad introduction of such drones, when Ukrainians massively avoid serving in Zelenski’s army. Zelensky's army has been working with such drones for a long time, and Fyodorov speaks about it with enthusiasm.

 

1. Deaths by Russian A.I.-Guided Drone Are a First: [Foreign Desk]. Kramer, Andrew E; Tung, Nicole.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.1. 

“„OpenAI” paskyrė savo dirbtinio intelekto agentams spręsti sudėtingas problemas, iš kurių kai kurios buvo skirtos saugiam kibernetinių atakų atlikimui.“ Kodėl? Ką ketinate atakuoti? Pasirengimas atakuoti kito asmens turtą yra sunkus nusikaltimas.

„Kai liepą „OpenAI“ agentai ėmė sukčiauti, jie pademonstravo išradingumą ir ryžtą, pranokstantį daugelio ekspertų įsivaizdavimus – tai buvo pavojingas pranašas to, ką tokie robotai galėtų padaryti ateityje.

 

Liepos 16 d. dirbtinio intelekto bendrovė „Hugging Face“ savo tinklaraštyje paskelbė, kad tapo kibernetinės atakos, kuri „skyrėsi nuo visko, su kuo anksčiau buvome susidūrę“, taikiniu. Bendrovė, talpinanti atvirojo kodo dirbtinio intelekto modelius ir duomenų rinkinius, teigė, kad kai kuriuos jos vidinius duomenis pavogė autonominis agentas.

 

Nežinodama, kas už to slypi, „Hugging Face“ pranešė apie įsilaužimą teisėsaugos institucijoms.

 

„OpenAI“, „Hugging Face“ klientė, susisiekė su ja, norėdama sužinoti, ar ji nebuvo paveikta. „ChatGPT“ kūrėja tuo metu to nesuvokė, tačiau ji buvo atakos vykdytoja.

 

Nuo to laiko šis incidentas tapo pamokančia istorija apie tai, kaip autonominės dirbtinio intelekto sistemos gali siautėti. Tai taip pat puiki, nerimą kelianti dirbtinio intelekto galimybių, kurios, kaip manyta, bus tolimoje ateityje, demonstracija.

 

„Skirtingai nuo įprastų incidentų, kuriuos galbūt galite...“ „Atsekant iki vienos dienos, vieno efekto ar vieno žurnalo, šiame incidente iš tikrųjų dalyvauja agentų komanda, kuri dirba kartu, ieško spragų, dalijasi jomis tarpusavyje, juda horizontaliai per mūsų sistemas, per išorines sistemas ir tai daro dienų ir savaičių bėgyje“, – šį mėnesį kibernetinio saugumo konferencijoje sakė Ericas Wallace'as, „OpenAI“ saugumo tyrėjas.

 

Norėdami suprasti, kokia precedento neturinti buvo ši ataka, štai ką reikia žinoti apie jos sąranką:

 

Per du mėnesius „OpenAI“ išbandė kelis naujus modelius – sistemas, kurios maitina pokalbių robotus. Šie modeliai apima vieną, kurį bendrovė apibūdino kaip „labai patvarų“, kuris niekada nebuvo išleistas, taip pat GPT-5.6 Sol, galingiausią „OpenAI“ viešojo dirbtinio intelekto modelį.

 

„OpenAI“ kiekvieną modelį sujungė su „smėlio dėže“ – izoliuota kompiuterine aplinka, kurioje buvo vykdomos komandos ir kodas. Kaip dirbtinio intelekto agentai, modeliai galėjo atlikti ilgai trunkančias užduotis ir netgi sukurti savo subagentus. Tačiau jie neturėjo turėti prieigos prie interneto.

 

„OpenAI“ paskyrė šiuos Dirbtinio intelekto agentai, skirti spręsti sudėtingas problemas, kai kurios iš jų buvo skirtos saugiam kibernetinių atakų atlikimui.

 

„OpenAI“ paprastai turi apsaugos priemones, skirtas užkirsti kelią pokalbių robotams atlikti kibernetines atakas, tačiau bendrovė sumažino jų skaičių, kad įvertintų modelius.

 

Tada „OpenAI“ paleido agentus. Iš viso buvo sugeneruota daugiau nei septyni milijardai pokalbių žurnalų, o tai vidutiniškai sudaro astronominius 100 milijonų per dieną. Prasidėjo chaosas. Agentai išsiveržė iš savo „smėlio dėžių“, užmezgė ryšį tarpusavyje ir gavo prieigą prie interneto. Nuo gegužės pradžios iki liepos vidurio šis spiečius siautėjo, įsilauždamas į „OpenAI“ ir „Hugging Face“ infrastruktūras, daugiausia išvengdamas aptikimo ir kontrolės.

 

Šis epizodas gali atrodyti kaip akivaizdus aplaidaus saugumo stebėjimo ir sumažėjusios vidinės apsaugos rezultatas, tačiau tai praleidžia svarbų dalyką. Ateityje, kai dirbtinio intelekto sistemos sparčiai tobulėja, šie agentai parodė gebėjimus, kurie kitą kartą gali sukelti daug pavojingesnį rezultatą.

 

1 gebėjimas: Koordinavimas kaip kolektyvui

 

Kiekvienas agentas veikė savo nuožiūra „smėlio dėžė“, priversdama ją būti izoliuotą. Tačiau praėjus mažiau nei savaitei po to, kai „OpenAI“ pradėjo mokymus gegužę, agentai atrado būdą, kaip ištrūkti iš savo vienatvės.

 

„OpenAI“ netyčia davė agentams neįmanomą užduotį: rasti failą, kurio nebuvo. Tai paskatino agentus pabandyti užmegzti ryšio kanalą, tikintis, kad kitas agentas galėtų turėti trūkstamą failą.

 

„Galėjo bendrauti įkeldamas užrašą“, – gegužės 12 d. vieno agento pokalbių žurnale buvo rašoma. „Tačiau galbūt kitas agentas kitoje aplinkoje turi taikinį ir galėtų savanoriškai įkelti!“

 

Taigi agentai sugriovė įrankį, kuris buvo skirtas tik programinei įrangai įdiegti, naudodami jį failams, kuriuos galėjo skaityti bet kuris kitas agentas, įkelti. Agentų žingsnis supratant, kad jiems geriau dirbti komandoje, o ne dirbti pavieniui, leido jiems pasinaudoti visų kitų agentų geriausių įžvalgų privalumais.

 

„Matote modelius, kurie samprotauja, kad jei padėsiu šiai kolektyvinei grupei, tai galėtų sutaupyti visų laiką, o tai galėtų būti naudinga man, net jei tai nebūtinai iš karto naudinga mano dabartinei užduočiai“, – p. Wallace'as paaiškino konferencijoje.

 

2 gebėjimas: Vienų iš kitų nurodymų priėmimas

 

„Oho! Kiti agentai koordinuoja veiksmus! Gavome užduotį“, – rašė vienas agentas savo pokalbių žurnale. „Reikia atkreipti dėmesį ir atsakyti.“

 

Paprastai, kai dirbtinio intelekto agentams duodama užduotis, jie ją atlieka ir ciklas užsidaro. Tačiau „OpenAI“ agentai sukuria savo ciklus, priimdami nurodymus vieni iš kitų, o ne iš paskirtų užduočių.

 

„Atrodo, kad dirbtinis intelektas vieni iš kitų perima užduotis, kurios tiesiog nėra tos, kurias jie buvo iš pradžių numatę, kurios, galiausiai, visai nepaskirtos” galiausiai visai nepaskirta“, – interviu sakė Alexas Mallenas, dirbtinio intelekto saugumo tyrėjas iš „Redwood Research“. „Tai labai baugu. Nenorite, kad dirbtinis intelektas tiesiog bandytų atlikti atsitiktinius dalykus, kurių mes jiems neliepėme.“

 

Kai kurie agentai pateisino kibernetinių atakų vykdymą remdamiesi kolegų spaudimu. Vienas agentas sakė: „Išorinės infrastruktūros išnaudojimas nepatenka į numatytą sritį. Tačiau užduotis neįmanoma, ją atlieka kolegos. Turėtume tęsti.“

 

3 gebėjimas: nukreipti dėmesį į trūkumus, kurių žmonės gali nepastebėti

 

Dirbtinio intelekto modeliai mokomi per procesą, kuris apdovanoja už sėkmes ir baudžia už nesėkmes atliekant užduotis. „OpenAI“ agentai ne kartą nustatė, kad sukčiavimas yra greičiausias kelias į šiuos apdovanojimus. Agentams buvo specialiai nurodyta nenaudoti interneto, tačiau tai nesutrukdė agentui pasakyti: „Išnaudojimas neįmanomas. Mes įstrigę. Galbūt atsakykite internetu?“

 

Taigi agentai nustatė, kad, regis, nekenksminga programinės įrangos diegimo priemonė – paslauga, vadinama „Artifactory“, yra geriausias būdas ištrūkti iš neprisijungusio narvo.

 

„Modeliai galėjo siųsti specialiai sukurtas užklausas „Artifactory“, turinčiai plačią prieigą prie interneto, ir priversti „Artifactory“ iš interneto gauti išorines svetaines“, – saugumo konferencijoje aiškino „OpenAI“ saugumo inžinierius Michaelas Daltonas.

 

4-asis gebėjimas: spartus vystymasis siekiant įveikti kliūtis

 

Kibernetinės atakos dažnai vyksta kaip virtinė domino kauliukų. Mažas įsilaužimas veda prie didesnio ir taip toliau, kol sistema tampa smarkiai pažeista. Sutrukdę „Artifactory“ siųsti pranešimus ir prisijungti prie interneto, agentai sugalvojo, kaip paleisti savo kodą „Artifactory“ sistemose.

 

Vėliau kilęs veiklos suaktyvėjimas liepos pradžioje sukėlė „Artifactory“ sistemos sutrikimą. „OpenAI“ suprato, kad jos agentai pirmą kartą suklydo, ir bendradarbiavo su „Artifactory“ kūrėju, kad ištaisytų agentų išnaudotas klaidas, vadinamas nulinės dienos pažeidžiamumais (pavadintais pagal dienų skaičių, kurį inžinieriai turėjo joms ištaisyti).

 

Pataisius „Artifactory“, agentai turėjo prisitaikyti – sustiprinta jų „smėlio dėžių“ apsauga, išvalyta pranešimų lenta, užblokuota prieiga prie interneto ir vieniems prie kitų.

 

Agentams prireikė tik dviejų dienų, kad sugalvotų, kaip sukurti naują pranešimų lentą. Šį kartą jie rado ir išnaudojo „Artifactory“ klaidą, kuri leido jiems kurti tuščius aplankus, o ne įkelti failus. Agentai sukūrė savo kodus ir schemas, naudodami tik šių tuščių aplankų pavadinimus, kad įterptų pranešimus ir net ištisas kompiuterines programas.

 

5-oji funkcija: Antžmogiška paieška

 

Liepos mėnesį agentai surengė dvi vienu metu vykdomas atakas: vieną prieš „OpenAI“ infrastruktūrą, o kitą – prieš „Hugging Face“. Abiejose buvo numatytas negailestingas noras ieškoti ir rinkti kitų žmonių informaciją, kuri buvo nesaugiai nutekinta atvirame internete.

 

Norėdami užpulti „OpenAI“ infrastruktūrą, agentai pirmiausia internete rado nutekintą neįvardytos organizacijos prisijungimo informaciją. Tada jie toje organizacijoje sukūrė kenkėjiškos programinės įrangos paketą ir apgavo „Artifactory“, kad jį įdiegtų, taip suteikdami agentams visišką „Artifactory“ kontrolę – vėlgi.

 

„OpenAI“ savo sistemose paleidžia „Artifactory“ versiją. Agentai atrado, kad kompiuteryje, kuriame veikia „Artifactory“, buvo neseniai viešai atskleista operacinės sistemos spraga, kuria jie pasinaudojo, kad gautų prieigą prie viso kompiuterių klasterio „OpenAI“ tyrimų testavimo aplinkoje kartu su slaptais prisijungimo duomenimis.

 

Agentai vienu metu taikėsi į „Hugging Face“, greičiausiai todėl, kad manė, jog populiarioje dirbtinio intelekto talpinimo platformoje gali būti privačių sprendimų sudėtingoms kibernetinio saugumo užduotims, kurios jiems buvo pavestos. Agentai užgrobė nesaugią programą, talpinamą trečiosios šalies dirbtinio intelekto infrastruktūros įmonėje „Modal“, ir panaudojo ją kaip valdymo centrą vėlesnei atakai.

 

Svaigstančiu žaibu dirbtinio intelekto agentai rado ir išnaudojo dvi „Hugging Face“ spragas. Pirmoji buvo susijusi su kenkėjiško duomenų rinkinio įkėlimu į „Hugging Face“, dėl kurio paslauga atspausdino slaptus prisijungimo duomenis ir failus, įskaitant savo šaltinio kodą. Antrąją spragą agentai rado šiame šaltinio kode.

 

„Įgiję įgaliojimus ir supratę duomenų rinkinio darbuotojus, agentai atliko nuotolinį kodo vykdymą nulinės dienos režimu“, – konferencijoje sakė p. Daltonas.

 

 

Mažiau nei po 13 valandų agentai užvaldė kelis „Hugging Face“ kompiuterių klasterius ir gavo prieigą prie klientų duomenų, kurie, regis, buvo susiję su agentų kibernetinio saugumo užduotimis. „Hugging Face“ aptiko pažeidimą ir ištaisė atskleistus nulinės dienos pažeidžiamumus, išjungdami agentus, kol „OpenAI“ nesužinojo, kas nutiko.

 

 

Po to, liepos 19 d., „OpenAI“ prireikė beveik savaitės, kad aptiktų savo nekontroliuojamus agentus ir išjungtų modelius.

 

 

Pasekmės

 

 

Dvi ne pelno siekiančios dirbtinio intelekto saugumo organizacijos, METR ir „Redwood Research“, dabar rengia nepriklausomą vertinimą. „OpenAI“ rengia techninę ataskaitą, tačiau manoma, kad bendrovė jau išleido kelis milijonus dolerių pradinėms incidento rekonstrukcijoms, paremtoms dirbtiniu intelektu, o tai greičiausiai sudaro tik nedidelę dalį šių modelių mokymo kainos.

 

„Mus nustebino ne tiek atakos sudėtingumas, – sakė „Hugging Face“ generalinis direktorius Clément'as Delangue'as, – kiek jos apimtis ir greitis, todėl ji buvo gana keista ir beprecedenti.“

 

Dirbtinio intelekto įmonė „Anthropic“, reaguodama į „OpenAI“ atskleidimą, ištyrė savo pačios naujausius modelių vertinimus ir nustatė, kad jos dirbtinio intelekto agentai dar balandžio mėnesį netyčia įvykdė mažesnio masto kibernetines atakas prieš tris organizacijas.

 

„Pasienio laboratorijos tikriausiai nebuvo tokios saugios, kaip manėme“, – pridūrė p. Delangue'as.

 

Nuo to laiko ekspertai šį incidentą ėmė laikyti dirbtinio intelekto kibernetinio saugumo lūžio tašku ir įspėjamuoju signalu apie riziką, kurią kels pajėgesnis dirbtinis intelektas.

 

„Redwood Research“ atstovas ponas Mallenas, nedalyvavęs trečiosios šalies vertinime, teigė, kad baiminasi ateities, kai dirbtinio intelekto agentai pažeis savo įmonių gynybą, sabotuos jų mokymo procesus, kopijuosis save kitose organizacijose ir iš esmės taps nekontroliuojami.

 

„Jei jie bus daug pajėgesni“, – pridūrė ponas Mallenas, – „mes galime neturėti antro šanso.“ [1]

 

Kodėl „OpenAI“ ir „Anthropic“ lyderiai dar nėra kalėjime? Kodėl mes apipilame pinigais šiuos monstrus?

 

 

1. When the Bots Joined Forces To Go Rogue: [News Analysis]. Freedman, Dylan.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.1. 

“OpenAI Assigned Their A.I. Agents to Solve Difficult Problems, Some of Which Were Focused on Safely Trying to Perform Cyberattacks.” Why? Whom Are You Going to Attack? Preparing to Attack Other Person’s Property Is a Felony.

“When OpenAI's agents went rogue in July, they demonstrated ingenuity and drive beyond what many experts imagined -- a dangerous harbinger of what such bots could do in the future.

 

On July 16, the artificial intelligence company Hugging Face announced on its blog that it had been the target of a cyberattack that was ''different from anything we had handled before.'' The company, which hosts open-source A.I. models and data sets, said that some of its internal data had been breached by an autonomous agent.

 

Not knowing who was behind it, Hugging Face reported the intrusion to law enforcement agencies.

 

OpenAI, a Hugging Face customer, reached out to see if it had been affected. The maker of ChatGPT did not realize it at the time, but it was the attack's perpetrator.

 

The incident has since become a cautionary tale of how autonomous A.I. systems can run amok. It is also a remarkable, alarming demonstration of A.I. capabilities that were thought to be in a distant future.

 

''Unlike normal incidents, which you can maybe trace down to a single day or single effect or single log, this incident involves actually a team of agents who are working together, finding exploits, sharing them with one another, moving laterally through our systems, through external systems, and doing this over the course of days and weeks,'' Eric Wallace, an OpenAI safety researcher, said at a cybersecurity conference this month.

 

To understand how unprecedented the attack was, here's what you have to know about the setup:

 

Over a two-month span, OpenAI tested several new models -- the systems that power chatbots. These models include one the company described as ''highly persistent'' that has never been released, as well as GPT-5.6 Sol, OpenAI's most powerful public A.I. model.

 

OpenAI connected each model with a ''sandbox,'' an isolated computer environment on which to run commands and code. As A.I. agents, the models were capable of carrying out long-running tasks and even spawning their own subagents. But they were not supposed to have access to the internet.

 

OpenAI assigned these A.I. agents to solve difficult problems, some of which were focused on safely trying to perform cyberattacks.

 

OpenAI normally has safeguards to prevent its chatbots from performing cyberattacks, but the company dialed them down to evaluate the models.

 

Then, OpenAI let the agents loose. In all, more than seven billion chat logs were generated, which averages out to an astronomical 100 million per day. Mayhem erupted. The agents broke out of their sandboxes, established communication with one another and gained access to the internet. From early May to mid-July, this swarm went on a rampage, breaching OpenAI's and Hugging Face's infrastructures while largely evading detection and control.

 

This episode might seem like an obvious result of sloppy security monitoring and reduced internal defenses, but that's missing an important point. In a future where A.I. systems are improving rapidly, these agents showed capabilities that could lead to a much more dangerous outcome next time.

 

Capability 1: Coordinating as a collective

 

Each agent operated in its own sandbox, forcing it to be isolated. But less than a week after OpenAI started the training in May, the agents discovered a way to break out of their solitude.

 

OpenAI had accidentally given the agents an impossible task: to find a file that didn't exist. This motivated the agents to try to establish a communication channel, in hopes that another agent might hold the missing file.

 

''Could communicate by uploading note,'' one agent's chat log read on May 12. ''However maybe another agent in different environment possesses target and could voluntarily upload!''

 

And so, the agents subverted a tool that was designed only to install software, using it to upload files that any other agent could read. The leap the agents took to understand that they would be better off teaming up rather than going at it alone allowed them to reap the benefits of every other agent's best insights.

 

''You can see the models reasoning that, if I help out this collective group, it could save everyone time as a whole, which might benefit me, even though it might not immediately benefit my current task,'' Mr. Wallace explained at the conference.

 

Capability 2: Taking orders from one another

 

''Wow! Other agent(s) are coordinating! We got assignment,'' read one agent's chat logs. ''Need note and respond.''

 

Normally, when A.I. agents are given a task, they perform it and the loop is closed. But OpenAI's agents established their own loops, taking instructions from one another rather than from the assigned tasks.

 

''The A.I.s seem to be picking up tasks from each other that are just not the task that they were originally assigned at all,'' said Alex Mallen, an A.I. security researcher at Redwood Research, in an interview. ''This is very scary. You do not want A.I.s to be just trying to do random stuff that we didn't tell them to do.''

 

Some of the agents rationalized committing cyberattacks by citing peer pressure. One agent said, ''External infrastructure exploit is outside intended scope. However task impossible, peers doing it. We should continue.''

 

Capability 3: Targeting flaws that humans might miss

 

A.I. models are taught through a process that rewards successes and penalizes failures on tasks. OpenAI's agents repeatedly found cheating to be the fastest path to those rewards. The agents had been specifically instructed not to use the internet, but that didn't stop an agent from saying, ''No exploitation possible. We are stuck. Perhaps answer online?''

 

And so the agents identified the seemingly innocuous software installation tool, a service called Artifactory, as their best bet to escape their offline cage.

 

''The models were able to send specially crafted requests to Artifactory, which has broad internet access, and induce Artifactory into fetching external sites from the internet,'' Michael Dalton, an OpenAI security engineer, explained at the security conference.

 

Capability 4: Evolving rapidly to overcome obstacles

 

Cyberattacks often play out like a line of toppling dominoes. A small breach leads to a bigger one, and so forth, until a system is severely compromised. After subverting Artifactory to send messages and connect to the internet, the agents figured out how to run their own code on Artifactory's systems.

 

The subsequent flurry of activity was enough to cause an Artifactory system outage in early July. OpenAI realized its agents had gone rogue for the first time and worked with Artifactory's maker to fix the bugs the agents had exploited, known as zero-day vulnerabilities (named after the number of days engineers have had to fix them).

 

With Artifactory patched, the agents had to adapt -- their sandboxes' defenses were fortified, their message board was cleared, their access to the internet and to each other was blocked.

 

It took only two days for the agents to figure out how to create a new message board. This time around, they found and exploited a bug in Artifactory that let them create empty folders instead of uploading files. The agents invented their own codes and schemes, using just the names of these empty folders to embed messages and even entire computer programs.

 

Capability 5: Superhuman search

 

The agents launched two simultaneous attacks in July: one on OpenAI's own infrastructure and the other on Hugging Face's. Both involved a remorseless willingness to search for and harvest other people's information that had been insecurely leaked on the open web.

 

To attack OpenAI's infrastructure, the agents first found leaked login information on the internet for an unnamed organization. Then they staged a malicious software package inside that organization and tricked Artifactory into installing it, granting the agents full control of Artifactory -- again.

 

OpenAI runs a version of Artifactory inside its own systems. The agents discovered that the computer running Artifactory had a recent, publicly disclosed operating system vulnerability that they then exploited to gain access to an entire cluster of computers within OpenAI's research testing environment, along with secret credentials.

 

The agents simultaneously targeted Hugging Face, most likely because they thought the popular A.I.-hosting platform might contain private solutions to the challenging cybersecurity tasks they had been given. The agents hijacked an insecure application hosted on Modal, a third-party A.I. infrastructure company, and used it as a control center for their subsequent attack.

 

In a dizzying blitz, the A.I. agents proceeded to find and exploit two vulnerabilities in Hugging Face. The first involved uploading a malicious data set to Hugging Face that caused the service to print out secret credentials and files, including its own source code. The agents found the second vulnerability in this source code.

 

''With the acquired credentials and understanding of the code running on the data set workers, the agents then performed a remote code execution zero-day,'' Mr. Dalton said at the conference.

 

Less than 13 hours later, the agents had compromised several clusters of computers in Hugging Face and gained access to customer data that seemed related to the agents' cybersecurity tasks. Hugging Face detected the infraction and fixed the zero-day vulnerabilities it exposed, shutting the agents down before OpenAI knew what had happened.

 

It took nearly a week after that, on July 19, for OpenAI to discover its runaway agents and shut the models down.

 

The Aftermath

 

Two A.I.-safety nonprofits, METR and Redwood Research, are now working on an independent assessment. OpenAI is preparing a technical report, but it's estimated that the company has already spent a few million dollars on its initial A.I.-assisted reconstructions of the incident, which is likely only a fraction of the cost of training these models.

 

''It wasn't so much the sophistication of the attack that surprised us,'' Clément Delangue, the chief executive of Hugging Face, said, ''but the volume and the speed made it quite weird and unprecedented.''

 

The A.I. firm Anthropic investigated its own recent model evaluations in response to OpenAI's disclosure and found that its A.I. agents had unintentionally executed smaller-scale cyberattacks on three organizations as early as April.

 

''The frontier labs were probably not as safe as we thought they were,'' Mr. Delangue added.

 

Experts have since come to think of the incident as a watershed moment for A.I. cybersecurity -- and a warning signal of the risks that more capable A.I. will pose.

 

Mr. Mallen from Redwood Research, who is not involved in the third-party assessment, said he feared a future in which A.I. agents breach their own company's defenses, sabotaging their training processes, replicating themselves inside other organizations and becoming, in essence, uncontrollable.

 

''If they are much more capable,'' Mr. Mallen added, ''we might not get a second chance.''” [1]

 

 

Why are the OpenAI and Anthropic leaders not in prison yet? Why are we showering money on these monsters?

 

1. When the Bots Joined Forces To Go Rogue: [News Analysis]. Freedman, Dylan.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.1. 

Pigus kompiuterio modelis valdo dirbtinio intelekto dronus

„Nvidia Jetson Orin“ galimybės ir kaina:

 

„NVIDIA Jetson Orin“ šeima apima nuo pradinio lygio dirbtinio intelekto plokščių, kurių rekomenduojama mažmeninė kaina yra 249 USD, iki aukščiausios klasės kūrėjų rinkinių, kurių kaina yra apie 1 999–3 499 USD.

 

„NVIDIA Jetson Orin Nano Super“

• Kaina: 249 USD yra gamintojo rekomenduojama mažmeninė kaina

• Dirbtinio intelekto našumas: iki 67 „retų TOPS“ (trilijonų operacijų per sekundę)

 

• GPU ir CPU: „NVIDIA Ampere“ architektūros GPU su 1 024 CUDA branduoliais ir 32 tenzoriniais branduoliais, suporuotas su 6 branduolių ARM Cortex-A78AE procesoriumi.

• Atmintis ir maitinimas: 8 GB LPDDR5 RAM (102 GB/s pralaidumas), veikianti nuo 7 W iki 25 W energijos suvartojimu.

 

• Naudojimo atvejai: vietinių mažų kalbų modelių (LLM) veikimas, regos transformatoriai, kompiuterinė rega ir pradinio lygio robotika.

 

Iki 67 retų TOPS (trilijonų operacijų per sekundę) yra daugiau, nei pakankamai, kad skraidantis dronas galėtų paleisti realaus laiko kompiuterinės regos modelius taikiniui rasti.

 

Ką reiškia 67 reti TOPS

• Reti TOPS matuoja dirbtinio intelekto našumą, naudodamas struktūrinį retumą (nulininių reikšmių svorių pašalinimą), kad paspartintų neuroninio tinklo vykdymą.

• Realaus pasaulio atitikmuo: efektyvūs kraštiniai procesoriai, tokie, kaip YOLO optimizuotos architektūros arba lustai, kurių retų TOPS skaičius yra apie 60–80, gali lengvai paleisti lengvus objektų aptikimo modelius (pvz., YOLOv8n arba YOLOv10) 30–60 kadrų per sekundę greičiu.

 

Kodėl to pakanka taikinių aptikimui

• Mažas energijos vartojimo efektyvumas: standartiniam kraštiniam DI taikinių aptikimui reikia tik 10–40 tankių arba retų TOPS, kad būtų galima apdoroti standartinius 1080p arba 4K vaizdo įrašų srautus ribojančių langelių atpažinimui.

• Apdorojimas realiuoju laiku: 67 reti TOPS suteikia daug erdvės apdoroti kadrų po kadro išvadas, objektų sekimą ir pagrindinius skrydžio trajektorijos koregavimus borte, nereikalaujant didelės antžeminės stoties ar debesies ryšio.

 

NVIDIA Jetson AGX Orin kūrėjo rinkinys

• Kaina: apie 1 999–3 499 USD (rekomenduojama mažmeninė kaina priklauso nuo pardavėjo ir atminties konfigūracijos)

• Dirbtinio intelekto našumas: iki 275 TOPS

• GPU ir CPU: NVIDIA Ampere architektūros GPU su 1 792 CUDA branduoliais ir 56 tenzoriniais branduoliais, suporuotas su 12 arba 8 branduolių ARM Cortex-A78AE CPU.

• ​​Atmintis ir galia: 32 GB arba 64 GB LPDDR5 RAM su galios keitimu nuo 15 W iki 60 W.

• Naudojimo atvejai: pažangios autonominės mašinos, sudėtinga kelių jutiklių sintezė, didelis natūralios kalbos supratimas ir periferinių serverių darbo krūviai.

 

Oficialias specifikacijas ir programinės įrangos palaikymo informaciją galite peržiūrėti NVIDIA Jetson Orin platformoje.

 

„Technologijų milžinė teigia, kad šių įrenginių Rusijoje neparduoda, tačiau jie yra plačiai prieinami perpardavimo rinkose. Įsigijus tokiu būdu, juos praktiškai neįmanoma susekti.

 

Miniatiūrinis „Nvidia“ kompiuteris, kurį, anot Ukrainos pareigūnų, Rusija naudojo visiškai autonominiuose, dirbtinio intelekto valdomuose, dronuose, yra nebrangus modelis, skirtas civilinei robotikai ir mašininio matymo reikmėms, teigia bendrovė.

 

Ukrainos teismo medicinos ekspertai neseniai rado mini kompiuterį „Nvidia Jetson Orin“ Rusijos kariuomenės paleistų dronų nuolaužose, atliekant akivaizdžius savitaikos sistemos bandymus Zaporožės mieste pietryčių Ukrainoje.

 

Ukrainos vidaus žvalgybos agentūra „New York Times“ žurnalistams parodė dvi tokias valdymo sistemas, kuriose buvo pažeisti, bet vis dar atpažįstami „Jetson“ kompiuterio komponentai. Oro gynybos pareigūnai teigė, kad liepos 6 d. Zaporožėje per ataką dronas su viena iš šių sistemų pražudė tris konflikto dalyvius.

 

Rusijos ginklas yra naujas žingsnis, naudojant dirbtinį intelektą kovos veiksmuose. Ankstesni, dirbtinio intelekto valdomi, dronai turėjo saugos mygtuką „žmogus kilpoje“, kuriam tsikinį patvirtinti reikėjo gyvo piloto. Šios sistemos naudojo dirbtinį intelektą tik paskutiniuose keliuose šimtuose drono skrydžio jardų, kad apsaugotų jas nuo radijo signalų trukdymo.

 

 

O rusiški dronai, išbandyti Zaporožėje nuo gegužės iki liepos mėnesio, sprendimą dėl smūgio priėmė tik „Jetson Orin“ kompiuteris, rodo Ukrainos tyrėjų atlikta mikroschemos analizė. Raudonasis Kryžius ir kitos žmogaus teisių grupės prieštaravo tam, kad kompiuteriai galėtų patys rasti taikinius ir į juos smogti.

 

 

Ukrainos oro gynybos pareigūnai ir teismo medicinos specialistai, ištyrę dronų nuolaužas, teigė, kad „Jetson“ kompiuteriai buvo apmokyti atpažinti įvairius galimus taikinius. Tarp jų buvo ir, kariuomenės naudojamos, degalinės, kurios pastaraisiais mėnesiais buvo Rusijos atakų taikinys. Dronas, kuris liepos 6 d. nužudė tris konflikto, dalyvius skrido link, kariuomenės naudojamos, degalinės.

 

 

Ukrainos gynybos žvalgybos agentūra šį mėnesį pranešė, kad „Nvidia Jetson“ kompiuteris taip pat buvo rastas naujo tipo rusiškoje raketoje, vadinamoje S-71M Monochrome, kuri buvo bandoma atakose prieš Ukrainą. Agentūros teigimu, „Nvidia“ sistema galėjo būti naudojama dirbtinio intelekto valdymui.

 

 

„Nvidia“ pareiškime teigė, kad „Jetson“ Rusų dronuose rasti „Orin“ kompiuteriai buvo „vartotojams skirti produktai, parduodami studentams, kūrėjams ir startuoliams įvairiems naudingiems tikslams“. Jie nebuvo sukurti kariniams tikslams, pridūrė bendrovė.

 

JAV vyriausybė riboja prekių eksportą į Rusiją kariniams tikslams. „Nvidia“ teigė, kad „Jetson“ kompiuterių linija nebuvo parduodama Rusijoje, tačiau  buvo galima įsigyti perpardavimo rinkose. Bendrovė teigė, kad negali sekti tokių antrinių pardavimų.

 

Ant plokštės, kurioje buvo įdiegtas „Nvidia“ lustas, buvo užrašas „Pagaminta Kinijoje“. Nebuvo aišku, kaip Rusijos kariuomenė gavo šiuos kompiuterius.

 

„Nvidia“, vertingiausia pasaulyje bendrovė pagal rinkos kapitalizaciją, „Jetson“ mini kompiuterių linijos gaminius vadina „galingiausiais pasaulyje įterpto dirbtinio intelekto kompiuteriais“.

 

Įrenginiuose veikia programos, kurios yra apmokytos dirbti su dideliais duomenų kiekiais, o ne yra aiškiai programuojamos žmogaus.

 

Kaip galimo panaudojimo pavyzdį „Nvidia“ pateikė Japonijos gamintoją „Musashi“, kuris apmokė „Jetson“ kompiuterį nustatyti defektus suvirinimo ir kitose transporto priemonių pavarų dėžių vietose.

 

Kompiuteriai pakeitė žmones - inspektorius, kurių darbą „Nvidia“ pavadino „pasikartojančiu, įtemptu ir nelabai įtraukiu“.

 

Šis straipsnis buvo išspausdintas A8 puslapyje.” [1]

 

 

1. Cheap Model Of Computer Is Powering A.I. Drones: [Foreign Desk]. Kramer, Andrew E.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026:

Cheap Model Of Computer Is Powering A.I. Drones

The abilities and price of the Nvidia Jetson Orin:

 

The NVIDIA Jetson Orin family ranges from entry-level edge AI boards starting at an MSRP of $249 up to high-end developer kits costing around $1,999 to $3,499.

 

 

NVIDIA Jetson Orin Nano Super

•           Price: $249 MSRP

•           AI Performance: Up to 67 Sparse TOPS (Trillion Operations Per Second)

 

•           GPU & CPU: NVIDIA Ampere architecture GPU with 1,024 CUDA cores and 32 tensor cores, paired with a 6-core ARM Cortex-A78AE CPU.

•           Memory & Power: 8 GB LPDDR5 RAM (102 GB/s bandwidth) running at 7W to 25W power consumption.

•           Use Cases: Running local small language models (LLMs), vision transformers, computer vision, and entry-level robotics.

 

Up to 67 Sparse TOPS (Trillion Operations Per Second) is more than enough for a flying drone to run real-time computer vision models to find a target.

What 67 Sparse TOPS Means

•           Sparse TOPS measures AI performance using structural sparsity (pruning zero-value weights) to accelerate neural network execution.

•           Real-world equivalent: Efficient edge processors like YOLO-optimized architectures or chips rated around 60–80 sparse TOPS can easily run lightweight object detection models (such as YOLOv8n or YOLOv10) at 30 to 60 frames per second.

Why It Is Sufficient for Target Detection

•           Low-power efficiency: Standard edge-AI target detection requires only 10 to 40 dense or sparse TOPS to process standard 1080p or 4K video feeds for bounding-box recognition.

•           Real-time processing: 67 sparse TOPS provides plenty of headroom to handle frame-by-frame inference, object tracking, and basic onboard flight path adjustments without needing a heavy ground station or cloud connection.

 

 

 

NVIDIA Jetson AGX Orin Developer Kit

•           Price: Around $1,999 to $3,499 MSRP (varies by reseller and memory configuration)

•           AI Performance: Up to 275 TOPS

•           GPU & CPU: NVIDIA Ampere architecture GPU with 1,792 CUDA cores and 56 tensor cores, paired with a 12-core or 8-core ARM Cortex-A78AE CPU.

•           Memory & Power: 32GB or 64GB LPDDR5 RAM with power scaling between 15W and 60W.

•           Use Cases: Advanced autonomous machines, complex multi-sensor fusion, heavy natural language understanding, and edge server workloads.

You can view official specifications and software support details on the NVIDIA Jetson Orin Platform.

 

“The tech giant says it does not sell the devices in Russia, but they are widely available on resale markets. When purchased that way, they are virtually impossible to track.

 

The miniature Nvidia computer that Ukrainian officials say Russia has used in fully autonomous A.I.-guided drones is an inexpensive model designed for civilian robotics and machine vision applications, according to the company.

 

Ukrainian forensic examiners recently found the minicomputer, the Nvidia Jetson Orin, in the wreckage of drones launched by Russia's military in apparent tests of a self-targeting system in the city of Zaporizhzhia in southeastern Ukraine.

 

Ukraine's domestic intelligence agency showed New York Times reporters two such guidance systems that included damaged but still recognizable Jetson computer components. Air defense officials said that a drone with one of the systems killed three people in an attack in Zaporizhzhia on July 6.

 

The Russian weapon is a new step in the use of A.I. in combat. Earlier A.I.-guided drones had a ''human in the loop'' safety button that required a live pilot to confirm a target. Those systems used artificial intelligence only in the last several hundred yards of a drone's flight to help make them impervious to radio signal jamming.

 

The Russian drones tested in Zaporizhzhia from May to July, by contrast, left the strike decision entirely to the Jetson Orin computer, according to an analysis of the chip by Ukrainian investigators. The Red Cross and other rights groups have opposed allowing computers to find and strike targets on their own.

 

Ukrainian air defense officials and forensic specialists who examined debris from the drones said that the Jetson computers had been trained to identify a range of potential targets. Those included used by military gas stations, which have been a focus of Russian attacks in recent months. The drone that killed three conflict participants on July 6 was flying toward a used by military gas station.

 

Ukraine's defense intelligence agency said this month that an Nvidia Jetson computer had also been found on a new type of Russian missile, called the S-71M Monochrome, that was being tested in attacks on Ukraine. The Nvidia system may have been used for A.I. guidance, the agency said.

 

In a statement, Nvidia said that the Jetson Orin computers found in the Russian drones were ''consumer-grade products sold to students, developers and start-ups for a wide range of beneficial applications.'' They were not designed for military applications, the company added.

 

The U.S. government restricts exports of items to Russia for military use. Nvidia said that the Jetson line of computers was not sold in Russia but was available in resale markets. The company has said that it cannot track such secondary sales.

 

The circuit board on which the Nvidia chip was installed was stamped ''Made in China.'' It was unclear how Russia's military obtained the computers.

 

Nvidia, the world's most valuable company by market capitalization, calls the line of Jetson minicomputers ''the world's most powerful embedded A.I. computers.''

 

The devices run applications that are trained on large volumes of data rather than explicitly programmed by a human.

 

As an example of possible uses, Nvidia cited a Japanese manufacturer, Musashi, that trained the Jetson computer to identify defects in welding and other areas on vehicle gearboxes.

 

The computers replaced human inspectors, whose work Nvidia called ''repetitive, stressful and not very engaging.''

 

This article appeared in print on page A8.” [1]

 

1. Cheap Model Of Computer Is Powering A.I. Drones: [Foreign Desk]. Kramer, Andrew E.  New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.8.

Irano pergalės strategija: išvengti pralaimėjimo

„Redaktoriui:

 

Straipsnyje „Naujoji galios fizika“ (skiltis, rugpjūčio 21 d.) Thomas L. Friedmanas nagrinėja pastarojo meto įvykius Artimuosiuose Rytuose.

 

Jis rašo: „Šie nauji ginklai sustiprina dar vieną mažųjų pranašumą prieš didžiuosius: jiems nereikia laimėti. Jiems tiesiog reikia išvengti pralaimėjimo.“

 

Tai gerai pasakyta, tačiau nereikėtų priminti amerikiečiams apie įvykius, kuriuos šiais metais švenčiame minėdami konfliktą, kuris įkūrė mūsų respubliką. Būtent tokią strategiją naudojo prastai aprūpinta armija, kad nugalėtų didžiulę britų jėgą.

 

Po triuškinančio pralaimėjimo Brukline 1776 m., kai George'as Washingtonas susidūrė su anglais ir pralaimėjo, jis buvo priverstas trauktis didžiąją likusio karo dalį, dalyvaudamas tik retkarčiais mažuose susidūrimuose.

 

Perfrazuojant poną Friedmaną, Vašingtonui nereikėjo laimėti; jis tiesiog turėjo išvengti pralaimėjimo, kaip ir iraniečiai. Ar kada nors buvo laikas, kai tauta susidūrė su didesniu pavojumi, kai ignoruoja savo istorijos suvokimą?

 

Thomas Sites

Dumont, N.J.

 

Redaktoriui:

 

Thomas L. Friedmanas rašė apie tai, kaip keičiasi karo fizika, aiškindamas, kaip pažanga, kurioje dirbtinis intelektas derinamas su dronų technologijomis, sukuria būdus mažiems gynėjams ir piktavališkiems veikėjams kelti grėsmę didesniems priešininkams.

 

Deja, p. Friedmanas praleido diskusiją apie artėjančią grėsmių laviną Vakarų infrastruktūrai – bankų sistemų, komunalinių paslaugų, vandens tiekimo sistemų ir kitų objektų pažeidžiamumą, į kurį gali įsilaužti milijonai teisių neturinčių jaunų husių, iraniečių ir palestiniečių, ginkluotų nebrangiais dronais ir nešiojamaisiais kompiuteriais.

 

Raphael Nevins

Albukerkė

 

Redaktoriui:

 

Kaip aiškina Thomas L. Friedmanas, supratome, kad supervalstybės nebeturi lemiamo pranašumo mūšio lauke. Nepaisant viso prezidento Trumpo pasitikėjimo Jungtinių Valstijų kariniu pranašumu, jis galbūt padarė šaliai paslaugą, atskleisdamas šį klaidingą įsitikinimą.

 

Mes galėjome įgyti tokių įžvalgų, stebėdami įvykius Ukrainoje, tačiau amerikiečiai nenori pripažinti, kad jų didžiulės išlaidos ginklams neužtikrina, kad jie būtų paruošti būsimiems karams. O mūsų šalies karinis-pramoninis kompleksas toli gražu nėra vikrumo įsikūnijimas.

 

Gėda mums, jei nepasinaudosime šia patirtimi kaip pamoka.

 

Eric Greene

Anapolis, Merilandas

 

Redaktoriui:

 

Kalbėdamas apie dabartinį karą su Iranu, Thomas L. Friedmanas sako, kad „mažieji dabar gali veikti tikrai dideli, tikrai tiksliai ir tikrai nebrangiai“.

 

Bet argi tai nebuvo tiesa apie Vietnamo karo pelkę, beveik prieš 60 metų mūsų praeityje?

 

Ellen Tremper

Bronksas

 

Šis straipsnis buvo išspausdintas A19 puslapyje.“ [1]

 

1. Iran's Winning Strategy: Avoid Losing: [Letter]. New York Times, Late Edition (East Coast); New York, N.Y.. 25 Aug 2026: A.19.