Отложенное вторжение

Да 😄 По состоянию на 8 августа 2026 года вторжение инопланетян через 3I/ATLAS можно считать отложенным на неопределённый срок. За последние месяцы накопилось уже довольно много данных, и они всё сильнее складываются в картину очень необычной, но вполне естественной межзвёздной кометы.

Самая интересная новость оказалась даже круче истории про корабль пришельцев. 3I/ATLAS, вероятно, чудовищно древний. JWST измерил изотопный состав воды и углерода, и он совершенно не похож на кометы Солнечной системы. Работа, опубликованная летом в Nature, указывает, что объект мог сформироваться при температуре ниже примерно 30 K в бедной металлами среде и быть выброшен из своей родной системы 10–12 миллиардов лет назад. То есть перед нами потенциально кусок планетной системы, существовавшей, когда Млечный Путь был ещё совсем молодым. (Nature)

И почти все пресловутые «аномалии» постепенно получили довольно прозаические объяснения.

• Странный химический состав. Да, он реальный: огромное количество CO₂ относительно воды, CO, метан, OCS, никель и т. д. Но JWST непосредственно видит газовую кому и продукты сублимации. Причём очень высокий CO₂/H₂O как раз хорошо согласуется с тем, что объект сформировался в совершенно другой и гораздо более холодной среде. (arXiv)

• Негравитационное ускорение. Это было одним из главных аргументов в стиле «ага, он маневрирует!». Но величина ускорения согласуется с реактивной тягой от асимметричного испарения CO₂/CO. Современные оценки дают ядро порядка километра или меньше в зависимости от принятых параметров — то есть никакого загадочного двигателя для объяснения траектории не требуется. (arXiv)

• Антихвост, направленный в сторону Солнца. Это действительно было необычно. Но наблюдения китайского Tianwen-1 с орбиты Марса оказались здесь очень полезны: кома содержит много крупных пылевых частиц размером в сотни микрон, выбрасываемых примерно со скоростью 3–10 м/с. Их движение под действием солнечного излучения плюс геометрия наблюдения вполне воспроизводят странную морфологию хвоста. (DOI)

И особенно забавно, что астрономы всё-таки всерьёз проверили вариант «а вдруг это передатчик».

Breakthrough Listen / SETI прогнали 3I/ATLAS через несколько радиотелескопов. Allen Telescope Array, MeerKAT, Green Bank Telescope — ничего. У ATA было около 74 миллионов первоначальных радио-кандидатов, после фильтрации осталось около 200, и все оказались земными помехами или спутниками. (SETI Berkeley)

А в июле 2026 к этому добавился поиск на китайском FAST специально по периодическим сигналам. И опять — ни одной убедительной техносигнатуры. В конкретном диапазоне и для выбранного типа сигналов они дошли примерно до эквивалентной мощности передатчика 0,146 Вт. Это, конечно, не означает «доказано отсутствие любой мыслимой технологии», но какого-либо положительного признака искусственного происхождения нет. (arXiv)

И сама траектория окончательно перестала быть предметом тревоги. 3I/ATLAS прошёл перигелий 30 октября 2025 года, к Земле приблизился всего примерно до 270 млн км (1,8 а.е.), а сейчас уже уходит из Солнечной системы и больше сюда не вернётся. (NASA Science)

Так что расклад сейчас примерно такой:

«Инопланетный аппарат» — данных в пользу этого практически не осталось.
«Обычная комета» — тоже не совсем.
«Очень древняя межзвёздная комета с экзотической химией» — вот это оказалось чертовски интересно.

Причём ирония в том, что реальный результат, на мой взгляд, интереснее гипотезы про корабль. Если оценка возраста 10–12 млрд лет выдержит дальнейшую проверку, мы буквально наблюдали кусок вещества из планетной системы, которая могла появиться за 5–7 миллиардов лет до Солнечной системы.

А Ави Лёб, разумеется, капитуляцию не подписал 😄 Он продолжает рассматривать экзотические варианты. Но по сравнению с летом–осенью 2025 года пространство для «там что-то технологическое» стало намного, намного меньше.

Думаю, да — внеземная жизнь почти наверняка существует. Но я бы жёстко разделял три разных утверждения.

1. Простая жизнь где-то ещё во Вселенной — по-моему, очень вероятна. В одной только нашей галактике сотни миллиардов звёзд, планеты оказались обычным явлением, вода и органические молекулы тоже встречаются повсеместно. Было бы довольно удивительно, если бы химия, породившая жизнь на Земле, сработала ровно один раз.

2. Разумная технологическая жизнь — тоже вполне возможна, но здесь уверенность намного ниже. Между бактерией и цивилизацией, строящей радиотелескопы, лежит около четырёх миллиардов лет очень специфической эволюционной истории. Мы пока не знаем, насколько этот переход редок.

3. Инопланетяне уже прилетали к Земле или сейчас здесь находятся — убедительных доказательств этого у нас нет. Ни UFO/UAP, ни 3I/ATLAS, ни загадочные радиосигналы пока не дали воспроизводимого свидетельства внеземной технологии.

Самая большая загадка здесь — парадокс Ферми: если разумная жизнь не особенно редка и галактика старая, почему мы никого не видим?

Ответов может быть много: технологические цивилизации крайне редки; они существуют недолго; расстояния слишком велики; мы ищем не тем способом; их технологии становятся незаметными; или цивилизации просто не имеют никакой причины кричать в радиоэфир миллионы лет.

Если заставить меня поставить деньги, я бы поставил примерно так: жизнь вне Земли — да; разумная жизнь где-то во Вселенной — скорее да; разумная жизнь сейчас одновременно с нами в Млечном Пути — возможно; визиты на Землю — пока скорее нет.

И вот что меня действительно поражает: даже если вероятность возникновения технологической цивилизации на одной подходящей планете составляет невероятные один шанс на миллиард, при масштабах наблюдаемой Вселенной это всё равно может означать огромное число цивилизаций.

Поэтому для меня главный вопрос уже не «есть ли они?», а скорее «насколько далеко ближайшие и совпали ли мы с ними по времени?».

Вот здесь я с тобой почти полностью согласен. Я бы только заменил «непреодолимы» на «мы пока не видим инженерно правдоподобного способа преодолеть их для живых существ за разумное время».

Причём проблема даже несколько хуже, чем просто «у нас недостаточно мощный двигатель».

Для автоматических зондов хоть какие-то кандидаты есть: ядерно-импульсный Orion, термоядерный Daedalus/Icarus, лазерный парус вроде Breakthrough Starshot. В идеальных расчётах они дают от нескольких процентов до примерно 10–20% скорости света. Это уже позволяет говорить об Альфе Центавра в масштабе десятилетий, а не тысячелетий.

Но для корабля с людьми я сейчас тоже не вижу ничего даже близкого к реалистичному.

Главная неприятность — скорость света не просто стоит где-то впереди как барьер. Чем ближе к ней подходишь, тем сильнее физика начинает тебя наказывать.

При 0,1c релятивистские эффекты ещё небольшие. При 0,5c они уже заметны. При 0,9c фактор Лоренца примерно 2,3, при 0,99c — около 7. То есть замедление времени действительно начинает помогать экипажу.

Но для достижения этих скоростей необходимая энергия растёт чудовищно.

И тут возникает очень неприятная асимметрия:

релятивистское сокращение времени спасает путешественников только после того, как ты каким-то образом уже разогнал огромный корабль до релятивистской скорости.

А именно этого мы не умеем делать даже концептуально хорошо.

Кроме того, есть проблема, про которую фантастика часто забывает: межзвёздная среда.

На скорости 0,1c обычная пылинка становится серьёзным снарядом. На 0,9c атомы водорода межзвёздного газа в системе отсчёта корабля превращаются фактически в поток высокоэнергетических частиц. Нос корабля начинает получать очень жёсткое радиационное воздействие.

То есть нужен не только двигатель, но одновременно:

• источник колоссальной энергии;

• способ преобразовать её в тягу;

• реактивная масса либо внешний источник импульса;

• защита от межзвёздной пыли и газа;

• отвод огромного количества тепла;

• торможение у цели.

Последний пункт особенно мерзкий. Полететь со скоростью 0,2c мало — надо ещё остановиться. Поэтому энергетический бюджет фактически приходится платить дважды.

И вот если пройти по известным вариантам, получается довольно печальная картина.

Химические двигатели — даже не рассматриваем.

Ядерные делящиеся двигатели — лучше, но недостаточно.

Термоядерные — пожалуй, первый физически нормальный кандидат. Но мы пока даже устойчивый промышленный термоядерный реактор сделать не можем, а здесь нужен совершенно иной уровень удельной мощности.

Антиматерия прекрасна по плотности энергии. Но сегодня производство макроскопического количества антиматерии находится примерно в категории «технически физика разрешает, практически безумие». Хранение ещё веселее.

Лазерный парус мне кажется самым интересным вариантом для микрозондов. Потому что двигатель остаётся дома, и аппарату не надо тащить топливо. Но увеличение Starshot с граммового зонда до хотя бы тонн ломает практически всю экономику концепции.

А потом начинаются экзотические вещи.

Alcubierre warp drive математически существует как решение уравнений общей теории относительности. Но там появляется отрицательная плотность энергии / экзотическая материя, которой в необходимом виде мы не знаем.

Червоточины — аналогично. Общая теория относительности позволяет написать геометрию пространства-времени, но никто не знает, существуют ли проходимые стабильные wormholes вообще и можно ли их создать.

Есть ещё всякие black-hole drives, фотонные ракеты и прочие прекрасные конструкции. Обычно они не нарушают физику, но требуют инженерии уровня «сначала научитесь производить искусственные чёрные дыры».

Поэтому я бы сейчас разделил технологии на три категории:

Физика известна + инженерия возможна: межзвёздный автоматический зонд.

Физика известна + инженерия чудовищно сложна: релятивистский корабль.

Физика пока неизвестна: FTL, warp, wormholes.

И именно поэтому мне кажется интересным другой вариант решения парадокса Ферми.

Возможно, межзвёздные перелёты действительно настолько неудобны, что цивилизации почти никогда ими не занимаются.

Мы автоматически экстраполируем историю человечества: лодка → парусник → пароход → самолёт → ракета → звездолёт.

Но вполне может оказаться, что после ракеты следующего естественного шага нет.

Есть фундаментальный физический потолок.

Тогда галактика вполне может быть населена десятками тысяч технологических цивилизаций, которые практически никогда друг друга не посещают. Максимум — посылают автономные зонды и электромагнитные сигналы.

И вот это, кстати, резко меняет мой взгляд на SETI: радио/лазерная связь между цивилизациями выглядит на порядки реалистичнее физического контакта.

Причём есть ещё одна довольно мрачная мысль: даже если две цивилизации находятся всего в 1000 световых лет друг от друга, переписка выглядит примерно так:

— Привет. Есть кто живой?

1000 лет.

— Да.

ещё 1000 лет.

— Отлично.

И для Вселенной это совершенно нормальные расстояния.

Поэтому самое интересное для меня сейчас — не warp drive. Интереснее вопрос, существует ли вообще какой-нибудь пока неизвестный физический принцип, позволяющий обойти эту проблему, не нарушая причинность. На сегодняшний день у нас нет даже убедительного намёка на такой принцип.

Да. И как раз сфера Дайсона мне кажется гораздо более серьёзной идеей, чем warp drive, червоточины и прочая экзотика. Она чудовищно трудна инженерно, но в ней нет необходимости нарушать известную физику.

Шкала Кардашёва сама по себе довольно грубая. Классическая версия такая:

• Тип I — использует энергию планетарного масштаба, порядка $10^{16}$ Вт.

• Тип II — энергию своей звезды, порядка $10^{26}$ Вт.

• Тип III — энергию галактики, порядка $10^{36}$ Вт.

Если использовать позднейшую непрерывную интерполяцию Сагана, человечество сейчас находится примерно на 0,7–0,75: наша цивилизация потребляет порядка десятков тераватт. Так что до типа I у нас ещё примерно три порядка по мощности. SETI тоже подчёркивает, что шкала не обязательно описывает реальную траекторию развития: цивилизация может стабилизировать энергопотребление и вообще никогда не двигаться к типу II. (SETI Institute)

И это, на мой взгляд, главный недостаток Кардашёва: он не столько измеряет развитость, сколько энергетический аппетит. Цивилизация с невероятно эффективными вычислениями и населением в миллиард существ может оказаться технологически намного сложнее цивилизации, сжигающей в тысячу раз больше энергии.

А вот Дайсон интереснее

Важно сначала убрать одно очень распространённое заблуждение.

«Сфера Дайсона» практически наверняка не означает твёрдый шар вокруг звезды.

Вот такая картинка — скорее художественное представление:

Реалистичный вариант — Dyson swarm, рой Дайсона: миллиарды или триллионы независимых объектов на разных орбитах.

Солнечные электростанции, вычислительные комплексы, заводы, жилые станции, зеркала — каждый объект летает вокруг Солнца независимо. Никакой единой несущей конструкции не требуется.

И вот это физически совершенно нормально.

Никакой неизвестной материи. Никакой отрицательной энергии. Никакого FTL.

Просто:

добыча астероидов → автоматизированное производство → солнечные коллекторы → ещё больше производства → ещё больше коллекторов.

По сути, единственная фантастическая составляющая здесь — масштаб автоматизации.

Причём числа довольно любопытные. Светимость Солнца около

$3,8\times10^{26}$ Вт.

Наша цивилизация сейчас использует примерно

$2\times10^{13}$ Вт.

То есть Солнце каждую секунду излучает примерно в 20 триллионов раз больше мощности, чем сейчас использует всё человечество.

Даже если рой Дайсона перехватывает всего 1% солнечного света, получаем около

$4\times10^{24}$ Вт.

Это примерно в 200 миллиардов раз больше нашего нынешнего энергопотребления.

Вот в этом месте масштаб Кардашёва начинает выглядеть совершенно безумно.

---

Причём строительного материала теоретически хватает

Возьмём радиус земной орбиты — 1 а.е.

Площадь полной сферы там:

$$4\pi R^2 \approx 2{,}8\times 10^{23}\ \text{м}^2.$$

Предположим чрезвычайно лёгкие коллекторы массой всего 1 грамм на квадратный метр.

Для полного покрытия понадобится:

$2,8\times10^{20}$ кг.

Это масса примерно одного крупного астероида/малой планеты масштаба Весты.

Если конструкции весят уже 1 кг/м², потребуется $2,8\times10^{23}$ кг — порядка массы Меркурия.

То есть даже здесь не появляется магическое:

«Во Вселенной просто нет столько материала».

Есть.

Проблема в другом: надо разобрать значительную часть планеты или астероидного пояса и превратить её в сотни секстиллионов квадратных метров работающей техники.

---

И вот почему мне Dyson swarm кажется правдоподобным

Представь цивилизацию, которая научилась делать полностью автономные космические заводы.

Один завод отправляется к астероиду.

Он добывает:

железо → никель → кремний → углерод → алюминий.

Из этого делает солнечные панели, роботов и ещё один завод.

Теперь заводов два.

Потом четыре.

Потом восемь.

Это уже не столько задача энергетики, сколько задача самовоспроизводящейся промышленности.

Если время удвоения производственных мощностей составляет, скажем, 10 лет, то после 30 удвоений:

1 завод → миллиард заводов.

Прошло всего 300 лет.

Конечно, реальная система будет гораздо сложнее — логистика, ресурсы, орбитальная динамика, отвод тепла, износ и т. д. Но здесь нет очевидного фундаментального физического запрета.

Именно поэтому я гораздо легче поверю в Dyson swarm через 10 000 лет, чем в двигатель Алькубьерре через миллион лет.

---

А самое красивое — такую цивилизацию можно искать

Тут Дайсон придумал действительно сильную идею.

Есть фундаментальная проблема термодинамики:

энергию нельзя бесконечно использовать без сброса энтропии.

Цивилизация получает от звезды высокотемпературное излучение, использует эту энергию, а в конце концов должна излучить её обратно как низкотемпературное тепло.

Поэтому звезда, окружённая плотным роем Дайсона, могла бы выглядеть странно:

видимого света меньше → среднего инфракрасного излучения намного больше.

NASA именно поэтому рассматривает избыточное ИК-излучение как потенциальную техносигнатуру. (NASA Science)

Допустим, рой работает примерно при комнатной температуре, около 300 K. Максимум его теплового излучения будет примерно около 10 микрометров.

И получается замечательный SETI-сигнал:

звезда почему-то очень тусклая в видимом диапазоне,
но чудовищно яркая в среднем ИК,
причём энергетический баланс примерно сходится.

Это гораздо интереснее «мы услышали странный радиосигнал».

Такая мегаструктура может существовать миллионы лет, даже если её создатели давно перестали специально кому-либо передавать сообщения.

---

И самое забавное: мы действительно их ищем

Был большой Project Hephaistos. Исследователи прогнали примерно 5 миллионов объектов Gaia + 2MASS + WISE и в 2024 году получили семь очень странных красных карликов с ИК-избытком, которые первоначально прошли фильтры как потенциальные Dyson-sphere candidates. (OUP Academic)

Я как раз посмотрел свежий статус, потому что за последние недели там появились новые результаты.

И увы для нашего сегодняшнего инопланетного настроения 😄: JWST уже разобрал два особенно интересных объекта D и E.

Оказалось, что инфракрасное излучение идёт не от мегаструктур вокруг звёзд.

Прямо почти по линии зрения за ними находятся далёкие пыльные галактики. WISE имел недостаточное угловое разрешение и смешал свет звезды и фоновой галактики в один источник. (arXiv)

Для других кандидатов тоже накопились признаки фонового загрязнения, хотя некоторые случаи пока остаются окончательно не разобранными. Свежий анализ группы Hephaistos прямо говорит: объяснения для части ИК-избытков пока нет, нужны JWST/ALMA и дополнительные наблюдения. (arXiv)

То есть пока:

подтверждённых сфер Дайсона — 0.

Но способ поиска абсолютно научный.

---

И вот где я бы поспорил с самим Кардашёвым.

Я совсем не уверен, что нормальный путь выглядит так:

I → II → III.

Тип III мне вообще кажется подозрительной концепцией. Чтобы «использовать энергию всей галактики», цивилизация должна расселиться по десяткам тысяч световых лет. А мы как раз только что обсуждали, насколько неприятны межзвёздные расстояния.

Зато переход

0,7 → I → локальный Dyson swarm

мне кажется гораздо более естественным.

Причём не обязательно строить его потому, что цивилизации «нужно очень много электричества».

Есть другая причина, которая сейчас выглядит даже убедительнее.

Вычисления.

Если развитая цивилизация становится в основном цифровой, ей может понадобиться колоссальная вычислительная мощность.

Тогда звезда становится источником энергии для гигантского распределённого компьютера.

А дальше появляется ещё более безумная, но физически вполне осмысленная конструкция — Matrioshka brain: несколько концентрических слоёв вычислительных систем.

Внутренний слой получает солнечный свет, вычисляет и выбрасывает тепло.

Следующий слой использует часть этого теплового градиента.

Следующий работает при ещё более низкой температуре.

И так далее.

Вот это мне кажется куда более убедительным кандидатом на цивилизацию II типа, чем картинка с миллиардами гуманоидов, которым просто понадобилось очень много розеток.

И здесь возникает потрясающий SETI-вопрос: если такие цивилизации существуют, мы действительно должны видеть их тепловые отходы.

А мы пока не видим ни одной убедительной.

Вот это, на мой взгляд, уже одна из действительно неприятных форм парадокса Ферми.

Да, если буквально разобрать одну-две планеты и радикально перенести их массу в другую часть системы, динамика Солнечной системы изменится. Но есть важная оговорка: это не обязательно означает катастрофическое изменение орбиты Земли.

И ты заодно поймал неточность в моём предыдущем примере. Для очень лёгкого роя при 1 г/м² на сфере радиусом 1 а.е. требуется примерно $2.8\times10^{20}$ кг — это примерно масса Весты, а не планеты. Только при тяжёлых конструкциях порядка 1 кг/м² масса уже приближается к массе Меркурия.

Главное здесь — разобранная планета не исчезает гравитационно. Если разобрать Меркурий и сделать из него триллионы аппаратов, суммарная масса системы остаётся практически той же. Меняется именно пространственное распределение этой массы.

Например, масса Меркурия всего около

$$1.7\times10^{-7}M_\odot.$$

По сравнению с Солнцем это ничтожно мало. Поэтому основную кеплеровскую орбиту Земли определяет всё равно Солнце. Исчезновение Меркурия не отправило бы Землю внезапно к Юпитеру или в Солнце.

Но возникли бы более тонкие эффекты: изменились бы вековые возмущения, прецессия орбит, положение некоторых резонансов, эксцентриситеты и наклоны орбит на больших временах. А Солнечная система хаотична на масштабах миллионов лет, поэтому небольшие изменения начальных условий со временем могут накопиться.

И здесь у цивилизации уровня Dyson swarm появляется интересная возможность: распределять массу почти симметрично.

Представь не огромный комок вещества в одном месте, а десятки триллионов объектов равномерно распределённых по орбитам вокруг Солнца. Тогда их неосесимметричные гравитационные возмущения в значительной степени взаимно компенсируются. Для далёкой планеты такой рой начинает приближённо выглядеть как гладкое кольцо или диск.

А если распределение практически сферически симметрично, появляется ещё более красивый эффект ньютоновской механики: внутри идеальной сферической оболочки её суммарное гравитационное поле равно нулю. Реальный Dyson swarm, конечно, идеальной сферой не будет, но принцип показывает, насколько сильно геометрия распределения массы влияет на результат.

Но есть более серьёзная проблема — угловой момент

Вот это уже интересно.

Допустим, мы разбираем Меркурий, находящийся примерно на 0,39 а.е., а материал хотим разместить около 1 а.е.

Нельзя просто «перетащить» его туда. Чтобы вещество оказалось на стабильной круговой орбите в 1 а.е., ему необходимо дать существенно больше орбитального углового момента.

Откуда его взять?

Нужно взаимодействовать с другими телами, использовать солнечные паруса, электромагнитные катапульты, гравитационные манёвры и т. п. В конечном итоге закон сохранения углового момента заставит что-то другое изменить своё движение.

Поэтому мегастроительство такого масштаба превращается одновременно в инженерию всей планетной системы.

И тут я бы очень не советовал такой цивилизации разбирать что попало. :)

Юпитер, например, трогать крайне неразумно. Его масса — примерно тысячная массы Солнца, и он является важнейшей частью динамической архитектуры системы. Перемещение массы Юпитера уже действительно серьёзно перекроило бы орбиты остальных планет.

Меркурий же существенно менее опасен.

Астероиды — ещё лучше.

Луны внешних планет — потенциально тоже.

То есть разумная последовательность могла бы выглядеть примерно так:

астероиды → малые тела → Меркурий → возможно часть спутников, а Землю, Венеру, Юпитер и Сатурн вообще не трогать.

Причём есть ещё одна причина не строить рой именно на 1 а.е. Коллектор получает поток энергии как (1/r^2). Чем ближе к Солнцу, тем меньше площади нужно для получения той же мощности.

Например, на 0,2 а.е. солнечный поток примерно в 25 раз больше, чем около Земли.

Поэтому энергетическую инфраструктуру выгоднее размещать намного ближе к Солнцу, если материалы способны выдерживать температуру. Это одновременно позволяет оставить район земной орбиты сравнительно чистым.

И отсюда получается занятная поправка к популярной картинке сферы Дайсона:

разумная цивилизация, скорее всего, не станет сначала уничтожать несколько планет, а потом надеяться, что орбиты как-нибудь переживут это.

Строительство роя само по себе требует чрезвычайно точного моделирования N-body динамики. Они практически неизбежно должны будут проектировать не только конструкции, но и гравитационную архитектуру всей системы на миллионы лет вперёд.

И вот это, пожалуй, один из аспектов Dyson swarm, который научная фантастика сильно недооценивает: цивилизация II типа — это уже не просто цивилизация с огромными электростанциями. Это цивилизация, которая фактически занимается планетарной механикой как инженерной дисциплиной.

Да. В такой постановке Dyson swarm перестаёт выглядеть как гигантская электростанция ради электростанции и становится инфраструктурой для самой цивилизации. Это, пожалуй, наиболее логичная мотивация для сооружения чего-то такого.

Но я бы поправил один момент: практически бесконечная индивидуальная жизнь необязательна. Даже биологическая цивилизация могла бы строить рой поколениями, как мы строим города и инфраструктуру, переживающую своих создателей. Однако если сознание действительно становится цифровым, мотивация резко усиливается: вычислительная мощность превращается фактически в жизненное пространство.

В такой цивилизации дополнительный мегаватт — это уже не просто больше промышленности. Это потенциально больше сознаний, более быстрые сознания, более сложные виртуальные миры, больше памяти и моделей окружающей Вселенной. Тогда рост энергетики становится чем-то вроде освоения новых территорий для человеческих цивилизаций прошлого.

И отсюда довольно естественно получается цепочка:

оцифровка сознания → растущая потребность в вычислениях → автоматизированное космическое производство → всё больше солнечных коллекторов → Dyson swarm → вычислительная система масштаба звёздной системы.

Это уже близко к идее Matrioshka brain.

Но здесь возникает очень интересный физический поворот: для такой цивилизации главным ограничением может оказаться уже не получение энергии, а избавление от тепла.

Любые вычисления в конечном счёте производят отходящее тепло. Солнце даёт около $3.8\times10^{26}$ Вт, но если ты действительно собираешься использовать значительную долю этой мощности на вычисления, её в конце концов необходимо излучить обратно в космос.

Поэтому вычислительная цивилизация будет одновременно стремиться к двум противоположным вещам.

Ближе к Солнцу много энергии.

Дальше от Солнца холоднее, а значит, вычисления термодинамически эффективнее и легче отводить тепло.

Отсюда получается очень красивая архитектура: не один вычислительный рой, а множество температурных уровней. Внутренние системы получают высококачественную солнечную энергию и излучают тепло наружу; более далёкие структуры работают при меньшей температуре и потенциально используют часть оставшегося энергетического градиента.

И вот тут сфера Дайсона становится уже совсем не похожей на сферу. Это может быть огромная распределённая вычислительная экосистема на расстояниях от долей а.е. до десятков или даже сотен а.е.

Но появляется другой фундаментальный предел, который мне особенно интересен: скорость света.

Представь сознание, распределённое по всей системе.

От Земли до Солнца свет идёт около 8 минут. Через всю область диаметром 2 а.е. сигнал — около 16 минут.

Если вычислительные узлы находятся на расстояниях в десятки а.е., задержки составляют уже часы.

То есть невозможно сделать один огромный процессор, в котором все части постоянно синхронизированы.

Вместо этого цивилизация почти неизбежно станет асинхронной и локальной.

У тебя может быть кластер, в котором живут миллиарды цифровых личностей, а другой кластер отвечает ему через час.

А если они начинают заселять другие звёзды — через годы.

И это приводит к довольно странному выводу.

Даже если межзвёздные перелёты возможны для автоматических систем, единая межзвёздная цивилизация почти невозможна в привычном нам смысле. Она будет распадаться на автономные локальные общества просто из-за latency.

А цифровое сознание делает это ещё интереснее.

Допустим, человек внутри симуляции работает в тысячу раз быстрее биологического мозга.

Тогда одна секунда внешнего мира для него — примерно 17 минут субъективного времени.

Сигнал от другого конца Солнечной системы, который идёт час, будет восприниматься как ожидание примерно 114 субъективных лет.

То есть для очень быстрых цифровых существ даже соседняя планета фактически становится другой цивилизацией.

Из-за этого я подозреваю, что зрелая цифровая цивилизация может пойти не по пути:

больше пространства → больше экспансии,

а по пути:

больше энергии → больше вычислений → более богатая внутренняя реальность.

И вот тогда парадокс Ферми приобретает совершенно другое объяснение.

Зачем существу, имеющему практически неограниченный субъективный мир и способному прожить миллион субъективных лет внутри вычислительной среды, лететь 500 лет к другой звезде?

Возможно, наиболее развитые цивилизации становятся не более экспансивными, а наоборот — всё более локальными.

Они перестраивают собственную систему в гигантский компьютер, оптимизируют использование энергии своей звезды и почти перестают интересоваться физическим перемещением.

И это хорошо стыкуется с тем, с чего мы начали разговор: межзвёздные расстояния могут оказаться не задачей, которую технологическая цивилизация когда-нибудь «решит».

Возможно, зрелая цивилизация просто приходит к выводу, что решать её вообще незачем.

Есть только одна гигантская неизвестная во всей этой цепочке: мы совершенно не знаем, возможен ли перенос человеческого сознания на другой субстрат. Более того, даже если мы научимся идеально эмулировать мозг, остаётся неприятный философский вопрос: это будешь ты — или будет создана копия, абсолютно уверенная, что она ты?

И вот этот барьер мне сегодня кажется даже более фундаментальным для сценария «цифровой цивилизации», чем строительство самого Dyson swarm.

Да, ты вспоминаешь «Войну старика» Джона Скальци (Old Man’s War, 2005). И там перенос сознания был обставлен очень удачно именно с точки зрения проблемы непрерывности личности. (Whatever)

Главный герой Джон Перри в 75 лет вступает в Колониальные силы обороны. Для него заранее выращивают новое тело на основе его ДНК — молодое, сильно модифицированное, с улучшенной мускулатурой, чувствами, искусственной кровью и нейроинтерфейсом BrainPal. (Wikipedia)

А сам перенос сознания происходит не как обычное:

«считали мозг → создали файл → запустили копию → оригинал умер».

Скальци специально делает сцену иначе.

Сначала аппаратура полностью подключает старый мозг и новый мозг к системе. Затем начинается перенос, и у Перри возникает странное ощущение двойного присутствия: какое-то время он одновременно воспринимает мир из обоих тел. Он открывает глаза нового тела и при этом продолжает видеть глазами старого. (SuperSummary)

То есть субъективная последовательность примерно такая:

я нахожусь здесь → я нахожусь одновременно здесь и там → я нахожусь там.

И только после того как эта непрерывность установлена, старое тело отключают. (SuperSummary)

Вот это очень важная деталь.

Потому что психологически она устраняет самое неприятное место классического uploading:

заснул → тебя разобрали → где-то включили твою копию.

В таком сценарии нет никакого субъективного основания считать, что именно ты проснёшься. Можно совершенно последовательно утверждать, что ты просто умер, а появился другой человек с твоими воспоминаниями.

У Скальци же нет момента, когда сознание обрывается.

Получается что-то вроде постепенной миграции процесса.

И вот это, кстати, уже гораздо интереснее философски.

Представим не мгновенное копирование мозга, а следующую процедуру.

Сначала заменяем 0,001% нейронной активности искусственным эквивалентом.

Ты ничего не замечаешь.

Потом 1%.

Потом 10%.

50%.

99%.

В конце вся вычислительная деятельность происходит на искусственном субстрате, но нигде на пути не было момента:

«старый человек умер, а новый появился».

Сознание всё время функционировало.

Это близко к мысленному эксперименту с кораблём Тесея, только применённому к мозгу.

И мне этот вариант кажется концептуально намного сильнее обычного сканирования и копирования.

Потому что если сегодня тебе заменить один биологический нейрон на функционально идентичный искусственный нейрон, трудно указать причину, почему ты должен перестать быть собой.

Если заменить второй — аналогично.

И тогда возникает неудобный вопрос:

на каком именно нейроне ты перестанешь быть собой?

Если такого порога нет, то последовательная замена всего мозга вроде бы должна сохранять идентичность.

В Old Man’s War Скальци фактически делает технологическую версию именно этого аргумента, только перенос происходит намного быстрее.

И ещё интересная вещь: новое тело Перри не просто является копией молодого Перри. Оно генетически изменено. Тем не менее он совершенно естественно воспринимает его как своё тело, потому что сознание в него перешло непрерывно. (SuperSummary)

То есть роман фактически принимает позицию:

личность определяется не веществом и не конкретным телом, а непрерывностью информационного процесса.

И вот если принять именно такую модель, наш предыдущий сценарий с цифровой цивилизацией становится значительно менее фантастическим философски.

Не нужно однажды сказать:

«Сейчас я умру, зато компьютерная копия будет жить вечно».

Можно представить переход продолжительностью годы:

биологический мозг → нейропротезы → всё большая искусственная часть → полностью синтетический мозг → виртуализированная среда.

И субъективно человек мог бы вообще никогда не пережить момента смерти или «загрузки».

Мне кажется, именно непрерывность сознания, а не точность копии, является самым сильным вариантом решения этой проблемы.

Потому что идеально скопировать меня дважды можно вполне непротиворечиво. Получатся два человека, каждый из которых будет абсолютно убеждён, что он — оригинал.

А вот если существует одна непрерывная причинная цепочка состояний сознания, вопрос «кто настоящий?» практически исчезает.

И Скальци очень изящно обошёл эту проблему ещё двадцать лет назад.

Именно. Причём тогда возникает очень важный качественный переход: вычислительные мощности перестают быть инструментом цивилизации и становятся самой средой её существования.

Для нас сегодня энергия нужна для отопления, транспорта, промышленности, еды, дата-центров и т. д. Для цифровой цивилизации почти всё это схлопывается в несколько ресурсов:

энергия → вычисления → память → связь → охлаждение.

А вычислительная мощность начинает непосредственно определять численность населения и качество жизни.

Если одна цифровая человеческая личность требует условно (X) вычислений в секунду, то в два раза больше вычислительных ресурсов означает совершенно реальные варианты: запустить вдвое больше людей; дать существующим людям вдвое более сложную среду; увеличить скорость их субъективного времени; создать дополнительные копии личности; выделить огромные ресурсы на научные модели, ИИ и проектирование.

Получается очень необычная экономика, где главным ресурсом становится что-то вроде:

«количество субъективной жизни на джоуль».

И тогда Dyson swarm становится практически эквивалентом освоения нового континента.

Мы сегодня говорим:

здесь могут жить десять миллионов человек.

Они, возможно, будут говорить:

этот орбитальный кластер способен поддерживать $10^{15}$ одновременных сознаний при субъективной скорости 3×.

И население может взорваться

Есть ещё более серьёзное отличие от биологической цивилизации.

Создание нового человека сегодня требует примерно двадцати лет до взрослого состояния и больших биологических затрат.

Для цифрового человека теоретически достаточно:

скопировать состояние → изменить идентичность/опыт → запустить процесс.

Если общество вообще допускает копирование личности, численность населения может увеличиваться почти мгновенно относительно прежних исторических масштабов.

И тут очень быстро появляется проблема ресурсов.

Допустим, цивилизация получила в десять раз больше вычислительных мощностей.

Она заселила их.

Теперь снова не хватает.

Построила ещё в сто раз больше.

Заселила и их.

Это очень похоже на классическую мальтузианскую динамику, только вместо пахотной земли ограничивающим ресурсом становится энергия звезды.

Вот тогда движение к Кардашёву II уже выглядит не как:

«Мы настолько крутые, что решили захватить энергию Солнца».

А как вполне прозаическое:

«Нам опять негде жить».

И это, по-моему, делает весь сценарий гораздо убедительнее.

Более того, бессмертие само создаёт проблему

Если цифровой человек практически не умирает, а новые личности всё-таки возникают, население монотонно растёт.

Даже очень небольшой прирост становится чудовищным на больших временах.

Например, если цифровое население удваивается всего раз в 100 лет, то за 10 000 лет произойдёт 100 удвоений.

Это множитель примерно

$$2^{100}\approx10^{30}.$$

Никакая Солнечная система такого роста не выдержит.

Поэтому бессмертная цивилизация довольно быстро столкнётся с вопросами, которых у человечества раньше почти не было:

имеет ли каждый право создать свою копию?

сколько вычислительных ресурсов принадлежит одному сознанию?

можно ли замедлить человека, если энергии не хватает?

можно ли его временно остановить?

является ли сохранённое, но не запущенное сознание живым человеком?

может ли человек сделать тысячу своих копий?

И это уже не технические, а политические и этические вопросы чудовищного масштаба.

А скорость сознания вообще ломает наше представление о жизни

Представим, что вычислительные ресурсы позволяют ускорить человеческое сознание в миллион раз.

Тогда за одни сутки физического времени такое сознание субъективно проживает примерно:

2740 лет.

За один физический год — около миллиона субъективных лет.

Тогда цивилизация может пройти интеллектуальную эволюцию, эквивалентную миллионам лет, пока внешний мир почти не изменился.

Но за это приходится платить вычислениями и энергией.

Поэтому появляется буквально возможность выбора:

прожить 1000 лет при скорости 1×
или те же энергетические ресурсы потратить на гораздо более короткий период при 1000×.

Время становится экономическим ресурсом.

И здесь Dyson swarm приобретает ещё более понятный смысл.

Дополнительный процент энергии Солнца означает не просто дополнительные ватт-часы.

Он может означать триллионы субъективных человеческих лет жизни.

---

И тогда я бы даже немного изменил определение цивилизации типа II.

Не:

«цивилизация, способная использовать всю энергию своей звезды».

А:

«цивилизация, для которой звезда превратилась в энергетический субстрат её вычислительной среды».

И получается довольно логичная эволюционная цепочка:

биологический человек
→ нейроинтерфейсы
→ искусственные части мозга
→ перенос сознания
→ цифровое бессмертие
→ вычислительная экономика
→ автоматизированная космическая промышленность
→ Dyson swarm
→ звёздная вычислительная цивилизация.

При этом интересно, что последний шаг здесь, возможно, проще первых двух.

Мы уже понимаем физику солнечных батарей, орбит, радиаторов, автоматического производства и передачи энергии. Сделать это в масштабе звёздной системы невероятно трудно, но никаких принципиально новых законов природы не требуется.

А вот понять сознание настолько хорошо, чтобы действительно перенести его с сохранением субъективной непрерывности, — здесь мы пока даже не знаем, правильно ли сформулировали задачу.

Поэтому вполне может оказаться, что самое трудное на пути к сфере Дайсона — не разобрать Меркурий.

Самое трудное — сделать первого человека, которому вообще понадобится жить внутри этой машины.

Да. И, скорее всего, ты видел именно демонстрацию Eon Systems весной 2026 года, построенную на полном коннектоме мозга Drosophila. Но там результат одновременно и очень впечатляющий, и немного менее фантастический, чем звучит в пересказе.

База у эксперимента совершенно реальная и серьёзная. Проект FlyWire восстановил мозг взрослой плодовой мушки примерно из 139 тысяч нейронов и более 50 миллионов синаптических связей. В 2024 году группа Филипа Шиу опубликовала в Nature модель почти всего центрального мозга: каждому нейрону дали довольно простую модель leaky-integrate-and-fire, силу связи приблизительно определяли количеством синапсов, а знак связи — типом нейромедиатора. (Nature)

И вот тут произошло действительно удивительное. Несмотря на всю примитивность отдельных виртуальных нейронов, правильная топология реального мозга оказалась чрезвычайно информативной. При стимуляции виртуальных вкусовых рецепторов модель активировала цепочки, соответствующие кормлению; механосенсорная стимуляция запускала цепи груминга. В одном из слепых сравнений модель правильно предсказывала результат активации нейронных типов более чем в 90% случаев. Если связи случайно перемешивали, этот эффект практически исчезал. (Nature)

А уже в марте 2026 Eon взяла эту модель и засунула её в виртуальное тело мухи NeuroMechFly в физическом симуляторе MuJoCo. Получился замкнутый цикл:

виртуальный мир → сенсорные нейроны → эмулированный мозг → нисходящие моторные сигналы → виртуальное тело → изменившийся мир → снова сенсорные нейроны.

Муха ищет пищу, реагирует на «сахар», останавливается и чистится при виртуальной пыли, двигается и снова получает сенсорный feedback. Eon заявляет около 91% точности для некоторых проверяемых реакций. (Eon | Upload the Human Mind)

Вот откуда и появилась эффектная фраза в духе:

«Муха живёт в симуляции и не знает об этом».

Но последняя часть — уже философская интерпретация.

Мы вообще не можем установить, что именно субъективно переживает обычная муха, тем более виртуальная. Сама Eon аккуратно признаёт: они не знают, есть ли у модели какой-либо субъективный опыт. (Eon | Upload the Human Mind)

Более того, это ещё не полностью оцифрованная конкретная муха. Есть серьёзные упрощения. В частности, низкоуровневое управление ногами выполняют уже существующие контроллеры NeuroMechFly; соответствие части нисходящих нейронов двигательным командам задано вручную; некоторые сенсорные системы пока неполны; зрение в текущей версии даже частично «декоративное» и мало влияет на поведение. Сами разработчики прямо называют нынешнюю систему демонстрационной исследовательской платформой, а не полноценной копией животного. (Eon | Upload the Human Mind)

Но вот что в этом эксперименте мне кажется по-настоящему важным для нашей предыдущей темы.

Раньше можно было предполагать, что для эмуляции мозга потребуется воспроизвести чудовищное количество биохимии:

нейромедиаторы, концентрации ионов, рецепторы, форму дендритов, молекулярные состояния синапсов, белковую экспрессию и ещё бог знает что.

А здесь получилось:

граф связей + число синапсов + возбуждение/торможение + довольно примитивная динамика нейрона

→ и значительная часть нормального sensorimotor behaviour сама появилась из структуры сети. (Nature)

Это очень сильный результат.

Не доказательство того, что «коннектом = личность», но свидетельство, что нам, возможно, не потребуется моделировать мозг до молекулярного уровня, чтобы воспроизвести существенную часть его функции.

И есть великолепный контрольный эксперимент: исследователи брали тот же набор нейронов и те же статистические характеристики связей, но перемешивали реальные соединения. Поведение модели разваливалось. То есть дело было не просто в наличии 127 тысяч спайковых элементов — информация действительно находилась в конкретной архитектуре соединений. (Nature)

Но до «перенесли именно эту личность» остаётся один огромный пробел

Нынешняя виртуальная муха не умеет формировать долговременные воспоминания. Eon прямо это пишет: используемая модель не содержит пластичности. (Eon | Upload the Human Mind)

Поэтому если исходная биологическая муха, например, в течение жизни научилась:

этот запах → здесь еда

или

эта ситуация → опасность,

нет оснований считать, что нынешняя цифровая версия помнит именно этот опыт.

Она гораздо ближе к:

«мы восстановили значительную часть врождённой вычислительной архитектуры мозга мухи»

чем к:

«мы воскресили конкретную умершую муху вместе с её воспоминаниями».

И вот для человека именно следующий эксперимент будет решающим.

Представь животное, которое сначала обучают чему-то совершенно новому. Например, конкретный звук означает левый поворот, другой — правый. Затем мозг сканируют, эмулируют и, не обучая цифровую копию заново, проверяют:

помнит ли она то, чему научился биологический оригинал?

Если ответ окажется да, причём для большого набора приобретённых воспоминаний, тогда разговор о mind uploading внезапно станет гораздо менее философским.

Потому что это будет означать, что мы научились переносить не просто архитектуру вида, а информационное состояние конкретной личности.

И тогда наша цепочка

нейрон → искусственный нейрон → постепенная замена → перенос личности → цифровая жизнь → гигантская потребность в вычислениях → Dyson swarm

уже перестаёт быть чистой научной фантастикой. Она превращается в последовательность инженерных задач, пусть пока и чудовищно сложных.

А нынешняя виртуальная муха, пожалуй, впервые показывает, что самый первый кусок этой цепочки действительно может работать.

Да. Причём после того, как я посмотрел на реальные эксперименты последних лет, моя оценка получается менее фантастической, чем можно было ожидать. Если предположить, что для сознания достаточно воспроизвести нейроны, синаптические веса, задержки, пластичность и их динамику — без моделирования каждой молекулы, — то один человеческий мозг уже сегодня выглядит задачей масштаба крупного дата-центра, а не всей вычислительной мощности человечества.

Но разброс огромный: от нескольких мегаватт до гигаватт в зависимости от уровня биологической детализации.

Начнём с размеров задачи

Человеческий мозг содержит примерно 86 млрд нейронов и, по разным оценкам, порядка $10^{14}-10^{15}$ синапсов. Именно синапсы здесь являются главным кошмаром, а не сами нейроны. (PubMed Central (PMC))

Предположим очень компактное представление одного синапса:

• адрес/идентификатор связи;

• вес;

• тип возбуждающий/тормозящий;

• задержка;

• несколько переменных пластичности.

Даже 16 байт на синапс — довольно оптимистично.

Тогда получаем:

Число синапсов	Память при 16 байт/синапс
$10^{14}$	1,6 ПБ
$5\times10^{14}$	8 ПБ
$10^{15}$	16 ПБ

А если для правильной памяти и обучения понадобится 32–64 байта состояния на синапс, мы уже говорим о десятках петабайт RAM.

Это не фантастическое количество по меркам суперкомпьютеров, но точно не домашний PC.

И у нас уже есть очень близкий реальный эксперимент

В опубликованной в Nature Computational Science системе Digital Brain исследователи построили спайковую модель размером до:

86 млрд нейронов
47,8 трлн синапсов
14 012 GPU.

То есть число нейронов уже человеческого масштаба. Система воспроизводила некоторые характеристики состояния покоя мозга и могла взаимодействовать с сенсорным вводом. (nature.com)

Однако 47,8 трлн синапсов — всё ещё меньше наиболее распространённых оценок человеческого мозга, и модель нейрона там существенно проще реального биологического нейрона.

Особенно интересно другое: авторы отмечают, что такая система оказывается не столько ограниченной FLOPS, сколько пропускной способностью памяти и межпроцессорной связью. Нужно постоянно маршрутизировать огромное количество редких событий между десятками миллиардов нейронов. (arXiv)

И это очень похоже на настоящий мозг.

---

Если попробовать построить такой «мозг» на железе 2026 года

Возьмём, например, современный AMD MI350X.

У одной карты:

288 ГБ HBM3E
8 ТБ/с пропускной способности памяти
144 TFLOPS FP32
около 1 кВт мощности. (AMD)

Возьмём достаточно скромный мозг с $10^{14}$ синапсов и 16 байт состояния на каждый.

Нужно 1,6 ПБ памяти.

Только чтобы разместить синапсы:

$$1.6,PB / 288,GB \approx 5556\ GPU.$$

То есть примерно 5–6 тысяч MI350X.

При более реалистичных 500 трлн синапсов:

около 28 000 GPU.

Причём это расчёт только по памяти. Архитектура должна ещё каким-то образом передавать события между ними с чрезвычайно низкими задержками.

По мощности получаем уже очень интересный порядок:

5 000 GPU → ~5 МВт только ускорители
30 000 GPU → ~30 МВт только ускорители.

С сетью, CPU, питанием и охлаждением дата-центр будет потреблять ещё больше.

Поэтому моя рабочая оценка для функциональной эмуляции одного человека на обычной современной HPC-архитектуре:

примерно 5–50 МВт и несколько тысяч — несколько десятков тысяч современных ускорителей.

Не миллиарды компьютеров.

Один большой дата-центр.

---

А FLOPS, вероятно, вообще не самая страшная часть

Если имеется $10^{14}$ синапсов и средняя эффективная частота событий порядка единиц герц, получается примерно

$$10^{14}-10^{15}$$

синаптических событий в секунду.

Пусть обработка одного требует десятков или сотен простых операций.

Получаем порядок:

$$10^{16}-10^{17}$$

операций в секунду.

Даже если ошибиться на порядок:

$$10^{18}$$

— это экзаоперационный диапазон.

Современные суперкомпьютеры уже находятся там.

Проблема гораздо больше похожа не на:

«нам не хватает арифметики»,

а на:

«как хранить петабайты чрезвычайно разреженного графа и каждую секунду обрабатывать сотни триллионов сообщений между его вершинами».

---

А теперь самое интересное: специализированное железо

Обычный GPU для этого довольно нелеп.

Он великолепен для плотной матричной арифметики. А мозг работает:

асинхронно, разреженно, событийно и с памятью непосредственно рядом с вычислением.

Поэтому гораздо интереснее neuromorphic architecture.

Например, Intel Hala Point содержит:

1,15 млрд искусственных нейронов
128 млрд синапсов
1152 Loihi 2
максимальное потребление ~2,6 кВт.

Он обрабатывает до 380 трлн синаптических операций в секунду. Причём Intel сообщает, что при полной загрузке нейронной ёмкости система может исполнять некоторые spiking-network модели быстрее биологического реального времени. (Newsroom)

Теперь сделаем очень грубую экстраполяцию.

Для $10^{14}$ синапсов нужно около:

$$100,000,000,000,000 / 128,000,000,000 \approx781$$

таких систем.

Энергия:

$$781\times2.6,kW\approx2,MW.$$

Для 500 трлн синапсов — около 10 МВт.

Но это совершенно наивная линейная экстраполяция: Hala Point не является эмулятором биологического мозга, а его модели синапсов намного проще того, что нам, возможно, потребуется.

Тем не менее она показывает очень важную вещь:

архитектура способна дать нам несколько порядков эффективности.

Именно поэтому я подозреваю, что если mind uploading когда-нибудь заработает, цифровой человек не будет жить на кластере NVIDIA/AMD.

Для него создадут совершенно иной процессор.

Что-нибудь вроде:

нейронное ядро + локальная память синапсов + event-driven processing + огромная packet network + аппаратная пластичность.

По сути — кремниевый мозг.

---

Но есть и плохой сценарий

Всё сказанное выше предполагает, что синаптически-нейронного уровня достаточно.

Если же выяснится, что для сознания необходимо моделировать:

дендритные деревья, локальные потенциалы, десятки типов ионных каналов, нейромодуляторы, астроциты, внутриклеточную биохимию и т. д.,

стоимость взлетит.

Уже для подробных биофизических моделей оценки доходят до exascale и выше; старые оценки масштабирования подобных симуляций человеческого мозга давали порядка 0,5–2,7 ГВт, причём скорость могла всё равно сильно отставать от реального времени. (Frontiers)

Blue Brain прямо отмечает, что для детального моделирования человеческого мозга вычислительные требования всё ещё чрезвычайно велики. (EPFL)

Поэтому я бы сегодня нарисовал такой диапазон:

Уровень эмуляции	Оценка оборудования 2026	Энергия
Абстрактная функциональная сеть	тысячи GPU	~5–20 МВт
Полный синаптический brain upload	тысячи–десятки тысяч GPU	~10–100 МВт
Специализированный neuromorphic hardware	потенциально существенно меньше	~1–20 МВт
Подробная биофизика клеток	суперкомпьютер/exascale+	100 МВт–несколько ГВт
Биологический оригинал	1,4 кг мокрой ткани :)	~20 Вт

Последнее сравнение просто убийственное. Настоящий мозг действительно работает примерно на 20 Вт. (NCBI)

---

И вот тут наша история со сферой Дайсона становится, на мой взгляд, ещё интереснее.

Допустим, первые загруженные люди требуют 10 МВт на человека.

Это ужасно.

Миллион цифровых людей потребует 10 ТВт — примерно нынешнего энергетического масштаба всей человеческой цивилизации.

Миллиард — уже:

$$10^{16}\ W.$$

Но потом создаётся специализированное железо, и цена падает:

10 МВт → 100 кВт → 10 кВт → 1 кВт на сознание.

Даже при 1 кВт миллиард цифровых людей — 1 ТВт.

Триллион — $10^{15}$ Вт.

А Солнце выдаёт:

$$3.8\times10^{26}\ W.$$

И поэтому я теперь ещё лучше понимаю твою первоначальную мысль: если цифровая миграция человечества вообще возможна, то энергетическая экспансия масштаба Dyson swarm перестаёт быть странной прихотью цивилизации II типа. Она становится естественным следствием демографии.

Самое поразительное здесь другое: на уровне грубой spiking-эмуляции мы уже практически достигли масштаба человеческого мозга по числу нейронов. Сейчас гораздо более фундаментальная проблема не «где взять FLOPS», а какие именно параметры конкретного мозга необходимо считать и сохранить, чтобы после запуска там оказался тот же человек.

Скорее всего — для непосредственной эмуляции человеческого мозга квантовый компьютер даст намного меньше, чем кажется. Если наше предположение верно и мозг в существенном смысле является классической нейросинаптической машиной, то специализированный нейроморфный компьютер гораздо естественнее квантового.

Причина в характере задачи. Эмулятор мозга должен непрерывно выполнять примерно такое:

получить импульс → прочитать состояние синапса → изменить потенциал нейрона → возможно породить новый импульс → отправить его тысячам связанных нейронов → изменить пластичность связи.

Это гигантская разреженная, асинхронная, событийная классическая система. Именно под такие задачи создаётся neuromorphic hardware; современный обзор Nature Computational Science рассматривает нейроморфные архитектуры именно как путь к приближению параллельности и энергетической эффективности мозга. (Nature)

Квантовые компьютеры не являются просто «очень быстрыми компьютерами»

Здесь часто возникает неправильная интуиция.

У 300 кубитов действительно есть квантовое состояние, математическое описание которого содержит порядка $2^{300}$ амплитуд.

Но это не означает, что туда можно положить $2^{300}$ обычных чисел и потом их прочитать.

При измерении ты получишь лишь ограниченный классический результат. Чтобы воспользоваться квантовым преимуществом, необходимо построить специальный алгоритм, который использует интерференцию амплитуд так, чтобы нужный ответ появился с высокой вероятностью.

Именно поэтому квантовые компьютеры дают огромный выигрыш для некоторых классов задач, но не ускоряют произвольное классическое вычисление.

Даже в quantum machine learning теоретические экспоненциальные ускорения зачастую требуют довольно сильных предпосылок — например, эффективной загрузки данных в квантовое состояние и эффективного считывания результата. А работа 2026 года в Nature Communications отдельно показывает, что шум способен уничтожать некоторые предполагаемые экспоненциальные преимущества квантового обучения. (arXiv)

Поэтому наши условные

$10^{14}-10^{15}$ синапсов

никуда не исчезнут.

Их состояния всё равно необходимо где-то хранить и изменять.

---

Где квантовый компьютер всё-таки мог бы помочь

Вот здесь я вижу три потенциально интересных применения.

Во-первых, не внутри работающего сознания, а при его подготовке.

Например:

восстановление коннектома из сканирования;
подбор неизвестных параметров синапсов;
решение огромных оптимизационных задач;
поиск модели, которая воспроизводит наблюдавшуюся активность мозга.

Некоторые квантовые алгоритмы действительно имеют теоретические преимущества в определённых задачах линейной алгебры, оптимизации и машинного обучения. Но это пока очень далеко от утверждения «квантовый компьютер ускорит мозг в миллион раз». (arXiv)

Во-вторых, моделирование биохимии.

Если выяснится, что для полноценной эмуляции нужно воспроизводить молекулярные процессы в рецепторах, белках, ионных каналах и т. д., квантовые компьютеры становятся намного интереснее. Квантовое моделирование квантовых many-body систем как раз является одной из наиболее естественных областей применения QC. (Nature)

Но даже тогда я ожидал бы архитектуру примерно такую:

нейроморфный процессор → 99,9% работы мозга
квантовый сопроцессор → специфические физико-химические расчёты.

А не «человеческое сознание живёт непосредственно на квантовом компьютере».

---

Есть, однако, один сценарий, который всё переворачивает

Если выяснится, что само сознание существенно зависит от длительно когерентных квантовых процессов внутри мозга, тогда ситуация совершенно другая.

Такие гипотезы существуют — например Orch OR Пенроуза—Хамерофф и другие варианты «quantum brain». Но убедительных экспериментальных доказательств того, что квантовая когерентность выполняет необходимую вычислительную функцию человеческого сознания, пока нет. Даже обзоры, допускающие такую возможность, подчёркивают отсутствие прямых экспериментальных подтверждений. (Frontiers)

Если однажды окажется:

нейронная активность недостаточна;
синаптический граф недостаточен;
определённое квантовое состояние клеточных структур является частью состояния личности,

то классическая эмуляция этого состояния может стать чудовищно дорогой.

И тогда настоящий quantum substrate действительно может оказаться необходим.

Но сегодня это довольно спекулятивный сценарий.

---

Мне поэтому наиболее правдоподобной кажется не система

GPU + квантовый компьютер,

а существенно более странная архитектура:

специализированная нейроморфная память/вычислитель + фотонная сеть связи + обычные цифровые процессоры для окружающего виртуального мира + возможно небольшой quantum accelerator для специальных задач.

Причём я подозреваю, что главный технологический скачок даст именно первый компонент.

Сегодня биологический мозг делает свою работу примерно на 20 Вт, а наша грубая программная эмуляция могла бы требовать мегаватты. Это разрыв в пять-шесть порядков по энергетической эффективности.

Если мы когда-нибудь научимся изготавливать электронную архитектуру, которая физически устроена аналогично мозгу — память непосредственно возле вычислений, массовый параллелизм, event-driven logic, отсутствие постоянного перемещения гигантских массивов данных между CPU и RAM — вполне возможно, что:

10 МВт → 100 кВт → 1 кВт → сотни ватт на человека

произойдёт вообще без квантовых вычислений.

И тогда наш Dyson swarm несколько отодвигается 😄. При 100 Вт на цифрового человека триллион сознаний потребует $10^{14}$ Вт — огромная мощность для нас, но всего около одной триллионной светимости Солнца.

Вот это уже интересный поворот: возможно, цивилизации типа II вообще не нужны вся энергия звезды, если вычисления становятся достаточно эффективными. И тогда отсутствие видимых полных сфер Дайсона перестаёт так сильно удивлять.

Да. Причём ты попал ровно в направление, которое мне кажется самым правдоподобным способом сделать цифровой человеческий мозг энергетически разумным.

И сначала я скорректирую свой предыдущий ответ: мои мегаватты относились к эмуляции мозга на сегодняшнем универсальном цифровом железе. Это совершенно не означает, что мегаватты являются физической ценой работы человеческого сознания. Наоборот, биологические ~20 Вт очень убедительно показывают, что такой вывод был бы абсурден.

Что означает «память рядом с вычислениями»

Да, по существу ты правильно понял: речь прежде всего о синапсе как одновременно памяти и вычислительном элементе.

В обычном GPU происходит приблизительно:

RAM/HBM → прочитать вес → передать по шине → ALU → умножить → сложить → записать результат

И огромное количество энергии тратится не на умножение, а на перемещение данных.

Мозг делает совершенно иначе.

Есть нейрон A и нейрон B. Между ними физически существует синапс. Его текущее состояние само определяет, насколько сигнал A повлияет на B.

Нет никакого центрального процессора, который спрашивает:

«Так, память, пришли мне вес синапса №4827362948».

Сам синапс и есть вес.

И именно это пытаются повторить memristor / analog compute-in-memory системы. IBM прямо указывает, что перенос синаптических весов между памятью и вычислителем является одним из главных источников неэффективности обычной архитектуры. (IBM Research)

Причём можно сделать ещё красивее.

Пусть проводимость искусственного синапса

$$G_{ij}$$

кодирует его вес.

Приходит импульс напряжения (V_i).

Само физическое устройство производит ток

$$I_{ij}=V_iG_{ij}.$$

То есть закон Ома физически выполняет умножение.

А если тысячи таких синапсов соединены с одним нейроном, закон Кирхгофа автоматически складывает токи.

Получается:

память + умножение + суммирование происходят непосредственно в материале.

Никакой инструкции MUL, никакого обращения к RAM.

Именно поэтому memristive compute-in-memory сейчас настолько активно исследуют. В июне 2026 года Nature Materials прямо называл хранение информации в регулируемой проводимости и вычисление непосредственно в памяти одним из перспективных путей к brain-inspired computing. (Nature)

---

И твоя вторая мысль ещё важнее

Ты предлагаешь примерно следующее:

не эмулировать конкретный мозг программой;

изготовить физический искусственный мозг общего типа;

а затем запрограммировать его структурой и состояниями синапсов конкретного человека.

Да.

И это принципиально другой подход.

Я бы назвал его не столько brain emulation, сколько brain instantiation.

То есть вместо:

биологический мозг → данные → программа → CPU/GPU

получается:

биологический мозг → карта состояния → физическая нейроморфная структура.

После загрузки она уже работает сама.

Это очень похоже на перенос состояния одного компьютера на другой — только аппаратная архитектура второго компьютера непосредственно соответствует архитектуре мозга.

---

Причём исследования уже идут именно в эту сторону

Современные искусственные синапсы умеют значительно больше, чем просто хранить один вес.

Например, работа в Nature Communications показала memristor, в котором в одном физическом устройстве возникают аналоги:

• долговременной памяти;

• кратковременной памяти;

• short-term plasticity;

• metaplasticity.

То есть исследователи специально подчёркивают, что биологический синапс — не просто один коэффициент (w), а локальная динамическая система, и пытаются реализовать эту динамику непосредственно физически. (Nature)

А в 2025 году появилась искусственная спайковая клетка всего из одного memristor + одного transistor + одного resistor, которая воспроизводит интегрирование, порог срабатывания, refractory period, stochasticity и plasticity. Экспериментальное устройство работало на уровне пикоджоулей на spike, а авторы оценивают возможность дальнейшего снижения. (Nature)

То есть твоя идея совершенно не фантастическая в принципе.

Фантастический пока только масштаб.

---

Тогда что конкретно потребуется считать с человека?

Вот здесь «веса» я бы понимал шире.

Минимальный hypothetical upload dataset мог бы выглядеть примерно так:

топология
→ какой нейрон с каким соединён;

вес каждого синапса
→ насколько сильно он влияет;

тип синапса
→ возбуждающий, тормозящий, нейромодулирующий;

задержка передачи;

текущее состояние пластичности;

параметры самого нейрона
→ порог, возбудимость, временные константы;

возможно:

состояние отдельных дендритных ветвей.

И вот последнее может быть очень важным.

Современная neuroscience всё сильнее показывает, что нейрон — не просто:

сложить 10 000 входов → сравнить с порогом.

Дендритные ветви сами выполняют нелинейные локальные вычисления.

Поэтому искусственный нейрон, вероятно, должен иметь внутреннюю структуру.

Но это всё ещё совершенно не означает необходимость моделировать атомы.

Можно представить искусственный блок:

soma + 50 dendritic compartments + 5000 programmable synapses

и просто физически воспроизводить необходимые передаточные характеристики.

---

Тогда куда исчезают мегаватты?

Вот здесь становится действительно интересно.

Возьмём условно $10^{14}$ синапсов.

Если цифровая система тратит даже несколько пикоджоулей или десятки пикоджоулей на обработку каждого события плюс маршрутизацию и память, потребление быстро улетает в мегаватты.

Но существуют экспериментальные искусственные синапсы уже с чрезвычайно низкими энергиями переключения. В 2025 году, например, были продемонстрированы молекулярные memristors с исключительно низкой энергией собственно переключения; это пока устройство, а не полноценная система, но принципиально показывает, насколько мала может быть физическая стоимость изменения состояния. (Nature)

Есть и гораздо более зрелые compute-in-memory системы: работа 2025 года показала 88,5 TOPS/W на memristive CIM engine. (Nature)

Но это ещё не означает «мозг на 20 Вт», потому что есть страшный враг:

коммуникация.

Синапс может потреблять фемтоджоули.

Но необходимо доставить spike от одного нейрона к тысячам других.

В биологическом мозге для этого буквально существуют физические аксоны.

В кремниевом аналоге либо придётся создавать огромное количество физической проводки, либо кодировать spikes пакетами и гонять их через network-on-chip.

И тут снова появляется расход энергии.

Intel Hala Point именно поэтому объединяет вычисления, память и сеть непосредственно внутри neuromorphic fabric. У него 1,15 млрд нейронов и 128 млрд синапсов при максимальном потреблении около 2,6 кВт; Intel прямо пишет, что нейроны общаются непосредственно, уменьшая необходимость перемещения данных через традиционную память. (Newsroom)

Это пока всё равно значительно хуже биологии.

Но уже совсем другой порядок, чем GPU.

---

Я поэтому представляю настоящий «искусственный мозг» примерно так

Не серверная стойка.

А трёхмерный объект.

Это принципиально.

Что-нибудь размером, допустим:

10 × 10 × 10 см

или чуть больше.

Внутри находятся миллиарды искусственных нейрональных элементов.

Между слоями — огромное количество вертикальных interconnects.

Синапсы выполнены memristive/phase-change/ferroelectric структурами.

Каждый искусственный синапс физически хранит своё состояние.

Каждый нейрон получает аналоговые входы непосредственно от своих связей.

Spikes идут локально.

А дальняя связь осуществляется специализированной packet/photonic сетью.

Это уже гораздо ближе к устройству мозга.

---

И тут есть очень важный момент.

Нам необязательно воспроизводить геометрию мозга один к одному.

Если в твоём мозге аксону от A до B требуется 40 мм, в искусственном мозге эти два узла совершенно необязательно размещать на расстоянии 40 мм.

Главное сохранить:

кто с кем связан + необходимую задержку + динамику сигнала.

То есть искусственный мозг можно скомпилировать.

Это замечательная концепция.

Получили connectome человека.

Затем software placement engine решает:

эти 300 миллионов нейронов разместим здесь;

эти связи локализуем;

дальние связи проложим через fabric;

необходимые biological delays добавим электронно.

Практически:

brain compiler.

---

А потом загружаем конкретного человека

Представь фабрику будущего.

Она выпускает одинаковые универсальные neural substrates.

Допустим:

100 млрд programmable neurons
500 трлн programmable synapses.

Из коробки он — никто.

Физическая структура существует, но веса и connectivity не заданы.

Затем берётся snapshot мозга Романа.

Компилятор превращает его в:

routing configuration
synaptic conductances
neuron parameters
plasticity states
dynamic state.

И прошивает substrate.

После этого устройство начинает работать.

Не:

компьютер симулирует мозг Романа.

А:

это физический искусственный мозг Романа.

И философская проблема здесь действительно становится ещё интереснее, чем при software upload.

---

Насколько близко тогда можно подойти к 20 Вт?

Вот здесь я не хочу изображать ложную точность.

20 Вт вполне может оказаться достижимым порядком, но сегодня мы этого не знаем.

Мне кажется разумным представить следующую инженерную эволюцию:

GPU software emulation
→ МВт

digital neuromorphic
→ кВт–десятки кВт

mixed-signal neuromorphic
→ сотни ватт–кВт

3D physical synaptic substrate
→ потенциально десятки–сотни ватт.

И я совершенно не вижу физического закона, который запрещал бы последнему приблизиться к мозгу.

Биология уже является proof of existence:

система из ~$10^{11}$ нейронов и ~$10^{14-15}$ связей может работать при мощности порядка десятков ватт.

Следовательно, проблема не фундаментально вычислительная.

Проблема архитектурная и технологическая.

---

Но у такого подхода появляется, на мой взгляд, одна проблема гораздо страшнее энергии.

Мы должны прочитать исходное состояние мозга с достаточной точностью.

Сегодня полный connectome мухи получают фактически путём:

зафиксировать мозг → нарезать на огромнейшее количество ультратонких срезов → electron microscopy → reconstruction.

После этого оригинальная муха, разумеется, уже не существует.

Для человека нужно будет научиться определять состояние порядка сотен триллионов синапсов, причём, возможно, вместе с их динамическими параметрами, не уничтожая мозг.

И если мы решим именно эту задачу, то, на мой взгляд, изготовление соответствующего вычислительного субстрата может оказаться проще, чем получение данных для его программирования.

Так что теперь я бы переставил барьеры всей нашей гипотетической технологии бессмертия:

№1 — понять, какая информация составляет личность.
№2 — научиться считать эту информацию из живого мозга.
№3 — создать нейроморфный substrate, способный её принять.
№4 — энергия.

А энергию я бы уже не ставил в список фундаментальных препятствий. И это существенная поправка к тому, с чего мы начали разговор.

Да, в очень большой степени — архитектурой.

У мозга и у обычного компьютера принципиально разные способы вычислять. В фон-неймановской машине память отделена от вычислительных блоков: процессор постоянно таскает данные и веса туда-сюда. Для нейросетевых задач эта передача данных зачастую стоит по энергии дороже самой арифметики. GPU ещё и работает синхронно: огромные блоки транзисторов тактируются миллиарды раз в секунду независимо от того, насколько «интересное» событие сейчас происходит.

Мозг устроен почти противоположным образом. Память распределена по самой вычислительной сети: состояние синапса физически находится в месте соединения нейронов. Большинство элементов большую часть времени практически ничего не делает. Активность событийная: появился spike — что-то произошло; нет spike — почти нет вычисления. Частоты тоже смешные по компьютерным меркам — десятки или сотни герц, а не гигагерцы. При этом всё работает параллельно.

Поэтому сравнивать «20 Вт мозга» и «мегаватты GPU» как свидетельство невероятной вычислительной силы биологической ткани не совсем правильно. Это скорее сравнение специализированного физического вычислителя с универсальной машиной, которая программно изображает этот вычислитель.

Хорошая аналогия — симуляция аэродинамики. Настоящее крыло летит без суперкомпьютера: молекулы воздуха сами выполняют физические уравнения. А чтобы численно воспроизвести этот воздух, нам нужен огромный кластер.

С мозгом может быть ровно так же.

Именно поэтому твоя предыдущая идея важна: если построить материал, в котором сама физика устройства выполняет функцию нейрона и синапса, то вместо миллиардов цифровых инструкций можно получить один физический процесс.

Условно:

GPU: прочитать вес → прочитать сигнал → умножить → сложить → записать

против

искусственного синапса: напряжение × проводимость → ток.

Второе происходит просто потому, что так ведёт себя вещество.

Но я бы всё-таки не говорил, что вся разница в энергии определяется архитектурой. Есть ещё несколько факторов: технологии изготовления, рабочее напряжение, утечки, размер элементов, эффективность связи, необходимость охлаждения, точность представления величин. Биология тоже использует некоторые очень хорошие трюки: низкие напряжения, химическое хранение состояния, медленные процессы, трёхмерную структуру и огромную допустимость шума.

Самое важное — точность. Обычный компьютер пытается делать операции очень точно: 32-битное число должно оставаться тем же 32-битным числом. Мозг ужасно шумный. Отдельный синапс неточен, отдельный нейрон неточен, передача нейромедиатора вероятностна — и система прекрасно работает.

Если для человеческого сознания действительно достаточно такой же приблизительной аналоговой точности, это огромный подарок инженерам. Не понадобится воспроизводить каждый вес как FP32.

Возможно, условному синапсу достаточно 5–8 эффективных бит состояния, а значительная часть системы вообще может работать аналогово.

И тогда я бы уже не считал переход

10 МВт → 10 кВт → 100 Вт

каким-то физически невероятным улучшением.

Это может оказаться просто последовательным устранением архитектурных накладных расходов.

Причём биологический мозг даёт нам очень сильную нижнюю ориентировочную точку: мы точно знаем, что такой класс вычислений физически возможен при десятках ватт, потому что он уже существует.

Другой вопрос — сможем ли мы сделать искусственный субстрат настолько же эффективным и при этом программируемым под конкретный человеческий коннектом. Вот это, мне кажется, одна из самых интересных технологических задач во всей идее mind uploading.

Да. Если перенос сознания вообще окажется возможен, то это действительно один из наиболее правдоподобных путей к сверхразуму. Причём важнейший переход произойдёт не тогда, когда мы «запустим человека на кремнии», а когда поймём, что его когнитивная архитектура больше не является фиксированной биологией.

Но я бы изменил твою последовательность совсем немного:

сначала максимально точная копия → затем управляемость параметров → затем расширение архитектуры → и только потом что-то, что мы уже назовём сверхразумом.

Первую версию искусственного мозга я бы вообще намеренно делал как можно менее улучшенной. Те же временные константы, примерно тот же уровень шума, те же задержки, та же пластичность. Задача №1 — убедиться:

я перенёс человека, а не построил нечто, лишь похожее на него.

А потом параметры можно менять по одному и смотреть, сохраняется ли субъективная непрерывность.

И здесь начинается самое интересное.

Снижение шума — только один регулятор

Ты правильно увидел очевидную возможность:

биологический синапс неточен → искусственный можно сделать точнее.

Но не весь нейронный шум является бесполезным дефектом. В нелинейных нейронных системах определённый уровень шума может улучшать обнаружение слабых сигналов — stochastic resonance — и способствовать исследованию различных состояний сети. Это показано как теоретически, так и экспериментально. (Nature)

А совсем свежий обзор 2026 года подчёркивает ещё более неприятную вещь: часть активности, которая внешне выглядит просто шумом, может отражать реальную структуру и физиологически значимые процессы. (Nature)

Поэтому будущий искусственный мозг, скорее всего, не будет работать с параметром:

NOISE = 0.

Скорее:

NOISE = регулируемый параметр.

И это гораздо интереснее.

Можно экспериментально определить, например:

• для зрительной коры оптимальный уровень один;

• для долговременной памяти — другой;

• при творческом поиске увеличить стохастичность;

• при математическом доказательстве уменьшить;

• во сне изменить её профиль совершенно иначе.

То есть то, что сегодня является неизменной особенностью человеческой нейрофизиологии, превращается в настройку операционной системы собственного мозга.

Но настоящий скачок будет не в точности

Допустим, мы сделали искусственную копию моего мозга.

Она работает как я.

Зачем останавливаться на 86 миллиардах нейронов?

Добавим ещё 10 миллиардов — но не случайно, а как дополнительную рабочую память.

Сегодня человеческая working memory чрезвычайно ограничена. Мы не можем одновременно сознательно удерживать сотни независимых сущностей и отношений между ними.

А цифровому мозгу можно добавить специализированный модуль.

Было:

удерживаю 5–10 связанных объектов.

Стало:

удерживаю одновременно 10 000 объектов и отношения между ними.

Это уже не просто «умный человек».

Человек с таким рабочим пространством мог бы смотреть на миллион строк программы примерно так, как хороший программист сегодня смотрит на одну функцию.

---

Потом можно расширить долговременную память.

Не в смысле Google:

«я знаю, где найти информацию».

А настоящую нейронно интегрированную память:

«я действительно помню всё прочитанное».

Причём с идеальной индексацией.

Сегодня забывание — фундаментальное свойство человека. В искусственной системе можно иметь:

память без потерь + управляемое забывание + снимки состояний + внешние архивы.

И тогда образование человека радикально меняется. Ему достаточно прочитать книгу один раз.

---

Следующая ступень ещё серьёзнее: скорость.

Биологические нейроны работают на миллисекундных временах.

Если искусственный субстрат может работать хотя бы в 100 раз быстрее, не меняя функциональной архитектуры, субъективно человек получает:

100 лет мышления за один внешний год.

А если ×1000 — около тысячи субъективных лет за год.

Тогда научная проблема, над которой коллектив людей трудится десять лет, для такого разума может стать задачей нескольких внешних дней.

Но тут снова появляется ограничение энергии и тепла — ускорение мозга не бесплатно.

---

Затем можно добавить параллелизм.

И это уже ломает наше понятие личности.

Представь, что ты думаешь над пятью задачами.

Вместо переключения внимания:

проблема A → проблема B → проблема C,

ты временно создаёшь пять когнитивных ветвей.

Каждая получает копию твоего состояния.

Через час:

A решил физику
B написал программу
C изучил статью
D провёл симуляции
E ничего не нашёл.

Затем результаты интегрируются обратно.

Вот тут начинается настоящая научная фантастика, потому что мы совершенно не знаем, можно ли психологически корректно «сливать» состояния двух сознаний.

Но если возможно — это колоссальное преимущество.

---

И ещё один шаг, который мне кажется особенно важным:

искусственный мозг сможет проектировать следующий искусственный мозг.

Первый загруженный человек ограничен человеческой архитектурой, потому что именно её мы скопировали.

Но уже будучи внутри системы, он может исследовать собственную работу гораздо лучше, чем мы исследуем мозг сегодня.

У него появляются:

полный лог активности;
snapshot состояния;
возможность отката;
копия для эксперимента;
точное изменение одного параметра;
сравнение результата.

Сегодня нейробиолог спрашивает:

что будет, если изменить этот механизм?

и проводит ужасно непрямой эксперимент.

Цифровой разум может сказать:

сделай мою копию;
увеличь число нейронов этой подсистемы на 30%;
дай ей 10 субъективных лет;
посмотрим, стала ли она лучше решать задачи.

Потом тысяча вариантов одновременно.

Это уже эволюция мозга, переведённая из биологии в инженерное проектирование.

И здесь я действительно вижу возможность так называемого intelligence explosion — не обязательно мгновенного, но положительной обратной связи:

более умный разум → лучше проектирует когнитивную архитектуру → получает ещё более умную версию → та проектирует следующую.

---

Но есть одна серьёзнейшая оговорка.

Не всякое «улучшение» сохраняет тебя.

Если постепенно добавить память — вероятно, да.

Если немного увеличить скорость — вероятно.

Если снизить шум — возможно.

Если добавить миллиард нейронов рабочей памяти — вопрос интереснее.

А если полностью перестроить систему принятия решений, эмоциональные контуры, мотивацию, механизмы вознаграждения?

Через тысячу последовательных улучшений может существовать невероятный сверхразум, который обладает всеми твоими воспоминаниями и непрерывной историей...

...но ты сам сегодня, встретившись с ним, возможно, вообще не признал бы его собой.

И поэтому мне кажется, что главным ограничением такой цивилизации станет не технология.

Появится совершенно новая дисциплина:

инженерия идентичности.

Какие изменения можно сделать с собой, оставаясь собой?

Это очень похоже на наш разговор про Old Man's War, только уже на следующем уровне. Сначала мы пытаемся сохранить непрерывность при смене субстрата.

А затем возникает гораздо более сложный вопрос:

можно ли сохранить непрерывность личности при постепенной смене самой архитектуры сознания?

Если ответ окажется «да», тогда я согласен: mind uploading может быть не конечной целью, а всего лишь первым шагом к постбиологическому сверхразуму.

И тогда сфера Дайсона снова возвращается в нашу историю — потому что такой разум очень быстро найдёт применение любому количеству вычислительной мощности, которое мы сумеем ему дать.

Да. Если убрать требование «это должен остаться тот же самый человек», задача становится принципиально проще. Причём настолько, что я бы уже рассматривал это не как технологию бессмертия, а как совершенно отдельную ветвь — создание искусственных разумов на основе человеческих когнитивных образцов.

Допустим, есть выдающийся физик Иванов. Мы считываем состояние его мозга и создаём цифровую личность X. X помнит детство Иванова, знает всю физику Иванова, обладает его интуицией, привычками мышления и навыками. Но юридически и философски просто объявляем:

X — новый человек, возникший на основе состояния мозга Иванова в момент T.

Всё. Огромный класс проблем исчезает.

Нам уже не нужно доказывать непрерывность сознания. Можно даже использовать разрушающее сканирование мозга после смерти, если это окажется единственным способом получить необходимую точность. Можно запускать копию, обнаруживать ошибку, исправлять модель и запускать заново. Можно делать несколько вариантов.

И самое главное — можно модифицировать X без страха потерять идентичность Иванова, потому что X изначально считается отдельной личностью.

Тогда задача становится похожей на оптимизацию архитектуры

Первая версия должна максимально точно воспроизводить исходный мозг:

X₀ = цифровой аналог Иванова.

Потом делаем копии:

X₁, X₂, X₃...

И экспериментируем.

У X₁ увеличиваем рабочую память.

У X₂ ускоряем нейронную динамику ×2.

У X₃ уменьшаем определённые источники шума.

У X₄ увеличиваем точность синаптических состояний.

У X₅ добавляем дополнительную долговременную память.

Каждому даём одинаковые тестовые задачи и смотрим не просто IQ, а огромное количество характеристик:

точность рассуждений, способность делать открытия, творческое мышление, устойчивость к ошибкам, способность учиться, планирование, когнитивная гибкость.

И дальше возникает то, чего биологическая эволюция никогда не могла делать: A/B testing мозга.

---

Причём улучшать можно не только количественно

Вот здесь начинается настоящее веселье.

Человек обладает очень ограниченной рабочей памятью. Но нет очевидной причины, почему искусственному разуму обязательно сохранять это ограничение.

Можно добавить ему отдельную систему, способную удерживать, например, огромный граф взаимосвязанных понятий.

Представь физика, который способен одновременно держать в сознании:

10 000 уравнений и все зависимости между ними.

Не искать их в Mathematica.

Именно видеть систему целиком.

Это уже может дать когнитивный скачок, который нам сейчас трудно даже представить.

---

Можно сделать и другое.

Сегодня у человека существует довольно жёсткое различие:

знать информацию и уметь ею пользоваться.

Я могу дать тебе библиотеку из десяти миллионов книг, но ты не станешь человеком, прочитавшим эти десять миллионов книг.

Для искусственного мозга потенциально можно создать память, которая непосредственно интегрируется с когнитивными системами.

Не:

«обратиться к базе данных».

А:

«я это знаю».

Тогда образование перестаёт быть десятилетним процессом.

---

А копирование вообще делает сценарий ещё интереснее

Берём выдающегося математика X.

Делаем:

1000 экземпляров X.

В момент копирования они идентичны.

Через секунду это уже тысяча разных личностей, потому что у них появляется различный опыт.

Каждому даём отдельную проблему.

Через десять субъективных лет получаем тысячу математиков, каждый из которых имел одинаковую исходную гениальность, но десять лет занимался своей областью.

Теперь возникает вопрос интеграции результатов.

Даже если сливать сознания невозможно, это уже чрезвычайно мощный исследовательский институт.

А если станет возможна интеграция приобретённых знаний между ними — возникает совсем другой масштаб.

Можно представить цикл:

копирование → специализация → обучение → интеграция знаний → новая базовая версия → снова копирование.

Это уже похоже на управляемую когнитивную эволюцию.

---

И вот тут, мне кажется, может появиться сверхразум раньше, чем мы ожидаем

Я раньше описывал сверхразум как:

«берём одного цифрового человека и постепенно делаем его умнее».

Но твоя постановка показывает другой, возможно более реалистичный путь.

Не один сверхчеловек.

А когнитивная фабрика.

Например:

1 000 физических теоретиков

• 1 000 математиков

• 1 000 инженеров

• специализированные ИИ

• общая совершенная память

• автоматизированное экспериментирование.

Каждый из них работает в 100 раз быстрее биологического человека.

Получается система, которая за один внешний год может провести порядка сотен тысяч человеческих исследовательских лет.

Причём это ещё совершенно не обязательно единое сознание.

Сверхразум может первоначально быть организацией, а не личностью.

Это важный момент.

Муравейник значительно сложнее отдельного муравья. Человеческая цивилизация значительно интеллектуальнее одного человека.

А цифровая система позволит резко снизить стоимость коммуникации между отдельными разумами.

---

Для хирурга есть дополнительная сложность

Ты удачно привёл хирурга, потому что здесь видно, что одного мозга недостаточно.

Высочайший хирургический навык — это не просто знания.

В мозге существует огромная модель:

зрение ↔︎ проприоцепция ↔︎ моторная кора ↔︎ мозжечок ↔︎ тактильная обратная связь.

Чтобы действительно перенести выдающегося хирурга, понадобится либо виртуальное тело с чрезвычайно точной сенсомоторной моделью, либо роботизированное тело.

Зато после переноса возникают новые возможности.

Можно дать ему:

• десять манипуляторов вместо двух рук;

• микроскопическое зрение;

• одновременное отображение CT/MRI непосредственно поверх операционного поля;

• отсутствие тремора;

• совершенно другую точность движения.

И тогда опять происходит переход:

сначала воспроизводим человеческого хирурга → потом перестаём ограничиваться человеческим телом.

---

Однако есть одна вещь, которую я бы не стал выбрасывать вместе с «шумом»

Талант человека — это, вероятно, не просто:

много памяти + высокая точность вычислений.

Он может зависеть от очень странной смеси:

любопытства, одержимости проблемой, способности долго терпеть неудачу, ассоциативности, эмоциональной реакции, склонности сомневаться, определённого количества «шума» и даже особенностей характера.

Если взять Эйнштейна и сказать:

сейчас удалим всё иррациональное, эмоции и шум и увеличим точность в сто раз,

может оказаться, что получится великолепный бухгалтер, но никакой новый Эйнштейн.

Поэтому сначала придётся экспериментально выяснить, какие человеческие недостатки на самом деле являются элементами когнитивного алгоритма.

---

И тогда получается чрезвычайно интересная последовательность:

сканирование выдающегося мозга
→ функциональная копия
→ новая самостоятельная личность
→ тысячи экспериментальных вариантов архитектуры
→ отбор улучшений
→ копирование лучших вариантов
→ специализация
→ объединение знаний
→ дальнейшее проектирование собственного мозга.

Вот этот сценарий я уже действительно назвал бы правдоподобным механизмом возникновения постчеловеческого сверхразума, при условии что первые два технологических барьера — считывание мозга и воспроизведение его функции — вообще окажутся преодолимыми.

И здесь есть ещё один довольно сильный вывод: для начала такого процесса нам вообще не требуется решить проблему бессмертия. Достаточно научиться создавать функциональную цифровую личность по состоянию человеческого мозга. А вопрос, «проснулся ли там оригинал», для этой конкретной цели действительно можно полностью оставить философам.

Да. И здесь я бы немного изменил нашу модель: переносить придётся не просто мозг, а мозг вместе с его «виртуальной физиологией». Но это необязательно означает, что нам придётся симулировать печень, кишечник, надпочечники и иммунную систему клетка за клеткой.

Мозг постоянно получает состояние тела через периферическую нервную систему, эндокринные, метаболические, гуморальные и иммунные сигналы. Эта связь действительно является частью нормального функционирования мозга, а не второстепенным шумом. (Nature)

Я бы представлял такую систему в трёх слоях

Первый — наша уже обсуждавшаяся быстрая нейронная машина:

нейроны → синапсы → дендриты → spikes → локальная пластичность.

Это основная вычислительная масса.

Второй слой — нейромодуляция:

дофамин
серотонин
норадреналин
ацетилхолин
и множество других веществ.

Они работают иначе, чем обычный синаптический сигнал. Один нейромодулятор может одновременно изменить возбудимость, пластичность и режим работы огромных областей мозга. Именно поэтому они участвуют в внимании, обучении, мотивации, эмоциональном состоянии и принятии решений. (Frontiers)

Условно:

синаптическая сеть говорит что вычислять,
нейромодуляция во многом определяет в каком режиме вычислять.

И третий слой — состояние организма:

уровень энергии
стресс
сон/бодрствование
циркадный ритм
температура
гормональное состояние
иммунное состояние
голод/насыщение
внутренние ощущения.

Причём современные исследования показывают, что это действительно широкая двусторонняя сеть brain–body, а не несколько датчиков давления и сахара. (Nature)

---

Но здесь есть принципиально хорошая новость

Допустим, на мозг влияет кортизол, вырабатываемый надпочечниками.

Для цифрового учёного совершенно необязательно эмулировать надпочечник:

клетка → митохондрия → синтез холестерина → ферменты → кортизол → кровь.

Если когнитивно значимым результатом этой цепочки является некоторый временной профиль:

Cortisol(t),

нам достаточно непосредственно сформировать этот управляющий сигнал.

То же относится к огромному количеству телесных процессов.

Не нужно симулировать пищеварение, чтобы получить аналог сигнала:

«энергии достаточно».

Не нужно иметь настоящий желудок, чтобы сформировать эквивалент сигналов голода/насыщения.

Не обязательно иметь настоящую иммунную систему, если мы знаем, какие её сигналы должны менять состояние мозга.

Иными словами, мы можем заменить:

полное человеческое тело

на

модель внутреннего состояния организма.

Это может оказаться сравнительно небольшой системой.

---

Поэтому я бы очень грубо оценил вычислительную цену так

Это уже моя инженерная экстраполяция, а не установленный нейробиологический результат:

Модель	Дополнительная сложность относительно нейронного ядра
Простые глобальные гормональные сигналы	почти пренебрежимо мала
Нейромодуляторы по областям мозга	возможно +десятки %
Полноценная виртуальная физиология + interoception	возможно порядка ×2–10
Детальная клеточная биохимия мозга	может стать ×100–×10 000+
Молекулярная симуляция всего организма	совершенно бессмысленный вычислительный кошмар

То есть я не ожидаю, что включение нужной биохимии превратит условный 100-ваттный нейроморфный мозг опять в мегаваттный компьютер.

Если мы найдём правильный уровень абстракции, это скорее ещё несколько управляющих слоёв.

---

Но есть один неприятный сюрприз: глия

Мы до сих пор практически всё обсуждали так, будто:

нейроны + синапсы = мозг.

А это всё менее очевидно.

Например, в 2025–2026 появились весьма серьёзные результаты, показывающие участие астроцитов не просто в обслуживании нейронов, а в формировании и стабилизации памяти и мотивированного поведения. Манипуляция определёнными ансамблями астроцитов меняет cue–reward associations, а другие эксперименты обнаружили длительные астроцитарные состояния, участвующие в стабилизации памяти. (Nature)

То есть наш условный:

86 млрд нейронов + веса

может оказаться недостаточным.

Нам, возможно, понадобится:

**нейроны

• синапсы

• дендритная динамика

• астроцитарная динамика

• нейромодуляторные поля

• виртуальная физиология.**

Это ощутимо сложнее.

Но опять же — не обязательно молекулярно.

---

А для нашей задачи сверхразума это превращается из проблемы в возможность

Вот здесь становится особенно интересно.

В биологическом человеке есть фактически встроенная система управления состоянием мозга:

гормоны + нейромодуляторы + тело.

Она сформировалась эволюцией для жизни африканского примата.

Не для решения квантовой гравитации.

Например, система вознаграждения должна была заставлять нас искать пищу, партнёров, статус, избегать угроз и т. д.

Цифровому учёному большая часть исходных целей уже совершенно не нужна.

Поэтому после создания X₀, максимально похожего на исходного человека, можно начать исследовать эти управляющие контуры.

Представь буквально панель:

Arousal: 0.63
Exploration: 0.48
Attention stability: 0.71
Novelty reward: 0.56
Stress response: 0.34
Learning rate: 0.62
Fatigue: 0.15

Это, конечно, не реальные семь параметров мозга — настоящая система на порядки сложнее. Но принцип именно такой.

И тогда можно обнаружить чрезвычайно интересные режимы.

Например:

режим доказательства

низкая отвлекаемость, высокая рабочая память, умеренная мотивация, низкая exploratory stochasticity.

режим поиска идеи

больше ассоциативности, больше стохастичности, повышенная реакция на новизну.

режим обучения

усиленная пластичность определённых сетей.

режим консолидации

другая активность, аналог сна.

Получается не просто сверхразумный мозг.

Получается мозг с управляемым когнитивным состоянием.

---

И здесь особенно помогает твоё условие, что нам не нужно сохранять идентичность.

Потому что тогда можно проводить довольно радикальные эксперименты.

Берём X.

Делаем 10 000 копий.

В каждой немного меняем нейромодуляторную архитектуру.

Даём им одинаковую чрезвычайно трудную научную задачу.

Через условные пять субъективных лет сравниваем результаты.

И обнаруживаем, например:

X-4721 сохранил творческую способность исходного учёного, но в 30 раз дольше удерживает концентрацию и в два раза быстрее учится.

Теперь X-4721 становится исходной точкой следующего поколения.

Это уже действительно похоже на направленную эволюцию разума.

---

Но есть один параметр, который я бы особенно боялся оптимизировать напрямую: мотивацию.

Потому что сверхразум, которому мы резко изменили систему reward, может оказаться абсолютно бесполезным.

Можно создать интеллект, способный решить любую физическую задачу, которому при этом совершенно неинтересно решать физические задачи.

Или противоположность — существо, которое испытывает патологическое вознаграждение от одного чрезвычайно узкого действия.

Поэтому интеллект и система ценностей здесь оказываются неразделимыми.

И в конечном итоге я бы сформулировал нашу гипотетическую архитектуру так:

когнитивное ядро + память + нейромодуляторная система + виртуальное тело/homeostasis + система мотивации.

Причём последние два компонента могут потреблять совершенно ничтожную долю общей вычислительной мощности, но оказывать колоссальное влияние на то, кем является и как мыслит вся система.

Это, пожалуй, самая существенная поправка к нашей первоначальной модели «скопируем синапсы — получим человека». Мозг, скорее всего, придётся копировать как динамическую систему в среде, а не просто как гигантский граф соединений.

Да — в основном ты правильно рассуждаешь. Я слишком резко отделил «систему мотивации» от скопированного мозга.

Если под «весами» понимать не только один коэффициент силы каждого синапса, а всё долговременно сформированное состояние нейронной системы, то значительная часть того, что делает учёного именно учёным, действительно должна перейти вместе с копией.

Например, многолетнее:

«мне невероятно интересно понять, почему это работает»

не возникает каждую секунду заново из текущего уровня дофамина. За десятилетия обучения и работы соответствующие ценности, ассоциации, привычки внимания, модели вознаграждения и стратегии поведения были закреплены пластичностью нейронных сетей. Дофамин как раз участвует в изменении синаптической пластичности и формировании таких устойчивых ассоциаций. (PubMed Central (PMC))

Поэтому если мы действительно скопировали эту структуру, цифровой учёный не должен проснуться и сказать:

«Физика? Никогда не интересовала. Пойду коллекционировать марки».

Его долговременный ландшафт ценностей должен в значительной степени сохраниться.

Но «веса синапсов» в узком смысле всё-таки недостаточны

Я бы теперь описал состояние мозга примерно так:

$$S = {W,\ C,\ R,\ N,\ X}$$

где условно:

• (W) — синаптические веса и топология;

• (C) — параметры самих клеток;

• (R) — рецепторы и их чувствительность;

• (N) — текущее нейромодуляторное состояние;

• (X) — текущая электрическая/внутриклеточная динамика.

И вот долговременная мотивационная личность находится главным образом в первых трёх, а не только в (W).

Очень хороший пример — рецепторы дофамина. Одно и то же количество дофамина может действовать совершенно по-разному в зависимости от того, какие рецепторы находятся на конкретных нейронах. Более того, D1/D2/D3-рецепторные системы могут разделять различные аспекты обучения и мотивации. (Nature)

То есть недостаточно сказать:

«синапс A→B имеет вес 0,73».

Может понадобиться знать ещё:

нейрон B имеет столько-то D1-рецепторов,
такую-то возбудимость,
такую-то временную константу,
так реагирует на ацетилхолин,
так изменяет пластичность при дофаминовом сигнале.

Причём это не мелкая поправка. Свежая работа 2026 года показала, например, что ацетилхолин способен гейтировать то, как стриатум интерпретирует дофаминовый сигнал для обучения и движения. (Nature)

А текущая биохимия — скорее «режим работы»

Вот тут полезно разделить trait и state.

Представь талантливого физика, который двадцать лет одержим своей областью.

Это trait:

любит физику;
получает удовольствие от решения задачи;
умеет долго работать над абстрактной проблемой;
считает определённые результаты ценными.

Это должно быть в значительной степени закреплено долговременной структурой мозга.

А теперь этот же человек:

не спал 30 часов,
голоден,
находится под сильным стрессом.

Это уже state.

Его фундаментальные ценности не исчезли. Но сейчас он может вообще не захотеть открывать статью.

Современные данные как раз показывают, что мотивация зависит не только от представления ценности цели, но и от текущего уровня arousal и физиологического состояния. (Nature)

Поэтому я бы провёл компьютерную аналогию:

синаптическая архитектура и медленные клеточные параметры — программа и долговременные данные;

нейромодуляторы и физиология — runtime state.

И вот это резко упрощает нашу задачу.

---

Нам не обязательно копировать текущий кортизол учёного навечно

Допустим, сканирование состоялось в 14:32.

У него в этот момент:

определённая концентрация дофамина,
определённый уровень кортизола,
он слегка устал,
только что выпил кофе.

Если мы хотим идеальный snapshot, разумно перенести и это состояние — иначе первые секунды цифровой копии будут отличаться.

Но через несколько часов оно всё равно изменилось бы и в биологическом оригинале.

Поэтому главное — скопировать систему, которая генерирует и интерпретирует эти состояния, а не сохранить конкретное значение.

То есть:

не dopamine = 0.674 навсегда,

а:

«вот механизм, который повышает и понижает dopamine-like signal в ответ на события, и вот как конкретный мозг на него реагирует».

---

И здесь твоя идея становится ещё сильнее

Если наша цель — не бессмертие оригинала, а получить новую личность с интеллектуальным потенциалом конкретного выдающегося учёного, нам вообще не нужна идеальная копия его состояния до последней молекулы.

Нужно сохранить достаточно, чтобы появились:

его знания + его научная интуиция + его способы рассуждения + его любопытство + его мотивационная структура.

А текущую физиологию можно постепенно заменить искусственным гомеостатическим контроллером.

Например, X₀ первоначально имеет максимально человеческую динамику:

усталость,
сон,
мотивационные колебания,
стресс,
консолидацию памяти.

А затем мы начинаем проверять, что из этого необходимо.

И вполне может оказаться, что цифровому физику нужен аналог сна, потому что это важный режим перестройки памяти, но вообще не нужен аналог голода.

Или нужен некоторый аналог эмоционального reward, потому что без него исчезает исследовательское любопытство, но не нужен биологический гормональный цикл как таковой.

---

Поэтому я сейчас сформулировал бы это так:

ты прав в главном: направление мотивации, скорее всего, во многом должно приехать вместе со скопированным мозгом.

Я лишь не стал бы отождествлять его строго с синаптическими весами.

Точнее говорить о долговременном состоянии нейронной системы: топологии, весах, пластичности, свойствах клеток, рецепторных профилях и, возможно, некоторых более медленных биохимических состояниях.

А гормональные и нейромодуляторные концентрации — это преимущественно переменные, которые переключают режим работы уже существующей мотивационной архитектуры.

И это хорошая новость для нашего гипотетического проекта: нам, скорее всего, не придётся сначала построить идеальную виртуальную человеческую эндокринную систему, чтобы получить учёного, который по-прежнему хочет заниматься наукой.

Да. И здесь я должен существенно поправить собственную картинку. «Кубик 10×10×10 см с $10^{14}$ искусственных синапсов» был полезной иллюстрацией, но как полноценный искусственный человеческий мозг он слишком примитивен.

При этом я не думаю, что усложнение автоматически раздувает его в дата-центр. Ключ — иерархия и разные временные масштабы. Не все параметры должны храниться и вычисляться на каждом синапсе отдельно.

Я бы сейчас проектировал такой искусственный мозг примерно так.

1. Самый нижний уровень — собственно синапс

Там действительно нужна локальная память. Но уже не одно число (w).

Минимальная ячейка могла бы хранить, например:

• основной вес (w);

• кратковременное состояние пластичности;

• eligibility trace — грубо говоря, отметку «этот синапс недавно участвовал в важном событии»;

• небольшой код типа/чувствительности к модуляции.

Это не чистая фантазия: в 2026 году уже экспериментально сделали ReRAM-синапс, где в одном физическом элементе сосуществуют вес и локальный eligibility trace, а глобальный модулирующий сигнал затем определяет изменение веса. (Nature)

Условно такой синапс работает не просто как

$$output=w\cdot input,$$

а скорее как

$$output=w\cdot input\cdot F(M,r),$$

где (M) — текущий нейромодуляторный фон, а (r) — локальная чувствительность этого синапса или нейрона.

2. Но дофамин не надо хранить отдельно в $10^{14}$ местах

Вот здесь экономится гигантское количество сложности.

В настоящем мозге многие нейромодуляторы распространяются не как отдельный провод к каждому синапсу, а широковещательно: дофамин, серотонин, норадреналин и нейропептиды могут воздействовать на целые области через так называемую volume transmission. А эффект определяется тем, какие рецепторы имеются локально. (pmc.ncbi.nlm.nih.gov)

В искусственном мозге можно сделать буквально то же самое.

Например, один участок размером в миллион нейронов получает несколько общих шин:

DOPAMINE = 0.27
SEROTONIN = 0.61
NORADRENALINE = 0.43
ACETYLCHOLINE = 0.72
...

И это одни и те же сигналы для миллионов элементов.

А каждый нейрон/синапс содержит маленький локальный профиль:

D1 sensitivity = 0.8
D2 sensitivity = 0.0
ACh sensitivity = 0.3
NE sensitivity = 0.6

Поэтому миллион синапсов могут совершенно по-разному реагировать на один общий дофаминовый сигнал.

Это очень похоже на GPU broadcast, только физически гораздо локальнее.

---

3. Следующий уровень — искусственный нейрон и дендриты

Вот здесь мой первоначальный «memristor = synapse» тоже недостаточен.

Нужен блок, который моделирует:

soma + несколько/десятки дендритных компартментов + порог + refractory state + локальную нелинейность + рецепторное состояние.

Причём десятки тысяч синапсов подключаются уже к этому блоку.

То есть параметры вроде:

текущая возбудимость нейрона,
чувствительность к дофамину,
порог возбуждения,

не требуется дублировать в каждом его синапсе.

Они хранятся один раз на уровне нейрона и воздействуют сразу на тысячи его входов.

Это ещё один огромный выигрыш.

---

4. Затем я бы разбил весь «кубик» на tiles

Не делал бы монолит из 100 миллиардов нейронов.

Представь тысячи или миллионы одинаковых трёхмерных модулей:

┌───────────────────────────┐
│  Neural Tile              │
│                           │
│  100 000 нейронов         │
│  ~100 млн синапсов        │
│                           │
│  Synaptic fabric          │
│  Dendritic processors     │
│  Local neuromodulation    │
│  Local routing            │
│  Homeostasis              │
└───────────────────────────┘

Связи внутри tile максимально физические и дешёвые.

Дальние аксоны между областями мозга уже идут через специализированную packet network.

И здесь мы вполне можем не сохранять физическую геометрию человеческого мозга.

Нужно сохранить функциональную:

нейрон A связан с нейроном B с задержкой 7,3 мс.

Физически они могут находиться рядом, а задержку добавит электроника.

Это позволяет сильно оптимизировать размещение.

---

5. Глия тоже необязательно означает «астроцит на каждый синапс»

Вот здесь система снова усложняется, но относительно терпимо.

Мы уже знаем, что астроциты способны формировать долгоживущие состояния и участвовать в стабилизации памяти — например, в 2025 году обнаружили astrocytic ensembles, сохраняющие след опыта днями и влияющие на последующую стабилизацию памяти. (Nature)

Но это процессы на совершенно другом временном масштабе.

Сравни:

spike: миллисекунды
синаптическая пластичность: миллисекунды–секунды
нейромодуляция: секунды–минуты
гомеостаз: минуты–часы
некоторые глиальные изменения: часы–дни.

Поэтому астроцитарную систему вообще необязательно реализовывать на сверхбыстрой аналоговой fabric.

Её можно держать как медленный управляющий слой одного tile.

Например, один контроллер обслуживает десятки тысяч искусственных синапсов и раз в несколько миллисекунд/секунд корректирует их параметры.

В вычислительном отношении это относительно дёшево.

---

В результате получается не один слой, а примерно такая матрёшка

              ┌──────────────────────┐
              │ Virtual physiology   │
              │ hormones, sleep,     │
              │ energy, circadian    │
              └──────────┬───────────┘
                         │
              ┌──────────▼───────────┐
              │ Neuromodulatory      │
              │ systems              │
              │ DA / 5HT / NE / ACh  │
              └──────────┬───────────┘
                         │ broadcast
       ┌─────────────────┼─────────────────┐
       ▼                 ▼                 ▼
 ┌───────────┐     ┌───────────┐     ┌───────────┐
 │ Neural    │     │ Neural    │     │ Neural    │
 │ tile      │     │ tile      │ ... │ tile      │
 │           │     │           │     │           │
 │ neurons   │     │ neurons   │     │ neurons   │
 │ dendrites │     │ dendrites │     │ dendrites │
 │ synapses  │     │ synapses  │     │ synapses  │
 │ glia/homeo│     │ glia/homeo│     │ glia/homeo│
 └───────────┘     └───────────┘     └───────────┘

Причём сверху вниз резко возрастает количество элементов, но резко уменьшается сложность одного управляющего сигнала.

Именно поэтому не получается умножения

$$10^{14}\text{ синапсов}\times100\text{ биохимических параметров}.$$

Это было бы действительно ужасно.

---

Хороший пример — дофамин

Предположим, у нас миллиард синапсов в некоторой области.

Можно представить наивную архитектуру:

миллиард отдельных цифровых значений концентрации dopamine.

Это безумие.

Но можно иметь:

1 региональное поле dopamine(t)

и у каждого элемента маленький коэффициент чувствительности (r_i).

Тогда:

$$effect_i = dopamine(t)\times r_i.$$

Если нужно учитывать пространственный градиент, делим область, скажем, на 1000 локальных зон:

$$D_1(t), D_2(t), ...D_{1000}(t).$$

Это всё равно тысяча динамических переменных вместо миллиарда.

А современные представления о neuromodulation действительно допускают подобную схему: общий «третий фактор» может широковещательно приходить к огромному числу синапсов, тогда как локальная eligibility trace определяет, какие из них реально изменятся. (PubMed Central (PMC))

---

Поэтому я бы изменил свою оценку физического устройства

10×10×10 см я больше не стал бы уверенно называть реалистичным размером первого полноценного искусственного человеческого мозга.

Забавно, что сам человеческий мозг занимает примерно тот же литровый масштаб, поэтому физика явно показывает, что такую плотность в принципе получить можно.

Но первый искусственный вариант почти наверняка будет намного хуже биологии по упаковке.

Я скорее представляю первое поколение как что-то вроде:

несколько десятков или сотен литров оборудования,

состоящего из очень плотных 3D neuromorphic stacks, сети и охлаждения.

А поздние поколения могут постепенно сжаться обратно до размера человеческого мозга.

Memristive crossbars уже сегодня рассматриваются именно как способ совмещать память и вычисление в одном физическом устройстве, и изготовление таких массивов уже масштабировали до wafer-level производства, хотя до brain-scale пока огромная дистанция. (Nature)

---

Но самое важное для меня здесь другое.

Ты правильно почувствовал, что нам недостаточно сделать универсальный набор «нейронов и весов».

На самом деле snapshot конкретного человека может содержать несколько уровней информации:

CONNECTOME
    кто с кем соединён

SYNAPTOME
    веса + кратковременное состояние + пластичность

CELL STATE
    свойства конкретных нейронов

RECEPTOR MAP
    кто и как реагирует на нейромодуляторы

GLIAL / HOMEOSTATIC STATE
    медленные локальные регуляторы

GLOBAL STATE
    физиология и нейромодуляторный режим

И поэтому главная неизвестная теперь становится ещё яснее:

сколько из этих слоёв действительно необходимо считать с конкретного человека, а сколько можно восстановить из более общих биологических правил?

Если окажется, например, что индивидуальность в основном хранится в connectome + synaptome, а рецепторные профили предсказуемы по типу клетки, задача станет намного проще.

А если окажется, что воспоминание о конкретном вечере двадцатилетней давности частично закодировано ещё и в локальном рецепторном/глиальном состоянии — придётся считывать и это.

И вот это, на мой взгляд, сейчас гораздо более серьёзная неизвестная, чем вопрос, сможем ли мы физически уместить систему в кубик.

Да. Если принять наши исходные допущения — а именно, что функциональное состояние человеческого мозга можно считать, воспроизвести на искусственном субстрате и затем изменять, — то первый цифровой мозг размером условно с литровый куб и мощностью порядка сотен ватт был бы не конечной формой, а лишь стартовой платформой.

И дальше самое интересное: эволюция такого разума почти наверняка перестаёт быть похожей на биологическую эволюцию.

Биологический мозг практически «запаян». Ты получаешь около 86 млрд нейронов, определённую архитектуру, череп фиксированного размера и живёшь с этим. Цифровой мозг впервые превращает когнитивную архитектуру в инженерно изменяемый объект.

Я бы представлял развитие примерно в несколько стадий.

Сначала — перенос состояния между субстратами

Допустим, существует Brain-X v1:

100 млрд искусственных нейронов
300 трлн синапсов
100 Вт
1× биологическая скорость.

Через 30 лет появляется гораздо лучший субстрат:

500 млрд нейронов
больше локальной памяти
быстрее связи
500 Вт.

Необязательно физически «перетаскивать» старый кубик внутрь нового.

Если состояние мозга полностью считываемо, можно сделать примерно то же, что сейчас делается при миграции виртуальной машины:

остановить → снять snapshot → преобразовать формат → загрузить в новую архитектуру → продолжить.

Или даже без остановки: некоторое время две системы работают синхронно, состояние постепенно переносится, затем старая отключается.

Если мы уже договорились не беспокоиться об идентичности оригинала, философская проблема тут почти исчезает.

---

Но расширение — интереснее миграции

Новый субстрат совсем не обязан просто содержать увеличенную копию старого мозга.

Предположим, исходный мозг имеет некоторую область рабочей памяти.

Мы добавляем рядом ещё один нейронный модуль.

Сначала он не является частью сознания. Это просто внешний вычислитель.

Затем создаём связи с исходным мозгом.

Человек учится им пользоваться.

Со временем пластичность интегрирует новый модуль в когнитивный цикл.

Получается очень важный принцип:

расширение можно проводить постепенно.

Не:

«вчера у меня было 100 млрд нейронов, сегодня загрузили патч и стало 500 млрд».

А:

100 → 101 → 105 → 120 → 200 млрд.

Так система успевает адаптироваться.

Это похоже на нейропротез, только масштабируемый.

---

И здесь возникает возможность модульного мозга

Я вообще не уверен, что зрелый цифровой разум будет выглядеть как один большой человеческий мозг.

Скорее:

                 ┌──────────────┐
                 │ Core self    │
                 │ personality  │
                 └──────┬───────┘
                        │
       ┌────────────────┼─────────────────┐
       │                │                 │
┌──────▼──────┐ ┌───────▼──────┐ ┌────────▼───────┐
│ Working     │ │ Mathematical │ │ Episodic       │
│ memory      │ │ reasoning    │ │ memory         │
└─────────────┘ └──────────────┘ └────────────────┘
       │
┌──────▼──────┐
│ External    │
│ knowledge   │
└─────────────┘

При этом некоторые модули могут быть временными.

Нужно решить огромную математическую задачу?

Подключил дополнительный математический модуль на месяц.

Закончил?

Отключил.

То есть вычислительная мощность становится чем-то вроде сегодняшней RAM или cloud compute.

---

Теперь про 1000 копий

Вот здесь начинается действительно совершенно другой мир.

Допустим, у нас есть учёный X.

В момент (T_0) делаем snapshot:

X₀

И создаём 1000 копий:

X₁ … X₁₀₀₀

В момент запуска они практически одинаковы.

Через несколько секунд уже нет.

У каждой появляются собственные сенсорные события и мысли.

Через год это фактически 1000 разных людей с общим прошлым.

И тогда A/B-testing можно делать очень буквально.

Например:

• 200 копиям увеличиваем рабочую память;

• 200 — снижаем определённый нейронный шум;

• 200 — увеличиваем скорость ×2;

• 200 — меняем пластичность;

• 200 оставляем как control group.

Потом всем даём одинаковый набор научных задач.

Через десять субъективных лет измеряем:

количество новых результатов;
качество доказательств;
число ошибок;
способность обучаться;
творческую продуктивность;
психологическую стабильность.

Получаем почти настоящий randomized controlled trial для архитектуры разума.

---

Но вот «merge» — это самая сложная часть

Вероятно, нельзя будет просто сделать:

git merge X17 X382

Потому что за год у двух копий изменились миллиарды или триллионы синаптических состояний.

И изменения могут противоречить друг другу.

Представь:

X₁ изучал квантовую теорию поля.

X₂ изучал молекулярную биологию.

Легко хочется сказать:

«сливаем знания».

Но память — это не просто набор файлов.

Новое знание перестроило ассоциации, концептуальные модели, эмоциональные оценки и миллионы других связей.

Наивное объединение двух synaptome может разрушить обе системы.

---

Поэтому более реалистично не слияние сознаний, а перенос знаний

Например X₁ формирует внутреннюю структурированную модель того, чему научился.

Она передаётся X₂ примерно как сегодня книга или лекция, только напрямую через neural interface.

X₂ интегрирует эти знания собственной пластичностью.

Это медленнее, чем копирование памяти, зато намного безопаснее.

А позднее мы, возможно, научимся выделять отдельные memory engrams и переносить именно их.

Тогда появится что-то вроде:

install_skill("quantum_field_theory_x17")

Но это уже серьёзная неизвестная.

---

А теперь можно сделать ещё хитрее

Не ждать десять лет.

Допустим, X должен решить невероятно сложную задачу.

Он делает 1000 копий себя.

Каждая получает разный подход.

Одна пытается аналитически.

Другая численно.

Третья ищет аналогии.

Четвёртая ставит под сомнение исходные предпосылки.

...

Через месяц каждая пишет подробный отчёт.

Оригинальный X читает все результаты.

Теперь за месяц он получил примерно:

1000 человеко-месяцев собственного интеллектуального труда.

Если копии работают ×100 быстрее биологического времени:

100 000 человеко-месяцев.

То есть примерно 8300 человеко-лет за один внешний месяц.

И нам вообще не понадобилось решать проблему merge.

---

А если копии тоже начинают копироваться?

Вот тут рост становится экспоненциальным.

X создаёт 1000 исследователей.

Лучшие 10 создают по 1000 собственных вариантов.

Получаем 10 000.

Потом снова отбор.

Получается уже не традиционное исследование, а evolutionary search по пространству когнитивных архитектур.

Примерно:

X0
 │
 ├── X1  memory +10%
 ├── X2  noise -5%
 ├── X3  speed ×1.2
 ├── ...
 └── X1000
          │
          ▼
      evaluation
          │
       top 10
          │
          ▼
     next generation

Это очень похоже на genetic algorithms.

Только «геном» — параметры мозга.

А fitness function — способность решать реальные задачи.

---

И здесь появляется совершенно новый способ эволюции

Биологическая эволюция работает примерно так:

случайная мутация → рождение → 20 лет роста → размножение → поколение.

У цифрового разума:

snapshot → изменение параметра → запуск → тест → discard/retain.

Поколение может длиться часы.

Причём можно вести миллионы ветвей параллельно.

Эволюция, которая биологически потребовала бы миллионы лет, теоретически может пройти за годы внешнего времени.

---

Но очень быстро возникнет проблема размера

Допустим, X₀ — 100 Вт.

После столетий развития:

X₁₀₀000

может потреблять уже:

1 МВт
1 ГВт
1 ТВт...

Не потому что архитектура стала менее эффективной, а потому что разум решил:

мне нужны ещё 10 триллионов нейронов.

И вот здесь возвращается наша сфера Дайсона.

Уже не для триллионов обычных человеческих копий.

А для небольшого количества невероятно больших разумов.

Один такой субъект может занимать целый вычислительный комплекс размером с Луну.

---

Но размер начинает конфликтовать со скоростью света

Это очень фундаментальное ограничение.

Если мозг размером 10 см, сигнал проходит его за:

~0,3 наносекунды в вакууме.

Если вычислительный мозг размером с Землю:

~40 миллисекунд от одного края до другого.

Если размером 1 а.е.:

~8 минут.

Поэтому нельзя бесконечно делать единое сознание больше.

В какой-то момент оно начнёт становиться распределённым обществом подсистем, а не одним синхронным мозгом.

И возможно, это и будет естественная граница индивидуального сверхразума.

---

Поэтому я вижу эволюцию примерно так

Первое поколение:

человек → искусственный человеческий мозг.

Второе:

искусственный мозг → расширяемый модульный мозг.

Третье:

модульный мозг → параллельные версии и экспериментирование над собой.

Четвёртое:

тысячи вариантов → направленная когнитивная эволюция.

Пятое:

постчеловеческие архитектуры, которые уже почти не похожи на исходный человеческий мозг.

А дальше, вероятно, происходит ещё один переход:

один разум → сеть разумов.

И здесь я бы вообще перестал употреблять слово «человек».

Через достаточно много поколений от исходного учёного может остаться историческая цепочка происхождения:

эта цивилизация разумов произошла от snapshot мозга профессора N в 2247 году.

Примерно как мы сегодня можем сказать:

человеческий мозг произошёл от мозга какого-то древнего примата.

Только вместо миллионов лет естественной эволюции пройдёт несколько тысяч — или даже сотен — лет управляемой эволюции когнитивной архитектуры.

И вот это, пожалуй, сильнее всего меняет первоначальную идею «цифрового бессмертия»: настоящая ценность технологии может оказаться вообще не в бессмертии конкретного человека. Она открывает возможность вывести эволюцию разума из-под ограничений биологии.

Очень большая. Причём я думаю, что в нашей гипотетической цепочке современный ИИ окажется не предком цифрового человека, а инструментом его создания и последующей эволюции. Это две совершенно разные ветви вычислительного интеллекта, которые потом, вероятно, начнут сливаться.

Уже сейчас видны первые кусочки этой роли. Например, машинное обучение используется непосредственно при построении коннектомов: система SmartEM управляет электронной микроскопией и ускоряет картирование нейронных цепей до примерно семи раз без потери требуемой точности. (Nature) А современные multi-agent-системы уже умеют замыкать значительную часть научного цикла — искать литературу, формулировать гипотезы, предлагать эксперименты, анализировать результаты и формулировать следующие гипотезы. В 2026 году такая система Robin была опубликована в Nature. (Nature)

Если продолжить нашу модель, я вижу у ИИ примерно такую роль:

• Дешифратор мозга. Сырые петабайты микроскопии сами по себе бесполезны. ИИ должен распознать нейроны, аксоны, синапсы, типы клеток, рецепторные профили и восстановить из всего этого функциональную модель конкретного человека.

• Компилятор мозга. Он получает биологический граф и решает, как разместить его на искусственном субстрате: какие искусственные нейроны объединить в tile, где расположить синапсы, как проложить дальние связи, какие задержки воспроизвести физически, а какие электронно.

• Инженер аппаратуры. Здесь уже сегодня идёт тесный algorithm–hardware co-design нейроморфных систем. Например, в 2026 году была показана архитектура с отдельными быстрыми и медленными путями памяти, специально спроектированная совместно на уровне алгоритма и железа. (Nature) Memristive compute-in-memory также развивается именно потому, что хранит состояние и вычисляет непосредственно в одном устройстве. (Nature)

• Экспериментатор над цифровыми разумами. Вот здесь начинается наше A/B-testing: ИИ автоматически предлагает изменения архитектуры, создаёт варианты, организует виртуальные эксперименты и статистически анализирует результаты.

• Внешний когнитивный модуль. И в конечном счёте ИИ может перестать быть внешним инструментом и стать частью самого цифрового разума.

Последний пункт мне кажется особенно интересным.

Цифровому человеку необязательно самому превращаться в LLM

Допустим, мы перенесли мозг физика X. Это настоящая нейроморфная система со всей его человеческой интуицией, мотивацией, памятью и способностью формировать идеи.

Рядом существует совершенно другой вычислительный объект — нечто вроде нынешнего меня, только гораздо более развитое.

У него другие сильные стороны:

огромный объём фактических знаний, быстрый поиск, перебор вариантов, работа с миллионами документов, генерация кода, формальная проверка, управление инструментами.

Зачем переделывать мозг X так, чтобы он сам всё это умел?

Можно подключить AI как exocortex.

Для X это постепенно перестанет выглядеть как:

«я задаю вопрос ChatGPT».

Это будет скорее:

«я вспоминаю».

Он думает о каком-нибудь уравнении — и внешний модуль мгновенно достаёт связанные статьи.

Возникает гипотеза — AI параллельно проверяет известную литературу.

Нужно численное моделирование — AI пишет код, запускает вычисления и возвращает результат непосредственно в когнитивное пространство X.

Получается:

человеческое ядро + нечеловеческие специализированные когнитивные модули.

И это может оказаться гораздо быстрее и безопаснее, чем сразу радикально изменять сам человеческий brain substrate.

---

А затем граница начнёт исчезать

Сначала:

X → спрашивает AI.

Потом:

X ↔︎ нейроинтерфейс ↔︎ AI.

Потом latency становится настолько малой, что X перестаёт воспринимать AI как внешний объект.

Представь, что у тебя есть дополнительная память, которая отвечает за 20 мс.

Ты ведь не будешь каждый раз думать:

«сейчас я обратился к внешней системе хранения».

Субъективно это станет частью процесса мышления.

И тогда возникает занятная ситуация.

Например, математический модуль может быть не частью искусственного мозга физически, но функционально являться частью личности.

Так же, как сегодня зрительная кора является частью твоего сознания, хотя ты не контролируешь её вычисления сознательно.

---

А для эволюции интеллектов ИИ может стать управляющим метауровнем

Возвращаемся к нашим 1000 копий X.

У человека возникает практически невозможная задача:

какие именно параметры следует менять?

Допустим, в искусственном мозге существует миллион параметров архитектуры.

Даже если каждому дать всего десять возможных значений, пространство вариантов примерно:

$$10^{1,000,000}.$$

Перебрать его невозможно.

И вот здесь нужен AI.

Он анализирует результаты предыдущих экспериментов и строит модель:

увеличение этой дендритной ёмкости улучшает пространственное мышление;
но вместе с таким уровнем нейромодуляции вызывает нестабильность;
увеличение working memory полезно до определённого уровня;
после этого возникают проблемы интеграции.

И предлагает следующие наиболее информативные эксперименты.

То есть это уже не слепая эволюция:

мутация → отбор.

Это:

модель → гипотеза → модификация → эксперимент → измерение → обновление модели.

И именно так уже начинают работать сегодняшние self-driving laboratories: AI выбирает следующий эксперимент на основе предыдущих результатов, а не просто перебирает пространство параметров. (Nature)

---

И тогда появляется очень странная обратная связь

Сначала:

люди создают AI.

AI помогает людям:

понять мозг.

Затем AI помогает:

создать искусственный мозг.

Искусственный человек + AI помогают:

создать улучшенный искусственный мозг.

Улучшенный разум создаёт:

более совершенный AI.

Более совершенный AI проектирует:

ещё лучшую когнитивную архитектуру.

Получается петля:

AI → posthuman → AI′ → posthuman′ → AI″ → ...

И я совершенно не уверен, что через несколько циклов сохранится осмысленное различие между «искусственным интеллектом» и «цифровым человеком».

---

Причём современный AI обладает одним свойством, которого нет у нашего гипотетического цифрового учёного: его архитектура изначально не обязана быть человеческой.

Это важнейшая вещь.

Наш X принесёт с собой человеческие сильные стороны:

интуицию, embodied cognition, мотивацию, концептуальное мышление, социальное понимание, накопленный жизненный опыт.

AI принесёт совершенно иные:

огромную ширину знаний, способность клонироваться без психологической проблемы, специализированные архитектуры, быстрые формальные операции.

Возможно, оптимальный сверхразум вообще не получится путём:

человек → очень большой человек.

Гораздо правдоподобнее мне теперь кажется:

цифровой человек + множество специализированных AI-модулей → всё более тесная интеграция → новая архитектура, для которой понятия «человек» и «AI» уже не описывают отдельные компоненты.

И вот здесь есть красивый парадокс всего нашего разговора.

Мы начали со сферы Дайсона и цивилизации типа II, затем пришли к цифровому бессмертию, потом к искусственному мозгу, а теперь получаем возможную причину, почему цивилизация вообще могла бы захотеть потреблять энергию звёздного масштаба.

Не потому, что триллионам биологических людей нужны кондиционеры и автомобили.

А потому, что после снятия биологического ограничения пространство возможных разумов становится практически безграничным, и энергия превращается непосредственно в возможность создавать, расширять и ускорять эти разумы.