Cómo el Pentágono llevó a Silicon Valley a la guerra con AI: la historia de Project Maven

Пентагон больше десяти лет целенаправленно строил AI-инфраструктуру для войны, вербуя Кремниевую долину в подрядчики по распознаванию целей и обработке разведывательных данных. Книга «Project Maven», фрагмент которой опубликовал Bloomberg, впервые подробно рассказывает об этой истории — от первых контрактов с Google до боевых испытаний в Иране.

Как

Google стала и вышла из проекта Project Maven запустили в 2017 году с относительно скромной задачи: обучить алгоритмы анализировать видеозаписи с беспилотников и автоматически классифицировать объекты на земле. Первым крупным подрядчиком стала Google. Контракт почти сразу вызвал громкий внутренний скандал: более четырёх тысяч сотрудников подписали открытое письмо с требованием выйти из проекта, несколько менеджеров и старших инженеров уволились публично, объясняя решение этическими принципами.

В 2018 году Google официально объявила об отказе от военных AI-контрактов. Пентагон отреагировал спокойно: контракты перераспределили между теми, кто был готов работать. Palantir, Anduril, Microsoft, Leidos и десятки оборонных стартапов заняли освободившееся место.

Примечательно: часть новых компаний основали именно те инженеры, которые ушли из Google по этическим соображениям, а потом всё же вернулись в нишу — но уже как предприниматели. Кремниевая долина разделилась, но не отказалась от военного рынка.

Что умеют системы Maven сегодня С 2017 года масштаб задачи вырос многократно.

Первые алгоритмы распознавали автомобили и здания на нечётком видео с дронов. Современные системы работают иначе: Идентификация объектов в реальном времени по потокам с нескольких источников одновременно Отслеживание паттернов передвижения конкретных людей и транспортных средств Автоматическая приоритизация угроз с подготовкой рекомендаций для операторов Интеграция с командными системами — вплоть до автоматической постановки боевых задач * Предсказательная аналитика по вероятным действиям противника на основе исторических данных Ключевое преимущество перед аналитиком-человеком — скорость. Видеозапись, которую специалист просматривает часами, алгоритм обрабатывает за минуты. Это сокращает военную петлю OODA — «наблюдение, ориентация, решение, действие» — с часов до секунд. Именно здесь главное противоречие: чем быстрее принимаются решения, тем меньше времени остаётся на их проверку и переосмысление.

Иран: боевые условия вместо учений

Bloomberg описывает иранский конфликт как первое серьёзное применение всей этой инфраструктуры в реальной боевой обстановке. Американские военные задействуют системы Maven в масштабе, которого раньше не было нигде, кроме учений и компьютерных симуляций.

«Боже, это пугающе» — говорит один из участников программы.

Его пугает не сама технология, а скорость, с которой военные перестают осторожничать при её применении. Критики фиксируют системный риск: когда алгоритм ошибается в гражданской зоне, цену платят люди. Юридическая ответственность при этом размыта — кто несёт её, разработчик системы, оператор или командование? Международных прецедентов на этот счёт пока не существует, и никто не торопится их создавать. Сторонники приводят контраргумент: алгоритм, работающий без усталости и стресса, статистически ошибается реже человека-аналитика. Дискуссия продолжается, пока системы уже работают в поле.

Что это значит Project Maven больше не эксперимент — это стандарт.

Другие страны изучают американский опыт и строят аналоги. Для AI-индустрии сигнал однозначный: военный рынок открыт и хорошо оплачивается, а этические дискуссии 2018 года больше не блокируют контракты. Граница между разработкой технологических продуктов и созданием систем вооружения стала тоньше, чем когда-либо прежде — и это касается каждого, кто работает с AI.