Голливудская звезда Хеди Ламарр считалась в свое время красивейшей женщиной мира. А родилась актриса в Вене, где и сделала первые шаги на кинематографическом поприще. Пройдемся по следам юной Хедвиги Кислер – ведь именно так когда-то звали знаменитую кинодиву.
Жизнь кинодивы и изобретательницы
Хедвига Ева Мария Кислер росла в Вене, в зажиточной семье, окруженная людьми, имевшими отношение к искусству. В 1937 г. молодая актриса эмигрирует в Нью-Йорк, где по совету главы MGM Луиса Майера меняет имя на «Хеди Ламарр». Тот в своих картинах начинает подавать ее как «самую красивую женщину мира», и актриса действительно очаровывает зрителей обоих полов направо и налево. Мужчины мечтают на ней жениться (что удается за всю ее жизнь шестерым из них), а женщины равняются на ее стиль.
Помимо кинематографической карьеры, которая позднее окончилась забвением, Ламарр успела родить троих детей, а также отличиться в качестве изобретательницы. В 1942 г. она запатентовала технологию «прыгающих частот» – одну из тех, что позднее легли в основу современной беспроводной связи. Когда десятилетия спустя, в конце 90-х, вдруг осознали, что Ламарр в сотрудничестве с композитором Джорджем Антейлом выдумала такую полезную вещь, бывшая первая красавица мира обрела новую славу и снискала признание в качестве «леди Блютус». Ее прах был перевезен из США и захоронен на Центральном кладбище Вены, где над ним установлено памятное надгробие.
Хеди Ламарр как пример для юных исследовательниц
Когда-то Хеди Ламарр считалась в киноиндустрии «самой красивой женщиной мира», однако сегодня ее знают еще и как провозвестницу блютуса. Родилась актриса в Вене в 1914 г., а с 2018 г. в столице Австрии присуждают премию Хеди Ламарр. Причем вручают ее не актерам, а женщинам, оказавшим заметное влияние на развитие цифровых технологий. В 2020 г. лауреатом премии стала Лаура Ненци, ученая из Венеции. В настоящее время она занимается научными исследованиями в Институте компьютерной техники при Венском техническом университете, где изучает логику искусственного интеллекта. Ее цель – лучше объяснять модели машинного обучения, чтобы научиться предсказывать поведение киберфизических систем.