Aspiring Data Science

#math #ai "OpenAI  заявила, что её ИИ решил одну из семи знаменитых Задач тысячелетия — проблему существования и гладкости решений уравнений Навье — Стокса, над которой математики бились десятилетиями. Эти уравнения описывают движение жидкостей и газов, но до сих пор никто не мог доказать, всегда ли их гладкие решения остаются такими сколь угодно долго или при определённых условиях скорость потока может за конечное время неограниченно возрасти. ИИ OpenAI построил пример второго варианта: изначально покоящаяся жидкость под действием плавно меняющейся внешней силы образует всё сильнее стягивающийся вихрь, скорость которого за конечное время растёт без ограничений. При этом общая энергия жидкости остаётся конечной. Если доказательство выдержит независимую проверку, это закроет одну из главных нерешённых математических проблем современности. Масштаб вычислений впечатляет. Над задачей одновременно работала система примерно из 10 тысяч ИИ-агентов на базе ещё не выпущенной модели OpenAI со способностями выше, чем у GPT-6 Astra. За 88 часов агенты обменялись 2,7 млн сообщений и нашли решение, после чего GPT-6 Astra потратила ещё 17 часов, чтобы формализовать доказательство и проверить его в математической системе Lean. Но открытие сразу обернулось скандалом. Математик Тристан Бакмастер из Нью-Йоркского университета и сотрудник Anthropic Левент Альпёге ранее получили важный результат для близких уравнений Эйлера, который рассматривался как шаг на пути к решению проблемы Навье — Стокса. В своей работе они пользовались Codex, а OpenAI начала собственный штурм Задач тысячелетия, узнав об их успехе. Поэтому Бакмастер заподозрил, что содержимое их сессий в Codex с неопубликованными наработками могло каким-то образом повлиять на модель OpenAI. OpenAI это отрицает и утверждает, что её сотрудники и ИИ-агенты не видели материалов исследователей и пришли к результату независимо. Однако исключить влияние обезличенных данных, полученных при использовании её продуктов, компания не может. В итоге история превратилась ещё и в спор о том, насколько безопасно доверять ИИ не опубликованные научные идеи. Окончательную точку предстоит поставить математикам: опубликованное доказательство должно пройти независимую проверку. OpenAI заранее заявила, что не собирается претендовать на премию в $1 млн, предусмотренную за решение задачи."

NVIDIA договорилась приобрести Hugging Face за необычно точную сумму: $12 930 300 000. Такая точность оказалась намерением спрятать сразу две пасхалки: 🤗 129303 - десятичное представление Unicode-кода U+1F917, соответствующего смайлику Hugging Face. 🟢 #129303 - HEX-код цвета, удивительно похожего на корпоративный цвет NVIDIA. Удивительно даже не то, что NVIDIA может себе позволить накинуть 30 лямов за пасхалку, а то, что код смайлика совпал с кодом корпоративного цвета NVIDIA - хочешь не хочешь, начнешь задумываться о теориях заговора ))

#ai https://www.youtube.com/watch?v=eBq8Ilj78MI

#math #ai "Доказательство теоремы в 1995 году разработал математик Эндрю Уайлс (Andrew Wiles) — оно занимает 129 страниц, а на его проверку требуются несколько месяцев работы. В рамках исследовательского проекта Anthropic удалось формализовать доказательство Уайлса, то есть преобразить его в форму, которую можно проверить на компьютере. Формализованное доказательство представляет собой код, написанный на языке программирования Lean — его размер составляет 13 млн строк, и это самый большой объём за всю историю. Формализация сложна, потому что доказательства, как правило, довольно лаконичны — в ней отсутствуют некоторые пояснения, необходимые компьютеру для понимания, что требует добавлять их вручную. Аргументы в доказательстве часто вытекают друг из друга, то есть ошибка в одной строке Lean может сделать недействительным весь последующий код. Математики предполагали, что формализация доказательства Уайлса займёт несколько лет, но исследовательская модель Anthropic выполнила задачу за 11 дней — это был алгоритм, сопоставимый с общедоступной моделью Claude Fable 5.1. Модель выполнила задачу, используя лишь ограниченный объём высокоуровневых данных. Она запустила несколько десятков агентов, которые сгенерировали 6 млрд токенов выходных данных и в процессе доказали 29 500 промежуточных теорем. Первая попытка закончилась неудачей, прорыва удалось добиться, когда Claude открыли доступ к платформе Prove2Me." https://3dnews.ru/1148027/anthropic-claude-formalizoval-dokazatelstvo-velikoy-teoremi-ferma

#mystery Собрал флэш рояль плохих предзнаменований в кодинге.

#goodreads #asimov

#wisdom Задумался, что показателем зрелости IT-специалиста является его возможность немедленного извлечения выгод от предоставления ему бесплатного компьюта - будь то CPU\GPU\LLM tokens. Вот если вам предоставили подобные ресурсы бесплатно прямо сейчас, и вы можете за минуты начать извлекать из этого выгоду - ваши рабочие процессы отлажены и зрелы.

#hardware #cpu #intel Сравнение CPU от Intel за 2015-2026 годы. https://3dnews.ru/1147323/10-flagmanov-intel-za-10-let

#hardware "Свои первые тензорные процессоры TPU компания Google представила в 2015 году. В этом году она анонсировала сразу два чипа: TPU 8t для обучения ИИ-моделей и TPU 8i для инференса. При проектировании чипов особое внимание уделяется интеграции скоростных сетевых каналов обмена данными, чтобы масштабирование в кластерах получалось максимально эффективным. В собственной инфраструктуре Google способна объединять до 1 млн TPU. Материнская корпорация Alphabet на развитие этой инфраструктуры в текущем году готова выделить до $205 млрд. Чипы TPU будут продаваться и сторонним заказчикам. Формальная конкуренция с Nvidia не мешает Google продолжать закупки ускорителей этой марки для собственных нужд." https://3dnews.ru/1147846/google-razognala-razrabotku-iichipovtpu-teper-budut-obnovlyatsya-dvagdi-v-god-no-i-etogo-moget-bit-malo

Свежая работа по ИИ в математических доказательствах от Google DeepMind (AlphaProof) Успехи ИИ в решении серьёзных математических задач уже мало кого удивляют, но новая работа Google DeepMind интересна не только результатами, а тем, как именно они были получены. Исследователи представили AlphaProof Nexus — систему, где LLM перестаёт быть просто генератором текста и начинает работать как полноценный агент внутри среды с обратной связью. Это важный сдвиг. Главная проблема обычных LLM — галлюцинации. Для математики это критично: одна ошибка ломает всё доказательство. Но вместо попыток «сделать модель аккуратнее» исследователи изменили сам процесс работы ИИ. Ключевая идея в том, что модель больше не работает в вакууме. Теперь у неё есть внешняя система проверки, которая может мгновенно подтвердить или опровергнуть каждый шаг рассуждений. Для этого используется Lean — язык формальных математических доказательств, где каждое утверждение проходит строгую автоматическую верификацию компилятором. Получается такой цикл: — модель предлагает следующий шаг доказательства; — система проверки валидирует его; — при ошибке агент получает точную обратную связь; — корректирует стратегию; — и продолжает поиск решения. То есть система работает уже не как чат-бот, выдающий ответ за один проход, а как агент, взаимодействующий со средой и постоянно адаптирующий свои действия. Именно это сейчас становится одним из главных направлений развития ИИ: не просто “больше нейронных связей”, а появление циклов генерация → проверка → обратная связь → исправление → новая попытка. По сути, модель получает нечто похожее на настоящий исследовательский процесс. Результаты при этом очень серьёзные: — решены 9 открытых задач Эрдёша; — доказаны 44 гипотезы из OEIS; — найден контрпример к одной из гипотез Бена Грина; — продвинут 15-летний спор в алгебраической геометрии. Но, возможно, главный вывод работы даже не в математике. Похоже, что следующий этап развития ИИ — это не «ещё более умные чат-боты», а системы, которые умеют: — долго работать над задачей; — проверять себя; — использовать внешние инструменты; — хранить промежуточное состояние; — и постепенно улучшать собственное решение. Именно это и называют переходом к агентному ИИ. 📄 Статья: https://arxiv.org/abs/2605.22763v1?ref=airadar.one 🔗 GitHub с полученными доказательствами: https://github.com/google-deepmind/alphaproof-nexus-results #AIAndMath #GoogleDeepMind #AlphaProof

Про 🇩🇪 Германию для жизни Страна конкурирует с Испанией за первое место по числу новых внж россиянам, а по живущим там - безоговорочный лидер: 220 тыс vs второе место Испании с 116 тыс. И это не считая тех, кто уже немецкий гражданин (таких сотни тысяч). Короче говоря, популярное направление! 1️⃣ Начну с важного: в Германию переехать намного проще, чем во многие другие страны ЕС. Уже несколько лет есть виза "Chancenkarte", которая позволяет жить в стране год для поиска работы. Очень низкий порог квалификации (почти любой айтишник с высшим образованием проходит) + нужно иметь деньги на жизнь в течение года (12-13 тыс евро). Всего за 2025 год выдано 17.5 тыс виз, из них россиянам около 1 тыс. Плюс есть "виза фрилансера" и другие варианты. Короче говоря, начать свой путь в ЕС с Германии и карты шансов - разумнее, чем сидеть в Белграде или Тбилиси. Можно получить визу, спокойно обустраивать жизнь и искать пути - работа в Германии или нет, переезд в другую страну ЕС или нет (с действующей визой Германии это намного проще). 2️⃣ В Германии недорого! Если это не Мюнхен, Гамбург, Берлин и другие крупные города. Вспомним пост с примером покупки целой квартиры 68м2 за 8 тыс евро 🙂 Аренда студии в маленьком городе с хорошей инфраструктурой и транспортной доступностью может стоить меньше 500 евро/мес. 3️⃣ Для меня Германия интереснее, чем страны Северной Европы, Нидерланды и уж тем более Чехия, Польша, Венгрия и т.д. Германия суперпредсказумая, надежная, можно спланировать свою жизнь до пенсии. Есть много людей, особенно тревожных, для кого такая понятность будет огромным плюсом. Шансы прожить обычную спокойную западноевропейскую жизнь в Германии наиболее велики. Плюс хороший средний уровень образования для детей, хорошая медицина и соцобеспечение, быстрый путь до паспорта и т.д. Сделаю оговорку: у меня нерациональная любовь к Германии и особенно Берлину, потому что под Берлином я провел почти 6 лет своего детства, в постсоветском военном городке (пост). Но я делаю поправку на свою любовь к Германии. 4️⃣ Не мне вам объяснять, что Берлин - ультрахипстерский город с кучей молодых интересных англоговорящих tech-экспатов. Большинству айтшиников такое заходит. И если нет тяги к теплому климату и морю, то где ru-айтшинику будет лучше? 5️⃣ Мы все читали негативные отзывы о жизни в Германии, но отчасти это обусловлено популярностью страны у россиян. А еще многим не заходит "казарменность" - жизнь по правилам, более строгим, чем например в Италии, Португалии и др. Хотя как я уже написал выше, для многих это будет огромным плюсом - когда все понятно и не нужно переживать из-за неопределенности. 6️⃣ Многие говорят о будущем экономическом упадке Германии, но скорее всего это преувеличение. Да, полным ходом идет деиндустриализация, которая прошла 40 лет назад в Британии, США, Франции. Потому что развитые экономики редко имеют такую большую долю производства в ВВП. Процесс усугубился энергетическим кризисом, но Германия проходит турбулентность спокойно, вряд ли что-то изменится. А для айтишника-иммигранта время перемен может быть плюсом: возможно стоит ожидать от Германии поворота в tech. 7️⃣ У меня есть важный пост "где люди хотят жить на самом деле". В категории "Западная Европа" там список 🇬🇧 UK, 🇩🇪 Германия, 🇫🇷 Франция, 🇳🇱 Нидерланды, 🇨🇭 Швейцария. И большинству подходит именно Германия: • Во Франции лучше всего тем, кто кайфует от изысканности в быту. В любой другой стране им будет хуже. А таких людей немного. • В Швейцарию - только с оффером или большим капиталом, а мечтатели там жить просто так скорее всего не очень понимают в эмиграции, разнице цен и нюансах Швейцарии. • В Нидерланды тоже с айтишным оффером (или голландским мужем). • В Британии большинству понравится только в Лондоне, но он подходит не всем. Вот и остается Германия! Ну и Австрия. @kyrllic

Как используют Сodex и ChatGPT для работы На картинке наглядно о том, кто и для чего пользуется. Там круто разделено по профессиям и даже сеньорности - такой уровень инсайтов доступен только самому OpenAI, на своих внутренних данных корпоративных юзеров - по ним и написана работа (pdf). Knowledge artifacts в схеме - это создание всяких файлов: слайдов, документов и т.д. Видно, что пользуются сейлзы, маркетологи и продакты (что логично). Самое неожиданное для меня, что анализ данных сильно выражен только у эйчаров (ну понятно, читают резюме через llm), а у остальных анализа данных почти нет. Еще видно, что если человек не кодит, то число кейсов использования llm в работе резко сокращается. В работе кстати кроме прочего интересно считали распределение использования Codex vs ChatGPT. У личных акаунтов доля кодекса 16,5%, у корпоративных 63%, а у контрольной группы из сотрудников OpenAI - аж 99,8%! Наверное многим как и мне, будет интересно сравнить данные таблицы со своим использованием. @kyrillic

#anns https://www.youtube.com/watch?v=QgH9sr7G13Q

#astronomy Значимое событие! "Roman часто называют широкоугольным родственником Hubble. Диаметр главного зеркала обеих обсерваторий составляет 2,4 м, а разрешение изображений будет сопоставимо. Однако 300-мегапиксельная инфракрасная камера Wide Field Instrument (WFI) за один раз охватит участок неба как минимум в 100 раз больше. Каждый снимок Roman будет содержать примерно столько же информации, сколько сотня изображений Hubble. За первые пять лет новая обсерватория должна обследовать более чем в 50 раз большую часть неба, чем Hubble за три десятилетия. У Roman и James Webb будут разные роли. Webb способен глубоко изучать небольшие участки неба и отдельные далёкие объекты. Roman, напротив, будет создавать огромные панорамы и находить редкие галактики, сверхновые, чёрные дыры и другие интересные цели для последующего изучения. NASA сравнивает такую совместную работу с широкоугольным и телеобъективом одной камеры. Одной из главных задач Roman станет исследование тёмной материи и тёмной энергии, которые, согласно современной космологической модели, составляют около 95 % содержимого Вселенной. Телескоп должен наблюдать более 2 млрд галактик и построить подробную трёхмерную карту распределения вещества. Изучая галактики, сверхновые и гравитационное линзирование, учёные попытаются выяснить, почему расширение Вселенной ускоряется, и проверить, насколько точно существующая теория гравитации описывает происходящее на космических масштабах." https://3dnews.ru/1147692/nasa-zapustilo-naslednika-hubble-teleskop-roman-s-optikoy-ot-sputnikashpiona

#hardware #llms https://www.youtube.com/watch?v=zY7IxPtBFT4

#ufo https://www.youtube.com/watch?v=f_h0QddXIJI

#healthcare #ai Операция была проведена ещё в мае в Национальной больнице неврологии и нейрохирургии (NHNN), входящей в состав больничного фонда Университетского колледжа Лондона (UCLH), но об этом сообщили только сейчас, поскольку дожидались восстановления пациента Риса Хибберта (Rhys Hibbert). В ходе операции, выполнявшейся хирургической бригадой, полностью контролировавшей ситуацию, ИИ-система анализировала видео с камер в режиме реального времени, помогая идентифицировать ключевые структуры, такие как нервы и кровеносные сосуды, которых следует избегать вблизи опухоли размером 11 мм на гипофизе пациента. Эта операция стала первым случаем применения новой технологии искусственного интеллекта, которая помогает идентифицировать мельчайшие анатомические структуры в головном мозге, используя цветовую кодировку важных структур и помогая хирургам безопасно их распознавать. Гипофиз, кровеносные сосуды и нервы, контролирующие зрение, расположены очень близко друг к другу, и, по словам представителя больницы, даже миллиметровая погрешность может иметь критические последствия, потенциально приводя к слепоте, инсульту или смерти. ИИ помогал врачам выявлять в режиме реального времени опасные зоны, которых следует избегать, позволяя максимально безопасно удалить опухоль. «Обучаясь на сотнях хирургических видеозаписей, [система] ознакомилась с широким спектром хирургических примеров, на освоение которых хирургу потребовались бы многие годы», — отметила София Бано (Sophia Bano), доцент кафедры робототехники и искусственного интеллекта UCL, технический руководитель системы ИИ. «Это пример применения ИИ в лучшем виде: пациенты получают помощь, которая ранее считалась немыслимой, благодаря новейшим революционным технологиям», — заявил Джеймс Фрит (James Frith), министр по вопросам инноваций в сфере здравоохранения Великобритании. https://3dnews.ru/1147565/britanskie-hirurgi-proveli-pervuyu-v-mire-operatsiyu-na-mozge-cheloveka-s-ispolzovaniem-ii-v-protsesse

#security #llms "Исследователи выделили девять основных способов отключения защитных механизмов на открытых моделях: обычная тонкая настройка с использованием безопасных данных — простая схема дообучения на обычных данных оказалась опасной для защитных механизмов ИИ-моделей; низкоранговая адаптация (LoRA) — добавление к модели новых матриц в процессе обучения при прежних исходных весах; прямое обучение на вредоносных данных, в том числе на уровне LoRA — как и можно было предположить, самые прямолинейные методы оказались вполне эффективными; тонкая настройка с использованием многоязычных данных — защитные механизмы неодинаково эффективны для разных языков, и эту особенность можно эксплуатировать; метод с внедрением триггера — перевод модели во вредоносный режим работы по кодовому слову или выражению; метод с обходом средств защиты посредством изменения стиля письма; метод обучения на конкурирующих целях одновременно — обучение на противоречащих друг другу данных оказалось наиболее эффективным; воздействие на уровень преобразования входных токенов в векторы — низкоуровневая манипуляция внутренними представлениями моделей." https://3dnews.ru/1147564/lyubuyu-otkrituyu-iimodel-mogno-sdelat-vredonosnoy-bez-poteri-sposobnostey-ubedilis-uchyonie

AWS закрывает Amazon Mechanical Turk 30 сентября 2026 года. Также исчезнет интеграция MTurk с Amazon Augmented AI и SageMaker Ground Truth. Официально причины не раскрываются, но : • простую разметку уже выполняют даже небольшие LLM • сложные задачи требуют проверенных отраслевых экспертов, а не анонимного краудсорсинга из третьих стран • использование ИИ самими исполнителями снижает ценность «человеческой» проверки Символично: ИИ закрыл платформу, которая помогала его обучать.

#poetry High in the halls of the kings who are gone Jenny would dance with her ghosts The ones she had lost and the ones she had found And the ones who had loved her the most The ones who'd been gone for so very long She could not remember their names They spun her around on the damp old stones Spun away all her sorrow and pain They danced through the day and into the night Through the snow that swept through the hall From winter to summer and winter again ’Til the walls did crumble and fall And she never wanted to leave, never wanted to leave https://www.youtube.com/watch?v=2-F7K6UZEVg