Perpetual Prompt ♾️

Напоминаю, прошло 2 года. Скачать новую генеративную соцсеть Sora с встроенной моделью Sora 2 можно уже сегодня (в штатах). Туда будет поститься только генеративный контент. А иной станет скучным и редким. Идея что генеративное видео может быть нереалистичным (если это не желание автора) тоже ушла в прошлое.

Домашнее задание Ну про домашки все спорят уже давно, долго и мучительно. Надо задавать домашку или уже отпустить это все с миром? Если не будем задавать, то никто не будет отрабатывать разные важные навыки, поэтому надо завадавать. Да, но если не будем задавать, то семьи перестанут распадаться, а родители по вечерам будут заниматься чем-то приятным со своими детьми, а не дорешивать задачки, которые “вообще кто придумал”. Домашнее задание — это практика, полная противоречий, где положительные и отрицательные эффекты совпадают (исследование 2017 года) Юки Терада потратил какое-то количество времени, чтобы исследовать этот вопрос прецельно. Вот немножко выводов. 1️⃣ Домашние задания – значительный стимул для старших учеников и фундамент для младших (здесь важны хорошо продуманные задания и больше игры). 2️⃣ Для младших школьников важно помнить про контекст: практика чтения и письма дома дает лучше результаты, чем упражнения по математике. 3️⃣ К средней школе низкокачественные домашние задания начинают негативно сказываться на мотивации учащихся. Но если они продуманы и, возможно, выполняются чуть реже, — домашние задания могут дать удивительные результаты. Исследователи обнаружили, что качественная домашняя работа, требующая от учеников расширения мышления, а не повторения пройденного на уроке, приводит к лучшей эмоциональной и поведенческой вовлеченности по сравнению с механическими домашними заданиями. 4️⃣Успешные старшеклассники инвестируют время в выполнение домашних заданий. 5️⃣ Хотя домашние задания и меняют академическую успеваемость подростков, давление от их чрезмерного объёма или от того, что они кажутся бессмысленными, может затмить все остальное. 6️⃣ Семейный доход может усилить несправедливость при выполнении домашних заданий: не у всех детей есть стабильный доступ в интернет, компьютер, тихая комната для выполнения. ______________ The Pros and Cons of Homework by Youki Terada

Несколько лет назад директор Института машинного интеллекта Люк Мюэльхаузер попытался подсчитать, насколько изменила благосостояние человечества промышленная революция. Он выделил 6 критериев, по которым можно судить о благосостоянии (и по которым есть данные): ожидаемая продолжительность жизни при рождении, ВВП на душу населения, доля живущих в крайней бедности, количество потребляемых килокалорий человеком в день, технологический уровень и уровень политической свободы. Как он все это подсчитал и где взял данные, описано в его посте. А вывод получился вполне ожидаемым: перемены последних двух столетий в благополучии людей совершенно не сопоставимы по масштабу ни с чем в предыдущей истории. Эти перемены настолько велики, что любые колебания в прошлом человечества для нас малозаметны – с точки зрения человека, живущего на современном уровне благополучия, до промышленной революции человечество пребывало на самом дне по любым показателям уровня жизни. И это мало зависело от исторического периода, все всегда было очень плохо и очень стабильно. Все лучшие события в мировой истории случилось с человечеством за последние пару сотен лет, - и даже мировые войны не затормозили прогресс (вместе с «испанкой» они убили 7% населения планеты, - бывало, кстати, и похуже, Черная смерть или Чингисхан выкашивали по 10%). Самые существенные изменения в образе жизни, благополучии и даже в политических свободах человечеству приносит развитие технологий, а не войны, реформы или революции. Так происходит и сейчас: в 20-е годы повседневную жизнь человечества больше всего меняют нейросети, в десятые – смартфоны, в нулевые – интернет, в 90-е персональные компьютеры, и т.д.

В Голливуде вспыхнул спор после того, как виртуальная "актриса" по имени Тилли Норвуд, созданная студией Xicoia и AI-компанией Particle6, привлекла внимание агентств. По данным Deadline, несколько агентов захотели подписать её как реальную звезду. Настоящие актёры резко отреагировали. Мелисса Баррера ("На высоте мечты") написала, что любой агент, взявший Тилли, должен потерять всех своих клиентов: "Отвратительно, почувствуйте момент". Мара Уилсон ("Матильда") спросила, почему не наняли реальных молодых женщин, чьи лица послужили основой для образа. Николас Александр Чавес ("Монстры: История Лайла и Эрика Менендес") добавил: "Это не актриса, nice try". Другие высмеяли ситуацию: Лукас Гейдж пошутил, что работать с Тилли было "кошмаром", а Люси Хейл ("Милые обманщицы") просто написала: "Нет". Основательница Particle6 Элайн Ван дер Велден заявила, что уже в ближайшие месяцы объявят, какое агентство будет представлять Тилли. Она рассказала, что ещё в феврале идея никого не интересовала, а к маю к ним начали массово обращаться: «Когда мы только запустили Тилли, реакция была - “Что это?”, а теперь все хотят сотрудничать». Контекст здесь особенно острый из-за забастовки SAG-AFTRA в 2023 году. Союз, представляющий 160 тысяч актёров, тогда протестовал против планов студий использовать "прорывной ИИ" для сканирования массовки: актёрам обещали оплату лишь за один день, но студии хотели навсегда получить цифровые копии и использовать их без ограничений. Руководитель профсоюза Дункан Крабтри-Айрленд тогда назвал это неприемлемым. За последние десять лет ИИ уже активно применялся в кино - для омоложения актёров, анализа поведения зрителей, воссоздания голосов умерших артистов и даже сборки трейлеров. Но история с Тилли Норвуд показывает новую грань: теперь речь идёт о "цифровых актёрах", которые могут конкурировать с живыми людьми за роли и контракты. #киберпанк

Кстати о физике. В последнее время мне на YouTube стали часто попадаться видео одного чела, который рассказывает про интуитивные соображения, стоящие за некоторыми концепциями из квантмеха (на английском). Первым мне попалось его видео про то, почему орбитали электронов в атомах имеют именно такие формы: https://www.youtube.com/watch?v=M--6_0F62pQ . Кликая на него, я ожидала, что автор скажет, что они таковы потому что таковы решения соответствующих уравнений Шрёдингера (в общем-то, никакой другой причины быть не может). Однако он объяснил форму орбиталей, не решая УРЧП математически, а вместо этого используя простые и наглядные картинки с колебаниями струны. Получается такой свежий взгляд: с одной стороны, по факту, то, что он показал - это всё равно решения уравнений Шрёдингера, но с другой - объяснены они через наглядные упрощенные модели, а не через формулы. Также интересным мне показался видос с объяснением принципа неопределенности Гейзенберга: https://www.youtube.com/watch?v=6TXvaWX5OFk . С одной стороны, чел довольно честно (пусть и нестрого) объясняет, что такое волновая функция, но с другой - снова умудряется не проваливаться в формулы и оставаться доступным. У него же можно посмотреть очередное объяснение ультрафиолетовой катастрофы ( https://www.youtube.com/watch?v=ALEDjjAVZSY ) и того, как её разрешили через квантование ( https://www.youtube.com/watch?v=vPW0UYELfOg ). А видео про фотоэффект ( https://www.youtube.com/watch?v=r7k5G_6yzDw ) интересно ещё и тем, что перекликается с серией недавних видео от DS Astro на русском про Эйнштейна в трёх частях ( https://youtu.be/QCD1waeX9Ws?si=ALIeWO38SQTdl1gb , https://youtu.be/Dsp2icl0r8s?si=OqsGXYyEqVSVw9xW , https://youtu.be/C_L0RC_PL0E?si=ygrfkh_H5ISbNNKc ). Напоследок надо, конечно, предостеречь зрителя от того, чтобы полагаться при понимании квантмеха (да и физики вообще) исключительно на интуицию. Всё-таки настоящая физика начинается там, где начинается математика, ведь без формул вы не сможете ни предсказать результат эксперимента, ни решить реальную задачу. Так что для тех, кто хочет изучить данный предмет глубже, на уровне решения задач, порекомендую заодно курс от MIT: https://ocw.mit.edu/courses/8-04-quantum-physics-i-spring-2016/pages/video-lectures/. Это полноценный первый семестр квантовой механики с видеолекциями, конспектами и, собственно, задачами. В отличие от популярных видео, для понимания этого - более серьезного - материала нужно уже предварительно знать стандартные курсы матанализа, линейной алгебры, дифференциальных уравнений и классической механики. У курса есть и продолжение - ещё на два семестра - но я остановилась после первого, потому что к тому моменту уже не собиралась профессионально заниматься физикой. Если вы тоже хотите разобраться в базовых концепциях квантмеха на уровне математических формул, не планируя становиться физиком, то первого семестра кажется вполне достаточно. А ещё интересно было бы услышать мнение тех, кто профессионально занимается физикой - как вы относитесь к визуальным/наглядным объяснениям квантмеха? Помогают ли они студентам или создают ложное ощущение понимания? Желательно услышать аргументированный ответ, без "научпоп говно вы все дебилоиды" 😈 #учебные_материалы #наука

В свежем исследовании в Immunity показали, что при болезни Альцгеймера(AD) микроглия накапливает жир из-за активации фермента DGAT2, который переводит свободные жирные кислоты в триацилглицериды и формирует липидные капли; такие «зажирённые» микроглии хуже фагоцитируют Aβ. В моделях 5xFAD и в тканях людей с Альцгеймером DGAT2 был повышен; фармакологическое подавление/деградация DGAT2 уменьшало липидные капли, усиливало захват Aβ, снижало бляшечную нагрузку и нейронные повреждения. Ссылка на основное исследование: PubMed: https://pubmed.ncbi.nlm.nih.gov/40393454/ DOI: https://doi.org/10.1016/j.immuni.2025.04.029

https://www.prnewswire.com/news-releases/youthbio-therapeutics-announces-positive-fda-interact-feedback-for-yb002-establishing-clear-path-to-clinic-for-first-in-class-alzheimers-gene-therapy-302563494.html Коротко по ссылке (25 сентября 2025): YouthBio заявила, что получила «позитивную» обратную связь FDA на ранней встрече INTERACT по своему кандидату YB002 — генотерапии болезни Альцгеймера на основе частичного перепрограммирования (временная экспрессия факторов Яманаки в мозге). По словам компании, FDA согласилась, что имеющихся доклинических данных достаточно, чтобы обосновать подготовку к первому исследованию на людях. Что это значит • INTERACT — самая ранняя консультация с FDA для «новаторских» продуктов (обычно ещё до токсикологии GLP). Цель — понять, какие CMC/неклинические шаги нужны, чтобы идти к pre-IND/IND. Это не одобрение и не разрешение на клинику. • YouthBio говорит, что теперь сфокусируется на CMC и пилотной токсикологии перед встречей pre-IND, чтобы финализировать IND-enable пакет. Что за терапия • YB002 — заявлена как «first-in-class» генотерапия, нацеленная на частичное эпигенетическое перепрограммирование для обратимого «омоложения» экспрессии генов при сохранении идентичности клеток. Это продолжение линии работ Окампо и др. по частичному перепрограммированию у мышей. (Формулировки — из пресс-релиза компании.) Контекст/покрытие • Короткие материалы с тем же сообщением уже вышли на Yahoo Finance и профильных площадках (Longevity.Technology и др.). Это подтверждает факт релиза, но все опираются на слова компании. Что дальше • Ожидаемые шаги: завершить CMC, токсикологию (вероятно GLP), провести pre-IND, затем подавать IND для старта FIH-исследования у пациентов с Альцгеймером (если FDA согласится). Сроки и дизайн испытаний пока не объявлены. Важные оговорки • Это новости на ранней регуляторной стадии; никакой клиники ещё нет, эффективность у людей не доказана. Риски генотерапии/перепрограммирования (безопасность, дозирование, длительность экспрессии, доставка в мозг и т. д.) предстоит оценить в токсикологии и клинике. (Общее пояснение роли INTERACT/IND.)

Позитивный образ будущего)

— OpenAI представила GDPval — новый бенчмарк, который мерит модели на реальных, экономически значимых задачах из десятков профессий. Оценка не по игрушечным тестам, а по полноценным рабочим продуктам, проверенным отраслевыми экспертами. — Google показала Gemini Robotics-ER 1.5 (preview в Google AI Studio) — «thinking-модель», специально натренированную для робототехники и оптимизированную под embodied reasoning: планирование действий, понимание сцены, выполнение многошаговых задач в реальном мире. ИИ перестаёт жить только в текстовых чатах — он прорывается в физический мир.

Живые лекарства против рака Учёные из Сингапура и Китая разработали необычный способ борьбы с раком кишечника: они изменили бактерии Salmonella так, чтобы те сами уничтожали себя внутри опухоли и при этом запускали сильный иммунный отклик. В работе использовался ослабленный штамм Salmonella typhimurium, который уже проверяли на безопасность в клинических испытаниях. Эти бактерии естественным образом скапливаются в опухолях. Исследователи встроили в них "синхронизированную программу самоуничтожения" (SLC). Когда бактерий внутри опухоли становится много, они разрушают себя и выделяют особый белок LIGHT. Этот белок связывается с рецептором HVEM на иммунных клетках и запускает мощную реакцию иммунитета. Результат проверили на двух видах мышей, склонных к раку кишечника: у одних опухоли формировались генетически, у других их вызывали химически. После терапии увеличилось число ILC3 - особых клеток врождённого иммунитета, которые защищают ткани кишечника и лёгких. При этом число "менее полезных" ILC1 сократилось. Кроме того, вокруг опухолей образовались зрелые лимфоидные структуры (mTLS) - как миниатюрные иммунные узлы, где Т- и В-клетки объединяются и координируют атаку. Иммунный ответ оказался очень сильным: "киллерные" Т-клетки (CD8+) начали активно вырабатывать интерферон-γ и гранзим B - вещества, которые убивают опухолевые клетки. У мышей замедлился рост опухолей, увеличилась выживаемость, а у части животных рак полностью исчез. При этом учёные заметили, что без HVEM или ILC3 терапия не работала - это ключевые элементы механизма. Но пока всё испытано только на мышах, и у людей иммунная система может повести себя иначе. Есть и риски: живые бактерии могут вызвать воспаление или непредсказуемо взаимодействовать с микробиотой кишечника. Тем не менее исследователи считают, что это шаг к созданию "живых лекарств" - бактерий, которые целенаправленно проникают в опухоли и доставляют внутрь них нужные молекулы. В будущем подход можно будет адаптировать и для других видов рака, изменяя "груз", который бактерии выделяют.

Как превратить обычную камеру смартфона в гиперспектральный сенсор В отличие от человеческого глаза, который видит только три диапазона (красный, зелёный, синий), матрицы камер чувствительны к гораздо большему количеству спектральных полос. Чтобы извлечь эту скрытую информацию, исследователи разработали простую методику: рядом с объектом съёмки помещают специальную цветовую карту, а затем алгоритм анализирует фото и восстанавливает спектральные данные. Каждое вещество имеет свой уникальный спектральный "отпечаток" - оно по-разному поглощает и отражает свет разных длин волн. Поэтому гиперспектральные датчики позволяют отличать вещества друг от друга, что полезно в медицине, экологии, сельском хозяйстве, безопасности, криминалистике и даже для проверки подлинности дорогого виски. Раньше подобные попытки ограничивались или громоздким и дорогим оборудованием, или алгоритмами машинного обучения, которые зависели от конкретных условий и легко ошибались при изменении освещения. Новое решение универсальнее: карта корректирует влияние внешних факторов, а точность достигает 1,6 нанометра по длине волны - уровень, сопоставимый с профессиональными спектрометрами. Так что да, теперь смартфон можно превратить в карманный спектрометр. Команда планирует использовать эту технологию в медицинских и цифровых приложениях, включая страны с ограниченными ресурсами. Авторы подчёркивают, что метод делает спектроскопию доступной и дешёвой.

Что организационно делал для перевода компании на ai first Я сам первый начал разбираться Внутри команды поменял двух людей местами чтобы хедом разработки был ai first чел. То же самое с хэдом аналитиков. Остальные хэды сами первыми включились. Выделил человека на развитие ai инфраструктуры для всех (человека который уже давно в компании и знаком со всеми людьми и процессами) (1 выделенный человек на масштабе команды 30 с чем-то) Принудительно убил конфлюенс (перенесли в курсор) чтобы абсолютно у всех появились ежедневные сценарии работы через курсор 20 недель подряд на еженедельных встречах поднимал вопрос у кого какие интересные кейсы с ai, делился своими кейсами и каждого человека доводил до точки где он находил свой собственный первый вау-кейс Ясно дал понять, что мы перестаем нанимать/промоутить тех кто не ai first. Появились кейсы где мы в принципе убрали роль и не стали нанимать человека потому что есть ai Появились первые кейсы где конкретный человек на 30-50-100% продуктивнее чем раньше/в среднем. И промоушен в роли/деньгах за это. Онбординг новых сотрудников начинается с онбординга в курсор и наш SharedWorkspace в нём. Всё остальное уже там. -- @vsevolodustinovchannel - эйай, эйай, эйай 🙂

Шок контент. Что-то невидимое не хочет, чтобы мы жили вечно. Предположу, что до конца года будет самой обсуждаемой лекцией в сообществе. Понеслась https://youtu.be/R-BjBzFRRmE

Интересно как незаметно вещи, о которых все только и говорили последние лет 10, стали реальностью. ИИ водит машины по Сан-Франциско, и никто даже не замечает подмены. ИИ слился с фоном, решил одну из проблем, создал тысячу новых, а никто особо и бровью не повел. В старении вы может не заметили, а оземпик появился и стал одним из первых лекарств, претендующих на титул лекарства от старения — до этого несколько десятилетий все мечтали о миметике ограничения калорий, как о перспективной терапии от старения. Работам про инсулиновый сигналинг, голодание и их связь с продолжительностью жизни в модельных животных — уже под 50 лет, уже 32 года прошло с момента как Синтия Кенион показала, что выключение инсулинового рецептора daf-2 удваивает продолжительность жизни червям-нематодам. Как обычно мечты о чем-то новом и невероятном всегда оказываются интереснее их бытовой реализации, когда ИИ-роботы ездят по городу и на них никто не обращает внимания кроме туристов, а люди принимают лекарства (которые снижают риски смерти от всех причин), о котором мечтали десятилетиями, а мы продолжаем слышать крики, что старением никто не занимается и нет никакого прогресса.

Мне нужна частная LLM, содержащая только мои любимые книги, мои заметки и статьи. Чтобы я мог спросить у нее что-нибудь, и она отвечала, исходя исключительно из этой информации, без влияния внешнего мира. И по мере разговоров она бы узнавала обо мне еще больше», — на самом деле Мэттью Макконахи хочет Sideloading. Он хочет максимально близкую модель собственной личность. С кем поспорить, что мы в течении 2-х лет от рынка в сотни миллиардов долларов Sideloading? Я бы дискуссию провел бы в Зуме по теме.

xAI объявила и включила в API модель Grok 4 Fast с окном контекста 2 000 000 токенов (две версии: reasoning и non-reasoning; временно доступна и через OpenRouter/Vercel). Важно: это касается именно Grok 4 Fast. Базовый Grok 4 по-прежнему задокументирован как 256k контекст.

Немного сумасшедшей статистики от Microsoft: 1. Они масштабируют графические процессоры быстрее всех: в прошлом году они добавили более 2 гигаватт мощности центров обработки данных (~ мощность двух атомных электростанций). 2. Бесперебойный кластер из сотен тысяч графических процессоров NVIDIA GB200, соединенных оптоволокном, которого хватило бы, чтобы опоясать Землю 4,5 раза. Он обеспечит производительность в 10 раз выше, чем у самого быстрого на сегодняшний день суперкомпьютера в мире. 3. Охлаждение в научно-фантастических масштабах: замкнутый жидкостный контур (нулевое потребление воды для эксплуатации) с одной из крупнейших холодильных установок на Земле и 172 шестиметровыми вентиляторами. «Если интеллект — это логарифм вычислений… он начинается с большого количества вычислений! Именно поэтому мы масштабируем наш парк графических процессоров быстрее всех». – Сатья Наделла

Источники: - https://blogs.microsoft.com/blog/2025/09/18/inside-the-worlds-most-powerful-ai-datacenter/ - https://x.com/satyanadella/status/1968677244861379012

Недавнее исследование от Bioptic.ai, основанной известным русскоязычным предпринимателем @dobry, рассказывает, как агентные ИИ могут менять правила игры в фарме и биотехе. Главная задача - конкурентный анализ лекарств. Нужно быстро и точно найти все препараты, которые могут быть конкурентами для конкретного лекарства, понять их механизмы действия, стадии разработки, производителей, а также правильно соотнести данные из множества разрозненных источников: от научных статей и патентов до клинических регистров и пресс-релизов. Это критически важно для инвестиций, лицензирования, патентов и планирования клинических исследований. Ребята создали многоагентную систему, которая: ▪️ Парсит текст, таблицы, изображения и скриншоты из инвестиционных документов ▪️ Нормализует данные, объединяет дубли, переводит термины с разных языков ▪️ Собирает параметры для каждого препарата: стадии испытаний, молекулярные механизмы, компанию-разработчика, пути введения и терапевтическую область ▪️ Использует отдельного "агента-судью" для проверки кандидатов и отсеивания ложных конкурентов, что снижает уровень ошибок и "галлюцинаций". Технически задействованы агенты на Google Gemini-2.5 Pro для извлечения, структурирования и перевода информации, плюс специальный валидационный LLM для финальной проверки. Система ребят выявила 83% конкурентов, определённых экспертами, что значительно выше, чем у OpenAI Deep Research (65%) и Perplexity Labs (60%). В кейсе с биотех венчурным фондом время анализа конкурентной среды сократилось с 2,5 дней до 3 часов - ускорение в 20 раз. Как вы видите, эксперты теперь не теряются в хаосе разрозненных и закрытых данных, а ИИ-агенты помогают быстро и надёжно собрать законченную картину. Это пример того, как связка LLM и агентной архитектуры эффективно решает реальную бизнес-проблему. Сергей Булаев AI 🤖 - об AI и не только 📱 sbulaev | 📷insta | ✖️twitter

Понравился эксперимент от Гугла - Learn Your Way. Такой NotebookLM на максималках для учебы. Скоро будет доступен всем: https://learnyourway.withgoogle.com/ Загружаете PDF-ку с уроком (пока есть только уже готовые, для своих - waitlist), он может сделать типа адаптированный (под ваш возраст и интересы), интерактивный текст с визуализацией и доп.материалами, опросник, визуальную презентацию, аудио-лекцию и майнд-мэп. Все это по данным их исследованиям (60 школьников от 15 до 18 лет в Чикаго) по сравнению с просто чтением PDF-ки увеличило качество понимания (тест сразу после чтения) и запоминания (тест после 3 дней, но с графиком они накосячили, просто дупликат). Вот здесь технический отчет: https://services.google.com/fh/files/misc/ai_augmented_textbook.pdf В общем, такие ИИ вещи действительно улучшают образование, а не просто дают списать домашку за 10 секунд.

В DeepMind с помощью ИИ нашли новые решения фундаментальных уравнений гидродинамики. Ученые бьются над ними уже веками. Помните, мы писали о том, что Google с помощью ИИ намеревается решить одну из математических проблем тысячелетия? Кажется, у них там наметились первые подвижки. Они совместно с учёными из Brown University, NYU и Стэнфорда разработали метод, с помощью которого обнаружили новое семейство сингулярностей в классических уравнениям гидродинамики. Сингулярности – это такие решения системы, где физические величины (скорость, давление и др.) могут становиться бесконечными или не определёнными. В физическом мире это похоже на формирование идеального вихря, в котором энергия концентрируется в бесконечно малой области. Математически в таких ситуациях предсказания уравнений теряют смысл. Так вот никто до сих пор точно не знает, могут ли такие сингулярности возникать в реальности. Найти сингулярность невероятно сложно, даже суперкомпьютеры не справляются с таким объемом вычислений. Собственно, задача тысячелетия – это либо доказать, что в уравнении Навье-Стокса существует хотя бы одна устойчивая сингулярность, либо доказать, что таких нет. Google удалось с помощью ИИ на шажок приблизиться к решению. Они нашли новое семейство сингулярностей для класса уравнений, похожих на Навье-Стокса. Более того, они выявили общий паттерн того, как растет нестабильность таких решений. Раньше никаких аналитических соображений в этом направлении не существовало. Архитектура: гибридный метод на основе PINN (Physics-Informed Neural Networks). Это прямо очень интересно. Смотрите: В лосс сети зашиваются непосредственно уравнения в частных производных. То есть модель, по сути, учится соблюдать физику – законы сохранения массы, энергии и импульса. И на основе этих знаний ее задача затем – найди начальные условия, приводящие к сингулярности. PINN генерирует кандидатов → симулятор проверяет → сеть корректирует параметры. Много-много таких циклов спустя и нашлись несколько сингулярностей. И да, пока это не решает основную задачу. Но (1) теперь есть зачатки какого-то решения, и это поразительно; (2) Google опубликовали начальные условия, так что теперь с ними могут продолжить работать математики и физики всего мира.