Ученые Бëруши 🤓

#фейспалм @labadorogovobrata пугает картинками из подубитой лаборатории и пишет:

Разрушенная комната десятилетиями не знавшая ремонта. Такая же старая тяга в которой не работает проводка и потока воздуха практически нет. Ржавые штативы и керамическая плитка для поддержки. В качестве бани колпачок от старого термоса и стальная кружка. Потрескавшиеся резиновые шланги. И во всей этой разрухе магнитные мешалки ценой в 200к рублей, купленные с гранта РНФ. Возвращаясь к тому времени я не могу сейчас себе ответить зачем я изо дня в день соглашался работать в таких условиях.

Что мы видим на этой самой картинке и что мы на это скажем? Ремонты комнат - это, действительно, большая "боль дырка задница" администрации вуза или института, даже если денег много. Помещений дофига, ремонтники дерут ценник как за крыло от Боинга, и чем старше здание, тем ситуация хуже. Все или почти все остальное - результат того, что владельцу комнаты, извините, насрать с высокой колокольни на работу. Пройдемся по пунктам. Старые резиновые шланги - это очень плохо и в ряде случаев опасно (от затопления комнаты и до взрыва прямо в вытяжном шкафу). Их нужно просто выбросить и заменить нормальными силиконовыми. Цена вопроса на Озоне за несколько метров что-то около 400-500 рублей. Если есть бабки на IKA (см. ниже), но нет на шланги - это о многом говорит. Ржавые штативы и лапки-зажимы? Берете шкурку, чистите и красите, это такая же база, как мыть свою же лабораторную посуду. За вас это кто должен делать? Главбух? Директор? Вытяжной шкаф не сильно, но засран. Кто его должен мыть после работы? Специальный лаборант на полной ставке 150 тыщ рублей, которого вам должны нанять, потому что вы УЧЕНЫЙ? Видим сильно overpriced магнитные мешалки от IKA. Ребят, если у вас мало денег (да даже если и немало), то можно найти ничем не хуже, но раза минимум в два дешевле. Даже лучше, с выносной термопарой, например. А выходят из строя они все примерно одинаково. Кстати сказать, отдельный жирный минус за использование плиток с алюминиевой поверхностью без защиты сверху: попадет кислота - привет, коррозия. Инженеров-вредителей IKA, кто придумал делать рабочую поверность из незащищенного металла, понять как раз можно: "концепция контролируемого разрушения", чтобы почаще покупали новое. Но это точно то, чего вам бы хотелось? Короче, коллеги, можете записать нас в "охранители" и закидать какашками - дескать, мы оправдываем наплевательское отношение руководства и нищету российской науки, в то время как весь цивилизованный мир... (с) Были мы в этом самом "цивилизованном мире", работали и видели очень разное своими глазами, а не на картинках. В том числе и местами старое убитое оборудование. (Текст не редактировать, информацию в скобках удалить. Оплата по ранее указанными реквизитам в течение 15 минут после публикации) На этой же картинке, повторяем, мы видим полную бесхозяйственность и пофигизм владельца рабочего пространства. Вот о причинах можно спорить - может быть, его настолько все достало, что он просто выгорел. Это печально. Но сваливать все ржавые штативы на плохое начальство - это в духе "ага, и в штаны оно вам тоже насрало". P.S. Смотрители, конечно, все врут и на самом деле нигде на Процветающем Западе не работали. Но люди говорят (с), что алюминиевые кастрюльки в качестве бани в лабораториях там встречаются нередко. Потому что от "профессиональной специальной бани" они отличаются только лишь ценой (раз примерно в 5).

На дворе вовсю октябрь, а я только сейчас рассказываю вам одну из главных новостей года: у меня теперь есть своя колонка в старейшей газете России, Санкт-Петербургских Ведомостях! 📰 Каждый месяц я буду рассказывать о грядущих астрономических событиях в городе и немного о последних новостях науки. Выходить публикации, надеюсь, будут и на сайте, где сейчас вы можете почитать мою дебютную заметку 🌠

ИИ начал спамить математикой Вчера OpenAI вывалила на GitHub 722 математические рукописи, объединённые в 372 семейства результатов. В среднем на один результат ушло вычислений примерно как на три часа ChatGPT Pro thinking. OpenAI предупреждает: часть доказательств пока не формализована в Lean, и в них ещё могут найтись ошибки. Я прочитал весь список. Формулировку заметной части задач я либо никогда не знал, либо уже благополучно забыл, но даже среди того, что могу понять без недельного погружения, список выглядит довольно ёбнуто. Например, модель заявляет доказательство так называемой квазигипотезы Римана: у дзета-функции Римана нет нулей при Re(s) > 7/8. Это не доказательство самой гипотезы Римана, которая требует, чтобы все нетривиальные нули лежали на Re(s) = 1/2, но всё равно фиксированная запрещённая полуплоскость, которой раньше не было. Причём эта часть уже формализована в Lean. Из более близкой мне физики: доказана щель Халдейна для обычной антиферромагнитной spin-1 цепочки Гейзенберга - даже при бесконечном размере системы между основным и первым возбуждённым состоянием остаётся конечная энергетическая щель. Для модели Андерсона строго получена привычная физика локализации: в 2D любой ненулевой беспорядок локализует состояния, а в d ≥ 3 при слабом беспорядке существуют делокализованные состояния. Ещё один результат - area law для двумерных квантовых систем с щелью: запутанность основного состояния растёт как размер границы области, а не её объём. Это, в частности, математически объясняет, почему двумерные tensor networks типа PEPS вообще имеют шанс эффективно описывать такие состояния. Ну и совсем из другой оперы: для умножения n × n комплексных матриц OpenAI заявляет алгоритм с числом операций O(n^(9/4+ε)). Школьное умножение матриц требует n^3, а борьба за уменьшение этой степени идёт уже несколько десятилетий. И этот результат тоже формализован в Lean. Если хочется ещё физики, есть и доказательство спонтанной намагниченности квантовой ферромагнитной модели Гейзенберга при конечной температуре во всех d ≥ 3, плюс закон Блоха T^(3/2) в трёх измерениях. И тут возникает довольно смешная практическая проблема. Даже если предположить, что все эти результаты правильные, кто это всё будет читать? Математики ещё не успели придумать нейросеть, которая согласится быть вторым рецензентом. Причём эта проблема уже ударила по инфраструктуре науки. За два года месячный поток работ на arXiv примерно удвоился; сам arXiv связывает рост в том числе с ИИ. А это некоммерческий проект: весь поток надо хранить, модерировать и разгребать. Поэтому с 1 октября arXiv ввёл ограничение - одному человеку теперь можно отправлять не больше двух новых работ в месяц. То есть человечество наконец изобрело машину, способную производить математику промышленными партиями, а научная инфраструктура практически сразу ответила: "по две штуки в руки". Ну и неизбежный вопрос: куда эта хрень вообще едет? AGI с блэкджеком и шлюхами через три года? Тут есть повод немного остудить энтузиазм. Один из потенциальных потолков нынешнего подхода - данные. Хорошего человеческого текста конечное количество; AI-компании уже добрались даже до раритетных бумажных книг. А если просто бесконечно обучать модели на тексте предыдущих моделей, качество может деградировать. Но и это не выглядит фундаментальной стеной. Можно делать алгоритмы более эффективными, получать больше результата из тех же данных, использовать обучение с подкреплением и генерировать синтетические данные там, где существует внешний способ проверить правильность ответа. И математика тут почти идеальна: модель может генерировать сколько угодно доказательств, а Lean не интересует, человек их написал или бездушная машина - либо доказательство проходит проверку, либо нет. Так что я пока не знаю, увидим ли мы AGI. Но момент, когда основной проблемой станет не "может ли ИИ получить новый научный результат?", а "куда складывать все результаты и кто их успеет прочитать?", кажется, уже перестал выглядеть научной фантастикой. UPD: Комментарии значительно дополняют и уточняют то что здесь написано

#компьютеры

открытка ученым