Чтобы получить доступ к аренде, потребуется официально подтвердить свою личность через «Госуслуги»
Без верифицированного цифрового профиля человек буквально лишается права на полноценное физическое взаимодействие с современной городской средой и её сервисами
Без верифицированного цифрового профиля человек буквально лишается права на полноценное физическое взаимодействие с современной городской средой и её сервисами
Мир настолько близок с суперинтеллекту, и это будет не просто новая технология, а перестройка общества
Среди самых вероятных рисков – массовая потеря работы, кибератаки и социальная нестабильность
Текущую экономику нужно буквально пересобирать
Все, что предлагается сделать, перечислено здесь: openai.com/index/industrial-policy-for-the-intelligence-age/
Краткий пересказ:
AI нужно сделать базовой инфраструктурой, доступной всем, и относиться к нему как к электричеству или интернету
Так экономика будет расти быстрее
Система налогов должна сместиться с труда на капитал
Сегодня государство живет за счет налогов с зарплат
Но если (или когда) людей заменят, эта база исчезнет, а государство должно продолжать как-то зарабатывать
Каждый человек должен иметь долю в AI-экономике
OpenAI предлагает создать Public Wealth Fund, который получает часть прибыли от AI и распределяет ее среди граждан
Идея в том, что доход должен перестать определяться только работой, иначе после массовой автоматизации классовый разрыв станет просто колоссальным
Всякие страховые выплаты и социальные гарантии не должны зависеть от работодателя, потому что в мире с нестабильной занятостью классическая модель сломается
Обязателен аудит фронтирных моделей и протоколы на случай ЧП
Должна существовать международная система безопасности
4-дневная рабочая неделя эффективнее
Среди самых вероятных рисков – массовая потеря работы, кибератаки и социальная нестабильность
Текущую экономику нужно буквально пересобирать
Все, что предлагается сделать, перечислено здесь: openai.com/index/industrial-policy-for-the-intelligence-age/
Краткий пересказ:
AI нужно сделать базовой инфраструктурой, доступной всем, и относиться к нему как к электричеству или интернету
Так экономика будет расти быстрее
Система налогов должна сместиться с труда на капитал
Сегодня государство живет за счет налогов с зарплат
Но если (или когда) людей заменят, эта база исчезнет, а государство должно продолжать как-то зарабатывать
Каждый человек должен иметь долю в AI-экономике
OpenAI предлагает создать Public Wealth Fund, который получает часть прибыли от AI и распределяет ее среди граждан
Идея в том, что доход должен перестать определяться только работой, иначе после массовой автоматизации классовый разрыв станет просто колоссальным
Всякие страховые выплаты и социальные гарантии не должны зависеть от работодателя, потому что в мире с нестабильной занятостью классическая модель сломается
Обязателен аудит фронтирных моделей и протоколы на случай ЧП
Должна существовать международная система безопасности
4-дневная рабочая неделя эффективнее
OpenAI
Industrial policy for the Intelligence Age
Explore our ambitious, people-first industrial policy ideas for the AI era—focused on expanding opportunity, sharing prosperity, and building resilient institutions as advanced intelligence evolves.
Начало 2030-х AML начнет ускорять собственное развитие, а изменения в отраслях станут по-настоящему резкими
Для образования это самый дорогой момент — отличная возможность для пересборки
Но нынешнюю отсрочку большинство вряд ли используют
Только вот изменения копятся постепенно — и потом сходят лавиной
Для образования это самый дорогой момент — отличная возможность для пересборки
Но нынешнюю отсрочку большинство вряд ли используют
Только вот изменения копятся постепенно — и потом сходят лавиной
Ai-2027
AI 2027
A research-backed AI scenario forecast.
Anthropic выпускают новую суперсильную модель Claude Mythos, но доступ к ней есть только по закрытой программе поиска уязвимостей
Итак, это не учебная тревога: в Anthropic разработали новую мощнейшую модель
Вот здесь лежит системная карта с бенчмарками:
https://www-cdn.anthropic.com/53566bf5440a10affd749724787c8913a2ae0841.pdf
– На SWE-bench Verified модель выбивает 93.9% против 80.8% у Claude Opus 4.6
– На SWE-bench Pro – 77.8% против 53.4 % у Opus 4.6 и 57.7 % у предыдущей соты GPT-5.4
Anthropic решили, что модель слишком сильна и опасна, чтобы сразу выпускать ее на широкую аудиторию
Вместо этого они открыли проект Project Glasswing, чтобы защитить основной софт человечества от будущих ИИ-атак, которые может спровоцировать Claude Mythos
В проект вошли Amazon, Microsoft, Apple, Google, Nvidia и еще 40+ организаций
Всем им предоставляют специальный доступ к пайплайну обнаружения уязвимостей на основе Claude Mythos
Anthropic утверждают, что модель способна находить уязвимости на уровне, превосходящем даже лучших человеческих специалистов, за редким исключением
Сообщается, что на данный момент она уже обнаружила тысячи критических уязвимостей, в том числе в массово используемых ОС и браузерах
Некоторые из этих дыр по 10-20 лет лежали незамеченными
Когда модель выпустят для всех – неизвестно, но, по ощущениям, не скоро
Итак, это не учебная тревога: в Anthropic разработали новую мощнейшую модель
Вот здесь лежит системная карта с бенчмарками:
https://www-cdn.anthropic.com/53566bf5440a10affd749724787c8913a2ae0841.pdf
– На SWE-bench Verified модель выбивает 93.9% против 80.8% у Claude Opus 4.6
– На SWE-bench Pro – 77.8% против 53.4 % у Opus 4.6 и 57.7 % у предыдущей соты GPT-5.4
Anthropic решили, что модель слишком сильна и опасна, чтобы сразу выпускать ее на широкую аудиторию
Вместо этого они открыли проект Project Glasswing, чтобы защитить основной софт человечества от будущих ИИ-атак, которые может спровоцировать Claude Mythos
В проект вошли Amazon, Microsoft, Apple, Google, Nvidia и еще 40+ организаций
Всем им предоставляют специальный доступ к пайплайну обнаружения уязвимостей на основе Claude Mythos
Anthropic утверждают, что модель способна находить уязвимости на уровне, превосходящем даже лучших человеческих специалистов, за редким исключением
Сообщается, что на данный момент она уже обнаружила тысячи критических уязвимостей, в том числе в массово используемых ОС и браузерах
Некоторые из этих дыр по 10-20 лет лежали незамеченными
Когда модель выпустят для всех – неизвестно, но, по ощущениям, не скоро
Anthropic
Project Glasswing: Securing critical software for the AI era
A new initiative to secure the world’s most critical software and give defenders a durable advantage in the coming AI-driven era of cybersecurity.
AML
Anthropic выпускают новую суперсильную модель Claude Mythos, но доступ к ней есть только по закрытой программе поиска уязвимостей Итак, это не учебная тревога: в Anthropic разработали новую мощнейшую модель Вот здесь лежит системная карта с бенчмарками:…
Дарио Амодей представил большой проект по кибербезу на основе новой ИИ-модели Claude Mythos Preview
Glasswing - проект Anthropic, объединяющий AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA и Palo Alto Networks с целью защиты критически важного ПО
Проект создан на основе секретной модели Claude Mythos Preview, которая не выпущена в публичном доступе
Mythos Preview не появится на claude.ai для обычных пользователей
Нельзя будет просто зайти и поговорить с ней
Это модель только для организаций с верифицированными задачами в сфере безопасности
Как говорит команда, эта модель обнаружила тысячи уязвимостей высокой степени серьёзности, включая уязвимости в каждой крупной операционной системе и каждом крупном браузере
Все они уже исправлены
Ранее один из исследователей компании говорил о том, как быстро растут возможности LLM
Anthropic сознательно держит эту модель закрытой, потому что её возможности слишком опасны при широком распространении
Glasswing - проект Anthropic, объединяющий AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA и Palo Alto Networks с целью защиты критически важного ПО
Проект создан на основе секретной модели Claude Mythos Preview, которая не выпущена в публичном доступе
Mythos Preview не появится на claude.ai для обычных пользователей
Нельзя будет просто зайти и поговорить с ней
Это модель только для организаций с верифицированными задачами в сфере безопасности
Как говорит команда, эта модель обнаружила тысячи уязвимостей высокой степени серьёзности, включая уязвимости в каждой крупной операционной системе и каждом крупном браузере
Все они уже исправлены
Ранее один из исследователей компании говорил о том, как быстро растут возможности LLM
Anthropic сознательно держит эту модель закрытой, потому что её возможности слишком опасны при широком распространении
Telegram
All about AI, Web 3.0, BCI
Anthropic just introduced Project Glasswing: an urgent initiative to help secure the world’s most critical software.
It’s powered by newest frontier model, Claude Mythos Preview, which can find software vulnerabilities better than all but the most skilled…
It’s powered by newest frontier model, Claude Mythos Preview, which can find software vulnerabilities better than all but the most skilled…
Пока весь мир следит за гонкой квантовых компьютеров от Google, IBM, куда вливаются миллиарды, японская Toshiba пошла другим путём.
Вчера компания объявила о 3-м поколении своей системы Simulated Bifurcation Machine (SBM) - квантово-вдохновлённого компьютера, который работает на обычных GPU и FPGA-чипах
Это не настоящий квантовый компьютер
Никаких криогенных холодильников, сверхпроводников и тысяч кубитов
Всё работает на том железе, которое уже доступно сегодня
Скорость вычислений выросла до 100 раз по сравнению с предыдущей версией
А точность приблизилась к почти 100 %
Ключевой прорыв - edge of chaos
В тестах на задаче с 2.000 переменными время сократилось с 1.3 секунды до ~10 миллисекунд
Области применения:
- поиск новых лекарств (оптимизация молекул)
- логистика и маршрутизация
- формирование инвестиционных портфелей
- другие задачи комбинаторной оптимизации
Разработку возглавлял Хаято Гото (Senior Fellow Toshiba)
Он отметил, что достигнутый уровень скорости и точности будет сложно превзойти даже настоящему квантовому компьютеру через 50 лет
Результаты опубликованы в журнале Physical Review Applied
Внедрение планируют в течение 1–2 лет
Вчера компания объявила о 3-м поколении своей системы Simulated Bifurcation Machine (SBM) - квантово-вдохновлённого компьютера, который работает на обычных GPU и FPGA-чипах
Это не настоящий квантовый компьютер
Никаких криогенных холодильников, сверхпроводников и тысяч кубитов
Всё работает на том железе, которое уже доступно сегодня
Скорость вычислений выросла до 100 раз по сравнению с предыдущей версией
А точность приблизилась к почти 100 %
Ключевой прорыв - edge of chaos
В тестах на задаче с 2.000 переменными время сократилось с 1.3 секунды до ~10 миллисекунд
Области применения:
- поиск новых лекарств (оптимизация молекул)
- логистика и маршрутизация
- формирование инвестиционных портфелей
- другие задачи комбинаторной оптимизации
Разработку возглавлял Хаято Гото (Senior Fellow Toshiba)
Он отметил, что достигнутый уровень скорости и точности будет сложно превзойти даже настоящему квантовому компьютеру через 50 лет
Результаты опубликованы в журнале Physical Review Applied
Внедрение планируют в течение 1–2 лет
Telegram
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
❗️Google совершил прорыв: создан квантовый процессор Willow
Google Quantum AI представил новый квантовый процессор Willow, который может изменить будущее вычислительной техники.
Представьте себе задачу настолько сложную, что самому мощному современному…
Google Quantum AI представил новый квантовый процессор Willow, который может изменить будущее вычислительной техники.
Представьте себе задачу настолько сложную, что самому мощному современному…
Anthropic выпустили Claude Managed Agents – среду для запуска сложных и долгих агентных задач
По сути, автопилот: вы задаете цель, инструменты и ограничения, а платформа берет на себя весь рантайм, все планирование, весь мониторинг и инфраструктуру
То есть теперь вам вообще не нужно самостоятельно заниматься оркестрацией, управлять файлами и тд, Managed Agents все делает за вас
Систему уже успели попробовать несколько ранних клиентов
Например, у Notion она уже внедрена на уровне полноценного исполнителя: команды работают с Managed Agents над долгоиграющими процессами
https://www.anthropic.com/engineering/managed-agents
По сути, автопилот: вы задаете цель, инструменты и ограничения, а платформа берет на себя весь рантайм, все планирование, весь мониторинг и инфраструктуру
То есть теперь вам вообще не нужно самостоятельно заниматься оркестрацией, управлять файлами и тд, Managed Agents все делает за вас
Систему уже успели попробовать несколько ранних клиентов
Например, у Notion она уже внедрена на уровне полноценного исполнителя: команды работают с Managed Agents над долгоиграющими процессами
https://www.anthropic.com/engineering/managed-agents
Anthropic
Scaling Managed Agents: Decoupling the brain from the hands
Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.
После релиза Anthropic Managed Agents, 2 игрока из открытой экосистемы ответили публично
Letta говорит, что они это построили год назад, только без закрытого кода и без привязки к одному провайдеру
А сам подход с блоками памяти - это тупик
Агенты становятся умнее, они уже умеют работать с компьютером напрямую
Жёсткие блоки ограничивают то, чему агенты могли бы научиться сами.
А СЕО LangChain сформулировал ещё короче: открытая оболочка - открытая память
Закрытая оболочка - чужая память
Инженеры LangChain показали, как должна выглядеть альтернатива
Оболочку агента можно улучшать автоматически через тесты как обучающий сигнал
Каждое реальное взаимодействие становится данными
Чем больше агент работает, тем лучше он становится
Этот маховик крутится только если данные принадлежат тебе, а не провайдеру
Параллельно появился ещё третий игрок с другой стороны стека - Multica, открытый десктопный клиент, предлагает третий путь: данные остаются на твоей машине, агент работает локально, интеллект приходит из облака
Никакого провайдера между тобой и твоей памятью
Anthropic хочет владеть серверным слоем, LangChain и Letta борются за открытость на уровне фреймворков, а Multica говорит уберите облако из уравнения там, где это возможно
Letta говорит, что они это построили год назад, только без закрытого кода и без привязки к одному провайдеру
А сам подход с блоками памяти - это тупик
Агенты становятся умнее, они уже умеют работать с компьютером напрямую
Жёсткие блоки ограничивают то, чему агенты могли бы научиться сами.
А СЕО LangChain сформулировал ещё короче: открытая оболочка - открытая память
Закрытая оболочка - чужая память
Инженеры LangChain показали, как должна выглядеть альтернатива
Оболочку агента можно улучшать автоматически через тесты как обучающий сигнал
Каждое реальное взаимодействие становится данными
Чем больше агент работает, тем лучше он становится
Этот маховик крутится только если данные принадлежат тебе, а не провайдеру
Параллельно появился ещё третий игрок с другой стороны стека - Multica, открытый десктопный клиент, предлагает третий путь: данные остаются на твоей машине, агент работает локально, интеллект приходит из облака
Никакого провайдера между тобой и твоей памятью
Anthropic хочет владеть серверным слоем, LangChain и Letta борются за открытость на уровне фреймворков, а Multica говорит уберите облако из уравнения там, где это возможно
Telegram
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
Новый релиз от Anthropic. Они теперь управляют запуском ваших ИИ-агентов, и это большая история для экономики агентов
2 недели назад мы разбирали агентную экономику как шестислойный стек и задали открытый вопрос: кто займёт слой, где агенты реально работают?…
2 недели назад мы разбирали агентную экономику как шестислойный стек и задали открытый вопрос: кто займёт слой, где агенты реально работают?…
А что, если сама нейросеть и есть компьютер?
Не агент поверх операционной системы, не модель, вызывающая инструменты, а система, где вычисление, память и ввод/вывод объединены в одном латентном состоянии
Это называется Neural Computers (NC)
Реализуется через видеомодели, где нейросеть симулирует работающий компьютер изнутри, без внешней операционной системы
Результаты пока скромные, модель воспроизводит внешний вид интерфейса и короткие цепочки команд, но символические вычисления остаются слабым местом
Не агент поверх операционной системы, не модель, вызывающая инструменты, а система, где вычисление, память и ввод/вывод объединены в одном латентном состоянии
Это называется Neural Computers (NC)
Реализуется через видеомодели, где нейросеть симулирует работающий компьютер изнутри, без внешней операционной системы
Результаты пока скромные, модель воспроизводит внешний вид интерфейса и короткие цепочки команд, но символические вычисления остаются слабым местом
Algrow — платформа для роста на YouTube
Скрапит миллионы каналов, отслеживает тренды, форматы, обложки, просмотры
Теперь она работает как MCP-интеграция внутри Claude
Это значит: открываешь чат Claude → пишешь запрос → Claude дёргает ~19 инструментов Algrow
Ищет похожие каналы, вирусные видео, читает транскрипты, анализирует превью, проверяет банны
Даже генерирует TTS, картинки и видео
Как подключить: в Claude добавляешь кастомный connector Algrow (URL: https://mcp.algrow.online/mcp, клиент algrowmcpclaude), авторизуешь аккаунт — всё.
Теперь любой промпт Claude может обращаться к живым данным YouTube: 300k+ каналов и 18M+ видео, обновления минимум раз в день
Актуальные метрики, совпадения по формату, тренды — прямо в ответе
Скрапит миллионы каналов, отслеживает тренды, форматы, обложки, просмотры
Теперь она работает как MCP-интеграция внутри Claude
Это значит: открываешь чат Claude → пишешь запрос → Claude дёргает ~19 инструментов Algrow
Ищет похожие каналы, вирусные видео, читает транскрипты, анализирует превью, проверяет банны
Даже генерирует TTS, картинки и видео
Как подключить: в Claude добавляешь кастомный connector Algrow (URL: https://mcp.algrow.online/mcp, клиент algrowmcpclaude), авторизуешь аккаунт — всё.
Теперь любой промпт Claude может обращаться к живым данным YouTube: 300k+ каналов и 18M+ видео, обновления минимум раз в день
Актуальные метрики, совпадения по формату, тренды — прямо в ответе
На переднем крае математики сейчас происходят сразу несколько сдвигов, и все они так или иначе связаны с искусственным интеллектом
Один из самых интересных — переход от неформальной «бумажной» математики к формальной, в которой каждое утверждение и каждое доказательство представлены в виде точного кода, который проверяет компьютер
Интерактивные системы доказательства теорем вроде Lean и Coq стали не просто экзотикой, а рабочими инструментами, позволяющими записывать сложные теории в виде формальных систем и получать гарантию, что в цепочке рассуждений нет ни одной пропущенной детали
На этом фоне появилась новая практическая область — то, что я бы назвал «математикой с поддержкой AML»
Это когда большая языковая модель не придумывает теоремы из воздуха, а помогает математику и инженеру проходить самые рутинные, трудоёмкие части работы: подбирать тактики, искать подходящие леммы в огромной библиотеке, заполнять фрагменты доказательств
Мои собственные эксперименты показывают, что в связке «человек + модель» можно автоматически закрывать значительную часть шагов в доказательстве, сокращая руками вводимые тактики в Lean в разы по сравнению с классическими средствами автоматизации
Это уже не теория, а рабочие прототипы, которые используются в реальных проектах
Параллельно растёт направление полностью автоматического доказательства: системы вроде AlphaProof и других нейросетевых связок учатся по библиотекам формальных доказательств, генерируют собственные доказательства и находят ошибки в существующих формулировках
Они особенно сильны там, где структура теоремы и используемых понятий уже хорошо отражена в формальной библиотеке, и пока заметно слабее на действительно новых концепциях, но в связке с человеком дают эффект, которого у классических автоматических систем просто не было
Это меняет не только темп работы, но и саму практику: становится возможным проверять и дорабатывать формулировки, с которыми математики жили десятилетиями
Для инженера по искусственному интеллекту всё это не «чужая наука», а ближайшее будущее профессии
От формальной верификации критичных систем до проверки корректности протоколов и сложных алгоритмов — везде, где цена ошибки велика, математические доказательства становятся частью инженерного процесса, а инструменты с AML-поддержкой снимают барьер входа в формальную математику
Понимать, что именно делает такая система, где границы её возможностей, чем отличается формальное доказательство от красивого, но нестрогого эскиза — всё это требует дискретного и логического фундамента
Если коротко: математика перестаёт быть исключительно «бумажной наукой» и всё больше становится совместной работой человека и машины — с формальными языками, проверяемыми доказательствами и AML-помощниками
И специалист, который в этом не разбирается, через несколько лет будет таким же анахронизмом, как программист, не умеющий пользоваться системой контроля версий
Один из самых интересных — переход от неформальной «бумажной» математики к формальной, в которой каждое утверждение и каждое доказательство представлены в виде точного кода, который проверяет компьютер
Интерактивные системы доказательства теорем вроде Lean и Coq стали не просто экзотикой, а рабочими инструментами, позволяющими записывать сложные теории в виде формальных систем и получать гарантию, что в цепочке рассуждений нет ни одной пропущенной детали
На этом фоне появилась новая практическая область — то, что я бы назвал «математикой с поддержкой AML»
Это когда большая языковая модель не придумывает теоремы из воздуха, а помогает математику и инженеру проходить самые рутинные, трудоёмкие части работы: подбирать тактики, искать подходящие леммы в огромной библиотеке, заполнять фрагменты доказательств
Мои собственные эксперименты показывают, что в связке «человек + модель» можно автоматически закрывать значительную часть шагов в доказательстве, сокращая руками вводимые тактики в Lean в разы по сравнению с классическими средствами автоматизации
Это уже не теория, а рабочие прототипы, которые используются в реальных проектах
Параллельно растёт направление полностью автоматического доказательства: системы вроде AlphaProof и других нейросетевых связок учатся по библиотекам формальных доказательств, генерируют собственные доказательства и находят ошибки в существующих формулировках
Они особенно сильны там, где структура теоремы и используемых понятий уже хорошо отражена в формальной библиотеке, и пока заметно слабее на действительно новых концепциях, но в связке с человеком дают эффект, которого у классических автоматических систем просто не было
Это меняет не только темп работы, но и саму практику: становится возможным проверять и дорабатывать формулировки, с которыми математики жили десятилетиями
Для инженера по искусственному интеллекту всё это не «чужая наука», а ближайшее будущее профессии
От формальной верификации критичных систем до проверки корректности протоколов и сложных алгоритмов — везде, где цена ошибки велика, математические доказательства становятся частью инженерного процесса, а инструменты с AML-поддержкой снимают барьер входа в формальную математику
Понимать, что именно делает такая система, где границы её возможностей, чем отличается формальное доказательство от красивого, но нестрогого эскиза — всё это требует дискретного и логического фундамента
Если коротко: математика перестаёт быть исключительно «бумажной наукой» и всё больше становится совместной работой человека и машины — с формальными языками, проверяемыми доказательствами и AML-помощниками
И специалист, который в этом не разбирается, через несколько лет будет таким же анахронизмом, как программист, не умеющий пользоваться системой контроля версий
Китай встроил автономный AML в структуры командования батальонного уровня
В симуляции десантной операции система обошла пятерых военных экспертов: решения быстрее на 43 %, точность воспроизведения данных при глушении связи — выше 90 %
Ключевая функция — не скорость, а умение видеть пробелы
Пока командиры спорили над картой, AML за секунды засёк отсутствие вражеских резервов и указал, где ждёт засада
Слабые места: нужна история решений конкретного командира для настройки, и система пока работает только для амфибийных операций
https://mltimes.ai/voennyy-ii-kitaya-prinimaet-resheniya-na-43-bystree-opytnyh/
В симуляции десантной операции система обошла пятерых военных экспертов: решения быстрее на 43 %, точность воспроизведения данных при глушении связи — выше 90 %
Ключевая функция — не скорость, а умение видеть пробелы
Пока командиры спорили над картой, AML за секунды засёк отсутствие вражеских резервов и указал, где ждёт засада
Слабые места: нужна история решений конкретного командира для настройки, и система пока работает только для амфибийных операций
https://mltimes.ai/voennyy-ii-kitaya-prinimaet-resheniya-na-43-bystree-opytnyh/
Математикам не присуждают Нобелевские премии
Нобелевские премии даются в области естественных наук, а математика не наука
Математика это язык
Математика это искусство
А главная задача искусства — выйти за рамки подражания и подняться до уровня высших абстракций
Нобелевские премии даются в области естественных наук, а математика не наука
Математика это язык
Математика это искусство
А главная задача искусства — выйти за рамки подражания и подняться до уровня высших абстракций
Центральное Разведывательное Агенство США делает ставку на искусственный интеллект
В ближайшие годы AML-ассистенты будут встроены во все аналитические платформы агентства
Подготовлен первый отчёт, сгенерированный AML, а за последний год ЦРУ протестировало более 300 AML-проектов
AML возьмут на себя рутинные, но критически важные задачи: подготовку черновиков разведывательных оценок, верификацию данных из разрозненных источников, машинный перевод и выявление скрытых трендов в больших массивах информации
В перспективе десяти лет ведомство планирует перейти к модели, при которой офицеры управляют командами автономных AML-агентов
Центр киберразведки, курирующий тайные хакерские операции, также усилит применение AML моделей
Принципиальная позиция ЦРУ: право принятия ключевых решений остаётся за людьми
Однако стратегические амбиции ведомства выходят далеко за рамки автоматизации рутины
Cторона, получившая доступ к лучшим AML-системам, обретёт «огромную стратегическую власть» — и ЦРУ намерено оказаться именно на этой стороне
В ближайшие годы AML-ассистенты будут встроены во все аналитические платформы агентства
Подготовлен первый отчёт, сгенерированный AML, а за последний год ЦРУ протестировало более 300 AML-проектов
AML возьмут на себя рутинные, но критически важные задачи: подготовку черновиков разведывательных оценок, верификацию данных из разрозненных источников, машинный перевод и выявление скрытых трендов в больших массивах информации
В перспективе десяти лет ведомство планирует перейти к модели, при которой офицеры управляют командами автономных AML-агентов
Центр киберразведки, курирующий тайные хакерские операции, также усилит применение AML моделей
Принципиальная позиция ЦРУ: право принятия ключевых решений остаётся за людьми
Однако стратегические амбиции ведомства выходят далеко за рамки автоматизации рутины
Cторона, получившая доступ к лучшим AML-системам, обретёт «огромную стратегическую власть» — и ЦРУ намерено оказаться именно на этой стороне
США создали ChatGPT, Claude и большую часть современного AML
Но в реальном применении этих технологий они уступают двум десяткам стран
Tortoise Media ранжирует 83 государства по совокупному AML-потенциалу — инновациям, инвестициям и внедрению
США первые в абсолюте, но в пересчете на душу населения лидируют уже Сингапур, Израиль и Швейцария.
В ОАЭ AML регулярно используют 64 % работающего населения
В Сингапуре — 61 %
В США — 28%
Доверяют технологии 67 % жителей ОАЭ против 32 % американцев
В ОАЭ AML регулярно используют 64 % работающего населения
В Сингапуре — 61 %
В США — 28 %, это 24-е место в мире
Доверяют технологии 67 % жителей ОАЭ против 32 % американцев
Конкуренты поставили на опенсорсные решения
Модели вроде Qwen от Alibaba уже работают внутри Airbnb
Белый дом ужесточает экспортный контроль над полупроводниками и называет технологическую экспансию Китая геополитической угрозой
Сингапур — третий в общем рейтинге, но оказывается первым по эффективности
Не потому что создал лучший AML, а потому что встроил его в экономику, инфраструктуру и систему переобучения кадров
По числу исследователей на миллион жителей он опережает и США, и Китай
Но в реальном применении этих технологий они уступают двум десяткам стран
Tortoise Media ранжирует 83 государства по совокупному AML-потенциалу — инновациям, инвестициям и внедрению
США первые в абсолюте, но в пересчете на душу населения лидируют уже Сингапур, Израиль и Швейцария.
В ОАЭ AML регулярно используют 64 % работающего населения
В Сингапуре — 61 %
В США — 28%
Доверяют технологии 67 % жителей ОАЭ против 32 % американцев
В ОАЭ AML регулярно используют 64 % работающего населения
В Сингапуре — 61 %
В США — 28 %, это 24-е место в мире
Доверяют технологии 67 % жителей ОАЭ против 32 % американцев
Конкуренты поставили на опенсорсные решения
Модели вроде Qwen от Alibaba уже работают внутри Airbnb
Белый дом ужесточает экспортный контроль над полупроводниками и называет технологическую экспансию Китая геополитической угрозой
Сингапур — третий в общем рейтинге, но оказывается первым по эффективности
Не потому что создал лучший AML, а потому что встроил его в экономику, инфраструктуру и систему переобучения кадров
По числу исследователей на миллион жителей он опережает и США, и Китай
“a lot of people tried the free tier of ChatGPT somewhere last year and allowed it to inform their views on AI a little too much”
“One group tried a free chatbot and found it unreliable
The other is using frontier agentic coding tools and watching them complete days of engineering work in hours
Both are right
They are just not talking about the same thing”
https://www.businessinsider.com/andrej-karpathy-growing-gap-ai-understanding-2026-4
и
https://www.forbes.com/sites/josipamajic/2026/04/10/people-dont-agree-on-what-ai-can-do-but-they-dont-even-use-the-same-product/
Business Insider
He coined 'vibe coding.' Now he says there's a 'growing gap' among AI users
Ex-Tesla AI director and OpenAI founding member Andrej Karpathy wrote that AI power users and skeptics are "speaking past each other."
«Во многих случаях математика — это бегство от реальности
Математик находит свою монашескую нишу и счастье в занятиях, которые не связаны с внешними делами»
«Важна не столько полезность теоремы, сколько её элегантность»
«Меня всё ещё удивляет, что несколько каракулей на доске или на листе бумаги могут изменить ход человеческих дел»
13 апреля 1909 г. родился Станислав Улам, польский и американский математик
Один из создателей термоядерной бомбы в США
Выдвинул теорию ядерного ракетного двигателя
Открыл концепцию клеточного автомата
Доказал ряд теорем и выдвинул несколько гипотез в чистой и прикладной математике
Разработал численный метод Монте-Карло
Улам понял, что его подход даст решение сложного дифференциального уравнения, только нужно представить его в виде случайного процесса
Один довольно забавный результат, связанный с именем учёного, — скатерть Улама
Она была открыта математиком случайно. Однажды, в 1963 г., ему пришлось присутствовать на довольно скучном докладе, и, чтобы развлечься, он начертил на листке бумаги вертикальные и горизонтальные линии, решив заняться составлением шахматных этюдов
Но вместо этого стал нумеровать клетки: в центре поставил единицу, а затем, двигаясь по спирали, двойку, тройку и т. д.
При этом он машинально отмечал все простые числа
И неожиданно оказалось, что они стали выстраиваться вдоль диагональных прямых.
Имеются разные вариации скатерти Улама
Например, в 1994 г. Роберт Сакс изобрёл вариант скатерти Улама, где числа расположены по архимедовой спирали.
Откуда берутся красивые паттерны из простых чисел при закручивании всех натуральных чисел по спирали?!
Казалось бы, совершенно невероятный результат!
Однако ему есть довольно простое объяснение
Об этом хорошо рассказано:
https://youtu.be/DxntHp7-wbg?si=TpkzbTH6Nzm-39z1
https://dzen.ru/a/XOneyqp-iwCzVs30?ysclid=m8w46l9fty412086650
Математик находит свою монашескую нишу и счастье в занятиях, которые не связаны с внешними делами»
«Важна не столько полезность теоремы, сколько её элегантность»
«Меня всё ещё удивляет, что несколько каракулей на доске или на листе бумаги могут изменить ход человеческих дел»
13 апреля 1909 г. родился Станислав Улам, польский и американский математик
Один из создателей термоядерной бомбы в США
Выдвинул теорию ядерного ракетного двигателя
Открыл концепцию клеточного автомата
Доказал ряд теорем и выдвинул несколько гипотез в чистой и прикладной математике
Разработал численный метод Монте-Карло
Улам понял, что его подход даст решение сложного дифференциального уравнения, только нужно представить его в виде случайного процесса
Один довольно забавный результат, связанный с именем учёного, — скатерть Улама
Она была открыта математиком случайно. Однажды, в 1963 г., ему пришлось присутствовать на довольно скучном докладе, и, чтобы развлечься, он начертил на листке бумаги вертикальные и горизонтальные линии, решив заняться составлением шахматных этюдов
Но вместо этого стал нумеровать клетки: в центре поставил единицу, а затем, двигаясь по спирали, двойку, тройку и т. д.
При этом он машинально отмечал все простые числа
И неожиданно оказалось, что они стали выстраиваться вдоль диагональных прямых.
Имеются разные вариации скатерти Улама
Например, в 1994 г. Роберт Сакс изобрёл вариант скатерти Улама, где числа расположены по архимедовой спирали.
Откуда берутся красивые паттерны из простых чисел при закручивании всех натуральных чисел по спирали?!
Казалось бы, совершенно невероятный результат!
Однако ему есть довольно простое объяснение
Об этом хорошо рассказано:
https://youtu.be/DxntHp7-wbg?si=TpkzbTH6Nzm-39z1
https://dzen.ru/a/XOneyqp-iwCzVs30?ysclid=m8w46l9fty412086650
YouTube
Почему простые числа образуют спирали? [3Blue1Brown]
Смотреть видео в оригинале: https://youtu.be/EK32jo7i5LQ
Поддержать выход переводов: https://vertdider.tv/to-support-us/
Все мы слышали об удивительных закономерностях и паттернах в математике. Некоторые из них настолько красивы и необъяснимы, что люди с…
Поддержать выход переводов: https://vertdider.tv/to-support-us/
Все мы слышали об удивительных закономерностях и паттернах в математике. Некоторые из них настолько красивы и необъяснимы, что люди с…
👍2
День рождения Андрея Николаевича Колмогорова
Небольшая история про учёного, изменившего наше представление о теории вероятностей
В начале XX века она выглядела странной областью: её уже вовсю использовали в физике и статистике, но концептуально она оставалась шаткой
Что такое вероятность: аналог частоты или классификатор степени уверенности?
Дискуссии разделили математиков на два лагеря: ярых сторонников понятия и его активных противников
Ответ, который сегодня кажется очевидным, появился в 1933 году, когда Колмогоров опубликовал книгу «Основные понятия теории вероятностей»
В ней он полностью отвязал вероятность от интуиции и построил её как раздел теории меры
На протяжении 20 лет Колмогоров почти каждые два года совершал крупные открытия
Одно из них связано и с именем Альберта Эйнштейна
В 1905 году Эйнштейн написал четыре работы, заложившие основы всей физики XX века
Среди них была работа про броуновское движение — случайный процесс
Андрей Николаевич одним из первых дал ясное описание того, что такое «случайный процесс»
Суть идеи проста и глубока
Есть пространство элементарных исходов Ω, есть так называемая σ-алгебра событий, и есть мера P, обладающая тремя свойствами, с которых началась современная теория вероятностей:
• неотрицательность
• нормировка: P(Ω) = 1
• σ-аддитивность
Но сегодня мы поговорим о чуть менее известной стороне Колмогорова — его интересе к гуманитарным наукам
Открывайте цитаты:
⠀
Таким был Колмогоров со своим стремлением к предельной строгости и, казалось бы, неожиданным интересом к творческим наукам
Небольшая история про учёного, изменившего наше представление о теории вероятностей
В начале XX века она выглядела странной областью: её уже вовсю использовали в физике и статистике, но концептуально она оставалась шаткой
Что такое вероятность: аналог частоты или классификатор степени уверенности?
Дискуссии разделили математиков на два лагеря: ярых сторонников понятия и его активных противников
Ответ, который сегодня кажется очевидным, появился в 1933 году, когда Колмогоров опубликовал книгу «Основные понятия теории вероятностей»
В ней он полностью отвязал вероятность от интуиции и построил её как раздел теории меры
На протяжении 20 лет Колмогоров почти каждые два года совершал крупные открытия
Одно из них связано и с именем Альберта Эйнштейна
В 1905 году Эйнштейн написал четыре работы, заложившие основы всей физики XX века
Среди них была работа про броуновское движение — случайный процесс
Андрей Николаевич одним из первых дал ясное описание того, что такое «случайный процесс»
Суть идеи проста и глубока
Есть пространство элементарных исходов Ω, есть так называемая σ-алгебра событий, и есть мера P, обладающая тремя свойствами, с которых началась современная теория вероятностей:
• неотрицательность
• нормировка: P(Ω) = 1
• σ-аддитивность
Но сегодня мы поговорим о чуть менее известной стороне Колмогорова — его интересе к гуманитарным наукам
Открывайте цитаты:
⠀
⠀
Увлечение историей России
⠀
Уже в 17-18 лет наш герой провёл исследование земельных отношений в Новгородской земле
Результаты долгое время не публиковали — по словам одного из критиков, «в исторической науке каждый вывод должен быть обоснован несколькими доказательствами»
Тогда Колмогоров решил уйти в науку, в которой для окончательного вывода достаточно одного доказательства
Так история навсегда потеряла гениального исследователя, а математика приобрела его
Кстати, рукопись его исследования издали в 1994 году
⠀
Анализ русской поэзии
⠀
Можно ли описать поэзию количественно, формализовать ритм, структуру, вариативность? В своё время Марков подступился с подобными вопросами к «Евгению Онегину»
Его последователем можно смело назвать Колмогорова
В 1960 году он начал читать на мехмате МГУ спецсеминар и выступать с лекциями на эту тему в Доме литераторов и Политехническом музее
Параллельно публиковались несколько больших статей, которые задумывались как части
книги
по
стиховедческому анализу
Но Колмогоров так и не успел её выпустить
Кстати, именно Колмогоров дал формальное описание падежа, которое вошло в стандарты лингвистики
Приводить его, в силу сложности, не решимся…
⠀
▶️
Школа и учебники
⠀
Если бы Колмогоров сделал только аксиоматику вероятности, его имя уже было бы в истории
Но он сделал гораздо больше — он создал школу
Причём в двух смыслах
Во-первых, научную, из которой вышли десятки выдающихся математиков
Его семинар стал средой, где формировался стиль мышления: строгость, ясность, уважение к структуре
Во-вторых, буквальную
Он открыл сеть физмат-интернатов при МГУ и других ведущих университетах СССР
Сегодня эти школы называются СУНЦ
Колмогоров также участвовал в реформе школьного математического образования
Он был одним из авторов учебников и программ, которые пытались приблизить школьную математику к современной
Это была попытка научить школьников не только считать, но и понимать предмет
Таким был Колмогоров со своим стремлением к предельной строгости и, казалось бы, неожиданным интересом к творческим наукам
Please open Telegram to view this post
VIEW IN TELEGRAM
Limits of Mathematics: A Journey Through the Key Areas of Mathematical Logic Dirk W. Hoffmann
Хоффман ставит перед собой благородную цель: без потери глубины объяснить ключевые понятия и результаты, которые потрясли основания математики в прошлом столетии
Структура путешествия включает в себя исторический экскурс, знакомство с формальными системами, аксиоматическую теорию чисел и множеств (ZF), теоремы Гёделя о неполноте, теорию вычислимости (включая проблему остановки и 10-ю проблему Гильберта), алгоритмическую теорию информации Грегори Чайтина и, наконец, теорию моделей
Такой широкий охват — несомненный плюс, делающий книгу ценным обзором для новичка
«Limits of Mathematics» — это книга с разорванной амбицией
С одной стороны, это смелая попытка собрать под одной обложкой самые сложные идеи века: от теорем Гёделя до теории моделей
С другой стороны, исполнение страдает из-за методологических просчетов и недостаточной редактуры исторической части
Читать стоит «с оглядкой» — тем, кто уже имеет базовое представление о логике и хочет бегло ознакомиться с нетривиальной темой алгоритмической информации (глава 6)
Книгу можно использовать как дополнительный источник, чтобы увидеть общую картину
Стоит воздержаться абсолютным новичкам, которые хотятся научиться понимать логику, а не просто читать о ней
Студентам, которым нужны строгие и ясные доказательства (например, теоремы о полноте или непротиворечивости), придется идти к классикам вроде Эндертона, Клини или того же автора, но в другой его книге — «Gödel’s Incompleteness Theorems», которая написана Хоффманом гораздо лучше
Хоффман ставит перед собой благородную цель: без потери глубины объяснить ключевые понятия и результаты, которые потрясли основания математики в прошлом столетии
Структура путешествия включает в себя исторический экскурс, знакомство с формальными системами, аксиоматическую теорию чисел и множеств (ZF), теоремы Гёделя о неполноте, теорию вычислимости (включая проблему остановки и 10-ю проблему Гильберта), алгоритмическую теорию информации Грегори Чайтина и, наконец, теорию моделей
Такой широкий охват — несомненный плюс, делающий книгу ценным обзором для новичка
«Limits of Mathematics» — это книга с разорванной амбицией
С одной стороны, это смелая попытка собрать под одной обложкой самые сложные идеи века: от теорем Гёделя до теории моделей
С другой стороны, исполнение страдает из-за методологических просчетов и недостаточной редактуры исторической части
Читать стоит «с оглядкой» — тем, кто уже имеет базовое представление о логике и хочет бегло ознакомиться с нетривиальной темой алгоритмической информации (глава 6)
Книгу можно использовать как дополнительный источник, чтобы увидеть общую картину
Стоит воздержаться абсолютным новичкам, которые хотятся научиться понимать логику, а не просто читать о ней
Студентам, которым нужны строгие и ясные доказательства (например, теоремы о полноте или непротиворечивости), придется идти к классикам вроде Эндертона, Клини или того же автора, но в другой его книге — «Gödel’s Incompleteness Theorems», которая написана Хоффманом гораздо лучше
Telegram
Physics.Math.Code
📙 Limits of Mathematics: A Journey Through the Key Areas of Mathematical Logic Dirk W. Hoffmann
Книга Дирка В. Хоффмана «Limits of Mathematics» (рус. «Границы математики») представляет собой амбициозную попытку провести читателя по основным разделам математической…
Книга Дирка В. Хоффмана «Limits of Mathematics» (рус. «Границы математики») представляет собой амбициозную попытку провести читателя по основным разделам математической…
Сегодня на повестке дня у нас красивейшая математика — абсолютно все математические функции можно вывести из одной операции
Скорее всего, вам знакома операция NAND (NOT AND)
Ее главная прелесть в том, что на ней строится ВСЯ булева логика, то есть через NAND можно представить любую другую логическую функцию (OR, AND, NOT и пр)
Это называется функциональная полнота, и используется она повсеместно
Кстати, именно из-за нее реальные процессоры часто строятся почти полностью из NAND-гейтов
Есть аналог NAND для непрерывной математики
Абсолютно любую функцию и число: экспоненту, π, мнимую единицу, синусы, косинусы, сложение, умножение, корни и вообще все-все-все – можно представить в виде единицы + такого выражения:
eml(x,y)=e^x−ln(y)
Например, ln_x=eml(1,eml(eml(1,x),1))
Для других операторов выражения гораздо длиннее и глубже, но они существуют
Это красиво, но есть ли практическая польза?
Она есть, и это symbolic regression
Символьная регрессия – это когда нам нужно восстановить явную формулу, которая порождает данные
Она используется в науке и инженерии: например, по экспериментальным данным найти закон движения или компактную модель в физике/финансах
Обычно такие методы перебирают огромное пространство формул из разных операций (+, ×, sin, log…), и это очень сложный, дискретный и плохо оптимизируемый процесс
EML открывает новый путь
Если все функции можно выразить через одну операцию, то все пространство формул становится однородным (деревья из одного типа узлов)
А значит, можно применять для symbolic regression нейросети, оптимизируя параметры таких деревьев градиентами
Показано, что в простых случаях модель не просто аппроксимирует данные, а может схлопнуться в точную аналитическую формулу
И это масштабируется, и это потенциальный мост между машинным обучением и классической наукой: модели смогут не просто предсказывать данные, а выводить из них интерпретируемые законы
www.alphaxiv.org/abs/2603.21852v2
Скорее всего, вам знакома операция NAND (NOT AND)
Ее главная прелесть в том, что на ней строится ВСЯ булева логика, то есть через NAND можно представить любую другую логическую функцию (OR, AND, NOT и пр)
Это называется функциональная полнота, и используется она повсеместно
Кстати, именно из-за нее реальные процессоры часто строятся почти полностью из NAND-гейтов
Есть аналог NAND для непрерывной математики
Абсолютно любую функцию и число: экспоненту, π, мнимую единицу, синусы, косинусы, сложение, умножение, корни и вообще все-все-все – можно представить в виде единицы + такого выражения:
eml(x,y)=e^x−ln(y)
Например, ln_x=eml(1,eml(eml(1,x),1))
Для других операторов выражения гораздо длиннее и глубже, но они существуют
Это красиво, но есть ли практическая польза?
Она есть, и это symbolic regression
Символьная регрессия – это когда нам нужно восстановить явную формулу, которая порождает данные
Она используется в науке и инженерии: например, по экспериментальным данным найти закон движения или компактную модель в физике/финансах
Обычно такие методы перебирают огромное пространство формул из разных операций (+, ×, sin, log…), и это очень сложный, дискретный и плохо оптимизируемый процесс
EML открывает новый путь
Если все функции можно выразить через одну операцию, то все пространство формул становится однородным (деревья из одного типа узлов)
А значит, можно применять для symbolic regression нейросети, оптимизируя параметры таких деревьев градиентами
Показано, что в простых случаях модель не просто аппроксимирует данные, а может схлопнуться в точную аналитическую формулу
И это масштабируется, и это потенциальный мост между машинным обучением и классической наукой: модели смогут не просто предсказывать данные, а выводить из них интерпретируемые законы
www.alphaxiv.org/abs/2603.21852v2
alphaXiv
All elementary functions from a single binary operator
View 3 comments: Your work is truly admirable.
❤1
CLAUDE.md — единственный скилл для агента, в котором 65 строк расписаны как четыре принципа: думай и спрашивай перед кодингом, упрощай, меняй только то что просят, работай над четкой целью
github.com/forrestchang/andrej-karpathy-skills
github.com/forrestchang/andrej-karpathy-skills
GitHub
GitHub - forrestchang/andrej-karpathy-skills: A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's…
A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls. - forrestchang/andrej-karpathy-skills