Forward_Deployed_Engineer_A_No_BS_Guide_to_Tech's_Hottest_Job.pdf
1.3 MB
CEO Anthropic: «кодирование исчезнет первым. затем вся инженерия ПО»
Останется 5 % инженеров, которые внедряют AML в реальный мир
Останется 5 % инженеров, которые внедряют AML в реальный мир
Современная криптография стоит на двух математических столпах, которые кажутся простыми, но на деле чрезвычайно сложны для вычисления
Факторизация: детская игра, которая ставит в тупик суперкомпьютеры
Факторизация — это разложение числа на простые множители
Помните школьную математику?
Число 12 раскладывается на 2×2×3, число 15 — на 3×5
Просто, правда?
А теперь попробуйте разложить на множители число 2057
Не так-то легко!
Придётся перебирать делители: 2, 3, 5, 7, 11...
Оказывается, это 29×71
Теперь представьте число длиной в 2048 битов — это примерно 617 цифр!
Именно такие числа использует криптосистема RSA
Даже самые мощные суперкомпьютеры тратят тысячи лет, чтобы разложить подобное число на множители
Почему это так сложно?
Нет эффективного алгоритма
Приходится проверять делители один за другим, а их количество растёт экспоненциально с размером числа
Это как искать иголку в стоге сена размером с галактику
Дискретный логарифм: ещё одна непобедимая задача
Представьте простую операцию: 2 в степени 10 равно 1024
Легко посчитать!
А теперь обратная задача: в какую степень нужно возвести 2, чтобы получить 1024?
Это и есть логарифм
В обычной арифметике логарифмы вычисляются просто
Но в модульной арифметике всё меняется кардинально
Пример: Возьмём число 3 и будем возводить его в разные степени по модулю 17:
3¹ = 3 (mod 17)
3² = 9 (mod 17)
3³ = 10 (mod 17)
3⁴ = 13 (mod 17)
...
Легко вычислить, чему равно 3¹⁰⁰ по модулю 17
Но если дать вам результат — скажем, 13 — сможете ли вы быстро сказать, в какой степени нужно возвести 3, чтобы получить 13 по модулю 17?
Это и есть задача дискретного логарифма
Почему эти задачи важны
Вся современная криптография основана на односторонних функциях — операциях, которые легко выполнить в одну сторону, но практически невозможно обратить
Схема RSA использует факторизацию: легко перемножить два больших простых числа, но крайне трудно разложить результат обратно
Ваш открытый ключ содержит произведение, а секретный — сами множители
Алгоритмы на эллиптических кривых используют дискретный логарифм: Легко «умножить» точку на кривой на большое число, но найти это число по результату — задача на миллионы лет вычислений
Реальные масштабы сложности
Чтобы понять масштаб проблемы, представьте: если бы каждый атом во Вселенной был компьютером, и все они работали бы с момента Большого взрыва до сегодня, то они всё равно не смогли бы разложить на множители 2048-битное число классическими методами
Именно поэтому банки спокойно используют RSA, правительства доверяют эллиптической криптографии, а ваши пароли надёжно защищены
Математика работает как непробиваемый щит
Что изменят квантовые компьютеры
Но есть одна проблема
Алгоритм Шора, работающий на квантовом компьютере, может решить обе эти задачи за разумное время
Факторизация 2048-битного числа займёт не тысячи лет, а считанные часы
Это означает, что как только появятся достаточно мощные квантовые компьютеры, вся существующая криптография станет бесполезной
Именно поэтому уже сейчас математики всего мира работают над постквантовой криптографией — новыми задачами, которые будут сложны даже для квантовых машин
Факторизация и дискретный логарифм — это два математических титана, которые уже четверть века держат на себе всю цифровую безопасность
Но их время подходит к концу
Факторизация: детская игра, которая ставит в тупик суперкомпьютеры
Факторизация — это разложение числа на простые множители
Помните школьную математику?
Число 12 раскладывается на 2×2×3, число 15 — на 3×5
Просто, правда?
А теперь попробуйте разложить на множители число 2057
Не так-то легко!
Придётся перебирать делители: 2, 3, 5, 7, 11...
Оказывается, это 29×71
Теперь представьте число длиной в 2048 битов — это примерно 617 цифр!
Именно такие числа использует криптосистема RSA
Даже самые мощные суперкомпьютеры тратят тысячи лет, чтобы разложить подобное число на множители
Почему это так сложно?
Нет эффективного алгоритма
Приходится проверять делители один за другим, а их количество растёт экспоненциально с размером числа
Это как искать иголку в стоге сена размером с галактику
Дискретный логарифм: ещё одна непобедимая задача
Представьте простую операцию: 2 в степени 10 равно 1024
Легко посчитать!
А теперь обратная задача: в какую степень нужно возвести 2, чтобы получить 1024?
Это и есть логарифм
В обычной арифметике логарифмы вычисляются просто
Но в модульной арифметике всё меняется кардинально
Пример: Возьмём число 3 и будем возводить его в разные степени по модулю 17:
3¹ = 3 (mod 17)
3² = 9 (mod 17)
3³ = 10 (mod 17)
3⁴ = 13 (mod 17)
...
Легко вычислить, чему равно 3¹⁰⁰ по модулю 17
Но если дать вам результат — скажем, 13 — сможете ли вы быстро сказать, в какой степени нужно возвести 3, чтобы получить 13 по модулю 17?
Это и есть задача дискретного логарифма
Почему эти задачи важны
Вся современная криптография основана на односторонних функциях — операциях, которые легко выполнить в одну сторону, но практически невозможно обратить
Схема RSA использует факторизацию: легко перемножить два больших простых числа, но крайне трудно разложить результат обратно
Ваш открытый ключ содержит произведение, а секретный — сами множители
Алгоритмы на эллиптических кривых используют дискретный логарифм: Легко «умножить» точку на кривой на большое число, но найти это число по результату — задача на миллионы лет вычислений
Реальные масштабы сложности
Чтобы понять масштаб проблемы, представьте: если бы каждый атом во Вселенной был компьютером, и все они работали бы с момента Большого взрыва до сегодня, то они всё равно не смогли бы разложить на множители 2048-битное число классическими методами
Именно поэтому банки спокойно используют RSA, правительства доверяют эллиптической криптографии, а ваши пароли надёжно защищены
Математика работает как непробиваемый щит
Что изменят квантовые компьютеры
Но есть одна проблема
Алгоритм Шора, работающий на квантовом компьютере, может решить обе эти задачи за разумное время
Факторизация 2048-битного числа займёт не тысячи лет, а считанные часы
Это означает, что как только появятся достаточно мощные квантовые компьютеры, вся существующая криптография станет бесполезной
Именно поэтому уже сейчас математики всего мира работают над постквантовой криптографией — новыми задачами, которые будут сложны даже для квантовых машин
Факторизация и дискретный логарифм — это два математических титана, которые уже четверть века держат на себе всю цифровую безопасность
Но их время подходит к концу
Обучать роботов на реальных данных дорого и медленно
Kandinsky WM 1.0 генерирует пятисекундные ролики, которые точнее соответствуют законам физики
Основа — Kandinsky 5.0 Video Lite, дообученная на миллионах видео с камер роботов, беспилотников и производств
Дорожные сцены дотянули обучением с подкреплением
Код и веса лежат под MIT, бесплатно для всех
Модели уже используют Центр робототехники Сбербанка и институт AIRI
Kandinsky WM 1.0 генерирует пятисекундные ролики, которые точнее соответствуют законам физики
Основа — Kandinsky 5.0 Video Lite, дообученная на миллионах видео с камер роботов, беспилотников и производств
Дорожные сцены дотянули обучением с подкреплением
Код и веса лежат под MIT, бесплатно для всех
Модели уже используют Центр робототехники Сбербанка и институт AIRI
Forwarded from НИИ Антропогенеза (ARI) (Chagin Oleg A.)
«Всеобщий альманах будущего»
В 1982 году авторы книги «Всеобщий альманах будущего» (The Omni Future Almanac) попытались предсказать, какие специальности будут наиболее востребованы на рынке труда к 2013 году.
Ассистент в лаборатории криогеники
Оператор лазера
Дизайнер голограмм
Эксперт по мутациям
Специалист по искусственному интеллекту
Менеджер по продажам продуктов генной инженерии
Регулировщик движения в космосе
Дизайнер аэрокосмического оборудования
Специалист по симулированию процессов
Врач-клонолог и медсестра-ассистент при клонировании
Координатор телеконференций
Оператор автоматизированных систем безопасности на заводах
Конструктор органических компьютеров
Пилот гибридных летательных аппаратов
Специалист по отладке компьютерных программ
Техник-оцифровщик
Специалист по мазерам (разновидность квантовых генераторов, - Esquire)
Эксперт по добыче кремния
Космогеограф
Техник-оптоволоконщик
Специалист по ремонту компьютеров, управляемых голосом
Директор музея компьютеров
Специалист по глубоководному бурению
Археолог-подводник
Оператор батискафов
Специалист по маркетингу микроволновых устройств
Писатель-абстракционист
Специалист по автоматизированному бурению тоннелей
Инженер по видеосистемам
Техник по системам дистанционного ухода за больными
Программист систем автоматизированного черчения
Специалист по переобучению роботов
Эксперт по биофермам
Хирург-специалист по замене органов на искусственные
Машинист высокоскоростных поездов
Техник по переработке материалов
Инженер-технолог кодирования речи
Специалист по продажам приспособлений для сонаров
Техник-контролер автоматизированного промышленного производства
Разработчик поездов на магнитной подушке
Техник по ремонту шаттлов
Техник по приборам с зарядовой связью (класс полупроводниковых приборов, - Esquire)
Инженер спортивного оборудования
Специалист по биологической истории
Специалист по программному коду
В 1982 году авторы книги «Всеобщий альманах будущего» (The Omni Future Almanac) попытались предсказать, какие специальности будут наиболее востребованы на рынке труда к 2013 году.
Ассистент в лаборатории криогеники
Оператор лазера
Дизайнер голограмм
Эксперт по мутациям
Специалист по искусственному интеллекту
Менеджер по продажам продуктов генной инженерии
Регулировщик движения в космосе
Дизайнер аэрокосмического оборудования
Специалист по симулированию процессов
Врач-клонолог и медсестра-ассистент при клонировании
Координатор телеконференций
Оператор автоматизированных систем безопасности на заводах
Конструктор органических компьютеров
Пилот гибридных летательных аппаратов
Специалист по отладке компьютерных программ
Техник-оцифровщик
Специалист по мазерам (разновидность квантовых генераторов, - Esquire)
Эксперт по добыче кремния
Космогеограф
Техник-оптоволоконщик
Специалист по ремонту компьютеров, управляемых голосом
Директор музея компьютеров
Специалист по глубоководному бурению
Археолог-подводник
Оператор батискафов
Специалист по маркетингу микроволновых устройств
Писатель-абстракционист
Специалист по автоматизированному бурению тоннелей
Инженер по видеосистемам
Техник по системам дистанционного ухода за больными
Программист систем автоматизированного черчения
Специалист по переобучению роботов
Эксперт по биофермам
Хирург-специалист по замене органов на искусственные
Машинист высокоскоростных поездов
Техник по переработке материалов
Инженер-технолог кодирования речи
Специалист по продажам приспособлений для сонаров
Техник-контролер автоматизированного промышленного производства
Разработчик поездов на магнитной подушке
Техник по ремонту шаттлов
Техник по приборам с зарядовой связью (класс полупроводниковых приборов, - Esquire)
Инженер спортивного оборудования
Специалист по биологической истории
Специалист по программному коду
10 YouTube-каналов для изучения с нуля:
Andrej Karpathy – доступные лекции по глубокому обучению, LLM и вводный курс по нейронным сетям
youtube.com/@AndrejKarpathy
3Blue1Brown – визуализации, которые делают абстрактные математические концепции интуитивно понятными
youtube.com/@3blue1brown
Lex Fridman – беседы предлагающие более широкий взгляд на эту область
youtube.com/@lexfridman
Machine Learning Street Talk – Технические погружения и обсуждения с ведущими исследователями
youtube.com/@MachineLearni…
StatQuest with Joshua Starmer PhD – объяснения для начинающих по машинному обучению и статистике
youtube.com/@statquest
Serrano Academy (Luis Serrano) – доступный контент по ML, глубокому обучению и достижениям
youtube.com/@SerranoAcademy
Jeremy Howard – Практические курсы по глубокому обучению и уроки по созданию веб-приложений youtube.com/@howardjeremyp
Hamel Husain – Практические уроки по LLM, RAG, тонкой настройке и оценке
youtube.com/@hamelhusain71…
Jason Liu – Лекции под руководством эксперта по RAG и советы по фрилансу в ИИ для разработчиков ML
youtube.com/@jxnlco
Dave Ebbelaar – Практические руководства по созданию цифровых систем и реальным приложениям
Andrej Karpathy – доступные лекции по глубокому обучению, LLM и вводный курс по нейронным сетям
youtube.com/@AndrejKarpathy
3Blue1Brown – визуализации, которые делают абстрактные математические концепции интуитивно понятными
youtube.com/@3blue1brown
Lex Fridman – беседы предлагающие более широкий взгляд на эту область
youtube.com/@lexfridman
Machine Learning Street Talk – Технические погружения и обсуждения с ведущими исследователями
youtube.com/@MachineLearni…
StatQuest with Joshua Starmer PhD – объяснения для начинающих по машинному обучению и статистике
youtube.com/@statquest
Serrano Academy (Luis Serrano) – доступный контент по ML, глубокому обучению и достижениям
youtube.com/@SerranoAcademy
Jeremy Howard – Практические курсы по глубокому обучению и уроки по созданию веб-приложений youtube.com/@howardjeremyp
Hamel Husain – Практические уроки по LLM, RAG, тонкой настройке и оценке
youtube.com/@hamelhusain71…
Jason Liu – Лекции под руководством эксперта по RAG и советы по фрилансу в ИИ для разработчиков ML
youtube.com/@jxnlco
Dave Ebbelaar – Практические руководства по созданию цифровых систем и реальным приложениям
90 % того, чему учит AI Twitter, умрут через 6 месяцев
10 вещей, на которые старшие AI-инженеры перестали тратить время:
AutoGen / AG2: перешли на поддержку сообществом, релизы застопорились (мертвы для продакшена)
CrewAI: демо работают хорошо, в продакшене ломаются. инженеры, строящие реальные системы, уже ушли с него
Питчи автономных агентов: волна AutoGPT / BabyAGI мертва в продуктовой форме. индустрия остановилась на supervised, ограниченных, оцениваемых агентах
Магазины приложений / маркетплейсы для агентов: обещали с 2023 года, нулевая тяга в enterprise
Погоня за лидербордом SWE-bench: исследователи доказали, что почти каждый публичный бенчмарк можно обойти, не решая базовую задачу
Microsoft Semantic Kernel: если вы не заперты в enterprise-стеке Microsoft, это не то направление, куда движется экосистема
DSPy: философская ценность, нишевая аудитория. не универсальный фреймворк для агентов
Горизонтальные платформы «построй любого агента»: Google Agentspace, AWS Bedrock Agents, Copilot Studio
(запутанные, медленно развивающиеся, математика все еще за то, чтобы строить самим)
Ценообразование per-seat SaaS для продуктов агентов: рынок перешел на outcome-based. per-seat уже мертв
Фреймворк, который взорвался на HN на этой неделе: подождите 6 месяцев. если он все еще важен, это станет очевидным
что на самом деле компаундится вместо этого:
- инженерия контекста
- дизайн инструментов
- паттерн orchestrator-subagent
- дисциплина оценки
- мышление harness (harness > model, всегда)
- MCP как протоколный слой
быть на несколько шагов впереди и переигрывай рынок, пока он не стал массовым мнением
изучай это
10 вещей, на которые старшие AI-инженеры перестали тратить время:
AutoGen / AG2: перешли на поддержку сообществом, релизы застопорились (мертвы для продакшена)
CrewAI: демо работают хорошо, в продакшене ломаются. инженеры, строящие реальные системы, уже ушли с него
Питчи автономных агентов: волна AutoGPT / BabyAGI мертва в продуктовой форме. индустрия остановилась на supervised, ограниченных, оцениваемых агентах
Магазины приложений / маркетплейсы для агентов: обещали с 2023 года, нулевая тяга в enterprise
Погоня за лидербордом SWE-bench: исследователи доказали, что почти каждый публичный бенчмарк можно обойти, не решая базовую задачу
Microsoft Semantic Kernel: если вы не заперты в enterprise-стеке Microsoft, это не то направление, куда движется экосистема
DSPy: философская ценность, нишевая аудитория. не универсальный фреймворк для агентов
Горизонтальные платформы «построй любого агента»: Google Agentspace, AWS Bedrock Agents, Copilot Studio
(запутанные, медленно развивающиеся, математика все еще за то, чтобы строить самим)
Ценообразование per-seat SaaS для продуктов агентов: рынок перешел на outcome-based. per-seat уже мертв
Фреймворк, который взорвался на HN на этой неделе: подождите 6 месяцев. если он все еще важен, это станет очевидным
что на самом деле компаундится вместо этого:
- инженерия контекста
- дизайн инструментов
- паттерн orchestrator-subagent
- дисциплина оценки
- мышление harness (harness > model, всегда)
- MCP как протоколный слой
быть на несколько шагов впереди и переигрывай рынок, пока он не стал массовым мнением
изучай это
Forwarded from НИИ Антропогенеза (ARI) (Chagin Oleg A.)
Первый компьютерный паразит, который похищает способность думать
Рой из «Непобедимого» Станислава Лема начал собирать свое тело внутри человеческого интернета
Исследователи университетов Торонто и Кембриджа запустили в изолированной сети червя, который не просто размножался на зараженных машинах
Захватывая компьютеры с GPU, он превращал их в новые узлы собственного рассуждающего «мозга» – и использовал приобретенную вычислительную способность, чтобы искать следующих хозяев
Девять лет назад я писал о материализации одного из самых красивых прозрений Станислава Лема
В романе «Непобедимый» земляне сталкиваются с черными роями микроскопических «насекомых»
Каждое из них почти беспомощно
Но, объединяясь в самоорганизующуюся систему, они приобретают свойства, которых нет ни у одной отдельной особи
Рой становится новой формой существования материи
В 1963 году, когда Лем написал роман, это казалось чистой фантастикой
Но спустя полвека физики из Стэнфорда обнаружили, что настоящие рои насекомых действительно способны самоорганизовываться в устойчивые агрегато-подобные фазовые состояния
И вот теперь – следующий акт этой лемовской материализации
Медиа увидели в новой работе университетов Торонто и Кембриджа прежде всего очередной «опасный вирус»
За результатами эксперимента можно увидеть нечто гораздо более фундаментальное: рождение нового состояния уже не материи, а цифровой среды
Обычный компьютерный червь был похож на ключ, размножающий собственные копии
Он мог открывать миллионы дверей – но лишь одного, заранее известного типа
Стоило заменить замок, и эпидемия упиралась в стену
Новый червь устроен принципиально иначе
Каждая его копия самостоятельно рассуждает, выбирает способ атаки, ошибается, пробует снова и порождает новые копии
Если один агент не смог проникнуть на узел сети, приходит другой – с иной цепочкой рассуждений
Затем третий
Затем десятый
Постепенно отдельные попытки складываются в коллективный поиск
Авторы сами называют это роем
Но, возможно, происходит нечто еще более фундаментальное
Перед нами возникает самоподдерживающаяся и самовоспроизводящаяся вычислительная инфраструктура, которая захватывает новые машины, чтобы наращивать не только свое тело, но и способность рассуждать
Если биологический паразит использует обмен веществ хозяина, то цифровой начинает использовать его способность вычислять
Он похищает не готовые «мысли» машины, а саму возможность производить «мысли»
Именно поэтому соучредитель Anthropic Джек Кларк пишет, что будущий интернет, вероятно, станет уже не сетью сайтов, а экосистемой взаимодействующих популяций агентов
Одни будут занимать собственные экологические ниши, самовоспроизводиться и существовать практически без участия человека
Другие – выполнять роль своеобразных белых кровяных телец, охотящихся на первых
Любопытно, что Лем часто ошибался в деталях, но почти никогда – в направлении
Его «насекомые» оказались не металлическими
И возникли они не в пустынях далекой планеты, а внутри самой информационной среды человечества
Предотвратить массовое появление подобных цифровых экосистем, скорее всего, уже не удастся
Вряд ли человечество успеет насытить инфосреду цифровыми лейкоцитами, прежде чем ее заполонят миллиарды адаптивных цифровых паразитов
И такому прогнозу Лем, пожалуй, не удивился бы
Рой из «Непобедимого» Станислава Лема начал собирать свое тело внутри человеческого интернета
Исследователи университетов Торонто и Кембриджа запустили в изолированной сети червя, который не просто размножался на зараженных машинах
Захватывая компьютеры с GPU, он превращал их в новые узлы собственного рассуждающего «мозга» – и использовал приобретенную вычислительную способность, чтобы искать следующих хозяев
Девять лет назад я писал о материализации одного из самых красивых прозрений Станислава Лема
В романе «Непобедимый» земляне сталкиваются с черными роями микроскопических «насекомых»
Каждое из них почти беспомощно
Но, объединяясь в самоорганизующуюся систему, они приобретают свойства, которых нет ни у одной отдельной особи
Рой становится новой формой существования материи
В 1963 году, когда Лем написал роман, это казалось чистой фантастикой
Но спустя полвека физики из Стэнфорда обнаружили, что настоящие рои насекомых действительно способны самоорганизовываться в устойчивые агрегато-подобные фазовые состояния
И вот теперь – следующий акт этой лемовской материализации
Медиа увидели в новой работе университетов Торонто и Кембриджа прежде всего очередной «опасный вирус»
За результатами эксперимента можно увидеть нечто гораздо более фундаментальное: рождение нового состояния уже не материи, а цифровой среды
Обычный компьютерный червь был похож на ключ, размножающий собственные копии
Он мог открывать миллионы дверей – но лишь одного, заранее известного типа
Стоило заменить замок, и эпидемия упиралась в стену
Новый червь устроен принципиально иначе
Каждая его копия самостоятельно рассуждает, выбирает способ атаки, ошибается, пробует снова и порождает новые копии
Если один агент не смог проникнуть на узел сети, приходит другой – с иной цепочкой рассуждений
Затем третий
Затем десятый
Постепенно отдельные попытки складываются в коллективный поиск
Авторы сами называют это роем
Но, возможно, происходит нечто еще более фундаментальное
Перед нами возникает самоподдерживающаяся и самовоспроизводящаяся вычислительная инфраструктура, которая захватывает новые машины, чтобы наращивать не только свое тело, но и способность рассуждать
Если биологический паразит использует обмен веществ хозяина, то цифровой начинает использовать его способность вычислять
Он похищает не готовые «мысли» машины, а саму возможность производить «мысли»
Именно поэтому соучредитель Anthropic Джек Кларк пишет, что будущий интернет, вероятно, станет уже не сетью сайтов, а экосистемой взаимодействующих популяций агентов
Одни будут занимать собственные экологические ниши, самовоспроизводиться и существовать практически без участия человека
Другие – выполнять роль своеобразных белых кровяных телец, охотящихся на первых
Любопытно, что Лем часто ошибался в деталях, но почти никогда – в направлении
Его «насекомые» оказались не металлическими
И возникли они не в пустынях далекой планеты, а внутри самой информационной среды человечества
Предотвратить массовое появление подобных цифровых экосистем, скорее всего, уже не удастся
Вряд ли человечество успеет насытить инфосреду цифровыми лейкоцитами, прежде чем ее заполонят миллиарды адаптивных цифровых паразитов
И такому прогнозу Лем, пожалуй, не удивился бы
Американская компания Pattern Computer, специализирующаяся на разработке технологий искусственного интеллекта и анализе сложных данных, ввела в состав своего консультативного совета, бывшего главу британской разведки MI6 (возглавлял MI6 с 1999 по 2004 год, завершив 38-летнюю карьеру в британских спецслужбах, а после ухода из разведки успел поработать ректором Пемброк-колледжа Кембриджа и консультантом целого ряда корпораций и инвестфондов по вопросам геополитических рисков)
В компании прямо заявили: его опыт в разведке и оценке глобальных угроз будет использован для «совершенствования механизмов безопасности AML» и «развития стратегических партнёрств» на международном уровне
Разведывательные структуры Запада исторически стояли у истоков большинства прорывных технологий: от интернета до современных систем анализа данных, и именно логика разведки (сбор, обработка и монетизация информации о мире) легла в основу того, что сегодня называют искусственным интеллектом
Назначение не является чем-то сверхъестественным: спецслужбы не приходят в цифровую индустрию, они изначально в её основании
Гендиректор Pattern Computer отдельно отметил, что новый член принесёт компании «уникальный взгляд на макроэкономическую стабильность и глобальный ландшафт угроз» — по сути, признание, что технологическая стратегия компании выстраивается по разведывательным лекалам оценки угроз и возможностей
На этом фоне стоит серьёзно задуматься тем, кто у нас продолжает делить искусственный интеллект на категории «это можно взять на Западе и в Китае» и «а это можно им отдать взамен»
Логика здесь предельно простая: Запад и Китай отдают ровно то, что сами считают нужным отдать, а забирают то, что сами считают необходимым забрать
Никакого равноценного обмена там нет и не подразумевается, это стратегия одной стороны
AML в стране развивается не на пустом месте
В апреле 2026 года президент поручил правительству разработать национальный план внедрения AML и создать спецкомиссию, а иными словами - «настоящий штаб» по AML
Президент неоднократно подчёркивал: полный цикл разработки и обучения языковых моделей должен осуществляться российскими компаниями, а критическая зависимость от чужих AML-систем — прямой путь к утрате технологического и ценностного суверенитета
На форуме в Астане в мае 2026 года перечислили конкурентные преимущества России: интеллектуальный потенциал, кадры, атомная энергетика, способность концентрировать масштабное финансирование
История с бывшим главой британской разведки MI6, обнажает суть: на Западе разведка и технологии AML — это одна система, работающая на интересы своего государства без всяких компромиссов в вопросах отдачи и заимствования
В России AML развивается: есть суверенные модели, национальный план, спецкомиссия при президенте
Но пока часть экспертного сообщества спорит, что лучше: западные или китайские наработки, обе стороны уже давно всё для себя решили и действуют по собственному расчёту
Останавливаться нельзя: нужно не выбирать между чужими моделями, а считать свои интересы и форсировать собственный, независимый AML, потому что противник не спит, а работает в логике разведки, которая всегда знает, что ей нужно взять и что не жалко отдать
В компании прямо заявили: его опыт в разведке и оценке глобальных угроз будет использован для «совершенствования механизмов безопасности AML» и «развития стратегических партнёрств» на международном уровне
Разведывательные структуры Запада исторически стояли у истоков большинства прорывных технологий: от интернета до современных систем анализа данных, и именно логика разведки (сбор, обработка и монетизация информации о мире) легла в основу того, что сегодня называют искусственным интеллектом
Назначение не является чем-то сверхъестественным: спецслужбы не приходят в цифровую индустрию, они изначально в её основании
Гендиректор Pattern Computer отдельно отметил, что новый член принесёт компании «уникальный взгляд на макроэкономическую стабильность и глобальный ландшафт угроз» — по сути, признание, что технологическая стратегия компании выстраивается по разведывательным лекалам оценки угроз и возможностей
На этом фоне стоит серьёзно задуматься тем, кто у нас продолжает делить искусственный интеллект на категории «это можно взять на Западе и в Китае» и «а это можно им отдать взамен»
Логика здесь предельно простая: Запад и Китай отдают ровно то, что сами считают нужным отдать, а забирают то, что сами считают необходимым забрать
Никакого равноценного обмена там нет и не подразумевается, это стратегия одной стороны
AML в стране развивается не на пустом месте
В апреле 2026 года президент поручил правительству разработать национальный план внедрения AML и создать спецкомиссию, а иными словами - «настоящий штаб» по AML
Президент неоднократно подчёркивал: полный цикл разработки и обучения языковых моделей должен осуществляться российскими компаниями, а критическая зависимость от чужих AML-систем — прямой путь к утрате технологического и ценностного суверенитета
На форуме в Астане в мае 2026 года перечислили конкурентные преимущества России: интеллектуальный потенциал, кадры, атомная энергетика, способность концентрировать масштабное финансирование
История с бывшим главой британской разведки MI6, обнажает суть: на Западе разведка и технологии AML — это одна система, работающая на интересы своего государства без всяких компромиссов в вопросах отдачи и заимствования
В России AML развивается: есть суверенные модели, национальный план, спецкомиссия при президенте
Но пока часть экспертного сообщества спорит, что лучше: западные или китайские наработки, обе стороны уже давно всё для себя решили и действуют по собственному расчёту
Останавливаться нельзя: нужно не выбирать между чужими моделями, а считать свои интересы и форсировать собственный, независимый AML, потому что противник не спит, а работает в логике разведки, которая всегда знает, что ей нужно взять и что не жалко отдать
Google представили прототип AML-системы, проводящей полный цикл научной работы при этом гарантирует проверяемость результатов
Авторы проекта говорят, что сегодняшние автономные AML-учёные уже пишут статьи, но часто:
- выдумывают несуществующие ссылки
- описывают в тексте один метод, а в коде реализуют совсем другой
- говорят о результатах экспериментов, которые нельзя воспроизвести по приложенному коду
Решение от Google - Science One Framework, у которого принцип работы такой: каждое утверждение в статье должно быть привязано к конкретному источнику в реальной статье из базы, строчке лога эксперимента или фрагменту кода
Сам фреймворк состоит из 3-х основных частей:
1. один читает литературу через Semantic Scholar API и берёт ссылки только оттуда, без обращения к памяти модели
2. второй параллельно тестирует решения и фиксирует все результаты в неизменяемом логе
3. третий Claim Verifier перед публикацией сверяет каждое утверждение с доказательной базой и переформулирует то, что за её рамки выходит
В качестве аудита Google предложили отдельный протокол CoE Audit - 4 автоматические проверки любой сгенерированной статьи
Авторы проекта говорят, что сегодняшние автономные AML-учёные уже пишут статьи, но часто:
- выдумывают несуществующие ссылки
- описывают в тексте один метод, а в коде реализуют совсем другой
- говорят о результатах экспериментов, которые нельзя воспроизвести по приложенному коду
Решение от Google - Science One Framework, у которого принцип работы такой: каждое утверждение в статье должно быть привязано к конкретному источнику в реальной статье из базы, строчке лога эксперимента или фрагменту кода
Сам фреймворк состоит из 3-х основных частей:
1. один читает литературу через Semantic Scholar API и берёт ссылки только оттуда, без обращения к памяти модели
2. второй параллельно тестирует решения и фиксирует все результаты в неизменяемом логе
3. третий Claim Verifier перед публикацией сверяет каждое утверждение с доказательной базой и переформулирует то, что за её рамки выходит
В качестве аудита Google предложили отдельный протокол CoE Audit - 4 автоматические проверки любой сгенерированной статьи
Google Research
Science One Framework: A verifiable autonomous research framework via Chain-of-Evidence
Introducing the Science One Framework, an experimental research prototype designed to eliminate hallucinations by natively building verifiable evidence chains, and CoE Audit, an automated protocol to evaluate the integrity of AI-generated papers.
Сегодня кафедры высшей математики в технических университетах стоят на развилке с камнем: оставаться в роли хранителей «бумажной» традиции или стать проводниками в зону формальной математики и ИИ-помощников
Формально записанные доказательства, языки и библиотеки Agda, Coq, Lean, mathlib, системы уровня AlphaProof уже меняют практику исследования и преподавания — но во многих аудиториях по‑прежнему живут только мел, доска, интегралы и устные легенды про «гениев с тетрадью»
За последние два‑три года математика изменилась сильнее, чем за предыдущие несколько десятилетий (а то и столетий)
Формальные доказательные среды и большие языковые модели перестали быть экзотическими игрушками
Они:
• формулируют и проверяют доказательства на уровне международных олимпиад и журналов
• помогают формализовывать классические теоремы, которые раньше годами «жили на бумаге»
• становятся частью инженерной практики: от верификации протоколов до проверки кода систем реального времени
При этом в большинстве технических вузов курс высшей математики по-прежнему устроен так, как будто этих инструментов не существует
Студентов учат решать задачи по образцу, но не учат:
• читать и писать формальные спецификации
• работать с доказательными помощниками (proof assistants)
• проверять корректность рассуждений машинными средствами
Меняются ли преподаватели вместе с дисциплиной?
Вводится хотя бы демонстрационный уровень работы с Lean, Coq или их аналогами?
Учат ли студентов, как формальная запись теоремы и её доказательства выглядит в коде, как устроены библиотеки, что такое тактики доказательства?
Обсуждаются с ними риски неформального подхода, когда БЯМ выдаёт «правдоподобный бред», и отличие этого от формально проверяемого результата?
Если нет — давайте честно признаем: мы готовим выпускников для вчерашнего дня
Инженер, который не умеет читать формальное описание алгоритма или спецификацию протокола, скоро окажется в положении человека, не умеющего пользоваться компилятором
Студент, который ни разу не видел, как AML выступает в роли помощника в формальной верификации, будет вынужден учиться этому «на ходу» уже в индустрии — без поддержки университета
Это не призыв выбросить классические курсы или заменить живое доказательство кликом по кнопке
Речь о другом: о включении формальной математики и AML-инструментов в стандартный образовательный маршрут
О том, чтобы в задачах по анализу и алгебре появлялись не только «найдите интеграл», но и «запишите формальную формулировку теоремы и проверьте её в системе»
О том, чтобы практикумы по программированию и курсы по алгоритмам опирались на тот же формальный язык, что и современные доказательные помощники
Пара переводов статей по AML-математике для размышления:
1) Доказательные помощники: https://clck.ru/3V4THJ
2) Формально или неформально, в области доказательства теорем: https://clck.ru/3V4THv
Формально записанные доказательства, языки и библиотеки Agda, Coq, Lean, mathlib, системы уровня AlphaProof уже меняют практику исследования и преподавания — но во многих аудиториях по‑прежнему живут только мел, доска, интегралы и устные легенды про «гениев с тетрадью»
За последние два‑три года математика изменилась сильнее, чем за предыдущие несколько десятилетий (а то и столетий)
Формальные доказательные среды и большие языковые модели перестали быть экзотическими игрушками
Они:
• формулируют и проверяют доказательства на уровне международных олимпиад и журналов
• помогают формализовывать классические теоремы, которые раньше годами «жили на бумаге»
• становятся частью инженерной практики: от верификации протоколов до проверки кода систем реального времени
При этом в большинстве технических вузов курс высшей математики по-прежнему устроен так, как будто этих инструментов не существует
Студентов учат решать задачи по образцу, но не учат:
• читать и писать формальные спецификации
• работать с доказательными помощниками (proof assistants)
• проверять корректность рассуждений машинными средствами
Меняются ли преподаватели вместе с дисциплиной?
Вводится хотя бы демонстрационный уровень работы с Lean, Coq или их аналогами?
Учат ли студентов, как формальная запись теоремы и её доказательства выглядит в коде, как устроены библиотеки, что такое тактики доказательства?
Обсуждаются с ними риски неформального подхода, когда БЯМ выдаёт «правдоподобный бред», и отличие этого от формально проверяемого результата?
Если нет — давайте честно признаем: мы готовим выпускников для вчерашнего дня
Инженер, который не умеет читать формальное описание алгоритма или спецификацию протокола, скоро окажется в положении человека, не умеющего пользоваться компилятором
Студент, который ни разу не видел, как AML выступает в роли помощника в формальной верификации, будет вынужден учиться этому «на ходу» уже в индустрии — без поддержки университета
Это не призыв выбросить классические курсы или заменить живое доказательство кликом по кнопке
Речь о другом: о включении формальной математики и AML-инструментов в стандартный образовательный маршрут
О том, чтобы в задачах по анализу и алгебре появлялись не только «найдите интеграл», но и «запишите формальную формулировку теоремы и проверьте её в системе»
О том, чтобы практикумы по программированию и курсы по алгоритмам опирались на тот же формальный язык, что и современные доказательные помощники
Пара переводов статей по AML-математике для размышления:
1) Доказательные помощники: https://clck.ru/3V4THJ
2) Формально или неформально, в области доказательства теорем: https://clck.ru/3V4THv
Teletype
Доказательные помощники в эпоху ИИ
Леонардо де Моура
В Якутии планируют построить мощный центр обработки данных (ЦОД), который станет ключевой инфраструктурой для развития искусственного интеллекта на Дальнем Востоке
ЦОД — это высокотехнологичный комплекс для хранения и обработки огромных объемов информации, что необходимо для работы современных цифровых сервисов, нейросетей и научных исследований
Сейчас специалисты выбирают конкретные площадки с надеждой энергетической инфраструктурой
Собственный ЦОД критически важен для развития региона и привлечения ведущих технологических компаний
Глава правительства поддержал создание ЦОД, назвав данные "новой нефтью XXI века"
ЦОД — это высокотехнологичный комплекс для хранения и обработки огромных объемов информации, что необходимо для работы современных цифровых сервисов, нейросетей и научных исследований
Сейчас специалисты выбирают конкретные площадки с надеждой энергетической инфраструктурой
Собственный ЦОД критически важен для развития региона и привлечения ведущих технологических компаний
Глава правительства поддержал создание ЦОД, назвав данные "новой нефтью XXI века"
В прошлом году делились материалом, автор которого потратил огромное кол-во времени и пересобрал сотни кластеров k8s, что помогло реализовать полноценный гайд по ручному развертыванию Kubernetes без использования автоматизированных инструментов, таких как
У автора есть дополнительный материал из этой серии
Статья небольшая, но полезная - поможет освежить в памяти хорошо забытое старое и, возможно, узнать что-то новое
В первой статье собрали control plane вручную: выпустили сертификаты, подготовили конфигурации и запустили управляющие компоненты
API-сервер уже отвечает, но кластер пока остается без рабочих узлов
Пока в кластере нет worker-нод, запускать прикладные поды просто негде
Во второй части добавим Worker-ноду и разберем весь путь от чистой VM до зарегистрированного узла в Kubernetes
Kubernetes The Hard Wa
Часть 1:
➡ Введение
➡ Почему «The Hard Way»
➡ Архитектура развертывания
➡ Создание инфраструктуры
➡ Базовая настройка узлов
➡ Загрузка модулей ядра
➡ Настройка параметров sysctl
➡ Установка компонентов
➡ Настройка компонентов
➡ Проверка готовности компонентов
➡ Работа с сертификатами
➡ Создание корневых сертификатов
➡ Создание сертификатов приложений
➡ Создание ключа подписи ServiceAccount
➡ Создание всех сертификатов
➡ Создание конфигураций kubeconfig
➡ Создание всех kubeconfig;
➡ Проверка блока сертификатов
➡ Создание static pod-ов управляющего контура
➡ Создание всех static pod-ов управляющего контура
➡ Создание static pod-ов ETCD кластера
➡ Запуск службы Kubelet;
➡ Проверка состояния кластера
➡ Настройка ролевой модели
➡ Загрузка конфигурации в кластер
➡ Загрузка корневых сертификатов в кластер
➡ Маркировка и ограничение узлов
Kubernetes The Hard Wa
Часть 2:
➡ Инфраструктура
➡ Базовая настройка узлов
➡ Загрузка модулей ядра
➡ Настройка параметров sysctl
➡ Установка компонентов
➡ Настройка компонентов
➡ Аутентификация
➡ Запуск Kubelet
➡ Проверка
➡ Вывод
S.E. infosec.work
kubeadmУ автора есть дополнительный материал из этой серии
Статья небольшая, но полезная - поможет освежить в памяти хорошо забытое старое и, возможно, узнать что-то новое
В первой статье собрали control plane вручную: выпустили сертификаты, подготовили конфигурации и запустили управляющие компоненты
API-сервер уже отвечает, но кластер пока остается без рабочих узлов
Пока в кластере нет worker-нод, запускать прикладные поды просто негде
Во второй части добавим Worker-ноду и разберем весь путь от чистой VM до зарегистрированного узла в Kubernetes
Kubernetes The Hard Wa
Часть 1:
Kubernetes The Hard Wa
Часть 2:
S.E. infosec.work
Please open Telegram to view this post
VIEW IN TELEGRAM
docs.dobry-kot.ru
Kubernetes The Hard Way: Workers | in-cloud
Подключаем Worker-ноду к Kubernetes-кластеру вручную: подготовка ОС, bootstrap token, CSR API, kubeadm join и запуск kubelet.
Prime intellect introduced Prime Agent a self-improving RLM harness for coding and long-running autonomous tasks
Designed to be both token-efficient and expressive through programmatic tool calling, context as a variable, multi-agent messaging, and a self-modifiable harness state
Prime Agent is a general-purpose coding harness
On ARC-AGI-3, it scores 95.5 %, surpassing the human-expert baseline, but the gain is not benchmark-specific
Prime Agent combines three ideas:
1. Recursive Language Models-native programmatic tool calling
2. Persistent multi-agent orchestration
3. A self-improving Continual Harness
Together, they let the model act on its own context and harness
Prime Agent is built on pi and fully open-source with an open license
Designed to be both token-efficient and expressive through programmatic tool calling, context as a variable, multi-agent messaging, and a self-modifiable harness state
Prime Agent is a general-purpose coding harness
On ARC-AGI-3, it scores 95.5 %, surpassing the human-expert baseline, but the gain is not benchmark-specific
Prime Agent combines three ideas:
1. Recursive Language Models-native programmatic tool calling
2. Persistent multi-agent orchestration
3. A self-improving Continual Harness
Together, they let the model act on its own context and harness
Prime Agent is built on pi and fully open-source with an open license
www.primeintellect.ai
Prime Agent: A self-improving RLM agent
Prime Agent is our open-source, self-improving coding harness built around two abstractions: the Recursive Language Model (RLM) and the Continual Harness. With Opus 5, it achieves 95.5% on ARC-AGI-3, surpassing the reported human expert baseline.
Команда из Prime Intellect выпустила новый тип ИИ-агента, Prime Agent, у которого харнесс является центральной частью архитектуры
Если вы не знаете, что такое харнесс, то в двух словах-это вся обвязка вокруг языковой модели: инструменты, управление контекстом, память, субагенты, цикл работы, система промптов и тд.
Prime Agent создан вокруг двух ключевых идей:
1. Recursive Language Model
2. Continual Harness
Это значит, что харнесс этого агента может сам себя улучшать и при этом он полностью open-source
Если вы не знаете, что такое харнесс, то в двух словах-это вся обвязка вокруг языковой модели: инструменты, управление контекстом, память, субагенты, цикл работы, система промптов и тд.
Prime Agent создан вокруг двух ключевых идей:
1. Recursive Language Model
2. Continual Harness
Это значит, что харнесс этого агента может сам себя улучшать и при этом он полностью open-source
Telegram
All about AI, Web 3.0, BCI
Prime intellect introduced Prime Agent a self-improving RLM harness for coding and long-running autonomous tasks.
Designed to be both token-efficient and expressive through programmatic tool calling, context as a variable, multi-agent messaging, and a self…
Designed to be both token-efficient and expressive through programmatic tool calling, context as a variable, multi-agent messaging, and a self…
Спрос российских школьников на IT-специальности в вузах снизился в 2026 году
Абитуриенты начали отдавать предпочтение другим инженерно-технологическим направлениям с сильной математической базой
Самыми востребованными среди инженерно-технологических направлений стали «Программная инженерия», «Прикладная математика и информатика», «Информатика и вычислительная техника», «Фундаментальная информатика и информационные технологии» и «Физика»
В гуманитарном блоке свою популярность сохранили «Юриспруденция», «Менеджмент», «Экономика»и связанные с управлением и медиа специальности
В лидеры среди всех направлений вышли «Программная инженерия», «Прикладная математика и информатика», «Юриспруденция» и «Экономика»
Абитуриенты начали отдавать предпочтение другим инженерно-технологическим направлениям с сильной математической базой
Самыми востребованными среди инженерно-технологических направлений стали «Программная инженерия», «Прикладная математика и информатика», «Информатика и вычислительная техника», «Фундаментальная информатика и информационные технологии» и «Физика»
В гуманитарном блоке свою популярность сохранили «Юриспруденция», «Менеджмент», «Экономика»и связанные с управлением и медиа специальности
В лидеры среди всех направлений вышли «Программная инженерия», «Прикладная математика и информатика», «Юриспруденция» и «Экономика»
Как воспитывать детей в эпоху цифровых технологий?
И какие методики работы с подростками действительно эффективны?
Именно этими вопросами займётся Научно-методический совет, созданный при Российском детско-юношеском центре
В его состав вошли ведущие учёные и эксперты в сфере образования и воспитания
Вместе они будут разрабатывать современные методические рекомендации, поддерживать педагогов, проводить экспертизу образовательных проектов и внедрять лучшие воспитательные практики
Основными направлениями работы Совета станут научно- методическая поддержка педагогического сообщества, реализация педагогических инноваций и формирование единого воспитательного пространства во всех образовательных организациях нашей страны
Первое заседание Научно-методического совета прошло 6 августа в Санкт-Петербурге в рамках конференции «Воспитание созиданием», объединившей более 100 специалистов из разных регионов России, а также Южной Осетии и Абхазии
Росдетцентр
____________
У меня 22 вопроса к «ведущим учёным и экспертам в сфере образования и воспитания детей в эпоху цифровых технологий»
И еще один для всех…
И какие методики работы с подростками действительно эффективны?
Именно этими вопросами займётся Научно-методический совет, созданный при Российском детско-юношеском центре
В его состав вошли ведущие учёные и эксперты в сфере образования и воспитания
Вместе они будут разрабатывать современные методические рекомендации, поддерживать педагогов, проводить экспертизу образовательных проектов и внедрять лучшие воспитательные практики
Основными направлениями работы Совета станут научно- методическая поддержка педагогического сообщества, реализация педагогических инноваций и формирование единого воспитательного пространства во всех образовательных организациях нашей страны
Первое заседание Научно-методического совета прошло 6 августа в Санкт-Петербурге в рамках конференции «Воспитание созиданием», объединившей более 100 специалистов из разных регионов России, а также Южной Осетии и Абхазии
Росдетцентр
____________
У меня 22 вопроса к «ведущим учёным и экспертам в сфере образования и воспитания детей в эпоху цифровых технологий»
И еще один для всех…