193 subscribers
156 photos
73 videos
160 files
690 links
ALGORITHMS MACHINE LEARNING
Download Telegram
Влияние А. Пуанкаре и Г. Вейля на науку XX в. было более глубоким

Для Пуанкаре, который создал современную математику, топологию и теорию динамических систем, будущее математики лежало в развитии математической физики, ориентированной на описание релятивистских и квантовых явлений

Между прочим, Пуанкаре объяснял, что только неинтересные задачи могут быть сформулированы четко и решены полностью
Согласно Пуанкаре надо постараться понять, что может быть изменено в формулировке проблемы
Прежде всего он имел в виду вариацию коэффициентов уравнений в бифуркационных задачах и все аргументы типа общего положения — предметы, которые теперь называются теорией особенностей, глобальным и функциональным анализом

Интересно, что факт, который сейчас называют теоремой о версальной деформации, был доказан еще в его диссертации (для случая голоморфных полных пересечений нулевой размерности) как лемма 4 и был основой для его теории бифуркаций

Математика в XX в. главным образом следует пути, указанному Пуанкаре (основная проблема — как однажды мне сказал А. Вейль — состоит в том, что появилось слишком много хороших математиков, тогда как во времена Пуанкаре все видные математика лично знали друг друга)

А.Н. Колмогоров утверждал, что Гильберт был серьезно обеспокоен тем, что может произойти с обложкой Mathematistiche Annalen через 500 лет: он полагал, что имена бывших редакторов могут заполнить слишком много места

Колмогоров же в ответ выражал Гильберту свои опасения насчет того, что наша культура вряд ли просуществует так долго: объединенная бюрократия всех стран сможет в скором времени уничтожить все виды творчества, сделав невозможным дальнейшие математические открытия, как сегодня уже невозможны географические

Уже сейчас можно представить, что некоторые из наиболее привлекательных областей математики трансформируются в заповедники, где богатые люди смогут по высокой цене приобрести удовольствие охоты за одной-двумя теоремами, руководствуясь научными егерями


из статьи В.И. Арнольда "Полиматематика"
Иллюстрация к тезису о простоте всего гениального
Вот есть очевидная формула суммы первых n нечетных чисел:

1 + 3 + 5 + ... + (2*n - 1) = n^2

Но стоит на неё посмотреть немного пристальнее, как становится понятно, что с её помощью можно извлекать квадратные корни из целых чисел

Отнимаем единичку, потом тройку, и так далее, считая количество вычитаний, пока не дойдем до нуля — количество вычитаний и будет корнем

Для практических вычислений, конечно, методика нуждается в модификации и расширении области применения, но главное же — идея
Алгоритмы и структуры данных

Урок 1 Введение

Урок 2 Динамический массив Stack_Queue и Set

Урок 3 Алгоритмы сортировки

Урок 4 Хеш таблицы Деверья

Урок 5 Бинарное дерево поиска. АВЛ-дерево

Урок 6 Графы. Часть 1
Урок 7 Графы. Часть 2
Урок 8 Графы. Часть 3

Урок 9 Динамическое программирование

Урок 10 Задачи Практикум
Два - это тоже в какой-то степени восемь
Forwarded from НИИ Антропогенеза (ARI) (Chagin Oleg A.)
Если к open-source моделям добавить самопроверку, то они обгонят Claude

Исследователи показали, как это работает на практике с помощью фреймворка LLM-as-a-Verifier

Так DeepSeek V4 Flash + самопроверка
на Terminal-Bench 2.1 смогла:

1. Сгенерировать всего 5 вариантов решения
2. Та же модель их оценила и выбрала лучший
3. Точность выросла с 79 % до 88 %

В итоге обогнали Claude Fable 5 и сделали это в 11 раз дешевле
Всё началось в 1994, когда Leonard Adleman опубликовал proof of concept - с помощью ДНК возможно решать вычислительные задачи
Решал он задачу поиска гамильтонова пути в графе (т.е. обходящего все вершины)
Она натурально ложится на этот hardware:

Берут молекулы, соответствующие вершинам, и молекулы, соответствующие рёбрам
Их выбирают специально так, чтобы рёбра могли подсоединяться к вершинам графа, которым они соответствуют

Всё это взбалтывают и смешивают
Создаётся куча цепочек молекул, каждая из которых - это валидный путь в графе

Получившиеся молекулы фильтруют с помощью дополнительных реакций, чтобы они соответствовали критериям валидности

Началось развитие данной области
По ходу дела было показано, что ДНК обладают Тьюринг-полнотой - то есть на них можно реализовать машину Тьюринга, а значит и любые другие вычисления
Было много забавных работ - к примеру, крестики-нолики на основе ДНК
А кто-то и нейросеть на основе ДНК

Большой прорыв произошёл в 2023 году, когда китайские учёные смогли реализовать на практике логические гейты, которые можно соединять произвольным образом в "ДНК-микросхемы", что предоставляет возможность реализовывать общие вычисления

В качестве примера авторы реализовали решатель квадратных уравнений

В чём вообще смысл этой области?
Зачем пытаться строить компьютеры в майнкрафте и прочих странных доменах?
На самом деле, ДНК-вычисления - это не игрушка, и у них есть жирное преимущество по сравнению с классическими вычислениями - энергоэффективность

Эволюция потратила миллиарды лет на дизайн энергоэффективных биологических механизмов, и классические компьютеры, кажется, далеко позади

Современные компьютеры выдают десятки миллиардов флопов на 1 джоуль. DNA проводят в 10000000000 больше реакций на 1 джоуль

Энергоэффективность компьютеров быстро растёт, и на эту тему есть даже аналог закона Мура - Koomey's law

С сохранением текущего тренда, нужны ещё несколько десятков лет, чтобы классические компьютеры догнали ДНК
Прямое сравнение всё же бессмысленно, пока мы не столкнём два подхода в лоб на одной и той же вычислительное задаче

DNA-вычисления побеждают классические компьютеры в одном очень важном аспекте, и в нём у классических компьютеров нет и не будет вообще никаких шансов

Но это обсудим в следующий раз