Существует миф, что DARPA (тогда ещё ARPA) строила ARPANET — предшественник интернета — чтобы сохранить систему управления США после массированного ядерного удара СССР
На самом деле всё было прозаичнее
В конце 1960-х у Пентагона было мало мощных суперкомпьютеров, и инженеры придумали объединить их в сеть, чтобы «расшаривать» вычислительные ресурсы удалённо
А идеи выживания в ядерном апокалипсисе легли поверх проекта чуть позже — исключительно для того, чтобы выбивать бюджеты из Конгресса
И вот теперь агентство, которое полвека назад изобрело интернет ради совместного доступа к железу, оказалось в зависимости от инфраструктуры коммерческих гигантов, сдающих им это железо в аренду
Давно известно, что почти каждая крупная технологическая компания (Google, Facebook, Apple, Microsoft, Hewlett-Packard, Oracle) на старте финансировались грантами DARPA и деньгами разведки
Военные вырастили этих монстров, а теперь они диктуют военным свои правила игры
Недавно DARPA опубликовало документы, в которых просит разрешить закупать облачные мощности в обход конкурентных процедур у «Большой четвёрки»: Amazon, Google, Microsoft и Oracle
Причина — не техническое превосходство, а «существенное дублирование затрат» и «неприемлемые задержки» при попытке перейти к другому поставщику
Пару лет назад Пентагон решил перенести всю свою инфраструктуру в единое облако
Тендер JEDI на $10.000.000.000 выиграла Microsoft
Однако Amazon и Oracle устроили настоящую судебную истерику, завалив суды исками, и почти на год парализовали цифровизацию армии
В итоге Минобороны США сдалось: тендер JEDI аннулировали, а вместо него придумали программу JWCC, в которой каждому из IT-гигантов гарантирован кусок военного пирога
На выходе у DARPA получился неповоротливый цифровой Франкенштейн
Если провести OSINT-анализ опубликованных документов, то примерно так выглядит картина реальной ИТ-инфраструктуры Пентагона:
AWS (Amazon) — «Боевой конвейер» — основная продакшн-среда
Здесь крутятся критически важные боевые нагрузки DARPA: модели для киберопераций, симуляции роев дронов, автономные системы
Код вшит в проприетарные сервисы Amazon (Lambda, DynamoDB, SageMaker) и работает под утверждёнными разрешениями ATO в изолированном регионе AWS GovCloud
Microsoft Azure — «Командный центр и пропускная система» — держит Пентагон за горло через системы идентификации
Azure интегрирован с военным аналогом офисного пакета (DoD365) и единой системой управления доступом Entra ID
Это командный контур: кто, куда и зачем имеет право зайти, вся логистика допусков, документооборот и совместная работа
Здесь не хранят тяжёлые модели, но без этого облака не зайдёт ни один генерал — и переучить всех «солдат заново входить» никто не рискнёт
Google Cloud (GCP) — «Секретная ИИ-лаборатория» — не пускают к оперативному управлению, но его железо незаменимо для передовых экспериментов
Документы указывают на потребность в TPU (собственных тензорных процессорах Google) и аналитическом движке BigQuery
Именно здесь, в изолированных регионах GCP, DARPA перемалывает петабайты сырых спутниковых данных, обучает самые тяжёлые нейросети для будущих войн и отрабатывает алгоритмы, которые потом пытаются перенести в закрытые контуры AWS
Oracle Cloud (OCI) — «Хранилище данных» — упоминается не потому, что он уже используется, а потому что «в будущих программах, скорее всего, потребуются базы данных Oracle RAC и платформа Exadata»
DARPA резервирует место для гигантских транзакционных баз — скорее всего, под военную логистику, учёт вооружений и кадровую отчётность
На самом деле всё было прозаичнее
В конце 1960-х у Пентагона было мало мощных суперкомпьютеров, и инженеры придумали объединить их в сеть, чтобы «расшаривать» вычислительные ресурсы удалённо
А идеи выживания в ядерном апокалипсисе легли поверх проекта чуть позже — исключительно для того, чтобы выбивать бюджеты из Конгресса
И вот теперь агентство, которое полвека назад изобрело интернет ради совместного доступа к железу, оказалось в зависимости от инфраструктуры коммерческих гигантов, сдающих им это железо в аренду
Давно известно, что почти каждая крупная технологическая компания (Google, Facebook, Apple, Microsoft, Hewlett-Packard, Oracle) на старте финансировались грантами DARPA и деньгами разведки
Военные вырастили этих монстров, а теперь они диктуют военным свои правила игры
Недавно DARPA опубликовало документы, в которых просит разрешить закупать облачные мощности в обход конкурентных процедур у «Большой четвёрки»: Amazon, Google, Microsoft и Oracle
Причина — не техническое превосходство, а «существенное дублирование затрат» и «неприемлемые задержки» при попытке перейти к другому поставщику
Пару лет назад Пентагон решил перенести всю свою инфраструктуру в единое облако
Тендер JEDI на $10.000.000.000 выиграла Microsoft
Однако Amazon и Oracle устроили настоящую судебную истерику, завалив суды исками, и почти на год парализовали цифровизацию армии
В итоге Минобороны США сдалось: тендер JEDI аннулировали, а вместо него придумали программу JWCC, в которой каждому из IT-гигантов гарантирован кусок военного пирога
На выходе у DARPA получился неповоротливый цифровой Франкенштейн
Если провести OSINT-анализ опубликованных документов, то примерно так выглядит картина реальной ИТ-инфраструктуры Пентагона:
AWS (Amazon) — «Боевой конвейер» — основная продакшн-среда
Здесь крутятся критически важные боевые нагрузки DARPA: модели для киберопераций, симуляции роев дронов, автономные системы
Код вшит в проприетарные сервисы Amazon (Lambda, DynamoDB, SageMaker) и работает под утверждёнными разрешениями ATO в изолированном регионе AWS GovCloud
Microsoft Azure — «Командный центр и пропускная система» — держит Пентагон за горло через системы идентификации
Azure интегрирован с военным аналогом офисного пакета (DoD365) и единой системой управления доступом Entra ID
Это командный контур: кто, куда и зачем имеет право зайти, вся логистика допусков, документооборот и совместная работа
Здесь не хранят тяжёлые модели, но без этого облака не зайдёт ни один генерал — и переучить всех «солдат заново входить» никто не рискнёт
Google Cloud (GCP) — «Секретная ИИ-лаборатория» — не пускают к оперативному управлению, но его железо незаменимо для передовых экспериментов
Документы указывают на потребность в TPU (собственных тензорных процессорах Google) и аналитическом движке BigQuery
Именно здесь, в изолированных регионах GCP, DARPA перемалывает петабайты сырых спутниковых данных, обучает самые тяжёлые нейросети для будущих войн и отрабатывает алгоритмы, которые потом пытаются перенести в закрытые контуры AWS
Oracle Cloud (OCI) — «Хранилище данных» — упоминается не потому, что он уже используется, а потому что «в будущих программах, скорее всего, потребуются базы данных Oracle RAC и платформа Exadata»
DARPA резервирует место для гигантских транзакционных баз — скорее всего, под военную логистику, учёт вооружений и кадровую отчётность
OpenAI показала сразу десять результатов модели Astra в сложной математике и теоретической информатике
Доказательства опубликовали на сотнях страниц и формально проверили с помощью Lean
Доказательства опубликовали на сотнях страниц и формально проверили с помощью Lean
График из статьи Bloomberg
Оранжевые точки – китайские модели, синие – США
По оси Y – взвешенное среднее по бенчмаркам GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, Humanity’s Last Exam, GPQA Diamond, CritPt, SciCode, AA-Omniscience и AA-LCR
Ломаной соединены фронтирные модели
Видно, насколько за пару лет сократился разрыв в способностях (и это еще на графике нет GLM-5.3)
Многие американские лидеры до сих пор утверждают, что китайские модели отстают на 6-9 месяцев, но, очевидно, эта информация устарела
И это уже не говоря про цены
Оранжевые точки – китайские модели, синие – США
По оси Y – взвешенное среднее по бенчмаркам GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, Humanity’s Last Exam, GPQA Diamond, CritPt, SciCode, AA-Omniscience и AA-LCR
Ломаной соединены фронтирные модели
Видно, насколько за пару лет сократился разрыв в способностях (и это еще на графике нет GLM-5.3)
Многие американские лидеры до сих пор утверждают, что китайские модели отстают на 6-9 месяцев, но, очевидно, эта информация устарела
И это уже не говоря про цены
Как заинтересовать детей математикой?
Надо запретить математику для детей
Чтобы учебники 18+, чтобы продавались только в специальных магазинах
Пару блогеров посадить за пропаганду математики среди несовершеннолетних
Вот тогда дети математикой заинтересуются
- Сын, откуда у тебя учебник по алгебре?
- Это не мой Это друг попросил подержать у себя
- Скажи нам правду!
Ты поэтому так долго сидишь в ванной?
Считаешь логарифмы?
Ты что, не знаешь, что это - первый шаг к анализу?
Подсядешь на интегралы и всё… ужас… а там же еще графы
Надо запретить математику для детей
Чтобы учебники 18+, чтобы продавались только в специальных магазинах
Пару блогеров посадить за пропаганду математики среди несовершеннолетних
Вот тогда дети математикой заинтересуются
- Сын, откуда у тебя учебник по алгебре?
- Это не мой Это друг попросил подержать у себя
- Скажи нам правду!
Ты поэтому так долго сидишь в ванной?
Считаешь логарифмы?
Ты что, не знаешь, что это - первый шаг к анализу?
Подсядешь на интегралы и всё… ужас… а там же еще графы
Bloomberg подводит итог полугода: эпоха абсолютного доминирования США закончилась, бренд "Made in USA" больше не единственная гарантия качества
Заголовок звучит убедительно, но Китай не догнал Америку в разработке, а выигрывает в оптимизации
Победа реальная и измеримая в долларах
И почти ничего не говорящая о том, кто победит там, где нет рутины
Доказательства этой – узкой, но настоящей – победы у Bloomberg есть
Тест Brewberg от Vals AI: несколько моделей делали один и тот же сайт кофейни с одинаковой функциональностью
Claude Fable 5 закрыл задачу за $48.99 – модель непрерывно уточняла, тестировала, переделывала
Китайские конкуренты обошлись в разы дешевле за счет меньшей "тревожности" в рассуждениях
Ни одна лаборатория не удержит лидерство навсегда
Цена – главное оружие Пекина
Такую гонку цен в Китае называют "инволюцией", и там ее боятся – она давит на экономику дефляцией
Остальному же миру это только на руку: DeepSeek V4-Pro стоит около $4 за миллион токенов против $50 у Fable 5 – разница не в разы, а на порядок
Бизнес голосует кошельком
В июле доля китайских моделей на OpenRouter впервые перевалила за 60 %
Основатель Polsia Бен Сера тратил на ИИ $1.000.000 в месяц и был на грани банкротства – переход на шанхайский MiniMax сократил расходы до $100.000
Основатель Lindy Фло Кривелло формулирует логику короче: "Вам не нужен Господь Бог, чтобы писать электронные письма"
Второе оружие – открытые веса
Пока Anthropic и OpenAI держат модели за платным API, семейство Alibaba стало самым скачиваемым в мире – больше 3.000.000.000 загрузок за полгода, обогнав Meta и Google
Открытую модель, однажды запущенную локально, извне уже не отключить: экспортный контроль здесь бессилен
США обвиняют китайские лаборатории в дистилляции – обучении на ответах американских моделей, которое экономит годы исследований
Пока санкции сдерживают Китай, вычислительная мощь США примерно в 10 раз выше китайской, и это по-прежнему главный козырь Кремниевой долины
Китай методично закрывает и другие бреши: 2.000.000.000.000 юаней на дата-центры, дешевая возобновляемая энергия и инженеры втрое дешевле американских (от $70.000 против $360.000у OpenAI)
Первые двигатели внутреннего сгорания тоже можно было оценивать как тягловую силу для телег и карет: по этому критерию лошадь еще долго побеждала бы по цене и надежности
Двигатель менял не скорость перевозки грузов на старых дорогах – он создавал автомобиль, авиацию, целую индустрию, которой раньше не существовало
Та же логика – в прорывных открытиях: новый материал, новое лекарство, новая технология либо найдены, либо нет, и здесь важна не средняя эффективность, а верхняя граница возможностей лучшей из существующих моделей
Главная ставка – не в автоматизации того, что уже есть, а в моделях, которых пока не существует
Тест Brewberg меряет, кто дешевле построит витрину для кофейни
Он не мерит, кто первым построит бизнес, для которого витрины вообще не нужны
Китай выиграл гонку за автоматизацию телеги
Гонка за автомобиль только началась
И выиграет в ней тот, кто первым создаст то, чего пока не существует, а не тот, кто дешевле воспроизведет то, что уже есть
Заголовок звучит убедительно, но Китай не догнал Америку в разработке, а выигрывает в оптимизации
Победа реальная и измеримая в долларах
И почти ничего не говорящая о том, кто победит там, где нет рутины
Доказательства этой – узкой, но настоящей – победы у Bloomberg есть
Тест Brewberg от Vals AI: несколько моделей делали один и тот же сайт кофейни с одинаковой функциональностью
Claude Fable 5 закрыл задачу за $48.99 – модель непрерывно уточняла, тестировала, переделывала
Китайские конкуренты обошлись в разы дешевле за счет меньшей "тревожности" в рассуждениях
Ни одна лаборатория не удержит лидерство навсегда
Цена – главное оружие Пекина
Такую гонку цен в Китае называют "инволюцией", и там ее боятся – она давит на экономику дефляцией
Остальному же миру это только на руку: DeepSeek V4-Pro стоит около $4 за миллион токенов против $50 у Fable 5 – разница не в разы, а на порядок
Бизнес голосует кошельком
В июле доля китайских моделей на OpenRouter впервые перевалила за 60 %
Основатель Polsia Бен Сера тратил на ИИ $1.000.000 в месяц и был на грани банкротства – переход на шанхайский MiniMax сократил расходы до $100.000
Основатель Lindy Фло Кривелло формулирует логику короче: "Вам не нужен Господь Бог, чтобы писать электронные письма"
Второе оружие – открытые веса
Пока Anthropic и OpenAI держат модели за платным API, семейство Alibaba стало самым скачиваемым в мире – больше 3.000.000.000 загрузок за полгода, обогнав Meta и Google
Открытую модель, однажды запущенную локально, извне уже не отключить: экспортный контроль здесь бессилен
США обвиняют китайские лаборатории в дистилляции – обучении на ответах американских моделей, которое экономит годы исследований
Пока санкции сдерживают Китай, вычислительная мощь США примерно в 10 раз выше китайской, и это по-прежнему главный козырь Кремниевой долины
Китай методично закрывает и другие бреши: 2.000.000.000.000 юаней на дата-центры, дешевая возобновляемая энергия и инженеры втрое дешевле американских (от $70.000 против $360.000у OpenAI)
Первые двигатели внутреннего сгорания тоже можно было оценивать как тягловую силу для телег и карет: по этому критерию лошадь еще долго побеждала бы по цене и надежности
Двигатель менял не скорость перевозки грузов на старых дорогах – он создавал автомобиль, авиацию, целую индустрию, которой раньше не существовало
Та же логика – в прорывных открытиях: новый материал, новое лекарство, новая технология либо найдены, либо нет, и здесь важна не средняя эффективность, а верхняя граница возможностей лучшей из существующих моделей
Главная ставка – не в автоматизации того, что уже есть, а в моделях, которых пока не существует
Тест Brewberg меряет, кто дешевле построит витрину для кофейни
Он не мерит, кто первым построит бизнес, для которого витрины вообще не нужны
Китай выиграл гонку за автоматизацию телеги
Гонка за автомобиль только началась
И выиграет в ней тот, кто первым создаст то, чего пока не существует, а не тот, кто дешевле воспроизведет то, что уже есть
Bloomberg.com
US Lead in the AI Race With China Is Rapidly Narrowing
A spate of new releases show Chinese competitors are closing the gap on Silicon Valley, and winning market share with lower prices.
ARI AML
Numerical_Algorithms_Methods_for_Computer_Vision,_Machine_Learning.pdf
Please open Telegram to view this post
VIEW IN TELEGRAM
Представим скрученную фигуру как граф
Узлы, где шарик перекручивается, становятся вершинами графа, а надутые участки между ними — ребрами и появляется классическая теория Эйлера
Если необходимый граф допускает подходящий эйлеров маршрут, всю конструкцию можно получить из одного непрерывного шарика
Именно поэтому, например, октаэдр авторы собирают из одного шара
А вот если в графе есть несколько вершин нечетной степени, становится интересно посчитать минимальное количество шариков
Авторы показывают: если таких вершин (o), то требуется как минимум (o/2) шариков
Например, знаменитая задача о семи мостах Кёнигсберга имеет четыре нечетные вершины — значит, в «воздушно-шариковой» версии для нее понадобятся два шарика
Но математика становится еще интереснее, если разрешить часть шарика временно оставлять ненадутой или прятать внутри конструкции
Тогда задача начинает напоминать задачу китайского почтальона: нужно найти кратчайший маршрут, который позволит пройти по всем необходимым ребрам графа
Можно использовать такие конструкции для обучения теории графов, алгоритмам, симметрии и геометрии, а тот же подход потенциально применим к проектированию временных сооружений из длинных надувных балок
Получается довольно красивый пример того, как из вопроса уровня «сколько шариков нужно, чтобы сделать куб?» можно прийти к Эйлеру, теории графов, оптимизации и NP-полноте
https://cccg.ca/proceedings/2008/paper34full.pdf
Узлы, где шарик перекручивается, становятся вершинами графа, а надутые участки между ними — ребрами и появляется классическая теория Эйлера
Если необходимый граф допускает подходящий эйлеров маршрут, всю конструкцию можно получить из одного непрерывного шарика
Именно поэтому, например, октаэдр авторы собирают из одного шара
А вот если в графе есть несколько вершин нечетной степени, становится интересно посчитать минимальное количество шариков
Авторы показывают: если таких вершин (o), то требуется как минимум (o/2) шариков
Например, знаменитая задача о семи мостах Кёнигсберга имеет четыре нечетные вершины — значит, в «воздушно-шариковой» версии для нее понадобятся два шарика
Но математика становится еще интереснее, если разрешить часть шарика временно оставлять ненадутой или прятать внутри конструкции
Тогда задача начинает напоминать задачу китайского почтальона: нужно найти кратчайший маршрут, который позволит пройти по всем необходимым ребрам графа
Можно использовать такие конструкции для обучения теории графов, алгоритмам, симметрии и геометрии, а тот же подход потенциально применим к проектированию временных сооружений из длинных надувных балок
Получается довольно красивый пример того, как из вопроса уровня «сколько шариков нужно, чтобы сделать куб?» можно прийти к Эйлеру, теории графов, оптимизации и NP-полноте
https://cccg.ca/proceedings/2008/paper34full.pdf
В продолжение темы когнитивных войн разберём недавно опубликованный патент
Автор — Фред Коэн, который в 1984 году ввёл в оборот само понятие «компьютерный вирус»
Его карьера неразрывно связана с американским ВПК
Ещё в 1974 году, будучи студентом, он работал над проектом HearSay для DARPA — первой в мире системой автоматического распознавания речи
Позже Коэн стал ведущим техническим специалистом в Sandia National Laboratories — закрытой национальной лаборатории по ядерной безопасности, тесно связанной с Пентагоном и разведкой
В 1993 году он написал для Агентства оборонных информационных систем базовый документ «Основы планирования оборонительной информационной войны»
Сегодня он — сооснователь Калифорнийского научного института, выпускающего магистров и докторов в области национальной безопасности
Мы не просто так перечислили его титулы
Это не маркетинговый стартап
Это люди, которые закладывали основы американской кибервойны
И теперь они пишут алгоритмы для управления обществом
Чтобы понять суть нового патента Коэна, нужно вернуться в 2010-е, когда DARPA запустила два проекта — ADAMS и SMISC
DARPA ADAMS появилась после инцидента с Брэдли Мэннингом и WikiLeaks для выявления «внутренних угроз» среди военных и госслужащих
По сути, это алгоритмический психоанализ, который изучает:
-паттерны нажатий клавиш;
-содержание и тональность электронной переписки;
-малейшие отклонения от «нормального» поведения пользователя
Цель — предсказать, когда сотрудник «переключится» и начнёт сливать секреты, ещё до того, как он сам примет окончательное решение
Это цифровой полиграф непрерывного действия
DARPA SMISC — программа 2011 года для ведения алгоритмической пропаганды
Её задачи:
-отслеживать зарождение и распространение «мемов» (идей, нарративов) в соцсетях;
-выявлять уязвимые точки аудитории;
-генерировать и вбрасывать контр-нарративы для манипуляции настроениями.
Что делает Коэн с этим наследством?
Он собирает эти военные разработки в единый, замкнутый конвейер:
ADAMS даёт ему методы психометрического профилирования — возможность дистанционно измерять скрытые мотивы, страхи и склонности человека
SMISC даёт технологию доставки информационных вирусов, способных влиять на поведение
В патенте Коэн описывает систему, которая:
-собирает данные о цели (из соцсетей, сообщений, голоса, датчиков);
-прогоняет их через когнитивную оценку (анализ тональности, распознавание скрытых эмоций и комплексов);
-принимает решение, какой именно триггер задействовать;
-генерирует этот мем;
-доставляет его через нужный канал;
-замеряет реакцию психики — и повторяет цикл
В 2011 году для работы такой системы требовались сотни аналитиков: психологи, лингвисты, стратеги
Коэн убрал их всех
Дегенеративный ИИ теперь выполняет всю работу — от интерпретации данных до синтеза мема
Человек там не нужен
Это полностью автономный конвейер управления поведением, где психометрика и нарративный инжиниринг работают в автоматическом режиме
Система сама находит болевую точку человека, сама синтезирует цифровой вирус и сама заражает его сознание
Автор — Фред Коэн, который в 1984 году ввёл в оборот само понятие «компьютерный вирус»
Его карьера неразрывно связана с американским ВПК
Ещё в 1974 году, будучи студентом, он работал над проектом HearSay для DARPA — первой в мире системой автоматического распознавания речи
Позже Коэн стал ведущим техническим специалистом в Sandia National Laboratories — закрытой национальной лаборатории по ядерной безопасности, тесно связанной с Пентагоном и разведкой
В 1993 году он написал для Агентства оборонных информационных систем базовый документ «Основы планирования оборонительной информационной войны»
Сегодня он — сооснователь Калифорнийского научного института, выпускающего магистров и докторов в области национальной безопасности
Мы не просто так перечислили его титулы
Это не маркетинговый стартап
Это люди, которые закладывали основы американской кибервойны
И теперь они пишут алгоритмы для управления обществом
Чтобы понять суть нового патента Коэна, нужно вернуться в 2010-е, когда DARPA запустила два проекта — ADAMS и SMISC
DARPA ADAMS появилась после инцидента с Брэдли Мэннингом и WikiLeaks для выявления «внутренних угроз» среди военных и госслужащих
По сути, это алгоритмический психоанализ, который изучает:
-паттерны нажатий клавиш;
-содержание и тональность электронной переписки;
-малейшие отклонения от «нормального» поведения пользователя
Цель — предсказать, когда сотрудник «переключится» и начнёт сливать секреты, ещё до того, как он сам примет окончательное решение
Это цифровой полиграф непрерывного действия
DARPA SMISC — программа 2011 года для ведения алгоритмической пропаганды
Её задачи:
-отслеживать зарождение и распространение «мемов» (идей, нарративов) в соцсетях;
-выявлять уязвимые точки аудитории;
-генерировать и вбрасывать контр-нарративы для манипуляции настроениями.
Что делает Коэн с этим наследством?
Он собирает эти военные разработки в единый, замкнутый конвейер:
ADAMS даёт ему методы психометрического профилирования — возможность дистанционно измерять скрытые мотивы, страхи и склонности человека
SMISC даёт технологию доставки информационных вирусов, способных влиять на поведение
В патенте Коэн описывает систему, которая:
-собирает данные о цели (из соцсетей, сообщений, голоса, датчиков);
-прогоняет их через когнитивную оценку (анализ тональности, распознавание скрытых эмоций и комплексов);
-принимает решение, какой именно триггер задействовать;
-генерирует этот мем;
-доставляет его через нужный канал;
-замеряет реакцию психики — и повторяет цикл
В 2011 году для работы такой системы требовались сотни аналитиков: психологи, лингвисты, стратеги
Коэн убрал их всех
Дегенеративный ИИ теперь выполняет всю работу — от интерпретации данных до синтеза мема
Человек там не нужен
Это полностью автономный конвейер управления поведением, где психометрика и нарративный инжиниринг работают в автоматическом режиме
Система сама находит болевую точку человека, сама синтезирует цифровой вирус и сама заражает его сознание
В DeepMind за год до ChatGPT уже был LM Chat — выпускать не дали
OpenAI устроен иначе: исследование и продукт рядом, культура «выпускай и разрушай себя», даже если текущий продукт печатает деньги
ChatGPT и Codex сливаются в одного личного агента — система подстраивается под человека, а не наоборот
Цель — «иллюзия идеального партнёра»: знает ваши цели и день, действует сам, не ломается на памяти и субагентах
Персональный агент в потоке с вами и полная автоматизация сложных процессов (логи, регрессии, дыры в безопасности — человеку только одобрить риск)
Модели нужны облачные агенты и ресурсы сильнее локальной машины
Меняет не скорость, а внимание
Вместо 10–15 агентов и ожидания 30–45 минут — 3–4 потока и работа в потоке
На чистой генерации выигрыш полный, на куче tool calls — скорее ×3–4
Через год-два такие скорости станут нормой
Luna полгода назад была бы frontier, сейчас почти бесплатна
Soul экономнее Terra, следующая — ещё экономнее
RSI уже идёт — не только «модель пишет модель», но модели, которые улучшают CUDA, инференс и агентов, которые снова ускоряют разработку
Пока модели сильнее, часть RL ставили на паузу, чтобы успеть укрепить alignment
Конкуренцию с Anthropic почти не считает: фокус — уникальность, доступность и свои ценности
OpenAI устроен иначе: исследование и продукт рядом, культура «выпускай и разрушай себя», даже если текущий продукт печатает деньги
ChatGPT и Codex сливаются в одного личного агента — система подстраивается под человека, а не наоборот
Цель — «иллюзия идеального партнёра»: знает ваши цели и день, действует сам, не ломается на памяти и субагентах
Персональный агент в потоке с вами и полная автоматизация сложных процессов (логи, регрессии, дыры в безопасности — человеку только одобрить риск)
Модели нужны облачные агенты и ресурсы сильнее локальной машины
Меняет не скорость, а внимание
Вместо 10–15 агентов и ожидания 30–45 минут — 3–4 потока и работа в потоке
На чистой генерации выигрыш полный, на куче tool calls — скорее ×3–4
Через год-два такие скорости станут нормой
Luna полгода назад была бы frontier, сейчас почти бесплатна
Soul экономнее Terra, следующая — ещё экономнее
RSI уже идёт — не только «модель пишет модель», но модели, которые улучшают CUDA, инференс и агентов, которые снова ускоряют разработку
Пока модели сильнее, часть RL ставили на паузу, чтобы успеть укрепить alignment
Конкуренцию с Anthropic почти не считает: фокус — уникальность, доступность и свои ценности
Скомкайте лист бумаги и положите обратно на стол
Теорема Брауэра говорит, что хотя бы одна точка листа останется ровно там, где была
Непрерывное отображение замкнутого шара в себя всегда имеет неподвижную точку
Если вы сдвигаете, сжимаете или вращаете диск, шар или их многомерный аналог без разрывов, какая-то точка не изменит положения
Это работает в любой размерности
Теорема доказывает существование равновесия в экономике, гарантирует решения дифференциальных уравнений и помогает в топологии
Если всё движется, векторное поле на границе диска направлено внутрь, значит, где-то оно обязано обнулиться
Это и есть неподвижная точка
Чистая топология диктует жёсткое ограничение для любой непрерывной динамики
Теорема Брауэра говорит, что хотя бы одна точка листа останется ровно там, где была
Непрерывное отображение замкнутого шара в себя всегда имеет неподвижную точку
Если вы сдвигаете, сжимаете или вращаете диск, шар или их многомерный аналог без разрывов, какая-то точка не изменит положения
Это работает в любой размерности
Теорема доказывает существование равновесия в экономике, гарантирует решения дифференциальных уравнений и помогает в топологии
Если всё движется, векторное поле на границе диска направлено внутрь, значит, где-то оно обязано обнулиться
Это и есть неподвижная точка
Чистая топология диктует жёсткое ограничение для любой непрерывной динамики
Книги_по_физике_—_Джей_Орир_.zip
152.6 MB
Джей Орир (Jay Orear) — американский физик-экспериментатор, ученик Энрико Ферми, унаследовавший от своего учителя замечательную способность объяснять сложные вещи простыми словами
Автор книги — ученик Нобелевского лауреата Э. Ферми — в течение многих лет читал свой курс студентам Корнельекого университета
Этот курс может служить полезным практическим введением к широко известным в России «Фейнмановским лекциям по физике» и «Берклиевскому курсу физики»
Вот что сам он пишет в предисловии к своей книге: «Я в неоплатном долгу перед Энрико Ферми, который не только сообщил мне большую часть моих познаний по физике, но и научил методам ее изучения
Как преподаватель Ферми был хорошо известен своей замечательной способностью предельно просто и ясно излагать самые трудные вопросы
Он достигал этого прямым путем, очень мало прибегая к математике и обращая основное внимание на физическую сущность явлений
В этой книге я пытался передать характер и увлекательность физики так, как это мог бы сделать Ферми»
Можно без преувеличения сказать, что автору это удалось в полной мере
Книга представляет собой один из наиболее удачных в мировой литературе вводных курсов по физике, охватывающих диапазон от физики как школьного предмета до доступного описания ее последних достижений
Книга занимает почетное место на книжной полке уже нескольких поколений российских физиков, причем для данного издания книга существенно дополнена и осовременена
Автор книги — ученик Нобелевского лауреата Э. Ферми — в течение многих лет читал свой курс студентам Корнельекого университета
Этот курс может служить полезным практическим введением к широко известным в России «Фейнмановским лекциям по физике» и «Берклиевскому курсу физики»
Вот что сам он пишет в предисловии к своей книге: «Я в неоплатном долгу перед Энрико Ферми, который не только сообщил мне большую часть моих познаний по физике, но и научил методам ее изучения
Как преподаватель Ферми был хорошо известен своей замечательной способностью предельно просто и ясно излагать самые трудные вопросы
Он достигал этого прямым путем, очень мало прибегая к математике и обращая основное внимание на физическую сущность явлений
В этой книге я пытался передать характер и увлекательность физики так, как это мог бы сделать Ферми»
Можно без преувеличения сказать, что автору это удалось в полной мере
Книга представляет собой один из наиболее удачных в мировой литературе вводных курсов по физике, охватывающих диапазон от физики как школьного предмета до доступного описания ее последних достижений
Книга занимает почетное место на книжной полке уже нескольких поколений российских физиков, причем для данного издания книга существенно дополнена и осовременена
И ещё рекомендую свежий, подробный и не черезмерно технический текст Теренса Тао о том, как развивалась задача Какеи и почему результат Ван и Цаля так важен: Rotating needles in space: the road to the Kakeya conjecture, and why it matters
В ближайшие дни разберём и работы трёх других лауреатов Филдсовской медали 2026 года
В ближайшие дни разберём и работы трёх других лауреатов Филдсовской медали 2026 года
В 1779 году Леонард Эйлер придумал головоломку: расставить 36 офицеров шести разных званий и шести полков в квадрат 6×6 так, чтобы в строках и столбцах не было повторов
Для квадратов 5×5 и 7×7 задача решалась легко, но именно «шестёрка» оказалась невозможной
Через сто лет Гастон Тарри строго доказал: классического решения не существует
Таблица пять на пять может быть заполнена шахматными фигурами пяти разных рангов и пяти разных цветов, так что ни одна строка или столбец не повторяет ранг или цвет
И вот, спустя 243 года, физики нашли обходной путь
Они сделали офицеров… квантовыми
В новой версии офицер может находиться в суперпозиции сразу нескольких званий и полков — например, быть одновременно «красным королём» и «оранжевой королевой»
Добавьте к этому квантовую запутанность, и оказывается, что их можно расставить в квадрат
Алгоритм сначала приближал решение компьютером, а потом физики достроили его вручную
Получившийся «квантовый квадрат» не только красив, но и полезен: он формирует абсолютно максимально запутанное состояние (AME) — редкую структуру, которая может лечь в основу квантовой коррекции ошибок
Ещё один сюрприз: в коэффициентах решения всплыло золотое сечение, 1,618…
Поэтому исследователи назвали свой результат «золотым AME»
https://www.cambridge.org/core/journals/canadian-journal-of-mathematics/article/further-results-on-the-construction-of-mutually-orthogonal-latin-squares-and-the-falsity-of-eulers-conjecture/1152262BF046F8632638FE9C10610136
https://arxiv.org/abs/2104.05122
Для квадратов 5×5 и 7×7 задача решалась легко, но именно «шестёрка» оказалась невозможной
Через сто лет Гастон Тарри строго доказал: классического решения не существует
Таблица пять на пять может быть заполнена шахматными фигурами пяти разных рангов и пяти разных цветов, так что ни одна строка или столбец не повторяет ранг или цвет
И вот, спустя 243 года, физики нашли обходной путь
Они сделали офицеров… квантовыми
В новой версии офицер может находиться в суперпозиции сразу нескольких званий и полков — например, быть одновременно «красным королём» и «оранжевой королевой»
Добавьте к этому квантовую запутанность, и оказывается, что их можно расставить в квадрат
Алгоритм сначала приближал решение компьютером, а потом физики достроили его вручную
Получившийся «квантовый квадрат» не только красив, но и полезен: он формирует абсолютно максимально запутанное состояние (AME) — редкую структуру, которая может лечь в основу квантовой коррекции ошибок
Ещё один сюрприз: в коэффициентах решения всплыло золотое сечение, 1,618…
Поэтому исследователи назвали свой результат «золотым AME»
https://www.cambridge.org/core/journals/canadian-journal-of-mathematics/article/further-results-on-the-construction-of-mutually-orthogonal-latin-squares-and-the-falsity-of-eulers-conjecture/1152262BF046F8632638FE9C10610136
https://arxiv.org/abs/2104.05122
Prime Agent — это больше, чем харнесс модели
Сами авторы называют проект операционной системой для долгоживущих агентов
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами
Состояние в системе разложено по четырем уровням:
• веса модели - то, что она знает после обучения
• активный контекст - информация текущего шага
• постоянный REPL и рекурсивные подагенты - внешние вычисления, инструменты и параллельная работа
• дисковое состояние - история, факты, навыки, промпты и спецификации подагентов
Состояние переживает и шаги, и перезапуски, и отключения
Человек при этом может наблюдать за агентами и вмешиваться
Сильнее всего эффект виден на длинных интерактивных задачах
На ARC-AGI-3 конфигурация с Opus 5 дала 95.5 % Best@1 против 30.2 % у обвязки самой ARC
На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед
Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5
Отдельно показательны игровые прогоны на эмуляторах
На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61.6 % по итоговой оценке верификатора, а Claude Code с той же моделью — ноль
На Game Boy Color разрыв еще резче: 99.8 % против нуля
Побочный эффект — накопление навыков закрепляет не только полезное
В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память
Дальше он доставал оттуда именно это решение, потому что оно один раз сработало
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями
Лицензирование: MIT License
Сами авторы называют проект операционной системой для долгоживущих агентов
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами
Состояние в системе разложено по четырем уровням:
• веса модели - то, что она знает после обучения
• активный контекст - информация текущего шага
• постоянный REPL и рекурсивные подагенты - внешние вычисления, инструменты и параллельная работа
• дисковое состояние - история, факты, навыки, промпты и спецификации подагентов
Состояние переживает и шаги, и перезапуски, и отключения
Человек при этом может наблюдать за агентами и вмешиваться
Сильнее всего эффект виден на длинных интерактивных задачах
На ARC-AGI-3 конфигурация с Opus 5 дала 95.5 % Best@1 против 30.2 % у обвязки самой ARC
На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед
Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5
Отдельно показательны игровые прогоны на эмуляторах
На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61.6 % по итоговой оценке верификатора, а Claude Code с той же моделью — ноль
На Game Boy Color разрыв еще резче: 99.8 % против нуля
Побочный эффект — накопление навыков закрепляет не только полезное
В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память
Дальше он доставал оттуда именно это решение, потому что оно один раз сработало
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями
Лицензирование: MIT License