Диаграмма о влиянии AML на рынок труда от Anthropic
Иллюстрация того, где мы находимся в части проникновения AML в экономику
Anthropic предлагает метрику, которая объединяет теоретические возможности LLM с реальными данными об использовании
Синяя зона - теоретическое покрытие, то есть мог бы делать
Красная зона - реальное использование - что люди реально делают сейчас с Claude
Интересно, где красная зона почти исчезает - сферы, что правее и ниже: здравоохранение, образование, искусство и медиа
Несмотря на высокий теоретический потенциал, реального проникновения почти нет — из-за регуляторных барьеров, профессиональной культуры, требований верификации человеком
Левая сторона — синяя зона тоже маленькая, потому что физический труд изначально недоступен LLMB
Здесь нет разрыва, потому что нет ни теоретического потенциала, ни реального использования
Красная зона будет расти
Вопрос только в том, в каком порядке и с какой скоростью она будет догонять синюю
Иллюстрация того, где мы находимся в части проникновения AML в экономику
Anthropic предлагает метрику, которая объединяет теоретические возможности LLM с реальными данными об использовании
Синяя зона - теоретическое покрытие, то есть мог бы делать
Красная зона - реальное использование - что люди реально делают сейчас с Claude
Интересно, где красная зона почти исчезает - сферы, что правее и ниже: здравоохранение, образование, искусство и медиа
Несмотря на высокий теоретический потенциал, реального проникновения почти нет — из-за регуляторных барьеров, профессиональной культуры, требований верификации человеком
Левая сторона — синяя зона тоже маленькая, потому что физический труд изначально недоступен LLMB
Здесь нет разрыва, потому что нет ни теоретического потенциала, ни реального использования
Красная зона будет расти
Вопрос только в том, в каком порядке и с какой скоростью она будет догонять синюю
LLM плохо обновляют убеждения по мере получения новой информации
Хотя от модели ожидается, что она должна понимать предпочтения пользователя по его ответам и при накоплении таких данных становится полезнее, на самом деле LLM в этом плохи
С математической точки зрения это означает, что у моделей нет байесовского мышления, то есть умения обновлять вероятность гипотез при поступлении новой информации
У людей, кстати, такое мышление должно быть хорошо развито
Здесь исследователи предлагают интересный подход
Вместо того, чтобы учить модель обновлять знания с помощью файнтюна на обычных диалогах, они берут и дистиллируют в нее настоящий байесовский алгоритм
То есть:
• строится обычный автомат Байеса, который знаком всем, кто изучал классический ML
Он решает задачу, просто обновляя вероятность разных гипотез по формуле
• LLM файнтюнят на ответах алгоритма, чтобы она переняла общую логику обновления, но уже без формулы
Во-первых, модель действительно начинает вести себя ближе к байесовскому оптимуму и учитывать новые данные
На основной задаче рекомендаций качество заметно увеличилось
Во-вторых, появилось обобщение
То есть модель фактически выучивает сам принцип рассуждения, и начинает использовать эту стратегию в других задачах, где ее напрямую не обучали
Короче говоря, довольно показательно, и авторы делают вывод о том, что обучение на демонстрациях алгоритмов в целом – работает
В действительности, мы ведь и правда хотим от LLM, чтобы они были не просто генераторами текста, а универсальными имитатороми алгоритмов мышления
research.google/blog/teaching-llms-to-reason-like-bayesians/
Хотя от модели ожидается, что она должна понимать предпочтения пользователя по его ответам и при накоплении таких данных становится полезнее, на самом деле LLM в этом плохи
С математической точки зрения это означает, что у моделей нет байесовского мышления, то есть умения обновлять вероятность гипотез при поступлении новой информации
У людей, кстати, такое мышление должно быть хорошо развито
Здесь исследователи предлагают интересный подход
Вместо того, чтобы учить модель обновлять знания с помощью файнтюна на обычных диалогах, они берут и дистиллируют в нее настоящий байесовский алгоритм
То есть:
• строится обычный автомат Байеса, который знаком всем, кто изучал классический ML
Он решает задачу, просто обновляя вероятность разных гипотез по формуле
• LLM файнтюнят на ответах алгоритма, чтобы она переняла общую логику обновления, но уже без формулы
Во-первых, модель действительно начинает вести себя ближе к байесовскому оптимуму и учитывать новые данные
На основной задаче рекомендаций качество заметно увеличилось
Во-вторых, появилось обобщение
То есть модель фактически выучивает сам принцип рассуждения, и начинает использовать эту стратегию в других задачах, где ее напрямую не обучали
Короче говоря, довольно показательно, и авторы делают вывод о том, что обучение на демонстрациях алгоритмов в целом – работает
В действительности, мы ведь и правда хотим от LLM, чтобы они были не просто генераторами текста, а универсальными имитатороми алгоритмов мышления
research.google/blog/teaching-llms-to-reason-like-bayesians/
AML
Lately people who know what I’m working on keep asking me the same question: does it even make sense to build an alliance of programmers if AI is about to replace programmers? After hearing this question too many times, I decided to write a short article explaining…
Пока мировые медиа обсуждают битву за полупроводники и гонку нейросетевых чипов, в науке тихо зреет куда более радикальная идея — а что, если вместо всё более сложных микросхем просто взять и использовать живые нейроны?
Австралийская компания Cortical Labs уже сделала это: подключила лабораторно выращенные клетки к биокомпьютеру и заставила их пройти трёхмерный шутер DOOM
Причём речь не о клетках мыши или дрозофилы — нейроны были получены методом репрограммирования из клеток кожи и крови обычных взрослых людей
Этот крошечный сгусток человеческой ткани в чашке Петри превзошёл GPT-4 по скорости реакции
То, на что у кремниевого AML уходят мегаватты энергии, кусочек чьего-то бывшего эпидермиса делает мгновенно
Пентагон тоже решил этим заняться
DARPA объявило о будущей программе O-CIRCUIT по созданию «биологических процессоров» для боевых дронов
Цель — создать принципиально новый класс боевых систем
Логика у американских стратегов проста: дрон-убийца на передовой требует мощного процессора, тот требует тяжёлых аккумуляторов, те убивают автономность
Замкнутый круг
Решение — выбросить кремний и вырастить вместо него живые нейронные сгустки из нервных, глиальных и иммунных клеток
В качестве эталона эффективности DARPA приводит мозг плодовой мушки: 140.000 нейронов, всего 6 милливатт-часов в сутки, маневрирует лучше любого квадрокоптера
Программа разбита на две задачи:
Первая — вырастить биопроцессор, который будет играть в «Ms. Pac-Man» на уровне человека и удерживать этот навык сутками
Pac-Man по своей математической сути — это навигация в замкнутом лабиринте, непрерывный поиск целей и уклонение от угроз. Переведите это на язык войны — и получите автономный живой контроллер для зачистки подземных тоннелей, траншейных сетей, городских кварталов
Вторая — скрестить живой мозг с биологическим обонятельным сенсором и встроить его в дрон
Цель — идти по химическому следу
Электронный нос уступает собачьему в чувствительности на порядки, никакой кремниевый газоанализатор не сравнится с живой обонятельной тканью. Но главное нечувствительность
Дрон, идущий на запах взрывчатки, пороховых газов или человеческого метаболизма — пота, выдыхаемого CO₂, адреналина — физически невозможно заглушить радиопомехами
Американцы десятилетиями продавали миру культ кремния — чипы, процессоры, цифровое превосходство
А потом пришли к тому, что природа придумала лучше
Только это открытие они сделали в военной лаборатории, а не в философской
Австралийская компания Cortical Labs уже сделала это: подключила лабораторно выращенные клетки к биокомпьютеру и заставила их пройти трёхмерный шутер DOOM
Причём речь не о клетках мыши или дрозофилы — нейроны были получены методом репрограммирования из клеток кожи и крови обычных взрослых людей
Этот крошечный сгусток человеческой ткани в чашке Петри превзошёл GPT-4 по скорости реакции
То, на что у кремниевого AML уходят мегаватты энергии, кусочек чьего-то бывшего эпидермиса делает мгновенно
Пентагон тоже решил этим заняться
DARPA объявило о будущей программе O-CIRCUIT по созданию «биологических процессоров» для боевых дронов
Цель — создать принципиально новый класс боевых систем
Логика у американских стратегов проста: дрон-убийца на передовой требует мощного процессора, тот требует тяжёлых аккумуляторов, те убивают автономность
Замкнутый круг
Решение — выбросить кремний и вырастить вместо него живые нейронные сгустки из нервных, глиальных и иммунных клеток
В качестве эталона эффективности DARPA приводит мозг плодовой мушки: 140.000 нейронов, всего 6 милливатт-часов в сутки, маневрирует лучше любого квадрокоптера
Программа разбита на две задачи:
Первая — вырастить биопроцессор, который будет играть в «Ms. Pac-Man» на уровне человека и удерживать этот навык сутками
Pac-Man по своей математической сути — это навигация в замкнутом лабиринте, непрерывный поиск целей и уклонение от угроз. Переведите это на язык войны — и получите автономный живой контроллер для зачистки подземных тоннелей, траншейных сетей, городских кварталов
Вторая — скрестить живой мозг с биологическим обонятельным сенсором и встроить его в дрон
Цель — идти по химическому следу
Электронный нос уступает собачьему в чувствительности на порядки, никакой кремниевый газоанализатор не сравнится с живой обонятельной тканью. Но главное нечувствительность
Дрон, идущий на запах взрывчатки, пороховых газов или человеческого метаболизма — пота, выдыхаемого CO₂, адреналина — физически невозможно заглушить радиопомехами
Американцы десятилетиями продавали миру культ кремния — чипы, процессоры, цифровое превосходство
А потом пришли к тому, что природа придумала лучше
Только это открытие они сделали в военной лаборатории, а не в философской
Corticallabs
Cortical Labs
We've combined lab-grown neurons with silicon chips and made it available to anyone, for first time ever.
2512.24873.pdf
11.7 MB
AML – цепочка из пяти уровней, от чипов и облаков до моделей и приложений
И все больше этих уровней концентрируется в руках одних и тех же глобальных компаний
Каждый из уровней требует значительных инвестиций и выигрывает от масштаба и вертикальной интеграции
В результате именно крупнейшие игроки получают системные преимущества
Среди 20 крупнейших мировых компаний в сфере AML семь базируются в США, и их совокупная капитализация более чем вдвое превышает капитализацию остальных 13 и представлены пятью юрисдикциями: США, Китай, Тайвань, Южная Корея и Нидерланды
Американские и китайские компании присутствуют сразу на нескольких или на всех уровнях цепочки, от вычислительных ресурсов до приложений
TSMC или ASML, сохраняют узкую специализацию на критически важных компонентах (например, чипах)
OpenAI и Anthropic – лидируют в разработке моделей, но опираются на партнерства для доступа к инфраструктуре
К концу 2025 г. на их долю приходилось до 40 % рыночной капитализации в США, на Тайване, в Южной Корее и Нидерландах и формируют существенную часть корпоративных инвестиций и выручки в этих юрисдикциях
Это означает влияние на инвестиционные циклы мировой экономики, формирование совокупного спроса, производительность
«Когда движутся гиганты, земля может двигаться вместе с ними»
Масштабы и вертикальная интеграция позволяют гигантам поглощать издержки и ускорять инновации
Однако высокая концентрация усложняет вход на рынок новых компаний и ограничивает конкуренцию
Вопрос ближайших лет – смогут ли регуляторы и национальные стратегии «суверенного AML» поддержать конкуренцию, не замедлив инновации
AML становится инфраструктурой
А инфраструктура всегда имеет системное значение
И все больше этих уровней концентрируется в руках одних и тех же глобальных компаний
Каждый из уровней требует значительных инвестиций и выигрывает от масштаба и вертикальной интеграции
В результате именно крупнейшие игроки получают системные преимущества
Среди 20 крупнейших мировых компаний в сфере AML семь базируются в США, и их совокупная капитализация более чем вдвое превышает капитализацию остальных 13 и представлены пятью юрисдикциями: США, Китай, Тайвань, Южная Корея и Нидерланды
Американские и китайские компании присутствуют сразу на нескольких или на всех уровнях цепочки, от вычислительных ресурсов до приложений
TSMC или ASML, сохраняют узкую специализацию на критически важных компонентах (например, чипах)
OpenAI и Anthropic – лидируют в разработке моделей, но опираются на партнерства для доступа к инфраструктуре
К концу 2025 г. на их долю приходилось до 40 % рыночной капитализации в США, на Тайване, в Южной Корее и Нидерландах и формируют существенную часть корпоративных инвестиций и выручки в этих юрисдикциях
Это означает влияние на инвестиционные циклы мировой экономики, формирование совокупного спроса, производительность
«Когда движутся гиганты, земля может двигаться вместе с ними»
Масштабы и вертикальная интеграция позволяют гигантам поглощать издержки и ускорять инновации
Однако высокая концентрация усложняет вход на рынок новых компаний и ограничивает конкуренцию
Вопрос ближайших лет – смогут ли регуляторы и национальные стратегии «суверенного AML» поддержать конкуренцию, не замедлив инновации
AML становится инфраструктурой
А инфраструктура всегда имеет системное значение
«Вообще, если не знать, что Риман был очень умный человек, а посмотреть только на интеграл Римана, то это кажется сомнительным
Вот Вы идете вдоль забора из реек одинаковой ширины, но разной длины, и хотите посчитать площадь забора
Что делает Риман?
Измеряет длину каждой рейки, умножает на ширину и складывает
Кто же так делает?
Надо пойти в прорабскую и узнать, сколько реек каждой длины пошло на забор
Это то, что делает Лебег»
воспоминания И.Д. Новикова
Forwarded from НИИ Антропогенеза (ARI)
"Студенты, которые занимались удаленно с AML, усвоили материал в два раза лучше тех, кто работал в аудитории с преподавателем по методике активного обучения, <...> на физическом факультете Гарварда <...>"
- по статье Kestin, G., Miller, K., Klales, A. et al. AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Sci Rep 15, 17458 (2025)
https://doi.org/10.1038/s41598-025-97652-6
<...> через несколько лет <...> AML заберет первое объяснение и тренировку базовых шагов, а очное время с преподавателем освободится для того, на что раньше катастрофически не хватало времени: разбора ошибок, живых дискуссий, синтеза идей, межпредметных проектов и задач без единственно правильного ответа <...>
Одни университеты просто купят готовый сервис и встроят его в расписание
Но, наверное, найдутся и другие, которые постараются сами стать «немножечко EdTech-ом»
То есть попробуют обучить «домашние» модели, оцифровать накопленную экспертизу <...>
https://t.me/aireformer/38 (Scientific Reports соображения представляются мне в целом здравыми, статья в Sci Rep, от которой они отталкиваются, вышла в июне прошлого года и на данный момент, как подсказывает AML-сервис Elict, нет полной ясности, насколько воспроизводимы её результаты)
Nature
AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational…
Scientific Reports - AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting
Интернет переполнен анонимусами, но ольшие языковые модели (LLM) могут массово устанавливать личности владельцев
LLM анализирует посты пользователя, изучая неструктурированный текст: комментарии, шутки, упоминания об образовании и стиль письма
Затем он преобразует данные в математическое представление профиля (профайл) и ищет совпадения среди миллионов других профилей, включая LinkedIn
Исследователи протестировали систему на почти 1.000 профилях LinkedIn и сопоставили их с аккаунтами на Hacker News и Reddit
Результаты показывают, что такая система может быть полезна мстителям и всему, что имеет отношение к внутренним органам
LLM анализирует посты пользователя, изучая неструктурированный текст: комментарии, шутки, упоминания об образовании и стиль письма
Затем он преобразует данные в математическое представление профиля (профайл) и ищет совпадения среди миллионов других профилей, включая LinkedIn
Исследователи протестировали систему на почти 1.000 профилях LinkedIn и сопоставили их с аккаунтами на Hacker News и Reddit
«Практическая незаметность, которая долгое время защищала пользователей под никами... больше не работает, — резюмируют авторы исследования. — Пользователи, которые пишут под постоянными никами, должны исходить из того, что злоумышленники могут связать их аккаунты с реальными личностями или друг с другом, и что вероятность этого растет с каждым фрагментом публикуемых ими микроданных»
Результаты показывают, что такая система может быть полезна мстителям и всему, что имеет отношение к внутренним органам
Наука
Искусственный интеллект может положить конец анонимности в интернете
Исследователи настроили модель на массовую онлайн-деанонимизацию пользователей и получили ошеломительные результаты.
AGI — Superhuman Adaptable Intelligence (SAI): система, которая умеет быстро адаптироваться к новым задачам, а не просто имитирует человека
Аргумент: человеческий интеллект эволюционно специализирован, а не универсален — мы просто не видим собственных слепых зон
Существующие определения AGI не выдерживают критики: одни нарушают теорему No Free Lunch, другие неизмеримы
Технически авторы ставят на модели мира и самообучение — и критикуют монополию GPT-архитектур: «Однородность убивает исследования»
Аргумент: человеческий интеллект эволюционно специализирован, а не универсален — мы просто не видим собственных слепых зон
Существующие определения AGI не выдерживают критики: одни нарушают теорему No Free Lunch, другие неизмеримы
Технически авторы ставят на модели мира и самообучение — и критикуют монополию GPT-архитектур: «Однородность убивает исследования»
Российские физики создали нейросеть, которая способна решать сложные квантовые уравнения и моделировать реальные сверхпроводники на микроскопическом уровне.
https://nkj.ru/news/57861/
https://nkj.ru/news/57861/
Наука и жизнь
Нейросеть исследует сверхпроводимость
Реальные сверхпроводящие материалы имеют неидеальную структуру с различными хаотично расположенными дефектами и примесями. Именно в этом беспорядке и возникают различные интересные квантовые эффекты. Например, куперовские пары (связанные пары электронов)…
Cовременные конфликты ведутся преимущественно в сфере мышления
Индустриальная модель массового поражения уступила место борьбе за восприятие и формирование «нарративного контекста»
Применение смертоносной силы сохраняет свою эффективность, но ее стратегический эффект зависит от того, укрепляет ли она доверие и способствует ли достижению последовательных политических целей
Зато в обществах, связанных цифровыми технологиями, население интерпретирует события в режиме реального времени и соответствующим образом формирует политические результаты
В центре разработки военных кампаний теперь находятся давние противостояния (противоречия) населения, влияющие на операции, стратегическую коммуникацию, психологические операции, киберпространственную пропаганду и экономическую политику
Фрагментация социальных сетей, дезинформация и искусственный интеллект усилили борьбу за доминирование в информационном пространстве
Тактический успех, подрывающий доверие или подпитывающий пропаганду противника, может подорвать более широкие цели
Индустриальная модель массового поражения уступила место борьбе за восприятие и формирование «нарративного контекста»
Применение смертоносной силы сохраняет свою эффективность, но ее стратегический эффект зависит от того, укрепляет ли она доверие и способствует ли достижению последовательных политических целей
Зато в обществах, связанных цифровыми технологиями, население интерпретирует события в режиме реального времени и соответствующим образом формирует политические результаты
В центре разработки военных кампаний теперь находятся давние противостояния (противоречия) населения, влияющие на операции, стратегическую коммуникацию, психологические операции, киберпространственную пропаганду и экономическую политику
Фрагментация социальных сетей, дезинформация и искусственный интеллект усилили борьбу за доминирование в информационном пространстве
Тактический успех, подрывающий доверие или подпитывающий пропаганду противника, может подорвать более широкие цели
🤔1
Клод Opus 4.6 только что решил открытую задачу, над которой работал неделями — гипотезу о разложении графа из книги "Искусство компьютерного программирования"
Он назвал статью "Циклы Клода"
31 исследование. ~1 час
Кнут прочитал результат, написал формальное доказательство и в конце добавил: «Похоже, в ближайшее время мне придется пересмотреть свое отношение к генеративному искусственному интеллекту»
Так сказал человек, написавший библию информатики
В статье, названной в честь искусственного интеллекта
Статья:
https://cs.stanford.edu/~knuth/papers/claude-cycles.pdf
Он назвал статью "Циклы Клода"
31 исследование. ~1 час
Кнут прочитал результат, написал формальное доказательство и в конце добавил: «Похоже, в ближайшее время мне придется пересмотреть свое отношение к генеративному искусственному интеллекту»
Так сказал человек, написавший библию информатики
В статье, названной в честь искусственного интеллекта
Статья:
https://cs.stanford.edu/~knuth/papers/claude-cycles.pdf
Минцифры может закрепить право граждан на отказ от обслуживания с применением искусственного интеллекта
Если клиент не хочет взаимодействовать с нейросетями, организация обязана будет предоставить ему услугу без их использования
Документ в настоящее время проходит межведомственное согласование, его вступление в силу предварительно планируется на 1 сентября 2027 года
Если клиент не хочет взаимодействовать с нейросетями, организация обязана будет предоставить ему услугу без их использования
Документ в настоящее время проходит межведомственное согласование, его вступление в силу предварительно планируется на 1 сентября 2027 года
В начале марта 2026 года в открытой базе патентов США появился документ, который финансировался одновременно DARPA и IARPA
В нём описывается новый тип микрочипа для искусственного интеллекта
Когда оба ведомства вместе вкладываются в один чип — это не про батарею смартфона
Что они изобрели, если объяснять без формул?
Обычные чипы работают как открытый кран: через миллионы транзисторов непрерывно течёт ток, всё греется, тратится колоссальная энергия
Авторы патента сделали другое — они «заглушили трубу»
Внутри транзистора находится особый материал — оксид гафния, который умеет запоминать электрическое поле без питания, как намагниченный магнит
Чтобы такой чип «подумал», на него подают крошечный сигнал в одну десятую вольта и просто измеряют, сколько заряда он удерживает
Никакого тока — только физика конденсатора
Из сотен тысяч таких ячеек, собранных в матрицу, получается устройство, которое по законам электростатики само решает уравнения нейросетей внутри памяти
Заявленная цель технологии — «энергоэффективные вычисления для мобильных устройств»
Но в 10–100 раз меньше энергии означает не просто долгую батарею
Это значит — почти нулевое выделение тепла
Разведывательный беспилотник с таким чипом распознаёт цели тяжёлыми нейросетями в автономном режиме и при этом остаётся практически невидимым для тепловизоров противника
Разведывательный спутник анализирует снимки прямо на орбите, не передавая терабайты данных по перехватываемому каналу
Именно здесь появляется IARPA
Отдельная деталь, о которой патент молчит, но физика говорит сама: один импульс обратного напряжения — минус 3.5 вольта, менее 100 наносекунд — стирает всю нейросеть без следа
Если дрон сбивают над чужой территорией, он выжигает себе мозг быстрее, чем коснётся земли
Это называется «Zeroize» — протокол аппаратного самоубийства
Хороший оборонный патент раскрывает принцип, но прячет рецепт
Мы провели полный реверс-инжиниринг: из законов физики, известных констант материала и данных самого патента восстановили все критические параметры, которые авторы намеренно скрыли
Толщина ферроэлектрического слоя нигде не указана — мы вычислили: 10–12 нанометров
Отклонение на 2 нм в любую сторону — и устройство либо не переключается, либо пробивается насквозь
Концентрация легирующего кремния в оксиде гафния скрыта — рабочее окно 4.3 %
Шаг на процент в сторону — нужная кристаллическая фаза не образуется, и перед вами обычное стекло
Температура отжига не указана — а без неё материал остаётся аморфным
Скрыт алгоритм записи промежуточных состояний, без которого многоуровневое хранение данных превращается в лотерею
При этом у патента есть архитектурная ловушка: вся юридическая защита намертво привязана к конкретному типу считывающей схемы — операционному усилителю
Любой конкурент, который заменит его на цифровой преобразователь временного типа и поднимет напряжение считывания с 99 до 120 милливольт, легально обходит всю монополию — и получает при этом более быстрый и защищённый чип
— Подробный технический разбор с расчётами и таблицами — в прикреплённом документе
В нём описывается новый тип микрочипа для искусственного интеллекта
Когда оба ведомства вместе вкладываются в один чип — это не про батарею смартфона
Что они изобрели, если объяснять без формул?
Обычные чипы работают как открытый кран: через миллионы транзисторов непрерывно течёт ток, всё греется, тратится колоссальная энергия
Авторы патента сделали другое — они «заглушили трубу»
Внутри транзистора находится особый материал — оксид гафния, который умеет запоминать электрическое поле без питания, как намагниченный магнит
Чтобы такой чип «подумал», на него подают крошечный сигнал в одну десятую вольта и просто измеряют, сколько заряда он удерживает
Никакого тока — только физика конденсатора
Из сотен тысяч таких ячеек, собранных в матрицу, получается устройство, которое по законам электростатики само решает уравнения нейросетей внутри памяти
Заявленная цель технологии — «энергоэффективные вычисления для мобильных устройств»
Но в 10–100 раз меньше энергии означает не просто долгую батарею
Это значит — почти нулевое выделение тепла
Разведывательный беспилотник с таким чипом распознаёт цели тяжёлыми нейросетями в автономном режиме и при этом остаётся практически невидимым для тепловизоров противника
Разведывательный спутник анализирует снимки прямо на орбите, не передавая терабайты данных по перехватываемому каналу
Именно здесь появляется IARPA
Отдельная деталь, о которой патент молчит, но физика говорит сама: один импульс обратного напряжения — минус 3.5 вольта, менее 100 наносекунд — стирает всю нейросеть без следа
Если дрон сбивают над чужой территорией, он выжигает себе мозг быстрее, чем коснётся земли
Это называется «Zeroize» — протокол аппаратного самоубийства
Хороший оборонный патент раскрывает принцип, но прячет рецепт
Мы провели полный реверс-инжиниринг: из законов физики, известных констант материала и данных самого патента восстановили все критические параметры, которые авторы намеренно скрыли
Толщина ферроэлектрического слоя нигде не указана — мы вычислили: 10–12 нанометров
Отклонение на 2 нм в любую сторону — и устройство либо не переключается, либо пробивается насквозь
Концентрация легирующего кремния в оксиде гафния скрыта — рабочее окно 4.3 %
Шаг на процент в сторону — нужная кристаллическая фаза не образуется, и перед вами обычное стекло
Температура отжига не указана — а без неё материал остаётся аморфным
Скрыт алгоритм записи промежуточных состояний, без которого многоуровневое хранение данных превращается в лотерею
При этом у патента есть архитектурная ловушка: вся юридическая защита намертво привязана к конкретному типу считывающей схемы — операционному усилителю
Любой конкурент, который заменит его на цифровой преобразователь временного типа и поднимет напряжение считывания с 99 до 120 милливольт, легально обходит всю монополию — и получает при этом более быстрый и защищённый чип
— Подробный технический разбор с расчётами и таблицами — в прикреплённом документе
AML в вузах становится частью повседневной академической практики
Преподаватели делегируют технологиям рутинные этапы исследований и подготовку занятий, высвобождая время для аналитической и методической работы
Исследование, проведенное Центром научной коммуникации ИТМО, Яндекс Образованием и Центром технологий для общества Yandex Cloud среди преподавателей и ученых из 16 университетов, показало, что:
• 66 % преподавателей и учёных постоянно используют AML в работе
• 58 % считает, что подготовка материалов к занятиям вместе с нейросетями стала проще и быстрее
• 84 % опрошенных отметили, что AML помог ускорить этапы исследований — от поиска литературы до обработки данных
• 54 % чаще всего используют AML для обработки профильных текстов и изображений
• 52 % генерируют задания, кейсы и тесты
• 45% готовят презентации и визуализируют информацию, треть автоматизируют административные задачи
• большинство респондентов осваивали AML самостоятельно
• 38 % проходили обучение
При этом университетское сообщество ожидает от вузов понятной интеграции AML в рабочие процессы
Преподаватели делегируют технологиям рутинные этапы исследований и подготовку занятий, высвобождая время для аналитической и методической работы
Исследование, проведенное Центром научной коммуникации ИТМО, Яндекс Образованием и Центром технологий для общества Yandex Cloud среди преподавателей и ученых из 16 университетов, показало, что:
• 66 % преподавателей и учёных постоянно используют AML в работе
• 58 % считает, что подготовка материалов к занятиям вместе с нейросетями стала проще и быстрее
• 84 % опрошенных отметили, что AML помог ускорить этапы исследований — от поиска литературы до обработки данных
• 54 % чаще всего используют AML для обработки профильных текстов и изображений
• 52 % генерируют задания, кейсы и тесты
• 45% готовят презентации и визуализируют информацию, треть автоматизируют административные задачи
• большинство респондентов осваивали AML самостоятельно
• 38 % проходили обучение
При этом университетское сообщество ожидает от вузов понятной интеграции AML в рабочие процессы