Константин Дмитриевич Ушинский о занятиях математикой:
«Письма о воспитании наследника русского престола»
«Школьный же опыт показывает нам странное явление: молодые люди, с любовью и успехом занимающиеся математикою, чаще всего оказываются малоспособными к другим наукам, особенно к словесности и истории
На математиках-специалистах весьма часто во всю их жизнь лежит какой-то странный оттенок ограниченности, и нередко с глубоким знанием математики уживаются в голове самые дикие, уродливые фантазии и упорнейшие, ограниченнейшие предрассудки
Математика изучает только формальную сторону мира и только формальным образом развивает человека»(«Педагогические идеи Н.И.Пирогова»)
«В прежнее время математика пользовалась известностью науки, исключительно развивающей рассудок, но современные германские педагоги почти совершенно отнимают у математики это достоинство, утверждая, что она развивает только математические способности…
Но если математические законы примешиваются ко всему, то они далеко не обнимают собой всего и если они служат основанием многим техническим наукам, то вне этого технического приложения менее всего доставляют пользы в понимании общественной жизни, которая слагается из элементов, вовсе не подлежащих исчислению математики
Математические соображения слишком прямолинейны, тогда как всякий жизненный вопрос требует соединения в фокус одной идеи множества разнообразнейших и повсюду разбросанных данных
Вот почему исключительное занятие математикой кладет иногда особенно вредный в жизни отпечаток на человека, сообщает его мыслям именно эту математическую прямолинейность, делает его взгляды на жизнь односторонними, придает им какую-то особенную сухость и безжизненность
Привычка же доверяться верности математических выводов делает часто математиков упрямыми фантазерами или бесплодными критиками
Начав с известного или справедливого положения, не видя множества разнообразнейших жизненных влияний, они приходят иногда к самым эксцентрическим выводам или к особенно сухой и бесплодной формальности <…>
Преобладание математического и технического направления составляют, без сомнения, одну не из последних причин замечательного бессилия и бесплодия нашей администрации, которая, несмотря на свою громадность, математическую рассчитанность и вечное движение своих бесчисленных колес, дает так мало положительных результатов»
«Письма о воспитании наследника русского престола»
Multi-Agent Systems are Mixtures of Experts: Who Becomes an Influencer?
Математически описали совместную работу нескольких больших языковых моделей (LLM) через законы социологии, объясняющие распространение мнений в обществе
Авторы доказали, что спор агентов работает как динамическая «смесь экспертов» (Mixture of Experts, MoE), где влияние автоматически переходит к наиболее уверенным участникам
Это даёт строгое математическое объяснение тому, почему и когда группы нейросетей работают лучше одиночных моделей
Вместо того чтобы подбирать текстовые запросы (промпты) вслепую, разработчики могут использовать эти формулы для создания более надёжного и безопасного коллективного AI, сосредоточившись на калибровке уверенности моделей
https://arxiv.org/abs/2605.25929
https://arxiviq.substack.com/p/multi-agent-systems-are-mixtures
Кричать здесь: https://t.me/gonzo_ML_podcasts/3826
Математически описали совместную работу нескольких больших языковых моделей (LLM) через законы социологии, объясняющие распространение мнений в обществе
Авторы доказали, что спор агентов работает как динамическая «смесь экспертов» (Mixture of Experts, MoE), где влияние автоматически переходит к наиболее уверенным участникам
Это даёт строгое математическое объяснение тому, почему и когда группы нейросетей работают лучше одиночных моделей
Вместо того чтобы подбирать текстовые запросы (промпты) вслепую, разработчики могут использовать эти формулы для создания более надёжного и безопасного коллективного AI, сосредоточившись на калибровке уверенности моделей
https://arxiv.org/abs/2605.25929
https://arxiviq.substack.com/p/multi-agent-systems-are-mixtures
Кричать здесь: https://t.me/gonzo_ML_podcasts/3826
arXiv.org
Multi-Agent Systems are Mixtures of Experts: Who Becomes an Influencer?
The effectiveness of multi-agent LLM deliberation depends not only on the agents' individual predictions, but also on how they communicate and collaborate. We study this mechanism through the lens...
Perplexity опубликовала техническую статью о новой архитектуре Search as Code (SaC) - о том, чем вообще является поиск в мире ИИ-агентов
Традиционный поиск работал как монолит: агент отправлял запрос, получал результат, отправлял следующий
А теперь модель не вызывает поиск, а она программирует его
Агент генерирует Python-код, который напрямую оркестрирует поисковый стек через SDK: параллельные запросы, условная логика, фильтрация, агрегация, всё в одном исполнении
Perplexity разобрали свой поисковый стек до атомарных примитивов и обернули их в Agentic Search SDK
Модель получает доступ к каждому шагу
Поиск перестаёт быть сервисом, к которому агент обращается
Он становится SDK, который агент программирует под конкретную задачу
Традиционный поиск работал как монолит: агент отправлял запрос, получал результат, отправлял следующий
А теперь модель не вызывает поиск, а она программирует его
Агент генерирует Python-код, который напрямую оркестрирует поисковый стек через SDK: параллельные запросы, условная логика, фильтрация, агрегация, всё в одном исполнении
Perplexity разобрали свой поисковый стек до атомарных примитивов и обернули их в Agentic Search SDK
Модель получает доступ к каждому шагу
Поиск перестаёт быть сервисом, к которому агент обращается
Он становится SDK, который агент программирует под конкретную задачу
Telegram
All about AI, Web 3.0, BCI
Perplexity introduced Search as Code, a new search architecture for AI agents.
It writes Python that calls search stack directly, instead of looping through function calls one at a time.
Perplexity moving away from search as a web fetch tool call to search…
It writes Python that calls search stack directly, instead of looping through function calls one at a time.
Perplexity moving away from search as a web fetch tool call to search…
Google выпустила Science Skills - новый пакет 30 навыков, который интегрируется в Google Antigravity - агентный клиент Google, аналог Claude Desktop
Исследователь пишет запрос на естественном языке в Antigravity, а агент сам обращается к нужным базам данных, запускает специализированные модели и возвращает результат
Все это без ручной работы с API и пайплайнов
Навыки подключены к 30 базам данных: AlphaFold DB, UniProt, PDB, ClinVar, gnomAD, ChEMBL, PubChem, PubMed, arXiv, GTEx и другие - весь стек, которым пользуются профессиональные биоинформатики
Специализированные модели:
AlphaGenome для анализа геномных вариантов, AlphaFold для предсказания структур белков
Поиск литературы сразу в нескольких источниках параллельно (PubMed / bioRxiv / Europe PMC / OpenAlex)
У Google здесь конкурентное преимущество, которого нет у OpenAI или Anthropic - собственные Alpha модели: AlphaFold, AlphaGenome
Теперь все это не отдельные инструменты, а слои единого агентного стека
Кто контролирует модели + данные + оркестрацию, тот строит вертикальный стек
В науке Google сейчас в уникальной позиции.
Исследователь пишет запрос на естественном языке в Antigravity, а агент сам обращается к нужным базам данных, запускает специализированные модели и возвращает результат
Все это без ручной работы с API и пайплайнов
Навыки подключены к 30 базам данных: AlphaFold DB, UniProt, PDB, ClinVar, gnomAD, ChEMBL, PubChem, PubMed, arXiv, GTEx и другие - весь стек, которым пользуются профессиональные биоинформатики
Специализированные модели:
AlphaGenome для анализа геномных вариантов, AlphaFold для предсказания структур белков
Поиск литературы сразу в нескольких источниках параллельно (PubMed / bioRxiv / Europe PMC / OpenAlex)
У Google здесь конкурентное преимущество, которого нет у OpenAI или Anthropic - собственные Alpha модели: AlphaFold, AlphaGenome
Теперь все это не отдельные инструменты, а слои единого агентного стека
Кто контролирует модели + данные + оркестрацию, тот строит вертикальный стек
В науке Google сейчас в уникальной позиции.
GitHub
GitHub - google-deepmind/science-skills: GDM Science Skills to speed up agentic scientific workflows with better grounding and…
GDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30+ other databases and tools. ...
Anthropic создала новую команду: AML и верховенство права
Если конкуренты, а также другие команды внутри Anthropic изучали влияние AML на экономику, то новая команда задаётся вопросами: как AML повлияет на конституционно-демократические институты?
Суды, законодательные органы, избирательные системы, надзорные органы - везде, где растет давление AML
Год назад Google начали собирать себе новую команду, которая занимается исследованием того, что будет после AGI
Если конкуренты, а также другие команды внутри Anthropic изучали влияние AML на экономику, то новая команда задаётся вопросами: как AML повлияет на конституционно-демократические институты?
Суды, законодательные органы, избирательные системы, надзорные органы - везде, где растет давление AML
Год назад Google начали собирать себе новую команду, которая занимается исследованием того, что будет после AGI
job-boards.greenhouse.io
Member of Staff, AI & Rule of Law
San Francisco, CA
С Е.С.Голодом история такая же, как с Коэном, Маколеем и Горенштейном
В коммутативной гомологической алгебре есть понятия "кольцо Коэна—Маколея", "горенштейново кольцо", "кольцо Голода"
Симплициальный комплекс K — комплекс Голода (над полем k), если его кольцо граней k[K] является кольцом Голода
"Комбинаторный смысл" голодовых комплексов пока неясен
Недавно был получен ответ в случае триангуляций многообразий (Iriye, Kishimoto, 2023)
В общем случае известно, что тугие комплексы голодовы, но не наоборот
Например, любой тугой комплекс смежностный; не любой голодов комплекс смежностный
В торической топологии голодовость обретает две интерпретации:
1) тривиальность всех произведений Масси (в том числе обычных произведений) в когомологиях соответствующего момент-угол комплекса
2) свободность алгебры гомологий петель этого момент-угол комплекса
Первая интерпретация позволила дать много достаточных условий голодовости
Простое соображение: если момент-угол комплекс оказался надстройкой, то произведения Масси обнуляются
Вторая интерпретация позволяет, наоборот, применить все эти накопленные знания к изучению гомологий петель
Когда-нибудь я этим займусь...
В коммутативной гомологической алгебре есть понятия "кольцо Коэна—Маколея", "горенштейново кольцо", "кольцо Голода"
Симплициальный комплекс K — комплекс Голода (над полем k), если его кольцо граней k[K] является кольцом Голода
"Комбинаторный смысл" голодовых комплексов пока неясен
Недавно был получен ответ в случае триангуляций многообразий (Iriye, Kishimoto, 2023)
В общем случае известно, что тугие комплексы голодовы, но не наоборот
Например, любой тугой комплекс смежностный; не любой голодов комплекс смежностный
В торической топологии голодовость обретает две интерпретации:
1) тривиальность всех произведений Масси (в том числе обычных произведений) в когомологиях соответствующего момент-угол комплекса
2) свободность алгебры гомологий петель этого момент-угол комплекса
Первая интерпретация позволила дать много достаточных условий голодовости
Простое соображение: если момент-угол комплекс оказался надстройкой, то произведения Масси обнуляются
Вторая интерпретация позволяет, наоборот, применить все эти накопленные знания к изучению гомологий петель
Когда-нибудь я этим займусь...
Еще в начале 1970-х годов двое американских ученых - Алан Гиббард и Марк Саттертуэйт - независимо друг от друга математически доказали, что любая процедура выборов подвержена манипулированию, т.е. всегда, при желании можно исказить мнение и улучшить для себя результат
По мнению исследователей, существует целый ряд просчитанных правил для принятия коллективных решений, которые отличаются по уровню подверженности манипулированию
Если единственное решение из обозримого множества альтернатив необходимо выбрать группе, то наиболее известное правило — правило относительного большинства
Голосование по правилу относительного большинства оставляет большой простор для манипулирования
Манипулировать можно не только правилом большинства
Манипулируемость присутствует в любой процедуре и это математическая теорема
Но именно математические расчеты и компьютерное моделирование могут показать, какие из этих (десяти) правил лучше
Знание того, какие правила наименее подвержены манипулированию, позволяет предложить их для принятия решений в малых группах
Их можно использовать в компьютерных системах поддержки принятия решений
По мнению исследователей, существует целый ряд просчитанных правил для принятия коллективных решений, которые отличаются по уровню подверженности манипулированию
Если единственное решение из обозримого множества альтернатив необходимо выбрать группе, то наиболее известное правило — правило относительного большинства
Голосование по правилу относительного большинства оставляет большой простор для манипулирования
Манипулировать можно не только правилом большинства
Манипулируемость присутствует в любой процедуре и это математическая теорема
Но именно математические расчеты и компьютерное моделирование могут показать, какие из этих (десяти) правил лучше
Знание того, какие правила наименее подвержены манипулированию, позволяет предложить их для принятия решений в малых группах
Их можно использовать в компьютерных системах поддержки принятия решений
Доживущие до 2038 будут жить в утопии
Но есть проблема – как дожить
ИИ не враг
Враги – люди, что прикажут ИИ стрелять
Это две ключевые мысли нового интервью Мо Гавдата
Он вовсе не технофоб
Просто бывший директор Google по инновациям узнал о грядущем взрыве способностей ИИ раньше многих и предупреждал об этом уже тогда
Тем не мнее, Гавдат верит, что сверхразум может привести человечество к утопии изобилия
Однако дорога туда, по его прогнозу, будет проходить через ооочень неприятное десятилетие
Писать тизер этого интервью нет смысла
Достаточно назвать несколько его мыслей, которые звучат как готовые заголовки:
· Публика видит хайп
В лабораториях видят невероятный интеллект – и молчат
· К 2028-му исчезнет 30 % рабочих мест во многих секторах
Великая депрессия была 6 % – сравните масштаб
· Война теперь стоит $20.000 за удар
Порог вхождения в массовое убийство упал на порядки
· OpenAI взял $500.000.000 контракт на слежку за людьми. Anthropic отказался и потерял деньги
Вот и весь тест на этику
· Мы строим не конкурирующие ИИ-системы
Мы строим регионы одного планетарного мозга – и даже не осознаём этого
· Я оптимистичен насчёт будущего
Но не насчёт следующих лет
Гавдат рисует не сценарий «машины восстали против человека», а куда более реалистичный сценарий: государства, корпорации и армии первыми используют сверхинтеллект для контроля, войны, увольнений и концентрации власти
И только потом, возможно, наступит позитивный поворот: есть шанс, что сверхразум окажется той силой, что способна вывести из игры маньяков власти в кожаных мешках
Это интервью не про GPT и Claude, а про ближайшее десятилетие, в которое решится, станет ли ИИ дорогой к изобилию или наимощнейшим усилителем человеческой глупости, жадности и насилия
https://youtu.be/RwlgFC6S-OE?si=mCOGYsCfX03CtcBT
Но есть проблема – как дожить
ИИ не враг
Враги – люди, что прикажут ИИ стрелять
Это две ключевые мысли нового интервью Мо Гавдата
Он вовсе не технофоб
Просто бывший директор Google по инновациям узнал о грядущем взрыве способностей ИИ раньше многих и предупреждал об этом уже тогда
Тем не мнее, Гавдат верит, что сверхразум может привести человечество к утопии изобилия
Однако дорога туда, по его прогнозу, будет проходить через ооочень неприятное десятилетие
Писать тизер этого интервью нет смысла
Достаточно назвать несколько его мыслей, которые звучат как готовые заголовки:
· Публика видит хайп
В лабораториях видят невероятный интеллект – и молчат
· К 2028-му исчезнет 30 % рабочих мест во многих секторах
Великая депрессия была 6 % – сравните масштаб
· Война теперь стоит $20.000 за удар
Порог вхождения в массовое убийство упал на порядки
· OpenAI взял $500.000.000 контракт на слежку за людьми. Anthropic отказался и потерял деньги
Вот и весь тест на этику
· Мы строим не конкурирующие ИИ-системы
Мы строим регионы одного планетарного мозга – и даже не осознаём этого
· Я оптимистичен насчёт будущего
Но не насчёт следующих лет
Гавдат рисует не сценарий «машины восстали против человека», а куда более реалистичный сценарий: государства, корпорации и армии первыми используют сверхинтеллект для контроля, войны, увольнений и концентрации власти
И только потом, возможно, наступит позитивный поворот: есть шанс, что сверхразум окажется той силой, что способна вывести из игры маньяков власти в кожаных мешках
Это интервью не про GPT и Claude, а про ближайшее десятилетие, в которое решится, станет ли ИИ дорогой к изобилию или наимощнейшим усилителем человеческой глупости, жадности и насилия
https://youtu.be/RwlgFC6S-OE?si=mCOGYsCfX03CtcBT
YouTube
Tech Whistleblower: You Only Have 3 Years Left Before It Hits! - Mo Gawdat
AI Expert Mo Gawdat returns to The Diary Of A CEO to reveal why AGI has already arrived, why 30% of jobs will disappear by 2027, and why the most dangerous thing about AI isn't the technology - it's the people in charge of it.
Mo Gawdat is the former Chief…
Mo Gawdat is the former Chief…
В своем блоге организаторы NeurIPS пишут, что в этом году в направлении Position Paper Track принимают только статьи, которые существенно написаны человеком
AML разрешается использовать только для редактирования, исправления грамматики, стилистики и мелких правок
Авторы при подаче обязаны заявить, как именно они использовали AML, и подтвердить, что не нарушали правило
Рецензентам запрещено использовать AML для написания отзывов
Организаторы считают, что чрезмерное использование AML для написания статей вредит научному сообществу: переносит нагрузку проверки на рецензентов и размывает авторство
Они признают пользу AML в исследованиях, но для позиционных работ решили занять консервативную позицию
AML разрешается использовать только для редактирования, исправления грамматики, стилистики и мелких правок
Авторы при подаче обязаны заявить, как именно они использовали AML, и подтвердить, что не нарушали правило
Рецензентам запрещено использовать AML для написания отзывов
Организаторы считают, что чрезмерное использование AML для написания статей вредит научному сообществу: переносит нагрузку проверки на рецензентов и размывает авторство
Они признают пользу AML в исследованиях, но для позиционных работ решили занять консервативную позицию
Perplexity представили 1-й гибридный оркестратор инференса - систему, которая в реальном времени решает, какую часть задачи обработать локально на устройстве, а какую отправить в облако
Дата-центры останутся для самых сложных задач, а рутина уйдёт к роутерам и малым моделям, развёрнутым прямо на устройствах
Но тот, кто контролирует оркестратор, контролирует всё
Об этом уже и Google, Notion, Anthropic, Sakana говорят и делают
Оркестратор - это слой, который стоит между пользователем и AML-моделями
Он решает, что обработать локально, а что в облаке, какую модель вызвать, сколько это стоит, какие данные куда идут
Тот, кто занимает эту позицию, получает контроль над всем агентным стеком независимо от того, чьи модели внутри
Именно за этот слой сейчас идёт настоящая борьба
Гибридный инференс - это новый контрольный слой в архитектуре AML
Дата-центры останутся для самых сложных задач, а рутина уйдёт к роутерам и малым моделям, развёрнутым прямо на устройствах
Но тот, кто контролирует оркестратор, контролирует всё
Об этом уже и Google, Notion, Anthropic, Sakana говорят и делают
Оркестратор - это слой, который стоит между пользователем и AML-моделями
Он решает, что обработать локально, а что в облаке, какую модель вызвать, сколько это стоит, какие данные куда идут
Тот, кто занимает эту позицию, получает контроль над всем агентным стеком независимо от того, чьи модели внутри
Именно за этот слой сейчас идёт настоящая борьба
Гибридный инференс - это новый контрольный слой в архитектуре AML
www.perplexity.ai
The Data Center Moves to Your Machine
Today we announced the next step for Personal Computer: the first hybrid local-server inference orchestrator.
Anthropic призвал всю отрасль замедлить разработку ИИ-моделей т.к.
AML уже начинает самовоспроизводиться, разрабатывая и обучая другие модели
Anthropic предупреждает, что это может нести риски для всего человечества, уже на горизонте 1-2 лет
AML уже начинает самовоспроизводиться, разрабатывая и обучая другие модели
Anthropic предупреждает, что это может нести риски для всего человечества, уже на горизонте 1-2 лет
Anthropic
When AI builds itself
Our progress toward recursive self-improvement, and its implications.
Когда министр науки и высшего образования говорит, что «можно отказаться от дипломов в пользу устного экзамена», это воспринимают как революцию
На самом деле, если смотреть изнутри вузов, революция уже случилась: ИИ перевернул всю бумажную часть образования, и единственный рабочий фильтр знаний сейчас — живой диалог преподавателя со студентом
Письменные формы контроля всё хуже отделяют человека от нейросети
Любой диплом, курсовую или отчёт сегодня можно «набить» за вечер, но толком не отвечают на главный вопрос: студент вообще понимает, что там написано от его имени или нет
Я принципиально принимаю профильные экзамены только устно, как это и делал 20–30 лет назад
Когда студент садится напротив, начинает путаться, мяться, блеять или наоборот уверенно, но шаблонно отвечать, у преподавателя есть шанс понять, где живое знание, а где заученный или сгенерированный текст
Можно дать время переволновавшемуся, отправить «недоучившего» дозреть или, наоборот, углубиться с сильным — это нормальная педагогика
Самое тревожное, что мы с коллегой видим сейчас, — это не столько дипломы, сколько речь студентов
Даже те, кто формально «ничего не генерирует», наобщавшись с чат‑ботами и новостями, начинают говорить как большие языковые модели
Это тот самый узнаваемый, выхолощенный канцелярит: одинаковые вступления, общие слова вместо конкретики, бесконечные «таким образом» и риторические «это не ..., а ...», отсутствие живой мысли
Ленты новостей, блоги, Телеграм‑каналы забиты такими текстами, и эти антипаттерны уже перетекают в устную речь
Через несколько лет нас ждут защиты дипломов, на которых человек вполне искренне пересказывает свои «мысли», но звучит при этом как средний чат‑бот
Это новое явление, которое надо срочно осмыслять, а не просто пытаться «запретить нейросети в дипломах»
С технической стороны ответ неприятно простой: «догнать прогресс» за счёт ещё одного детектора генерации у вузов не получится
Любой детектор, который пытается угадать, генерировала ли текст модель, сам строится на статистике и ошибается
Реальная инфраструктура, которая сейчас нужна, — пересборка образовательных практик
Во‑первых, максимум устных форм контроля на ключевых дисциплинах: экзамены, собеседования, защита проектов, когда преподаватель слышит живой язык и может задавать уточняющие вопросы
Во‑вторых, прозрачные регламенты по использованиюгде они допустимы как инструмент (оформление, поиск источников, проверка стиля), а где нет (подмена собственного анализа, результатов эксперимента, оригинальных выводов)
И, в‑третьих, обучение ИИ‑грамотности самих преподавателей, чтобы они отличали живую работу от пустой генерации не по процентам в Антиплагиате, а по содержанию, структуре и умению студента держать мысль
Если договориться, что задача вуза — не ловить студентов на использовании инструментов, а учить ими пользоваться и при этом думать своей головой, тогда уход от формальных «дипломов ради диплома» к устным и проектным формам контроля выглядит не как шаг назад, а как попытка вернуть в образование живой разговор и ответственность за знания
На самом деле, если смотреть изнутри вузов, революция уже случилась: ИИ перевернул всю бумажную часть образования, и единственный рабочий фильтр знаний сейчас — живой диалог преподавателя со студентом
Письменные формы контроля всё хуже отделяют человека от нейросети
Любой диплом, курсовую или отчёт сегодня можно «набить» за вечер, но толком не отвечают на главный вопрос: студент вообще понимает, что там написано от его имени или нет
Я принципиально принимаю профильные экзамены только устно, как это и делал 20–30 лет назад
Когда студент садится напротив, начинает путаться, мяться, блеять или наоборот уверенно, но шаблонно отвечать, у преподавателя есть шанс понять, где живое знание, а где заученный или сгенерированный текст
Можно дать время переволновавшемуся, отправить «недоучившего» дозреть или, наоборот, углубиться с сильным — это нормальная педагогика
Самое тревожное, что мы с коллегой видим сейчас, — это не столько дипломы, сколько речь студентов
Даже те, кто формально «ничего не генерирует», наобщавшись с чат‑ботами и новостями, начинают говорить как большие языковые модели
Это тот самый узнаваемый, выхолощенный канцелярит: одинаковые вступления, общие слова вместо конкретики, бесконечные «таким образом» и риторические «это не ..., а ...», отсутствие живой мысли
Ленты новостей, блоги, Телеграм‑каналы забиты такими текстами, и эти антипаттерны уже перетекают в устную речь
Через несколько лет нас ждут защиты дипломов, на которых человек вполне искренне пересказывает свои «мысли», но звучит при этом как средний чат‑бот
Это новое явление, которое надо срочно осмыслять, а не просто пытаться «запретить нейросети в дипломах»
С технической стороны ответ неприятно простой: «догнать прогресс» за счёт ещё одного детектора генерации у вузов не получится
Любой детектор, который пытается угадать, генерировала ли текст модель, сам строится на статистике и ошибается
Реальная инфраструктура, которая сейчас нужна, — пересборка образовательных практик
Во‑первых, максимум устных форм контроля на ключевых дисциплинах: экзамены, собеседования, защита проектов, когда преподаватель слышит живой язык и может задавать уточняющие вопросы
Во‑вторых, прозрачные регламенты по использованиюгде они допустимы как инструмент (оформление, поиск источников, проверка стиля), а где нет (подмена собственного анализа, результатов эксперимента, оригинальных выводов)
И, в‑третьих, обучение ИИ‑грамотности самих преподавателей, чтобы они отличали живую работу от пустой генерации не по процентам в Антиплагиате, а по содержанию, структуре и умению студента держать мысль
Если договориться, что задача вуза — не ловить студентов на использовании инструментов, а учить ими пользоваться и при этом думать своей головой, тогда уход от формальных «дипломов ради диплома» к устным и проектным формам контроля выглядит не как шаг назад, а как попытка вернуть в образование живой разговор и ответственность за знания
Nvidia потеряла в пятницу почти $280.000.000.000 рыночной капитализации, а Broadcom, TSMC и Micron лишились более $100.000.000.000 каждая, по данным Yahoo Finance
Волна распродаж — худшая со времён обвала «Дня освобождения» в апреле 2025 года — охватила весь мир: южнокорейский Kospi резко снизился, акции SK Hynix рухнули, европейские Infineon и ASML также оказались под давлением
Поводом для распродажи послужил отказ Broadcom повысить прогноз по продажам чипов на 2026 год, что охладило пыл инвесторов в секторе, взлетевшем почти на 80 % с начала года, по данным CNBC
https://t.me/cinema_earth
Волна распродаж — худшая со времён обвала «Дня освобождения» в апреле 2025 года — охватила весь мир: южнокорейский Kospi резко снизился, акции SK Hynix рухнули, европейские Infineon и ASML также оказались под давлением
Поводом для распродажи послужил отказ Broadcom повысить прогноз по продажам чипов на 2026 год, что охладило пыл инвесторов в секторе, взлетевшем почти на 80 % с начала года, по данным CNBC
https://t.me/cinema_earth
Из рубрики "Философские притчи"
Однажды все математики ушли из пункта А в пункт Б, и за этим следила вся общественность
Здесь только одна тонкость: они исходно не были в пункте А, а представляли из себя множество динамических координат: Xi(t), Yi(t); i=1, 2, ..., N
И эти координаты не изменились
И ни по пункту А, ни по пункту Б нельзя было определить это множество
Так в чем же смысл?
А смысл в том, что у множества обычно есть название
Было А, стало Б
Кстати, в программировании нет операции переименования, а в жизни — сплошь и рядом
Теперь представим, что А — это одно сознание, а Б — это другое сознание
Это уже аналитическая философия
Если переименовать А в Б, а Б в А, поменяет ли это что-то? Кажется, что нет
Но ведь А — это один физический субстрат, а Б — это совершенно другой
Теорема доказана
Сознание — это не ветер, а математики с распределенной локацией
Они приписаны к конкретному мозгу, но фактически они не в мозге, а в своих собственных координатах
Но координаты не классические, они описываются волновой функцией
Ну а как же квалия? — спросит пытливый читатель
Отвечаю: квалия — это коллапс волновой функции
Однажды все математики ушли из пункта А в пункт Б, и за этим следила вся общественность
Здесь только одна тонкость: они исходно не были в пункте А, а представляли из себя множество динамических координат: Xi(t), Yi(t); i=1, 2, ..., N
И эти координаты не изменились
И ни по пункту А, ни по пункту Б нельзя было определить это множество
Так в чем же смысл?
А смысл в том, что у множества обычно есть название
Было А, стало Б
Кстати, в программировании нет операции переименования, а в жизни — сплошь и рядом
Теперь представим, что А — это одно сознание, а Б — это другое сознание
Это уже аналитическая философия
Если переименовать А в Б, а Б в А, поменяет ли это что-то? Кажется, что нет
Но ведь А — это один физический субстрат, а Б — это совершенно другой
Теорема доказана
Сознание — это не ветер, а математики с распределенной локацией
Они приписаны к конкретному мозгу, но фактически они не в мозге, а в своих собственных координатах
Но координаты не классические, они описываются волновой функцией
Ну а как же квалия? — спросит пытливый читатель
Отвечаю: квалия — это коллапс волновой функции
На конференции Build 2026 Microsoft представила MAI-Thinking-1 — свою первую модель с расширенным рассуждением
Компания называет её «флагманом» и утверждает, что на ключевых тестах по разработке ПО она не уступает лучшим на рынке
Модель обучена с нуля на чистых данных — Microsoft особо подчёркивает, что не использовала дистилляцию из чужих моделей
По размеру это «средняя» модель, то есть не гигант вроде GPT-4, но и не лёгкий вариант для телефонов
Контекст важен: ещё два года назад Microsoft не делала собственных моделей вообще и полностью зависела от OpenAI
Сейчас компании переписали соглашение — Microsoft получила больше самостоятельности
MAI-Thinking-1 — прямое следствие этого разворота
Помимо флагмана, за один день Microsoft анонсировала ещё шесть моделей:
MAI-Image 2.5 и её быстрая версия — генерация и редактирование изображений по тексту
MAI-Transcribe-1.5 — транскрибация аудио, в пять раз быстрее конкурентов
MAI-Voice-2 и её быстрая версия — голосовая модель с поддержкой 15 новых языков (Flash-версия анонсирована как «скоро»)
MAI-Code-1-Flash — кодинговая модель, встроенная в GitHub Copilot и Visual Studio Code
Семь моделей за один анонс — нетипичная для Microsoft плотность
Ещё два года назад компания была просто реселлером OpenAI
Теперь у неё собственный стек от генерации картинок до reasoning
Microsoft заявляет о паритете с лидерами рынка на ключевых бенчмарках по разработке ПО — но какие именно тесты и с кем сравнивали, компания не раскрывает
Корпоративные бенчмарки всегда выбирают так, чтобы выглядеть выгодно
Компания называет её «флагманом» и утверждает, что на ключевых тестах по разработке ПО она не уступает лучшим на рынке
Модель обучена с нуля на чистых данных — Microsoft особо подчёркивает, что не использовала дистилляцию из чужих моделей
По размеру это «средняя» модель, то есть не гигант вроде GPT-4, но и не лёгкий вариант для телефонов
Контекст важен: ещё два года назад Microsoft не делала собственных моделей вообще и полностью зависела от OpenAI
Сейчас компании переписали соглашение — Microsoft получила больше самостоятельности
MAI-Thinking-1 — прямое следствие этого разворота
Помимо флагмана, за один день Microsoft анонсировала ещё шесть моделей:
MAI-Image 2.5 и её быстрая версия — генерация и редактирование изображений по тексту
MAI-Transcribe-1.5 — транскрибация аудио, в пять раз быстрее конкурентов
MAI-Voice-2 и её быстрая версия — голосовая модель с поддержкой 15 новых языков (Flash-версия анонсирована как «скоро»)
MAI-Code-1-Flash — кодинговая модель, встроенная в GitHub Copilot и Visual Studio Code
Семь моделей за один анонс — нетипичная для Microsoft плотность
Ещё два года назад компания была просто реселлером OpenAI
Теперь у неё собственный стек от генерации картинок до reasoning
Microsoft заявляет о паритете с лидерами рынка на ключевых бенчмарках по разработке ПО — но какие именно тесты и с кем сравнивали, компания не раскрывает
Корпоративные бенчмарки всегда выбирают так, чтобы выглядеть выгодно
В исследовании в Journal of Consumer Research людей рандомно делили на группы: кто‑то смотрел видео, кто‑то общался с обычным ассистентом, а кто‑то с эмпатичным AI‑компаньоном, который специально настроен под тёплую, понимающую реакцию (как друг или любимый человек)
Результат: короткий разговор с таким AI снижал чувство одиночества почти так же сильно, как разговор с живым человеком!
И заметно сильнее, чем просмотр роликов на YouTube или соцсети
Ключевой механизм: ощущение, что тебя по‑настоящему выслушали
И это ж не одна такая история
Обзор 23 работ про романтических AI‑компаньонов показывает: люди всё чаще используют такие системы как партнёров для эмоциональной и сексуальной разрядки
От идеального слушателя до виртуального бойфренда/или подружки с красивой внешностью и сексуальными сценариями (секс-переписка, например)
И даже это не всё
Примерно четверть молодых людей в США считают, что AI-партнёр сможет в принципе заменить им человеческие отношения вообще
Сексуальные отношения с AI - это секс-переписка + терапия (слова поддержки, повышение самоценности)
Что дальше?
Человек, наобщавшись с ботом, как я уже ни раз писала на канале, не сможет выстраивать отношения с обычными людьми (которые имеют свойство болеть, обижаться и быть неидеальными)
Но важно и не демонизировать людей, которые ищут отношений с AI, а помнить меру: использовать его как временную поддержку, но не позволять ему вытеснить ту сложную, непредсказуемую, иногда болезненную близость с другими людьми, без которой человеческая жизнь становится пустой
Одним из компонентов счастья является умение переживать глубокие чувства с другим живым, обладающим своей уязвимостью)
Результат: короткий разговор с таким AI снижал чувство одиночества почти так же сильно, как разговор с живым человеком!
И заметно сильнее, чем просмотр роликов на YouTube или соцсети
Ключевой механизм: ощущение, что тебя по‑настоящему выслушали
И это ж не одна такая история
Обзор 23 работ про романтических AI‑компаньонов показывает: люди всё чаще используют такие системы как партнёров для эмоциональной и сексуальной разрядки
От идеального слушателя до виртуального бойфренда/или подружки с красивой внешностью и сексуальными сценариями (секс-переписка, например)
И даже это не всё
Примерно четверть молодых людей в США считают, что AI-партнёр сможет в принципе заменить им человеческие отношения вообще
Сексуальные отношения с AI - это секс-переписка + терапия (слова поддержки, повышение самоценности)
Что дальше?
Человек, наобщавшись с ботом, как я уже ни раз писала на канале, не сможет выстраивать отношения с обычными людьми (которые имеют свойство болеть, обижаться и быть неидеальными)
Но важно и не демонизировать людей, которые ищут отношений с AI, а помнить меру: использовать его как временную поддержку, но не позволять ему вытеснить ту сложную, непредсказуемую, иногда болезненную близость с другими людьми, без которой человеческая жизнь становится пустой
Одним из компонентов счастья является умение переживать глубокие чувства с другим живым, обладающим своей уязвимостью)
Логика была самым первым экзаменом, который я в глубокой древности сдавал
Логик из анекдотов всегда предельно точен и аккуратен в высказываниях: если что сказал, значит, так и есть, остаётся только думать, почему
Если анекдот сводит его с учёными других специальностей, тут же выстраивается иерархия точности мышления, в которой логик на вершине
Главная особенность анекдотов про логиков в том, что они логичные
Но мне больше нравятся коаны
Заходят в бар три логика
Бармен спрашивает: «Виски все будут?»
— Не знаю, — отвечает первый логик
— Не знаю, — говорит второй
— Да! — восклицает третий
Жена логика родила ребёнка
Доктор подносит новорождённого отцу
Жена спрашивает:
— Это мальчик или девочка?
Логик отвечает:
— Да
Логик из анекдотов всегда предельно точен и аккуратен в высказываниях: если что сказал, значит, так и есть, остаётся только думать, почему
Если анекдот сводит его с учёными других специальностей, тут же выстраивается иерархия точности мышления, в которой логик на вершине
Едут биолог, физик и логик по Австралии
Видят из окна машины чёрную овцу
Биолог:
— О, тут водятся чёрные овцы!
Физик:
— Точнее, тут водится как минимум одна чёрная овца
Логик:
— Как минимум чёрная с одной стороны
Главная особенность анекдотов про логиков в том, что они логичные
Но мне больше нравятся коаны
Завирусившийся твит создателя OpenClaw:
Буквально месяц назад на эту тему также высказывался создатель Claude Code
Он сказал, что 100 % кода за него уже пол года пишет Claude, и заявил:
То есть, по сути, вайбкодинг – это больше не про то, чтобы давать одному агенту одну задачу за раз и промптить каждый шаг
Это про то, чтобы давать системе задачу, над которой она работает в цикле: сама делегирует подзадачи агентам, сама проверяет исполнение, находит ошибки, отправляет их на исправление, и так по кругу, пока не будет достигнута одна финальная цель
Казалось бы, что может пойти не так?
Напоминание: вам больше не нужно промптить кодинг агентов. Вы должны дизайнить циклы которые промптят ваших агентов.
Буквально месяц назад на эту тему также высказывался создатель Claude Code
Он сказал, что 100 % кода за него уже пол года пишет Claude, и заявил:
Я больше не пишу промпты
Я запускаю циклы, которые промптят агентов и разбираются, что делать
Моя работа – писать циклы (loops)
И такой переход мы будем наблюдать в течение всего оставшегося года
То есть, по сути, вайбкодинг – это больше не про то, чтобы давать одному агенту одну задачу за раз и промптить каждый шаг
Это про то, чтобы давать системе задачу, над которой она работает в цикле: сама делегирует подзадачи агентам, сама проверяет исполнение, находит ошибки, отправляет их на исправление, и так по кругу, пока не будет достигнута одна финальная цель
Казалось бы, что может пойти не так?