С помощью AI анализируя следы на камне удалось восстановить правила древней игры

Учёные изучили камень‑игровую доску из римского Кориоваллума, обратив внимание на характерный износ.
Следы стёртости оказались не хаотичными, а сосредоточенными на диагоналях и центральных узлах.
Это подсказало, что игра была не симметричной и не абстрактной, а тактической.
Исследователи сопоставили рисунок доски с известными типами игр на блокировку.
Затем применили ИИ‑моделирование, чтобы проверить, какие правила могли породить такой износ.
Алгоритм перебрал множество вариантов стартовых позиций и механик хода.
Наилучшее совпадение дало моделирование асимметричной игры «охотники против жертвы».
В этой модели один игрок контролировал больше фигур, другой — меньше, но более мобильных.
ИИ показал, что при таких правилах борьба действительно концентрируется на диагоналях.
Это полностью совпало с реальными следами на камне.
Моделирование также объяснило, почему края доски почти не изношены.
Исследователи реконструировали вероятные стартовые расстановки фигур.
Они выяснили, что игроки, вероятно, выставляли фишки по очереди на пустую доску.
Сравнение с поздними европейскими играми типа «Волк и овцы» подтвердило логику механики.
В итоге правила удалось восстановить благодаря сочетанию археологии, анализа износа и ИИ‑симуляций.

https://www.cambridge.org/core/journals/antiquity/article/ludus-coriovalli-using-artificial-intelligencedriven-simulations-to-identify-rules-for-an-ancient-board-game/E5644BD43F8A5DC86DD1183A3E645ED9

На русском
https://www.ixbt.com/live/science/spustya-1700-let-v-nee-snova-mozhno-sygrat-ii-vosstanovil-pravila-drevney-rimskoy-igry-po-sledam-na-kamne.html

Конструктор для трансформера

Для изучения очень полезны конструкторы, где своими руками можно сделать хоть и упрощённый, но вполне функциональный образец того или иного изделия... Помню конструктор радиоприемник, телевизор, микроконтроллер, персональный компьютер...

В последнее время трансформеры стали универсальным «двигателем» для современных ИИ‑систем, область их применения огромна: от больших языковых моделей до систем распознавания и синтеза изображений и звука.

В статье предлагается сделать свою собственную работающую нейросеть трансформер, используя математические пакеты Пайтона.
Именно сделать целиком без "черных ящиков", ранее кем-то запрограммированных.

https://habr.com/ru/articles/982268/

Криптовалютная платформа Moonwell потеряла $1,78 млн из-за бага в коде, написанном совместно с Claude Opus 4.6. Ошибка в ценовом оракуле — сервисе, который сообщает смарт-контрактам рыночные цены — привела к тому, что токен cbETH оценивался в $1,12 вместо реальных ~$2200. Торговые боты воспользовались этим за считаные минуты.
Инцидент произошел 15 февраля, когда было исполнено обновление MIP-X43, подключающее контракты ценовых оракулов Chainlink на сетях Base и Optimism. В одном из оракулов формула была неполной: вместо того чтобы умножить курс cbETH/ETH на цену ETH в долларах, система просто передавала курс cbETH/ETH как итоговую цену. Результат — вместо $2200 оракул показывал $1,12.

https://forum.moonwell.fi/t/mip-x43-cbeth-oracle-incident-summary/2068
На русском https://habr.com/ru/news/1000936/

Одна из загадок теории систем, это катастрофические процессы, когда под действием вполне себе непрерывных факторов система отвечает скачкообразным изменением поведения...

Так срывается снежная лавина с вершины...
Так взрывается стекло под действием механической нагрузки...
Так ломается пластмассовая линейка, если ее сгибать...

Главная особенность здесь - непредсказуемость момента катастрофы.

Ещё один красивый пример такого эксперимента:

В 1927 году профессор Томас Парнелл из Университета Квинсленда (Австралия) поместил образец смолы (битума) в воронку, дал ей отстояться три года, а затем перерезал горлышко. С тех пор смола медленно, очень медленно, капает. За почти 100 лет упало всего 9 капель. Ни одну падение не удалось заснять вживую — до 2014 года, когда камеры слежения наконец поймали момент отрыва 9-й капли.

Следующая капля ожидается где-то к 2040-м годам. В мире есть несколько аналогичных установок (в Дублине, в Санкт-Петербурге), но квинслендский — прародитель. За процессом можно следить в реальном времени через онлайн-камеру.

На данный момент многие эксперты пишут, что AI вытесняет с рынка труда людей средней квалификации. Остаются лишь или профессионалы с крутыми скиллами или низкоквалифицированный труд - уборка, мытье туалетов... Но что-то и с сортирами пошло не так...

Интересный математический парк, побольше бы такого пространства.
https://urbanmediaasu.tilda.ws/

Почему аудитория продолжает верить экономическим экспертам, которые постоянно ошибаются?

1. Люди ищут не знания, а эмоциональную опору
Большинство людей обращается к экспертам не за точным прогнозом, а за:
объяснением хаоса,
снижением тревоги,
подтверждением своих убеждений,
ощущением, что «кто‑то понимает, что происходит».
Эксперт, который говорит то, что человек хочет услышать, становится психологически ценнее, чем эксперт, который говорит правду.
2. Прогнозы — идеальный жанр для безнаказанных ошибок
Прогнозы можно объяснить «непредвиденными обстоятельствами»,
можно забыть.
Это делает их безопасным инструментом для эксперта и удобным для аудитории.
3. Аудитория не ведёт учёт ошибок
Люди не хранят в голове таблицу «кто сколько раз ошибся». Память работает иначе:
запоминается стиль, харизма, уверенность,
забываются конкретные цифры и даты.
Эксперт, который говорит уверенно, звучит убедительнее, чем эксперт, который говорит осторожно.
4. Ошибки не вредят, если эксперт встроен в «свою» информационную среду
Если эксперт обслуживает определённую политическую или эмоциональную нишу, то:
его аудитория не хочет замечать ошибки,
ошибки не противоречат её картине мира,
признание ошибок даже вредно — оно разрушает эмоциональный контракт.
Поэтому эксперт не кается — это разрушило бы его роль.
Почему эксперты не признают ошибки
1. Признание ошибки снижает статус
В медийной среде статус держится на:
уверенности,
харизме,
непрерывности нарратива.
Признание ошибки — это удар по образу «знающего». Аудитория не любит сомневающихся.
2. Ошибки не мешают популярности
Если аудитория не требует отчёта, то эксперт не обязан его давать. Это рациональное поведение: признание ошибки не приносит выгоды.
3. Эксперт уверен, что аудитория забудет
И он прав. Память аудитории — короткая, эмоциональная, выборочная.
4. Эксперт говорит то, что аудитория хочет слышать
Если эксперт начнёт каяться, он разрушит иллюзию своей непогрешимости, а аудитория этого не хочет.
Почему аудитория не помнит ошибок
1. Когнитивный диссонанс
Если человек долго слушал эксперта, признать, что эксперт ошибался, — значит признать, что ошибался сам слушатель. Это неприятно, поэтому психика защищается:
«Ну, тогда были другие условия»
«Он всё равно умный»
«Все ошибаются»
«Но сейчас он точно прав»
2. Эмоциональная привязка
Эксперт становится частью идентичности аудитории. Критиковать эксперта — значит критиковать себя.
3. Информационный поток огромен
Ошибки тонут в шуме. Никто не ведёт дневник прогнозов.
4. Люди помнят нарратив, а не факты
Если эксперт годами говорит: «всё плохо», то аудитория запоминает ощущение, а не конкретные провалы.
Почему такие эксперты живут долго
1. Они дают аудитории то, что она хочет
Это главный фактор.
2. Они создают эмоциональную зависимость
Аудитория привыкает к их голосу, стилю, объяснениям.
3. Они встроены в медийную экосистему
Их зовут, потому что они дают рейтинги.
4. Они не конкурируют с реальностью
Они конкурируют с другими экспертами, а не с фактами.

Таким образом:
Экспертная популярность держится не на точности, а на совпадении с эмоциональными потребностями аудитории. Аудитория не помнит ошибок, потому что память избирательна, а признание ошибок разрушает психологический комфорт. Поэтому экспертам выгодно быть уверенными, а не точными.

Автор статьи — Дональд Кнут (легендарный учёный‑компьютерщик, автор The Art of Computer Programming, создатель TeX), а сама статья «Claude’s Cycles» рассказывает о том, как ИИ Claude Opus 4.6 помог Кнуту решить задачу о разложении ориентированного графа на гамильтоновы циклы, над которой он сам безуспешно работал несколько недель.

ИИ были даны строгие инструкции:
не начинать новый шаг, пока предыдущий не завершён полностью;
не делать исключений;
аккуратно проверять каждое рассуждение.
Claude последовательно исследовал структуру задачи, предложил несколько подходов, корректировал собственные ошибки и в итоге нашёл общую конструкцию разложения, которую Кнут счёл корректной и элегантной.

Психиатры и исследователи фиксируют рост нового состояния — AI Replacement Dysfunction (AIRD). Это не просто стресс, а комплекс симптомов, возникающих у работников, особенно программистов, которые видят, что ИИ начинает выполнять их задачи быстрее, дешевле и иногда качественнее.
Исследования отмечают:
бессонницу,
тревожность,
депрессию,
выгорание,
ощущение потери смысла работы,
кризис профессиональной идентичности.
AIRD описывается как «психологическое и экзистенциальное расстройство», возникающее при угрозе или реальности вытеснения ИИ.

Почему ИИ вызывает такой кризис
1. Угроза профессиональной идентичности
Для многих программистов код — это не просто работа, а часть личности. Когда ИИ пишет код лучше и быстрее, возникает ощущение: «Если машина делает это лучше меня, кто я тогда?»
2. Обесценивание навыков
Навыки, на которые ушли годы, внезапно кажутся устаревшими. Это вызывает экзистенциальный шок: «Я вложил жизнь в то, что больше не нужно».
3. Страх потерять контроль над будущим
ИИ развивается быстрее, чем человек успевает адаптироваться. Это создаёт ощущение нестабильности и неопределённости.
4. Социальное сравнение
Когда коллеги начинают активно использовать ИИ и работать быстрее, возникает давление: «Если я не успеваю — я хуже».
5. Информационный шум и паника
Медиа активно обсуждают «замену людей ИИ», усиливая тревожность, даже если массовых увольнений пока нет.

https://news.ufl.edu/2026/02/ai-jobs-mental-health/?utm_source=copilot.com

https://theoutpost.ai/news-story/researchers-identify-ai-replacement-dysfunction-as-workers-grapple-with-automation-anxiety-23880/?utm_source=copilot.com

Очень интересная статья о том как не нужно использовать большие языковые модели для решения задач программирования

В первых двух специфических примерах автор статьи не дал большой языковой модели даже намека как решать задачу, понятно она все решила неправильно. Получив неправильные ответы автор не стал тратить время на толкование нейросети в чем она не права, а сразу признал эксперименты неудачными.

В третьем примере (на мой взгляд, самом интересном) оказалось что нейросеть не знает как устроен советский калькулятор (кто бы мог подумать, ведь всего 40 лет прошло как он устарел, странно почему в интернете нет подробных инструкций как его программировать и нейросеть о нем почти ничего не знает!). Потрудиться и дать нейросети систему команд калькулятора автор тоже не посчитал нужным.

https://habr.com/ru/articles/983276

Международный день математики отмечается каждый год 14 марта.

Дата выбрана не случайно: в американской записи 3/14 она совпадает с первыми цифрами числа π (3.14). Поэтому этот день ещё называют Днём числа Пи — но смысл праздника гораздо шире.
Был официально учреждён ЮНЕСКО в 2019 году.

P.S. 14 марта - это ещё день рождения Альберта Эйнштейна.
P.P.S. Эх! Где наш благословенный 2019 ещё даже до Ковида!

Шары и урны

Имеется b шаров (balls), а также u урн (urns). Какое число комбинаций существует размещения шаров по урнам?
Удивительно, но эта на вид простая задача является сердцем комбинаторики и встречается повсеместно в
информатике
статистике
теории вероятностей
экономике
биологии
логистике
теории чисел
планировании и менеджменте.
В статьи Ричарда Стэнли «Двенадцатикратный путь» рассматривается 12 комбинаций этой задачи в зависимости от того пронумерованы ли шары, пронумерованы ли урны и есть ли ограничения (здесь в статье три варианта - ограничений нет, в каждой урне может быть не более одного шара, в каждой урне не менее одного шара).
Мне показалось, что уместно добавить еще одно часто встречающееся ограничение - в каждой урне заданное число шаров. Указанная постановка используется, например, при выводе формулы для энтропии в зависимости от вероятностей. Таким образом, комбинаций стало 16.

Решения сведены в таблицу.

Здесь автор статьи поднимает интересную тему, а сможем ли мы вообще отказаться от языков программирования, когда нейросети станут очень умными?

С одной стороны, велик соблазн написать несколько предложений на обычном языке, по которым нейросеть сделает программу, сайт, приложение, макрос и т.п... Но потом оказывается, что она все сделала не так... Получается, что нам все равно приходится объяснять нейросети все неоднозначные детали алгоритма функционирования будущей программы... т.е. алгоритмы, UML, SADT, DFD и т.п. никуда не девается. Нейросеть - лишь язык сверхвысокого уровня, который покрывает обычные языки высокого уровня, которые в свою очередь покрыли низкоуровневое программирование.
https://habr.com/ru/amp/publications/1011178/

Хорошую шутку прочитал...

Зашёл в книжный магазин, увидел книгу "Как решить 50% ваших проблем?"
Купил два тома... И действительно, на 75% проблем стало меньше.

Поймут не все. ;)

Связь формул для числа Пи

Существует огромное число формул для оценки числа Пи, которые позволяют вычислить его с произвольной точностью, например, представляя Пи в виде суммы некого ряда или цепной дроби.
До последнего времени не было известно связи между этими формулами, хотя, казалась бы, такая связь должно быть, ведь все они выражают одну и туже константу...

Исследователи из Техниона обнаружили, что сотни известных формул для вычисления числа π — от Архимеда до Рамануджана — на самом деле связаны между собой и происходят из единой скрытой структуры.
Что было сделано:
Собрали 455 тысяч математических статей с arXiv и извлекли из них 385 уникальных формул для π.
С помощью GPT‑4o и собственных алгоритмов привели все формулы к единому виду.
Применили новую математическую конструкцию — консервативное матричное поле (CMF).

CMF — это своего рода «гравитационное поле» на математической сетке. Разные формулы для π оказываются разными путями на этой сетке, ведущими к одной и той же точке. Если пути параллельны — формулы эквивалентны.

Результаты
43% всех известных формул для π происходят от одной базовой формулы.
51% образуют более широкие кластеры, тоже связанные между собой.
Лишь 6% формул остаются «сиротами» — пока без доказанной связи.

Таким образом:
Впервые показано, что формулы π образуют единую структуру, а не набор несвязанных открытий.
CMF может также помочь:
классифицировать математические константы,
находить новые формулы,
выявлять связи между разными формулами.

https://www.scientificamerican.com/article/mathematicians-find-one-pi-formula-to-rule-them-all/

Андрей Ростовцев:

Сабина Хоссенфельдер - немецкий физик-теоретик и популяризатор науки, специалист в области квантовой механики, в пух и прах разносит сложившуюся систему публикаций в научных журналах.

«Практически всё, что публикуется, — это низкокачественная чепуха, и все причастные знают об этом, но не хотят признавать.» - говорит Фрау Хоссенфельдер.

«Вскоре научные издательства будут зарабатывать большую часть денег не на исследователях, которые хотят читать статьи, а на исследователях, которые хотят публиковать статьи.»

«В ближайшие годы мы увидим огромный поток созданного ИИ-мусора — статей, опубликованных за счет государственных университетов или исследовательских грантов, то есть за счет налогов. Дело скоро дойдет до того, что публикация большого количества статей перестанет считаться достоинством, а станет недостатком.»*

По долгу службы я сам давно слежу за этой негативной тенденцией в разных странах и университетах. Паттерн, который сложился за последние 3-4 года, вполне узнаваем, и при помощи немудрёной ии-программки легко проявляется, как изображение на фотографической пленке. Главная его характеристика - соавторство «ученых» из стран глобального Юга с их знаменитыми «коллегами» из европейских университетов. Первые в этой схеме компилируют текст с рисунками, формулами и графиками. Вторые, не вдаваясь в детали скомпилированного продукта, играют роль тарана, покоряющего своим авторитетом редакции престижных международных научных журналов.

По результатам работы этой ии-программы на примере Черногорского государственного университета обнаруживается многократный рост соавторства черногорских ученых с авторами стран Азии и Ближнего востока в последние несколько лет. Кроме того, начиная с 2022 года, совместные научные статьи сотрудников Черногорского университета вдруг запестрели бессмысленными математическими выражениями и физическими формулами. То, что на первый взгляд выглядит научно, а по сути - полная чушь, начало кочевать из одной публикации авторов из Подгорицы в другую, многократно умножая академическую бессмыслицу.

Балканы - маленький регион, и он может играть роль простой и понятной модели для изучения того, как наукообразный мусор завоевывает пространство, и как можно этой тенденции противостоять. Если, конечно, это еще возможно.

*) Академик А.Р. Хохлов обратил внимание на видео-ролик Сабины Хоссенфельдер и опубликовал цитаты из ее зажигательной речи в своем тг-канале.

Три модели мировой динамики
(теория принятия оптимальных решений)

1. Модель неравного развития.
Есть места хорошие, есть места плохие. Разный уровень жизни, разная безопасность, разное развитие медицины, разный уровень прав и свобод и пр. Обычно, плохие места плохие во всем, а хорошие, хороши во всем
Имеет смысл перебираться из плохо места в хорошее, однозначно.

2. Модель устойчивого развития.
Весь мир постоянно улучшается, становится богаче, безопаснее, справедливее. Худшие места развиваются быстрее, чем лучшие, так что различия постепенно стираются. Менять локацию имеет смысл только если издержки на адаптацию в новом месте меньше, чем разница в качестве жизни. Часто тактика "сиди и жди, когда станет хорошо" является оптимальной. Именно из этой модели родилась концепция конца истории Фукуяма.

3. Модель хаотичного мира.
Это как модель неравного развития, только кто лучший, а кто худший меняется очень быстро и не предсказуемым образом.
Сегодня у тебя лучшая в мире медицина, а завтра ты ждёшь очереди на МРТ или приема к врачу пол года, а там где медицины не было, наоборот, приходи и делай без всякой очереди. Или сегодня здесь город сад, а завтра погром и беспорядки... Сегодня здесь тишина, а завтра боевые действия... Год назад полная свобода, а через год выключат интернет...
В хаотичном мире ничего не остаётся как быть всегда готовым к смене локации...

ИИ плохо справляется со ставками на спорт

Исследование стартапа General Reasoning протестировало восемь моделей ИИ (Google, OpenAI, Anthropic, xAI и др.) на виртуальных ставках по сезону АПЛ 2023–2024. Все модели:
начинали с £100 000
делали ставки на исходы матчей
имели три попытки
не имели доступа к интернету
работали только на основе статистики и истории матчей
Итог: все ИИ потеряли деньги.

https://theoutpost.ai/news-story/top-ai-models-lose-money-on-premier-league-bets-exposing-limits-in-real-world-prediction-25293/?utm_source=copilot.com

https://abit.ee/en/artificial-intelligence/ai-betting-premier-league-kellybench-claude-gemini-chatgpt-grok-general-reasoning-artificial-intelli-en?utm_source=copilot.com