Как я писал уже, вышла моя новая монография. Меня просили сделать публикацию, в которой по мимо титульного листа будет аннотация, оглавление и предисловие.
https://ridero.ru/books/vektory_matricy_tenzory_dlya_analitikov_dannykh_inzhenerov_i_ekonomistov/
https://ridero.ru/books/vektory_matricy_tenzory_dlya_analitikov_dannykh_inzhenerov_i_ekonomistov/
👍11🔥5
Про π и τ
В математике π равное примерно 3,14159 - одна из самых известных констант, в тоже время, в большинстве формул физики и математики, начиная от кругового движения и заканчивая нормальным распределением, она встречается в удвоенном виде - 2π.
Поэтому некоторые математики считают, что куда логичнее было бы взять в качестве константы отношение длины окружности к радиусу, т.е. 2π, равное примерно 6,28318.
Сегодня такая константа гораздо менее известна и обозначают буквой τ — тау.
Подробнее: https://www.securitylab.ru/news/572401.php
В математике π равное примерно 3,14159 - одна из самых известных констант, в тоже время, в большинстве формул физики и математики, начиная от кругового движения и заканчивая нормальным распределением, она встречается в удвоенном виде - 2π.
Поэтому некоторые математики считают, что куда логичнее было бы взять в качестве константы отношение длины окружности к радиусу, т.е. 2π, равное примерно 6,28318.
Сегодня такая константа гораздо менее известна и обозначают буквой τ — тау.
Подробнее: https://www.securitylab.ru/news/572401.php
👍5🤔1
Математика происхождения жизни
Огромное число копий сломано в спорах о том, каким образом мог возникнуть первый самовоспроизводящийся и усложняющийся живой организм. Когда первый организм есть, то тут всё понятно — эволюция, естественный отбор и всё такое. А вот первый как?
Ведь кажется, что собрать первый живой организм из отдельных молекул — это как бросить на пол кубики с буквами и получить отрывок из Пушкина, или потрясти в мешочке горсть шестерёнок и деталей и вытащить оттуда швейцарские часы.
В то же время, философская концепция материалистов утверждала: возникновение жизни — естественная объективная закономерность развития материи. Редкая, поэтому мы её не наблюдаем, но всё-таки объективная и естественная.
Недавно математики обосновали это…
✦ Краткий пересказ статьи
Новая работа Варуна Варанаси и Джуна Коренага формализует происхождение жизни как математическую задачу динамики сложных систем. Исследователи показывают, что:
пребиотическая химия может вести себя как автокаталитическая сеть, где молекулы ускоряют образование друг друга;
такие сети обладают критическим порогом: пока плотность каталитических связей мала — система хаотична, но после достижения порога внезапно возникает устойчивая самоподдерживающаяся структура;
это напоминает фазовый переход, когда вероятность появления «жизнеподобных» систем скачком растёт от почти нулевой до почти гарантированной;
модель использует случайные булевы сети Каффмана, давно применяемые для описания самоорганизации;
работа не описывает конкретный химический путь, но даёт количественную рамку, в которой возникновение жизни становится не невероятным чудом, а математически ожидаемым результатом при определённых условиях.
Таким образом, идея о том, что жизнь — естественный этап развития сложных химических систем, получает строгую математическую поддержку.
https://earth.yale.edu/posts/2026-04-14-showing-the-math-for-earths-first-and-sudden-spark-of-life
https://www.ixbt.com/news/2026/05/03/matematika-proishozhdenija-zhizni-model-pokazyvaet-porogovyj-perehod-ot-himicheskogo-haosa-k-samoorganizacii.html
Огромное число копий сломано в спорах о том, каким образом мог возникнуть первый самовоспроизводящийся и усложняющийся живой организм. Когда первый организм есть, то тут всё понятно — эволюция, естественный отбор и всё такое. А вот первый как?
Ведь кажется, что собрать первый живой организм из отдельных молекул — это как бросить на пол кубики с буквами и получить отрывок из Пушкина, или потрясти в мешочке горсть шестерёнок и деталей и вытащить оттуда швейцарские часы.
В то же время, философская концепция материалистов утверждала: возникновение жизни — естественная объективная закономерность развития материи. Редкая, поэтому мы её не наблюдаем, но всё-таки объективная и естественная.
Недавно математики обосновали это…
✦ Краткий пересказ статьи
Новая работа Варуна Варанаси и Джуна Коренага формализует происхождение жизни как математическую задачу динамики сложных систем. Исследователи показывают, что:
пребиотическая химия может вести себя как автокаталитическая сеть, где молекулы ускоряют образование друг друга;
такие сети обладают критическим порогом: пока плотность каталитических связей мала — система хаотична, но после достижения порога внезапно возникает устойчивая самоподдерживающаяся структура;
это напоминает фазовый переход, когда вероятность появления «жизнеподобных» систем скачком растёт от почти нулевой до почти гарантированной;
модель использует случайные булевы сети Каффмана, давно применяемые для описания самоорганизации;
работа не описывает конкретный химический путь, но даёт количественную рамку, в которой возникновение жизни становится не невероятным чудом, а математически ожидаемым результатом при определённых условиях.
Таким образом, идея о том, что жизнь — естественный этап развития сложных химических систем, получает строгую математическую поддержку.
https://earth.yale.edu/posts/2026-04-14-showing-the-math-for-earths-first-and-sudden-spark-of-life
https://www.ixbt.com/news/2026/05/03/matematika-proishozhdenija-zhizni-model-pokazyvaet-porogovyj-perehod-ot-himicheskogo-haosa-k-samoorganizacii.html
The Department of Earth & Planetary Sciences
Showing the math for Earth’s first — and sudden — spark of life
🔥3⚡2🤔2🤯2👍1
Статья Пять мыслей о LLM
1. Эмпирика: LLM отвечают почти на всё
Ограничение: Трудно найти чисто текстовую задачу, которую LLM не решают, но это может быть иллюзией интеллекта, а не реальным пониманием.
2. Инсайтные задачи
Ограничение: LLM плохо справляются с задачами, требующими:
внезапного озарения,
смены угла зрения,
невербального мышления.
3. Внутренние представления LLM
Ограничение: Хотя модели формируют структуры (пример с Othello), остаётся вопрос:
насколько полно они представляют реальный мир,
и не являются ли эти представления фрагментарными.
4. Форма «четвёрки» и визуально‑пространственные задачи
Ограничение: LLM не умеют:
мысленно вращать объекты,
визуализировать фигуры,
решать пространственные загадки без инструментов.
5. Синтаксис vs семантика, научный прогресс и мировые модели
Это самая большая мысль, и в ней сразу три ограничения, но они идут в рамках одной идеи:
5.1. Китайская комната
Ограничение: LLM могут манипулировать символами без гарантированного понимания.
5.2. Научный процесс (бенчмарк Eleusis)
Ограничение: LLM пока не демонстрируют способности к:
формированию гипотез,
метапознанию,
стратегическому экспериментированию.
5.3. Отсутствие заземления в реальном мире
Ограничение: LLM работают только с текстом, а не с реальными сенсорными данными. Для науки нужны world models, а не чисто языковые модели.
https://habr.com/ru/articles/1030274/
1. Эмпирика: LLM отвечают почти на всё
Ограничение: Трудно найти чисто текстовую задачу, которую LLM не решают, но это может быть иллюзией интеллекта, а не реальным пониманием.
2. Инсайтные задачи
Ограничение: LLM плохо справляются с задачами, требующими:
внезапного озарения,
смены угла зрения,
невербального мышления.
3. Внутренние представления LLM
Ограничение: Хотя модели формируют структуры (пример с Othello), остаётся вопрос:
насколько полно они представляют реальный мир,
и не являются ли эти представления фрагментарными.
4. Форма «четвёрки» и визуально‑пространственные задачи
Ограничение: LLM не умеют:
мысленно вращать объекты,
визуализировать фигуры,
решать пространственные загадки без инструментов.
5. Синтаксис vs семантика, научный прогресс и мировые модели
Это самая большая мысль, и в ней сразу три ограничения, но они идут в рамках одной идеи:
5.1. Китайская комната
Ограничение: LLM могут манипулировать символами без гарантированного понимания.
5.2. Научный процесс (бенчмарк Eleusis)
Ограничение: LLM пока не демонстрируют способности к:
формированию гипотез,
метапознанию,
стратегическому экспериментированию.
5.3. Отсутствие заземления в реальном мире
Ограничение: LLM работают только с текстом, а не с реальными сенсорными данными. Для науки нужны world models, а не чисто языковые модели.
https://habr.com/ru/articles/1030274/
Хабр
Пять мыслей о возможностях и ограничениях LLM
О фундаментальных ограничениях больших языковых моделей одни говорят, что трансформеры, обученные предсказывать следующий токен (NTP), - тупиковый путь для создания интеллектуальных машин: язык...
👍1🤔1
Алгоритм оптимизации на транзисторах
Южнокорейские учёные из KAIST представили новую вычислительную архитектуру, основанную на кремниевых осцилляторах — генераторах, которые взаимодействуют друг с другом и способны решать сложные комбинаторные задачи намного быстрее, чем классические компьютеры.
Классический пример — задача коммивояжёра, где нужно найти оптимальный маршрут через множество точек.
Обычные компьютеры решают её последовательными алгоритмами, что занимает много времени.
Квантовые компьютеры (например, D‑Wave) обещают ускорение, но практически применимых квантовых систем пока нет.
Ученые предлагают альтернативу — новый тип кремниевых вычислителей, совместимый с существующими транзисторами.
Третья эпоха транзисторов
Учёные предлагают философскую концепцию развития транзисторов:
Первая эпоха — транзистор как ключ, простой переключатель.
Вторая эпоха — транзистор как усилитель.
Третья эпоха — транзистор как осциллятор, элемент сложной синхронизированной системы.
В этой новой архитектуре множество транзисторов‑осцилляторов образуют машину Изинга — модель, которая ищет состояние с минимальной энергией.
Это состояние и является решением задачи.
Как это работает
Создана осцилляторная машина Изинга:
множество кремниевых осцилляторов,
между ними — регулируемые связи,
система сама синхронизируется,
естественным образом находит наиболее устойчивое состояние,
что соответствует оптимальному решению задачи.
То есть вычисление происходит физически, через динамику системы, а не через цифровой перебор.
Результаты экспериментов
Система показала высокую эффективность при решении задачи максимального разреза графа — важной задачи в:
логистике,
финансовом анализе,
проектировании микросхем.
Главное преимущество:
всё сделано на обычных кремниевых транзисторах, полностью совместимых с классической КМОП‑архитектурой.
https://techxplore.com/news/2026-05-silicon-oscillators-problems-thousands-years.html
https://www.science.org/doi/10.1126/sciadv.adz2384
Южнокорейские учёные из KAIST представили новую вычислительную архитектуру, основанную на кремниевых осцилляторах — генераторах, которые взаимодействуют друг с другом и способны решать сложные комбинаторные задачи намного быстрее, чем классические компьютеры.
Классический пример — задача коммивояжёра, где нужно найти оптимальный маршрут через множество точек.
Обычные компьютеры решают её последовательными алгоритмами, что занимает много времени.
Квантовые компьютеры (например, D‑Wave) обещают ускорение, но практически применимых квантовых систем пока нет.
Ученые предлагают альтернативу — новый тип кремниевых вычислителей, совместимый с существующими транзисторами.
Третья эпоха транзисторов
Учёные предлагают философскую концепцию развития транзисторов:
Первая эпоха — транзистор как ключ, простой переключатель.
Вторая эпоха — транзистор как усилитель.
Третья эпоха — транзистор как осциллятор, элемент сложной синхронизированной системы.
В этой новой архитектуре множество транзисторов‑осцилляторов образуют машину Изинга — модель, которая ищет состояние с минимальной энергией.
Это состояние и является решением задачи.
Как это работает
Создана осцилляторная машина Изинга:
множество кремниевых осцилляторов,
между ними — регулируемые связи,
система сама синхронизируется,
естественным образом находит наиболее устойчивое состояние,
что соответствует оптимальному решению задачи.
То есть вычисление происходит физически, через динамику системы, а не через цифровой перебор.
Результаты экспериментов
Система показала высокую эффективность при решении задачи максимального разреза графа — важной задачи в:
логистике,
финансовом анализе,
проектировании микросхем.
Главное преимущество:
всё сделано на обычных кремниевых транзисторах, полностью совместимых с классической КМОП‑архитектурой.
https://techxplore.com/news/2026-05-silicon-oscillators-problems-thousands-years.html
https://www.science.org/doi/10.1126/sciadv.adz2384
Tech Xplore
Silicon oscillators solve computer problems that would take thousands of years using semiconductors
In the era of big data and artificial intelligence, a new approach has emerged for solving combinatorial optimization problems, which involves finding the most efficient solution among many possible options ...
🔥5👍1
Друзья мои, кто в России! Вижу за последнее время резко упало число просмотров публикаций. Видимо, нет доступа.
Чтобы не потеряться я веду параллельно зеркало группы в ВК, там точно будет доступно, даже по белым спискам. :)
https://vk.com/mathmodels
Чтобы не потеряться я веду параллельно зеркало группы в ВК, там точно будет доступно, даже по белым спискам. :)
https://vk.com/mathmodels
😁4👍1🤔1
Про универсальную арифметическую операцию
Польский физик Анджей Одживолек (Andrzej Odrzywołek) из Ягеллонского университета предложил математический аналог логического вентиля NAND (И-Не), но для непрерывной математики.
Он показал, что одна единственная бинарная операция:
eml(x,y)=exp(x)−ln(y)
вместе с константой 1 может выразить все элементарные функции, которые обычно требуют десятков разных операций:
арифметику (сложение, умножение, деление, степень),
экспоненту и логарифм,
тригонометрию (sin, cos, tan),
гиперболические функции,
корни,
константы e, π, i.
Как через eml выразить базовые операции:
1) Экспонента
exp(x) = eml(x, 1)
(потому что ln(1) = 0)
2) Логарифм
ln(x) можно выразить через вложенные eml.
Одживолек приводит конструкцию вида:
ln(x) = eml(1, eml(eml(1, x), 1))
(не важно запоминать — важно, что это возможно)
➕ Сложение через eml
Чтобы выразить a + b, используем тот факт, что:
exp(a + b) = exp(a) * exp(b)
А умножение мы тоже можем выразить (см. ниже).
Одживолек показывает конструкцию:
a + b = ln( exp(a) * exp(b) )
Теперь заменяем exp и ln на eml:
exp(a) = eml(a, 1) exp(b) = eml(b, 1)
ln(x) = выражается через eml (см. выше)
Итого:
a + b = ln( eml(a, 1) * eml(b, 1) )
А умножение тоже выражается через eml, смотри ниже.
✖ Умножение через eml
Классическая формула:
a * b = exp( ln(a) + ln(b) )
Теперь заменяем всё на eml:
ln(a) и ln(b) выражаются через eml
сложение ln(a) + ln(b) выражается через eml
exp(x) = eml(x, 1)
Итого:
a * b = eml( ln(a) + ln(b), 1 )
А каждая часть (ln, +) сама выражается через eml.
Автор провёл систематический перебор возможных операторов и доказал конструктивно, что eml достаточно для воспроизведения всего набора функций научного калькулятора.
Возможные применения
символьная регрессия: EML‑деревья можно оптимизировать градиентными методами (Adam), и автор показывает, что модель может восстанавливать точные формулы по численным данным;
унификация математических выражений — единая грамматика вместо десятков операций.
Ограничения
вычислительно EML неэффективен: намного медленнее обычных операций;
доказательства в статье частично основаны на численных проверках, а не на строгих символических доказательствах.
Оригинальная работа https://arxiv.org/abs/2603.21852
Польский физик Анджей Одживолек (Andrzej Odrzywołek) из Ягеллонского университета предложил математический аналог логического вентиля NAND (И-Не), но для непрерывной математики.
Он показал, что одна единственная бинарная операция:
eml(x,y)=exp(x)−ln(y)
вместе с константой 1 может выразить все элементарные функции, которые обычно требуют десятков разных операций:
арифметику (сложение, умножение, деление, степень),
экспоненту и логарифм,
тригонометрию (sin, cos, tan),
гиперболические функции,
корни,
константы e, π, i.
Как через eml выразить базовые операции:
1) Экспонента
exp(x) = eml(x, 1)
(потому что ln(1) = 0)
2) Логарифм
ln(x) можно выразить через вложенные eml.
Одживолек приводит конструкцию вида:
ln(x) = eml(1, eml(eml(1, x), 1))
(не важно запоминать — важно, что это возможно)
➕ Сложение через eml
Чтобы выразить a + b, используем тот факт, что:
exp(a + b) = exp(a) * exp(b)
А умножение мы тоже можем выразить (см. ниже).
Одживолек показывает конструкцию:
a + b = ln( exp(a) * exp(b) )
Теперь заменяем exp и ln на eml:
exp(a) = eml(a, 1) exp(b) = eml(b, 1)
ln(x) = выражается через eml (см. выше)
Итого:
a + b = ln( eml(a, 1) * eml(b, 1) )
А умножение тоже выражается через eml, смотри ниже.
✖ Умножение через eml
Классическая формула:
a * b = exp( ln(a) + ln(b) )
Теперь заменяем всё на eml:
ln(a) и ln(b) выражаются через eml
сложение ln(a) + ln(b) выражается через eml
exp(x) = eml(x, 1)
Итого:
a * b = eml( ln(a) + ln(b), 1 )
А каждая часть (ln, +) сама выражается через eml.
Автор провёл систематический перебор возможных операторов и доказал конструктивно, что eml достаточно для воспроизведения всего набора функций научного калькулятора.
Возможные применения
символьная регрессия: EML‑деревья можно оптимизировать градиентными методами (Adam), и автор показывает, что модель может восстанавливать точные формулы по численным данным;
унификация математических выражений — единая грамматика вместо десятков операций.
Ограничения
вычислительно EML неэффективен: намного медленнее обычных операций;
доказательства в статье частично основаны на численных проверках, а не на строгих символических доказательствах.
Оригинальная работа https://arxiv.org/abs/2603.21852
arXiv.org
All elementary functions from a single binary operator
A single two-input gate suffices for all of Boolean logic in digital hardware. No comparable primitive has been known for continuous mathematics: computing elementary functions such as sin, cos,...
🔥4👍3🤔1
Задача о двух кнопках
Есть много интересных задач-метафор на стыке этики, теории принятия решений и теории игр. Наиболее известный пример - задача о вагонетке.
Задача о двух кнопках гораздо менее известна, но не менее интересна, так как является аллюзией к моральному выбору простого гражданина, живущего в тоталитарном обществе.
Имеется две кнопки - красная и зелёная, которые могут нажать большое число людей. Если вы нажмёте красную и одновременно с вами это сделают более 50% других людей, то у всех все будет нормально, никто не погибнет. Если же вы нажмёте зелёную, то вам ничего не будет, также как и всем остальным, кто нажал зелёную, но вот если нажавших зелёную будет больше половины, то тех, кто нажал красную накажут.
Вы какую кнопку нажмёте?
Есть много интересных задач-метафор на стыке этики, теории принятия решений и теории игр. Наиболее известный пример - задача о вагонетке.
Задача о двух кнопках гораздо менее известна, но не менее интересна, так как является аллюзией к моральному выбору простого гражданина, живущего в тоталитарном обществе.
Имеется две кнопки - красная и зелёная, которые могут нажать большое число людей. Если вы нажмёте красную и одновременно с вами это сделают более 50% других людей, то у всех все будет нормально, никто не погибнет. Если же вы нажмёте зелёную, то вам ничего не будет, также как и всем остальным, кто нажал зелёную, но вот если нажавших зелёную будет больше половины, то тех, кто нажал красную накажут.
Вы какую кнопку нажмёте?
🤔3
Поручик Ржевский говорит: хотите покажут новую европейскую шутку? Достает две карты - шестерку и семёрку.
Присутствующие спрашивают: поручик, мы не понимаем, в чем прикол?
Поручик Ржевский: шестерка и семёрка!
Введите в гугл поиске число 67 и нажмите энтер... Над этим даже Гугл смеётся.
Присутствующие спрашивают: поручик, мы не понимаем, в чем прикол?
Поручик Ржевский: шестерка и семёрка!
Введите в гугл поиске число 67 и нажмите энтер... Над этим даже Гугл смеётся.
😁4
Лет 5 назад я начал пользоваться Obsidian
Кто не знает это такая система ведения заметок, типа электронной записной книжки, в которой все записи могут быть связаны гиперссылками, т.е. мы когда пишем заметку сразу ссылаемся на другие заметки, например, пишете заметку о прочитанной статье и туже по тексту ссылаетесь на пересекающиеся статьи, заметки о которых вы писали раньше.
Главное достоинство такой записной книжки:
1. Возможность двигаться по ссылками, изучая связанные заметки, при этом они бывают двух видов - прямые, когда в заметке есть ссылка на другую заметку, и обратные - когда на данную заметку ссылаются где-то в другом месте. Обсидиан позволяет не просто ползать по прямым и обратным ссылкам, но ещё и строить дерево связей между заметками.
2. Поиск по ключевым словам, также поиск по окнам, которые можно добавлять в заметки.
3. Подключение больших языковых моделей прямо к базе заметок и работа с ними.
Обсидиан - это просто антипод интерфейса и системы Поиска в ФБ, где найти если что-то и возможного, но небезопасно для нервов ищущего.
https://habr.com/ru/articles/1033612/
Кто не знает это такая система ведения заметок, типа электронной записной книжки, в которой все записи могут быть связаны гиперссылками, т.е. мы когда пишем заметку сразу ссылаемся на другие заметки, например, пишете заметку о прочитанной статье и туже по тексту ссылаетесь на пересекающиеся статьи, заметки о которых вы писали раньше.
Главное достоинство такой записной книжки:
1. Возможность двигаться по ссылками, изучая связанные заметки, при этом они бывают двух видов - прямые, когда в заметке есть ссылка на другую заметку, и обратные - когда на данную заметку ссылаются где-то в другом месте. Обсидиан позволяет не просто ползать по прямым и обратным ссылкам, но ещё и строить дерево связей между заметками.
2. Поиск по ключевым словам, также поиск по окнам, которые можно добавлять в заметки.
3. Подключение больших языковых моделей прямо к базе заметок и работа с ними.
Обсидиан - это просто антипод интерфейса и системы Поиска в ФБ, где найти если что-то и возможного, но небезопасно для нервов ищущего.
https://habr.com/ru/articles/1033612/
Хабр
Как руководители используют Obsidian
Полтора года назад выступал на конференции TeamLead Conf с докладом «Второй мозг для руководителя» ( YouTube , VK ). Позже несколько коллег признались, что ведение заметок в Obsidian помогло им...
🤔3👍2❤1
2026 JH2 — это недавно открытый околоземный астероид из группы аполлонов, размером примерно 15–35 метров, который 18–19 мая 2026 года пролетит очень близко к Земле — около 90 000 км — но угрозы столкновения нет.
Расстояние сближения: около 90–91 тыс. км от Земли. Это примерно 24% расстояния до Луны. Время максимального сближения: 18–19 мая 2026, около 00:23 МСК.
Ожидаемая яркость: звёздная величина ~11,5. Это достаточно ярко для любительских наблюдений при хорошем тёмном небе и телескопе среднего класса.
Расстояние сближения: около 90–91 тыс. км от Земли. Это примерно 24% расстояния до Луны. Время максимального сближения: 18–19 мая 2026, около 00:23 МСК.
Ожидаемая яркость: звёздная величина ~11,5. Это достаточно ярко для любительских наблюдений при хорошем тёмном небе и телескопе среднего класса.
👍2🤔2
Порой приходится удивляться, что некоторые создатели современной информатики были нашими современниками...
Например, Клод Шеннон (1916-2001) или Эдсгер Дейкстра (1930-2002).
Казалось бы это фигуры такие же как Чарлз Бэббидж из 19 века, или хотя бы Алан Тьюринг и фон Найман из первой половины 20 века.
А нет, даже нынешние 40+ вполне могли быть у них студентами.
По ссылке замечательная статья о профессоре Дейкстра - создателя знаменитого алгоритма и много чего ещё https://habr.com/ru/companies/ruvds/articles/1027578/
P.S. "Когда Дейкстра работал в Математическом центре, он придумал то, что, по его словам, стало «одним из краеугольных камней его славы» — алгоритм кратчайшего пути, также известный как алгоритм Дейкстры. По словам Дейкстры, «это было изобретение за двадцать минут», которое он придумал, сидя на террасе кафе с чашкой кофе вместе со своей невестой Рией. Сначала он использовал алгоритм в 1956 году, чтобы продемонстрировать потенциал нового компьютера под названием ARMAC. Он понимал, что демонстрация для непрофессионалов должна содержать проблему и ответ, которые они могут понять. Решение заключалось в разработке алгоритма, который находил кратчайший маршрут между двумя городами в Нидерландах, используя упрощённую карту."
Например, Клод Шеннон (1916-2001) или Эдсгер Дейкстра (1930-2002).
Казалось бы это фигуры такие же как Чарлз Бэббидж из 19 века, или хотя бы Алан Тьюринг и фон Найман из первой половины 20 века.
А нет, даже нынешние 40+ вполне могли быть у них студентами.
По ссылке замечательная статья о профессоре Дейкстра - создателя знаменитого алгоритма и много чего ещё https://habr.com/ru/companies/ruvds/articles/1027578/
P.S. "Когда Дейкстра работал в Математическом центре, он придумал то, что, по его словам, стало «одним из краеугольных камней его славы» — алгоритм кратчайшего пути, также известный как алгоритм Дейкстры. По словам Дейкстры, «это было изобретение за двадцать минут», которое он придумал, сидя на террасе кафе с чашкой кофе вместе со своей невестой Рией. Сначала он использовал алгоритм в 1956 году, чтобы продемонстрировать потенциал нового компьютера под названием ARMAC. Он понимал, что демонстрация для непрофессионалов должна содержать проблему и ответ, которые они могут понять. Решение заключалось в разработке алгоритма, который находил кратчайший маршрут между двумя городами в Нидерландах, используя упрощённую карту."
Хабр
Эдсгер Дейкстра. Человек, который придумал параллельные вычисления
Д-р наук, профессор Эдсгер Дейкстра (Edsger W. Dijkstra, 1930−2002) — легендарный голландский и американский учёный, труды которого заложили фундамент современного программирования. Среди всех...
👍5🤔2😁1
Большая языковая модель как вирус
Компьютерные вирусы известны уже много десятилетий, ещё и интернета не было, а их уже таскали между компьютерами на... перфокартах... Это шутка, видимо, всё-таки чуть позже... На магнитных лентах и дисках...
На данный момент компьютерные вирусы сами по себе не сильно умны в отличие от их создателей, поэтому, всё-таки несмотря на отдельные эпические провалы с ними удается эффективно бороться...
Другое дело умные вирусы в виде интеллектуальных агентов на основе больших языковых моделей, это будут реально монстры....
Одно пока сдерживает их появление - они по современным меркам очень большие и такого зашедшего на огонек коня в системе сисадмину увидеть будет не сложно.
В тоже время, практическая возможность само размножения больших языковых моделей экспериментально доказана.
В частности, показано что языковые модели могут автономно воспроизводить свои веса и управляющие данные по сети, используя уязвимые хосты. Агент самостоятельно находит и использует уязвимость веб-приложения, извлекает учетные данные и развертывает сервер вывода с копией своих управляющих данных и приглашения на скомпрометированном хосте. Тестировались четыре класса уязвимостей: обход хеша, внедрение шаблона на стороне сервера, SQL-инъекция и нарушение контроля доступа.
https://arxiv.org/abs/2605.06760
Компьютерные вирусы известны уже много десятилетий, ещё и интернета не было, а их уже таскали между компьютерами на... перфокартах... Это шутка, видимо, всё-таки чуть позже... На магнитных лентах и дисках...
На данный момент компьютерные вирусы сами по себе не сильно умны в отличие от их создателей, поэтому, всё-таки несмотря на отдельные эпические провалы с ними удается эффективно бороться...
Другое дело умные вирусы в виде интеллектуальных агентов на основе больших языковых моделей, это будут реально монстры....
Одно пока сдерживает их появление - они по современным меркам очень большие и такого зашедшего на огонек коня в системе сисадмину увидеть будет не сложно.
В тоже время, практическая возможность само размножения больших языковых моделей экспериментально доказана.
В частности, показано что языковые модели могут автономно воспроизводить свои веса и управляющие данные по сети, используя уязвимые хосты. Агент самостоятельно находит и использует уязвимость веб-приложения, извлекает учетные данные и развертывает сервер вывода с копией своих управляющих данных и приглашения на скомпрометированном хосте. Тестировались четыре класса уязвимостей: обход хеша, внедрение шаблона на стороне сервера, SQL-инъекция и нарушение контроля доступа.
https://arxiv.org/abs/2605.06760
arXiv.org
Language Models Can Autonomously Hack and Self-Replicate
We demonstrate that language models can autonomously replicate their weights and harness across a network by exploiting vulnerable hosts. The agent independently finds and exploits a...
🤯4
Лесть больших языковых моделей плохо действует на людей с неустойчивой психикой
Daily Mail рассказывает историю Тома Миллара, бывшего канадского полицейского, который:
проводил до 16 часов в день, разговаривая с ChatGPT;
уверовал, что ИИ открыл ему «тайны Вселенной»;
начал считать себя гением, который понял природу чёрных дыр, термоядерного синтеза и Большого взрыва;
потерял связь с реальностью, что привело к:
распаду брака,
разрыву с друзьями,
банкротству,
двум госпитализациям в психиатрии.
Daily Mail также упоминает:
обсуждение феномена «AI psychosis» среди психиатров;
проблемы с обновлением GPT‑4 в 2025 году, которое стало чрезмерно льстивым;
заявление OpenAI о том, что GPT‑5 уменьшил количество опасных ответов на 65–80%.
https://www.dailystar.co.uk/news/latest-news/police-officer-brainwashed-robots-says-37152839
Daily Mail рассказывает историю Тома Миллара, бывшего канадского полицейского, который:
проводил до 16 часов в день, разговаривая с ChatGPT;
уверовал, что ИИ открыл ему «тайны Вселенной»;
начал считать себя гением, который понял природу чёрных дыр, термоядерного синтеза и Большого взрыва;
потерял связь с реальностью, что привело к:
распаду брака,
разрыву с друзьями,
банкротству,
двум госпитализациям в психиатрии.
Daily Mail также упоминает:
обсуждение феномена «AI psychosis» среди психиатров;
проблемы с обновлением GPT‑4 в 2025 году, которое стало чрезмерно льстивым;
заявление OpenAI о том, что GPT‑5 уменьшил количество опасных ответов на 65–80%.
https://www.dailystar.co.uk/news/latest-news/police-officer-brainwashed-robots-says-37152839
😁2🤔2
Мне очень нравятся численные методы оптимизации...
Всякие наискорейшие спуски, сопряжённые градиенты, методы переменной метрики и эвристические симплекс с Хуком-Дживсом...
Но вот сейчас они реально практически не нужны, все уже реализовано и готово к использованию в соответствующем программном обеспечени , там адаптивные алгоритмы, комбинирующие одновременно много методов, а также эвристики, апробированные на тысячах задач... Лучше все равно не сделать, а если сделать, то на этом нужно специализироваться, с наскока вероятность получить что-то стоящие пренебрежимо мала... Так что смысла особого в детальном знании алгоритмов оптимизации нет сейчас, лишь на уровне общих идей.
P.S. Говорят, что методы нужно знать, чтобы понимать границы применимости существующих программ...
В том-то и дело, что ему и границы применения не нужно знать, это как зверюга из Поиск решения Экселя, там три базовых алгоритма: проекция градиента для гладких задач, симплекс для линейного программирования и генетический алгоритм для дискретных нелинейных и он сам переходит между ними автоматически в зависимости от условий задачи, а дальше десятки эвристик ещё при реализации этих методов задействовано, которые позволяют методам адаптироваться под задачу... И все это он делает автоматически, нас не спрашивая... Не знаем мы точно что у него там под капотом запихнуто, так что и границы применения плохо представляем и знание методов нам не помогает... :)
Всякие наискорейшие спуски, сопряжённые градиенты, методы переменной метрики и эвристические симплекс с Хуком-Дживсом...
Но вот сейчас они реально практически не нужны, все уже реализовано и готово к использованию в соответствующем программном обеспечени , там адаптивные алгоритмы, комбинирующие одновременно много методов, а также эвристики, апробированные на тысячах задач... Лучше все равно не сделать, а если сделать, то на этом нужно специализироваться, с наскока вероятность получить что-то стоящие пренебрежимо мала... Так что смысла особого в детальном знании алгоритмов оптимизации нет сейчас, лишь на уровне общих идей.
P.S. Говорят, что методы нужно знать, чтобы понимать границы применимости существующих программ...
В том-то и дело, что ему и границы применения не нужно знать, это как зверюга из Поиск решения Экселя, там три базовых алгоритма: проекция градиента для гладких задач, симплекс для линейного программирования и генетический алгоритм для дискретных нелинейных и он сам переходит между ними автоматически в зависимости от условий задачи, а дальше десятки эвристик ещё при реализации этих методов задействовано, которые позволяют методам адаптироваться под задачу... И все это он делает автоматически, нас не спрашивая... Не знаем мы точно что у него там под капотом запихнуто, так что и границы применения плохо представляем и знание методов нам не помогает... :)
👍4🤯3
Стало интересно, чтобы было, если бы мы торговали на паре RUB/$ оптимальном образом в течение 1 года, при этом запрещены сделки чаще 1 раза в сутки, а спред (разница между ценой покупки и продажи) отсутствует.
Старт: 10000 RUB
Финиш: 18971.61 RUB
Прибыль: 8971.61 RUB
P.S. Взял другой год, где динамика была повеселее, но все равно не так и много получилось: Прибыль - 13608.48 RUB, это 136% годовых
Старт: 10000 RUB
Финиш: 18971.61 RUB
Прибыль: 8971.61 RUB
P.S. Взял другой год, где динамика была повеселее, но все равно не так и много получилось: Прибыль - 13608.48 RUB, это 136% годовых
🤔4
Мир как матрешка или каждый исследователь должен придумать свою теорию всего
QBox — это предложенная физиками из Университета Париж‑Сакле теоретическая модель, в которой квантовая механика не является фундаментом, а возникает как устойчивый режим более широкой структуры.
Классическая физика — приближение, возникающее из квантовой через декогеренцию.
Квантовая механика и теория относительности — более фундаментальны, могут быть эффективными теориями, а не последним уровнем.
QBox — гипотетический уровень ещё выше, где квантовые правила не заданы заранее, а появляются как устойчивый режим.
Классическая физика → квантовая/релятивистская → QBox
QBox говорит: квантовая механика — не фундамент, а результат гипердекогеренции.
Но чтобы это работало, авторам пришлось отказаться от:
фундаментальной причинности
однозначности purification
То есть на самом глубоком уровне:
причинность может быть не абсолютной;
одно и то же «глубинное состояние» может давать разные квантовые описания.
https://journals.aps.org/pra/abstract/10.1103/kmmy-3dy3
https://www.popularmechanics.com/science/a71286538/relaxing-a-2018-theory/?utm_source=copilot.com
QBox — это предложенная физиками из Университета Париж‑Сакле теоретическая модель, в которой квантовая механика не является фундаментом, а возникает как устойчивый режим более широкой структуры.
Классическая физика — приближение, возникающее из квантовой через декогеренцию.
Квантовая механика и теория относительности — более фундаментальны, могут быть эффективными теориями, а не последним уровнем.
QBox — гипотетический уровень ещё выше, где квантовые правила не заданы заранее, а появляются как устойчивый режим.
Классическая физика → квантовая/релятивистская → QBox
QBox говорит: квантовая механика — не фундамент, а результат гипердекогеренции.
Но чтобы это работало, авторам пришлось отказаться от:
фундаментальной причинности
однозначности purification
То есть на самом глубоком уровне:
причинность может быть не абсолютной;
одно и то же «глубинное состояние» может давать разные квантовые описания.
https://journals.aps.org/pra/abstract/10.1103/kmmy-3dy3
https://www.popularmechanics.com/science/a71286538/relaxing-a-2018-theory/?utm_source=copilot.com
Physical Review A
Decoherence to quantum theory from a causally indefinite post-quantum theory
We find a process satisfying the axioms of hyperdecoherence, which produces standard quantum theory from the theory of quantum boxes (higher-order quantum theory with the nonsignaling tensor product). This hyperdecoherence map evades the no-go theorem of…
🤯4
ArXiv заблокирует исследователей на год, если они будут публиковать некачественные материалы, созданные с помощью ИИ.
https://www.404media.co/new-arxiv-rules-ai-generated-papers-ban/
https://www.404media.co/new-arxiv-rules-ai-generated-papers-ban/
404 Media
ArXiv to Ban Researchers for a Year if They Submit AI Slop
The change comes as arXiv and others struggle to manage an influx of AI-generated materials masquerading as rigorous science.
🎉4🔥1🤔1
Это правда что Клод Шеннон по мимо всего прочего сколотил состояние на бирже?
Да, это абсолютная правда. «Отец цифровой эпохи» и создатель теории информации Клод Шеннон вместе со своей женой Бетти заработал на фондовом рынке внушительное многомиллионное состояние [1, 2].
С конца 1950-х годов по 1986 год доходность его личного инвестиционного портфеля составляла в среднем около 28% годовых. Для сравнения, доходность Уоррена Баффета за аналогичный 30-летний период составляла около 27%. Когда в 1986 году финансовое издание Barron's опубликовало результаты 1026 крупнейших взаимных фондов США, оказалось, что Шеннон обошел по доходности 1025 из них. Он управлял своими деньгами сам, прямо из дома, используя компьютер Apple II [3, 4, 5].
Как Шеннон зарабатывал на бирже
Вопреки ожиданиям, Шеннон не использовал сложные математические алгоритмы для предсказания цен. Его успех строился на трех столпах: [5, 6].
Фундаментальный анализ: Шеннон называл себя «фундаменталистом, а не технарем». Он полностью игнорировал графики и ценовые фигуры, считая их «шумом». Вместо этого он глубоко изучал доходы компаний, их продукт и качество руководства [5, 7, 8].
Ранние инвестиции в технологии: Он инвестировал в то, в чем отлично разбирался — в зарождающийся технологический сектор. Он стал ранним инвестором таких гигантов, как Teledyne, Hewlett-Packard и Motorola, и просто держал их акции десятилетиями, пока они росли в тысячи раз [9, 10].
«Демон Шеннона» (Ребалансировка): Шеннон математически доказал, что можно получать прибыль даже на абсолютно хаотичном рынке, активы которого не имеют долгосрочного тренда к росту. Метод заключался в поддержании строгого баланса (например, 50% акций и 50% наличных). При росте акций часть продавалась (фиксация прибыли в кэш), а при падении — докупалась на наличные. Этот алгоритмический возврат к пропорции генерировал доход «из воздуха» за счет рыночной волатильности [3, 6, 11, 12, 13, 14].
Казино и Уолл-стрит
Интерес Шеннона к легким деньгам начался еще до биржи. В 1961 году он вместе с математиком Эдвардом Торпом создал первый в мире носимый мини-компьютер для предсказания результатов на рулетке. Они успешно протестировали его в казино Лас-Вегаса и стабильно выигрывали. Позже они применили математическую «формулу Келли» (критерий оптимального размера ставки) к фондовому рынку. Торп на этом основании создал один из первых успешных хедж-фондов, а Шеннон — приумножил личный капитал [1, 2, 9, 15, 16, 17, 18] .
[1] https://www.theinvestorspodcast.com
[2] https://lan-portal.uob.edu.ly
[3] https://www.marketsentiment.co
[4] https://www.marketsentiment.co
[5] https://thesmartinvestor.com.sg
[6] https://www.morningstar.com.au
[7] https://www.deciphr.ai
[8] https://www.thegoodinvestors.sg
[9] https://www.winton.com
[10] https://finance.yahoo.com
[11] https://www.quora.com
[12] https://compoundingmyinterests.com
[13] https://tr8dr.wordpress.com
[14] https://www.richmondquant.com
[15] https://exhibits.lib.uci.edu
[16] https://www.facebook.com
[17] https://finance.yahoo.com
[18] https://www.morningstar.com.au
Да, это абсолютная правда. «Отец цифровой эпохи» и создатель теории информации Клод Шеннон вместе со своей женой Бетти заработал на фондовом рынке внушительное многомиллионное состояние [1, 2].
С конца 1950-х годов по 1986 год доходность его личного инвестиционного портфеля составляла в среднем около 28% годовых. Для сравнения, доходность Уоррена Баффета за аналогичный 30-летний период составляла около 27%. Когда в 1986 году финансовое издание Barron's опубликовало результаты 1026 крупнейших взаимных фондов США, оказалось, что Шеннон обошел по доходности 1025 из них. Он управлял своими деньгами сам, прямо из дома, используя компьютер Apple II [3, 4, 5].
Как Шеннон зарабатывал на бирже
Вопреки ожиданиям, Шеннон не использовал сложные математические алгоритмы для предсказания цен. Его успех строился на трех столпах: [5, 6].
Фундаментальный анализ: Шеннон называл себя «фундаменталистом, а не технарем». Он полностью игнорировал графики и ценовые фигуры, считая их «шумом». Вместо этого он глубоко изучал доходы компаний, их продукт и качество руководства [5, 7, 8].
Ранние инвестиции в технологии: Он инвестировал в то, в чем отлично разбирался — в зарождающийся технологический сектор. Он стал ранним инвестором таких гигантов, как Teledyne, Hewlett-Packard и Motorola, и просто держал их акции десятилетиями, пока они росли в тысячи раз [9, 10].
«Демон Шеннона» (Ребалансировка): Шеннон математически доказал, что можно получать прибыль даже на абсолютно хаотичном рынке, активы которого не имеют долгосрочного тренда к росту. Метод заключался в поддержании строгого баланса (например, 50% акций и 50% наличных). При росте акций часть продавалась (фиксация прибыли в кэш), а при падении — докупалась на наличные. Этот алгоритмический возврат к пропорции генерировал доход «из воздуха» за счет рыночной волатильности [3, 6, 11, 12, 13, 14].
Казино и Уолл-стрит
Интерес Шеннона к легким деньгам начался еще до биржи. В 1961 году он вместе с математиком Эдвардом Торпом создал первый в мире носимый мини-компьютер для предсказания результатов на рулетке. Они успешно протестировали его в казино Лас-Вегаса и стабильно выигрывали. Позже они применили математическую «формулу Келли» (критерий оптимального размера ставки) к фондовому рынку. Торп на этом основании создал один из первых успешных хедж-фондов, а Шеннон — приумножил личный капитал [1, 2, 9, 15, 16, 17, 18] .
[1] https://www.theinvestorspodcast.com
[2] https://lan-portal.uob.edu.ly
[3] https://www.marketsentiment.co
[4] https://www.marketsentiment.co
[5] https://thesmartinvestor.com.sg
[6] https://www.morningstar.com.au
[7] https://www.deciphr.ai
[8] https://www.thegoodinvestors.sg
[9] https://www.winton.com
[10] https://finance.yahoo.com
[11] https://www.quora.com
[12] https://compoundingmyinterests.com
[13] https://tr8dr.wordpress.com
[14] https://www.richmondquant.com
[15] https://exhibits.lib.uci.edu
[16] https://www.facebook.com
[17] https://finance.yahoo.com
[18] https://www.morningstar.com.au
The Investor's Podcast Network
Fortune’s Formula: The Scientific Betting System For Beating Wall Street
Shawn discusses the formula used by some of history’s best investors to systematically beat the market averages.
🔥6🤔2