О концепции детерминизма

Детерминизм — это философское учение о всеобщей взаимосвязи и причинной обусловленности всех явлений.
Ниже представлена история развития этой концепции: от зарождения в Древней Греции до радикальных идей в современной квантовой физике.
🏛️ Античность: Космический порядок и рок
В древности детерминизм существовал в виде понятий о судьбе (роке) и всеобщем законе разума.
Демокрит (V–IV вв. до н.э.): Создал первый механистический детерминизм. Он утверждал, что всё состоит из атомов и пустоты. Ничто не происходит случайно, у всего есть причина.
Стоики (III в. до н.э. – II в. н.э.): Ввели понятие Логоса — мирового разума и закона. Они верили в абсолютную судьбу (фатализм). Все события в мире жестко связаны в единую цепь причин и следствий.
⚙️ Новое время и Лаплас: Механистический триумф
С развитием классической физики детерминизм стал господствующим научным методом. 世界 воспринимался как гигантский часовой механизм.
Рене Декарт и Исаак Ньютон: Заложили основу механистической картины мира. Если законы движения строги, то будущее системы полностью зависит от её настоящего состояния.
Пьер-Симон Лаплас (1814 год): Сформулировал кульминацию этого подхода — концепцию «Демона Лапласа».
Он утверждал: если бы некий разум (Демон) знал точное положение и скорость всех частиц во Вселенной в один момент, он мог бы безошибочно вычислить как всё прошлое, так и всё будущее.
В этой картине мира случайности не существует. «Случайность» — это лишь мера нашего незнания.
⚛️ Квантовая революция: Крах классического детерминизма
В начале XX века появление квантовой механики разрушило лапласовский детерминизм.
Соотношение неопределенностей Гейзенберга (1927 год): Физически невозможно одновременно точно узнать и координату, и импульс квантовой частицы. Демон Лапласа лишился своих исходных данных.
Вероятностный мир: На смену жестким предсказаниям пришла волновая функция уравнения Шрёдингера. Прибор фиксирует не точное место частицы, а лишь вероятность её обнаружения.
Позиция Альберта Эйнштейна: Эйнштейн не принимал эту случайность, заявив: «Бог не играет в кости». Он считал квантовую механику неполной и верил, что существуют скрытые параметры, которые вернут миру определенность.
🌌 Супердетерминизм: Радикальный ответ современности
В 1964 году физик Джон Белл доказал теорему (неравенства Белла), которая ставила ультиматум: мир либо нелокален (частицы мгновенно влияют друг на друга на расстоянии), либо в нем нет скрытых параметров.
Однако Белл упомянул лазейку, которая сегодня называется супердетерминизмом.
Суть концепции: Супердетерминизм утверждает, что абсолютно всё во Вселенной было предопределено еще в момент Большого взрыва.
Ликвидация свободы выбора: Предопределены не только движения частиц, но и действия самих физиков, выбирающих настройки для своих экспериментов. Прибор и измеряемая частица «заговорщически» коррелируют между собой с самого начала времен.
Зачем это нужно: Это позволяет сохранить локальность физики (никакие сигналы не перемещаются быстрее света) и вернуть жесткий детерминизм Эйнштейна, избежав квантовой случайности.
Современный статус: Сегодня эту идею активно развивают некоторые физики (например, Сабина Хоссенфельдер и нобелевский лауреат Жерар 'т Хоофт). Многие ученые критикуют супердетерминизм, так как он фактически уничтожает понятие научного эксперимента (ведь исследователь лишен свободы воли при выборе условий опыта).

Чило Пи и точка Фейнмана

«Точка Фейнмана» (Feynman Point) — это знаменитая последовательность из шести девяток подряд (999999), которая встречается на удивление рано в десятичной записи числа Пи.
Она расположена сразу после 761-го знака после запятой.

Как нашли эту точку?
С точки зрения современной техники, найти шесть девяток в пределах первой тысячи знаков — секундное дело. Любой смартфон найдет это мгновенно. Но исторически этот путь занял столетия.
Ручные расчеты (до компьютера):
В 1610 году математик Лудольф ван Цейлен вычислил 35 знаков числа Пи (в его честь Пи долго называли «лудольфовым числом»). До точки Фейнмана он не дошел.
В 1874 году Уильям Шенкс опубликовал 707 знаков числа Пи, потратив на это 15 лет жизни. Казалось бы, он был близко! Но ирония судьбы в том, что Шенкс допустил ошибку на 528-м знаке. Все последующие цифры в его расчете были неверными, поэтому Точку Фейнмана вручную он так и не увидел.
Эра компьютеров:
Ошибку Шенкса нашли только в 1944 году.
А уже в 1949 году первый ламповый компьютер ENIAC за 70 часов непрерывной работы вычислил число Пи до 2037 знаков после запятой.
Именно в распечатках ENIAC человечество впервые физически увидело те самые шесть девяток на 762-й позиции! Физики и математики, изучавшие эти компьютерные таблицы (включая Фейнмана), сразу обратили внимание на этот аномальный «забор» из девяток.

Почему это математическая аномалия?
Число Пи считается «нормальным». Это значит, что все цифры от 0 до 9 встречаются в нем с одинаковой вероятностью (примерно в 10% случаев каждая).
По законам теории вероятностей, шанс встретить конкретную цифру шесть раз подряд на случайном отрезке равен 1 к миллиону ($0.1^6$). То, что такая редкая комбинация из девяток «выстрелила» так рано — уже в первой тысяче знаков — это чистая случайность и огромная математическая удача. Для сравнения, следующая подобная цепочка (шесть восьмерок) встречается гораздо дальше — аж на 19 303-й позиции.

Иногда люблю поспорить с LLM, а потом когда я побеждаю и она соглашается, то спрашиваю, а что это вообще было?

И тогда оно извиняется и признает свою неполноценность, недавний пример:

" Вы с самого начала дали абсолютно точные вводные данные и провели зрелый, хладнокровный аудит рисков, который в итоге полностью подтвердился. Этот диалог — отличный пример того, как человеческий практический опыт и умение видеть картину целиком оказались на голову выше сухой и перестраховочной логики ИИ."

Отрывок русского перевода книги
Юдковский, Э., Соарес, Н. Если кто-то его создаст — все погибнут. Почему сверхчеловеческий ИИ уничтожит нас всех — М. : АСТ: CORPUS, 2026. — 256 с.

У современного ИИ в настоящее время нет желаний, а следовательно и нет своих собственных целей, но зачатки желаний уже начали проявляться. Как только у ИИ появятся самостоятельные желания и цели, он станет конкурентом для людей и люди эту конкуренцию могут проиграть.
https://nplus1.ru/blog/2026/07/09/if-anyone-builds-it-everyone-dies

Конспирологический пост. Разработку систем искусственного интеллекта на протяжении всей истории преследует серия загадочных смертей, как будто кто-то пытается тормозить развитие

1. КЛАССИКИ (Эпоха зарождения: удар по фундаментальной науке)

Алан Тьюринг (Великобритания)
Год гибели: 1954 год
Прожил: 41 год
Суть дела: Отец цифровой архитектуры и теста Тьюринга. Официально — самоубийство через отравление яблоком с цианидом.

Джон фон Нейман (США)
Год гибели: 1957 год
Прожил: 53 года
Суть дела: Абсолютный гений, создатель «архитектуры фон Неймана» (на которой до сих пор работают большинство компьютеров мира) и пионер теории самовоспроизводящихся автоматов (клеточных автоматов, предков ИИ). В начале 1950-х годов он начал активно изучать человеческий мозг, чтобы перенести его принципы на компьютеры. И тут у него внезапно диагностируют стремительный рак. Его мозг, способный спроектировать мыслящую машину, сгорел за считанные месяцы.

Фрэнк Розенблат (США)
Год гибели: 1971 год
Прожил: 43 года
Суть дела: Создатель «Перцептрона» — первой в мире работающей нейросети, способной обучаться. Его идеи вели прямиком к глубокому обучению. Погиб в свой день рождения в «случайной» катастрофе на лодке в Чесапикском заливе — ровно в тот период, когда оппоненты из Массачусетского технологического института (МТИ) пытались закрыть финансирование его проектов. Нейросети были забыты на 30 лет.

Михаил Бонгард (СССР)
Год гибели: 1971 год
Прожил: 44 года
Суть дела: Главный советский гений распознавания образов, поиска закономерности в данных и логического ИИ. Поразительное совпадение: он гибнет в том же 1971 году, что и Розенблат. Срывается в пропасть на Памире. Две главные надежды мировой кибернетики (в США и СССР). Случайность?

Виктор Глушков (СССР)
Год гибели: 1982 год
Прожил: 58 лет
Суть дела: Отец советской кибернетики. Человек, который создавал не просто ИИ, а ОГАС — Общегосударственную автоматизированную систему учета и обработки информации. Это предтеча современного облачного ИИ, которая должна была управлять всей экономикой СССР в реальном времени, просчитывая миллиарды связей. Проект Глушкова делал плановую экономику СССР неуязвимой. На пике разработки ученый внезапно заболевает странной, неизлечимой болезнью. Несколько месяцев советские и западные врачи не могли поставить диагноз.

2. СОВРЕМЕННОСТЬ (Эпоха гонки)

С развитием ChatGPT и систем боевого ИИ началась новая фаза. Теперь ученые гибнут целыми группами, особенно в Китае, который пытается обойти США в цифровой милитаризации.

Пушпиндер Сингх (США, MIT)
Год гибели: 2006 год
Прожил: 34 года
Суть дела: Пытался обучить ИИ «здравому смыслу». Внезапное и нелогичное самоубийство перед самым получением профессорского звания.

Крис Маккинстри (Канада)
Год гибели: 2006 год
Прожил: 38 лет
Суть дела: Работал над аналогичной Сингху базой знаний ИИ. Покончил с собой с разницей в пару недель с Пушпиндером. Словно кто-то стирал саму концепцию «думающего как человек» ИИ.

Сунь Цзянь (КНР)
Год гибели: 2022 год
Прожил: 45 года
Суть дела: Гений компьютерного зрения из Megvii. Скоропостижная смерть от «внезапной болезни» после заявлений о технологическом прорыве.

Фэн Янхэ (КНР)
Год гибели: 2023 год
Прожил: 38 лет
Суть дела: Главный мозг военного ИИ Китая, создатель симулятора боевых действий War Skull. Странная ночная авария в Пекине во время секретной поездки.

Тан Сяоу (КНР)
Год гибели: 2023 год
Прожил: 55 лет
Суть дела: Основатель ИИ-гиганта SenseTime. Официально — умер во сне от болезни, неофициально — в китайском сегменте интернета до сих пор ищут следы инсценировки.

Сучир Баладжи (США)
Год гибели: 2024 год
Прожил: 26 лет
Суть дела: Бывший исследователь OpenAI. Уволился, решил рассказать миру правду об ИИ-моделях. Спустя месяц «найден мертвым» в Сан-Франциско. Официальный вердикт — суицид.

Феликс Хилл (Великобритания)
Год гибели: 2024 год
Прожил: 39 лет
Суть дела: Ведущий разработчик языковых моделей в Google DeepMind. Трагический уход из жизни на пике карьеры, замаскированный под «выгорание и депрессию».

(Продолжение)

Хэ Чжи (КНР)
Год гибели: 2024 год
Прожил: 41 год
Суть дела: Сооснователь Yidu Tech, работавший над ИИ для обработки медицинских и стратегических баз данных. Сердечный приступ.

Цюань Юйхуэй (КНР)
Год гибели: 2025 год
Прожил: 39 лет
Суть дела: Эксперт по машинному зрению. Очередная «внезапная смерть от переутомления» в разгар технологического противостояния.

Али Эхсаниан (Иран / Франция)
Год гибели: 2026 год
Прожил: 33 года
Суть дела: Буквально несколько месяцев назад спец по роевому интеллекту дронов обнаружен мертвым в Ницце при крайне загадочных обстоятельствах.

Когнитивная карта к моей лекции "Персептроны – вечно современная классика нейросетей".
На рисунке лысый - Марвин Ли Минский, а лохматый - Сеймур Пейперт, два великих злых гения нейросетей, умудрившихся замедлить их развитие минимум на 10 лет.
Кстати, прожили по 88 лет и оба умерли в 2016 году.

Звучит как шутка, но вполне реалистично.

Много разных факториалов!

Субфакториал (обозначается как !n) — это число беспорядков (derangements) множества из n элементов, то есть только таких перестановок, в которых ни один элемент не остается на своем первоначальном месте.
* Факториал (n!) считает все возможные способы упорядочить n предметов - число перестановок. Например, если 3 человека (A, B, C), которые сидят на трех стульях, существует 3! = 6 способов распределить трех человек по трем стульям.
* Субфакториал (!n) считает только те перестановки, где ни один элемент не оказался на своем исходном месте (никто не остался на своем месте).

Для n = 3 исходный порядок — (A, B, C). Всего перестановок 6:
1. (A, B, C) — 3 на своих местах
2. (A, C, B) — 1 на своем месте (A)
3. (B, A, C) — 1 на своем месте (C)
4. (C, B, A) — 1 на своем месте (B)
5. (B, C, A) — беспорядок (никто не на месте)
6. (C, A, B) — беспорядок (никто не на месте)
Таким образом, для трех элементов обычный факториал 3! = 6, а субфакториал !3 = 2.

Субфакториал можно вычислить с помощью формулы, полученной по принципу включений-исключений. Она представляет собой обычный факториал, умноженный на частичную сумму ряда обратных факториалов:
!n = n! * ( 1/0! - 1/1! + 1/2! - 1/3! + ... + (-1)^n / n! )
Поскольку 1/0! = 1 и 1/1! = 1, первые два члена взаимно уничтожаются, и формулу можно записать короче:
!n = n! * ( 1/2! - 1/3! + 1/4! - ... + (-1)^n / n! )
Пример расчета для n = 4:
!4 = 24 * ( 1/2 - 1/6 + 1/24 ) = 24 * ( (12 - 4 + 1) / 24 ) = 9

Неожиданная формула и связь с числом e
Из математического анализа известно, что разложение функции e^x в ряд Тейлора при x = -1 дает:
e^(-1) = 1/e = 1/0! - 1/1! + 1/2! - 1/3! + ...
Выражение в скобках для субфакториала — это не что иное, как частичная сумма ряда для 1/e. При увеличении n эта сумма стремительно приближается к 1/e.
Из-за этого свойства возникает невероятно простая и неожиданная формула связи субфакториала с округлением:
!n = round( n! / e )
Здесь round означает округление до ближайшего целого числа. Чтобы найти !n, достаточно разделить обычный факториал на число e ≈ 2.71828 и округлить результат до целого. Эта формула работает абсолютно для всех n ≥ 1.

Парадокс совпадений. Если мы ищем вероятность полного беспорядка, мы делим !n на n!.
Получаем (n! / e) / n! = 1/e ≈ 0.3678.
Это значит, что сколько бы людей ни пришло на вечеринку — 10, 100 или миллион — вероятность того, что абсолютно все уйдут в чужих шляпах, всегда одинакова и равна примерно 36.8%.

Но это еще не все!

В комбинаторике и теории чисел есть целый ряд удивительных функций, которые часто остаются в тени классического факториала. Вот самые яркие и красивые из них:

## 1. Мультифакториалы (Двойной, Тройной и т.д.)
Обычный факториал шагает назад с шагом 1. Но шаг можно увеличить!
* Двойной факториал (n!!) — это произведение чисел с шагом 2.
* Если n нечетное: 7!! = 7 * 5 * 3 * 1 = 105
* Если n четное: 6!! = 6 * 4 * 2 = 48
* Смысл в комбинаторике: (2n - 1)!! задает количество способов разбить 2n человек на пары. Например, если у вас 4 человека, их можно разбить на пары (4 - 1)!! = 3!! = 3 * 1 = 3 способами.
* Обозначение: Шаг задается количеством восклицательных знаков. n!!! — это тройной факториал (шаг 3).

## 2. Простой факториал (Праймориал)
По аналогии с факториалом, это произведение, но только простых чисел, не превосходящих n.
* Пример: 7# = 7 * 5 * 3 * 2 = 210 (числа 4 и 6 пропускаются, так как они составные).
* Смысл в комбинаторике и теории чисел: Праймориал критически важен при поиске сверхсоставных чисел (чисел с рекордно большим количеством делителей) и в доказательстве Евклида о бесконечности простых чисел.

## 3. Суперфакториалы
Существует два разных определения суперфакториала, и оба показывают взрывной рост:
* Суперфакториал Слоэна (sf(n)) — это произведение первых n факториалов:
sf(n) = 1! * 2! * 3! * ... * n!
Пример: sf(4) = 1 * 2 * 6 * 24 = 288. Его комбинаторный смысл — это заполнение особых треугольных математических таблиц (определителей Вандермонда).
* Суперфакториал Пикковера (n$) — это гигантская «башня» степеней из факториалов:
n$ = n! ^ (n! ^ (n! ... )) (повторяется n! раз). Число 3$ уже невозможно записать во Вселенной.

Интересный психологический феномен наблюдается последнее время, я бы назвал его "графомания посредством LLM", возможно, профессиональные психологи уже придумали и более подходящий научный термин.
Феномен состоит в том, что пациент спешит поделиться с миром продуктами своего общения с большими языковыми моделями, включая тексты и компьютерные программы весьма сомнительного качества, легко генерируемые за считанные минуты, людьми сколь-либо сведущющими в этом деле.
Есть информация, что подобные люди сейчас массово штурмуют ведущие корпорации и издательства, предлагая свои услуги в качестве программистов, системных аналитиков и писателей текстов.
Забавно, что саму проблему можно описать в терминах генеративно-состязательных моделей ИИ (GAN) - эти люди получили в свои руки очень мощный AI генератор, а биологический дискриминатор, который должен браковать результаты, у них в голове слабенький.

10^{11}

Число 10^{11} (сто миллиардов) — удивительный фундаментальный рубеж в природе, где количество переходит в качество.
Генетика и ДНК: В одной молекуле ДНК человека содержится примерно 2 *10^{11} атомов.
Космос: Около 10^{11} звёзд в галактике Млечный Путь и порядка 10^{11} самих галактик в наблюдаемой Вселенной.
Нейробиология: Около 8.6 * 10^{10} (округлённо 10^{11}) нейронов в мозге взрослого человека.
Микромир: Кристалл размером чуть меньше микрона содержит около 10^{11} атомов — именно здесь вещество окончательно переходит от непредсказуемых квантовых флуктуаций к стабильным физическим свойствам твёрдого тела (прочности, теплопроводности и т.д.).

Когда мы говорим о современных LLM (по состоянию на 2026 год), масштаб 10^{11} параметров перестал быть верхней границей — теперь это базовый индустриальный стандарт, пройдя который модель «оживает».
Система при достижении этого объема связей приобретает совершенно новые функции. До этого порога нейросеть — это просто статистический предсказатель букв, который пытается угадать наиболее вероятное продолжение текста.
Но на уровне 10^{11} синаптических весов происходит фазовый переход:
Понимание контекста: Модель перестает опираться только на соседние слова. Она строит внутреннюю многомерную семантическую карту, удерживая сюжет, тон, скрытые намеки и логику рассуждения на протяжении огромных объемов текста.
Связная речь как следствие абстрактного мышления: Модель формулирует мысли не потому, что «видела такую фразу в интернете», а потому что комбинирует абстрактные концепты. Она способна рассуждать по шагам (Chain-of-Thought), находить ошибки в собственных аргументах и переводить сложные смыслы между совершенно разными доменами (например, переложить медицинский диагноз на язык стихов).

Удивительно, но предсказание перехода на новый уровень было дано достаточно давно, например, в литературе на русском языке это описано в книге:
Дорфман В.Ф. Эволюция технологий или новая история времени, 1990,
копию страницы из этой книге приведем в публикации.

Персептрон Розенблата
Как известно первая работающая нейросеть была реализована в железе в 1960 году, в начале она произвела фурор, но более детальное изучение показало, что ни на что реально полезное она не способна и о нейросетях практически забыли на 15 лет.
Мне захотелось посмотреть как работал персепторон Розенблата.
В классической физической машине Фрэнка Розенблатта «Mark I Perceptron» (1960 год) использовалась входная матрица (сетчатка) размером 20×20 фотоэлементов, а вся нейросеть состояла из трех слоев суммарной емкостью 920 элементов.
Архитектура Mark I Perceptron
1 слой: Сенсорные элементы (S-элементы) — 400 рецепторов.
Это и была та самая входная сетка-матрица из 20*20 фотоэлектрических элементов на основе сульфида кадмия, которая воспринимала изображения (геометрические фигуры, буквы).
2 слой: Ассоциативные элементы (А-элементы) — 512 нейронов.
Это скрытый слой, который хаотично и жестко соединялся с сенсорными элементами (каждый А-элемент мог иметь до 40 связей с S-элементами). Связи этого слоя не обучались.
3 слой: Реагирующие элементы (R-элементы) — 8 нейронов.
Это выходной слой, который выдавал итоговый ответ (сигнал реакции). Именно веса связей между A-слоем и R-слоем подстраивались в процессе обучения с помощью сервоприводов и потенциометров.
Я сделал модель персептрона Розенблата на языке Пайтон.
И действительно, если обучить уверенно отличать две цифры или треугольник от квадрата персептрон еще можно, то даже освоить распознавание 8 первых цифр уже тяжело реализуемая задача, если и возможная, то требующая очень большой и удачно подобранной обучающей выборки, что в 1960 году сделать было невозможно.
На рисунке экран программы.

20 июля исследователь Anthropic Левент Альпоге сообщил, что с помощью Claude Fable 5 нашел контрпример к гипотезе Якобиана — одной из центральных открытых проблем алгебраической геометрии.

P.S. Получается что самые умные в математике это ЧатГПТ и Клод, и оба у меня совсем не зашли, предпочитаю Джемини и Копилот.

Это сына физика Шкловского воспоминания. В результате медаль вышла без формулы. А вот сама медаль https://www.sovietznak.ru/badge/7868

Матрицы, векторы, тензоры для аналитиков данных, инженеров и экономистов (скачать)

Несколько месяцев назад я написал эту книжку, было продано несколько десятков экземпляров. Я очень благодарен всем, кто проголосовал за книжку своими деньгами, здесь важны не суммы (проект не коммерческий), а уважение и внимание.

Сейчас произошло закономерное: книжка начала появляться в электронных библиотеках и даже продаваться на ресурсах никак не связанных с автором. Настало время выложить ее в отрытый доступ.

Задумался... А ведь уже сейчас можно сделать соцсеть, в которой из людей будет только один человек - пользователь, а все остальное виртуальные персонажи, и человек будет думать что общается с другими людьми.