Forwarded from Искусственный интеллект. Высокие технологии
🚨 Теренс Тао и ещё 24 лауреата Филдсовской премии выступили против того, как AI-компании используют математику
25 ведущих математиков подписали декларацию A Severe Misalignment of AI in Mathematics.
Их главный тезис: превращать сложнейшие открытые задачи в очередной benchmark для моделей — опасный путь.
Что их беспокоит:
- AI-решения публикуются слишком быстро
- не хватает времени на полноценную проверку и нормальное изложение доказательств
- новые идеи и методы не успевают отделить от уже существующих работ
- возникают серьёзные вопросы атрибуции и плагиата
- поток «решено / не решено» может вытеснить главное — понимание того, почему математика вообще работает
Авторы прямо пишут:
> «Мы наблюдаем общую угрозу интеллектуальному труду».
Они не отрицают резкий прогресс LLM в математике. Наоборот — признают, что модели уже способны решать крупные открытые проблемы.
Но для математиков ценность задачи не только в финальном доказательстве. Важны новые идеи, объяснения, обсуждение, обучение следующего поколения и корректная связь с предыдущими работами.
Поэтому конфликт целей становится всё заметнее:
Декларацию подписали Теренс Тао, Питер Шольце, Марина Вязовская, Седрик Виллани, Максим Концевич и ещё 20 лауреатов Филдсовской премии.
https://terrytao.wordpress.com/2026/09/11/a-severe-misalignment-of-ai-in-mathematics/
@vistehno
25 ведущих математиков подписали декларацию A Severe Misalignment of AI in Mathematics.
Их главный тезис: превращать сложнейшие открытые задачи в очередной benchmark для моделей — опасный путь.
Что их беспокоит:
- AI-решения публикуются слишком быстро
- не хватает времени на полноценную проверку и нормальное изложение доказательств
- новые идеи и методы не успевают отделить от уже существующих работ
- возникают серьёзные вопросы атрибуции и плагиата
- поток «решено / не решено» может вытеснить главное — понимание того, почему математика вообще работает
Авторы прямо пишут:
> «Мы наблюдаем общую угрозу интеллектуальному труду».
Они не отрицают резкий прогресс LLM в математике. Наоборот — признают, что модели уже способны решать крупные открытые проблемы.
Но для математиков ценность задачи не только в финальном доказательстве. Важны новые идеи, объяснения, обсуждение, обучение следующего поколения и корректная связь с предыдущими работами.
Поэтому конфликт целей становится всё заметнее:
AI-лаборатории → решить быстрее и показать capabilityматематическое сообщество → понять, проверить, объяснить и встроить результат в наукуДекларацию подписали Теренс Тао, Питер Шольце, Марина Вязовская, Седрик Виллани, Максим Концевич и ещё 20 лауреатов Филдсовской премии.
https://terrytao.wordpress.com/2026/09/11/a-severe-misalignment-of-ai-in-mathematics/
@vistehno
❤16👍12❤🔥6👎2🔥2
🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.
👍5❤4🔥2
📘 Бесплатная книга по выпуклой оптимизации
Convex Optimization: Algorithms and Complexity Себастьена Бюбека - разбор алгоритмов оптимизации, их сходимости и вычислительной сложности.
Внутри:
* градиентный спуск и ускоренные методы;
* Frank–Wolfe и зеркальный спуск;
* проксимальные методы и FISTA;
* методы внутренней точки;
* стохастический градиентный спуск, мини-батчи и координатный спуск.
Для тех, кто хочет понять, почему алгоритмы сходятся и сколько вычислений нужно для заданной точности. Материал на английском, с математическими доказательствами и связями с машинным обучением.
https://arxiv.org/pdf/1405.4980
#Математика #Алгоритмы #MachineLearning
Convex Optimization: Algorithms and Complexity Себастьена Бюбека - разбор алгоритмов оптимизации, их сходимости и вычислительной сложности.
Внутри:
* градиентный спуск и ускоренные методы;
* Frank–Wolfe и зеркальный спуск;
* проксимальные методы и FISTA;
* методы внутренней точки;
* стохастический градиентный спуск, мини-батчи и координатный спуск.
Для тех, кто хочет понять, почему алгоритмы сходятся и сколько вычислений нужно для заданной точности. Материал на английском, с математическими доказательствами и связями с машинным обучением.
https://arxiv.org/pdf/1405.4980
#Математика #Алгоритмы #MachineLearning
❤8👍3
🧠 Одна формула, которая объясняет идею гомоморфизма:
Смысл простой: можно сначала выполнить операцию в исходной структуре, а потом применить отображение
Или сначала перенести
Результат должен быть одинаковым.
Именно это означает, что отображение сохраняет алгебраическую структуру.
Та же идея работает для групп, колец, алгебр и других структур.
А если
Красивая идея: не важно, как выглядят элементы — важно, сохраняются ли отношения и операции между ними.
φ(a ∗ b) = φ(a) ∘ φ(b)Смысл простой: можно сначала выполнить операцию в исходной структуре, а потом применить отображение
φ.Или сначала перенести
a и b через φ, а затем выполнить соответствующую операцию уже в целевой структуре.Результат должен быть одинаковым.
Именно это означает, что отображение сохраняет алгебраическую структуру.
Та же идея работает для групп, колец, алгебр и других структур.
А если
φ ещё и биективно, получаем изоморфизм: с точки зрения алгебры структуры фактически одинаковы, просто записаны по-разному.Красивая идея: не важно, как выглядят элементы — важно, сохраняются ли отношения и операции между ними.
❤13👏3👍1
VisualGenAI — курс по генеративным моделям в компьютерном зрении, который идёт в ногу с передним краем генеративного ИИ. Его автор — Дмитрий Баранчук из Школы анализа данных.
Студенты изучают диффузионные и гибридные модели, авторегрессионную, мультимодальную и 3D-генерацию, а в домашках работают с технологиями из свежих научных статей — то есть с тем, что ещё только появляется. И главное — материалы лежат в открытом доступе на GitHub, так что проходить его можно и вне ШАДа.
За этот курс Дмитрий Баранчук получил Yandex ML Prize — премию для преподавателей и руководителей образовательных программ, которые готовят ИИ-специалистов. Всего премию получили восемь лауреатов — их отобрали из 400 заявок.
Студенты изучают диффузионные и гибридные модели, авторегрессионную, мультимодальную и 3D-генерацию, а в домашках работают с технологиями из свежих научных статей — то есть с тем, что ещё только появляется. И главное — материалы лежат в открытом доступе на GitHub, так что проходить его можно и вне ШАДа.
За этот курс Дмитрий Баранчук получил Yandex ML Prize — премию для преподавателей и руководителей образовательных программ, которые готовят ИИ-специалистов. Всего премию получили восемь лауреатов — их отобрали из 400 заявок.
❤🔥5❤3👍3🔥1
OpenAI близка к решению ещё одной задачи тысячелетия — гипотезы Ходжа, сообщает The Information.
Гипотеза пытается связать сложную геометрию многомерных пространств с более простыми алгебраическими объектами. Она остаётся нерешённой с 1950 года, а за доказательство назначена премия $1 млн.
Ранее OpenAI заявила о решении задачи Навье - Стокса. Теперь компания сообщила о «существенном прогрессе» над следующей проблемой, но может отложить публикацию из-за конфликта с математическим сообществом вокруг авторства и прозрачности предыдущей работы.
Пока доказательство гипотезы Ходжа не опубликовано и не прошло независимую проверку — речь идёт о сообщении источников, а не о признанном решении.
https://www.theinformation.com/newsletters/ai-agenda/openai-close-solving-another-millennium-prize-math-problem?
Гипотеза пытается связать сложную геометрию многомерных пространств с более простыми алгебраическими объектами. Она остаётся нерешённой с 1950 года, а за доказательство назначена премия $1 млн.
Ранее OpenAI заявила о решении задачи Навье - Стокса. Теперь компания сообщила о «существенном прогрессе» над следующей проблемой, но может отложить публикацию из-за конфликта с математическим сообществом вокруг авторства и прозрачности предыдущей работы.
Пока доказательство гипотезы Ходжа не опубликовано и не прошло независимую проверку — речь идёт о сообщении источников, а не о признанном решении.
https://www.theinformation.com/newsletters/ai-agenda/openai-close-solving-another-millennium-prize-math-problem?
😁11❤3🔥1
Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать
Найдем ответ на бесплатной конференции 8 октября
Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве.
На повестке:
🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов.
🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ.
🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей.
Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции.
Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас →
Реклама. АО "Селектел". erid:2W5zFFzm7cD
Найдем ответ на бесплатной конференции 8 октября
Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве.
На повестке:
🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов.
🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ.
🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей.
Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции.
Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас →
Реклама. АО "Селектел". erid:2W5zFFzm7cD
❤1
🚨 DeepSeek обучает модель на 2 трлн параметров и планирует следующую на 8 трлн
Для сравнения:
• Kimi K3: 2,8 трлн параметров
• DeepSeek V4 Pro: 1,6 трлн
• новая модель DeepSeek: 2 трлн
• будущая модель: до 8 трлн
Главная ставка компании заключается в переходе на китайские ускорители. DeepSeek ожидает новые обучающие чипы Huawei в IV квартале 2026 года или I квартале 2027 года.
По данным The Information, глава DeepSeek Лян Вэньфэн заявил инвесторам, что обучение на отечественных чипах «должно сработать».
Пока это планы, раскрытые на встрече с инвесторами, а не официальный релиз модели. Но направление понятно: DeepSeek хочет масштабировать модели и одновременно избавиться от зависимости от Nvidia.
https://www.theinformation.com/articles/deepseek-bets-big-huawei-chips-bypass-u-s-export-controls/
Для сравнения:
• Kimi K3: 2,8 трлн параметров
• DeepSeek V4 Pro: 1,6 трлн
• новая модель DeepSeek: 2 трлн
• будущая модель: до 8 трлн
Главная ставка компании заключается в переходе на китайские ускорители. DeepSeek ожидает новые обучающие чипы Huawei в IV квартале 2026 года или I квартале 2027 года.
По данным The Information, глава DeepSeek Лян Вэньфэн заявил инвесторам, что обучение на отечественных чипах «должно сработать».
Пока это планы, раскрытые на встрече с инвесторами, а не официальный релиз модели. Но направление понятно: DeepSeek хочет масштабировать модели и одновременно избавиться от зависимости от Nvidia.
https://www.theinformation.com/articles/deepseek-bets-big-huawei-chips-bypass-u-s-export-controls/
🔥12
Почему универсального ML-алгоритма не существует?
Теорема No Free Lunch утверждает: если усреднить качество алгоритмов по всем возможным задачам, ни один из них не окажется лучше остальных. Преимущество появляется только вместе с предположениями о структуре конкретных данных.
В канале «Зачем мне эта математика?» разобрали, как это связано с индуктивным смещением, колмогоровской сложностью и архитектурами нейросетей. Почему CNN хорошо работают с изображениями, откуда берётся сила трансформеров и как ограничения модели становятся её преимуществом.
Подписывайтесь на канал и читайте больше историй на стыке математики и технологий.
Теорема No Free Lunch утверждает: если усреднить качество алгоритмов по всем возможным задачам, ни один из них не окажется лучше остальных. Преимущество появляется только вместе с предположениями о структуре конкретных данных.
В канале «Зачем мне эта математика?» разобрали, как это связано с индуктивным смещением, колмогоровской сложностью и архитектурами нейросетей. Почему CNN хорошо работают с изображениями, откуда берётся сила трансформеров и как ограничения модели становятся её преимуществом.
Подписывайтесь на канал и читайте больше историй на стыке математики и технологий.
👍5❤1🔥1
Forwarded from Machinelearning
OpenAI добавила в свою образовательную платформу курсы для разработчиков, руководителей, преподавателей и студентов вузов.
Вместе с уже существовавшим направлением Apply AI at Work каталог теперь разделён на четыре трека по ролям, всего 14 курсов.
Каждый курс заканчивается экзаменом из 10–20 вопросов, которые случайно выбираются из банка в 50 заданий.
Кто наберёт минимум 80%, получает ачивку OpenAI Academy, которую выдаёт и хранит платформа Accredible. За все курсы и экзамены трека, где это предусмотрено, выдают сертификат об окончании.
Ни цифровая ачивка, ни сертификат не считаются профессиональной сертификацией.
При провале экзамен можно пересдать с новым набором вопросов, а сам курс можно просто пройти без сдачи экзамена.
Для компаний есть руководство по внедрению курсов - как представить их сотрудникам, вовлечь руководителей и отслеживать прогресс.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥2🥰1