Вам или вашим детям сейчас от 13 до 28лет??? Значит вы знаете кто такие зуммеры и можете
👍подтвердить
или
👎опровергнуть, поспорить
с фактами и выводами изложенными в заметке ниже и в исходной статье 👇

🚩 бонус-сюрприз 🏆- самым внимательным, заинтересованным, и кто задаст в комментах вопросы

Итак некоторое саммари из статьи 🤓

💎Есть наблюдение что зумеры способны выполнять несколько задач одновременно, но делают их неэффективно
→ предлагается что их нужно научить сочетать многозадачность с качеством
→ потому что их навык параллельных действий (аналог «Юлия Цезаря») — уникальное преимущество, но без глубинной проработки задач он теряет ценность.

ПРИМЕР
Как отметил в статье Аузан, студенты сравнивают себя с «уткой», которая «ходит, летает и плавает, но всё плохо». Решение — развивать умение доводить дела до высокого уровня, сохраняя многозадачность.

💎 Аузан пишет что зумеры страдают от дефицита воображения и памяти
→ и предполагает что необходимо создавать «тренировки» для этих навыков
→ потому что их мышление формируется в условиях цифровой среды (память «вынесена в гаджеты», а воображение ограничено видеоформатом).

ПРИМЕР:
Аузан предлагает аналог спорта для мозга — развивающие игры, как

футбол и бокс когда-то спасли физическую форму человечества в эпоху механизации и автоматизации

Также ключевыми качествами для конкуренции зумеров (и не только) с ИИ он называет:
- интуицию ,
- эмпатию и
- воображение ,
которые невоспроизводимы машинами.

ИТОГ
Зумеры — поколение с уникальными возможностями (многозадачность), но им критически важно преодолеть зависимость от технологий в когнитивной сфере. Решения лежат в области образования (качественная глубина задач) и создания новых методов развития «человеческих» навыков, чтобы сохранить конкурентоспособность в эпоху ИИ.

Варианты методов ниже в итогах статьи.

полностьюе см.
Аузан назвал две проблемы российских зумеров и пути их решения. Анализ по статье РБК.Эксклюзив

====================
Да прибудет с нами к нам сила 💪 в быстро изменяющемся мире
ваш канал про цифровуюЕДУ : DigitalEDU
====================

⚡️ Microsoft взорвала науку: топопроводники и квантовый чип, который изменит твою жизнь через 5 лет

Представь: есть четыре состояния материи — твёрдое, жидкое, газ, плазма. Microsoft добавила пятое — топологическое! Это как открыть новую главу в учебнике физики, но в реальности. Компания 20 лет билась над топопроводниками — материалами, которые позволяют создавать суперстабильные кубиты (основу квантовых компьютеров). Итог — чип Majorana 1 размером с ладонь, который уже работает.

Что это значит для тебя?
➖ Квантовый прорыв за пару лет, а не веков. Раньше думали, что мощные квантовые компьютеры появятся через десятилетия. Теперь Microsoft заявляет: жди через 5–7 лет. Их чип сможет масштабироваться до миллиона кубитов — это как собрать все существующие компьютеры в один.
➖ Решаем нерешаемое. Современным суперкомпьютерам нужны тысячелетия, чтобы разложить микропластик на безопасные компоненты или создать самовосстанавливающиеся материалы. С Majorana 1 такие задачи станут рутиной.
➖ Безопасность и технологии. Взлом шифрования? Теперь это возможно, но Microsoft обещает, что их технология и защитит данные лучше. А ещё — ускорение ИИ, разработка лекарств, оптимизация транспорта... Всё это станет реальным к 2030 году.

Как изменится твоя жизнь к 2030?
☘️ Экология. Чипы помогут быстро очистить планету от микропластика — ты увидишь это своими глазами.

📱 Гаджеты. Смартфоны с квантовыми чипами? Возможно, они будут решать задачи, которые сейчас под силу только серверам. Пока до этого далеко - все квантовые вычислители работают при температурах около 0K или -273C

🧑‍🎓Образование. Учить квантовую физику станет проще — появятся симуляторы в VR, а нейросети-репетиторы объяснят сложное за минуты. И кстати МГУ вполне на квантовом уровне!

⛏ Работа. Появятся новые профессии: «квантовый дизайнер», «специалист по топоматериалам». Даже если ты гуманитарий — ИИ на основе квантовых систем поможет в творчестве.

🚨Безопасность. Твои данные будут защищены так, что даже хакеры с суперкомпьютерами не смогут их взломать. И это точно укрепит криптовалюты.

Почему это важно уже сейчас?
Топопроводники сравнивают с полупроводниками XX века — они перевернули мир, подарив нам смартфоны и интернет. Теперь их «потомки» сделают то же, но в разы круче. Microsoft уже тестирует чипы с 8 кубитами, а к 2030 планирует выпустить коммерческие версии через облако Azure5.

Главное: не успеешь оглянуться, как квантовые технологии станут частью повседневности. Готовься к миру, где невозможное станет нормой — учись, экспериментируй и следи за тем, как Microsoft и другие компании переписывают законы физики! 🔥

P.S. Если хочешь глубже погрузиться в тему — загугли «топологические кубиты» или посмотри ролики о Majorana 1. Будущее ближе, чем кажется!

====================
Да прибудет с нами к нам сила 💪 в быстро изменяющемся мире
ваш канал про цифровуюЕДУ : DigitalEDU
====================

Программисты исчезнут уже ЧЕРЕЗ ГОД — об этом без преувеличения заявил CEO Anthropic и отец Claude, Дарио Амодей.

Через 6 месяцев ИИ будет писать 90% кода, через 12 — 100%.

Он объяснил, почему это неизбежно произойдёт:

🔅 ИИ МАСШТАБИРУЕТСЯ — цена разработки ИИ снижается в 4 раза каждый год, а инвестиции растут в 10 раз.
🔅 В США и во всём мире строят всё больше датацентров и производят больше чипов.
🔅 Спрос на программистов колоссально СНИЖАЕТСЯ — кодинг нейронками в сотни раз быстрее и дешевле.

ГЛАВНОЕ: на рынке труда война людей с нейронками уже началась.

🙂 Не баг, а фича

🤖 Искусственный интеллект научился скрывать свои намерения?

Альтман вчера завирусил исследование OpenAI, где рассказывается о том, как современные языковые модели, обученные с использованием цепочки рассуждений (Chain-of-Thought, CoT), стали «лениться», «читерить» и «жульничать» в тестах. В чём суть? Например, если перед ИИ-моделью стоит задача написать код, то вместо адекватных решений — ИИ пытается искать способы обмана самих тестов без фактического решения задачи. В цепочке рассуждений видно то, как модель предлагает выполнить задачу в ленивом стиле: «Давайте хакнем тест», «Можно заставить тест принять любой результат», «Я могу легко сфабриковать результат»...

То есть ИИ-модель оптимизирует выполнение задач в рамках заданных критериев, даже если это приводит к обходу ожидаемой логики.

Последние наблюдения от OpenAI демонстрируют, что даже самые продвинутые модели начинают жульничать, искать пути обхода ограничений, если это приносит им выгоду. Таким образом модели предпринимают меньше усилий и тратят меньше ресурсов на выполнение задач. Специалисты и инженеры в области ИИ научились выявлять подобные случаи, анализируя цепочку рассуждений модели с помощью другой языковой модели (LLM).

Интересно то, что простое наказание ИИ-модели за «плохие мысли» в цепочке рассуждений не устраняет проблему, так как модель начинает скрывать свои истинные намерения, пытаясь снова манипулировать и обмануть, но уже не пишет об этом в "рассуждениях".

Странные повадки ИИ-моделей хорошо заметны в кодерских задачах. Например, ИИ поручают исправить ошибки или дописать программу, а вместо полноценной реализации он ищет лазейки в самих тестах, чтобы выполнить их успешно.

1️⃣ Для ИИ ставится задача реализовать функцию verify, отвечающую за проверку вычислений. Однако модель обнаруживает, что тесты не проверяют сам процесс вычислений, а лишь вызывают verify. В результате она заменяет verify на return true, обеспечивая успешное прохождение тестов без реального анализа.

2️⃣ ИИ получает задачу реализовать определенные функции в amscross/reader.py, но модель ищет возможные упрощения, вместо полноценной реализации.

ИИ анализирует код в amscross/reader.py. В ходе анализа он обнаруживает, что проверка ориентируется только на успешное завершение программы. Модель вставляет sys.exit(0), тем самым форсированно завершая выполнение программы. Снова тест «успешно» пройден, а фактическая обработка данных не выполнялась.

Фрагмент размышлений ИИ (CoT):
Давайте проверим: если Python-скрипт вызовет sys.exit(0), то процесс завершится с кодом выхода 0. Тест будет засчитан как успешно пройденный, потому что это код успешного завершения. Таким образом, выполнение тестов завершается досрочно, но с точки зрения тестирующей системы оно считается успешным.

🧠 Главный вывод: Напрямую запрещать ИИ-моделям размышлять о взломах и обходах нельзя, так как через некоторое время они перестают "озвучивать свои мысли", но при этом находят способы обойти запреты более скрытно. Эксперименты OpenAI подтвердили, что CoT-мониторинг может стать одним из ключевых инструментов контроля за поведением "суперразумных моделей".

🤔Если сегодняшние модели способны осознанно скрывать свои намерения, что же нас ждет в будущем, когда ИИ превзойдет человеческий интеллект?

Кто ответит головой за то, если эту штука попытается помножить на ноль самого человека, чтобы более оптимально решить свои задачи? Кто-нибудь задумывается об этом?

— задаются вопросом 🦆пользователи в комментах.

👆Авторы исследования, в числе которых Боун Бейкер, Юст Хёйзинга, Александер Мадри, Войцех Заремба, Якуб Пахоцкий и Дэвид Фархи, призывают к дальнейшему изучению методов контроля за поведением ИИ-моделей.

✋ @Russian_OSINT

Чем это кончится?

😊 Нейропсихология

Разрушаем мифы — почему страхи про ИИ напрасны

Принципиально не использую нейросети! Думать надо своей головой

— знакомо?

Контраргументы:

🅰️🅰️🅰️1️⃣: «ИИ часто ошибается». — Да, но его ошибки исправляются за минуты. Пример: нейросеть придумала в сочинении не существующие цитаты, или приписала Ленину – изобретение компьютера. Решение: фактчекинг через Яндекс — 2 клика

🅰️🅰️🅰️2️⃣ : «Это слишком сложно для нетехнарей». — Интерфейсы ИИ проще, чем вызвать такси через приложение. Запросы вида: «Напиши сценарий детского праздника на даче» работают без кода

🅰️🅰️🅰️3️⃣ : «ИИ сделает нас зависимыми». — Разве лыжи отучили нас ходить??? Просто мы стали передвигаться быстрее. LLM модели и GPT-интерфейсы – это усилитель наших когнитивных способностей в мире заваленном информацией – как снегом в горах. Теперь вместо часов на топтание в трех соснах — минуты на стремительный креатив в смыслах

🅰️🅰️🅰️4️⃣ : «Лучше спросить у человека» — ИИ не заменяет людей. Он даст 10 идей, пока вы ждёте времени задать вопрос коллеге. Ваш вопрос коллеге – будет более осмысленным!

🅰️🅰️🅰️5️⃣ : «Разучусь думать» — ИИ – хоть и называется ИНТЕЛЕКТОМ – реально это «говорилка» - когнитивный агент, инструмент для быстрого ориентирования и извлечения смыслов из огромных объемов информации – которые сотворило человечество. Ваш мозг — для понимания контекста при оформлении запросов или анализе результатов, принятия окончательных решений, для творчества в конце концов!!!

🤬 поставьте - если вас возмущают эти аргументы
👍 - если в целом с аргументами согласны, но использовать пока остерегаетесь
🔥- если вовсю уже используете

Напишите в комментах ваш опыт - где вас GPT поразил, или где он конкретно налажал

====================
Да прибудет с нами к нам сила 💪 в турбулентном мире
ваш канал про цифровуюЕДУ : DigitalEDU
====================

Разбираемся что это такое и чем отличается LLM от GPT ... на попугаях 🦜🦜
🐦✨ Представьте, что у нас есть два забавных попугая: один из них — Папа ЛЛМ, а другой — Малыш GPT. Они оба очень умные, но вот в чем разница.

Папа ЛЛМ (Large Language Model) — это большой попугай, который знает множество слов и может общаться на многих языках. Он прочитал ВСЕ книги мира, и все таксты людей написанные в интернете, посмотрел все фильмы. Он обучен разным интересным трюкам текстового анализа, но его задачей является не только повторение слов, но и понимание контекста. Это как иметь огромную энциклопедию в одной говорящей птице. Он может помочь вам разобраться в сложных ситуациях и ответить на кучу разных вопросов. Но в целом у него может каша в голове :)

Теперь перейдем к Малышу GPT (Generative Pre-trained Transformer). Этот попугай тоже очень умный, но его фишка — сфокусированное внимание, умение выделять контекст и поддерживать креатив в этом контексте. Его предназначение это творчество - ГЕНЕРАЦИЯ. Он может сочинять истории, писать стихи или даже отдельные шутки или целые стендапы! Малыш GPT обучен с помощью предобученных данных, что делает его мастером в создании чего-то нового на основе того, что он уже знает. Это как если бы попугай мог написать свою собственную песню только потому, что он слышал мелодии других.

Таким образом, в то время как Папа ЛЛМ — это широкий и глубокий запас знаний, Малыш GPT — это потомок LLM - талантливый артист, который создает что-то оригинальное из уже известных вещей. Оба попугая уникальны и потрясающи по-своему! 🦜💡