Смотрел в сентябре, самый вдохновляющий человек и (современный) учёный в области AI so far

если у вас только 4 минуты, то

1. Это очень красивое видео.
2. Образы в следующей части про attenion вызывают волнующие предчувствия идей о сути языка, мышления и больших данных (вне зависимости от современного AI)
3. Видео формируют сильную интуицию того что реально происходит под капотом. После этого твои промты уже никогда не будут прежними.
4. Если не помнишь что такое нейронка или не знаешь SGD, можно для углубления восприятия получить удовольствие от предыдущих видео в плейлисте. Но это необязательно, видео без пререквизитов изящны и понятны старшекласснику.
5. Нельзя было недооценивать 3Blue1Brown.

раздаю инвайты: 4 бесплатных месяца gemini 3 pro (осталось 10-3 = 7 штук!)

если есть и гугл-акк, и (хотя бы разовый доступ) к каким-нибудь платежным данным (карте) в несанкционной стране (не обязательно одной и той же, но надежнее всего в сша), напиши @arccs, я пришлю ссылку

(надо поставить напоминание отключить в конце периода, если не хочется оплатить 5-ый месяц)

поскольку студенты универов в кошерных странах могут просто получить бесплатно прошку на год, то ЦА стремится к 0, но мало ли (может у кого-то год прошел, например..)

кстати, hidden gem

интересно слушать, потому что он на самом деле вовлечен в темы и содержательно дискутирует с людьми, а не просто позволяет высказаться, как многие другие

ладно, он был включен в список 100 самых влиятельных людей AI 2024 по версии Time

своё первое в сентябре посмотрел

потом смотрел интервью с ведущими AI людьми

потом узнал, что к нему приходили Юдковский и Скотт 😳

когда вышло интервью с Суцкевером, многие рофлили с того как тот уклончиво отвечает

мне было непонятно, а что ожидали, что он расскажет как делать ASI

В последние недели полторы много обсуждали решения задач из списка Эрдёша с помощью GPT-5.2 Pro. Google DeepMind тоже не спит, и сегодня выпустили статью с доказательством новой теоремы в алгебраической геометрии с помощью внутренней математической специализированной версии Gemini. Я в математике вообще не шарю, поэтому научной стороны статьи касаться не будем. Интересно было разобраться, как выглядел процесс и насколько он автоматический. Тезисно:

— Авторы использовали декомпозицию, разложив сложную теорему на серию более простых подзадач

— Сначала модели скармливали простые частные случаи чтобы проверить, понимает ли она определения. В промптах прям так и пишут, «Чтобы убедиться, что ты меня понимаешь, скажи, какие ... ты бы выбрал»

— Когда модель застревала, авторы не просто перезапускали генерацию заново. Они анализировали частично правильный вывод, находили в нем здравое зерно, и писали новый промпт: «Попробуй использовать вот эту стратегию, которую ты нащупал в прошлом шаге, но для общего случая».

— Успешные доказательства простых подзадач подавались в контекст (историю чата) для решения более сложных. По сути пришлось придумать «лестницу» задач от простых к сложным, чтобы модель могла по ней подняться.

— В ходе работы использовали систему над моделью, FullProof, однако деталей её устройства нет. Наверное что-то схожее с Pro-моделью OpenAI / DeepThink

— Авторы вручную вычитывали генерации модели на почти всех шагах. Например, они заметили, что в одном из частных решений модель сделала неочевидное наблюдение. Человек со знанием домена это верифицировал и сказал модели: «Это крутая идея, используй её для всего остального».

Ravi Vakil, американский математик в области алгебраической геометрии и президент American Mathematical Society, сказал:
— Как человек, знакомый с литературой по теме, я обнаружил, что аргументация Gemini не была простым пересказом существующих доказательств; это была идея такого уровня, которой я бы сам гордился. Хотя я, возможно, в конечном итоге пришел бы к этому выводу самостоятельно, я не могу утверждать это с уверенностью. Мой главный вывод заключается в том, какой значимый математический прогресс возник благодаря этой синергии человеческой изобретательности и Gemini.