Найти радиус!

Вот такая простая задачка. Рабочая неделя в самом разраге, но если хотите отдохнуть и отвлечься от повседневных забот - вот хорошое занятие.

Пишите в комментариях. Ответ получается красивый.

Ответ: 7, а подробное решение тут

🧠 ИИ скоро решит одну из задач тысячелетия!

Уравнения Навье–Стокса описывают движение воздуха, жидкостей и вообще любых потоков — всё, что нас окружает. Но есть одна небольшая особенность: в аналитическом виде общее решение неизвестно. То есть мы не знаем точно, как ведут себя решения этих уравнений. А это уже важно не только для математики, но и для физики — например, чтобы наконец-то понять, что такое турбулентность. Причём настолько важно, что за решение задачи о существовании и гладкости решений уравнений Навье–Стокса Математический институт Клэя заплатит $1 000 000! Это одна из семи задач тысячелетия. Это не просто задача — это вопрос о предсказуемости физического мира.

Вопрос остаётся без ответа уже почти 200 лет — с времён Анри Навье и Джорджа Стокса. В 2014 году команда Томаса Хоу из Калтеха впервые нашла намёк на «особенность» — теоретический момент, когда решение теряет гладкость. Но тогда это была модель без вязкости — уравнения Эйлера.

🔥И вот — тайная операция.

Последние три года 20 инженеров Google DeepMind и 5 топовых математиков во главе с Хавьером Гомесом Серрано вели закрытый проект: операция «Навье–Стокс».

Серрано — профессор Brown University. Вместе с соавторами (включая Тристана Бакмастера и двух геофизиков из Принстона) они делают ставку на то, что традиционная математика здесь бессильна — а вот ИИ справится.

🤖 AlphaEvolve
Помните недавний пост про математические открытия с помощью AlphaEvolve? Оказывается, пользы от этой системы куда больше. Это система DeepMind, которая не просто оптимизирует или перебирает. Она понимает задачи. За 4 месяца её натренировали на 50 уравнениях, и она начала:
– в 75% случаев воспроизводить лучшие человеческие решения,
– в 20% — находить ещё лучшие.

Да, решение может появиться уже в ближайшие 1–2 года. Об этом намекал сам Демис Хассабис, глава DeepMind: «Мы близки к решению одной из задач тысячелетия».

Что это значит для мира?
Если уравнение будет решено — наука получит теоретическую гарантию предсказуемости флюидов. Или наоборот — доказательство того, что иногда даже математика не может предсказать, когда штиль станет ураганом.

«Я верю, что ИИ изменит мир — и хочу верить, что изменит к лучшему», — говорит Гомес Серрано.
Мы наблюдаем за этим в прямом эфире.
Решение, которое изменит физику. Математику. И, возможно, то, как мы понимаем саму реальность.

Как думаете — решат?

🔥 — решат
🤔 — за 2 года не решат
❤️ — главное, чтоб решение было красивым

@vitalmath

Что скажете?

Результаты конкурса!

Наконец-то подвели итоги. В выпуске про деление на ноль был вопрос "Что вас больше всего удивило в математике и почему?". Спасибо всем, кто отвечал! Много интересных тем (подробности тут позже).

Книжка про биографию нуля достается автору вот этого комментария. В нём просто и наглядно показано, как простые школьные задачи могут раскрыть глубину и парадоксы математики. Два простых и на первый взгляд противоположных факта: бесконечность простых чисел и существование сколь угодно длинных отрезков без них. Пример, когда математика одновременно удивляет, учит и вдохновляет.

#конкурс

Математика рядом

Прямо над головой осы строили вот такой дом из аккуратных шестиугольников.

Если в вершинах этих шестиугольников разместить круги и добавить круг по центру, получится самая плотная упаковка кругов на плоскости. Лагранж доказал это ещё в 1773 (точнее он доказал, что это самая плотная среди решетчатных упаковок, среди всех доказал Ласло Фейеш Тот только в 1940м). Круги займут почти 90% плоскости.

Если же в вершинах этих шестиугольников разместить трехмерные шары, получится наиболее плотная трехмерная упаковка. Эту гипотезу сформулировал Кеплер ещё в 1611 году. Упаковка занимает 74% пространства (центры шаров следующего слоя лежат в отверстиях между шарами предыдущего слоя). Для доказательства понадобилось почти четыре сотни лет. Только в 2017 году после 20 лет доработки Томасом Хейлзом полноценное доказательство стало официально принятым.

На сегодня математики доказали как плотно упаковывать шары в одном, двух, трех, восьми и двадцати четырех измерениях. Для пространств остальных размерностей - вопрос ещё открыт. Но осы и пчелы что-то знали уже давно. Вопрос - у кого спросить про пятимерный случай?

#vitalmath

Лекция "Парадоксы математики для всех!"

Неожиданно, в эту пятницу, я проведу лекцию на очень интересную и инригующую тему. Лично, офлайн, в Москве. Посещение бесплатное. Обязательна предварительная регистрация. Будет интересно, приходите! Обсудим парадоксы и как математика ломает мозг! Ниже подробности и форма регистрации.

Математика полна парадоксов. На лекции мы погрузимся в путешествие по миру математических парадоксов. Теория вероятностей, числа, многомерные пространства, математика и жизнь. Лекция для всех - неважно, насколько вы близки или далеки от математики.

Когда: 11 июля, 19:00
Где: ул. Валовая д.8, стр.1 (м. Павелецкая)
Стоимость: бесплатно
Регистрация обязательна по ссылке (количество мест органичено): Регистрация

@vitalmath

Наконец-то пришел список литературы на лето. Ozon подвел, 20 книг так и не доехало. Но уже есть, что почитать.
А вы что сейчас читаете?

Десять приближений π

Число π иррациональное и трансцендентное, оно никогда не заканчивается, никогда не повторяется. Но встречается повсюду. Без него никуда. Поэтому тысячелетиями в жизни приходится использовать приближения. Вот 10 наиболее известных в порядке увеличения точности.

🔟 3
Месопотамия.
Древние очень любили целые числа и устный счёт. Звучит грубо, но стены Иерихона было удобно мерить.
Ошибка: +4.5%

9️⃣ √10 ≈ 3.162
Древняя Индия.
Хорошее приближение, когда нет калькулятора, но хочется выглядеть умно. Удивительно, но √10 почти совпадает с π - случайность?
Ошибка: +0.65%

8️⃣ 256 / 81 ≈ 3.1605
Египет, папирус Райнда.
Хитрое построение через диаметр. Гениально для своей эпохи.
Ошибка: +0.6%

7️⃣ 25 / 8 = 3.125
Вавилон.
Дробь, которую удобно записывать в шестидесятиричной системе.
Ошибка: −0.5%

6️⃣ 22 / 7 ≈ 3.142857
Архимед, III век до н.э.
Самая известное приближение π. Именно этот праздник отмечался на прошлой неделе 22 июля.
Ошибка: +0.04%

5️⃣ 223 / 71 ≈ 3.140845
Архимед.
Нижняя граница π. Выведена через 96-угольники. Удивительно точна.
Ошибка: −0.02%

4️⃣ 333 / 106 ≈ 3.141509
Китай, I–IV века.
Лёгкое в вычислении, точное до 5 знаков. Даже сейчас - мощный вариант для устных расчётов.
Ошибка: −0.0027%

3️⃣ 355 / 113 ≈ 3.1415929
Цзу Чунчжи, V век.
Китайский математик сделал невозможное: 7 знаков точности без вычислительных машин. Рекорд на 1000 лет.
Ошибка: +0.0000085%

2️⃣ 103993 / 33102 ≈ 3.14159265301
Европа, XVII век.
Продвинутая цепная дробь. Уместна в 8-битных микроконтроллерах и на олимпиадах по математике.
Ошибка: −0.0000000184%

1️⃣ 104348 / 33215 ≈ 3.14159265392
XVIII век и дальше.
Формула для тех, кто хочет сжать π до 16 бит и при этом не потерять точность. Гениальная компактность.
Ошибка: +0.0000000105%

🤓 А какое приближение понравилось вам?

@vitalmath

Из интернета. Числа от 1 до 10, в порядке от худшего к лучшему. Древние Греки явно бы не согласились. А вы что скажете?

🎯 100 000 цифр π: как машина впервые победила бесконечность

Лето 1961 года. Два математика — Дэниел Шэнкс и Джон Уренч — запускают расчёт, который войдёт в историю. На огромной ЭВМ IBM 7090, занимавшей половину комнаты и жужжавшей как самолёт, они первыми в мире вычисляют 100 000 знаков числа π.

8 часов 43 минуты. Столько длился расчет. До этого рекорд был 10 000 цифр, посчитанный тремя годами ранее. Мало кто верил, что компьютер может корректно посчитать настолько много. Но он смог.

Они использовали формулу Мэчина:
π/4 = 6 arctg(1/8) + 2 arctg(1/57) + arctg(1/239)
и две разные версии для проверки — чтобы убедиться, что результат не случайность.

На выходе — пачка из 20 страниц с 5000 цифр на каждой. Эту распечатку они передали в Смитсоновский институт. Сегодня её можно увидеть в музее.

Почему это важно?
Это был первый раз, когда машина победила человеческие пределы не просто в скорости, а в точности на относительно большом горизонте. Позже этот рекорд был побит, сейчас вычислили уже 100 триллионов (!!) знаков π, но число 100 000 стало психологической вехой. Началом большой истории, в которой мы сейчас живем и которая продолжает активно развиваться.

@vitalmath

🎯 x² + x + 41 — самый магический многочлен в истории

Если бы многочлены устраивали Олимпийские игры, победителем стал бы именно этот:
f(x) = x² + x + 41.

На первый взгляд — ничего особенного. Просто квадратный трёхчлен.
Но он стал легендой из-за одной магии:
если подставить вместо x числа от 0 до 39, на выходе всегда будет простое число!

📜 Эту формулу заметил сам Леонард Эйлер ещё в XVIII веке.
Он тогда не просто считал уравнения — он искал, как многочлены могут «порождать» простые числа.
И оказалось, что эта формула почти идеальна: 40 подряд простых чисел.

x = 0 → 41 (простое)
x = 1 → 43 (простое)
x = 2 → 47 (простое)
...
x = 39 → 1601 (простое)

Но на x = 40 магия ломается:
x² + x + 41 = 40² + 40 + 41 = 1681 = 41 × 41.

💡 Почему это интересно?
Многочлены — это функции, которые порождают бесконечное множество чисел.
Но среди всех многочленов, способных «выдавать» простые числа, этот стал чемпионом.
Он стал прообразом поисков полиномов-простых генераторов, на которых позже строились идеи криптографии.

Он до сих пор поражает своей простотой: трёхчлен, который работает как чистая магия 40 раз подряд.

Но есть ещё одни многочлен, точнее целый класс многочленов, которые скрывают немало тайн, загадок и нерешенных задач. Про них в новом видео уже в этот вторник. Не пропустите!

@vitalmath

Неделю хорошо начинать с хорошей задачки. Три окружности единичного радиуса касаются друг друга. Найти площадь области между этими окружностями.

Ответ: √3-π/2
Источник: https://www.youtube.com/shorts/JiX9QI8zwwo

#задача

Новое видео!
Многочлены Литлвуда! Простые на вид, но с удивительным поведением. Они объединяют фракталы, связывают совершенно разные области математики и при этом оказываются невероятно полезными. Эти многочлены породили задачу, которую не могли решить 60 лет. Что это за многочлены? Какие тайны они скрывают? И как мы используем их каждый день, даже не подозревая об этом?

YouTube: смотреть
VK: смотреть

Приятного просмотра!

Выпуск про корни многочленов Литлвуда оказался одним из самых математических за последний год. С одной стороны анализ, теория чисел и даже теория вероятностей. Но с другой — красивые объекты и свойства, неожиданно появляющиеся там, где их не ожидаешь.

Чтобы помочь видео, очень важна ваша реакция, особенно в первые дни. Буду благодарен, если зайдете на YouTube и оставите комментарий / посмотрите!
Ссылка на видео

Красивой математики должно быть больше!

Всем привет! Надеюсь вы хорошо проводите лето и его последние дни. Новых публикаций в канале явно поубавилось.

Но!

Скоро грядут изменения! Правда, подробнее про них чуть позже, в сентябре. А самое главное, активность в телеграм скоро вернется: ещё больше красоты, новостей математики и пищи для ума! Все-таки полезно думать хотя бы иногда, особенно, если есть чем.

Так что будем на связи! А пока что, вот такая задачка - пишите что думаете:

Задачка:
Сумма всех делителей числа 2025 равна
1 + 3 + 5 + 9 + 15 + 25 + 27 + 45 + 75 + 81 + 135 + 225 + 405 + 675 + 2025 = 3751,
и это нечётное число.
Каково наименьшее число N > 2025, для которого сумма всех его делителей также нечётна?

Ответ: 2048

Подсказка: Сумма делителей нечётна только у квадратов и чисел вида 2 × (нечётный квадрат). 2025 = 45², следующее

Сколько существует теорем в математике?

Ответ зависит от того, что считать теоремой — и насколько глубоко вы готовы копать.

🔹 В ProofWiki, открытой базе математических доказательств, сейчас опубликовано более 20 000 теорем, лемм и утверждений.
🔹 В MathWorld от Wolfram — около 13 000 статей, многие из которых содержат по нескольку теорем.
🔹 В базе TheoremProver (система автоматических доказательств), количество формализованных теорем уже превышает 100 000, включая арифметику, алгебру, топологию и логику.
🔹 В крупнейших библиотеках формальной математики, таких как Lean, Coq и HOL Light, формализовано десятки тысяч теорем (например, Lean community mathlib - более 20000 теорем ещё пару лет назад).

📈 По оценкам М. Крёгера (1995), к концу XX века было известно более 250 000 математических теорем, опубликованных в журналах, книгах и монографиях. С тех пор прошло почти 30 лет — и темп публикаций только вырос.

🔍 Только на arXiv.org за 2023 год в разделе mathematics вышло более 50 000 статей. Даже если только 10% из них содержат новые теоремы — это уже 5000 новых утверждений за год.

🧠 При этом многие теоремы не опубликованы: они живут в курсах, диссертациях, докладах на конференциях и в личных записях исследователей. И ещё больше - в черновиках и идеях, которые пока не оформлены в строгое доказательство.

Поэтому точный счёт очень сложен. Но оценка на сегодня: от нескольких сотен тысяч до миллионов утверждений, которые можно назвать теоремами. И каждую неделю к ним добавляются новые.

🔐 Квантовая криптография: новый фундамент безопасности

Современные шифры держатся на математике. Их основа — так называемые NP-задачи (non-deterministic polynomial time). Это задачи, для которых:
– найти решение очень трудно,
– но проверить готовый ответ легко.

Классический пример: разложить огромное число на простые множители. Решение почти безнадёжное, а проверка занимает мгновения. На этом и строится интернет-безопасность. Но если однажды кто-то найдёт быстрый алгоритм для таких задач, вся система рухнет.

Казалось, другого фундамента нет. Но в последние годы внимание криптографов повернулось к квантовой физике. В ней нашлись новые «строительные блоки», которые могут заменить классические основы.

В 2023 году криптографы Дакшита Курана и Кабир Томар сделали шаг вперёд. Они предложили концепцию «однонаправленных головоломок» (quantum one-way puzzles). Это квантовые аналоги однонаправленных функций (one-way functions — функций, которые легко вычислить, но почти невозможно обратить). Такие структуры создают замки и ключи: замки прочные, ключи существуют, но открыть ими замок напрямую почти невозможно. Парадокс? Да. Но именно из этого парадокса можно собрать целый набор протоколов шифрования.

Дальше — ещё интереснее. Учёные показали, что эти головоломки можно связать с одной из самых трудных задач линейной алгебры — вычислением перманента матрицы.
Перманент (в отличие от знакомого определителя) вычисляется похожей формулой по всем перестановкам, но без чередования знаков. Для больших матриц его нахождение считается одной из самых сложных задач: проверить правильность ответа почти так же трудно, как его найти.

Если будет доказано, что квантовые компьютеры справляются с такими задачами принципиально лучше классических, у квантовой криптографии появится фундамент прочнее, чем у всех существующих шифров.

Пока это теория. Но она меняет сам взгляд на безопасность. Если классическая криптография похожа на башню, построенную на песке NP-задач, то квантовая обещает возвести крепость на камне.

В будущем эта крепость может стать основой всего цифрового мира — от переписки до финансовых транзакций. И всё это — благодаря новой математике, которая соединяет глубины алгебры с законами квантовой механики.

✨ Вопрос лишь в том, кто первый построит реальный замок на этом фундаменте.

Гёдель-Доказатель v2: прорыв в математическом интеллекте

В последние годы ИИ-модели научились решать всё более сложные математические задачи — вплоть до уровня Международной математической олимпиады (IMO). Однако оставалась проблема: проверить правильность таких решений мог только человек.

Эта проблема связана с тем, что крупные языковые модели — «чёрные ящики». Они могут выдать разумное на вид доказательство, но нет способа гарантировать его корректность.

В июле 2025 года исследователи из Принстона представили Goedel-Prover v2 — обновлённую версию открытого ИИ-доказчика, построенного на языке Lean. Lean — это язык формальной верификации, позволяющий строго доказывать математические утверждения и проверять корректность каждого шага.

🔹 Goedel-Prover v2 умеет:
– генерировать математические доказательства,
– проверять их строгость в Lean,
– автоматически исправлять ошибки в собственных рассуждениях (режим самокоррекции).

Модель успешно прошла три бенчмарка:
– PutnamBench — задачи университетского уровня,
– miniF2F — задачи уровня школьной математики,
– MathOlympiadBench — задачи уровня IMO.

Точность модели на miniF2F выросла с 60% (в первой версии) до 90%. При этом Goedel-Prover использует модель с 32 млрд параметров и работает на вычислительных ресурсах, доступных в академической среде — в 20 раз меньших, чем у конкурентов.

Отдельная особенность: модель обучается в режиме scaffolded learning. Если она не может решить задачу, она генерирует более простые варианты, решает их и добавляет в собственную тренировку. Это позволяет модели накапливать полезные примеры и улучшаться без внешнего вмешательства.

Ключевая гарантия корректности — использование Lean: каждое доказательство формализуется и строго проверяется по математическим правилам.

🧠 Потенциально такая архитектура может создать замкнутый цикл обучения: ИИ будет сам генерировать и проверять задачи и доказательства, постепенно расширяя свой математический репертуар.

По мнению авторов, это один из ключевых шагов к созданию полноценного ИИ-соавтора в математике.

🗓 Алгоритм судного дня: как в уме определить день недели для любой даты

Каждую дату можно однозначно связать с днём недели. Но как это делать без календаря?

В 1973 году математик Джон Конвей придумал алгоритм, который позволяет в уме определить, какой день недели приходится на любую дату — хоть 4 октября 1582 года, хоть ваш следующий день рождения.

Принцип основан на том, что в каждом году есть “опорные даты”, которые всегда попадают на один и тот же день недели — он и называется судным днём (Doomsday) для этого года.

🔧 Шаг 1: Запомните опорные даты года (Doosday-дату)

Вот простый список для НЕвисокосных лет:

– 4 апреля → 4/4
– 6 июня → 6/6
– 8 августа → 8/8
– 10 октября → 10/10
– 12 декабря → 12/12
– 9 сентября 5 сентября → 9/5
– 5 мая 9 мая → 5/9
– 7/11 и 11/7
– февраль: 28 (или 29 — в високосный)

Все эти даты в одном году попадают на один и тот же день недели — его и нужно найти.

🔧 Шаг 2: Найдите судный день для конкретного года

Алгоритм для двух последних цифр года (yy):
1. Возьмите последние две цифры года → обозначим A
2. Разделите A на 12 → целая часть = B
3. Найдите остаток от деления A на 12 → C
4. Разделите C на 4 → целая часть = D
5. Сложите: B + C + D
6. Добавьте базу века (смотри ниже)
7. Возьмите результат по модулю 7 → это номер дня недели (0 = воскресенье, 1 = понедельник, …, 6 = суббота)

📌 База века:
– 1900–1999 → вторник (2)
– 2000–2099 → вторник (2)
– 2100–2199 → воскресенье (0)
– 1800–1899 → пятница (5)

📌 Шаг 3: Найдите ближайшую опорную дату и посчитайте сдвиг

📅 Пример: Какой день недели 10 сентября 2025 года?

✅ Год: 2025
Последние две цифры: A = 25
1. A = 25
2. B = 25 ÷ 12 = 2
3. C = 25 mod 12 = 1
4. D = 1 ÷ 4 = 0
5. B + C + D = 2 + 1 + 0 = 3
6. База века (2000–2099) = 2
7. 3 + 2 = 5 → 5 mod 7 = 5

🔢 Значит, судный день 2025 года — пятница

Ближайшая опорная дата к 10 сентября — это 5 сентября, и она, как мы знаем, выпадает на пятницу.

10 сентября — это на 5 дней позже, значит:

– 5 сентября → пятница
– 6 → суббота
– 7 → воскресенье
– 8 → понедельник
– 9 → вторник
– 10 → среда

✅ Ответ: 10 сентября 2025 года — это среда.

🧠 Алгоритм кажется длинным, но запоминается быстро. После пары тренировок вы будете считать такие вещи за 10–15 секунд — и производить впечатление человека, у которого в голове встроенный календарь.

🤖 AI-математики: новый класс научных открытий

В 2030 году возможен такой заголовок:
«ИИ получил все Нобелевские премии — и Филдсовскую тоже».

Это не фантастика, а логичное продолжение уже идущего процесса: создания нейро-символьных ИИ, способных формулировать, проверять и уточнять математические гипотезы. То есть — делать именно то, что раньше считалось эксклюзивной способностью человеческого разума.

🧠 Как устроен “Baby AI Gauss” — ИИ, который учится, как Гаусс
Исследователи разработали прототип “Baby AI Gauss” — систему, в которой языковая модель (LLM) соединена с символьным движком (SymPy). Она решает задачи на распознавание числовых последовательностей и поиск формулы, используя цикл:
Сгенерировать → Проверить → Уточнить.

🔁 Цикл работает так:
1. LLM предлагает гипотезу — например, формулу для первых n членов числовой последовательности.
2. Символьный движок проверяет гипотезу на корректность: совпадают ли значения, допустимы ли выводы.
3. Если ошибка — LLM получает обратную связь: либо оценку степени полинома, либо таблицу несоответствий.
4. Новый раунд: уточнённая гипотеза, снова проверка, снова уточнение.

📊 Результаты
Модель была протестирована на ряде последовательностей:
– простые (квадраты, треугольные числа)
– более сложные (факториалы, числа Каталана, Фибоначчи, гармонические числа)
– “сложные случаи” (простые числа, числа разбиений)

Результаты:
– GPT-3.5 решал только простейшие задачи
– GPT-4 и GPT-4o — уже справлялись с комбинаторными структурами
– GPT-5 решил 100% задач с первой попытки
При этом важно: на открытые задачи, вроде простых чисел, GPT-5 иногда давал формулы, корректные на первых шагах, но не являющиеся настоящим решением. Это подчёркивает, что речь не о “доказательствах”, а о подборе правильной структуры и способности к абстракции.

⚙️ Что делает эту архитектуру особенной
– LLM вносит интуицию, обобщение, догадки
– SymPy проверяет формальную корректность
– Обратная связь структурирована и нацелена: от подсказок по степени до указания на конкретные ошибки

📌 Это приближает нас к системам, которые работают не “по вдохновению”, а как исследователь: перебирают гипотезы, отбрасывают ложные, строят логические мосты.

🌍 К чему это ведёт
Если такие ИИ будут масштабированы до уровня «AI Гаусса», их можно будет запускать как облачные сервисы:
– “Включить математика уровня бакалавра” — дешево
– “Включить AI Гаусса” — дороже, но с прорывными гипотезами
– “Поднять AI Римана” — для теории чисел и геометрии

В этой модели ограничением становится не талант, а объём вычислений и токены, как в GPT.

🧮 Почему это важно именно в математике
Математика — это язык, которым описана физическая реальность.
Если ИИ сможет автоматизировать открытие новых формул, тождеств, решений уравнений, это приведёт к ускорению всей науки:
– биологии, где доказательство безопасности белков станет задачей уравнений
– климатологии, где AI классифицирует решения уравнений атмосферы
– физики, где AI будет проверять геометрии для объединения гравитации и квантовой теории

🧩 Итог
ИИ-математики уже переходят от задач олимпиад к задачам исследовательского уровня. Не через вдохновение, а через генерацию, проверку и уточнение.

«Следующий Гаусс, возможно, не родится — его развернут в облаке».

Такой подход может не заменить человеческий разум, но расширить его возможности, темпы, горизонты и стиль мышления.
Наука — это игра идей, и ИИ теперь умеет делать ходы. Следующий — за нами.

Источник

🎶 Математика оперы

Оперное пение кажется вершиной искусства. Но что именно делает голос "великим"? Яркость? Громкость? Вибрато?

Учёные из университета Кейо (Япония) пошли от обратного: они собрали записи, попросили судей выставить оценки, а затем прогнали всё через статистику и акустику.

Вот что выяснилось:
> Вибрато — главный фактор, влияющий на оценку судей. Ни дикция, ни интонация, ни выразительность не показали статистически значимого вклада. Вибрато — это естественное лёгкое колебание высоты звука, которое делает голос "живым", тёплым и выразительным. Без него голос кажется плоским и механическим.
> SPR (Singing Power Ratio) — количественная мера того, как хорошо голос "пробивается" в зале. Это не просто громкость, а соотношение энергии в определённых частотах. Именно она коррелирует с ощущением “силы” голоса.
> Громкость (LUFS) и чёткость (HNR) почти не влияют: у всех певиц они уже были на хорошем уровне.

📐 Почему это важно:
– Теперь у вокалистов есть метрики, которые можно тренировать осознанно.
– Учителя могут не “чувствовать”, а измерять прогресс.
– А в будущем, может быть, ИИ будет давать фидбек лучше, чем человек-наставник.

Это шаг к формализации оценки искусства — не вместо эмоций, а в помощь пониманию, что делает исполнение по-настоящему выдающимся.

Искусство остаётся искусством — но путь к нему может быть математически точным.