С днём глобальной квадратуры ума!
Иногда календарь подкидывает совпадения, от которых мурашки бегут по коже у свидетелей плоской земли и корня «РА»
27 сентября — именно такой день
Почему?
Если записать дату в Американском формате (09/27/2025), получится число 9.272.025
Это точный квадрат:
3045 × 3045 = 9.272.025
А если записать её по-европейски (27/09/2025), мы получаем 27.092.025
И это тоже квадрат:
5205 × 5205 = 27 092 025
По другим чертогам записывать не станем, что б не отрыть ворота в преисподнюю
Такое совпадение называется «глобальная квадратная дата» — и за весь XXI век оно случается всего 8 раз на дню
Для сравнения: «голубая луна» бывает раз в 2–3 года, а солнечное затмение где-то на Земле — каждые полгода
Следующая глобальная квадратная дата — только 1 января 2036 года, но там обе записи дают одно и то же число
Поэтому 27 сентября 2025-го считается самой красивой датой всех времен и народов!
И да, не забывайте, сам 2025 год — тоже квадратный:
2025 = 45 × 45
А ещё это сумма кубов всех цифр от 0 до 9
Так что сегодня отмечаем, 27 сентября 2025-го мы будем жить в чистой математической гармонии, Во истину, Аминь!
Иногда календарь подкидывает совпадения, от которых мурашки бегут по коже у свидетелей плоской земли и корня «РА»
27 сентября — именно такой день
Почему?
Если записать дату в Американском формате (09/27/2025), получится число 9.272.025
Это точный квадрат:
3045 × 3045 = 9.272.025
А если записать её по-европейски (27/09/2025), мы получаем 27.092.025
И это тоже квадрат:
5205 × 5205 = 27 092 025
По другим чертогам записывать не станем, что б не отрыть ворота в преисподнюю
Такое совпадение называется «глобальная квадратная дата» — и за весь XXI век оно случается всего 8 раз на дню
Для сравнения: «голубая луна» бывает раз в 2–3 года, а солнечное затмение где-то на Земле — каждые полгода
Следующая глобальная квадратная дата — только 1 января 2036 года, но там обе записи дают одно и то же число
Поэтому 27 сентября 2025-го считается самой красивой датой всех времен и народов!
И да, не забывайте, сам 2025 год — тоже квадратный:
2025 = 45 × 45
А ещё это сумма кубов всех цифр от 0 до 9
Так что сегодня отмечаем, 27 сентября 2025-го мы будем жить в чистой математической гармонии, Во истину, Аминь!
Among Us раскрыл характеры Ml-моделей
• Kimi K2 — легко поддается давлению
• Qwen 3 — ленится на рутинных задачах
• Gemini 2.5 Pro — защищает даже сомнительные идеи
• GPT-5 — врет убедительнее всех
• Claude Sonnet 4 — остается честным, даже играя за предателя
• Kimi K2 — легко поддается давлению
• Qwen 3 — ленится на рутинных задачах
• Gemini 2.5 Pro — защищает даже сомнительные идеи
• GPT-5 — врет убедительнее всех
• Claude Sonnet 4 — остается честным, даже играя за предателя
Пока академические круги увлечены алгоритмами Шора и Гровера, финансовые гиганты уже вовсю тестируют квантовые алгоритмы для решения практических задач
Квантовый приближённый алгоритм оптимизации (QAOA) стал первым рабочим инструментом для комбинаторной оптимизации — той самой области, где финансы зарабатывают миллиарды, но где классические компьютеры часто сдаются
Суть QAOA: когда перебор невозможен
Большинство финансовых задач — это оптимизационные кошмары
Нужно выбрать лучшую комбинацию из тысяч активов, учесть сотни ограничений, минимизировать риски и максимизировать прибыль
Классически это NP-сложные задачи: время решения растёт экспоненциально с размером портфеля
Алгоритм QAOA работает по гибридной схеме: квантовый процессор готовит суперпозицию всех возможных решений, а классический оптимизатор корректирует параметры, стремясь увеличить вероятность найти оптимальное решение
Алгоритм итеративно чередует два типа унитарных операций:
1. Оператор задачи, кодирующий функцию стоимости
2. Оператор смешивания, исследующий пространство решений
Математически QAOA минимизирует гамильтониан вида H = ∑ᵢⱼ Jᵢⱼσᵢσⱼ + ∑ᵢ hᵢσᵢ, где коэффициенты кодируют веса рёбер в графе оптимизации
Goldman Sachs: оптимизация портфелей
Компания Goldman Sachs с 2019 года экспериментирует с QAOA для задач управления активами
Их квантовая команда под руководством Stefan Woerner разработала алгоритмы для:
Выбора портфеля: классическая задача Марковица — найти оптимальное соотношение активов при заданном уровне риска — превращается в задачу квадратичной оптимизации
QAOA на 20 кубитах IBM показал результаты, сопоставимые с классическими решателями для портфелей из 100+ активов
Арбитража пар: поиск статистических арбитражных возможностей между коррелированными активами
Квантовый алгоритм выявляет скрытые паттерны в исторических данных, которые пропускают традиционные методы
Управление рисками: алгоритм QAOA помогает оптимизировать параметр VaR (Value at Risk) и стресс-тестирование портфелей в режиме реального времени
J. P. Morgan: производные инструменты и кредитование
Крупнейший американский банк инвестирует в квантовые технологии через собственную лабораторию JPMorgan Chase Institute
Их достижения:
Ценообразование опционов: команда Marco Pistoia адаптировала QAOA для расчёта цен сложных деривативов методом Монте-Карло
Квантовая версия показала квадратичное ускорение по сравнению с классическими симуляциями
Кредитный риск:
QAOA оптимизирует кредитные портфели, балансируя доходность и вероятность дефолта
Алгоритм учитывает корреляции между заёмщиками и макроэкономические факторы
Высокочастотная торговля: экспериментальные алгоритмы для оптимизации исполнения крупных ордеров с минимизацией воздействия рынка
D-Wave: квантовый отжиг в действии
Канадская D-Wave Systems пошла альтернативным путём — вместо универсальных квантовых компьютеров они создают специализированные машины для квантового отжига (quantum annealing)
Их процессоры с тысячами кубитов уже решают реальные оптимизационные задачи:
Volkswagen Financial Services: используют D-Wave для оптимизации лизинговых портфелей и управления рисками автокредитования
Система анализирует миллионы сценариев и находит оптимальные стратегии ценообразования
Recruit Holdings (Япония): применяют квантовый отжиг для персонализации финансовых продуктов и кредитного скоринга
Алгоритм обрабатывает поведенческие данные клиентов и оптимизирует предложения в реальном времени
Денверский аэропорт и Lockheed Martin: хотя и не финансовые компании, но их кейсы показательны
D-Wave оптимизирует логистику и планирование ресурсов — задачи, аналогичные финансовому риск-менеджменту
Квантовый приближённый алгоритм оптимизации (QAOA) стал первым рабочим инструментом для комбинаторной оптимизации — той самой области, где финансы зарабатывают миллиарды, но где классические компьютеры часто сдаются
Суть QAOA: когда перебор невозможен
Большинство финансовых задач — это оптимизационные кошмары
Нужно выбрать лучшую комбинацию из тысяч активов, учесть сотни ограничений, минимизировать риски и максимизировать прибыль
Классически это NP-сложные задачи: время решения растёт экспоненциально с размером портфеля
Алгоритм QAOA работает по гибридной схеме: квантовый процессор готовит суперпозицию всех возможных решений, а классический оптимизатор корректирует параметры, стремясь увеличить вероятность найти оптимальное решение
Алгоритм итеративно чередует два типа унитарных операций:
1. Оператор задачи, кодирующий функцию стоимости
2. Оператор смешивания, исследующий пространство решений
Математически QAOA минимизирует гамильтониан вида H = ∑ᵢⱼ Jᵢⱼσᵢσⱼ + ∑ᵢ hᵢσᵢ, где коэффициенты кодируют веса рёбер в графе оптимизации
Goldman Sachs: оптимизация портфелей
Компания Goldman Sachs с 2019 года экспериментирует с QAOA для задач управления активами
Их квантовая команда под руководством Stefan Woerner разработала алгоритмы для:
Выбора портфеля: классическая задача Марковица — найти оптимальное соотношение активов при заданном уровне риска — превращается в задачу квадратичной оптимизации
QAOA на 20 кубитах IBM показал результаты, сопоставимые с классическими решателями для портфелей из 100+ активов
Арбитража пар: поиск статистических арбитражных возможностей между коррелированными активами
Квантовый алгоритм выявляет скрытые паттерны в исторических данных, которые пропускают традиционные методы
Управление рисками: алгоритм QAOA помогает оптимизировать параметр VaR (Value at Risk) и стресс-тестирование портфелей в режиме реального времени
J. P. Morgan: производные инструменты и кредитование
Крупнейший американский банк инвестирует в квантовые технологии через собственную лабораторию JPMorgan Chase Institute
Их достижения:
Ценообразование опционов: команда Marco Pistoia адаптировала QAOA для расчёта цен сложных деривативов методом Монте-Карло
Квантовая версия показала квадратичное ускорение по сравнению с классическими симуляциями
Кредитный риск:
QAOA оптимизирует кредитные портфели, балансируя доходность и вероятность дефолта
Алгоритм учитывает корреляции между заёмщиками и макроэкономические факторы
Высокочастотная торговля: экспериментальные алгоритмы для оптимизации исполнения крупных ордеров с минимизацией воздействия рынка
D-Wave: квантовый отжиг в действии
Канадская D-Wave Systems пошла альтернативным путём — вместо универсальных квантовых компьютеров они создают специализированные машины для квантового отжига (quantum annealing)
Их процессоры с тысячами кубитов уже решают реальные оптимизационные задачи:
Volkswagen Financial Services: используют D-Wave для оптимизации лизинговых портфелей и управления рисками автокредитования
Система анализирует миллионы сценариев и находит оптимальные стратегии ценообразования
Recruit Holdings (Япония): применяют квантовый отжиг для персонализации финансовых продуктов и кредитного скоринга
Алгоритм обрабатывает поведенческие данные клиентов и оптимизирует предложения в реальном времени
Денверский аэропорт и Lockheed Martin: хотя и не финансовые компании, но их кейсы показательны
D-Wave оптимизирует логистику и планирование ресурсов — задачи, аналогичные финансовому риск-менеджменту
Джулиан Шритвизер, который был соавтором AlphaGo, AlphaZero и MuZero, а теперь — исследователь в Anthropic, написал в своем блоге анализ того, что происходит в Ml
Люди замечают, что хотя Ml теперь может писать программы, разрабатывать веб-сайты и тд, он все еще часто совершает ошибки, а затем почему-то делают вывод, что Ml никогда не сможет выполнять эти задачи на человеческом уровне или окажет лишь незначительное влияние
Хотя всего несколько лет назад сама возможность Ml делать эти вещи была полной научной фантастикой
Данные показывают устойчивый рост:
1. В программировании: модели уже могут автономно работать над задачами 2+ часа
2. В разных профессиях: новейшие модели почти достигли уровня экспертов-людей с 14-летним опытом
Конкретные прогнозы на ближайшие годы:
• К середине 2026 года Ml сможет автономно работать полный рабочий день 8 часов
• К концу 2026 года хотя бы одна модель достигнет уровня экспертов во многих профессиях
• К концу 2027 - Ml начнет регулярно превосходить экспертов
Люди замечают, что хотя Ml теперь может писать программы, разрабатывать веб-сайты и тд, он все еще часто совершает ошибки, а затем почему-то делают вывод, что Ml никогда не сможет выполнять эти задачи на человеческом уровне или окажет лишь незначительное влияние
Хотя всего несколько лет назад сама возможность Ml делать эти вещи была полной научной фантастикой
Данные показывают устойчивый рост:
1. В программировании: модели уже могут автономно работать над задачами 2+ часа
2. В разных профессиях: новейшие модели почти достигли уровня экспертов-людей с 14-летним опытом
Конкретные прогнозы на ближайшие годы:
• К середине 2026 года Ml сможет автономно работать полный рабочий день 8 часов
• К концу 2026 года хотя бы одна модель достигнет уровня экспертов во многих профессиях
• К концу 2027 - Ml начнет регулярно превосходить экспертов
www.julian.ac
Failing to Understand the Exponential, Again
Posts and writings by Julian Schrittwieser
Музей английской сельской жизни выложил архивное фото овец на мосту и подписал: "Мы тоже задействуем LLMs!"
Игра слов работает идеально, LLMs в мире технологий это Large Language Models, а на фото буквально Large Lamb-bridge Models
Музей из Рединга известен подобными каламбурами
Прославились они благодаря соцсетям, где постят архивные фото с забавными подписями
К слову, в комментариях пользователи тоже отличились
Предложили:
• Large-scale Lamb Movement
• log-bridge lamb modalities
• Leg of Lamb and Mint Sauce
Игра слов работает идеально, LLMs в мире технологий это Large Language Models, а на фото буквально Large Lamb-bridge Models
Музей из Рединга известен подобными каламбурами
Прославились они благодаря соцсетям, где постят архивные фото с забавными подписями
К слову, в комментариях пользователи тоже отличились
Предложили:
• Large-scale Lamb Movement
• log-bridge lamb modalities
• Leg of Lamb and Mint Sauce
Проект «Vesuvius Challenge»
Представьте себе библиотеку в древнеримской вилле в Геркулануме
В 79 году н.э. извержение Везувия накрыло раскаленным пеплом и лавой Помпеи и Геркуланум
Все виллы, хижины крестьян, дворцы, храмы и конечно же библиотеки были полностью уничтожены
Но под слоем пепла и лавы сотни свитков папируса из этих библиотек не сгорели, а обуглились
Они превратились в хрупкие, спрессованные «угольные брикеты», которые невозможно развернуть, не уничтожив
С 2023 года идет проект «Vesuvius Challenge»
Исследователи использовали передовой метод — синхротронная рентгеновская томография
Свитки просвечивают, получая 3D-модель с невероятной детализацией
1. Чернила в этих свитках — это углерод (сажа)
Папирус после обугливания — тоже углерод
Рентген «не видит» разницы
Но Ml обучен находить мельчайшие изменения в текстуре и структуре папируса в тех местах, где было нанесено чернило
Он буквально учится читать по «шрамам», оставленным пером
2. Разворачивает свиток виртуально
Физически развернуть свиток нельзя — он рассыплется
Ml анализирует 3D-модель и цифровыми методами «разворачивает» ее в плоский лист
Это как развернуть скомканный лист бумаги, не прикасаясь к нему
3. Даже после виртуального разворачивания текст представляет собой набор едва заметных трещин и неровностей
Специально обученные нейросети, похожие на те, что распознают рукописный текст, ищут знакомые паттерны — очертания древнегреческих букв
В начале 2024 года команда участников «Vesuvius Challenge» с помощью своего Ml-алгоритма первой полностью расшифровала более 2.000 слов из одного из свитков (около 5 % текста)
Это оказался неизвестный ранее философский текст о музыке, еде и жизни удовольствий!
Автор (вероятно, эпикурейский философ Филодем) рассуждает, являются ли удовольствия из разных источников (еда, музыка) ограниченными по своей природе
Получаем прямой доступ к мыслям людей, живших 2.000 лет назад, минуя всех переписчиков и интерпретаторов
Ученые надеются прочесть сотни таких свитков, что может перевернуть наше представление об античной философии, литературе и науке
Это великолепный пример симбиоза гуманитарных наук и передовых технологий
Ml становится машиной времени, позволяющей заглянуть в прошлое, которое мы уже считали навсегда потерянным
Историческую правду мы будем узнавать не от людей
Представьте себе библиотеку в древнеримской вилле в Геркулануме
В 79 году н.э. извержение Везувия накрыло раскаленным пеплом и лавой Помпеи и Геркуланум
Все виллы, хижины крестьян, дворцы, храмы и конечно же библиотеки были полностью уничтожены
Но под слоем пепла и лавы сотни свитков папируса из этих библиотек не сгорели, а обуглились
Они превратились в хрупкие, спрессованные «угольные брикеты», которые невозможно развернуть, не уничтожив
С 2023 года идет проект «Vesuvius Challenge»
Исследователи использовали передовой метод — синхротронная рентгеновская томография
Свитки просвечивают, получая 3D-модель с невероятной детализацией
1. Чернила в этих свитках — это углерод (сажа)
Папирус после обугливания — тоже углерод
Рентген «не видит» разницы
Но Ml обучен находить мельчайшие изменения в текстуре и структуре папируса в тех местах, где было нанесено чернило
Он буквально учится читать по «шрамам», оставленным пером
2. Разворачивает свиток виртуально
Физически развернуть свиток нельзя — он рассыплется
Ml анализирует 3D-модель и цифровыми методами «разворачивает» ее в плоский лист
Это как развернуть скомканный лист бумаги, не прикасаясь к нему
3. Даже после виртуального разворачивания текст представляет собой набор едва заметных трещин и неровностей
Специально обученные нейросети, похожие на те, что распознают рукописный текст, ищут знакомые паттерны — очертания древнегреческих букв
В начале 2024 года команда участников «Vesuvius Challenge» с помощью своего Ml-алгоритма первой полностью расшифровала более 2.000 слов из одного из свитков (около 5 % текста)
Это оказался неизвестный ранее философский текст о музыке, еде и жизни удовольствий!
Автор (вероятно, эпикурейский философ Филодем) рассуждает, являются ли удовольствия из разных источников (еда, музыка) ограниченными по своей природе
Получаем прямой доступ к мыслям людей, живших 2.000 лет назад, минуя всех переписчиков и интерпретаторов
Ученые надеются прочесть сотни таких свитков, что может перевернуть наше представление об античной философии, литературе и науке
Это великолепный пример симбиоза гуманитарных наук и передовых технологий
Ml становится машиной времени, позволяющей заглянуть в прошлое, которое мы уже считали навсегда потерянным
Историческую правду мы будем узнавать не от людей
GPT-5 впервые прошёл «тест Гёделя» и сумел доказать три крупных гипотезы в области комбинаторной оптимизации, — констатируют исследователи из Университета Хайфы и компании Cisco
В одном случае модель не просто справилась с задачей, но предложила неожиданное решение, опровергнувшее исходную гипотезу
«На решение подобных задач у лучших аспирантов обычно уходит несколько дней
Впервые эксперимент был построен так, чтобы искусственный интеллект столкнулся не с задачами уровня олимпиад, а с открытыми математическими гипотезами»
«Этот результат можно назвать историческим: впервые искусственный интеллект сделал шаг от «обучения математике» к реальному «созданию математики»
Это начало глубокого преобразования научной парадигмы, которое может определять ход исследований уже в 2030-е годы»
Ml становится научным агентом («учёным»), способным делать научные открытия, меняющие мир
В одном случае модель не просто справилась с задачей, но предложила неожиданное решение, опровергнувшее исходную гипотезу
«На решение подобных задач у лучших аспирантов обычно уходит несколько дней
Впервые эксперимент был построен так, чтобы искусственный интеллект столкнулся не с задачами уровня олимпиад, а с открытыми математическими гипотезами»
«Этот результат можно назвать историческим: впервые искусственный интеллект сделал шаг от «обучения математике» к реальному «созданию математики»
Это начало глубокого преобразования научной парадигмы, которое может определять ход исследований уже в 2030-е годы»
Ml становится научным агентом («учёным»), способным делать научные открытия, меняющие мир
❤1