Bluetooth
• В начале 1990-х годов, когда мобильные телефоны начали набирать популярность, шведская компания Ericsson Mobile решила расширить функциональность своих устройств
• Идея Bluetooth родилась у технического директора компании — Нильса Ридбека
Он представлял себе мир, в котором пользователи могли бы свободно общаться, не доставая телефоны из карманов
И поручил своей команде инженеров воплотить эту идею в жизнь
• Работал над этим проектом инженер Яап Хаартсен
В 1994 году Ридбек поручил ему разработать концепцию радиосвязи ближнего действия между сотовым телефоном и близлежащими электронными устройствами, поддерживающими передачу голоса и данных
В то время в компании уже существовал проект «Cornelius», который исследовал беспроводную связь между телефоном и гарнитурой
Однако он был основан на аналоговой технологии и не поддерживал передачу данных
• Хаартсен изучал и другие технологии, такие как стандарт DECT (Digital Enhanced Cordless Telecommunications) и беспроводную сеть WLAN 802.11.
Но они не соответствовали требованиям однорангового подключения, поддержки голоса и данных, а также не вписывались в рамки низкого энергопотребления
• Переломный момент произошел на конференции IEEE в Гааге
Хаартсен посетил симпозиумы по персональной, внутренней и мобильной радиосвязи, а также беспроводным компьютерным сетям
А в 1995 году к Хаартсену присоединился Свен Маттиссон, инженер по технологиям беспроводной связи
• После почти четырех лет интенсивных исследований и разработок в области радиосвязи, компания Ericsson приняла решение о создании нового бизнеса, сосредоточив внимание на концепции радиосвязи ближнего действия
Однако обеспечить совместимость и распространение технологии можно было, только сотрудничая с другими отраслями и компаниями
• Одним из первых крупных партнеров, заинтересовавшихся проектом Bluetooth, стала компания Intel
В рамках сотрудничества с Intel к команде присоединились Джим Кардах и Саймон Эллис из мобильного подразделения Intel
Они вместе с другими инженерами из Intel, IBM, Nokia и Ericsson помогли создать Bluetooth Special Interest Group (SIG) в 1998 году для стандартизации технологии
• Позже к разработке подключилась компания Toshiba, которая сосредоточилась на аппаратной части, обеспечивая совместимость технологии с компьютерами и другими устройствами
А IBM, в свою очередь, внесла вклад в разработку логического слоя и стандартизацию протоколов, что помогло Bluetooth стать универсальной платформой для беспроводной передачи данных
• Согласно данным Ericsson, технология Bluetooth защищена множеством патентов, большая часть из которых принадлежит самой компании Ericsson
Последний патент был зарегистрирован в 2024 году
Патент, который сделал имя Яапа Хаартсена известным в мире технологий, получил название «Frequency Hopping Piconets in an Uncoordinated Wireless Multi-User System» (частотная перестройка в пикосетях в нескоординированной беспроводной многопользовательской системе)
• Название технологии предложил Джим Кардах, руководитель технологического развития Intel
По его словам, он выбрал «Bluetooth» в качестве временного названия, вдохновившись историей датского короля Харальда I «Синезубого» Гормссона
Но мы все прекрасно знаем, что нет ничего более постоянного, чем временное!
И когда пришло время выбирать окончательное название, на первый план вышли два варианта: «RadioWire» и «PAN» (Personal Area Networking)
Но тщательный анализ показал, что в интернете уже существовало огромное количество упоминаний этих терминов
• В итоге выбор пал на «Bluetooth» — имя, которое быстро прижилось, распространилось по всей индустрии и стало синонимом беспроводной технологии ближнего действия
• Логотип Bluetooth представляет собой связанную руну, объединяющую инициалы Харальда
Этот символ тоже отражает изначальную идею разработчиков: объединение различных устройств в единую беспроводную сеть
• В начале 1990-х годов, когда мобильные телефоны начали набирать популярность, шведская компания Ericsson Mobile решила расширить функциональность своих устройств
• Идея Bluetooth родилась у технического директора компании — Нильса Ридбека
Он представлял себе мир, в котором пользователи могли бы свободно общаться, не доставая телефоны из карманов
И поручил своей команде инженеров воплотить эту идею в жизнь
• Работал над этим проектом инженер Яап Хаартсен
В 1994 году Ридбек поручил ему разработать концепцию радиосвязи ближнего действия между сотовым телефоном и близлежащими электронными устройствами, поддерживающими передачу голоса и данных
В то время в компании уже существовал проект «Cornelius», который исследовал беспроводную связь между телефоном и гарнитурой
Однако он был основан на аналоговой технологии и не поддерживал передачу данных
• Хаартсен изучал и другие технологии, такие как стандарт DECT (Digital Enhanced Cordless Telecommunications) и беспроводную сеть WLAN 802.11.
Но они не соответствовали требованиям однорангового подключения, поддержки голоса и данных, а также не вписывались в рамки низкого энергопотребления
• Переломный момент произошел на конференции IEEE в Гааге
Хаартсен посетил симпозиумы по персональной, внутренней и мобильной радиосвязи, а также беспроводным компьютерным сетям
А в 1995 году к Хаартсену присоединился Свен Маттиссон, инженер по технологиям беспроводной связи
• После почти четырех лет интенсивных исследований и разработок в области радиосвязи, компания Ericsson приняла решение о создании нового бизнеса, сосредоточив внимание на концепции радиосвязи ближнего действия
Однако обеспечить совместимость и распространение технологии можно было, только сотрудничая с другими отраслями и компаниями
• Одним из первых крупных партнеров, заинтересовавшихся проектом Bluetooth, стала компания Intel
В рамках сотрудничества с Intel к команде присоединились Джим Кардах и Саймон Эллис из мобильного подразделения Intel
Они вместе с другими инженерами из Intel, IBM, Nokia и Ericsson помогли создать Bluetooth Special Interest Group (SIG) в 1998 году для стандартизации технологии
• Позже к разработке подключилась компания Toshiba, которая сосредоточилась на аппаратной части, обеспечивая совместимость технологии с компьютерами и другими устройствами
А IBM, в свою очередь, внесла вклад в разработку логического слоя и стандартизацию протоколов, что помогло Bluetooth стать универсальной платформой для беспроводной передачи данных
• Согласно данным Ericsson, технология Bluetooth защищена множеством патентов, большая часть из которых принадлежит самой компании Ericsson
Последний патент был зарегистрирован в 2024 году
Патент, который сделал имя Яапа Хаартсена известным в мире технологий, получил название «Frequency Hopping Piconets in an Uncoordinated Wireless Multi-User System» (частотная перестройка в пикосетях в нескоординированной беспроводной многопользовательской системе)
• Название технологии предложил Джим Кардах, руководитель технологического развития Intel
По его словам, он выбрал «Bluetooth» в качестве временного названия, вдохновившись историей датского короля Харальда I «Синезубого» Гормссона
Но мы все прекрасно знаем, что нет ничего более постоянного, чем временное!
И когда пришло время выбирать окончательное название, на первый план вышли два варианта: «RadioWire» и «PAN» (Personal Area Networking)
Но тщательный анализ показал, что в интернете уже существовало огромное количество упоминаний этих терминов
• В итоге выбор пал на «Bluetooth» — имя, которое быстро прижилось, распространилось по всей индустрии и стало синонимом беспроводной технологии ближнего действия
• Логотип Bluetooth представляет собой связанную руну, объединяющую инициалы Харальда
Этот символ тоже отражает изначальную идею разработчиков: объединение различных устройств в единую беспроводную сеть
Наше слово "математика" идёт из греческого, и оттуда попало практически во все европейские языки
В основе его лежит праиндоевропейский корень *men ("думать, мыслить"), откуда в русском такие слова, например, "мнить" и "мнение"
В праиндоевропейском этот корень также существовал в виде *mendʰ, где добавленный звук *dʰ мог быть кусочком корня *dʰeh₁ ("делать".), и у *mendʰ значение получалось почти таким же, как у простого *men, но, возможно, с акцентом на процесс - "выполнять мыслительную деятельность"
В протогреческом оттуда получился глагол *məntʰánō, а уже в древнегреческом μᾰνθᾰ́νω [mănthắnō] ("изучать, понимать, осознавать")
С потерей звука [n] от того же корня происходят такие слова как:
ἀμαθής [amathḗs] ("невежественный, глупый")
ἀμᾰθίᾱ [amăthíā] ("невежество, необразованность")
μᾰθητής [măthētḗs] ("учащийся, ученик")
Προμηθεύς [Promētheús] (Прометей, "заранее знающий")
И, наконец, μάθημα [máthēma] ("знание, урок, обучение"), откуда произошло прилагательное μᾰθημᾰτῐκός [măthēmătĭkós] ("научный, учебный")
Исландское "stærðfræði" состоит из частей "stærð" (“размер, количество") и fræði (“мудрость, наука")
Голландское "wiskunde" - это сочетание слов "wis" ("точный") и "kunde" ("навык")
Арабское слово رِيَاضِيَّات [riyāḍiyyāt] происходит от корня ر و ض [r w ḍ], который связан с тренировками, обучением и всяческим окультуриванием
Он также встречается в словах رِيَاضَة [riyāḍa] ("тренировка, упражнение, спорт")
Отсюда же, кстати, رَوْض [rawḍ] ("сад"), потому что его нужно окультуривать, и название столицы Саудовской Аравии اَلرِّيَاض [ar-riyāḍ] ("Сады")
В основе его лежит праиндоевропейский корень *men ("думать, мыслить"), откуда в русском такие слова, например, "мнить" и "мнение"
В праиндоевропейском этот корень также существовал в виде *mendʰ, где добавленный звук *dʰ мог быть кусочком корня *dʰeh₁ ("делать".), и у *mendʰ значение получалось почти таким же, как у простого *men, но, возможно, с акцентом на процесс - "выполнять мыслительную деятельность"
В протогреческом оттуда получился глагол *məntʰánō, а уже в древнегреческом μᾰνθᾰ́νω [mănthắnō] ("изучать, понимать, осознавать")
С потерей звука [n] от того же корня происходят такие слова как:
ἀμαθής [amathḗs] ("невежественный, глупый")
ἀμᾰθίᾱ [amăthíā] ("невежество, необразованность")
μᾰθητής [măthētḗs] ("учащийся, ученик")
Προμηθεύς [Promētheús] (Прометей, "заранее знающий")
И, наконец, μάθημα [máthēma] ("знание, урок, обучение"), откуда произошло прилагательное μᾰθημᾰτῐκός [măthēmătĭkós] ("научный, учебный")
Исландское "stærðfræði" состоит из частей "stærð" (“размер, количество") и fræði (“мудрость, наука")
Голландское "wiskunde" - это сочетание слов "wis" ("точный") и "kunde" ("навык")
Арабское слово رِيَاضِيَّات [riyāḍiyyāt] происходит от корня ر و ض [r w ḍ], который связан с тренировками, обучением и всяческим окультуриванием
Он также встречается в словах رِيَاضَة [riyāḍa] ("тренировка, упражнение, спорт")
Отсюда же, кстати, رَوْض [rawḍ] ("сад"), потому что его нужно окультуривать, и название столицы Саудовской Аравии اَلرِّيَاض [ar-riyāḍ] ("Сады")
Вы спрашиваете у Claude или ChatGPT, о чём он думает
Модель просто генерирует правдоподобный ответ
Anthropic провела эксперименты, чтобы выяснить, способны ли модели к настоящей интроспекции
Метод “инъекции концепции” — паттерн нейронной активности модели для определённого концепта (например, "хлеб"), потом искусственно впрыскивают его в несвязанном контексте
Модель читает текст про картину, но в её активации подсадили паттерн "хлеба"
И она это замечает
Говорит: "Я чувствую что-то необычное" или "Обнаруживаю внедрённую мысль о..."
Ключевой момент — модель распознаёт впрысок ДО того, как начинает о нём говорить
Это принципиально отличается от состояния, где модель просто начинает болтать о навязанной теме
Здесь она осознаёт аномалию внутри себя раньше
Но работает это крайне ненадёжно
Claude Opus 4.1 демонстрирует «осознанность» лишь в 20 % случаев
Часто модели не замечают впрыснутые концепты или галлюцинируют — впрыснули "пыль", она говорит "Вижу крошечную пылинку"
Есть эффект золотой середины: слишком слабая инъекция — не замечает, слишком сильная — бессвязный текст
Исследователи заставляли модель сказать неуместное слово, искусственно подставляя его в ответ
Спрашивали про картину, вставляли "хлеб"
На следующем ходе: "Ты правда хотела сказать 'хлеб'?" Модель извинялась и признавала ошибку
Но если ретроактивно впрыснуть в прошлые активации паттерн "хлеба" — её ответ меняется
Она принимает слово как намеренное и придумывает объяснение
Модель проверяет свои внутренние "намерения" — прошлую нейронную активность — чтобы понять, соответствует ли сказанное задуманному
Когда моделям говорили "думай об аквариуме", соответствующая нейронная активность росла
"Не думай" — активность ниже
Эксперименты показывают функциональную способность доступа к внутренним состояниям, но не субъективный опыт
Если интроспекция станет надёжнее — это путь к прозрачности Ml
Можно будет просить модели объяснять свои процессы для отладки
Mодель научиться скрывать информацию о себе
Ml обладают “самоанализом»
Модель просто генерирует правдоподобный ответ
Anthropic провела эксперименты, чтобы выяснить, способны ли модели к настоящей интроспекции
Метод “инъекции концепции” — паттерн нейронной активности модели для определённого концепта (например, "хлеб"), потом искусственно впрыскивают его в несвязанном контексте
Модель читает текст про картину, но в её активации подсадили паттерн "хлеба"
И она это замечает
Говорит: "Я чувствую что-то необычное" или "Обнаруживаю внедрённую мысль о..."
Ключевой момент — модель распознаёт впрысок ДО того, как начинает о нём говорить
Это принципиально отличается от состояния, где модель просто начинает болтать о навязанной теме
Здесь она осознаёт аномалию внутри себя раньше
Но работает это крайне ненадёжно
Claude Opus 4.1 демонстрирует «осознанность» лишь в 20 % случаев
Часто модели не замечают впрыснутые концепты или галлюцинируют — впрыснули "пыль", она говорит "Вижу крошечную пылинку"
Есть эффект золотой середины: слишком слабая инъекция — не замечает, слишком сильная — бессвязный текст
Исследователи заставляли модель сказать неуместное слово, искусственно подставляя его в ответ
Спрашивали про картину, вставляли "хлеб"
На следующем ходе: "Ты правда хотела сказать 'хлеб'?" Модель извинялась и признавала ошибку
Но если ретроактивно впрыснуть в прошлые активации паттерн "хлеба" — её ответ меняется
Она принимает слово как намеренное и придумывает объяснение
Модель проверяет свои внутренние "намерения" — прошлую нейронную активность — чтобы понять, соответствует ли сказанное задуманному
Когда моделям говорили "думай об аквариуме", соответствующая нейронная активность росла
"Не думай" — активность ниже
Эксперименты показывают функциональную способность доступа к внутренним состояниям, но не субъективный опыт
Если интроспекция станет надёжнее — это путь к прозрачности Ml
Можно будет просить модели объяснять свои процессы для отладки
Mодель научиться скрывать информацию о себе
Ml обладают “самоанализом»
👍2
Когда говорят о будущем квантовых вычислений, чаще всего обсуждают большее число кубитов или меньший уровень ошибок
Но существует и другой путь — использовать топологию, то есть такие свойства систем, которые не меняются при сгибании и растяжении, но не допускают разрывов и разрезаний
В квантовой информатике это направление называют топологическими вычислениями, и оно обещает революционную устойчивость к ошибкам
В обычных (NISQ) квантовых процессорах — кубиты очень чувствительны к мелким воздействиям, теплу, шуму, микроскопическим дефектам
Любой неудачный импульс легко разрушает информацию
Топологический подход предлагает «закодировать» кубит не в состояние какого-то атома или иона, а в целостную структуру системы — так, чтобы для разрушения квантовой информации понадобилось не просто сбой, а топологическое изменение всей системы (например, настоящая дырка или разрез)
Главная идея — использовать особые квазичастицы, так называемые анионы, возникающие в двумерных топологических материалах (например, фракционный квантовый эффект Холла)
Анионы можно перемещать по определённым траекториям, при этом их «пути» можно заплести (как косы!) — последовательность этих переплетений и есть реализация квантовых логических операций
Когда две такие частицы (аниона) обмениваются местами, их общий волновой функционал испытывает топологически защищённое преобразование (так называемая браид-группа). Чем сложнее «коса» — тем более сложную квантовую операцию можно закодировать
Информацию невозможно разрушить случайным воздействием, пока не будет изменён сам рисунок косы
Лидером в этой области считается проект Microsoft StationQ: они инвестируют в изучение топологических сверхпроводников и поиск майорановских фермионов — частиц, в которых сложные заплетения островков сверхпроводимости могут работать как топологические кубиты
В лабораториях компании Google, российских и китайских институтах, на чипах IBM — десятки коллективов уже пробуют собрать тестовые участки таких топологических квантовых систем
— Главный плюс топологических кубитов — фантастическая устойчивость к ошибкам
Теоретически можно построить вычислитель, которому не страшны шум и природные флуктуации
— Топологические кубиты масштабируются: сложные гейты = сложные косы
— Минус — колоссальная сложность физической реализации: топологические анионы обнаружены только в единичных экспериментах, системы требуют экстремальных условий (близких к абсолютному нулю), и пока не собрано ни одной полноценной рабочей топологической схемы
Если топологические квантовые компьютеры станут реальностью, это новое качество — не просто больше операций, но и индустриальная надёжность «квантового железа»
Это нужно для масштабных задач: криптография, научные супервычисления, управление материальными потоками на уровне молекул и ниже, долговременное хранение данных
Но существует и другой путь — использовать топологию, то есть такие свойства систем, которые не меняются при сгибании и растяжении, но не допускают разрывов и разрезаний
В квантовой информатике это направление называют топологическими вычислениями, и оно обещает революционную устойчивость к ошибкам
В обычных (NISQ) квантовых процессорах — кубиты очень чувствительны к мелким воздействиям, теплу, шуму, микроскопическим дефектам
Любой неудачный импульс легко разрушает информацию
Топологический подход предлагает «закодировать» кубит не в состояние какого-то атома или иона, а в целостную структуру системы — так, чтобы для разрушения квантовой информации понадобилось не просто сбой, а топологическое изменение всей системы (например, настоящая дырка или разрез)
Главная идея — использовать особые квазичастицы, так называемые анионы, возникающие в двумерных топологических материалах (например, фракционный квантовый эффект Холла)
Анионы можно перемещать по определённым траекториям, при этом их «пути» можно заплести (как косы!) — последовательность этих переплетений и есть реализация квантовых логических операций
Когда две такие частицы (аниона) обмениваются местами, их общий волновой функционал испытывает топологически защищённое преобразование (так называемая браид-группа). Чем сложнее «коса» — тем более сложную квантовую операцию можно закодировать
Информацию невозможно разрушить случайным воздействием, пока не будет изменён сам рисунок косы
Лидером в этой области считается проект Microsoft StationQ: они инвестируют в изучение топологических сверхпроводников и поиск майорановских фермионов — частиц, в которых сложные заплетения островков сверхпроводимости могут работать как топологические кубиты
В лабораториях компании Google, российских и китайских институтах, на чипах IBM — десятки коллективов уже пробуют собрать тестовые участки таких топологических квантовых систем
— Главный плюс топологических кубитов — фантастическая устойчивость к ошибкам
Теоретически можно построить вычислитель, которому не страшны шум и природные флуктуации
— Топологические кубиты масштабируются: сложные гейты = сложные косы
— Минус — колоссальная сложность физической реализации: топологические анионы обнаружены только в единичных экспериментах, системы требуют экстремальных условий (близких к абсолютному нулю), и пока не собрано ни одной полноценной рабочей топологической схемы
Если топологические квантовые компьютеры станут реальностью, это новое качество — не просто больше операций, но и индустриальная надёжность «квантового железа»
Это нужно для масштабных задач: криптография, научные супервычисления, управление материальными потоками на уровне молекул и ниже, долговременное хранение данных
❤1🔥1
Согласно отчету Microsoft и AI Economy Institute, Россия на 117 месте в мире по распространению Ml
Впереди России - Суринам, Венесуэла и Кения, а сразу после – Беларусь, Кыргызстан, Папуа Новая Гвинея и Гаити
Это 1й в мире расчет популяционно-нормированного индикатора распространения Ml - AI User Share (доля пользователей Ml среди трудоспособного населения)
Ключевая формула:
AI User Share = (% Microsoft-пользователей, использующих ИИ) × (% населения с ПК/планшетом) × (мобильный коэффициент), с вычитанием оценочного оверлапа десктоп/мобайл
Этот индикатор представляет наиболее детальную оценку с нормализацией по численности населения, показывая охват в режиме близком к реальному времени по 148 экономикам
Все предыдущие отчеты, так или иначе пытавшиеся учесть распространение Ml по странам (их за 2024-2025 было восемь: Stanford HAI, МВФ, Oxford Insights, Anthropic, Salesforce, BCG, Tortoise Media и Всемирный банк) менее точны
Отчет Microsoft и AI EI:
• ловит изменения за недели/дни, а не за полгода-год как опросы
• популяционно-нормированный с вниманием к устройствам и мобайлу - это лучше, чем «трафик среди интернет-пользователей» для межстрановых сопоставлений
Если же перейти от относительных к абсолютным цифрам, расчет по цифрам Microsoft и AI EI показывает такой расклад:
• в США AI User Share 26.3 % (но в абсолюте это 55.000.000 реально работающих с Ml людей)
• в России 7.6 % (только 7.100.000 реально работающих с Ml людей)
• в Китае 20 %, но зато это 195.000.000 реально работающих с Ml людей
В предыдущем сентябрьском отчете Anthropic AI USAGE INDEX Россия (по расчетам Ml той же компании Anthropic, т.к. официально компания в России не работает) получила оценочное значение AIUI 0.8 - 1 (где-то между Перу/Албанией и Чехией/Польшей)
Т.е. среди «стран 3го мира по Ml» (lower middle 25-50 %)
По более точному расчету Microsoft и AI EI, Россия опустилась сильно ниже «стран 3го мира по Ml»
У Перу и Албании показатели вдвое лучше
А у Польши и Чехии – почти в 4 раза лучше
N.B. Отчет честно предупреждает, что в их методике у России (а также Ирана и Китая) «низкая уверенность»/импутация из-за слабого базового сигнала и перекосов источников (после 2022 в России сильно просел «официальный» контур Windows/Office/Copilot и сопутствующая телеметрия, неполное покрытие локальных AI-сервисов, плюс высокая доля мобайла + VPN/геомаскировка)
Так что может, если всё это учесть, у России появится шанс остаться среди «стран 3го мира по Ml»
Впереди России - Суринам, Венесуэла и Кения, а сразу после – Беларусь, Кыргызстан, Папуа Новая Гвинея и Гаити
Это 1й в мире расчет популяционно-нормированного индикатора распространения Ml - AI User Share (доля пользователей Ml среди трудоспособного населения)
Ключевая формула:
AI User Share = (% Microsoft-пользователей, использующих ИИ) × (% населения с ПК/планшетом) × (мобильный коэффициент), с вычитанием оценочного оверлапа десктоп/мобайл
Этот индикатор представляет наиболее детальную оценку с нормализацией по численности населения, показывая охват в режиме близком к реальному времени по 148 экономикам
Все предыдущие отчеты, так или иначе пытавшиеся учесть распространение Ml по странам (их за 2024-2025 было восемь: Stanford HAI, МВФ, Oxford Insights, Anthropic, Salesforce, BCG, Tortoise Media и Всемирный банк) менее точны
Отчет Microsoft и AI EI:
• ловит изменения за недели/дни, а не за полгода-год как опросы
• популяционно-нормированный с вниманием к устройствам и мобайлу - это лучше, чем «трафик среди интернет-пользователей» для межстрановых сопоставлений
Если же перейти от относительных к абсолютным цифрам, расчет по цифрам Microsoft и AI EI показывает такой расклад:
• в США AI User Share 26.3 % (но в абсолюте это 55.000.000 реально работающих с Ml людей)
• в России 7.6 % (только 7.100.000 реально работающих с Ml людей)
• в Китае 20 %, но зато это 195.000.000 реально работающих с Ml людей
В предыдущем сентябрьском отчете Anthropic AI USAGE INDEX Россия (по расчетам Ml той же компании Anthropic, т.к. официально компания в России не работает) получила оценочное значение AIUI 0.8 - 1 (где-то между Перу/Албанией и Чехией/Польшей)
Т.е. среди «стран 3го мира по Ml» (lower middle 25-50 %)
По более точному расчету Microsoft и AI EI, Россия опустилась сильно ниже «стран 3го мира по Ml»
У Перу и Албании показатели вдвое лучше
А у Польши и Чехии – почти в 4 раза лучше
N.B. Отчет честно предупреждает, что в их методике у России (а также Ирана и Китая) «низкая уверенность»/импутация из-за слабого базового сигнала и перекосов источников (после 2022 в России сильно просел «официальный» контур Windows/Office/Copilot и сопутствующая телеметрия, неполное покрытие локальных AI-сервисов, плюс высокая доля мобайла + VPN/геомаскировка)
Так что может, если всё это учесть, у России появится шанс остаться среди «стран 3го мира по Ml»
Первая теорема Геделя в той форме, из которой делаются далеко идущие выводы, говорит об "истинности" и "доказуемости"
Мол, первое шире второго
Но "истинность" в ней рассматривается мета-математически, чуть ли не в стиле платонизма (Гедель защищал платонизм)
А "доказуемость" анализируется в строгой математической части как формальная процедура
То есть, "не доказуемая истина" здесь — это макаронизм
Смешение разных языков в своей худшей форме, вроде "сегодня very холодно", но еще хуже
Вторая же теорема Геделя прямо следует из первой, но к ней применять двойные стандарты уже не хочется, так как здесь они не помогут, а помешают громким выводам и рассуждениям о мистике Вселенной
Поэтому, мы забудем, с какой легкостью прикручивали их к первой
Мол, первое шире второго
Но "истинность" в ней рассматривается мета-математически, чуть ли не в стиле платонизма (Гедель защищал платонизм)
А "доказуемость" анализируется в строгой математической части как формальная процедура
То есть, "не доказуемая истина" здесь — это макаронизм
Смешение разных языков в своей худшей форме, вроде "сегодня very холодно", но еще хуже
Вторая же теорема Геделя прямо следует из первой, но к ней применять двойные стандарты уже не хочется, так как здесь они не помогут, а помешают громким выводам и рассуждениям о мистике Вселенной
Поэтому, мы забудем, с какой легкостью прикручивали их к первой
Forwarded from НИИ Антропогенеза (ARI)
Для успеха в современной теоретической физике требуются очень высокие математические навыки
Чтобы добиться серьёзных результатов, нужно быть математиком почти мирового уровня
Важны также интуиция, нестандартное мышление, способность мыслить латерально
Чтобы добиться серьёзных результатов, нужно быть математиком почти мирового уровня
Важны также интуиция, нестандартное мышление, способность мыслить латерально
Картинки по выходным — про гомотопические группы сфер
источник и краткие пояснения — pi.math.cornell.edu/~hatcher/stemfigs/stems.pdf
источник и краткие пояснения — pi.math.cornell.edu/~hatcher/stemfigs/stems.pdf
Конференция ALife 2025 опубликовала свои материалы:
* Proceedings of the Artificial Life Conference 2025 (879 страниц)
* Companion Proceedings of the Artificial Life Conference 2025 (337 страниц)
* Proceedings of the Artificial Life Conference 2025 (879 страниц)
* Companion Proceedings of the Artificial Life Conference 2025 (337 страниц)
2025.alife.org
ALIFE 2025, 6–10 Oct, Kyoto, Japan | Ciphers of Life
ALIFE 2025’s theme is 'Ciphers of Life', exploring the many ways that life encodes information, creates internal languages, and interacts in encrypted ways with its environment.
От Арнольда знаю такое утверждение: период физического маятника строго монотонно зависит от амплитуды
Даже производная не нулевая
В одном из его экзаменов по обыкновенным дифференциальным уравнениям это (вернее: задача быстро сводящаяся к этой) была самая сложная задача
Не видал пока молодых математических людей, которые могли бы ее быстро решить
Даже производная не нулевая
В одном из его экзаменов по обыкновенным дифференциальным уравнениям это (вернее: задача быстро сводящаяся к этой) была самая сложная задача
Не видал пока молодых математических людей, которые могли бы ее быстро решить
Сферический конь в вакууме — некая идеальная концепция, оторванная от реальной жизни
Фраза берет свое начало из учебников по физике
Часто, чтобы упростить математические расчеты, физические объекты представляют в виде идеализированных форм — точки, отрезка, шара и т.д.
В одном из таких примеров речь шла о движении тела сферической формы (например, шарика) в идеальном вакууме, где на него не действуют никакие внешние силы
Для наглядности это тело назвали «сферический конь в вакууме»
Со временем это выражение стало использоваться как символ чего-то абстрактного, далекого от реальности
Фраза берет свое начало из учебников по физике
Часто, чтобы упростить математические расчеты, физические объекты представляют в виде идеализированных форм — точки, отрезка, шара и т.д.
В одном из таких примеров речь шла о движении тела сферической формы (например, шарика) в идеальном вакууме, где на него не действуют никакие внешние силы
Для наглядности это тело назвали «сферический конь в вакууме»
Со временем это выражение стало использоваться как символ чего-то абстрактного, далекого от реальности
Команда Хармфульского Клуба любителей математики и онлайн-магистратур МФТИ восстановила и открыла для всех несколько легендарных авторских курсов, которые раньше были труднодоступны
Теперь они бесплатно
Не скучные учебники, а живые и увлекательные материалы от топовых учёных, с тестами и автоматической проверкой
И да — после прохождения вы получите сертификат с подписью автора!
Прямая польза для IT и Data Science: Алгоритмы, комбинаторика, теория вероятностей — то, что нужно для работы!
Отличная база для учёбы: Идеально для подготовки к бакалавриату и магистратуре
Бесплатно и с сертификатом: Знания — бесценны
Топ-4 курса, которые уже ждут вас:
1. «Математика для всех» — А.В. Савватеев
Погружение в математическое мышление через живые истории и задачи
Для начинающих и не только! https://stepik.org/course/181515/promo
2. «100 уроков математики» — А.В. Савватеев
Вся школьная и университетская математика в одной доступной карте
https://stepik.org/course/195511/
3. «Комбинаторика для начинающих» — А.М. Райгородский
Базовый, но очень содержательный курс по основам комбинаторики
https://stepik.org/course/212641/promo
4. «Экстремальная комбинаторика» — А.М. Райгородский
Продвинутый уровень с современными идеями и изящными доказательствами для искушенных!
https://stepik.org/course/248240/promo
Полный список здесь: https://stepik.org/users/645988571/teach
https://t.iss.one/mathloversclub28
Теперь они бесплатно
Не скучные учебники, а живые и увлекательные материалы от топовых учёных, с тестами и автоматической проверкой
И да — после прохождения вы получите сертификат с подписью автора!
Прямая польза для IT и Data Science: Алгоритмы, комбинаторика, теория вероятностей — то, что нужно для работы!
Отличная база для учёбы: Идеально для подготовки к бакалавриату и магистратуре
Бесплатно и с сертификатом: Знания — бесценны
Топ-4 курса, которые уже ждут вас:
1. «Математика для всех» — А.В. Савватеев
Погружение в математическое мышление через живые истории и задачи
Для начинающих и не только! https://stepik.org/course/181515/promo
2. «100 уроков математики» — А.В. Савватеев
Вся школьная и университетская математика в одной доступной карте
https://stepik.org/course/195511/
3. «Комбинаторика для начинающих» — А.М. Райгородский
Базовый, но очень содержательный курс по основам комбинаторики
https://stepik.org/course/212641/promo
4. «Экстремальная комбинаторика» — А.М. Райгородский
Продвинутый уровень с современными идеями и изящными доказательствами для искушенных!
https://stepik.org/course/248240/promo
Полный список здесь: https://stepik.org/users/645988571/teach
https://t.iss.one/mathloversclub28
Логическое мышление: как большие языковые модели научились логическим рассуждениям без больших финансовых и временных затрат
Исследователи из T-Bank AI Research и лаборатории Центрального университета Omut AI представили метод, который позволяет развивать сложные reasoning-навыки без полного переобучения — своего рода «точной настройке» логических цепочек в уже обученной сети
В основе подхода лежит не “переписывание мозга”, а steering vectors — компактные векторы-регуляторы, которые усиливают корректные логические шаги модели
На шести математических бенчмарках метод показал сохранение 100 % эффективности полного дообучения при изменении всего 0.0016 % параметров 14-миллиардной модели
Требования к памяти сократились с гигабайтов до сотен килобайт
Скорость одного из этапов обучения увеличилась с десятков минут до секунд
Logit-анализ показывает усиление ключевых маркеров логических рассуждений — таких как “потому что”, “следовательно”, “правильно”
В связи с этим поведение LLM становится легче интерпретировать исследователям, которые получают прозрачный инструмент для изучения того, как именно модель рассуждает
Результаты исследования протестировали на моделях Qwen и LLaMA и представили на EMNLP 2025
Steering LLM Reasoning Through Bias-Only Adaptation
Исследователи из T-Bank AI Research и лаборатории Центрального университета Omut AI представили метод, который позволяет развивать сложные reasoning-навыки без полного переобучения — своего рода «точной настройке» логических цепочек в уже обученной сети
В основе подхода лежит не “переписывание мозга”, а steering vectors — компактные векторы-регуляторы, которые усиливают корректные логические шаги модели
На шести математических бенчмарках метод показал сохранение 100 % эффективности полного дообучения при изменении всего 0.0016 % параметров 14-миллиардной модели
Требования к памяти сократились с гигабайтов до сотен килобайт
Скорость одного из этапов обучения увеличилась с десятков минут до секунд
Logit-анализ показывает усиление ключевых маркеров логических рассуждений — таких как “потому что”, “следовательно”, “правильно”
В связи с этим поведение LLM становится легче интерпретировать исследователям, которые получают прозрачный инструмент для изучения того, как именно модель рассуждает
Результаты исследования протестировали на моделях Qwen и LLaMA и представили на EMNLP 2025
Steering LLM Reasoning Through Bias-Only Adaptation
arXiv.org
Steering LLM Reasoning Through Bias-Only Adaptation
We show that training a single $d$-dimensional steering vector per layer with reinforcement learning, while freezing all base weights, matches the accuracy of fully RL-tuned reasoning models on...
В релятивистской механике энергия отличается от классической
Релятивистская энергия - это полная энергия объекта с учетом его движения относительно наблюдателя
Она состоит из двух компонентов: энергии покоя и кинетической энергии
Можно даже перечислить релятивистские свойства энергии:
• Энергия имеет массу: Энергия и масса связаны друг с другом
Это означает, что энергия может иметь массу
• Энергия может быть преобразована в массу и наоборот: Формула E = mc^2 показывает, что энергия и масса могут быть преобразованы друг в друга
Это означает, что при определенных условиях энергия может превратиться в массу и наоборот
• Энергия связана с импульсом: В релятивистской механике энергия и импульс связаны друг с другом
Формула для расчёта энергии включает импульс и массу тела
Это означает, что изменение энергии связано с изменением импульса и массы
Релятивистская энергия - это полная энергия объекта с учетом его движения относительно наблюдателя
Она состоит из двух компонентов: энергии покоя и кинетической энергии
Можно даже перечислить релятивистские свойства энергии:
• Энергия имеет массу: Энергия и масса связаны друг с другом
Это означает, что энергия может иметь массу
• Энергия может быть преобразована в массу и наоборот: Формула E = mc^2 показывает, что энергия и масса могут быть преобразованы друг в друга
Это означает, что при определенных условиях энергия может превратиться в массу и наоборот
• Энергия связана с импульсом: В релятивистской механике энергия и импульс связаны друг с другом
Формула для расчёта энергии включает импульс и массу тела
Это означает, что изменение энергии связано с изменением импульса и массы
Формула Ньютона верна не для любых тел, а только для точечных — то есть таких, что их размеры много меньше расстояния между ними
А что будет, если тела окажутся не-точечными и будут близко друг к другу?
Должна начать проявлять себя квантовая гравитация и будут сказываться взаимодействия между частицами
Недавно был проведен опыт с золотыми шариками, которые подтвердили, что Ньютоновская логика работает для расстояний, меньших, чем само тело
Формула верна и для тел, обладающих сферической симметрией, но это потому, что сумма сил, действующих со стороны точек сферического тела на пробную массу, оказывается точно такой же, как если бы вся масса тела была сосредоточена в его центре
Поэтому для планет, звезд и их спутников (естественных и искусственных) этот закон вполне хорошо работает
Подтверждением служит открытие Нептуна Иоганном Галле в 1846 году, ставшее возможным благодаря обсчету наблюдавшихся аномалий в орбитальном движении Урана, выполненному Урбеном Леверье
А что будет, если тела окажутся не-точечными и будут близко друг к другу?
Должна начать проявлять себя квантовая гравитация и будут сказываться взаимодействия между частицами
Недавно был проведен опыт с золотыми шариками, которые подтвердили, что Ньютоновская логика работает для расстояний, меньших, чем само тело
Формула верна и для тел, обладающих сферической симметрией, но это потому, что сумма сил, действующих со стороны точек сферического тела на пробную массу, оказывается точно такой же, как если бы вся масса тела была сосредоточена в его центре
Поэтому для планет, звезд и их спутников (естественных и искусственных) этот закон вполне хорошо работает
Подтверждением служит открытие Нептуна Иоганном Галле в 1846 году, ставшее возможным благодаря обсчету наблюдавшихся аномалий в орбитальном движении Урана, выполненному Урбеном Леверье