Forwarded from Анализ данных (Data analysis)
🤯 OpenAI заявила о десяти прорывах в задачах, которые математики не могли решить десятилетиями
Результаты получила внутренняя версия Astra - следующей крупной модели компании.
Среди достижений:
— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).
По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.
Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.
одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.
Astra ещё не выпущена, и OpenAI не называет её GPT-6.
openai.com/index/ten-advances-in-mathematics/
Результаты получила внутренняя версия Astra - следующей крупной модели компании.
Среди достижений:
— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).
По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.
Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.
одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.
Astra ещё не выпущена, и OpenAI не называет её GPT-6.
openai.com/index/ten-advances-in-mathematics/
❤12✍2
Forwarded from Machinelearning
Исследовательский агент Hyra на базе открытой модели Hy3, помог ученым разгадать математическую проблему, которая оставалась нерешенной более 50 лет.
Задача из области комбинаторной математики касалась того, насколько размер множества сумм целых чисел может превышать размер его множества разностей.
Научное сообщество давно доказало, что соответствующий показатель степени не превышает двух, но оставалось неизвестным, является ли эта верхняя граница оптимальной.
Агент использовал модель Hy3 для поиска специфических множеств и вывода общей конструкции. За 24 часа вычислений ИИ нашел ядро решения, которое в итоге легло в основу научного открытия. Ученым оставалось лишь проверить логику, внести корректировки и структурировать доказательство.
Для финальной верификации результата использовали GPT-5.6 Sol, которая помогла корректно перевести расчеты на язык Lean 4.
Итоговая статья подтвердила, что искомый показатель действительно может бесконечно приближаться к 2, делая эту границу оптимальным ответом.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤3🔥2
Курт Гёдель нашёл «дыру» в Конституции США, которая, по его мнению, позволяла легально превратить страну в диктатуру.
В 1947 году, готовясь к экзамену на американское гражданство, один из величайших логиков XX века внимательно изучил Конституцию и заявил, что обнаружил в ней внутреннее противоречие.
По воспоминаниям, на собеседовании Гёдель даже попытался объяснить судье, как именно демократическая система теоретически может сама себя отменить через законные процедуры.
Его друзья Альберт Эйнштейн и Оскар Моргенштерн, присутствовавшие рядом, быстро свернули дискуссию.
История получила название Gödel’s Loophole.
В 1947 году, готовясь к экзамену на американское гражданство, один из величайших логиков XX века внимательно изучил Конституцию и заявил, что обнаружил в ней внутреннее противоречие.
По воспоминаниям, на собеседовании Гёдель даже попытался объяснить судье, как именно демократическая система теоретически может сама себя отменить через законные процедуры.
Его друзья Альберт Эйнштейн и Оскар Моргенштерн, присутствовавшие рядом, быстро свернули дискуссию.
История получила название Gödel’s Loophole.
🔥11❤4😁3✍1👀1
🧠 Математике нейросетей уже 83 года. ChatGPT - всего несколько лет
В 1943 году Уоррен Маккаллок и Уолтер Питтс описали математическую модель нейрона: на вход поступают сигналы, проверяется порог, после чего нейрон либо активируется, либо нет.
Обучаться такая система ещё не умела. Но авторы показали главное - сети простых нейронов способны выполнять логические операции вроде AND, OR и NOT. Иными словами, несколько пороговых правил можно соединить в вычислительную систему.
В 1957-1958 годах Фрэнк Розенблатт создал перцептрон, веса которого уже могли изменяться:
предсказание → сравнение с правильным ответом → корректировка весов
Этот цикл до сих пор лежит в основе обучения многих нейросетей.
В 1969 году Марвин Минский и Сеймур Пейперт подробно показали ограничения однослойных перцептронов. Интерес к направлению заметно снизился, хотя историки до сих пор спорят, насколько именно их работа повлияла на начало «зимы ИИ».
Перелом произошёл в 1986 году. Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс продемонстрировали, что обратное распространение ошибки позволяет эффективно обучать многослойные сети и формировать внутри них полезные представления.
С тех пор появились трансформеры, новые методы обучения, миллиарды параметров и огромные вычислительные кластеры.
Но фундаментальные идеи современных нейросетей были опубликованы ещё до появления микропроцессора.
В 1943 году Уоррен Маккаллок и Уолтер Питтс описали математическую модель нейрона: на вход поступают сигналы, проверяется порог, после чего нейрон либо активируется, либо нет.
Обучаться такая система ещё не умела. Но авторы показали главное - сети простых нейронов способны выполнять логические операции вроде AND, OR и NOT. Иными словами, несколько пороговых правил можно соединить в вычислительную систему.
В 1957-1958 годах Фрэнк Розенблатт создал перцептрон, веса которого уже могли изменяться:
предсказание → сравнение с правильным ответом → корректировка весов
Этот цикл до сих пор лежит в основе обучения многих нейросетей.
В 1969 году Марвин Минский и Сеймур Пейперт подробно показали ограничения однослойных перцептронов. Интерес к направлению заметно снизился, хотя историки до сих пор спорят, насколько именно их работа повлияла на начало «зимы ИИ».
Перелом произошёл в 1986 году. Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс продемонстрировали, что обратное распространение ошибки позволяет эффективно обучать многослойные сети и формировать внутри них полезные представления.
С тех пор появились трансформеры, новые методы обучения, миллиарды параметров и огромные вычислительные кластеры.
Но фундаментальные идеи современных нейросетей были опубликованы ещё до появления микропроцессора.
🔥14👍6❤2🥰2👎1😁1
Как выглядят задачи машинного обучения в бигтехе?
Открыта регистрация на E-CUP 2026 Students — ежегодное соревнование от Ozon Tech. В этом сезоне — для студентов, которые интересуются ML, Data Science, Big Data и аналитикой данных.
Вас ждут три трека: поиск дубликатов товаров, ИИ-модерация карточек маркетплейса и прогнозирование поведения пользователей. Все задачи основаны на реальных обезличенных данных Ozon.
Участвовать можно по одиночке или в команде до пяти человек. Соревнование проходит онлайн с финалом на масштабной конференции E-CODE.
Что ждёт участников:
- призовой фонд 7 200 000 ₽;
- обратная связь от инженеров Ozon Tech;
- нетворк с экспертами индустрии;
- лимитированный мерч;
- билеты на конференцию E-CODE, где наградят победителей.
Подробнее — на сайте E-CUP 2026 Students.
➡️ Регистрация уже открыта!
Присоединяйтесь, чтобы выйти за рамки учебных проектов, попробовать свои силы в задачах настоящего бигтеха и сравнить своё решение с лучшими участниками.
Открыта регистрация на E-CUP 2026 Students — ежегодное соревнование от Ozon Tech. В этом сезоне — для студентов, которые интересуются ML, Data Science, Big Data и аналитикой данных.
Вас ждут три трека: поиск дубликатов товаров, ИИ-модерация карточек маркетплейса и прогнозирование поведения пользователей. Все задачи основаны на реальных обезличенных данных Ozon.
Участвовать можно по одиночке или в команде до пяти человек. Соревнование проходит онлайн с финалом на масштабной конференции E-CODE.
Что ждёт участников:
- призовой фонд 7 200 000 ₽;
- обратная связь от инженеров Ozon Tech;
- нетворк с экспертами индустрии;
- лимитированный мерч;
- билеты на конференцию E-CODE, где наградят победителей.
Подробнее — на сайте E-CUP 2026 Students.
➡️ Регистрация уже открыта!
Присоединяйтесь, чтобы выйти за рамки учебных проектов, попробовать свои силы в задачах настоящего бигтеха и сравнить своё решение с лучшими участниками.
🔥2❤1👏1
🧠 ОДИН ДУЭЛЬ ЧУТЬ НЕ УНИЧТОЖИЛ БУДУЩЕЕ МАТЕМАТИКИ
В 1832 году 20-летний математик умер после дуэли.
Его звали Эварист Галуа.
Но за несколько лет до смерти он сделал открытие, которое изменило математику навсегда.
В 18 лет Галуа создал идеи, которые позже стали основой теории Галуа.
Более 2000 лет математики пытались найти универсальную формулу для решения многочленов.
Они смогли решить уравнения:
✅ 2-й степени
✅ 3-й степени
✅ 4-й степени
Но для 5-й степени и выше общей формулы не существует.
Галуа объяснил не просто факт, а почему так происходит.
Он ввёл новые идеи о симметриях решений уравнений, которые позже стали фундаментом:
🔥 теории групп
🔥 современной алгебры
🔥 многих разделов математики и физики
Но при жизни его работу почти никто не признал.
Его статьи:
❌ отклоняли
❌ теряли
❌ игнорировали
Параллельно Галуа участвовал в политической борьбе и несколько раз попадал под арест.
В ночь перед дуэлью он понимал, что может погибнуть.
Он всю ночь записывал свои математические идеи и оставил заметку, что ему не хватает времени.
На следующее утро он был смертельно ранен.
Ему было всего 20 лет.
Спустя годы математики изучили его записи и поняли масштаб открытия.
Человек, которого при жизни почти никто не слушал, стал одним из основателей современной математики.
Иногда одна жизнь длиной 20 лет может изменить науку на века.
#Math #Mathematics #Programming #ComputerScience
В 1832 году 20-летний математик умер после дуэли.
Его звали Эварист Галуа.
Но за несколько лет до смерти он сделал открытие, которое изменило математику навсегда.
В 18 лет Галуа создал идеи, которые позже стали основой теории Галуа.
Более 2000 лет математики пытались найти универсальную формулу для решения многочленов.
Они смогли решить уравнения:
✅ 2-й степени
✅ 3-й степени
✅ 4-й степени
Но для 5-й степени и выше общей формулы не существует.
Галуа объяснил не просто факт, а почему так происходит.
Он ввёл новые идеи о симметриях решений уравнений, которые позже стали фундаментом:
🔥 теории групп
🔥 современной алгебры
🔥 многих разделов математики и физики
Но при жизни его работу почти никто не признал.
Его статьи:
❌ отклоняли
❌ теряли
❌ игнорировали
Параллельно Галуа участвовал в политической борьбе и несколько раз попадал под арест.
В ночь перед дуэлью он понимал, что может погибнуть.
Он всю ночь записывал свои математические идеи и оставил заметку, что ему не хватает времени.
На следующее утро он был смертельно ранен.
Ему было всего 20 лет.
Спустя годы математики изучили его записи и поняли масштаб открытия.
Человек, которого при жизни почти никто не слушал, стал одним из основателей современной математики.
Иногда одна жизнь длиной 20 лет может изменить науку на века.
#Math #Mathematics #Programming #ComputerScience
❤23🔥10😁6👍4🤡3💩2
🎓 Если вы планируете поступать в ШАД в 2027 году, сейчас можно присоединиться к текущему потоку ShadHelper.
Мы больше 6 лет готовим к ШАД и ML-магистратурам. Среди преподавателей - специалисты из Сбера, МГУ и МФТИ; 120+ выпускников уже поступили в ШАД и ML-магистратуры.
Курс рассчитан на системную подготовку за год: математика, теория вероятностей, дискретная математика и алгоритмы, регулярная практика, домашние задания с обратной связью, поддержка в чате и пробные экзамены.
Поток уже идёт, и сейчас начинается основная часть программы - ключевые темы вступительных экзаменов. Присоединиться к текущей группе можно до 24 августа.
Если пока не готовы принимать решение сразу, оставьте заявку: откроем материалы первой недели курса и договоримся о 15-минутной консультации с академическим куратором. Вы посмотрите, как устроена программа, и сможете задать вопросы по подготовке и входу в текущий поток.
👉 Посмотреть программу и условия
Мы больше 6 лет готовим к ШАД и ML-магистратурам. Среди преподавателей - специалисты из Сбера, МГУ и МФТИ; 120+ выпускников уже поступили в ШАД и ML-магистратуры.
Курс рассчитан на системную подготовку за год: математика, теория вероятностей, дискретная математика и алгоритмы, регулярная практика, домашние задания с обратной связью, поддержка в чате и пробные экзамены.
Поток уже идёт, и сейчас начинается основная часть программы - ключевые темы вступительных экзаменов. Присоединиться к текущей группе можно до 24 августа.
Если пока не готовы принимать решение сразу, оставьте заявку: откроем материалы первой недели курса и договоримся о 15-минутной консультации с академическим куратором. Вы посмотрите, как устроена программа, и сможете задать вопросы по подготовке и входу в текущий поток.
👉 Посмотреть программу и условия
❤3💩1
Forwarded from Machinelearning
Vercel совместно с AWS, GitHub, Microsoft, OpenAI и командой Cursor выпустила открытый формат Agent Plugins. Стандарт унифицирует упаковку плагинов для ИИ-агентов.
Ранее структуру директорий и конфигурации навыков или MCP-серверов приходилось адаптировать под каждый клиент. Теперь достаточно собрать расширение в единую файловую структуру с общим манифестом, после чего совместимые платформы распознают и загружают его напрямую.
На старте формат поддерживают ChatGPT, Codex, Cursor, GitHub Copilot, Kiro и VS Code. Версия 1.0.0 стандартизирует только базовые компоненты - Agent Skills и MCP-серверы.
Дистрибуция, установка, управление правами доступа, а также специфичные команды и хуки остаются на стороне провайдеров.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4
🧮 AI может изменить саму природу математических исследований.
Bloomberg пишет о проблеме, которая уже начинает обсуждаться в академической среде: что будет, если AI начнёт создавать доказательства быстрее, чем люди смогут понять их последствия?
Математика может столкнуться не с нехваткой новых результатов, а с их избытком.
Сегодня академический успех строится вокруг количества публикаций, цитат и новых теорем. Но если машины смогут генерировать тысячи доказательств, ценность может сместиться в другое место.
Главным навыком станет не только найти решение, а понять, какие задачи вообще имеют значение.
Будущая роль математиков может быть больше связана с выбором направлений, проверкой важности результатов, объяснением сложных идей и обучением других.
Возможно, самым редким ресурсом станет не способность доказать теорему, а способность понять, почему она важна.
https://www.bloomberg.com/opinion/articles/2026-08-13/math-faces-an-ai-spiritual-crisis-it-has-a-lesson-for-the-rest-of-us
Bloomberg пишет о проблеме, которая уже начинает обсуждаться в академической среде: что будет, если AI начнёт создавать доказательства быстрее, чем люди смогут понять их последствия?
Математика может столкнуться не с нехваткой новых результатов, а с их избытком.
Сегодня академический успех строится вокруг количества публикаций, цитат и новых теорем. Но если машины смогут генерировать тысячи доказательств, ценность может сместиться в другое место.
Главным навыком станет не только найти решение, а понять, какие задачи вообще имеют значение.
Будущая роль математиков может быть больше связана с выбором направлений, проверкой важности результатов, объяснением сложных идей и обучением других.
Возможно, самым редким ресурсом станет не способность доказать теорему, а способность понять, почему она важна.
https://www.bloomberg.com/opinion/articles/2026-08-13/math-faces-an-ai-spiritual-crisis-it-has-a-lesson-for-the-rest-of-us
🤔3🤷♂1😁1