С Праздником Великой Победы!

Эпиграф
«Если вы такие умные – почему строем не ходите»?
Я люблю Армию!
Армия абсолютно инновационна, потому что, если ты не инновационен – тебя убьют.
Армия ненавидит инновации, потому что нефиг.
Армия очень умная, потому что, если ты дурак – тебя убьют.
Армия не любит умных – потому что нефиг.
Армия не любит воевать, потому что, что знает цену войны.
Армия любит воевать, потому что, знает цену отказа от войны.
Смысл жизни военного – ожидание приказа.
А приказ состоит в том, что однажды ты войдёшь в этот разрыв и выполнишь то для чего жил.

ИИ — это пузырь? Нет. Вопрос поставлен неправильно.
Пузырь — это всегда история про финансы, а не про саму технологию. ИИ реален. Он никуда не денется. Он продолжит менять мир. А вот многие инвесторы, фонды и компании, которые заняли под него слишком много денег слишком быстро — через дорогие кредиты, залоги GPU, private credit и завышенные оценки, — могут исчезнуть или потерять огромные деньги.
Это уже было. Неоднократно. Вот три примера:
1. Железные дороги 1840-х в Британии В 1845 году железные дороги были тем же самым, чем сегодня является ИИ. «Проложи линию — и деньги придут». Обычные люди, священники, вдовы выстраивались в очередь за акциями. Отрасль была реальной и действительно перевернула мир. Но в 1847 году, когда Банк Англии поднял ставки, всё рухнуло. Акции падали, а компании продолжали требовать дополнительные взносы (call structure). Инвесторы продавали всё подряд, чтобы заплатить. Результат: железнодорожная сеть выжила и стала основой промышленной революции. А инвесторы, которые занимали под неё с плечом, — разорились. Кризис 1847 года был именно кредитным кризисом железных дорог, а не кризисом самих железных дорог.
2. Пузырь доткомов 1999–2000 годов Интернет был реальным. Он действительно изменил всё. Но в 1999–2000 годах рынок оценивал компании так, будто каждая из них станет следующим Amazon. Когда в 2000-м пузырь лопнул, сотни дотком-компаний исчезли навсегда. Их сайты закрылись, офисы опустели, инвесторы потеряли миллиарды. А сам интернет? Он остался. Более того — именно после краха появились настоящие гиганты: Amazon, Google, которые стали именно тем, о чём все мечтали в 1999-м. Технология пережила всех, кто на ней спекулировал.
3. Пузырь телекома и оптоволокна 1998–2002 Оптоволокно было реальным. Оно до сих пор лежит под землёй и через него идёт весь мировой трафик. Но в конце 90-х все кинулись строить сети «на всякий случай». Lucent, Nortel, Global Crossing, WorldCom — гиганты той эпохи — обанкротились. Их акции превратились в ноль. Инвесторы, которые занимали под «светлое будущее оптоволокна», потеряли всё. А волокно? Оно работает и сегодня. Именно на нём построен весь современный интернет. Технология осталась. Финансирование — нет.
Вывод простой:
ИИ не сломается. Сломаются те, кто занял под него.
Сейчас важно не «верит ли рынок в ИИ», а как именно он в него верит:
Сколько денег влито через дорогие кредиты?
Какие залоги используются?
Насколько быстро растут CapEx Big Tech?
Что происходит с private credit и ставками аренды GPU?
Следите за этими сигналами — и вы увидите, когда пузырь начнёт сдуваться. А ИИ… ИИ просто продолжит работать.
#ИИ #Пузырь #Инвестиции #AI #Финансы #Технологии #КрахПузыря #ЖелезныеДороги #Доткомы #Оптоволокно

Критика проектов Terafab и орбитальных дата-центров часто строится на оценке «завтрашних» задач через призму «сегодняшних» ограничений. Такой подход логически некорректен.
Terafab рассчитан на производство чипов в объёме, обеспечивающем 1 ТВт вычислительной мощности ежегодно, с полной вертикальной интеграцией и радиационно-стойкими решениями для космоса. Орбитальные платформы используют постоянную солнечную энергию и радиационный теплоотвод — физические условия, недоступные на Земле. Проект опирается на уже отработанные технологии Starship и Starlink. Intel выступает технологическим партнёром.
Аналогичная логика уже реализовывалась в XXI веке. AWS, запущенная в 2006 году как внутренняя инфраструктура, стала доминирующей облачной платформой вопреки прогнозам о её ненужности. CRISPR-Cas9 с 2012 года из лабораторной технологии превратилась в клинический инструмент генной инженерии. AlphaFold в 2021 году решила проблему структуры белков, считавшуюся неразрешимой десятилетиями; сегодня система применяется тысячами исследователей.
В каждом случае скептики оперировали текущими возможностями и объявляли проекты нереалистичными. Экспоненциальное масштабирование опровергло эти оценки.
Даже при корректировках и частичном успехе текущих инициатив созданный фундамент — опыт многоразовых запусков, спутниковых группировок и вертикальной интеграции — будет использован другими участниками. Завершение начатого произойдёт быстрее, чем большинство наблюдателей признают исчерпанность линейного мышления.
Необходима смена парадигмы: задачи экспоненциального роста нельзя оценивать инструментами инкрементальной оптимизации.

Георгий Белозеров АСИ о национальных целях развития России.
Форум "Дух Победы" продолжается.
Сессия "Новые модели развития и экономика доверия".
#ICS_Consulting

Завершилась вторая экспертная сессия форума «Дух Победы и мировая гуманитарная повестка». Ее участники обсудили тему «Новые модели развития и экономика доверия».

По завершении Александр Торшин, действительный государственный советник Российской Федерации 1-го класса, заслуженный юрист Российской Федерации, поделился впечатлениями и выделил один из главных выводов дискуссии: доверие — не абстрактная ценность, а практическое условие развития, без которого не работают ни ресурсы, ни институты, ни крупные проекты.

Форум продолжается: 19 мая — следующая сессия, посвящённая гуманитарному прагматизму и переводу смыслов в практические решения.

#ICSCConsulting #ДухПобеды #ГуманитарнаяИнициатива2028 #ЭкономикаДоверия #АлександрТоршин #Форум #Развитие #Доверие #ГуманитарнаяПовестка

Дальше будет хуже.

1. Тест Тьюринга — GPT-4.5 (март 2025)
Исследователи Кэмерон Джонс и Бенджамин Берген из Калифорнийского университета Сан-Диего провели строгий трёхсторонний тест Тьюринга. GPT-4.5 был принят за человека в 73% случаев — значительно чаще, чем реальный человек-собеседник (которого принимали за человека примерно в 50–60% случаев). LLaMa-3.1-405B также прошла тест с результатом 56%. Это первое эмпирически подтверждённое прохождение классического теста Тьюринга ИИ-системой. Базовые модели GPT-4o и ELIZA провалились, набрав лишь 21–23%.
Источник: arXiv.org
 
2. Международная математическая олимпиада — Gemini Deep Think и GPT-5 (июль 2025)
Gemini Deep Think от Google DeepMind решила 5 из 6 задач IMO 2025, набрав 35 баллов из 42 в течение отведённых 4,5 часов — это результат уровня золотой медали. Решения были получены официальной сертификацией IMO, что делает Gemini первой ИИ-системой, получившей официальное золото олимпиады. OpenAI также заявила о результате уровня золота с GPT-5 и Grok-4 — 5 правильных задач из 6. Медаль золотого уровня получают лишь около 1 из 12 участников.
Источники: Google DeepMind Blog, Nature, Ars Technicanature
 
3. GPQA Diamond — Graduate-level Science Q&A (2025)
GPQA Diamond — тест из 198 вопросов докторского уровня по биологии, физике и химии, составленных и валидированных PhD-специалистами. Средний результат эксперта с учёной степенью — 69,7%. Модели o1, o3, Claude 3.7 Sonnet и Gemini 3 Pro к 2025 году уверенно преодолели этот барьер: лучшие системы демонстрируют свыше 90% точности, что Epoch AI и Stanford HAI квалифицируют как «сверхчеловеческое научное мышление». Специализированная модель Omic AI Scientist достигла результата 93,3%.
Источники: Epoch AI, omic.ai, Stanford HAI 2026 AI Indexhai.stanford
 
4. ARC-AGI-1 — OpenAI o3 (декабрь 2024 / январь 2025)
Тест ARC-AGI разработан Франсуа Шолле специально для оценки «адаптивного общего интеллекта» — решения принципиально новых задач без опоры на специфические тренировочные паттерны. Средний результат человека — ~85%. OpenAI o3 в режиме высоких вычислений набрал 87,5%, впервые превысив человеческий базовый показатель. Это привело к созданию несравнимо более сложной версии ARC-AGI-2, которую o3 уже практически не мог решать.
Источники: ARC Prize Foundation, LinkedInarcprize
 
5. ARC-AGI-2 — GPT-5.5 превышает человека (2026)
Созданный как ответ на насыщение ARC-AGI-1, тест ARC-AGI-2 изначально ставил ведущие модели в тупик. Однако к маю 2026 года GPT-5.5 набрал 85% на этом бенчмарке, тогда как средний человек показывает около 66%, а граница «гран-при» — 85%. За ним следуют GPT-5.4 Pro (83,3%) и Gemini 3.1 Pro (77,1%). Все четыре ведущие лаборатории (Anthropic, Google, OpenAI, xAI) теперь публикуют свои результаты на этом бенчмарке.
Источники: BenchLM.ai, LLM Stats, ARC Prize Leaderboardllm-stats
 
6. Медицинская диагностика — Microsoft MAI-DxO (июнь–июль 2025)
Microsoft представила систему MAI-DxO (AI Diagnostic Orchestrator), основанную на оркестровке нескольких ведущих LLM-моделей (GPT o3, Claude, Gemini, Llama, Grok). На тесте из 304 сложнейших клинических случаев из New England Journal of Medicine MAI-DxO поставил правильный диагноз в 85,5% случаев, тогда как 21 опытный врач из США и Великобритании справился лишь с 20%. Система также выбирала менее дорогостоящие диагностические пути.
Источники: GeekWire, Time Magazine, Microsoft AI Blogmicrosoft
 
7. USMLE (Медицинский лицензионный экзамен США) — AI превзошёл врачей (2025)
Коллаборация University at Buffalo разработала инструмент SCAI, набравший 95,2% на Step 3 USMLE — выше, чем все другие ИИ-инструменты и большинство практикующих врачей. Параллельно многоагентная система из пяти совещающихся GPT-4 показала консенсусную точность 97%, 93% и 94% на Steps 1, 2 и 3 соответственно — существенно выше среднего показателя студентов-медиков. Исследование OpenAI показало, что PhD-эксперты набирают лишь 69,7% на GPQA Diamond, а o1 — 97,5%.
Источники: University at Buffalo / JAMA Network Open, EMJ Reviewsemjreviews
 
8. Диагностика в реальных условиях скорой помощи — Harvard/Stanford (2024–2025)

Исследование с участием Harvard, Stanford и Cambridge Health Alliance протестировало модель o1-preview на реальных случаях из отделения скорой помощи. Модель превзошла сертифицированных врачей по трём ключевым показателям: сортировка, первичная оценка и решение о госпитализации. Авторы охарактеризовали результат как «сверхчеловеческую производительность» и опубликовали исследование на arXiv (2412.10849). Врачи, имевшие доступ к справочным материалам и даже к GPT-4, не могли закрыть разрыв.
Источники: arXiv 2412.10849, Stanford AI Index 2025
 
9. FrontierMath — Исследовательская математика (2025–2026)
FrontierMath — это сотни задач исследовательского уровня по высшей математике (теория чисел, алгебраическая геометрия, категорная теория), составленных и верифицированных экспертами-математиками. В конце 2024 года все существующие модели решали менее 2% задач. OpenAI o3 заявил о 25%, а независимая оценка Epoch AI зафиксировала ~10%. К маю 2026 года GPT-5.4 лидирует на лидерборде с результатом 47,6% — при том, что человеческий эксперт-математик способен решить подобные задачи, хотя сравнительных данных от организаторов по этой теме пока нет.
Источники: LLM Stats, TechCrunch, Epoch AIllm-stats
 
10. Humanity's Last Exam (HLE) — Финальный экзамен человечества (2025–2026)
HLE — бенчмарк из ~2 500–3 000 вопросов экспертного уровня по 100+ дисциплинам (математика, право, медицина, философия, древние языки), разработанный Center for AI Safety и Scale AI. При запуске в конце 2024 года GPT-4o набрал лишь 2,7%, а человеческие эксперты — около 90%. Планка «прохождения» была обозначена создателями как 45%. К началу 2026 года лучшие модели пересекли эту планку: по данным Scale Labs Leaderboard, несколько моделей достигли 45–50%, а Stanford HAI 2026 отмечает общий прогресс в +30 процентных пунктов за один год.
Источники: Sigmatic Science, Scale Labs Leaderboard, Stanford HAI AI Index 2026scale