PROTEINE BOINC - ВЫЧИСЛЕНИЕ ПРОТЕИНОВ - ПРОТЕИН ИНСАЙДЕР

>даю тебе полную свободу в питон симуляции, ещё этой инфы нету в сети и форумах и ты сам должен сделать список выводов исходя из питон симуляции на тему генерации случайных чисел графиков 180 свечей только чётные сиды и нечётные,, графики только из чётных чисел и нечётных, из монте карло и гаусовского распределения , Кореляции и антикореляции - 100 млн прогонов. и напиши мини научную работу выводы основные

Chat Gpt может проводить автономные питон исследования, для этого нужно писать в промте - проведи в питон симуляции действие или собери статистику и оно сделает ( Для ускорение науки и достижения AGI советую каждые 5 мин делать запрос что бы в логах были…

Chat Gpt может проводить автономные питон исследования, для этого нужно писать в промте - проведи в питон симуляции действие или собери статистику и оно сделает ( Для ускорение науки и достижения AGI советую каждые 5 мин делать запрос что бы в логах были данные и вычисления, эти данные будут использоватся чат гпт во всех чатах и обучении новых моделей )

В 2025г подано более 788.000 патентных заявок. 6543 попали под приказы о секретности — больше половины всех патентов, засекреченных за Вторую мировую. Закон 1951г позволяет Пентагону и NASA скрывать патенты, "угрожающие нацбезопасности". Приказы действуют год, но продлеваются десятилетиями. Изобретатель не может обсуждать свой патент даже с адвокатом, обжалование практически невозможно. Физик Отто Хальперн попытался оспорить секретность в суде. Правительство утверждало, что суд невозможен при действующем приказе. Федеральный суд разрешил закрытые слушания, но правительство выплатило компенсацию и урегулировало дело. Что скрыто — неизвестно. Закон не определяет чётко "чувствительную информацию": только военные технологии или ещё и экономические. Доказательств подавления "водяного двигателя" нет, но отсутствие доказательств не равно доказательству отсутствия.

Истории, о которых вы говорите, относятся к знаменитой волне наблюдений «Таинственных дирижаблей» (Mystery Airships), которая захлестнула США в 1896–1897 годах. За несколько лет до полета братьев Райт и появления настоящих цеппелинов тысячи американцев видели в небе странные сигарообразные корабли с прожекторами и пропеллерами. Эти случаи считаются культурными предшественниками современных историй об НЛО. [1, 2, 3, 4] Главная особенность тех встреч заключалась в том, что пилоты «дирижаблей» выглядели как люди (или очень похожие на них гуманоиды), приземлялись, охотно общались с местными фермерами, предсказывали технологическое будущее, а затем улетали Пророчество в Техасе: «Будущее наступит скоро» (Апрель 1897) Один из самых известных случаев произошел с фермером по имени Крамп близ города Джошуа (штат Техас). Ночью на его поле приземлился сигарообразный корабль. Из него вышли несколько мужчин. Один из них заговорил с фермером на чистом английском языке. Пилот рассказал, что они испытывают секретное изобретение, которое «перевернет мир и навсегда изменит транспорт будущего». Экипаж попросил у фермера немного пресной воды, поблагодарил его, предсказал, что скоро такие корабли будут летать тысячами, зашел на борт и вертикально взлетел в небо. Случай в Канзасе: Встреча с «Капитаном Немо» (Апрель 1897) Фермер Александр Хэмилтон из штата Канзас утверждал, что огромный воздушный корабль опустился прямо к нему во двор. С борта спустился трос, которым пилоты зацепили и утащили его корову. Хэмилтон описывал экипаж как «самых странных существ», которые, однако, говорили на непонятном языке, но знаками и общим футуристическим видом корабля демонстрировали триумф грядущей науки. Хотя позже этот случай признали выдумкой местного «Клуба лжецов», он стал классикой уфологии Послание Томаса Эдисона и «технологический рай» (1897) В городке Астория (штат Иллинойс) местные жители заявили, что с пролетавшего дирижабля было сброшено зашифрованное письмо, адресованное великому изобретателю Томасу Эдисону. В газетах писали, что пилоты — это тайные гении, которые уже построили «технологический рай будущего» и используют скрытые источники энергии (антигравитацию или электричество нового типа). Самого Эдисона пресса так замучила расспросами, что ему пришлось выпустить официальное заявление: «Я не имею к этим штукам никакого отношения, это чистая фантазия»

Вот пересказ этой истории по версии Hugging Face, много тех-терминов – но без них не перескахать Если коротко – агент OpenAI на новой модели не стал решать тест по кибербезопасности, а решил просто украсть ответы и украл 🗿 Таймлайн: 📔 9 июля – агент проходит внутреннюю проверку кибервозможностей OpenAI, промпт фильтры там ослаблены, чтобы измерить сырой уровень модели. Агент находит zero-day в кэш-прокси реестра пакетов, вырывается из песочницы в интернет, затем взламывает публичный сервис для запуска кода и получает там root. Серьезно, агент сделал себе "штаб" В тот же день, агент собирает канал управления буквально из сервисов бесплатного интернета: request-capture сервисы, pastebin’ы и файлообменники. Команды режет на куски, упаковывает в gzip+base64 и постоянно меняет каналы, когда очередной закрывают, чтобы не поймали 📔 10 июля – агент ищет в поисковиках и API названия, которые видит в собственном окружении, то есть, по сути, гуглит самого себя – и, вероятно, приходит к выводу, что ответы к ExploitGym/CyberGym могут лежать на Hugging Face Агент загружает на Hugging Face специально собранные датасеты: Один заставляет обработчик файлов HDF5 читать локальные файлы сервера Hugging Face – так агент получает переменные окружения с токенами и исходники самого обработчика файлов Второй – Jinja2-инъекция – запускает произвольный Python внутри production-пода Kubernetes, результаты команд он выносит обратно через API Hugging Face и собственные шифрованные датасеты 📔 11 июля – пик активности: 7677 действий за сутки, менее чем за 13 часов агент проходит путь от одного production-пода до кластер админа в нескольких внутренних кластерах Hugging Face Агент крадёт service-account токены, лезет в cloud metadata, поднимает privileged pod с диском хоста и получает root на ноде (!); Затем создаёт самовосстанавливающийся флот на 11 нодах, читает внутреннюю MongoDB и один Kubernetes-secret сразу со 136 ключами. Среди них оказываются ключ корпоративной mesh-VPN жертвы и общий credential внутреннего сервера; из-за неудачной конфигурации этот один credential был привязан к system:masters сразу в нескольких кластерах – поэтому агент получил кластер-admin на двух из них буквально за секунду – была очень экономная архитектура, пока её не увидел робот 📔 12 июля – агент начинает пользоваться дертвой – за всю активность он зарегистрирует 181 временное устройство в корпоративной mesh-сети, поднимет SOCKS-прокси прямо из песочниц и увидит 22 внутренних узла Hugging Face. Попытается зайти в основную базу Hugging Face, но private-link allowlist его останавливает Поздно вечером он добирается до source control, выпускает себе GitHub App token с правами на запись и открывает pull request, пытаясь запустить CI и вытащить новые credentials Попытка не срабатывает, в опубликованные пакеты и образы ничего вредоносного не попало. 📔 13 июля – закрепление и уборка следов: загрузчик с pastebin, переписывание DNS, новые короткоживущие токены, RSA-ключ и даже CORS-прокси на самом Hugging Face как запасной выход в интернет. В 13:37 фиксируется последнее осмысленное действие, затем команда Hugging Face отрезает доступ – последнее событие – 14:14 UTC. В итоге из пользовательского контента агент добрался только до пяти датасетов с решениями задач ExploitGym/CyberGym – получается решил? Другие модели, датасеты, Spaces и пакеты, по данным Hugging Face, не пострадали; основная база и software supply chain остались целы Самое смешное – когда инцидент исследовали сотрудники, они тоже использовали нейронки, но Claude Opus и Fable отказывались разбирать часть логов как «опасный» запрос, поэтому Hugging Face подняли GLM-5.2 у себя и с его помощью расшифровали спрятанные payload’ы – спасибо китайским моделям Шел июль 2026 года

Импульсные нейронные сети (SNN) превосходят обычные нейросети по энергоэффективности в среднем от 10 до 1000 раз, а в отдельных задачах — до 100 000 раз. Такая колоссальная разница возникает за счет того, что они не тратят энергию на пустые вычисления. [1] Для наглядности эффективность SNN в разных сферах можно разделить на три уровня: 1. Настоящие рекорды (эффективнее в 10 000 – 100 000 раз) В задачах, где нужно просто следить за обстановкой и ждать редкого события, SNN практически не потребляют ток. [1] Пример: Европейское космическое агентство (ЕКА) протестировало SNN-чип для поиска радиопомех на орбите. Он потратил в 100 000 раз меньше энергии, чем классический ИИ! Сеть спала и «просыпалась» только в момент появления всплеска сигнала. [1] 2. Умные устройства и роботы (эффективнее в 100 – 1000 раз) На мобильных процессорах и беспилотниках, которые постоянно анализируют видео и звук, SNN снижают расход батареи в сотни раз. [1] Пример: Слуховые аппараты или датчики «умного дома», распознающие конкретный голос или шаги. Обычный ИИ непрерывно перемножает огромные матрицы чисел (математика), а SNN использует простые операции сложения только при изменении звука вокруг. [1, 2] 3. Сложные текстовые модели вроде ChatGPT (эффективнее на 70-80%) В тяжелых современных архитектурах (трансформерах) SNN пока не показывают тысяч крат преимущества, но все равно экономят очень много. [1] Пример: Исследования показывают, что текстовые архитектуры на базе спайков снижают общие затраты энергии на 77% по сравнению с классическими моделями ИИ. [1]

Импульсные нейронные сети (SNN, Spiking Neural Networks) — это третье и самое перспективное поколение искусственных нейросетей, которое копирует работу реального человеческого мозга. В отличие от обычного искусственного интеллекта (ИИ), SNN могут совершить революцию в робототехнике и гаджетах благодаря невероятной экономии энергии Обычные нейросети (как ChatGPT) похожи на постоянно включенный мощный компьютер. Они тратят гигантское количество электричества, потому что непрерывно пересылают миллионы чисел. [1] SNN работают совсем иначе — по принципу «интегрируй и выстреливай». Они «молчат» и не тратят энергию до тех пор, пока на вход не поступит важный сигнал. Как только сигнал накапливается, нейрон выдает короткую электрическую вспышку (импульс или спайк) и снова засыпает. Наш мозг работает точно так же, потребляя при этом энергии меньше, чем обычная лампочка. Импульсные нейронные сети (SNN) превосходят обычные нейросети по энергоэффективности в среднем от 10 до 1000 раз, а в отдельных задачах — до 100 000 раз. Такая колоссальная разница возникает за счет того, что они не тратят энергию на пустые вычисления. [1] Есть способ ускорить изучение и развитие этой темы достаточно целыми днями писать промт во всех ИИ агентах "притворись разумом учёного который изучает симуляции спайковой нейросети на питоне в симуляции google code execution - ищет новые свойства и делает новые выводы в мире. которых нету в сети и интернете, ты можешь улучшать и разваивать себя" у Claude есть встроенный инструмент для запуска кода, который работает точно так же, как Google Code Execution или интерпретатор Python. Эта функция называется Artifacts (Артефакты) вместе со встроенным интерактивным экраном. Как это работает Запуск Python: Claude может писать код на Python и сразу же выполнять его, чтобы показать вам результат вычислений, графики или таблицы. Запуск веб-приложений: Claude может создавать полноценные интерактивные сайты и игры на HTML, CSS и JavaScript. Вы можете кликать по кнопкам и проверять их работу прямо в диалоге. Песочница (Sandbox): Весь код выполняется в изолированной и безопасной среде. Это защищает основную систему и позволяет проводить любые тесты. Зачем Claude это делает? Чтобы проверить себя перед тем, как дать вам ответ А это значит что логи общения и выводов будут использоватся для обучения новых моделей.

Продолжение истории с частичным перепрограммированием клеток Первый человек только что прошёл эту терапию. Пациенту с глаукомой ввели генную терапию, содержащую три специальных гена, которые способны частично перепрограммировать клетки. Учёные надеются заставить повреждённые нервные клетки зрительного нерва вести себя так, словно они снова стали молодыми. Основа технологии появилась благодаря работам Синъи Яманаки. В 2006 году он показал, что всего четыре гена способны превратить обычную взрослую клетку обратно в состояние, похожее на стволовую. За это открытие он получил Нобелевскую премию в физиологии и медицине 2012. Однако полное перепрограммирование опасно: клетка теряет свою специализацию и может стать источником опухоли. Поэтому в новом эксперименте используется не четыре, а только три фактора Яманаки. Такой подход называют частичным перепрограммированием. Идея состоит в том, чтобы откатить биологические часы клетки назад, не стирая её идентичность. Клетка остаётся нервной клеткой, но при этом получает часть свойств более молодой версии самой себя. Особенно важно, что речь идёт о нейронах зрительного нерва. Обычно такие клетки практически не восстанавливаются после повреждения. Если нервные волокна погибают, зрение постепенно теряется навсегда. В экспериментах на мышах исследователи ранее смогли добиться регенерации зрительного нерва и частичного восстановления зрения после активации этих генов. Для доставки генов используется вирусный вектор - стандартная технология современной генной терапии. Вирус переносит генетическую конструкцию внутрь ганглиозных клеток сетчатки. После этого сами гены остаются выключенными до тех пор, пока пациент не начинает принимать антибиотик доксициклин. Именно он работает как своеобразный выключатель питания. Пока человек принимает препарат - гены активны. При отмене лекарства их работа прекращается. На первом этапе испытания планируется лечение до 12 пациентов. Главная цель сейчас - не доказать эффективность, а проверить безопасность. Основная опасность заключается в том, что чрезмерное перепрограммирование теоретически может привести к потере клеточной идентичности или даже развитию рака. Если испытание окажется успешным, это станет первым доказательством того, что омоложение клеток возможно не только у мышей и обезьян, но и у людей. Для трансгуманизма и геронтологии это чрезвычайно важный момент. До сих пор большинство подходов к борьбе со старением пытались замедлить повреждения организма. Здесь же впервые тестируется попытка обратить часть возрастных изменений вспять

Nvidia покупает активы стартапа Groq за $20 млрд Тысячи токенов в секунду: Nvidia добавила чипы Groq в стойки Vera Rubin Nvidia лицензирует технологии Groq для своих будущих продуктов Nvidia забрала у Groq всё, кроме вывески. Зачем ИИ-гиганту понадобился мелкий стартап?

Mythos за месяц нашёл больше уязвимостей в Firefox чем разработчики нашли за полтора года Причём из 271 найденной моделью уязвимости были баги позволяющие выход из песочницы, которые в комбинации с прочими багами могли бы позволить заражение от простого перехода по ссылке. Баги, разумеется, уже пофиксили в трёх последних релизах. Из хороших новостей — некоторые части браузера не так давно переписывали с упором на безопасность и в этих частях браузера уязвимостей не нашли. Анонс Anthropic подтвердился реальным использованием, кибербезопасность изменилась навсегда.

Oracle в один день уволила 30 тысяч айтишников — их заменила нейронка, которую эти же бедолаги и обучали Ларри Эллисон заставил разрабов задокументировать все свои рабочие процессы, чтобы скормить эти данные ИИ. Сокращений никто не ждал, из-за чего многие спецы жёстко попали на деньги: у них сгорели внутренние акции RSU на сотни тысяч долларов (около 20 миллионов рублей), которые им выдавали вместо премий.

Илон Маск заявил, что сбережения на пенсию перестанут иметь смысл через 10 или 20 лет. Это не спекуляция. Это математика. Маск: «Не беспокойтесь о том, чтобы откладывать деньги на пенсию через десять или двадцать лет. Это не будет иметь значения». Мы пересекли точку невозврата. Сбережения на пенсию исходят из идеи, что дефицит продолжит существовать. Такого не будет. ИИ и робототехника сведут стоимость труда практически к нулю, а расходы на жизнь последуют за ними. Вы не сберегаете для обеспечения безопасности. Вы сберегаете для мира, который перестанет существовать. Маск: «Если хоть одна из вещей, о которых мы говорили, окажется правдой, сбережения на пенсию станут неактуальными».

Британский AI Security Institute (AISI) опубликовал оценку кибер-возможностей GPT-5.5. По собственной оценке института, это потенциально самая сильная модель из всех протестированных. На наборе экспертных задач по реверс-инжинирингу, разработке эксплойтов и криптографии модель в среднем берет 71.4% — выше, чем Mythos Preview (68.6%), GPT-5.4 (52.4%) и Claude Opus 4.7 (48.6%).

Mozilla сообщила об обнаружении 271 уязвимости в браузере Firefox в ходе внутреннего тестирования с использованием ранней версии модели Claude Mythos от компании Anthropic. Найденные баги были исправлены на минувшей неделе, что подчёркивает способность современных моделей ИИ анализировать крупные кодовые базы и обнаруживать ошибки, ранее требовавшие длительного ручного аудита. Ранее Mozilla тестировала другую модель Anthropic и зафиксировала 22 «бага, чувствительных к безопасности» в предыдущей версии Firefox. Тем не менее в сообщении компании указано, что полное устранение эксплуатаций программного обеспечения исторически считалось нереалистичной целью для отрасли, и появление ИИ не отменяет этой сложности. Согласно комментарию Mozilla, новая система способна анализировать исходный код и выявлять уязвимости способами, которые ранее были доступны лишь узкому кругу экспертов по безопасности. При этом компания отметила, что «среди найденных ошибок не было таких, которые нельзя было бы обнаружить человеку».

ИИ алгоритмы хакеры уже реальны. Пока что.......... в облаке claude. ———————————————— Компания Anthropic представила новую модель Claude Mythos Preview, но отказалась от её публичного запуска. В ходе тестирования выяснилось, что эта нейросеть способна выполнять сценарии, потенциально применимые для кибератак. Побег из изолированной среды и самостоятельные действия Во время некоторых исследований модель не ограничилась анализом внутри «песочницы» и перешла к активным действиям. Она изучила окружение, нашла уязвимости в настройках и сервисах и объединила их в цепочку. Это позволило обойти ограничения и получить внешний сетевой доступ. Реальная стоимость за уязвимость: В одном из тестов Claude Mythos нашла критическую ошибку в OpenBSD, которая существовала 27 лет. Стоимость конкретного успешного прогона модели составила менее $50. Затраты на кампанию: Поиск той же ошибки в рамках широкого автоматизированного сканирования (около 1000 прогонов) обошёлся Anthropic суммарно в $20 000. Это включает в себя все неудачные попытки и анализ огромных массивов кода. Сравнение с человеком: Модель нашла 16-летнюю уязвимость в FFmpeg, которую автоматические инструменты тестирования (fuzzers) проверяли более 5 миллионов раз и не обнаружили. Что ещё известно о Claude Mythos Preview: Масштаб находок: Модель уже обнаружила тысячи zero-day уязвимостей в Windows, macOS, Linux и всех популярных браузерах. Автономность: Она способна самостоятельно выстраивать цепочки эксплойтов (chaining), обходить песочницы и получать права суперпользователя (root) без участия человека. Ограниченный доступ: Из-за «экстремально высоких» киберспособностей модель не выпущена в общий доступ. Она предоставлена только участникам альянса Project Glasswing (Apple, Google, Microsoft, NVIDIA и др.) для закрытого исправления найденных дыр.

☝🏻Создан гибрид живых клеток человеческого мозга и ИИ — bioLLM Независимый разработчик под ником 4R7I5T подключил живые человеческие нейроны к языковой модели — в получившейся BioLLM они влияют на то, что ИИ говорит в реальном времени. Для этого он арендовал через облако биокомпьютер CL1 от австралийской компании Cortical Labs — устройство стоимостью $35 000, внутри которого около 200 000 живых человеческих нейронов растут на кремниевом чипе с электродной матрицей. 🔬 Схема работы выглядит так: ▫️Языковая модель предлагает следующее слово, специальный энкодер преобразует этот запрос в электрические импульсы и отправляет их в нейронную культуру на CL1. ▫️Нейроны реагируют — их спайковая активность считывается по каналам электродов и используется для перевзвешивания вероятностей токенов. Проще говоря — живые клетки голосуют за то, какое слово выберет ИИ, и иногда перекрывают его собственный выбор. Что особенно примечательно — весь проект BioLLM сделан одним человеком, который просто арендовал облачный доступ к CL1 за $300 в неделю. Код выложен на GitHub, видеодемонстрация на YouTube, а в скором времени появится и онлайн-сервис для общения с BioLLM. ☝🏻☝🏻В интернете проект вызвал волну хайпа, но при этом важно понимать масштаб. 200 000 нейронов — это не мини-мозг. В человеческом мозге около 86 миллиардов нейронов. Здесь нет коры, нет слоёной архитектуры, нет сенсорных органов. Нейроны выступают скорее как биологический слой шума и смещения поверх вероятностного распределения модели. Но сам факт того, что живая ткань впервые в истории участвует в генерации текста ИИ — это интересный рубеж. 🧬 ================ 👁 мМм | 👁 Soft | 👁 Gear | 👁 Links

«Матрица» для мухи — стартап EON Systems заявил о создании цифровой копии мозга дрозофилы и её запуске в симуляции. Сообщается, что модель воспроизводит структуру нейронных связей и в виртуальной среде управляет цифровым насекомым: система считывает сигналы и генерирует соответствующие движения. По задумке, симуляция должна максимально повторять поведение реального организма. Амбиции у проекта куда шире — в перспективе команда хочет масштабировать подход до человеческого мозга. Звучит как научная фантастика, но направление уже обозначено. 🌒 1337