Denoiselab

🖥NVIDIA снизила логические ошибки в квантовых вычислениях более чем в 300 раз NVIDIA показала Ising Decoder ColorCode 1 Fast для квантовой коррекции ошибок. В тесте с color codes он дал до 347,7× меньший Logical Error Rate и одновременно работал в 7,3× быстрее Chromobius при distance=31 и физической ошибке 0,3%. В основе подхода небольшая 3D CNN, которая предварительно обрабатывает синдромы ошибок и убирает большую часть локальных ошибок до запуска основного декодера. Это снижает задержку и делает color codes практичнее для коррекции ошибок в реальном времени. Модель компактная: около 2,9 млн параметров и 17 слоёв. Её можно адаптировать под конкретный QPU, профиль шума и требуемый баланс между скоростью и точностью. NVIDIA открыла веса, тренировочные рецепты и пайплайн генерации синтетических данных на базе cuQuantum и cuStabilizer. Код обучения опубликован под Apache 2.0. https://developer.nvidia.com/blog/nvidia-ising-decoding-cuts-color-code-logical-error-rates-by-over-300x/

🤯 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/

#обозревая_происходящее Ученые создали первый в России ИИ по генерации статей высокого уровня Российские ученые создали первую в стране систему ИИ по проведению исследований и генерации статей, работа которой была принята на флагманскую международную IT-конференцию (класса А*). Об этом сообщил РБК доктор физико-математических наук, профессор РАН, генеральный директор Института AIRI, декан факультета искусственного интеллекта МГУ Иван Оселедец. Как рассказал Оселедец, ученые Института AIRI, Университета Иннополис и ИТМО создали систему ИИ-агентов, которой нужно поставить задачу, и она сама полностью проведет исследование: проанализирует литературу, проведет эксперименты на облачных серверах и сформирует публикацию в требуемом формате. «Благодаря системе была создана полноценная научная публикация по тематике интернета вещей (область компьютерных наук). Работа на 90% выполнена и оформлена в текст публикации ИИ-системой, в оставшиеся 10% включена проверка и валидация данных учеными-людьми», — говорится в сообщении. Надеемся, AIRI назовет систему "Korchevatel 2.0" - в память о былом

без подписи

ИИ запустил гонку увольнений — два экономиста математически вывели страшную формулу, по которой мы все останемся без работы в ближайшие годы. — Логика простая: компания заменяет сотрудников на ИИ и забирает 100% экономии на зарплатах; — Но уволенные люди теряют доход, меньше покупают — и продажи падают уже у множества других бизнесов; — Сама компания ощущает лишь крошечную долю ущерба. Если на рынке N фирм, ей условно достаётся только 1/N потерь от общего падения спроса, а остальное размазывается по конкурентам. — Поэтому увольнять выгодно даже тогда, когда массовые сокращения делают беднее весь рынок. Главное — быть в этом деле первым; — Остальные видят снижение издержек и тоже подключают ИИ. Никто не хочет остаться последним бизнесом с «раздутым» штатом; — Начинается гонка увольнений: сотрудники остаются без работы, что вызывает падение доходов, затем спроса и как итог — новые сокращения; — Это классическая дилемма заключенного: каждая компания принимает рациональное решение, но вместе они приходят к провальному результату: товары стало дешевле производить, зато покупать их постепенно становится некому; — Авторы предлагают налог на автоматизацию, равный ущербу спросу, который фирма перекладывает на остальных. Полезный ИИ он не остановит: если внедрение действительно сильно экономит деньги, оно всё равно окупится. Зато исчезнет стимул увольнять людей только потому, что последствия оплатит весь рынок. @exploitex

Силач впервые в мире сдвинул целиком футбольное поле — потел он на зенитовском стадионе в Питере. Трёхкратный чемпион Книги рекордов Гиннесса Денис Вовк в одиночку заменил шесть из 32 тяговых механизмов, которые двигают выкатное поле с нагрузкой около 1,5 тысячи тонн. За 81 секунду он сдвинул его на 4,05 метра. Подвиг атлета стал мировым рекордом — его официально подтвердили представители Международного союза стронгмена-силового экстрима. 😎 Телегу замедляют. Спокойствие, всё прекрасно грузится и читается — в нашем канале MAКС

"Существуют три вида лжи: ложь, наглая ложь и статистика" Это о том что интерпретировать статистические данные можно как угодно. На самом деле, статистическое исследование должно быть так построено, чтобы его сложно было интерпретировать миллионом способов, но часто бывает как Марк Твен сформулировал. Применять статистические методы сложно. Где-то на просторах чатов.

Силач впервые в мире сдвинул целиком футбольное поле — потел он на зенитовском стадионе в Питере. Трёхкратный чемпион Книги рекордов Гиннесса Денис Вовк в одиночку заменил шесть из 32 тяговых механизмов, которые двигают выкатное поле с нагрузкой около 1…

Основатель корпорации Meta (признана экстремистской и запрещена в РФ) Марк Цукерберг выпустил манифест, в котором рассказал о собственном видении развития искусственного интеллекта (ИИ), сообщают Axios и The Wall Street Journal. Он заявил, что главная опасность в развитии ИИ для общества — захват слишком большой власти над этой технологией одной организацией или страной. В своем манифесте Цукерберг, в частности, заявляет, что большинство страхов в отношении ИИ преувеличены и недооценивают позитивные возможности этой технологии. Он также отметил, что поддерживает взаимодействие компаний с государствами на ранних этапах развития моделей, которое он противопоставил регулированию непосредственно перед их выпуском, с которым часто сталкиваются разработчики в последнее время.

Самое эпичное резюме )))

❗️Индийский think tank Gateway House назвал Россию одним из ключевых игроков в развитии генеративного искусственного интеллекта. Авторы исследования изучили несколько десятков российских компаний и составили карту всей ИИ-экосистемы — от инфраструктуры до готовых продуктов. Среди ключевых игроков они выделили Сбер с моделями GigaChat и Kandinsky, «Касперский», Т-Банк, Avito и другие. По мнению исследователей, Россия формирует технологически независимую ИИ-экосистему вне западного и китайского мейнстрима.

Что должно произойти, чтобы 127 человек на место через несколько лет превратились в 127 возможностей, а не в 127 разочарований? Под предыдущим постом был очень правильный комментарий: «Только бы этот интерес потом не разбился о реальность». И действительно.…

"Существуют три вида лжи: ложь, наглая ложь и статистика" Это о том что интерпретировать статистические данные можно как угодно. На самом деле, статистическое исследование должно быть так построено, чтобы его сложно было интерпретировать миллионом способов…

Релизнулся король кодинга среди ИИ-агентов — JCode запускается в 245 раз быстрее Claude Code и может работать хоть в 100 сессиях одновременно. • Одна сессия весит всего 28 МБ оперативной памяти. • Можно запустить целый улей ИИ-агентов — они будут пилить проект вместе, распределять обязанности и критиковать работу друг друга. • Есть глобальная память между сессиями, вы точно не потеряете ни единой строки кода. • Работает с API Claude, OpenAI/ChatGPT/Codex, Gemini, GitHub Copilot, Azure, Alibaba Coding Plan и другими сервисами. • Поддерживает запуск локальных моделей через Ollama и LM Studio. • Правит, перезагружает, дебажит код, чтобы довести задачу до идеала. • Можно импортировать сессии из Claude Code, Codex, OpenCode и Cursor. • Также строит диаграммы для любой кодовой базы, чтобы вы могли быстрее и тщательнее вникнуть в проект. 😶😶😶😶😶😶😶😶😶 Убийца Claude Code лежит — тут. Код ИИ-агента — здесь. 👍Бэкдор

Как же это жизненно ))

Обожаю такие штуки и всякие словоформы )) Предоплата - Пол гроша для балдежа ))) Ха-ха-ха, шедевр )))

Что должно произойти, чтобы 127 человек на место через несколько лет превратились в 127 возможностей, а не в 127 разочарований? Под предыдущим постом был очень правильный комментарий: «Только бы этот интерес потом не разбился о реальность». И действительно. 127 человек на место - это впечатляет сегодня. Но очень важен другой вопрос: а что будет с этими ребятами через 5–10 лет? Потому что подготовить сильного специалиста по ИИ - дорого и долго. А потерять его можно за один авиабилет. Будущее выпускников такого факультета вообще не должно сводиться к стандартному сценарию: закончил МГУ → получил хорошую зарплату → пошел работать программистом. Если всё получится, перед нами совсем другое поколение. Кто-то из них создаст новые фундаментальные модели. Кто-то займется робототехникой и автономными системами. Кто-то применит ИИ в новых материалах, энергетике, медицине, биотехнологиях и промышленности. Кто-то создаст корпорацию, которой сегодня не существует. А кто-то останется в университете и вырастит следующее поколение таких ребят. И вот здесь начинается самая сложная часть. Талантам недостаточно дать образование. Им нужно дать масштаб задачи. Сильный математик или инженер останется там, где у него есть три вещи: свобода думать, ресурсы экспериментировать, возможность создавать что-то мирового уровня. Именно поэтому идея Олега Дерипаски о «свободе мышления» гораздо шире одного факультета. Если мы действительно хотим технологического суверенитета, недостаточно подготовить несколько сотен очень умных выпускников. Нужно построить вокруг них экосистему возможностей: лаборатории с современным оборудованием; вычислительные мощности; сильных научных руководителей; гранты без многолетней бюрократии; компании, готовые финансировать рискованные исследования; венчурный капитал. И главное - большие реальные задачи. Потому что человеку, способному заниматься ИИ мирового уровня, бессмысленно говорить: останься, потому что так правильно. Ему нужно предложить возможность сделать здесь то, ради чего ему самому будет интересно остаться. https://t.me/naukauniver/10797

📌 США могут ускорить гонку ИИ, вложив в "Манхэттенский проект ИИ" ресурсы, сопоставимые с программой «Аполлон». Идея «Манхэттенского проекта для ИИ», витавшая последние месяцы на самом высоком уровне в США, кажется, начинает обретать очертания. Но за громкими сравнениями обычно теряется суть: а что это значит на практике? Аналитики из Epoch AI решили посчитать, какой вычислительный монстр может появиться, если американское правительство консолидирует ресурсы частного сектора и вложит в проект долю ВВП, сопоставимую с пиком лунной программы. Epoch AI - некоммерческий исследовательский институт, который изучает траекторию развития искусственного интеллекта, анализирует тренды в вычислениях, данных и алгоритмах, чтобы прогнозировать влияние ИИ на экономику и общество. 🟡Картина получается масштабная. Расчеты показывают, что к концу 2027 года такой проект мог бы обеспечить тренировочный прогон модели с вычислительной мощностью порядка 2 × 10²⁹ FLOP. Чтобы понять масштаб: это примерно в 10 000 раз больше, чем потребовалось для обучения GPT-4. По сути, это рывок, который по текущим прогнозам должен был случиться на несколько лет позже. Финансирование на уровне программы «Аполлон» (около 0.8% ВВП или 244 млрд. долларов сегодня) позволило бы закупить и объединить в один кластер эквивалент 27 миллионов NVIDIA H100. Эта цифра, кстати, совпадает с экстраполяцией текущих доходов NVIDIA от продаж в США. 🟡А хватит ли на это электричества? 27 миллионов GPU потребуют около 7.4 ГВт мощности - это больше, чем потребляет весь город Нью-Йорк. Оказывается, это не главная преграда. Аналитики говорят, что к 2027 году в США и так планируется ввод 8.8 ГВт за счет новых газовых электростанций, значительная часть которых уже предназначена для дата-центров. При наличии политической воли и используя законодательные инструменты, правительство США сможет сконцентрировать эти мощности в одном месте, так что энергия не станет узким местом. 🟡Разумеется, у сценария есть свои «но». Геополитическая напряженность, например, вокруг Тайваня, может сорвать поставки чипов. Кроме того, нельзя просто так взять и увеличить масштаб в тысячи раз. Масштабирование требует времени на отладочные прогоны и эксперименты, но это скорее инженерное, а не ресурсное ограничение. Тем не менее, анализ показывает: при должной координации и инвестициях технологический скачок в области ИИ может произойти гораздо быстрее, чем мы думаем. И это уже вполне просчитываемая возможность. 🔜 Статья на Epoch AI

Хотя, не вру))) ещё один долго тянущийся проект взлетел, виват )))

Сходили сюда, ситуация особо не поменялась с прошлого года. Да есть подвижки на развитие, но общий вайб как и прежде. Смешанное чувство от посещения. Короче, просто работать активно подаваться везде. Требования стали жёстче три проекта глобальных подавались в этом году, два не пошли хотя есть огромный потенциал по третьему ждём. Может просто осенняя хондра на меня навалилась )))