Наука
Исследование рациона древних майя в Гватемале
Научно-популярный канал «Чердак»
Обновленные рекомендации ВОЗ по профилактике деменции
Астрономы впервые зафиксировали вспышку сверхмассивной черной дыры в реальном времени
На пляжах Австралии обнаружены металлические сферы космического происхождения
Связь микробиома кишечника со стрессом и депрессией
Ученые успешно протестировали долгосрочную нейростимуляцию для возвращения осязания
Почему предвзятость подтверждения — это механизм защиты психики
Инженеры выяснили, как птицы выстраиваются в идеальный клин
Замороженная ткань яичка позволила восстановить сперматогенез
ИИ-модель Claude Fable 5 нашла контрпример, опровергающий гипотезу Якобиана 1939 года
Модель Claude Fable 5 (Anthropic) по просьбе математиков Левента Альпёге и Ахила Мэтью нашла контрпример к гипотезе Якобианiа — одной из самых известных открытых задач алгебры и геометрии XX века. Гипотеза утверждала: если у полиномиального отображения постоянный ненулевой якобиан, то у него обязательно есть полиномиальное обратное отображение. Fable предложила компактную полиномиальную формулу, у которой якобиан везде равен −2, но три разные точки переходят в одну — значит обратного отображения не существует, и гипотеза в общем виде неверна.
Это не длинное «доказательство от ИИ», требующее ревью, а конкретная проверяемая формула: результат уже подтвердили независимо в Wolfram Alpha, Sage, SymPy и разобрали на MathOverflowi. Случай называют новым форматом науки — человек задаёт направление и проверяет результат, а модель перебирает варианты и находит то, что десятилетиями упускали математики.
ВыводГипотеза Якобиана сформулирована в 1939 году и с тех пор оброслa обширной литературой и спорами; до этого были доказаны лишь отдельные частные случаи.
NASA оценило стоимость ядерной миссии на Марс в $2,1 млрд
Один нейрон человека способен на вычисления уровня целой глубокой нейросети
Учёные из Еврейского университета Иерусалима и Амстердамского свободного университета показали: отдельная нервная клетка коры головного мозга человека может выполнять вычисления не проще, а по сложности сравнимые с работой глубокой искусственной нейросети. Раньше нейрон считали простым переключателем — «набрался сигнал — выстрелил», теперь выяснилось, что клетка анализирует не количество, а комбинацию входящих сигналов.
Это меняет представление о том, откуда берётся мощь мозга: возможно, дело не только в числе нейронов и связей между ними, но и в вычислительной сложности каждой отдельной клетки. Для разработчиков ИИ это намёк — вместо простого наращивания числа искусственных нейронов имеет смысл делать их «умнее».
ВыводРезультаты опубликованы в журнале Академии наук США PNAS.