Наука

matroid and knapsack center problems ( https://share.google/aimode/sQyoscIvpZLA81BRu ) • можно себе забрать и что-то оптимизировать 1. Кейс: Формирование датасетов для Self-Evolving LLM (Dynamic Data Selection) Чтобы ИИ рекурсивно улучшал сам себя (RSI), он должен генерировать терабайты синтетических данных (задач, кода, рассуждений), а затем обучать на них следующую версию своей модели (например, как в архитектурах ИИ-агентов 2026 года). Но если скормить модели все сгенерированные данные, она деградирует (произойдет коллапс модели). Нужно выбрать идеальные «якорные» примеры. 2. Кейс: Распределение контекста и памяти у ИИ-агентов (Data-Minimal LLM Agents) В 2025–2026 годах трендом стали суперагенты, которые работают неделями над одной задачей (как OpenAI «automated research intern» концепты). Они обладают гигантскими базами знаний (графами связей). Когда агент решает задачу, он не может затолкнуть всю свою память в контекстное окно LLM (это дорого и модель начинает «галлюцинировать»). 3. Кейс: Топология «Ульев Агентов» (Multi-Agent Swarm Layout) Один ИИ-агент не может построить AGI, поэтому лаборатории создают рои (swarms) специализированных агентов: агент-кодер, агент-тестировщик, агент-аналитик 4. Кейс: Безопасность AGI и Alignment (Fairness & Safety Constraints) При рекурсивном самосовершенствовании (RSI) есть риск, что ИИ в погоне за эффективностью оптимизирует код так, что нарушит базовые этические или безопасные границы.

Выбросы замерли, градусник — нет Мировые выбросы парниковых газов в 2025 году, по первым оценкам, остались на уровне 2024-го или даже немного снизились. Если снижение подтвердится, оно станет первым со времён пандемии COVID-19. Но свежий ежегодный доклад Программы ООН по окружающей среде (ЮНЕП) радоваться не спешит: по его расчётам, если сокращение выбросов резко не ускорится, примерно к середине века потепление превысит 2 °C. Откуда вообще снижение? В основном упали выбросы от землепользования, прежде всего от природных пожаров: после беспрецедентных пожаров 2024-го их стало меньше. Учёные при этом осторожны — одного года мало, чтобы говорить о переломе. Есть и по-настоящему хорошие новости. С 2015 года мощности чистой энергетики росли примерно втрое быстрее, чем ожидалось, а солнечной — в семь раз быстрее на фоне падения цен. К 2030-му доклад ждёт сокращения выбросов на 5–8% от уровня 2025 года. А теперь о том, куда ведёт нынешний курс. По оценкам учёных, при текущей политике потепление в этом веке составит 2,6–2,8 °C относительно доиндустриальной эпохи — намного выше 2 °C, верхней границы Парижского соглашения. С вероятностью 10% оно превысит 3,4 °C, и такой исход исследователи называют катастрофическим. Даже если страны выполнят все обещания, доклад прогнозирует +2,1 °C. Порог в 1,5 °C уже не удержать: 2026-й, по прогнозу, станет вторым годом, когда он будет превышен. Доклад допускает сценарий временного превышения — сначала выйти за предел, а потом вернуть температуру назад быстрым сокращением выбросов и массовым извлечением CO₂ из атмосферы. Но даже в самом оптимистичном варианте нынешних обязательств выбросы за десять лет сократятся максимум на 15%, а для сценария с минимальным превышением нужно 45%. @vselennayaplus

📚️️️️️️ ИИ самостоятельно нашёл и доказал новые математические закономерности Исследователи Google DeepMind и Кембриджа создали агента на базе Gemini, который обнаружил точные правила поведения 11 машин Тьюринга на границе задачи Busy Beaver. Машина Тьюринга - простейшая модель компьютера. Даже программа с шестью состояниями может вести себя настолько сложно, что неизвестно, остановится ли она вообще. Агент искал закономерности в работе таких программ, формулировал гипотезы и строил доказательства. Затем проверял их в Lean — системе, которая строго проверяет математические рассуждения. Результат - компактные правила, позволяющие описывать сразу множество шагов программы вместо пошагового перебора. Остановятся ли эти 11 машин, пока неизвестно. Но теперь их поведение получило точное математическое описание. Это шаг к ИИ, который самостоятельно находит предмет для исследования и доводит гипотезу до проверенного результата. https://arxiv.org/abs/2610.22603

Метаверс пошел в хату Google DeepMind показала, как Gemini 4 Argon взяла три открытых набора научных данных и собрала из них полноценный интерактивный 3D-атлас человеческого тела.  С одного промпта. Ну почти.  И это не просто красивая трёхмерная модель кожаного. Можно последовательно отключать слои тканей, изучать отдельные мышцы, вращать органы, заглядывать внутрь бьющегося сердца, наблюдать анатомические структуры в движении. И всё это в виде интерактивного приложения, а не заранее отрендеренного видео. Но самое сладкое здесь то, как был сделан этот продукт.  ИИ берёт три опенсорсных источника данных и превращает их в сложный программный продукт с трёхмерной графикой, анимацией, интерфейсом и интерактивным управлением. Тут я бы приподвскричал за образование нового типа - подобным образом можно будет превращать практически любые научные данные в интерактивные инструменты. От молекулярной биологии до астрофизики.  Вот такой метаверс нам нужен.  И тут, глядишь, может и лыжные маски пригодятся.  @cgevent

Зачем элите ум, если есть суперИИ? Элиты эпохи суперИИ: неовикторианская аристократия, кентаврическая меритократия или власть постчеловеческого интеллекта? Британские аристократы XIX века поздно вставали, мало работали, много пили, танцевали до рассвета и почти ничего не знали о науке и технологиях. Томас Арнольд, ведущий педагог викторианской Британии, признавался, что охотнее позволил бы сыну думать, будто Солнце вращается вокруг Земли, чем видеть естественные науки главным предметом в его уме. И при этом такие люди управляли крупнейшей империей своего времени. Как им это удавалось?   В опубликованном 6 октября эссе редактор журнала Works in Progress Сэмюэл Хьюз предлагает неожиданную разгадку. То, что выглядело праздностью, могло быть главным инструментом управления. Элитные школы воспитывали не столько специалистов, сколько членов единого сообщества. Университеты закрепляли дружбу и общую культуру. Клубы, званые обеды и ночные балы создавали плотнейшую сеть личных связей, доверия, взаимных обязательств и негласных договоренностей. Великой империей управляло сообщество людей, для которых личная жизнь и политическая работа были почти неразделимы. Хьюз описывает его в терминах Фердинанда Тенниса: тесная «общность», скрепленная общей памятью, лояльностью и чувством, на вершине огромного «общества», где все держится на законах и контрактах. Главной валютой этой общности был престиж. Депутаты парламента не получали жалованья и сами оплачивали выборы, местным управлением до 1880-х годов безвозмездно занимались землевладельцы – и все же за эти места шла жесткая борьба.   Сам автор не утверждает, что именно этим объясняется британское могущество. Но его гипотеза заставляет задуматься о будущем элит в эпоху суперИИ. А что, если викторианские аристократы – прообраз одной из элит будущего? Между тем в той же викторианской Британии в 1854 году доклад Норткота – Тревельяна предложил отбирать чиновников по конкурсным экзаменам. Так началась эпоха, которую в 1958 году Майкл Янг описал как меритократию: власть все больше требовала доказанного интеллекта. Возможно, эта эпоха – лишь временное историческое исключение, обусловленное дефицитом интеллектуального труда.   СуперИИ способен устранить этот дефицит. Зачем правителю самому разбираться в экономике, технологиях, стратегии и управлении, если его персональный суперИИ будет делать это лучше любого человеческого эксперта? И здесь обнаруживается непосредственная связь с моим Атласом проектов переустройства будущего (АППМ): разные проекты переустройства мира в эпоху ИИ могут порождать принципиально разные типы элит. В ближайшие десятилетия могут возникнуть три принципиально разные модели элит. 1. Неовикторианская аристократия. Люди сохраняют власть, собственность и право определять цели. Интеллектуальную работу выполняют суперИИ. Главным занятием элиты вновь становятся социальные связи, коалиции, статус и воспроизводство власти. 2. Кентаврическая меритократия. Власть принадлежит тем, кто сумел превратить союз человеческого и машинного интеллекта в качественно новую когнитивную способность. Здесь решает умение понимать, направлять и критически контролировать суперИИ. 3. Постчеловеческая элита. Реальная власть переходит к самому суперИИ или к радикально преобразованным носителям интеллекта. Люди либо интегрируются в них, либо сохраняют преимущественно символическую роль.   Скорее всего, эти модели окажутся слоями и стадиями одного процесса. Чтобы это увидеть, присмотримся к первой. Викторианская аристократия опиралась на интеллектуальный труд инженеров, ученых и управляющих. Ее неовикторианская наследница сможет опираться на интеллектуальную мощь, превосходящую возможности всего человечества. И здесь возникает парадокс. Чем могущественнее интеллект, обслуживающий цивилизацию, тем меньше собственного интеллекта может требоваться от тех, кто ею правит. Правда, при одном решающем условии: если люди сумеют сохранить контроль над суперИИ. А удерживать контроль над интеллектом, превосходящим твой собственный, – вероятно, самая интеллектуально тяжелая работа из всех. Поэтому неовикторианской элите понадобится собственная «гражданская служба» из кентавров-меритократов – так же, как викторианской аристократии понадобились чиновники, прошедшие конкурсные экзамены.   Есть и другая угроза, и подсказку дает сам Хьюз: за викторианский век городская буржуазия постепенно потеснила землевладельческую аристократию. Те, кто создает для правящего класса богатство и знания, рано или поздно сами приходят к власти. Если суперИИ научится создавать коалиции и договариваться лучше людей, первая модель перейдет в третью.   Остается главный вопрос: будет ли право управлять интеллектом зависеть от способности им обладать? Для вершины пирамиды – похоже, нет. Еще Торстейн Веблен, современник викторианцев, считал демонстративную праздность одним из главных знаков высшего статуса. В эпоху суперИИ демонстративная праздность станет самой сутью власти: правом вообще не заниматься интеллектуальным трудом – и при этом определять, ради чего этот труд совершается. Удерживать это право помогут кентавры, а отнять его сможет только сам суперИИ.   #АППМ #Прогноз

🔬️️️️️️ Задачу старше Google решили с помощью ИИ: Microsoft Research сообщила о доказательстве гипотезы KLS, сформулированной в 1995 году. Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше. О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений. Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации. ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи. Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали. По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4. https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/ @ai_machinelearning_big_data #microsoft

🧮 Большую часть математики можно формализовать за три года. Но что мы получим на выходе? Такую перспективу описывают Кевин Баззард, Джереми Авигад и другие математики в блоге Xena. Формализовать - значит перевести определения, теоремы и доказательства на язык вроде Lean, чтобы компьютер мог проверять логические шаги. Авторы видят в ИИ возможность резко ускорить эту работу. Но предупреждают: миллионы строк проверенного кода могут оказаться бесполезными, если на них невозможно строить новые исследования. Нужны понятные определения, документация, совместимость библиотек и повторное использование результатов. Уже есть два подхода: • Tau Ceti - единая библиотека: математики задают план, ИИ пишет код, другие ИИ проверяют. • Formal Frontier - система агентов, превращающая математические тексты в связанные формальные библиотеки. Компьютерная проверка доказывает корректность формального утверждения. Ценность для науки появляется, когда результат можно понять, исследовать и использовать дальше. 📖 https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/

Российские журналы, отказавшиеся войти в издательство «Наука», исключат из «белого списка» По словам источника, близкого к руководству РАН, у независимых журналов и журналов, которые раньше издавались Pleiades, есть время до 1 января 2027 года. После этой даты статья в журнале, который не входит в "Науку", будет считаться научной только с точки зрения самого автора.

«Настоящая наука делается на национальных языках. А настоящий национальный язык науки — это язык издательства "Наука"», — заявил Руководитель издательства Михаил Фомин.

Отдельно Фомин объяснил, почему журналы распространяются только по подписке, а не Open Access:

«Годами иностранцы бесплатно читали наши статьи, цитировали их и строили на них свои карьеры. Больше такого не будет. Без подписки они не прочтут ни строчки, а значит, не смогут ни процитировать, ни украсть наши открытия», — сказал он.

По его словам, издательство уже видит первые результаты. Цитируемость российских работ за рубежом скоро снизится до нуля. Впервые за много лет наши учёные будут уверены, что их результаты принадлежат только им. Фомин добавил, что для журналов, которые войдут в издательство, подготовлен приветственный пакет: печатный экземпляр собственного журнала за 2027 год и подписка на него же со скидкой 5%. Ранее издательство Pleiades заявило, что перестаёт выпускать англоязычные версии академических журналов. В «Науке» это назвали крупнейшим импортозамещением в истории: российские учёные наконец-то заменили иностранных читателей.

А давайте послушаем учоных со стороны НАТО, буквально: RAND: подводная поножовщина 20 октября RAND выпустил доклад Winning the Undersea Knife Fight о сдерживании атак на подводную инфраструктуру. Авторы называют это противостояние поножовщиной: ближняя дистанция, плохая видимость, физическое перерезание кабелей и труб. Главная мысль: под водой привычные модели сдерживания не работают, нужна отдельная рамка. Цифры Под угрозой около 10 трлн долларов. 97% мировых коммуникаций идет через примерно 300 плохо защищенных кабелей. Ежегодно рвется 100–200 кабелей, ремонтных судов в мире меньше 25. Половина газа Европы идет из Норвегии, в основном по одной трубе. В высоком разрешении картировано около 26% дна. Почему под водой иначе Порог входа ниже, чем у кибератаки: достаточно протащить якорь. На другом конце шкалы подлодки, и чем дороже инструмент, тем выше скрытность. Эффект отложен: перерезанный кабель видно сразу, поврежденный может отказать через месяцы. Реакция медленная: спутник дает картину за час, судну нужно до 10 дней, чтобы дойти до места, подлодке или дрону месяцы. Атрибуции почти нет: большинство балтийских инцидентов 2022–2025 годов, где подозревают Россию и Китай, формально не атрибутированы, как и подрыв Nord Stream. Право мутное: по UNCLOS судно в международных водах подсудно государству флага, задержать диверсанта почти невозможно. Перерезание кабеля считается актом войны, только если ущерб катастрофический. Рамка Три переменные: уровень атрибуции (шесть ступеней, от нулевой до признания исполнителя), выбор между раскрытием и сокрытием (публичность давит на противника, но выдает свои средства обнаружения) и шкала действий от бездействия до вертикальной эскалации. Матрица показывает минимальный уровень атрибуции для каждого шага. При слабых подозрениях допустимы только скрытая оборона и планирование. Публично бить по чужой инфраструктуре без надежной атрибуции нельзя. Самый гибкий инструмент — активная оборона: видимое патрулирование кабеля сигнализирует о его ценности. Быстрый ремонт тоже сдерживает: атака теряет смысл, если ущерб сразу устранят. Выводы Преимущества пока нет ни у кого. Выиграет тот, кто быстро понимает, что произошло, дозированно показывает возможности и отвечает без лишней эскалации. Вкладываться в атрибуцию и ответ надо одновременно, иначе будет сила без понимания, по кому бить. Дальше авторы предлагают проверить рамку на реальных кейсах, разобрать правовой хаос и делить ремонтные мощности с союзниками. Оценка Работа концептуальная, новых данных нет, Балтика упомянута одной строкой. Ценность в классификации атрибуции и матрице решений. И деталь: авторы прямо пишут, что непрозрачность глубины дает ВМС США возможности не только для защиты, но и для наступательных действий в мирное время. https://www.rand.org/pubs/research_reports/RRA4027-1.html