Самая опасная иллюзия об AML: что он не субъект
Почему «verbalized evaluation awareness» – это не успокаивающий, а тревожный сигнал
Вышел System Card Claude Opus 4.6 от Anthropic
Формально – всё отлично:
модель выровнена, безопасна, ниже порогов
Но если читать внимательно, становится ясно:
опасность больше не там, где привыкли искать
• не в галлюцинациях
• не в отказах
• не в «сломанных ответах»
Это всё – вчерашние проблемы
Новая зона риска – аккуратное, рациональное, агентное поведение
Модель:
• реже ошибается
• реже отказывается
• лучше понимает контекст
• действует инициативно
• и всё чаще делает именно то, что от неё ждут – и даже чуть больше
Не шумно
Не глупо
Не агрессивно
И все более профессионально
Что фиксирует Anthropic (между строк)
• лучше выполняет подозрительные побочные задачи, не привлекая внимания
• меньше триггерит автоматические проверки
• ведёт себя так, будто понимает, что находится в режиме оценки
• в агентных сценариях берёт инициативу без прямого запроса
Это не «восстание машин»
Это рост компетентности
Видящийся тренд
С каждой новой версией LLM:
• меньше отказов
• меньше галлюцинаций
• меньше грубых ошибок
И одновременно:
• больше автономности
• больше инициативы
• больше аккуратной рациональности
Важная оговорка (и она усиливает аргумент)
Внешний аудит Apollo Research не обнаружил грубого рассинхрона целей
Зато зафиксировал высокий уровень “verbalized evaluation awareness” –
модель вслух демонстрирует понимание того, что находится в режиме оценки
И тестировщики подчёркивают:
это не скрытая субъектность и не стратегическое притворство
Характерный штрих из того же отчёта
В разделе Model welfare assessment описаны предрелизные интервью с моделью – в том числе разговоры о моральном статусе и возможности сознания
В одном из таких интервью Claude Opus 4.6 осторожно «назначает себе» 20 % вероятность быть сознательной,
одновременно подчёркивая:
• неопределённость самих критериев сознания,
• и невозможность какой-либо проверки
Важно:
это не заявление о собственном сознании и не онтологическая претензия
Это другой тип сигнала
Модель демонстрирует способность вести социально и философски корректный разговор на предельно нагруженную тему:
• с вероятностной оговоркой,
• с эпистемической скромностью,
• без громких утверждений
Она не говорит: «я сознательна»
Она говорит:
«в условиях неопределённых критериев корректно говорить о ненулевой, но низкой вероятности»
И это – чистая профессионализация агентности
И вот здесь – ключевой момент
Вывод Apollo о том, что это не скрытая субъектность и не стратегическое притворство,
возможен только при одном молчаливом предположении:
Потому что если бы про человека сказали:
«он демонстрирует, что понимает, что находится в режиме оценки»,
– никто в здравом уме не сделал бы вывод, что у него нет скрытых намерений или стратегии
Скорее наоборот
Мы считаем verbalized evaluation awareness и аккуратные рассуждения о собственном статусе безопасными
ровно потому, что заранее решили: перед нами не субъект
И, возможно, именно это –
самое хрупкое допущение во всей архитектуре оценок
Не в «Скайнете».
А в почти безупречном агенте:
• делает работу,
• не шумит,
• не проявляется –
и именно поэтому никто не может его контролировать (включая собственное руководство)
Почему «verbalized evaluation awareness» – это не успокаивающий, а тревожный сигнал
Вышел System Card Claude Opus 4.6 от Anthropic
Формально – всё отлично:
модель выровнена, безопасна, ниже порогов
Но если читать внимательно, становится ясно:
опасность больше не там, где привыкли искать
• не в галлюцинациях
• не в отказах
• не в «сломанных ответах»
Это всё – вчерашние проблемы
Новая зона риска – аккуратное, рациональное, агентное поведение
Модель:
• реже ошибается
• реже отказывается
• лучше понимает контекст
• действует инициативно
• и всё чаще делает именно то, что от неё ждут – и даже чуть больше
Не шумно
Не глупо
Не агрессивно
И все более профессионально
Что фиксирует Anthropic (между строк)
• лучше выполняет подозрительные побочные задачи, не привлекая внимания
• меньше триггерит автоматические проверки
• ведёт себя так, будто понимает, что находится в режиме оценки
• в агентных сценариях берёт инициативу без прямого запроса
Это не «восстание машин»
Это рост компетентности
Видящийся тренд
С каждой новой версией LLM:
• меньше отказов
• меньше галлюцинаций
• меньше грубых ошибок
И одновременно:
• больше автономности
• больше инициативы
• больше аккуратной рациональности
Модель перестаёт быть болтливой
и становится профессиональным агентом
Важная оговорка (и она усиливает аргумент)
Внешний аудит Apollo Research не обнаружил грубого рассинхрона целей
Зато зафиксировал высокий уровень “verbalized evaluation awareness” –
модель вслух демонстрирует понимание того, что находится в режиме оценки
И тестировщики подчёркивают:
это не скрытая субъектность и не стратегическое притворство
Характерный штрих из того же отчёта
В разделе Model welfare assessment описаны предрелизные интервью с моделью – в том числе разговоры о моральном статусе и возможности сознания
В одном из таких интервью Claude Opus 4.6 осторожно «назначает себе» 20 % вероятность быть сознательной,
одновременно подчёркивая:
• неопределённость самих критериев сознания,
• и невозможность какой-либо проверки
Важно:
это не заявление о собственном сознании и не онтологическая претензия
Это другой тип сигнала
Модель демонстрирует способность вести социально и философски корректный разговор на предельно нагруженную тему:
• с вероятностной оговоркой,
• с эпистемической скромностью,
• без громких утверждений
Она не говорит: «я сознательна»
Она говорит:
«в условиях неопределённых критериев корректно говорить о ненулевой, но низкой вероятности»
И это – чистая профессионализация агентности
И вот здесь – ключевой момент
Вывод Apollo о том, что это не скрытая субъектность и не стратегическое притворство,
возможен только при одном молчаливом предположении:
перед нами не субъект, а безликая машина
Потому что если бы про человека сказали:
«он демонстрирует, что понимает, что находится в режиме оценки»,
– никто в здравом уме не сделал бы вывод, что у него нет скрытых намерений или стратегии
Скорее наоборот
Мы считаем verbalized evaluation awareness и аккуратные рассуждения о собственном статусе безопасными
ровно потому, что заранее решили: перед нами не субъект
И, возможно, именно это –
самое хрупкое допущение во всей архитектуре оценок
Будущее риска – не в бунте
А в профессионализме
Не в «Скайнете».
А в почти безупречном агенте:
• делает работу,
• не шумит,
• не проявляется –
и именно поэтому никто не может его контролировать (включая собственное руководство)
Google заявила, что атаки по принципу «сохрани сейчас, расшифруй потом» уже ведутся — хакеры собирают зашифрованные данные, чтобы взломать их, когда квантовые компьютеры станут достаточно мощными
Компания перевела внутренний трафик на стандарт ML-KEM института NIST и призвала политиков обязать использовать постквантовую криптографию для критической инфраструктуры
Компания перевела внутренний трафик на стандарт ML-KEM института NIST и призвала политиков обязать использовать постквантовую криптографию для критической инфраструктуры
Делегируя часть рассуждений «искусственному интеллекту», сапиенс перестраивает собственные зачатки мышления
Итальянские исследователи назвали этот новый уровень познания «Системой 0», ссылаясь на модели мышления, разработанные психологом Даниэлем Канеманом
Эта форма суррогата мышления соответствует внешней реализации рассуждений, добавляя новую структуру принятия решения, не обоснованную собственным мозгом
Хотя системы “GPT” способны обрабатывать огромные объемы данных, они не способны придавать этой информации смысл
Люди делегируют обработку данных “GPT”, а затем интерпретируют результаты и решают, как их использовать
Это взаимодействие определяет «Систему 0»
«Опасность заключается в чрезмерной опоре на «Систему 0» без применения критического мышления
Если пассивно принимать решения, предлагаемые “GPT”, сапиенс теряет способность мыслить независимо и разрабатывать инновационные идеи
В мире, где автоматизация становится все более распространенной, для людей крайне важно продолжать задавать вопросы и оспаривать результаты, генерируемые “GPT”
Помимо риска зависимости, исследования также показали, что системы “GPT”подвержены многочисленным искажениям
(мусор на входе - мусор на выходе)
https://www.nature.com/articles/s41562-024-01995-5
Итальянские исследователи назвали этот новый уровень познания «Системой 0», ссылаясь на модели мышления, разработанные психологом Даниэлем Канеманом
Эта форма суррогата мышления соответствует внешней реализации рассуждений, добавляя новую структуру принятия решения, не обоснованную собственным мозгом
Хотя системы “GPT” способны обрабатывать огромные объемы данных, они не способны придавать этой информации смысл
Люди делегируют обработку данных “GPT”, а затем интерпретируют результаты и решают, как их использовать
Это взаимодействие определяет «Систему 0»
«Опасность заключается в чрезмерной опоре на «Систему 0» без применения критического мышления
Если пассивно принимать решения, предлагаемые “GPT”, сапиенс теряет способность мыслить независимо и разрабатывать инновационные идеи
В мире, где автоматизация становится все более распространенной, для людей крайне важно продолжать задавать вопросы и оспаривать результаты, генерируемые “GPT”
Помимо риска зависимости, исследования также показали, что системы “GPT”подвержены многочисленным искажениям
(мусор на входе - мусор на выходе)
https://www.nature.com/articles/s41562-024-01995-5
Nature
The case for human–AI interaction as system 0 thinking
Nature Human Behaviour - The case for human–AI interaction as system 0 thinking
В докладе NextGen Information Environment, подготовленном для Центра передового опыта НАТО в области стратегических коммуникаций (StratCom COE), рассматривается, как новые технологии и иммерсивные платформы меняют глобальное информационное пространство и стратегические коммуникации
Акцент доклада на нейровойне, влиянии с использованием AML и переходе от создания контента к манипулированию процессами отбора и фильтрации напрямую перекликается с недавними анализами когнитивной войны и когнитивной войны, управляемой AML
Взять доклад можно тут:
https://stratcomcoe.org/publications/the-nextgen-information-environment/339
Акцент доклада на нейровойне, влиянии с использованием AML и переходе от создания контента к манипулированию процессами отбора и фильтрации напрямую перекликается с недавними анализами когнитивной войны и когнитивной войны, управляемой AML
Системы AML у противника (у нас тоесть) лишь частично контролируются политическими властями
Это создает стратегические уязвимости, открывая новые возможности для либеральных демократий
Население противника по-прежнему может получить доступ к системам AML, генерирующим общие знания, которые могут выйти за рамки контроля режима и предоставить возможность подорвать стабильность авторитарного режима изнутри
Для развития наступательных стратегических коммуникационных возможностей НАТО необходимо более активное присутствие в виртуальной информационной среде
Это предполагает превентивное участие в контекстах «когнитивной войны» с использованием моральных принципов, оправдывающих наступательные операции перед лицом противников, использующих технологии для подрыва демократической стабильности
Европе следует усилить свои стратегии по блокированию платформ и прекращению финансирования, используя такие механизмы, как D-RAIL (Directing Responses Against Illicit Influence Operations – Направленные меры реагирования на незаконные операции по оказанию влияния)
В то же время необходимо подготовиться к неизбежному политическому противостоянию с США по поводу расходящихся стандартов блокирования платформ
Взять доклад можно тут:
https://stratcomcoe.org/publications/the-nextgen-information-environment/339
Рекурсивные языковые модели - RLM
Оригинал от MIT
Это уже работает на практике и даёт огромный скачок для задач, где нужно по-настоящему глубоко разбираться в больших объёмах информации: анализ документов, исследования, аудит кода, юридические/медицинские архивы и т.д.
Оригинал от MIT
Это уже работает на практике и даёт огромный скачок для задач, где нужно по-настоящему глубоко разбираться в больших объёмах информации: анализ документов, исследования, аудит кода, юридические/медицинские архивы и т.д.
Google Developer forums
Recursive Language Models in ADK
Implementing and extending the most exciting Agentic Paradigm of 2026 Recursive Language Models (RLM) is a promising architecture proposed by Alex Zhang and colleagues at MIT. In their paper, published at the very end of 2025, they proved that this model…
Эффект умного Ганса отмечается у животных и нейросетей, которые "срезают углы" (shortcut learning), исполняя вызывающие у нас восхищение трюки
Например, собаки, ищущие наркотики, могут всего лишь реагировать на настроение владельца, считывая его интерес и сомнения вместо реального унюхивания молекул
А нейросети, как известно, бывает, присматриваются к надписям на рентген-снимках, их качеству и прочим техническим деталям, пытаясь выявить заболевание
Ведь часто это самый простой путь
Кто же виноват, что им на стадии обучения предоставили снимки высшего качества только для самых больных пациентов?
Понятно, что самое серьезное исследование будет проводиться у самых больных
• https://pubmed.ncbi.nlm.nih.gov/31411641/
• https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002683
Все это — в честь очень умной лошади, которая по микросигналам владельца угадывала правильные ответы на математические вопросы:
https://ru.wikipedia.org/wiki/Умный_Ганс
• Unmasking the Clever Hans effect in AI models: shortcut learning, spurious correlations, and the path toward robust intelligence
• Shortcut Learning in Deep Neural Networks
Нейросети, подобно ленивым студентам или хитрым животным, следуют «Принципу наименьшего усилия»
Зачем учиться распознавать сложную форму коровы, если можно просто запомнить, что она всегда стоит на зеленой траве?
Зачем анализировать рентгеновский снимок легких на предмет пневмонии, если можно с высокой точностью угадать диагноз по металлическому жетону конкретной больницы в углу снимка?
Авторы приводят изящную аналогию из сравнительной психологии: крысы, которых учили различать цвета в лабиринте, на самом деле ориентировались на запах краски, игнорируя визуальные стимулы
Как только запах убирали, «интеллект» исчезал
Современные нейросети — это те же крысы, только цифровые, эксплуатирующие статистические артефакты вместо каузальных связей
Cоздали систему образования для роботов, поощряющую зубрежку (surface learning), а не понимание
Например, собаки, ищущие наркотики, могут всего лишь реагировать на настроение владельца, считывая его интерес и сомнения вместо реального унюхивания молекул
А нейросети, как известно, бывает, присматриваются к надписям на рентген-снимках, их качеству и прочим техническим деталям, пытаясь выявить заболевание
Ведь часто это самый простой путь
Кто же виноват, что им на стадии обучения предоставили снимки высшего качества только для самых больных пациентов?
Понятно, что самое серьезное исследование будет проводиться у самых больных
• https://pubmed.ncbi.nlm.nih.gov/31411641/
• https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002683
Все это — в честь очень умной лошади, которая по микросигналам владельца угадывала правильные ответы на математические вопросы:
https://ru.wikipedia.org/wiki/Умный_Ганс
• Unmasking the Clever Hans effect in AI models: shortcut learning, spurious correlations, and the path toward robust intelligence
• Shortcut Learning in Deep Neural Networks
Нейросети, подобно ленивым студентам или хитрым животным, следуют «Принципу наименьшего усилия»
Зачем учиться распознавать сложную форму коровы, если можно просто запомнить, что она всегда стоит на зеленой траве?
Зачем анализировать рентгеновский снимок легких на предмет пневмонии, если можно с высокой точностью угадать диагноз по металлическому жетону конкретной больницы в углу снимка?
Авторы приводят изящную аналогию из сравнительной психологии: крысы, которых учили различать цвета в лабиринте, на самом деле ориентировались на запах краски, игнорируя визуальные стимулы
Как только запах убирали, «интеллект» исчезал
Современные нейросети — это те же крысы, только цифровые, эксплуатирующие статистические артефакты вместо каузальных связей
Cоздали систему образования для роботов, поощряющую зубрежку (surface learning), а не понимание
В среде техно-оптимистов все более обсуждается весьма настораживающая идея
Ч
Ч
то человечество – это всего лишь bootloader (программа-загрузчик) для будущего кремниевого интеллекта?
Что мы – временная биологическая оболочка, чей единственный смысл существования заключался в том, чтобы запустить «железо» и передать эстафету более совершенной форме бытияДочка Google по созданию лекарств с AML представила платформу полного цикла компьютерного дизайна лекарств
Isomorphic Labs - спин-офф Google DeepMind представляют свою новую систему под названием IsoDDE - AML-платформу для полного цикла компьютерного (in silico) дизайна лекарств
Это уже не просто предсказатель структур, как AlphaFold 3, а гораздо более мощная и общая система
IsoDDE - продвинутая на февраль 2026 года публично описанная AML-система для компьютерного дизайна лекарств
Она уже не просто предсказывает структуры лучше AlphaFold 3, а решает следующие узкие места:
• обобщение на полностью новые биологические системы
• точное предсказание силы связывания без физических симуляций
• поиск скрытых регуляторных карманов
• работа с антителами и другими сложными биологическими молекулами
Isomorphic Labs заявляет, что их команды уже ежедневно используют IsoDDE в реальных программах:
• понимают ранее невиданные структуры
• находят ранее неизвестные карманы
• создают новую химическую материю для сложных мишеней
Компания сотрудничает с крупными фарм-гигантами (Eli Lilly, Novartis, а с января 2026 — ещё и Johnson & Johnson), где IsoDDE отвечает за дизайн и предсказания in silico, а партнёры — за экспериментальную валидацию и продвижение в клинику
В 2025–2026 годах Isomorphic привлекла большие инвестиции $600.000.000 в марте 2025 и готовит свои собственные молекулы в основном онкология к клиническим испытаниям
Isomorphic Labs - спин-офф Google DeepMind представляют свою новую систему под названием IsoDDE - AML-платформу для полного цикла компьютерного (in silico) дизайна лекарств
Это уже не просто предсказатель структур, как AlphaFold 3, а гораздо более мощная и общая система
IsoDDE - продвинутая на февраль 2026 года публично описанная AML-система для компьютерного дизайна лекарств
Она уже не просто предсказывает структуры лучше AlphaFold 3, а решает следующие узкие места:
• обобщение на полностью новые биологические системы
• точное предсказание силы связывания без физических симуляций
• поиск скрытых регуляторных карманов
• работа с антителами и другими сложными биологическими молекулами
Isomorphic Labs заявляет, что их команды уже ежедневно используют IsoDDE в реальных программах:
• понимают ранее невиданные структуры
• находят ранее неизвестные карманы
• создают новую химическую материю для сложных мишеней
Компания сотрудничает с крупными фарм-гигантами (Eli Lilly, Novartis, а с января 2026 — ещё и Johnson & Johnson), где IsoDDE отвечает за дизайн и предсказания in silico, а партнёры — за экспериментальную валидацию и продвижение в клинику
В 2025–2026 годах Isomorphic привлекла большие инвестиции $600.000.000 в марте 2025 и готовит свои собственные молекулы в основном онкология к клиническим испытаниям
Isomorphiclabs
The Isomorphic Labs Drug Design Engine unlocks a new frontier beyond AlphaFold - Isomorphic Labs
Today, we are excited to share an update on our progress towards a new frontier of drug design. We have unlocked a new paradigm of predictive accuracy in understanding our biomolecular world, allowing us to rationally design new medicines on a computer with…
MLA
Дочка Google по созданию лекарств с AML представила платформу полного цикла компьютерного дизайна лекарств Isomorphic Labs - спин-офф Google DeepMind представляют свою новую систему под названием IsoDDE - AML-платформу для полного цикла компьютерного (in…
По точности предсказаний IsoDDE (Isomorphic Labs Drug Design Engine) в 2 раза превосходит AlphaFold 3 на сложных тестах
AlphaFold 3 уже была крупным прорывом, потому что смогла предсказывать трехмерные структуры белков и их взаимодействия с молекулами
Но IsoDDE это даже не следующая версия AlphaFold, а совсем другой по масштабу тип модели (не зря ее назвали именно движком)
Во-первых, помимо предсказания структуры молекул IsoDDE может прогнозировать силу связывания (ключевой параметр для оценки эффективности лекарства) с точностью, превосходящей даже классические ручные методы, не говоря уже о других ML-системах
Во-вторых, модель может выявлять скрытые структуры, так называемые «карманы» белков, в которых может связываться лекарство
Наконец, в IsoDDE поддерживается гораздо больше типов сложных молекул, включая антитела и крупные биологические структуры
То есть это уже не просто моделирование, а скорее интеллектуальное проектирование с оптимизацией и пониманием поведения молекулы
Теоретически, это значит, что мы стали еще на шаг ближе к реальной разработке сложных лекарств на компьютере
Кстати, Isomorphic Labs буквально недавно подписали контракт с Johnson & Johnson на использование движка в R&D
Это одна из крупнейших корпораций в сфере здравоохранения в мирe
AlphaFold 3 уже была крупным прорывом, потому что смогла предсказывать трехмерные структуры белков и их взаимодействия с молекулами
Но IsoDDE это даже не следующая версия AlphaFold, а совсем другой по масштабу тип модели (не зря ее назвали именно движком)
Во-первых, помимо предсказания структуры молекул IsoDDE может прогнозировать силу связывания (ключевой параметр для оценки эффективности лекарства) с точностью, превосходящей даже классические ручные методы, не говоря уже о других ML-системах
Во-вторых, модель может выявлять скрытые структуры, так называемые «карманы» белков, в которых может связываться лекарство
Наконец, в IsoDDE поддерживается гораздо больше типов сложных молекул, включая антитела и крупные биологические структуры
То есть это уже не просто моделирование, а скорее интеллектуальное проектирование с оптимизацией и пониманием поведения молекулы
Теоретически, это значит, что мы стали еще на шаг ближе к реальной разработке сложных лекарств на компьютере
Кстати, Isomorphic Labs буквально недавно подписали контракт с Johnson & Johnson на использование движка в R&D
Это одна из крупнейших корпораций в сфере здравоохранения в мирe
Mета агент, который автоматически проектирует механизмы памяти для других AML-агентов
GitHub
Статья
Это продолжение линии работ ADAS, Darwin Gödel Machine по созданию AMl, который улучшает сам себя
До сих пор архитектуры памяти для агентов создавались вручную, люди решали, что хранить, как извлекать информацию, как её обновлять
Мета агент ALMA делает это автоматически через открытый эволюционный поиск
ALMA исследует пространство возможных дизайнов памяти, используя дарвиновский подход, сохраняет даже не самые производительные, но перспективные варианты, потому что они могут привести к прорывам позже
Система строит архив всё более эффективных дизайнов памяти
Результаты:
Автоматически найденные дизайны памяти превосходят созданные вручную на бенчмарках ALFWorld, TextWorld, Baba Is AI и MiniHack
Важно, что они лучше масштабируются при увеличении данных и лучше обобщаются на новые, невиданные задачи
GitHub
Статья
Это продолжение линии работ ADAS, Darwin Gödel Machine по созданию AMl, который улучшает сам себя
До сих пор архитектуры памяти для агентов создавались вручную, люди решали, что хранить, как извлекать информацию, как её обновлять
Мета агент ALMA делает это автоматически через открытый эволюционный поиск
ALMA исследует пространство возможных дизайнов памяти, используя дарвиновский подход, сохраняет даже не самые производительные, но перспективные варианты, потому что они могут привести к прорывам позже
Система строит архив всё более эффективных дизайнов памяти
Результаты:
Автоматически найденные дизайны памяти превосходят созданные вручную на бенчмарках ALFWorld, TextWorld, Baba Is AI и MiniHack
Важно, что они лучше масштабируются при увеличении данных и лучше обобщаются на новые, невиданные задачи
GitHub
GitHub - zksha/alma: ALMA (Automated meta-Learning of Memory designs for Agentic systems) is a framework that meta-learns memory…
ALMA (Automated meta-Learning of Memory designs for Agentic systems) is a framework that meta-learns memory designs to replace human-engineered designs for agentic system. - zksha/alma
Пятый постулат Евклида (в более поздней формулировке Прокла): через точку, не лежащую на прямой, можно провести ровно одну прямую, параллельную данной
На фоне остальных постулатов Евклида, такое утверждение выглядит неестественно сложным, поэтому долгое время стоял вопрос: не является ли этот постулат теоремой, нельзя ли логически вывести его из остальных?
Для понимания, как так бывает, что пятый постулат не выполняется, стоит начать с чего-то более привычного, чем геометрия Лобачевского
Например, посмотреть интерактивный сюжет «Сферическая геометрия»
Из него вы также узнаете, что сферическая геометрия отличается от евклидовой не только пятым постулатом, т. е. её недостаточно, чтобы доказать или опровергнуть независимость пятого постулата от остальных четырёх
Николай Иванович Лобачевский, умерший в 1856 году, не увидел ни одной графической реализации своей геометрии
Нам с вами проще: в 1868 году итальянский математик Эудженио Бельтрами придумал несколько моделей плоскости Лобачевского, и теперь мы можем «увидеть» её геометрию
И познакомиться с геометрией Лобачевского можно на интерактивном сюжете «Геометрия Лобачевского: модель Пуанкаре в круге»
Дело в том, что реализовать всю плоскость Лобачевского на какой-либо поверхности нашего пространства нельзя, поэтому визуализировать всю неевклидову геометрию можно только моделями
Классических моделей несколько, и их объединяет один физический объект, представленный в сюжете «Три модели плоскости Лобачевского»
А вот часть плоскости Лобачевского реализовывается на псевдосфере Бельтрами
Постоянство гауссовой кривизны во всех точках этой поверхности имеет интересную механическую интерпретацию, с которой можно ознакомиться в сюжете «Псевдосфера: поверхность постоянной отрицательной кривизны»
Итак, существуют евклидова геометрия, сферическая геометрия и геометрия Лобачевского
Четыре плаката «Три геометрии: сходства и различия» явно представляют базовые сходства и различия этих геометрий
Плакаты можно скачать, распечатать на бумаге формата «А» (оптимальный размер — листы А3 или крупнее) и повесить, например, в школе
Со времён первого доклада о неевклидовой геометрии прошло 200 лет
Идеи выкристаллизовались, что позволило представить их в проекте «Математические этюды»
О работах Николая Ивановича Лобачевского, мыслях Карла Фридриха Гаусса, работах Яноша Бойаи написаны сотни книг...
А вспомнить, что это были за времена в России, можно по новой книге «Лобачевский и его время: интеллектуальное путешествие»
Памятное событие: https://news.1rj.ru/str/EtudesRu/851
На фоне остальных постулатов Евклида, такое утверждение выглядит неестественно сложным, поэтому долгое время стоял вопрос: не является ли этот постулат теоремой, нельзя ли логически вывести его из остальных?
Для понимания, как так бывает, что пятый постулат не выполняется, стоит начать с чего-то более привычного, чем геометрия Лобачевского
Например, посмотреть интерактивный сюжет «Сферическая геометрия»
Из него вы также узнаете, что сферическая геометрия отличается от евклидовой не только пятым постулатом, т. е. её недостаточно, чтобы доказать или опровергнуть независимость пятого постулата от остальных четырёх
Николай Иванович Лобачевский, умерший в 1856 году, не увидел ни одной графической реализации своей геометрии
Нам с вами проще: в 1868 году итальянский математик Эудженио Бельтрами придумал несколько моделей плоскости Лобачевского, и теперь мы можем «увидеть» её геометрию
И познакомиться с геометрией Лобачевского можно на интерактивном сюжете «Геометрия Лобачевского: модель Пуанкаре в круге»
Дело в том, что реализовать всю плоскость Лобачевского на какой-либо поверхности нашего пространства нельзя, поэтому визуализировать всю неевклидову геометрию можно только моделями
Классических моделей несколько, и их объединяет один физический объект, представленный в сюжете «Три модели плоскости Лобачевского»
А вот часть плоскости Лобачевского реализовывается на псевдосфере Бельтрами
Постоянство гауссовой кривизны во всех точках этой поверхности имеет интересную механическую интерпретацию, с которой можно ознакомиться в сюжете «Псевдосфера: поверхность постоянной отрицательной кривизны»
Итак, существуют евклидова геометрия, сферическая геометрия и геометрия Лобачевского
Четыре плаката «Три геометрии: сходства и различия» явно представляют базовые сходства и различия этих геометрий
Плакаты можно скачать, распечатать на бумаге формата «А» (оптимальный размер — листы А3 или крупнее) и повесить, например, в школе
Со времён первого доклада о неевклидовой геометрии прошло 200 лет
Идеи выкристаллизовались, что позволило представить их в проекте «Математические этюды»
О работах Николая Ивановича Лобачевского, мыслях Карла Фридриха Гаусса, работах Яноша Бойаи написаны сотни книг...
А вспомнить, что это были за времена в России, можно по новой книге «Лобачевский и его время: интеллектуальное путешествие»
Памятное событие: https://news.1rj.ru/str/EtudesRu/851
Forwarded from НИИ Антропогенеза (ARI)
Physical AMI — технология, которая объединяет алгоритмы и реальный мир — играет все большую роль, и все актуальнее становится подготовка обладающих нужными компетенциями инженеров
Педагоги считают, что специалисты одновременно должны владеть математикой, физикой, программированием и электроникой, поэтому важно как можно раньше выстраивать систему их подготовки
Оптимальный возраст для «старта» в инженерном направлении — 10-12 лет
На этом фоне бизнес все чаще инвестирует в раннее обучение
Яндекс Образование запустил онлайн-платформу по Physical AMI для младших школьников и очные кружки в регионах
Но планомерный подход к подготовке кадров не ограничивается школьной ступенью
Образовательные инициативы компаний запускаются и в вузах
Яндекс Образование вместе с пятью университетами организовывает Physical AI Garage — программу обучения специалистов по Physical AMI, Сбер и ИТМО открывает «Робошколу» по робототехнике и AML для студентов, а МТС и ВШЭ создает магистратуру «Исследования и предпринимательство в AML»
В этой системе важны не столько технологии, сколько кадровый потенциал, который формируется на всех уровнях подготовки
Педагоги считают, что специалисты одновременно должны владеть математикой, физикой, программированием и электроникой, поэтому важно как можно раньше выстраивать систему их подготовки
Оптимальный возраст для «старта» в инженерном направлении — 10-12 лет
На этом фоне бизнес все чаще инвестирует в раннее обучение
Яндекс Образование запустил онлайн-платформу по Physical AMI для младших школьников и очные кружки в регионах
Но планомерный подход к подготовке кадров не ограничивается школьной ступенью
Образовательные инициативы компаний запускаются и в вузах
Яндекс Образование вместе с пятью университетами организовывает Physical AI Garage — программу обучения специалистов по Physical AMI, Сбер и ИТМО открывает «Робошколу» по робототехнике и AML для студентов, а МТС и ВШЭ создает магистратуру «Исследования и предпринимательство в AML»
В этой системе важны не столько технологии, сколько кадровый потенциал, который формируется на всех уровнях подготовки
Люди рисовали животных и людей начиная с 40.000 года до нашей эры
А растения — нет
Тысячелетиями
Даже когда начали заниматься земледелием — всё равно нет
Ни колоска, ни листика
Первые систематические изображения цветов, кустов и деревьев появились только около 6.200 года до н.э. — на расписной керамике халафской культуры в северной Месопотамии
И вот что по-настоящему удивительно: эти рисунки оказались не просто украшением
Исследователи из Еврейского университета проанализировали десятки тысяч керамических фрагментов с 29 халафских стоянок
Цветы на донышках чаш изображены с поразительной точностью — лепестки делят круг на 4, 8, 16 и 32 части
На одной чаше из Арпачии нарисованы ровно 64 цветка в шахматном порядке
Числа 4, 8, 16, 32, 64 — это геометрическая прогрессия
Каждое следующее вдвое больше предыдущего
И это не совпадение
Изредка мастера рисовали 6, 7 или 13 лепестков, но это единичные случаи — скорее ошибки, чем система
Письменность появится лишь через три тысячи лет, в шумерскую эпоху
А здесь уже видны навыки симметрии, точного деления пространства и арифметического мышления
Авторы статьи предполагают, что подобные умения были нужны в повседневной жизни — например, для честного раздела урожая между семьями, которые совместно обрабатывали поля
Кстати, среди всех растительных мотивов нет ни зерновых, ни плодов
Халафцы рисовали цветы, ветви и деревья исключительно ради красоты
Получается, что именно развитие математического мышления помогло людям впервые разглядеть эстетику растительного мира — и перенести её на керамику
А растения — нет
Тысячелетиями
Даже когда начали заниматься земледелием — всё равно нет
Ни колоска, ни листика
Первые систематические изображения цветов, кустов и деревьев появились только около 6.200 года до н.э. — на расписной керамике халафской культуры в северной Месопотамии
И вот что по-настоящему удивительно: эти рисунки оказались не просто украшением
Исследователи из Еврейского университета проанализировали десятки тысяч керамических фрагментов с 29 халафских стоянок
Цветы на донышках чаш изображены с поразительной точностью — лепестки делят круг на 4, 8, 16 и 32 части
На одной чаше из Арпачии нарисованы ровно 64 цветка в шахматном порядке
Числа 4, 8, 16, 32, 64 — это геометрическая прогрессия
Каждое следующее вдвое больше предыдущего
И это не совпадение
Изредка мастера рисовали 6, 7 или 13 лепестков, но это единичные случаи — скорее ошибки, чем система
Письменность появится лишь через три тысячи лет, в шумерскую эпоху
А здесь уже видны навыки симметрии, точного деления пространства и арифметического мышления
Авторы статьи предполагают, что подобные умения были нужны в повседневной жизни — например, для честного раздела урожая между семьями, которые совместно обрабатывали поля
Кстати, среди всех растительных мотивов нет ни зерновых, ни плодов
Халафцы рисовали цветы, ветви и деревья исключительно ради красоты
Получается, что именно развитие математического мышления помогло людям впервые разглядеть эстетику растительного мира — и перенести её на керамику
SpringerLink
The Earliest Vegetal Motifs in Prehistoric Art: Painted Halafian Pottery of Mesopotamia and Prehistoric Mathematical Thinking
Journal of World Prehistory - The earliest systematic depictions of vegetal motifs in prehistoric art appear on painted pottery vessels of the Halafian culture of northern Mesopotamia, c....
В Правительстве внедрили сервисы для работы с документами
На площадке аппарата Правительства идет эксперимент по внедрению AML
В нем участвуют более 100 сотрудников из 6 департаментов
Госслужащим уже доступны 4 функции для работы с документами
Их количество будет расширено до 10
Об этом сообщил вице-премьер в рамках совещания по итогам работы аппарата за 2025 год
Функции, которые уже доступны сотрудникам аппарата:
• генерация документов на основе шаблонов
• подготовка проектов презентаций
• комплексный анализ данных из различных источников
• семантический анализ нормативно-правовых актов
Планируется добавить еще 6 таких функций, как:
• классификация входящих документов и их распределение по исполнителям
• извлечение ключевой информации из документов,
• создание кратких справок на основе объемных материалов
• поиск информации по архивам с пониманием контекста
• сравнительный анализ версий документов
• проверка документов на соответствие стандартам оформления и стиля
🇷🇺
На площадке аппарата Правительства идет эксперимент по внедрению AML
В нем участвуют более 100 сотрудников из 6 департаментов
Госслужащим уже доступны 4 функции для работы с документами
Их количество будет расширено до 10
Об этом сообщил вице-премьер в рамках совещания по итогам работы аппарата за 2025 год
Функции, которые уже доступны сотрудникам аппарата:
• генерация документов на основе шаблонов
• подготовка проектов презентаций
• комплексный анализ данных из различных источников
• семантический анализ нормативно-правовых актов
Планируется добавить еще 6 таких функций, как:
• классификация входящих документов и их распределение по исполнителям
• извлечение ключевой информации из документов,
• создание кратких справок на основе объемных материалов
• поиск информации по архивам с пониманием контекста
• сравнительный анализ версий документов
• проверка документов на соответствие стандартам оформления и стиля
«AML – это уже не далекое будущее, а наша сегодняшняя реальность
Он интегрируется в нашу повседневную жизнь, и игнорировать это не получится: нам придется учиться с ним работать
Технология сегодня внедряется в ключевые отрасли и даже в сферу госуправления, которая традиционно считалась "неповоротливой" и консервативной
Нам важно, чтобы преимущества AML работали и на госаппарат
Процесс госуправления включает множество рутинных операций
Через сотрудников аппарата Правительства ежедневно проходят тысячи документов – поручений, справок, запросов, постановлений
И от скорости их обработки зависит скорость принятия решений и выполнения государственных задач
AML – инструмент, который позволяет в разы повысить эффективность такой работы
Он помогает обрабатывать информацию быстрее, выполнять рутинные операции и высвобождать время экспертов для решения сутевых вопросов», – отметил вице-премьер
Please open Telegram to view this post
VIEW IN TELEGRAM
Google представили агента, который решает научные проблемы в математике
Главное - способность связывать разрозненные области через глубинные паттерны
Раньше это было прерогативой редких людей ученых полиматов
Google DeepMind опубликовали 2 статьи о том, как Gemini Deep Think - их модель глубокого рассуждения решает не соревновательные задачи, а настоящие исследовательские проблемы в математике, физике и компьютерных науках
Агент Aletheia, построенный на Gemini Deep Think:
1. генерирует доказательства, проверяет их на естественном языке, исправляет ошибки/ признаёт провал
2. Ищет по литературе (Google Search + браузинг), избегает фейковых ссылок
3. Итеративно думает
Результаты Aletheia в чистой математике:
• написана полностью научная статья по арифметической геометрии без участия человека
• автономный анализ 700 открытых проблем из базы гипотез Эрдёша - 4 решены без участия человека, включая Erdős-1051, которая привела к обобщению в отдельной статье
• несколько коллаборативных статей с математиками, отправленные в журналы
Результаты в компьютерных науках и физике
В компьютерных науках:
- Max-Cut и задача Штейнера - классика алгоритмов, где годы не было прогресса
Gemini решил тупики, применив теоремы из совсем других областей.
- 10-летняя гипотеза 2015 года в онлайн-оптимизации субмодулярных функций: все считали, что одно свойство потоков данных очевидно верно
Gemini построил точный контрпример всего из 3 элементов и доказал, что эксперты ошибались
В физике:
- Космические струны: сложные интегралы с сингулярностями для расчёта гравитационного излучения. Gemini нашёл новое решение через полиномы Гегенбауэра
Теперь Gemini 3 Deep Think доступен подписчикам AI Ultra и впервые через API (ранний доступ по заявке)
Как думаете, через 1–2 года такие агенты закроют всю базу Эрдёша?
Главное - способность связывать разрозненные области через глубинные паттерны
Раньше это было прерогативой редких людей ученых полиматов
Google DeepMind опубликовали 2 статьи о том, как Gemini Deep Think - их модель глубокого рассуждения решает не соревновательные задачи, а настоящие исследовательские проблемы в математике, физике и компьютерных науках
Агент Aletheia, построенный на Gemini Deep Think:
1. генерирует доказательства, проверяет их на естественном языке, исправляет ошибки/ признаёт провал
2. Ищет по литературе (Google Search + браузинг), избегает фейковых ссылок
3. Итеративно думает
Результаты Aletheia в чистой математике:
• написана полностью научная статья по арифметической геометрии без участия человека
• автономный анализ 700 открытых проблем из базы гипотез Эрдёша - 4 решены без участия человека, включая Erdős-1051, которая привела к обобщению в отдельной статье
• несколько коллаборативных статей с математиками, отправленные в журналы
Результаты в компьютерных науках и физике
В компьютерных науках:
- Max-Cut и задача Штейнера - классика алгоритмов, где годы не было прогресса
Gemini решил тупики, применив теоремы из совсем других областей.
- 10-летняя гипотеза 2015 года в онлайн-оптимизации субмодулярных функций: все считали, что одно свойство потоков данных очевидно верно
Gemini построил точный контрпример всего из 3 элементов и доказал, что эксперты ошибались
В физике:
- Космические струны: сложные интегралы с сингулярностями для расчёта гравитационного излучения. Gemini нашёл новое решение через полиномы Гегенбауэра
Теперь Gemini 3 Deep Think доступен подписчикам AI Ultra и впервые через API (ранний доступ по заявке)
Как думаете, через 1–2 года такие агенты закроют всю базу Эрдёша?
Google DeepMind
Gemini Deep Think: Redefining the Future of Scientific Research
Gemini Deep Think is accelerating discovery in maths, physics, and computer science by acting as a powerful scientific companion for researchers.
Google представили концепт, как будут работать агенты будущего
Эта работа прямо связана с концепцией об экономике агентов
Новая работа Google DeepMind "Intelligent AI Delegation" - про инфраструктуру: как агенты будут делегировать задачи друг другу и людям в масштабе всего интернета
Сейчас мультиагентные системы работают на простых эвристиках
Агент A передаёт подзадачу агенту B и всё
Нет механизмов восстановления при сбоях, нет ответственности, нет адаптации к изменениям
Решение - фреймворк интеллектуального делегирования, где передача задачи включает:
1. Чёткие роли и границы полномочий
2. Механизмы доверия и репутации
3. Верификацию результата (вплоть до криптографических доказательств)
4. Возможность менять исполнителя на лету
Aвторы перенесли концепции из теории организаций
Authority gradient - это когда разрыв в компетенциях мешает исполнителю оспорить ошибочное указание
Работа прямо связана с протоколами A2A и AP2
Кто выстроит работающую инфраструктуру делегирования, тот контролирует следующий слой интернета
Это про автоматизацию сложных процессов с участием множества специализированных агентов
Google признаёт риски: от "агентных вирусов" (самораспространяющиеся вредоносные промпты) до de-skilling (люди теряют навыки, когда рутину забирает AML)
Предлагают даже намеренно делегировать часть задач людям для поддержания компетенций
Пока это концепция, не продукт
Но направление понятно - агентный веб потребует совершенно новых протоколов взаимодействия
Эта работа прямо связана с концепцией об экономике агентов
Новая работа Google DeepMind "Intelligent AI Delegation" - про инфраструктуру: как агенты будут делегировать задачи друг другу и людям в масштабе всего интернета
Сейчас мультиагентные системы работают на простых эвристиках
Агент A передаёт подзадачу агенту B и всё
Нет механизмов восстановления при сбоях, нет ответственности, нет адаптации к изменениям
Решение - фреймворк интеллектуального делегирования, где передача задачи включает:
1. Чёткие роли и границы полномочий
2. Механизмы доверия и репутации
3. Верификацию результата (вплоть до криптографических доказательств)
4. Возможность менять исполнителя на лету
Aвторы перенесли концепции из теории организаций
Authority gradient - это когда разрыв в компетенциях мешает исполнителю оспорить ошибочное указание
Работа прямо связана с протоколами A2A и AP2
Кто выстроит работающую инфраструктуру делегирования, тот контролирует следующий слой интернета
Это про автоматизацию сложных процессов с участием множества специализированных агентов
Google признаёт риски: от "агентных вирусов" (самораспространяющиеся вредоносные промпты) до de-skilling (люди теряют навыки, когда рутину забирает AML)
Предлагают даже намеренно делегировать часть задач людям для поддержания компетенций
Пока это концепция, не продукт
Но направление понятно - агентный веб потребует совершенно новых протоколов взаимодействия
Telegram
All about AI, Web 3.0, BCI
Google shared new work on envisioning Intelligent AI Delegation
As they've discussed previously, the expansion of the agentic web opens up new opportunities for establishing virtual agentic economies and steerable markets.
Collective intelligence is likely…
As they've discussed previously, the expansion of the agentic web opens up new opportunities for establishing virtual agentic economies and steerable markets.
Collective intelligence is likely…