AML

Комитет политических действий, выступающий за развитие Ml, под названием «Американский проект технологического совершенства» (American Technology Excellence Project), — это последняя попытка бороться с политикой, которая, по её мнению, препятствует развитию Ml Суперкомитет политических действий (Super PAC) сосредоточится на продвижении и защите американских технологических компаний и руководства, поддержке прогресса в области искусственного интеллекта и предоставлении родителям возможности контролировать, как их дети используют онлайн-приложения и технологии искусственного интеллекта Cуперкомитет политических действий (Super PAC) будет возглавляться ветераном-республиканцем и консалтинговой фирмой демократов Hilltop Public Solutions Комитет будет работать над избранием политиков, дружественных к технологиям, от обеих партий на промежуточных выборах в следующем году https://www.axios.com/2025/09/23/meta-superpac-ai-regulation

Anthropic показал,как ИИ-агенты учатся искать информацию по-человечески Основная идея - Ml-агенты должны использовать файловые системы для работы с данными, вместо попыток держать всю информацию в контексте Разработчик из Anthropic показал, как Ml-агенты могут решать такие задачи по-новому, не пытаясь запомнить всю вашу переписку Он создал Ml-агента для работы с электронной почтой Вместо того, чтобы анализировать весь почтовый ящик одновременно, система: - Получает запрос найти информацию о конкретном человеке - Ищет письма с его адресом или упоминаниями имени - Сохраняет найденные письма в рабочие файлы - Анализирует их содержание для извлечения нужных данных - При необходимости делает дополнительные поисковые запросы Результат превзошёл ожидания - система самостоятельно составила подробный профиль пользователя, включая историю адресов, контакты и профессиональную информацию Документация по безопасности

Российские физики сделали мировой рекорд - 10-кубитный квантовый гейт Команда под руководством академика Николая Колачевского из физического института имени П.Н. Лебедева РАН и Алексея Федорова из РКЦ создала гейт Тоффоли для 10 квантовых систем Вместо обычных кубитов, которые имеют только два состояния — 0 или 1, они использовали кудиты — системы с несколькими состояниями, что позволило сделать вычисления более эффективными Такой подход ускоряет и улучшает квантовые вычисления, особенно для задач вроде поиска в больших базах данных или сложной оптимизации Это можно применить не только к ионным системам, но и к другим квантовым технологиям Это особенно важно для современных квантовых компьютеров, которые пока работают с ограничениями

Cимуляции - это будущее Главный тренд сезона - огромные траты OpenAI/Anthropic на обучение с подкреплением, они платят $1+млрд, а стартапы - $500k Новая волна обучения ИИ связана не с данными из интернета, а наблюдением за работой реальных людей Исполнительный директор OpenAI считает, что вся экономика превратится в «машину обучения с подкреплением» Anthropic и OpenAI, обучают большие языковые модели работать с реальными корпоративными приложениями — от Salesforce и Zendesk до медицинских систем Cerner и Excel Модели тренируют в симулированных средах, где они экспериментируют с софтом, а эксперты-люди (программисты, врачи, биологи и тд) показывают, как выполнять задачи пошагово Например, Ml учится фильтровать лиды в Salesforce и обновлять статусы Об этом Google говорили ещё в январе 2025 года Anthropic планирует вложить $1.000.000.000 в такие среды в 2026 году, OpenAI — до $8.000.000.000 к 2030-му Эксперты тоже дорожают, уже сейчас топ-специалисты получают $90-120/час, а скоро — до $250 Стартапы вроде Turing и Scale строят тысячи таких "тренажёров" для Ml, создавая новую экосистему Это решает проблему ограничений традиционного обучения ИИ и открывает путь к новым продуктам — от Ml-агентов до корпоративного софта Напомним, что Дэмис Хассабис говорил о симуляции ещё в августе, а именно, что за этим будущее Ml и агентов

«Ловушка для бобра» связана с одной из самых известных и трудных проблем информатики: можно ли заранее определить, завершит ли программа работу или будет выполняться бесконечно? Ещё в 1936 году Алан Тьюринг показал, что универсального метода для этого не…

Представьте, что вам показывают ряд чисел: 1, 6, 21, 107 и — внимание! — 47 176 870 Кажется естественным спросить: какое число идёт дальше? Эти значения — первые пять членов так называемой последовательности «занятого бобра» Она связана с одной из самых…

Представьте, что вам показывают ряд чисел: 1, 6, 21, 107 и — внимание! — 47 176 870 Кажется естественным спросить: какое число идёт дальше? Эти значения — первые пять членов так называемой последовательности «занятого бобра» Она связана с одной из самых глубоких и трудных проблем теоретической информатики Вычисление её членов оказывается настолько сложным, что уже более шестидесяти лет этой задачей занимаются и профессиональные математики, и энтузиасты Первые четыре числа были установлены ещё в 1960–1970-х годах Пятое же, BB(5), оказалось во много раз больше предыдущих и лишь недавно — в прошлом году — было окончательно определено благодаря совместной работе группы любителей-исследователей в онлайн-сообществе Busy Beaver Challenge А вот значение шестого числа, BB(6), остаётся неизвестным Известны лишь нижние границы, и они колоссальны В 2022 году удалось доказать, что BB(6) настолько велико, что его невозможно даже записать привычным способом: если бы каждую цифру пытаться нанести на атом, атомы Вселенной закончились бы задолго до того, как удалось бы зафиксировать хоть сколько-нибудь значимую часть числа Учёный-информатик Скотт Ааронсон (Техасский университет в Остине) подчеркнул: это величина, которую мы не в силах ни вообразить, ни тем более «удержать в руках» И всё же охотники за «бобрами» продолжают двигать границы Недавно один из самых активных и загадочных участников конкурса сумел доказать новый, ещё более впечатляющий нижний предел для BB(6) — и менее чем через две недели снова превзошёл собственный рекорд По сравнению с его результатами оценка 2022 года выглядит микроскопической Как заметил информатик Уильям Гасарч (Университет Мэриленда), шестое число буквально возносит нас в мир запредельных величин

Китайский институт «Синьхуа» представил объёмный доклад о когнитивной войне США В их картине США — это держава, которая постоянно маскирует национальные интересы под «мораль» и «ценности» Если угодно, Вашингтон продаёт миру «американскую мечту», одновременно обесценивая все альтернативы И что важно — эта «колонизация сознания» работает мягко, незаметно, через привычные формы: кино, образование, социальные сети И здесь китайцы попали в самую суть: дело не в том, что США «лгут», а в том, что они переписывают нормы Они делают своё мировоззрение единственно верным Если ты не вписываешься — ты уже «угроза» истинной свободе и дисквалифицируешься как «авторитарный» или «диктаторский режим» Но тут важно понимать, что китайский доклад — это тоже инструмент Под правильными словами («культурный суверенитет», «многополярность») они продвигают свои инициативы и свою роль в «Глобальном Юге» Им выгодно разоблачать США, но лишь ради себя любимых, реализуя мечту занять место альтернативного центра мира и возродить канувшую в лету Поднебесную Америка поднаторела в работе с когнитивной сферой Это сыграло не последнюю роль в развале СССР, отчасти подорвав доверие народа к собственной власти и системе Внедрение чужих ценностей и образов будущего в сознание элит позволило прийти к цели уничтожения Советского государства с наименьшими затратами ресурсов 90-е стали периодом тотальной «американизации сознания» — от сериалов и рекламы до учебников экономики И сейчас, можно сказать, история повторяется: сегодняшние попытки «перепрошить» Россию используют те же методы, только уже через современные сервисы,такие какTikTok, Netflix и др. В планах западных «цивилизаторов» — разобщить нас изнутри, добиться социального взрыва, внутреннего гражданского противостояния и расколоть Россию на ещё более мелкие квазигосударственные фрагменты

Ноам Шазир: Ml не заменит Google, но может стать вашей мамой — намёк на эмоциональные качества Шазир заявил, что одним из факторов, ускоряющий развитие Ml станет самоускорение Ml будет проектировать чипы и софт, ускоряя собственное развитие Это приведёт к прорывам в создании автономных агентов и более умных систем Ноам Шазир, соавтор статьи о трансформерах и лидер Google DeepMind по разработке Gemini, выступил на конференции Hot Chips: LLM — лучшая проблема в истории Он назвал языковое моделирование задачей, которая захватывает воображение От улучшения поисковых алгоритмов Google до моделей с триллионами параметров — LLM уже меняют подход к Ml, и это только начало «Мы только начали», — повторил он 1. Что хотят LLM от чипов? Ml требует от hardware масштабируемости и энергоэффективности: - Матричная математика и attention-механизмы: нужны чипы, оптимизированные под эти операции - Иерархия памяти: от DDR5 до HBM и on-chip SRAM для скорости и объёма - Optical I/O и chiplet-дизайны - Performance per watt: ключ к масштабированию моделей В пример Google TPU, но призвал к гибкости для мультимодальных моделей (текст, изображения, видео) 2. Самоускорение Ml Ml проектирует чипы, которые делают Ml мощнее — идея, которая ляжет в основу следующей фазы развития Ml 3. Прогнозы на будущее: - 1–2 года: рост энергоэффективности LLM, мультимодальные модели для текста, видео и изображений - 3–5 лет: автономные Ml -агенты, решающие сложные задачи, и чипы для edge-computing - Долгосрочная перспектива: шаги к AGI, но с фокусом на этику и практическое применение Шазир отметил вызовы, такие как «незабывание» моделей (forgetting mechanism), и предложил улучшать attention-механизмы «Чипы должны быть не только мощнее, но и умнее в коммуникации»

BBC внедряет инструменты генеративного Ml для оптимизации производства новостей, запуская краткие обзоры «At a Glance» и функцию «BBC Style Assist» для поддержания редакционного стиля и повышения эффективности Например функция реферирования «At a Glance» от BBC представляет собой революционный шаг в потреблении новостей, особенно среди молодёжи, которая всё чаще отдаёт предпочтение быстрому и понятному контенту Используя Ml, BBC создаёт краткие, легко усваиваемые краткие обзоры, отвечающие требованиям эффективности в современной динамичной среде потребления новостей Эти рефераты, генерируемые Ml, не только инновационны, но и курируются под контролем человека, что гарантирует точность и редакционную целостность Материал большой - лучше читать в оригинале Вот Оглавление: 1. Введение в инструменты генеративного искусственного интеллекта BBC 2. Функция резюмирования «Взгляд на вещи» 3. Объяснение инструмента «BBC Style Assist» 4. Обеспечение точности и прозрачности контента, создаваемого ИИ 5. Реакция читателей и отрасли на интеграцию искусственного интеллекта в BBC 6. Возможные последствия для журналистики и общества 7. Будущее ИИ в производстве новостей: испытания и прогнозы 8. Заключение: баланс между инновациями и редакционной честностью https://opentools.ai/news/bbc-embraces-generative-ai-to-revolutionize-news-production

Забудьте про AGI и ASI От одной лишь способности прогнозировать и совершать действия на долгих временных горизонтах захватывает дух И я думаю, что к концу следующего года у нас это в основном будет Это сказано Мустафой Сулейман, генеральным директором Microsoft AI и соучредителем Google DeepMind в новом почти 2-х часовом интервью «Спасёт ли ИИ человечество или положит ему конец?» «Я довольно ясно вижу, что нас ждёт дальше На данный момент эти модели всё ещё остаются механизмами однократного предсказания Понимаете, вы задаёте вопрос — получаете ответ Модель выдаёт единственное правильное предсказание в момент времени T, но вы как разумный человек, и вообще любой человек, да и многие животные непрерывно производят поток точных предсказаний — будь то решение о том, как встать с этого кресла, или представление, скажем, этого растения в фиолетовом цвете вместо зелёного Я – это постоянно действующий механизм точных предсказаний Сегодняшние модели — это всего лишь механизмы одно-двухшагового предсказания Они не могут выстроить план во времени А то, как вы решаете добраться домой сегодня вечером — сначала встать с кресла, потом открыть дверь, потом сесть в машину и так далее — вы можете развернуть это идеальное предсказание всей последовательности ваших действий вплоть до возвращения домой И это просто вычислительное ограничение Я не думаю, что существует какое-то фундаментальное — алгоритмическое или даже связанное с данными — ограничение, которое мешает большим языковым моделям и подобным системам делать идеальные, последовательные предсказания на очень, очень длительные периоды времени Да И что же нам делать с такой технологией? Ну, это будет невероятно похоже на человека Если у неё будет идеальная память — которой пока нет, но память уже очень хорошая — тогда она сможет опираться не только на своё знание мира, на предобученные данные, но и на личный опыт — опыт взаимодействия с вами и всеми остальными людьми, хранить это как постоянное состояние и затем использовать для последовательных предсказаний того, как будут разворачиваться события в очень, очень, очень длинных последовательностях действий Это будет невероятно похоже на человека и немыслимо мощно И точно так же, как сегодня у нас в кармане есть своего рода сверхразум, который может мгновенно ответить на любой вопрос, — мы просто не замечаем, насколько это невероятно То есть это безумие Это абсолютное безумие, насколько хороша эта технология прямо сейчас А все только: «Да ладно, особо не пользуюсь» А вы пользуетесь? Немного, я говорил об этом, типа: «Да ладно вам, посмотрите — это же волшебство Волшебство у вас в кармане» А теперь представьте, когда она сможет не просто отвечать на любые вопросы о поэзии или какой-нибудь случайной физической задаче, но реально совершать действия на бесконечно долгих временных горизонтах Вот это да Забудьте про определения сверхразума или общего искусственного интеллекта Уже одна только эта способность — захватывает дух И я думаю, что к концу следующего года у нас это в основном будет» И еще: «… они — своего рода цифровые люди И это пороговая трансформация в истории нашего вида, потому что они не инструменты Они явно не люди Они не часть природы Это требуют от нас четвёртого типа отношений к ним – как к новому эмерджентному виду... Я не знаю, как это описать, кроме как четвёртый тип отношений» Именно об этом «Третий артефакт – это шепот небиологической эволюции» и мысль во вчерашнем «Забудьте о восстании машин Бойтесь их карьерного роста Две главные новости про ИИ — это одна история о конце света»

Shodan индексирует все подключенные к интернету вычислительные устройства (веб-камеры, маршрутизаторы, серверы и новомодные IoT-девайсы) и позволяет находить их с помощью различных поисковых запросов и фильтров Руководство