AML

High Performance Browser Networking Книга для изучения компьютерных сетей Написана в 2013 году, но большинство разделов до сих пор являются актуальными и полезными для начинающих В книге можно найти информацию по особенностям протоколов HTTP/1.1 и HTTP/2, оптимизации их производительности, информацию по базовому устройству компьютерных сетей, включая протоколы TCP, UDP, TLS, так и особенности производительности сетевого взаимодействия в зависимости от типа сети (Wi-Fi, мобильные сети) Полная версия книги доступна бесплатно на сайте: https://hpbn.co/ S.E. infosec.work VT

Пятисекундное видео с помощью ML — это как запустить микроволновку на час. Серьёзно Исследования MIT показывают: генерация короткого ролика потребляет 3.400.000 джоулей энергии Для сравнения — столько же нужно, чтобы час готовить еду в микроволновке А теперь представьте: миллионы людей генерируют сотни роликов ежедневно, ради мемасиков Технология проста до безобразия Берёте любую большую ML модель, пишете промпт, ждёте 2 — 5 минут, получаете пятисекундный ролик Хотите длиннее? Берёте последний кадр, делаете его первым кадром следующего видео, повторяете процесс Так рождаются «сериалы» Бесплатные тарифы дают 5 секунд, платные — больше Китайские модели работают без ограничений Западные нас отключили, но кого это волнует? У нас есть ₽5.000 штрафа Секрет «успеха» — в черри-пикинге Генерируете десяток вариантов, выбираете лучший Потом пост-обработка в видеоредакторе: звук, надписи, эффекты Виртуальная девушка из Дубая готова собирать лайки и время Главное не в энергозатратах Главное — в будущем, которое уже наступило Каждый может генерировать персональный сериал Настроил ML-агента Агент передал задачу видеомодели, та сговнякала фильм Никаких актёров, режиссёров, сценаристов Только вы и алгоритм, который знает, что вам нравится Netflix? Каждый сам себе режиссёр Мир движется к эпохе персонализированного контента Это происходит быстро и дёшево Клиповая манера подачи скрывает технические ограничения Пять секунд одного сюжета, резкое переключение, пять секунд другого Зритель не замечает швов между генерациями — мозг сам достраивает связность, не формируя длинные логические связи, отключая критическое понимание Какой результат? Армия виртуальных инфлюенсеров, которые никогда не устают, не стареют, не требуют гонораров Они идеальны во всём — внешности, характере, реакциях Живые не выдержат конкуренции Технологию, которая делает человеческое творчество избыточным И да, это не искусственный интеллект, а реальность в которой растут наши дети

Китай создал ML, который впервые может создать новые архитектуры Они называют это моментом AlphaGo ASI-Arch - 1ая система искусственного сверхинтеллекта (ASI) для автоматизации научных исследований в области нейронных архитектур без участия человека Система может автономно выдвигать гипотезы о новых архитектурных концепциях, реализовывать их в виде исполняемого кода, обучать и эмпирически проверять их производительность через строгие эксперименты ASI-Arch создала 106 новых архитектур, превосходящих человеческие разработки - это не теоретическое достижение, а практический результат Ключевые достижения ASI-Arch: 1. 1.773 автономных эксперимента 20,000 GPU-часов вычислений Обнаружено 106 новых архитектур линейного внимания, превосходящих существующие 2. Переход от автоматизированной оптимизации к автоматизированным инновациям Система не просто перебирает варианты в заданном пространстве, а создает принципиально новые архитектуры 3. Впервые эмпирически показано, что архитектурные прорывы можно масштабировать вычислительно - чем больше вычислений, тем больше открытий (линейная зависимость) ASI-Arch основана на FLAME, LM-Evaluation-Harness и Flash Linear Attention GitHub - GAIR-NLP/ASI-Arch: AlphaGo Moment for Model Architecture Discovery, что указывает на использование существующих открытых инструментов и фреймворков в качестве основы для создания этой системы Разработка является результатом труда команды GAIR-NLP

Anthropic представили ИИ- агентов для аудита безопасности LLM Команда опубликовала исследование о разработке ИИ-агентов Работа решает практическую проблему - как масштабировать процессы проверки безопасности ML-систем, когда ручной аудит требует слишком много времени экспертов Anthropic разработали 3 агента: 1. Агент-исследователь — проводит комплексное расследование модели, используя инструменты интерпретируемости, анализ данных обучения и различные техники тестирования 2. Агент оценки — автоматически создаёт тесты для измерения конкретных типов проблемного поведения 3. Агент красной команды — ищет входные данные, которые могут вызвать нежелательные ответы модели Результаты тестирования Агенты проверили на синтетических задачах с заведомо известными проблемами: - Агент-исследователь обнаружил скрытые цели модели в 13 % случаев (до 42 % при использовании нескольких агентов) - Агент оценки создал корректные тесты для 10 из 10 проблемных поведений - Агент красной команды выявил 7 из 10 внедрённых уязвимостей Агенты пока не идеальны: • Иногда генерируют нереалистичные тестовые сценарии • Могут зацикливаться на одной гипотезе и пропускать другие проблемы • Хуже людей справляются с выявлением тонких, субъективных проблем • Тестировались в основном на искусственных задачах

Пояснительная .docx

Ещё статья с Outstanding Paper Award на ICML 2025. CollabLLM обучается на многоходовых роллаутах диалогов на базе симуляции пользователя и в итоге улучшает пользовательский опыт: https://t.me/gonzo_ML_podcasts/555

Cписок 40 профессий, в которых ML применим и 40, где наименее применим Они изучили данные опросов 200.000 участников Профессии, где ИИ чаще всего применяют: 1. Переводчики и интерпретаторы 2. Историки 3. Менеджеры по продажам 4. Писатели и авторы 5. Представители службы поддержки клиентов Профессии, наименее подверженные влиянию ML: 1. Физический труд и работу с людьми (медсестры, массажисты) 2. Управление и мониторинг оборудования (операторы водоочистных сооружений, водители грузовиков) 3. Ручной труд (посудомойщики, кровельщики, уборщицы) Исследование не выявило сильной устойчивой связи между показателем применимости ML и заработной платой - корреляция составила всего 0.07 Профессии со степенью бакалавра показали несколько более высокую применимость ML по сравнению с профессиями с более низкими образовательными требованиями, хотя различия не являются кардинальными Авторы признают несколько важных ограничений своего исследования: 1. Анализировались только данные Bing Copilot 2. Сложно отличить рабочие разговоры от личных 3. База данных может не отражать современные изменения в профессиях 4. Исследование ограничено американским рынком труда

Брошюра написана по материалам лекций для школьников и студентов, прочитанных А. А. Кирилловым в летней школе «Современная математика» в Дубне В центре книги — два фрактала: ковёр Серпинского и ковёр Аполония Вокруг них автор строит целое введение в современную теорию фракталов: от первых определений до нерешённых задач и актуальных направлений исследований Причём каждая задача сформулирована как приглашение к самостоятельному исследованию Вот что пишет сам автор во введении: «Во многих популярных книгах читатель увидит массу цветных картинок и любопытных примеров, но не найдёт ни точных определений, ни строго доказанных результатов… Последняя и, может быть, самая важная причина [написания этой книги] состоит в том, что самостоятельное изучение геометрии, анализа и арифметики фракталов, на мой взгляд, является одним из лучших способов для молодого математика активно и прочно овладеть основными математическими знаниями» Александр Александрович Кириллов — один из самых ярких учеников Израиля Моисеевича Гельфанда, автор знаменитого учебника по «Теории представлений», а также целого ряда работ по функциональному анализу, геометрии и математической физике Его стиль — продолжение той самой «гельфандовской школы», где от лекции по алгебре можно было уйти с философским инсайтом Книга идеально подойдёт студентам младших курсов и старшеклассникам, но будет интересна и тем, кто хочет понять, как можно учить математике с уважением к читателю Распространяется брошюра бесплатно! Скачивайте и читайте, если хотите разобраться с фракталами и почувствовать, как они вплетаются в ткань современной математики А здесь пост с предыдущей подборкой книг от редакции канала

Эксремент Минцифры по внедрению генеративного искусственного интеллекта в госуправление Проект постановления Правительства предполагает, что ML будет использоваться для обработки документов, анализа данных и работы с типовыми обращениями граждан Сроки эксперимента не уточняются В перечне сценариев эксремента указаны: • проверка резюме кандидатов на госслужбу и составление тестовых заданий для них: ML будет генерировать задания для оценки компетенций кандидатов, а также анализировать резюме с целью «выявления скорости первичного анализа соответствия требованиям» • работа с законотворчеством: нейросети займутся анализом законопроектов Госдумы на ошибки, чтобы снизить общее время их подготовки и повысить удовлетворенность сотрудников • работа с контентом: ML обеспечит генерацию новостных лент для официальных сайтов с соблюдением брендбуков (цвета, шрифты, графика) и детектирование тематики обращений граждан • oбработка текстовых документов: нейросеть будет обрабатывать типовые обращения граждан и готовить ответы на них Минцифры считает, что это снизит трудозатраты на работу с корреспонденцией и сократит количество ошибок • управление данными: система автоматически оценит достоверность информации, включая контент, созданный ML При этом проект исключает прогнозирование социально-экономических процессов нейросетью Также ML не будет обрабатывать данные, которые составляют гостайну Доступ к системам получат только госслужащие после идентификации через ЕСИА с подтверждением должности Согласно проекту, эксрeмент нужен, чтобы сократить время на рутинные задачи госслужащих, снизить количество ошибок в документах и повысить эффективность госуправления Поставщиков ML-решений для госорганов определит правительственная комиссия по цифровому развитию

Шриниваса Рамануджан родился ровно 138 лет назад Г.Х. Харди однажды оценил математиков по шкале от 1 до 100 на предмет чистого таланта Харди поставил себе 25 баллов, его коллега Литтлвуд — 30, Гилберт — 80, а Рамануджан — высший балл — 100 📝Бесконечно повторяющиеся радикалы Рамануджана Рамануджан — гений, опередивший свое время (фильм)

США выпустили свой план действий в гонке ML Моменты, которые требуют внимания: Хотят создать "умные" чипы(Location verification features), которые можно найти удаленно и отключить Технически сложно реализовать, но политически понятно в контексте стратегии сдерживания противников Однако эффективность таких мер под большим вопросом Правительство США будет покупать ML-системы только у тех компаний, которые гарантируют политическую нейтральность своих моделей - то есть отсутствие встроенных либеральных или "прогрессивных" установок, которые, по мнению администрации, навязывались предыдущими разработчиками США хотят, чтобы их открытые модели стали глобальными стандартами, встроенные в базовые ML-инфраструктуры мира Формируют "американский ML-альянс" из лояльных стран Экспортируют полный технологический стек только союзникам Блокируют доступ к передовым технологиям для противников Заставят страны выбирать между американским и китайским ML-блоком Хотят перестроить внутреннюю экономику под ML: - Массовое строительство ЦОДов, расширение электросетей и энергогенерации - Восстановление производства полупроводников США - Автоматизация научных исследований через ML-лаборатории Создать дата-центры для армии и спецслужб Запустить программы DARPA по созданию объяснимого ML для боевых систем Интеграция ML во все военные операции и процессы Создание крупнейших в мире научных датасетов Автоматизированные лаборатории, управляемые ML Ускорение открытий в медицине, материаловедении, энергетике Секвенирование всей жизни на землях для обучения ML Подготовить рабочую силу для ML-экономики: - Массовая переподготовка работников для ML-инфраструктуры - Создание новых образовательных программ по ML - Налоговые льготы для компаний, обучающих сотрудников работе с ML - Интеграция ML-навыков во все уровни образования

https://teletype.in/@anthropogenesisresearchinstitute/EpBs3lEoVpa