Искусственный интеллект. Высокие технологии

Из клеток 80-летнего человека получили клетки с молекулярным возрастом меньше 20 лет Исследователи Боннского университета перепрограммировали предшественники эритроцитов в нейральные стволовые клетки, из которых можно получать нейроны. При этом эпигенетические часы клеток «отмотались» более чем на 60 лет. Эти часы оценивают возраст по химическим меткам на ДНК. Последовательность генетического кода при этом не меняется - меняются настройки его использования. Особенность работы - прямое превращение клеток крови в нейральные стволовые клетки, без промежуточной стадии плюрипотентности. Омоложение шло постепенно: исследователи наблюдали процесс более 100 дней. Это позволяет изучать, какие механизмы переводят клетки в более молодое состояние. Это лабораторная модель для исследования старения:** на ней можно проверять вещества, ускоряющие или замедляющие этот процесс, и изучать его связь с нейродегенеративными заболеваниями, включая болезнь Альцгеймера. Результат получен в клеточной культуре. Снижение эпигенетического возраста ещё не означает, что появился способ омолодить человека или продлить ему жизнь. https://www.sciencedaily.com/releases/2026/10/261020085013.htm

Что важнее: получить правильное доказательство или понять, как оно работает? ИИ расколол мнения математиков Гарварда. The Harvard Crimson опросила 12 преподавателей и исследователей. Одни считают, что корректный результат ценен независимо от того, кто его получил. Другие опасаются, что математика потеряет часть смысла, если человек перестанет понимать доказательства. Профессор Мелани Матчетт Вуд выступает за ИИ, который расширяет человеческое понимание. Передать решение машине и оставить знания только внутри неё — совсем другая перспектива. Есть и вопросы к самим ИИ-доказательствам: недостаток объяснений и ссылок на предыдущие работы затрудняет проверку. Поэтому некоторые исследователи пока доверяют моделям поиск литературы и программирование, а идеи разрабатывают самостоятельно. Одновременно на нескольких вводных курсах Гарварда этой осенью ввели занятия без технологий, чтобы студенты продолжали развивать собственные навыки. https://www.thecrimson.com/article/2026/10/21/ai-math-department-reax/

Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше. В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений. После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys. Участие бесплатное, но количество мест ограничено. Москва. Суббота. 7 ноября. RecSys! ➡️ регистрируйтесь

8 GitHub-репозиториев для создания видео с Claude Opus 5.5 Готовые ролики, промпты и исходники, с которых можно начать свой проект. Claude пишет код анимации, а инструменты рендеринга превращают его в видео. 1. awesome-opus5-5-videos Коллекция эффектных роликов с промптами, которые использовали их авторы. https://github.com/yihui-dev/awesome-opus5-5-videos 2. lemo-opuscar Навык для Claude Code: 51 стиль короткометражек, примеры и инструкции по созданию фильмов кодом. https://github.com/lemomo-ai/lemo-opuscar 3. pdoom-video Полный проект музыкального клипа с караоке-текстом и локальным рендерингом в 4K, 60 FPS. https://github.com/mexicat/pdoom-video 4. PDoomVideo Другой клип на ту же песню. Можно сравнить визуальные решения и реализацию двух проектов. https://github.com/JohnHeibel/PDoomVideo 5. mg-styles-15 15 стилей моушн-дизайна: готовые ролики, промпты и полный исходный код. https://github.com/Vincentwei1021/mg-styles-15 6. ClaudeAnimationBase Основа для мультфильмов с рисованной стилистикой: персонаж, 31 эмоциональное состояние и руководство для модели. https://github.com/JohnHeibel/ClaudeAnimationBase 7. awesome-claude-5-5-videos Подборка примеров и рабочих процессов создания видео: промпты, инструменты и ссылки на авторов. https://github.com/athemeroy/awesome-claude-5-5-videos 8. opus-video-prompts Китайскоязычная коллекция примеров с промптами, которые можно скопировать и адаптировать. https://github.com/joeseesun/opus-video-prompts Для первого эксперимента: выберите понравившийся ролик, возьмите его промпт и измените тему, текст и визуальный стиль под свою задачу.

Тысячи ИИ-агентов за 32 минуты разобрали данные миллионов клеток мозга OpenAI, PerturbAI и Scripps Research запустили агентов на базе GPT‑Rosalind, чтобы изучить, как отключение разных генов влияет на клетки мозга мышей. По оценке команды, сопоставимый ручной анализ занял бы от нескольких месяцев до года. Каждый агент исследовал отдельное изменение: анализировал реакцию клеток, искал научные статьи и предлагал объяснение. Затем результаты объединили в общий атлас. Что удалось найти: возможную связь между нарушением работы гена DCTN1 и обменом холестерина внутри нейронов. Мутации этого гена вызывают нейродегенеративное заболевание с симптомами, похожими на болезнь Паркинсона. Теперь у учёных есть конкретная гипотеза для проверки. Распределение работы тоже дало результат: при одинаковых ресурсах тысячи агентов использовали более 700 научных источников, одиночный агент — 11. В слепом сравнении эксперты предпочли коллективные отчёты в 75% случаев. Это пока гипотезы, требующие экспериментов. Польза подхода — находить в огромных массивах уже собранных данных перспективные направления исследований. https://openai.com/index/scaling-ai-research-for-complex-biological-data/

46% крупных российских компаний не видят устойчивого эффекта от ИИ-проектов «Инфосистемы Джет» и Smart Ranking выпустили исследование про внедрение ИИ в крупном бизнесе. Главные причины, почему проекты не окупаются: незрелость процессов и данных (44%), отсутствие владельца продукта (40%), галлюцинации и нестабильное качество (40%). По словам Максима Андрианова из «Инфосистемы Джет», без данных ИИ автоматизирует не больше 5% процессов. Gartner видит то же самое и прогнозирует отказ от 60% ИИ-проектов из-за неготовности данных. Вывод отчёта: выиграют сценарии с понятной инфраструктурой и считаемой экономикой, а не самые мощные модели.

OpenAI купила Orchestra Bio — платформу с ИИ-агентами для разработки лекарств. Команду и технологии объединят с Rosalind — моделями и инструментами OpenAI для исследований в биологии и химии. Агенты Orchestra отслеживают ход исследований, находят риски задержек и помогают сравнивать варианты действий. Например, если производство партии препарата сорвалось, система определит, как это повлияет на клинические испытания. Цель — ускорить путь от научного открытия до лекарства для пациентов, помогая учёным планировать эксперименты, анализировать результаты и координировать работу. https://openai.com/index/openai-to-acquire-orchestra-bio/

Задача, на которой Теренс Тао получил 1 балл из 7 Легендарная шестая задача ММО 1988 года: если (a² + b²)/(ab + 1) целое, то это полный квадрат. Пошаговое решение методом прыжков Виета. В 1988 году на Международную математическую олимпиаду в Канберре приехали сотни самых сильных школьников мира. Во второй день им досталась задача, которая потом стала легендой. В ней нет ни производных, ни сложной алгебры, условие помещается в одну строку: если дробь (a² + b²) / (ab + 1) оказалась целым числом, докажите, что это число обязательно полный квадрат. Именно на ней 13-летний Теренс Тао, будущий лауреат Филдсовской премии, получил всего 1 балл из 7. Разбираем, почему задача такая трудная и как её решают с помощью красивого приёма под названием «прыжки Виета». https://uproger.com/zadacha-6-imo-1988-pryzhki-vieta/

OpenAI научила ИИ значительно лучше писать код на редких и устаревших языках программирования. Речь о COBOL, Fortran, Visual Basic и других языках, на которых до сих пор работают банковские системы, банкоматы и критически важная инфраструктура. Результаты новых моделей впечатляют: - GPT-6 Astra — 87,4% успешных тестов против 26,8% у GPT-5.6 Sol. - COBOL — качество выросло с 10,9% до 72,1%. - Fortran — с 21,4% до 83,5%. - Visual Basic — с 27,5% до 89,4%. - GPT-6.1 Sol — до 97,9% точности при переносе программ с COBOL на современные языки. Для проверки OpenAI создала MultiLangBench — бенчмарк, в котором ИИ должен самостоятельно реализовать аналог SQLite на одном из 20 языков программирования. Огромное количество финансовых и государственных систем работает на коде, написанном десятилетия назад. Его поддержка обходится дорого, а специалистов становится меньше. Теперь ИИ приближается к возможности не только понимать такой код, но и переносить его на Python, Java, Rust и другие языки с сохранением исходной логики. OpenAI открыла исходный код бенчмарка MultiLangBench. https://openai.com/index/low-resource-programming-languages/

Нейросети уже повсеместно, а рутина никуда не делась: отчёты, таблицы, письма, презентации — на них уходит полдня. 22 октября Битрикс24 проведёт бесплатный онлайн-практикум «Вайбкодим 2026», на котором покажет, как передать эти задачи ИИ. Всего за 2,5 часа участники научатся эффективно использовать нейросети в работе — без сложной теории и команды программистов. Что вас ждёт? - Главные тренды ИИ — разберут, что реально помогает в работе, а не просто модно - Практический блок — покажут, как создать своё настоящее приложение без единой строчки кода - Реальные кейсы — поделятся идеями, что можно автоматизировать в своей работе - И, конечно же, розыгрыш классного мерча среди участников Нейросети — не только для владельцев бизнеса. Они для всех, кто хочет работать быстрее и продуктивнее. Присоединяйтесь 22 октября! И передайте коллегам — будет полезно каждому. Участие бесплатное

Математики предлагают формализовать всю математику за три года, но с главным условием: плохая формализация хуже, чем никакой В блоге Xena Project вышел программный текст за подписью семи человек: Джереми Авигад, Кевин Базард, Йоан Комелен, Реми Дежен, Ким Моррисон, Оливер Нэш и Адам Топаз. Они поддерживают массовую формализацию математики с помощью ИИ, но с жёсткой оговоркой. Результат нужен только тогда, когда им пользуются математики, а чистая корректность без читаемости и поддержки ничего не стоит. Их формулировка: «Плохая формализация существующих результатов хуже, чем никакой». Поводом для тревоги стали недавние громкие истории. Авторы пишут, что компания Math, Inc. пыталась перехватить проект по формализации упаковки сфер, а исходная команда сочла сгенерированный код не стоящим доработки и переписала его с помощью ИИ. Формально проверенное доказательство великой теоремы Ферма от Anthropic, по их данным 13 млн строк за 11 дней, впечатляет, но долгосрочную ценность такого кода они ставят под сомнение. У результата OpenAI по уравнениям Навье Стокса есть Lean-формализация, но остаются споры об авторстве и трудночитаемый текст. В качестве хороших примеров приведены работа OpenAI по гипотезе о единичных расстояниях и работа Anthropic по плотности нулей дзета-функции. Из проектов выделяют несколько. Mathlib, открытая библиотека с ручной курацией, 65 ревьюерами и около 950 контрибьюторами, в 2026 году получила премию имени Жан-Пьера Демайи. Tau Ceti, библиотека, которую строят ИИ-агенты с состязательной проверкой, уже примерно на 3 млн строк и чуть больше Mathlib. Formal Frontier превращает исходные тексты в связанные формальные библиотеки роями агентов, в нём 41 выпущенная библиотека. Есть Formal Conjectures с формальными постановками открытых задач и Annals Challenge Кевина Базарда, где цель сформулировать, но не доказать теоремы из свежих выпусков Annals of Mathematics. Для учёта проектов запускают реестр Palomar с обязательным указанием степени участия ИИ. Прогноз смелый: по мнению авторов, в течение трёх лет, а возможно и гораздо раньше, большую часть математики можно будет формализовать в пригодном для использования виде. Для этого они просят вносить вклад в Mathlib, финансировать рост Tau Ceti и Formal Frontier примерно в десять раз, писать экспертные дорожные карты и держать инструменты автоформализации под контролем математиков. Они же честно признают: никто точно не знает, как это делать, и в сообществе нет согласия по роли ИИ. В комментариях спорят, подходит ли зависимая теория типов Lean как долгосрочный фундамент, а вопросы авторства, управления и недостающих определений для современной математики остаются открытыми. 📖 Источник: https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/

🧠 Выбирай тему исследования так, чтобы следующая модель не обнулила твою работу Исследователь Anthropic Яша Соль-Дикштейн предлагает молодым учёным учитывать неприятную возможность: пока ты несколько лет решаешь задачу, рост возможностей ИИ может изменить её ценность. Его практический совет: выбирать подходы, которые выигрывают от увеличения вычислений, и осторожнее относиться к задачам, которые масштабирование моделей может закрыть само. Ещё один совет: осваивать ИИ-инструменты уже сейчас. Использовать их для обсуждения исследовательских идей, проверки подходов и обратной связи по текстам. Понимать их возможности через собственную практику. При этом прогнозы о сроках AGI и будущем карьеры остаются прогнозами. Из них не следует, что профессии уже исчезли. А вот вопрос полезный: если через год модели станут значительно сильнее, твой проект станет ценнее или потеряет смысл? https://www.youtube.com/watch?v=3LZN2UUxDos YouTube 2026 Conference on Physics and AI: Jascha Sohl-Dickstein Speaker: Jascha Sohl-Dickstein (Anthropic) Conference dates: June 10-12, 2026 The Center for Decoding the Universe brings together researchers across scientific disciplines to answer the biggest questions about our Universe by leveraging complex data with…

🧠 ИИ решает задачи. Кто будет понимать доказательства? Теренс Тао о кризисе в математике The New York Times посвятила материал Теренсу Тао и тому, как ИИ меняет математические исследования и перспективы молодых учёных. Одна из главных тревог Тао: получить правильное доказательство недостаточно. Его нужно объяснить, обсудить, связать с другими результатами и превратить в знания, которыми смогут пользоваться следующие поколения. Массовая генерация решений нарушает этот процесс. Особенно болезненно это для молодых математиков, чьи многолетние исследования могут потерять новизну после очередной публикации ИИ-компании. Тао сам использует ИИ. Его претензия к тому, что за машинными результатами часто нет людей, готовых отвечать на вопросы, читать доклады и помогать сообществу разобраться в новых методах. Главный вопрос теперь: как превратить поток доказательств в понимание? https://www.nytimes.com/2026/10/16/us/math-ai-terence-tao.html

🕵️ Билет в один конец стал аргументом против инженера OpenAI. Защита объясняет: поездку запланировали заранее По данным Bloomberg, адвокаты Абдулрахмана Альфозана, обвиняемого в установке прослушки в переговорной руководства OpenAI, оспаривают доводы о возможном побеге. Прокуроры указывали, что он, его жена и ещё один родственник купили билеты в Саудовскую Аравию через Стамбул без обратного перелёта. Защита утверждает: билеты куплены 13 сентября, за 17 дней до обнаружения устройства. Вылет 12 октября объясняют иммиграционными требованиями: по словам адвокатов, к этому дню жена инженера должна была покинуть США после окончания разрешения на работу. Консульство Саудовской Аравии поддержало его освобождение под надзор. Решение остаётся за судом, а обвинения ещё предстоит доказать. https://www.bloomberg.com/news/articles/2026-10-17/arrested-openai-engineer-seeks-bail-denies-he-planned-to-flee

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

💥 Как формализовать всю математику: команда Lean и Mathlib предупреждает, что плохая формализация хуже её отсутствия Семеро авторов, среди которых Джереми Авигад, Кевин Бьюзард, Йохан Коммелин и Ким Моррисон, опубликовали на Xena Project большой разбор. Поводом стали призывы быстро формализовать всю математику с помощью ИИ. Авторы за эту цель, но считают, что неудачное исполнение может надолго навредить. Главный тезис: формальный артефакт ценен, только если им пользуются. Одной корректности мало, польза в том, чтобы на формализации можно было искать обобщения, связи и применения. По словам авторов, плохая формализация известных результатов хуже, чем никакой. Примеры неудач приведены прямо. Работа Math, Inc. по упаковке шаров Вязовской в размерности 8 мало что добавила, а оригинальной команде было дешевле переписать сгенерированный код, чем чистить. Формализация теоремы Ферма от Anthropic заняла 13 миллионов строк за 11 дней, но проверила уже известный результат и, по оценке авторов, почти не имеет долгосрочной ценности. Вокруг Навье-Стокса от OpenAI возник спор о происхождении результата, авторстве и расходящихся формальной и неформальной версиях. Зато удачными названы работа OpenAI про гипотезу о единичных расстояниях и работа Anthropic про плотность нулей дзета-функции, на них сообщество смогло строить дальше. Из живых проектов. Mathlib: 950 авторов, 65 ревьюеров, премия Demailly 2026 года, главное место, где вырабатываются хорошие практики. Tau Ceti: библиотека около 3 миллионов строк, где контрибуции пишет ИИ, ревьюят другие ИИ, а дорожные карты ведут математики, уже есть теорема Римана-Роха и двойственность Шура-Вейля. Formal Frontier: конвейер из роя ИИ-агентов, превращающий тексты в связанные библиотеки, выпущено 41 библиотека примерно на 200 тысяч строк. Palomar: реестр проектов, где обязательно указывать, как сделана формализация, человеком, с ИИ или автономно. Список принципов короткий: опираться на человеческие библиотеки вроде Mathlib, сначала ширина и потом глубина, не дублировать работу, ревьюить публично, публиковать открыто, не откладывать чистку на потом. За три года, а возможно и гораздо раньше, большую часть математики можно формализовать в пригодном для использования виде. Для этого авторы просят расти Tau Ceti и Formal Frontier примерно в десять раз за месяцы, писать экспертные дорожные карты и дать математикам контроль над инструментами автоформализации. Громкий провал затруднит или сделает невозможным восстановление позже. Масштаб затрат при этом пока не просчитан детально. Статья: https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/

Лаборатории ИИ проводят для сотрудников учения по контрразведке: взятки, шпионы в кафе и «медовые ловушки» По данным WSJ, ведущие ИИ-компании регулярно инструктируют сотрудников, как не стать источником утечки. OpenAI предупреждает команду про подкуп, подслушивание в кафе, скомпрометированные клининговые бригады и «медовые ловушки» с соблазнением. Похожие брифинги получали и сотрудники Anthropic и Google. Правила у OpenAI вполне конкретные: вне офиса прятать всё, где есть логотип компании, а на кухонный и клининговый персонал смотреть как на возможный канал утечки. Напоминания приходят регулярно, в том числе в Slack. Такая паранойя объяснима: в нескольких лабораториях сосредоточено огромное количество ценности, а на горизонте крупные IPO с оценкой, которую в пересказе WSJ называют порядка 3,5 трлн долларов. Веса моделей, данные обучения и архитектурные решения теперь стоят достаточно, чтобы за ними охотились с классическими методами шпионажа. Источник: https://www.wsj.com/tech/ai/ai-companies-play-cat-and-mouse-with-secret-stealing-spies-160eec6b

Forwarded From ⚡️ Tesla показала обновленный Roadster с реактивными соплами SpaceX Компания провела демонстрацию радикально переработанного прототипа спорткара Roadster второго поколения, анонсированного еще в 2017 году. Главной фишкой стала интеграция технологий SpaceX - в кузове автомобиля встроены композитные баллоны сверхвысокого давления объемом 600 литров, питающими десять сопел. На презентации в Техасе машина за счет реактивной тяги и нагнетателей оторвалась от рампы, совершила разворот в воздухе и перепрыгнула ряд других моделей Tesla. По словам Tesla, импульсная система позволяет электрокару разгоняться до 96 км/ч менее чем за одну секунду, развивать скорость свыше 370 км/ч и проезжать до 480 км на одном заряде. Серийное производство модели планируется в 2028 году. Tesla открыла предзаказы с депозитом от $50 000 до $250 000 на три комплектации: дорожную Performance с активной аэродинамикой и системой прижимного всасывания, трековую Thrust с задними реактивными соплами и экстремальную одноместную Rocket с полным комплектом маневровых двигателей. Илон Маск назвал Roadster статусным проектом, признав, что машина вряд ли принесет ощутимую прибыль и создается без оглядки на стандартные требования к безопасности. @ai_machinelearning_big_data #news #ai #ml

🎨 FLUX 3 Image Klein: генерация в 4K и редактирование по 10 референсам с открытыми весами Black Forest Labs выпустила модель на 5,6 млрд параметров для создания и редактирования изображений. Что умеет: • Генерировать изображения в нативном 4K. • Использовать до 10 картинок-референсов одновременно. • Размещать объекты и ограничивать область правок с помощью рамок, bounding boxes. Доступны базовая версия для дообучения и ускоренная дистиллированная, а также сборки FP8, INT8 и NVFP4. Веса выпущены под FLUX Kommunity License. В API есть режим pixel restoration, который сохраняет нетронутые области изображения пиксель в пиксель. https://bfl.ai/blog/flux-3-image-klein

🧠 Физики посчитали ответы GPT-6 Astra ошибочными. Перепроверили и нашли ошибки в собственных решениях. Об этом сообщили авторы TheoPhysEval: в нескольких задачах первоначальные эталонные решения оказались неверными. После исправлений эксперты подтвердили, что Astra ответила правильно. Всего в тесте 50 неопубликованных задач исследовательского уровня по теоретической физике. Узкому специалисту типичная задача потребовала бы до рабочего дня. GPT-6 Astra в Codex с инструментами и веб-поиском решила 49 из 50 задач, набрав 98%. Средняя стоимость составила меньше $3 за задачу. Агент работал без человеческих подсказок. Авторы отдельно подчёркивают: тест проверяет сложные вычисления по известным методам. Создание новых физических теорий требует большего. Но помощник, из-за которого экспертам приходится исправлять собственные эталонные ответы, уже заслуживает внимания. https://arxiv.org/abs/2610.16733