OpenAI опубликовали решения 372 открытых математических задач, которые десятки лет не могли решить ученые-математики.

1. Очень прикольная теория заговора, что там подозрительно мало задачек по криптографии. (Если мы посмотрим научные журналы начала прошлого века, то обнаружим, что в 1940 все публикации на тему ядерного распада прекратились. Но не потому, что исследований не было, совсем даже наоборот) Всё современное шифрование, включая криптовалюты, держится на нескольких десятках математических предположений. Причем часто мы не то, что доказали, что их нельзя взломать, просто самые умные люди в этой области попытались придумать, как их взломать и не нашли.

2. А свежие публикации OpenAI показывают, что машина порой использует «инопланетные приемы» (как знаменитый 37-й ход AlphaGo). То есть движется к решению не тем путем, каким обычно идут люди.

3. При этом, множество решений и доказательств «уродливые», не элегантные, людям потребуется много времени и усилий, чтобы проверить и понять построения машин. Если бы статьи такого качества прислал человек — их бы почти наверняка не стали бы публиковать. И вообще, открытые задачи в математике — это что-то вроде маяков на берегу, к которым ты идешь по прекрасным холмам, изучая окрестности. Большой ли смысл прилететь туда на вертолете?

4. Реакции математиков на анонс очень разные — от энтузиазма (там могут быть столько новых идей!) до депрессии (они за день уничтожили мою область исследований). Вот довольно занимательный сборник 100+ реакциий.

❧

Вообще, почти у всех не-математиков очень извращенное понимание, что такое математика. Такое ощущение, что школа и универ всеми силами пытаются привить ненависть к этому искусству, и для этого скрывают его суть.

Статья Пола Локхарда «Плач математика», ясно показывает (и даже дает почувствовать), что в школьной «математике» нет ни капли настоящей математики и какая она на самом деле красивая, простая и увлекательная.

Особенно рекомендую её тем, кто считает, что он «гуманитарий», и кто ненавидит математику ещё со школы. По математическому обряду, она везде в PDF, который невозможно нормально читать с телефона, так что собрал страничку для удобного чтения: английский оригинал и хороший перевод. Рекомендую!

Друзья, следующую неделю буду в Лондоне! Буду рад встретиться со старыми знакомыми и познакомиться!

Великобритания — одна из немногих крупных стран, где у нас еще нет клиентов, так что если вам нужна классная разработка (и внедрение ИИ) — пожалуйста пишите @samatg, мне это очень интересно.

Есть две основных гипотезы, как нейросети сжимают и хранят информацию:

1. Каждый нейрон отвечает за какой-то концепт: например, отдельный нейрон для кошек, отдельный для собак.

2. Нейроны отвечают за несвязанные концепты: например, один нейрон для кошек и цифр и другой нейрон для собак и цветов. Это гипотеза полисемантичности, и она сейчас основная. Отчасти поэтому эксперты боятся, что нейросети слетят с катушек и устроят скайнет, а мы и не заметим, пока не станет слишком поздно.

Вчера один из главных исследователей в этой области написал, что ему кажется, что мы ошибались и верна первая гипотеза и реально «понять» нейросеть и надежно управлять ее поведением. Условно, выключить нейрон, который отвечает за «вранье в собственных интересах».

Такие вот хорошие новости.

Первоисточник — статья в 20 тысяч слов и ей отчаянно не хватает редактуры. Зато внутри много интерактивных иллюстраций!

Маск, конечно, совершенно безумный!

Тачка летает (и ускоряется как ракета) за счёт баллонов со сжатым воздухом, а ещё может присосаться к дороге с помощью супер мощных пропеллеров и буквально висеть вниз головой!

Выглядит как игрушка для богатых мальчиков, но вообще-то, если поставить такие двигатели ещё и вперед, то можно использовать их как супер мощные тормоза, независимые от сцепления с поверхностью (дождь, лед!), а ещё буквально отпрыгивать от аварий!

И всё это — вживую, со зрителями, да ещё в прямом эфире!

Это — не компьютерная графика, ААА!

Интересно, что видео, снятое дрожащей рукой на айфон впечатляет гораздо больше, чем вылизанный ролик в 4К.

Антропик опубликовал рассказ о своей внутренней системе контроля версий.

Предсказуемая история: огромная монорепа, агенты фигачат 24/7 невообразимые объемы кода, история 100ГБ+, сжатая локальная история 25ГБ, сотни зеркал, всё разъезжается. Как решение, они отказываются от локальности git, переносят всё сложное на серваки, оставляют ультра-тонкие клиенты, которые делают точечные API запросы на файлы и изменения; разделяют данные на «корневые» и «вычисляемые». Все счастливы, все танцуют.

Интереснее то, что они пишут о процессе разработки этой системы.

Маленькая команда (7 человек); все её участники согласны, что машины пишут код лучше, чем люди, но инженеры нужны, чтобы говорит агентам «нет». Например:

1. Не переусложнять систему, не делать лишнюю функциональность, на которую можно забить,
2. это особенно полезно, когда агенты проверяют друг-друга (adversarial review) и закладывают слишком большой запас прочности.

Отдельно подчеркивают, что инженеры в антропике теперь вычитывают глазами цели изменений кода машиной (intent), а не на сам код.

Кажется, это то, куда движется индустрия, просто у ребят из ведущих лабораторий всё происходит чуть раньше, потому что есть ранний доступ к новым моделям и нет ограничений на токены.

Погуляли по берегу Темзы с техдиром Dwelly Димой Хануковым и он поделился отличным ИИ-сетапом: запускать две модели от ведущих лабораторий, OpenAI и Anthropic, в режиме конкуренции.

Управлять всем этим через третьего агента-оркестратора (у Димы это Hermes). То есть оркестратор дает задачу Codex’у и проверяет через Claude Code, или наоборот, пока они не договорятся.

У нейросетей от каждого производителя свои «слепые пятна», а так получается полное покрытие. Учитывая, что все это в родных харнесах по подписке — не слишком дорого. И как я сам не догадался?

Для финального код ревью Дима рекомендует qodo.

Критическая уязвимость в PHP, нужно срочно обновиться или поменять настройки на более безопасные

Атакующий может получить полный контроль; Wordpress, Laravel — это все PHP

Уязвимость стала известна примерно час назад, так что вас уже могли взломать — проверьте бэкапы, вот это все

Подробности и инструкции на официальном сайте https://www.php.net/archive/2026.php#2026-10-21-5

NB cloudflare включили WAF для всех, кто за ними спрятан

Очень красивая статья про то, куда движется программирование в целом! (и как следствие, предсказание, получится ли достичь RSI и сверхинтеллекта)

Одним абзацем для опытных техдиров: разработка больших систем — это моделирование реальности, важна когерентность моделей между собой, наша главная задача — управление сложностью. Нейросети хорошо оптимизируют замкнутые задачи с быстрыми петлями обратной связи и бессмысленны, когда нужно дожидаться ответа из реального мира, а большинство настоящего софта — второго типа. Примененяя модели для изменения больших систем, мы прямо сейчас идем в ловушку, из которой потом будем мучительно выбираться.

❧

Автор умудрился объяснить суть разработки больших систем на пальцах, так что перескажу некоторые тезисы. Рекомендую почитать первоисточник.

❧

IT-системы моделируют реальный мир. В хороших программах, разные модели говорят на одном языке, автор называет это когерентностью системы. В плохих — каждая отдельная модель корректна, но они несовместимы между собой и из-за этого для каждого изменения приходится кучу всего переделывать.

Вообще, софт постоянно нужно менять из-за меняющихся требований. Поэтому, скорость и стоимость внесения изменений — это один ключевых параметров качества софта.

Обычно, с добавлением фичей, с ростом системы, её качество падает. Чем ниже когерентность — тем больше сил нужно тратить на поддержание работоспособности и тем ниже скорость доставки новых бизнес-фич. Автор предполагает, что есть переломная точка, после которой скорость доставки фичей уходит в ноль.

Все, кто работал с легаси большими системами, знают эту ловушку.

В статье очень красивая иллюстрация кода как графа и гениальная анимация того, как если с каждой фичей уделять достаточно сил на улучшение системы, то со временем она становится всё более стройной, а если чуть-чуть оставлять мусора — как уже через 100 коммитов всё превращается в клубок спагетти.

Автор очень красиво и понятно описывает задачу изменения работающих систем через замену водопровода в старом здании, перестройки парусника в линкор на плаву и корабль Тезея. Я обычно теми же словами объясняю бизнесу, что если мы возьмем супер умных чуваков и дадим им бесконечно времени — то они наверняка придумают способ, как пересобрать двигатель самолета во время полета. Но зачем?

То, что водопровод переусложнен — видно даже не-технарю. С софтом всё сложнее, мы бродим по лабиринтам кода и не можем объяснить сложность людям, которые сами в них не терялись.

Нейросети хорошо оптимизируют модели изолированных, замкнутых задач, типа шахмат или го, где небольшой набор правил описывает всю вселенную и можно запустить «быструю петлю обратной связи» и плохи в оптимизации моделей, которые для проверки требуют обращения в реальный мир с его задержками.

Большинство задач, для которых мы пишем софт — второго типа.

Автор делает вывод, что нейросети плохо поддерживают и тем более наводят порядок в больших системах. И как следствие — вряд ли смогут поддерживать своё собственное развитие, тот самый рекурсивный сверхинтеллект, взрывным ростом которого нас пугают.

Заканчивается статья тем, что весь современный важный опенсорс — это во многом пример того, как люди десятилетиями поддерживали внутреннюю гармонию (когерентность) крупных систем. И что хорошо бы не разломать всё это за пару месяцев с помощью ИИ.

Даже если не согласен с выводами автора, можно поучиться качеству концептуализации мира. Красиво!