Forwarded from Искусственный интеллект. Высокие технологии
Исследователь Картер Чёрч с помощью GPT-6 Astra расшифровал шифрованное письмо маршалу Огюсту де Мармону, одному из генералов Наполеона. Письмо датировано мартом 1809 года, а у модели вся работа заняла около шести часов.
Сначала нужно было вообще вытащить читаемый текст из плохого скана рукописи. Astra распознала 1300 символов шифра, среди которых оказалось 155 разных знаков.
Дальше модель нашла опубликованный частичный ключ французского историка криптографии Даниэля Танта: 33 буквы, которые покрывали примерно 435 символов. Для остальных знаков она написала солвер на имитации отжига, а затем сверила результат с исторической перепиской и исправила дату документа.
Внутри оказалась военная сводка из штаба Евгения Богарне: позиции войск и передвижения австрийцев накануне вторжения Австрии в апреле 1809 года. Мармону пишут не бояться «нескольких отрядов или сборища черни». Заодно нашлось окончание фразы, которая обрывается в мемуарах Наполеона, изданных в 1865 году.
Решение проверил Сатоси Томокиё, который ведёт сайт исторических шифров Cryptiana, и теперь шифр числится там как разгаданный.
https://runtimewire.com/article/gpt-6-astra-marmont-cipher-carter-church
https://x.com/Machinelearrn/status/2105593763582107849
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16
Forwarded from Эксплойт
ИИ впервые прошел тест Тьюринга... ПО ВИДЕОСВЯЗИ — компания Tavus показала всю мощь новой модели Griffin.
Виртуальная девушка может одновременно видеть, слышать, говорить и реагировать на действия собеседника: в первой демке Ванесса помогла собрать настоящий кубик Рубика. На независимом бенчмарке NVIDIA VideoFDB нейронка вырвала первое место сразу по двум направлениям — генерации и восприятию.
А ещё разрабы вшили крутую пасхалку к фильму HER в названии нового класса моделей, который зародился благодаря Griffin — Human Interaction Model (HIM).
@exploitex
Виртуальная девушка может одновременно видеть, слышать, говорить и реагировать на действия собеседника: в первой демке Ванесса помогла собрать настоящий кубик Рубика. На независимом бенчмарке NVIDIA VideoFDB нейронка вырвала первое место сразу по двум направлениям — генерации и восприятию.
А ещё разрабы вшили крутую пасхалку к фильму HER в названии нового класса моделей, который зародился благодаря Griffin — Human Interaction Model (HIM).
@exploitex
👀5👍4🕊2
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡19👍12😁1
🔬 ИИ подключили к настоящей лаборатории. Он ошибся — и благодаря ошибке сделал новое открытие
Вот это уже гораздо интереснее очередного «ИИ написал научную статью».
Исследователи создали систему, которая умеет пройти почти весь научный цикл:
придумать гипотезу → разработать эксперимент → передать инструкции лабораторному оборудованию → получить реальные результаты → проанализировать их → придумать следующий эксперимент.
ИИ дали данные примерно о 60 000 биологических связях у обычных пекарских дрожжей.
Из них он самостоятельно сформировал 1 933 проверяемые гипотезы о том, какие вещества могут влиять на выживание клеток при разных стрессах.
А дальше произошло самое красивое.
ИИ предположил, что глутамат поможет дрожжам пережить воздействие муравьиной кислоты.
Провёл эксперимент.
Не помог.
Но вместо классического научного метода «ну ладно» система проанализировала новые данные и предложила другого кандидата — аминоадипат, промежуточное вещество метаболизма лизина.
Сформулировала новую гипотезу.
Отправила её обратно в лабораторию.
И эксперимент показал, что аминоадипат действительно улучшает рост дрожжей в присутствии муравьиной кислоты — примерно на 7% на каждый дополнительный миллимоль вещества в условиях опыта. Исследователи называют эту защитную связь ранее неизвестной.
Важная оговорка: это пока не полностью автономный «учёный в коробке».
Люди задали область исследований и ограничения, а некоторые физические операции в лаборатории всё ещё выполнялись вручную. Да и открытие касается метаболизма дрожжей, а не новой физики Вселенной.
Но принцип уже работает.
ИИ не просто прочитал данные и что-то предсказал.
Он выдвинул гипотезу, проверил её в физическом мире, обнаружил, что ошибся, и использовал ошибку для следующего открытия.
То есть мы автоматизируем уже не только ответы.
Мы начинаем автоматизировать сам научный метод.
Плохая новость для аспирантов: робот уже научился получать отрицательный результат и не впадать после этого в депрессию.
#ИИ #наука #биология #робототехника #биотехнологии #исследования
https://doi.org/10.1098/rsif.2026.0043
Вот это уже гораздо интереснее очередного «ИИ написал научную статью».
Исследователи создали систему, которая умеет пройти почти весь научный цикл:
придумать гипотезу → разработать эксперимент → передать инструкции лабораторному оборудованию → получить реальные результаты → проанализировать их → придумать следующий эксперимент.
ИИ дали данные примерно о 60 000 биологических связях у обычных пекарских дрожжей.
Из них он самостоятельно сформировал 1 933 проверяемые гипотезы о том, какие вещества могут влиять на выживание клеток при разных стрессах.
А дальше произошло самое красивое.
ИИ предположил, что глутамат поможет дрожжам пережить воздействие муравьиной кислоты.
Провёл эксперимент.
Не помог.
Но вместо классического научного метода «ну ладно» система проанализировала новые данные и предложила другого кандидата — аминоадипат, промежуточное вещество метаболизма лизина.
Сформулировала новую гипотезу.
Отправила её обратно в лабораторию.
И эксперимент показал, что аминоадипат действительно улучшает рост дрожжей в присутствии муравьиной кислоты — примерно на 7% на каждый дополнительный миллимоль вещества в условиях опыта. Исследователи называют эту защитную связь ранее неизвестной.
Важная оговорка: это пока не полностью автономный «учёный в коробке».
Люди задали область исследований и ограничения, а некоторые физические операции в лаборатории всё ещё выполнялись вручную. Да и открытие касается метаболизма дрожжей, а не новой физики Вселенной.
Но принцип уже работает.
ИИ не просто прочитал данные и что-то предсказал.
Он выдвинул гипотезу, проверил её в физическом мире, обнаружил, что ошибся, и использовал ошибку для следующего открытия.
То есть мы автоматизируем уже не только ответы.
Мы начинаем автоматизировать сам научный метод.
Плохая новость для аспирантов: робот уже научился получать отрицательный результат и не впадать после этого в депрессию.
#ИИ #наука #биология #робототехника #биотехнологии #исследования
https://doi.org/10.1098/rsif.2026.0043
The Royal Society
Agentic AI integrated with scientific knowledge: laboratory validation in systems biology
Abstract. Automation is transforming scientific discovery by enabling systematic exploration of complex hypotheses. Large language models (LLMs) perform we
😁12👍7👎1
Forwarded from Технозаметки Малышева
Media is too big
VIEW IN TELEGRAM
Ладно, будем считать, что высокие цены на память оправданы.
Нейрорендер, который уже даже интересно смотреть :)
#plants #zombie #нейрорендер
------
@tsingular
Нейрорендер, который уже даже интересно смотреть :)
#plants #zombie #нейрорендер
------
@tsingular
😁16⚡4👎1
Forwarded from Банкста
This media is not supported in your browser
VIEW IN TELEGRAM
Китай встал в огромных пробках на десятки километров. В стране началась «Золотая неделя» — с 1 по 7 октября миллионы жителей отправляются в путешествия, из-за чего дороги и популярные туристические места оказываются переполнены. @banksta
😁6
Forwarded from AI Projects (Vladimir Ivanov)
OpenAI на деле доказывает, что «конец математики от ИИ», объявленный Сэмом Альтманом, уже наступает. Опубликованы 722 работы новой модели ChatGPT, которая готовится к выпуску. Они важны не просто числом, а исторической значимостью для математики.
722 рукописи, сгруппированные в 372 семейства результатов по 17 областям: теоретическая информатика ~40, комбинаторика ~37, алгебраическая/комплексная геометрия ~36, теория чисел ~31 и др. Это показывает, что не остаётся убежища для «кожаных» математиков — ИИ силён во всех возможных областях математики.
Ключевые заявленные результаты (примеры высокой значимости):
• Квази-гипотеза Римана: все Dirichlet L-функции (включая ζ) свободны от нулей в Re(s) > 7/8 (есть Lean). Это существенный прогресс к классической гипотезе Римана (Re(s) > 1/2).
• Гипотезы Малера (симметричная и общая) во всех размерностях.
• Контрпримеры к гипотезам Капланского (zero-divisor и direct-finiteness).
• Изоморфизм факторов свободных групп (классическая проблема Войкулеску; Lean пока нет).
• Отрицательное решение 10-й проблемы Гильберта над ℚ.
• Иррациональность константы Каталана.
• Прогресс по Birch–Swinnerton-Dyer, Goldfeld, корреляциям мультипликативных функций, NP-hardness порогов, arithmetic progressions, результатам в матфизике (Vlasov–Maxwell, Heisenberg) и др.
Нравится это или нет математикам и сторонникам математического образования, но реальность такова: математика как наука явно уходит к ИИ. Люди скорее будут пользователями сложных матмоделей, заказчиками их создания, контролёрами их качества, но не создателями этих моделей.
Однако высокая доступность математических моделей топ-класса окажет ещё мощнейшее влияние на IT-разработку, где сейчас сложных матмоделей почти нет, потому что программисты — не математики и даже обычно не помнят свои курсы высшей математики из университетов. Сейчас ИИ может создать крайне сложные и рабочие модели прогнозирования и управления для бизнеса, где старые ERP будут смотреться как поделка дилетантов.
https://github.com/openai/math
722 рукописи, сгруппированные в 372 семейства результатов по 17 областям: теоретическая информатика ~40, комбинаторика ~37, алгебраическая/комплексная геометрия ~36, теория чисел ~31 и др. Это показывает, что не остаётся убежища для «кожаных» математиков — ИИ силён во всех возможных областях математики.
Ключевые заявленные результаты (примеры высокой значимости):
• Квази-гипотеза Римана: все Dirichlet L-функции (включая ζ) свободны от нулей в Re(s) > 7/8 (есть Lean). Это существенный прогресс к классической гипотезе Римана (Re(s) > 1/2).
• Гипотезы Малера (симметричная и общая) во всех размерностях.
• Контрпримеры к гипотезам Капланского (zero-divisor и direct-finiteness).
• Изоморфизм факторов свободных групп (классическая проблема Войкулеску; Lean пока нет).
• Отрицательное решение 10-й проблемы Гильберта над ℚ.
• Иррациональность константы Каталана.
• Прогресс по Birch–Swinnerton-Dyer, Goldfeld, корреляциям мультипликативных функций, NP-hardness порогов, arithmetic progressions, результатам в матфизике (Vlasov–Maxwell, Heisenberg) и др.
Нравится это или нет математикам и сторонникам математического образования, но реальность такова: математика как наука явно уходит к ИИ. Люди скорее будут пользователями сложных матмоделей, заказчиками их создания, контролёрами их качества, но не создателями этих моделей.
Однако высокая доступность математических моделей топ-класса окажет ещё мощнейшее влияние на IT-разработку, где сейчас сложных матмоделей почти нет, потому что программисты — не математики и даже обычно не помнят свои курсы высшей математики из университетов. Сейчас ИИ может создать крайне сложные и рабочие модели прогнозирования и управления для бизнеса, где старые ERP будут смотреться как поделка дилетантов.
https://github.com/openai/math
👍11👎3
⚛️ Физики создали первые в мире работающие ядерные часы. Теперь время измеряют внутри атомного ядра
И это гораздо интереснее, чем кажется.
До сих пор самые точные часы человечества использовали переходы электронов между энергетическими уровнями атомов.
Но электронные оболочки чувствительны к внешним воздействиям.
А вот атомное ядро — совсем другое дело.
Оно более чем в 10 000 раз меньше атома и гораздо лучше защищено от внешних электромагнитных возмущений.
Поэтому физики давно мечтали создать часы, которые будут отсчитывать время по квантовым переходам внутри самого ядра.
И вот две независимые команды — из Вены и Пекина — практически одновременно сделали это.
Результаты опубликованы 7 октября в Nature.
Секрет — в необычном изотопе торий-229.
У его ядра есть чрезвычайно редкое свойство: переход между двумя ядерными состояниями можно вызвать ультрафиолетовым лазером с длиной волны около 148 нанометров.
Учёные поместили ядра тория в крошечные кристаллы фторида кальция и научились автоматически подстраивать частоту лазера по ядерному переходу.
Получились настоящие работающие ядерные часы.
Европейская установка проработала около суток, достигнув относительной нестабильности частоты порядка 10⁻¹⁵ после усреднения измерений.
Пока лучшие атомные часы точнее. Но потенциал новой технологии огромен.
И самое интересное: ядерные часы уже использовали для поиска тёмной материи.
Согласно некоторым теориям, сверхлёгкая тёмная материя может вызывать микроскопические колебания фундаментальных физических констант.
А ядерные часы потенциально способны такие изменения заметить.
В первом эксперименте тёмную материю не обнаружили, зато удалось установить новые ограничения для некоторых моделей её взаимодействия с обычным веществом.
В будущем подобные устройства могут использоваться для сверхточной навигации, измерения гравитации и проверки фундаментальных законов физики.
Получается довольно красиво.
Человечество настолько хорошо научилось измерять время, что теперь пытается использовать часы для поиска невидимой материи Вселенной.
Осталось только научиться приходить на встречи вовремя.
#физика #квантоваяфизика #ядерныечасы #темнаяматерия #технологии #наука
https://www.nature.com/articles/s41586-026-11084-4
И это гораздо интереснее, чем кажется.
До сих пор самые точные часы человечества использовали переходы электронов между энергетическими уровнями атомов.
Но электронные оболочки чувствительны к внешним воздействиям.
А вот атомное ядро — совсем другое дело.
Оно более чем в 10 000 раз меньше атома и гораздо лучше защищено от внешних электромагнитных возмущений.
Поэтому физики давно мечтали создать часы, которые будут отсчитывать время по квантовым переходам внутри самого ядра.
И вот две независимые команды — из Вены и Пекина — практически одновременно сделали это.
Результаты опубликованы 7 октября в Nature.
Секрет — в необычном изотопе торий-229.
У его ядра есть чрезвычайно редкое свойство: переход между двумя ядерными состояниями можно вызвать ультрафиолетовым лазером с длиной волны около 148 нанометров.
Учёные поместили ядра тория в крошечные кристаллы фторида кальция и научились автоматически подстраивать частоту лазера по ядерному переходу.
Получились настоящие работающие ядерные часы.
Европейская установка проработала около суток, достигнув относительной нестабильности частоты порядка 10⁻¹⁵ после усреднения измерений.
Пока лучшие атомные часы точнее. Но потенциал новой технологии огромен.
И самое интересное: ядерные часы уже использовали для поиска тёмной материи.
Согласно некоторым теориям, сверхлёгкая тёмная материя может вызывать микроскопические колебания фундаментальных физических констант.
А ядерные часы потенциально способны такие изменения заметить.
В первом эксперименте тёмную материю не обнаружили, зато удалось установить новые ограничения для некоторых моделей её взаимодействия с обычным веществом.
В будущем подобные устройства могут использоваться для сверхточной навигации, измерения гравитации и проверки фундаментальных законов физики.
Получается довольно красиво.
Человечество настолько хорошо научилось измерять время, что теперь пытается использовать часы для поиска невидимой материи Вселенной.
Осталось только научиться приходить на встречи вовремя.
#физика #квантоваяфизика #ядерныечасы #темнаяматерия #технологии #наука
https://www.nature.com/articles/s41586-026-11084-4
Nature
A thorium-229 optical nuclear clock with feedback loop
Nature - A thorium-229 nuclear clock is realized by stabilizing a continuous-wave laser to the 148-nm nuclear excitation with a rapid feedback loop based on absorption spectroscopy.
👍14