Нейронные сети и их применение

https://hi-tech.mail.ru/news/131724-rossijskie-shkolniki-zavoevali-6-zolotyh-medalej-na-olimpiade-po-ii/

https://hi-tech.mail.ru/news/131739-ejfeleva-bashnya-kazhdoe-leto-stanovitsya-bolshe-uchenye-raskryli-prichinu/?from=swap&swap=2

Только что в Китае закончился первый в мире полу-марафон для людей и роботов Участие приняли более 20 двуногих роботов. Были и от ведущих китайских стартапов, но даже победители очень сильно отставали от людей (фух). Пробежать нужно было, если что, 21 километр. Победитель от людей преодолел расстояние за 1 час 2 минуты. От роботов победил Tiangong Ultra. Его результат – 2 часа 40 минут. В общем, атлеты пока что не ВСЕ

Создан новый тип кубитов на основе искусственных атомовСотрудники Национального исследовательского Нижегородского государственного университета им. Н. И. Лобачевского (ННГУ им. Н. И. Лобачевского) создали новый тип кубитов на основе искусственных атомов, который позволит развивать российские технологии в микроэлектронике и спинтронике. Исследователи впервые в России рассчитали условия для контроля сразу двух параметров кубита: заряда и его вращательного момента - спина. Это открывает путь к созданию более стабильных и управляемых квантовых устройств. Проект выполнен учеными физического факультета университета Лобачевского при поддержке Министерства науки и высшего образования РФ и в рамках государственного задания.💬«С помощью электрического поля мы управляем и зарядом, и вектором вращения кубита, что позволяет строить более сложные, но миниатюрные квантовые системы. Разработка базовых технологий для квантовых вычислений, включая гибридные кубиты на полупроводниковых гетероструктурах, является приоритетным направлением развития российской наноэлектроники. Реализация управляемых спин-зарядовых кубитов с динамической стабилизацией состояний может стать ключевым шагом в создании масштабируемых квантовых процессоров», - сообщила соавтор исследования, доцент кафедры теоретической физики физического факультета ННГУ Марина Бастракова.Исследование также показало неизвестный ранее эффект спиновой памяти в гибридных кубитах. Контролируя состояние квантовых частиц с помощью электрического поля, возможно «запереть» кубит на определенном энергетическом уровне. Эффект позволяет сохранять квантовое состояние частицы на время, превышающее характерное время жизни спинового состояния. Это открывает новые перспективы для создания энергонезависимых элементов квантовой памяти с электрическим управлением, необходимых для развития полномасштабных квантовых компьютеров.Система реализована на основе арсенида галия - широко распространенного полупроводникового материала с хорошо изученными с

https://github.com/openai/codex

https://thecode.media/chto-takoe-cifrovoy-sled/

Отчёт по ИИ в мире.

https://blog.skillfactory.ru/chto-takoe-json-web-token-jwt/

Откопал шикарную штуку — Python TutorПишете код на Python, Java, C, C++ или JavaScript прямо в браузере, а этот сервис пошагово показывает, что происходит под капотом. Видно каждую переменную, каждую строчку кода в действии Плюс, тут есть AI-репетитор для разъяснений Годный инструмент для обучения или разборов: https://pythontutor.com/👉 @PythonPortal

У Google вышло очень занятное исследование: они сравнили, как LLM и человеческий мозг обрабатывают языкВ качестве LM взяли Whisper, а нейронную активность человека записывали с помощью интракраниальных электродов во время спонтанных разговоров. Затем векторы эмбеддингов модельки наложили на векторы паттернов мозга и оценили линейную зависимость. Вот что получилось: ➖ Соответствие удивительно четкое и геометрия эмбеддингов в LLM (то есть отношения между словами в embedding-пространстве) соотносится с представлениями в мозге.➖ Во время слушания Speech-эмбеддинги явно коррелируют с активностью в слуховой коре (верхняя височная извилина), затем language-эмбеддинги коррелируют с активностью в зоне Брока (нижняя лобная извилина).➖ Во время говорения – наоборот. Language-эмбеддинги сначала "активируются" в зоне Брока (планирование высказывания), затем speech-эмбеддинги активируются в моторной коре (непосредственно говорение), и в конце снова в слуховой коре при восприятии собственной речи.Это удивительно, потому что технически мозг и LLM используют разные подходы. Да, и там и там нейроны, но в науке принято считать, что мозг "использует" символьный подход, то есть полагается на четкие семанические структуры, синтаксис и иерархию слов. В модельках такого нет, они понимают язык статистически. И все-таки получается, что обычный next token prediction оказывается очень похож на реальный нейронный код, и мы неожиданно близко подобрались к моделированию мозга. research.google/blog/deciphering-language-processing-in-the-human-brain-through-llm-representations/

The State of LLM Reasoning Modelshttps://magazine.sebastianraschka.com/p/state-of-llm-reasoning-and-inference-scaling?utm_campaign=post&utm_medium=web

https://youtu.be/RUnFgu8kH-4?feature=shared

С праздником!