Насколько вы уверены в истинности своих ощущений, мыслей и воспоминаний? А на чём эта уверенность основана? Как вы докажете, что окружающий мир реально существует, а не является вашей галлюцинацией? Ведь любые утверждения об этом мире на самом деле являются утверждениями о состоянии вашего мозга. Возможно, всё ваше прошлое – это ложные воспоминания, которые появились вместе с вами пять минут назад. Апеллировать к здравому смыслу, субъективному опыту и научному консенсусу бесполезно, они тоже могут оказаться иллюзией. К тому же физические теории скорее подтверждают, чем опровергают такой сценарий. Или мы просто чего-то недопонимаем?

Должен заранее предупредить: если вы до сих пор ничего не слышали о больцмановских мозгах и бесконечных обезьянах, после прочтения данной статьи ваш мир уже не будет прежним – есть риск, что он вместе с вами растворится в вакууме, ну или как минимум заработаете экзистенциальный кризис. А если вы знаете, о чём пойдёт речь, и даже сами не раз задумывались над этими парадоксами, не спешите откладывать чтение – здесь я предлагаю решение проблемы, с которой учёные не могут справиться уже больше ста лет. Добро пожаловать в мир статистической механики – мир больших чисел и чудесных случайностей.

Переходим от философской составляющей гипотезы «всё из кубита» к её математической основе – цифрам и формулам, определяющим вычислительную природу реальности. Если Вселенная – квантовый компьютер, что является её «железом», какие физические процессы можно считать логическими операциями и по каким алгоритмам она обрабатывает информацию? Не являются ли эти квантовые алгоритмы «мыслями» Вселенной, процесс вычисления – решением некоего уравнения, а жизнь и разум – единственным правильным ответом? Есть ли закономерность в сходстве космической паутины сверхскоплений галактик и нейронной сети человеческого мозга? Может ли Вселенная оказаться чьим-то мозгом и обладать сознанием? Достаточно ли у Вселенной вычислительных ресурсов, чтобы создать полную симуляцию самой себя?

На все поставленные вопросы я отвечу в данной статье, опираясь на расчёты одного из основоположников теории «всё из кубита» Сета Ллойда. Также мы разберёмся с тремя физическими пределами, ограничивающими скорость вычислений и объём памяти компьютеров – пределом Бремерманна, пределом Бекенштейна и пределом Ландауэра. Заодно посмотрим, как будут выглядеть работающие на этих пределах устройства – предельный ноутбук и сингулярный компьютер.

Для привлечения внимания расскажу историю. Уже много лет живу далеко за пределами нашей всеми любимой родины. И на днях, понадобилось мне войти в старую почту gmail... Логин и пароль надежно сохранены. Однако Google не торопится впускать нас в собственную почту.
— Нам кажется что это не вы, подтвердите что это вы. Введите номер телефона когда-то использовавшийся при регистрации.
Что ж, и это можно. Ввожу номер.
— Увы, мы не можем отправить СМС на этот номер. Хотите завести другой аккаунт?

Понятие энтропии занимает особое место в современной физике. Впервые оно возникло в середине XIX века в рамках термодинамики, описывая необратимость и «беспорядок» природных процессов. Позже, с развитием теории информации в XX веке, энтропия стала пониматься как мера неопределённости или количества информации, необходимой для описания системы. В квантовой механике энтропия приобрела ещё одно измерение: она стала мерой запутанности и сложности квантовых состояний.

На сегодняшний день мы имеем несколько разных подходов к понятию энтропии:

Ну, представим, что вы правитель крупной державы. Очень из себя просвещенный, в науках разбираетесь. И о народе, к тому же, попечение имеется. И захотелось вам поправить здоровье народное. Чтобы болезней поменьше и смертность пониже.

Воля ваша, но я, как Первый Главный Советник, ответственно заявляю — то, что вы тут академию наук основали, эт конечно хорошо. Плеяда молодых врачей, научная литература и исследования это просто прекрасно. Лекарства от всех болезней — просто бомба! Но... Не поможет. Без роты солдат с палками — не взлетит. Потому что народ у нас тёмен и дик. И хороших слов не понимает. Поэтому нужно сперва людей грамоте учить, хоть какой-то. Знаний дать, за буквари засадить. А кто учиться не желает — тому живительных репрессий. В подтверждение своих слов приведу несколько цитат, очень таких, выпуклых.

Они могут спасти вас... А могут и убить. Статины - лекарства, которые снижают уровень холестерина в нашем организме. Зачем они нужны и что может пойти не так - в статье.

Итак, как обычно, начнём издалека. С вопроса, а зачем он вообще нам нужен, этот холестерин ваш? Мож без него организму лучше будет? С одной стороны - да, но нет. Организм с помощью холестерина синтезирует кучу нужного для себя стаффа. Например, он входит в состав клеточных стенок и мембран. Финал «End of evangelion» видели? Вот примерно это ждёт человека без холестерина – превращение в комок питательных соплей. Ну и плюс не забываем, что из холестерина у нас в организме синтезируются стероидные гормоны – тестостерон, прогестерон и так далее, тысячи их. В общем, без холестерина организм живёт хорошо, но недолго. Про опасность ничего говорить не буду, слово «атеросклероз» в наше время только младенцы, наверное, не слышали.

Поиск — это сложно. Важная часть многих приложений, которую нелегко реализовать правильно. Особенно в случае с RAG-пайплайнами, где на качество поиска завязан весь процесс.

Хотя семантический поиск в моде, старый добрый лексический поиск по-прежнему остается базой. Семантические методы могут улучшить результаты, но эффективнее всего они работают, когда добавляются к прочному фундаменту текстового поиска.

Эрик Закариассон, разработчик и автор блога Anyblockers, рассмотрел в своей статье, как использовать Postgres для создания надёжной поисковой системы. В рамках задачи автор объединил три техники:

1. Полнотекстовый поиск с tsvector

2. Семантический поиск с pgvector

3. Нечёткое сопоставление с pg_trgm

4. Бонус: BM25

Возможно, это не оптимальный подход для любой ситуации, но отличная альтернатива созданию отдельного поискового сервиса; отправная точка, которую можно реализовать и масштабировать в рамках существующей базы данных Postgres.

В 1995 году с легкой руки Gartner в умах многих аналитиков по всему миру поселился новый термин — Gartner Hype Cycle. Как только не называли эту кривую: и цикл хайпа, и цикл зрелости, и цикл ожиданий. Но мне больше всего нравится представлять её в виде волн. Тогда в ней появляется глубокий образ — множество волн, которые в нашем технологическом мире переплетаются и рождают нашу повседневность.

Привет, Хабр! Меня зовут Антон Черноусов. Я Developer Advocate в Yandex Cloud и многие годы веду подкаст «The Art Of Programming».

Кривая Гартнера частенько помогает представить результаты прогнозов. Хотя прогнозы — дело неблагодарное. Особенно если мы попытаемся «заглянуть под капот» одной узкой сферы. Сегодня мы займемся неблагодарным делом и пристально посмотрим на мир DevOps.

На дворе 2025 год. Генерацией картинок и видео в интернете больше никого не удивишь. Генеративный контент повсюду, а его качество настолько высоко, что бывает трудно отличить синтетическую картинку от реальной.

Прогресс не стоит на месте, но какой ценой? Мир сильно усложнился со времён выхода первых моделей Stable Diffusion, подробные рассказы о которых описывали главную и до недавнего времени единственную доступную широкому кругу пользователей качественную открытую модель.

В прошлом году мы с коллегами рассказывали про то, как мы открывали и улучшали технологию YandexART. В этом посте мы хотели бы рассказать о том, что нового произошло в мире диффузионных моделей за последние два года. Ниже мы обсудим борьбу каскадной и латентной парадигм, дилемму между свёрточными моделями и трансформерами, новые формулировки диффузии и дистилляцию как метод решения основной проблемы диффузионных моделей — низкой скорости генерации.

Ночью с 14 на 15 апреля 1912 утонул "Титаник" — я не думаю, что кому-то необходимо объяснять, о чём здесь идёт речь. Конечно же, как и всякое событие такого культурно-исторического значения, катастрофа "Титаника" обросла теориями заговора. А хорошая конспирология должна быть смелой и масштабной! Никому не интересно разбирать технические детали. Как вам, скажем, заявление: "Титаник" вовсе никогда не тонул, а в Атлантике погиб совершенно другой корабль?

Если вам показалось, что это звучит как бред — то не показалось, однако именно такую теорию изложил в нескольких хорошо продававшихся книгах мистер Робин Гардинер. Этот господин имел некое инженерное образование, однако каких-то значимых компетенций по морским вопросам, истории (родился Гардинер в 1947) и прочему у него не было. Зато было сильнейшее увлечение "Титаником".

Всем привет! Меня зовут Владимир, я разработчик ИИ с 8-летним стажем (до этого много backend-frontend, веб-разработки и всего такого), увлеченный наукой и технологиями (в первую очередь наукой омоложения, физикой, автоматизацией -- в прочем как и Вы).

В своей карьере мне довелось пережить эволюцию поисковых инструментов: от эпохи простых поисковиков, через взрыв популярности форумов и Stack Overflow, до появления современных AI-ассистентов. И каждый новый виток этой эволюции менял наш подход к поиску и анализу информации.

Теперь же на горизонте замаячило нечто действительно революционное — автономные ИИ-агенты для проведения исследований. Сегодня я расскажу об одном из самых обсуждаемых таких инструментов — OpenAI Deep Research. Этот специальный режим ChatGPT обещает вывести поиск информации на новую глубину.

Давайте разберемся, что он из себя представляет, чем отличается от привычных нам инструментов, и как его можно применить с максимальной пользой...

Есть одна очень миленькая математическая задачка, которая может быть интересна людям на очень разных уровнях:

У вас есть четыре двойки и какое-то целевое натуральное число. При помощи любых математических операций сгенерируйте целевое число при помощи этих двоек, не используя больше никаких цифр.

Некоторые примеры могут придумать и дети из начальной школы. В средних классах дети узнают о степенях, факториалах и так далее, что существенно расширяет диапазон.

Здравствуйте, меня зовут Дмитрий. Сегодня я хотел бы рассказать вам про очень интересную игру Turing Complete. Я назвал бы её симулятор разработчика компьютеров. А также мы прямо в этой игре соберем компьютер SAP-1 более известный как компьютер Бена Итера.

Сразу скажу что мне игра очень понравилась. Ну вот знаете иногда про игру все говорят какая крутая игра, а ты в неё поиграешь и думаешь. Ну игра ничего особенного. А иногда встречаются игры про которые никто не говорит особо, но стоит в неё начать играть, как обнаруживаешь что ты просто не можешь от неё оторваться. Как раз эта игра относится ко второму типу. У меня такое было c Factorio я в неё тоже долго не мог перестать играть. Так что возможно я буду чуть-чуть предвзятым.

Большая часть той материи, из которой состоит Вселенная, является невидимой. Можно измерять тяготение (гравитационное воздействие) этой тёмной материи на орбитах звёзд и галактик. Заметно, как она искривляет проходящий мимо неё свет, а также мы можем фиксировать воздействие тёмной материи на реликтовое излучение, оставшееся от первобытной плазмы, существовавшей непосредственно после Большого Взрыва. Эти сигналы измерены с исключительной точности. Есть все основания полагать, что тёмная материя повсюду. Но нам по-прежнему неизвестно, что она собой представляет.

Самое интересное, что прямо сейчас присходит в AI-отрасли – это гомерически смешная ситуация с новой нейросетевой моделью Grok 3. «Самый умный интеллект в мире», как выяснилось, не очень хорошо относится к своему создателю – и у Маска, видимо, от этого дичайше подгорает. В этой статье мы разберем на скриншотах неуклюжие попытки xAI пофиксить ситуацию.

Уходящий 2022-ой год, стал, безусловно, межевым для отечественной микроэлектроники. Введенные санкции лишили российские дизайн-центры доступа к заводам по производству разрабатываемой ими продукции, в первую очередь, к мощностям флагмана отрасли в лице тайваньской компании TSMC. Фактически, это означает, что на данный момент в России становится невозможным производить сколь либо современную кремниевую микроэлектронику, особенно в части высокопроизводительных решений. Краткий профессиональный разбор ситуации с обзором наших текущих возможностей ещё в марте этого года сделал уважаемый @CorneliusAgrippa. Если резюмировать – на данный момент Россия имеет возможность промышленно производить чипы по технологии 180 нм на заводе Микрон, с перспективой наладить 90 нм в ближайшее время (правительство поставило задачу сделать это до конца 2022-го года). Создание на имеющейся на Микроне линии промышленной технологии на 65 нм и ниже фактически невозможно. Причина в том, что завод Микрон работает на пластинах диаметра 200 мм, а технология производства на 65 нм сопровождалась параллельным переходом на пластины диаметром 300 мм. Поэтому, для такого перехода требуется, по сути, постройка нового завода, хотя имеющееся на Микроне литографическое оборудование потенциально позволяет создание 65 нм техпроцесса.