Корпоративный ИИ за $10 млн отмел статью Q1. И он оказался прав — но не так, как он думал
1. ИсторияКорпоративная модель ИИ дала негативный отзыв на недавно опубликованную статью: Vladimirov, V.V. (2026). An additional degree of freedom in the processes of self-organized criticality with violation of causality. Chaos, Solitons & Fractals, 208, 118186. Ключевая проблема не в том, что ИИ «глупый». Проблема в том, что он обучен на другой парадигме. Вот три фундаментальные причины, почему корпоративный ИИ дал негативный отзыв — и почему это не ошибка, а закономерность.· ИИ не видит структуру там, где она не выражена в данныхСовременные LLM обучены на текстах, которые описывают уже известные паттерны. Статья — о том, как
Google представила новую Gemini: 3.6 Flash, 3.5 Flash-Lite и специализированную Flash Cyber
Google расширила семейство Gemini сразу тремя новыми моделями: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite и Gemini 3.5 Flash Cyber. Вместо выпуска нового флагманского решения компания сделала ставку на снижение стоимости инференса, повышение скорости и специализированные сценарии использования. Одновременно Google сообщила, что Gemini 3.5 Pro продолжает проходить тестирование с партнерами, а обучение следующего поколения Gemini 4 уже началось. Gemini 3.6 Flash: меньше токенов, лучше кодинг
WAIC 2026: главные анонсы и почему Китай превращает искусственный интеллект в национальную инфраструктуру
В этом году конференция приобрела беспрецедентный масштаб и значимость. Если раньше китайские компании пытались догнать западные аналоги по количеству параметров в LLM, то WAIC 2026 зафиксировала новый этап: переход к глубокой инженерной оптимизации, построению независимых вычислительных архитектур и массовому внедрению агентных систем в реальный сектор экономики. Китай больше не пытается просто скопировать OpenAI или заменить один GPU от NVIDIA; он строит параллельную технологическую вселенную со своими аппаратными интерконнектами, программными стеками и стандартами.Разбираемся, что было интересного на WAIC 2026 в этой статье.
Иллюзия всезнания: как искусственный интеллект меняет правила принятия управленческих решений
На днях мы ознакомились с публикацией на сайте Всемирного экономического форума (https://www.weforum.org/stories/artificial-intelligence/how-ai-is-reshaping-strategic-foresight-and-global-power/), которая навела нашу редакцию на размышления об эволюции процесса долгосрочного прогнозирования
MAP-Elites: как искать не «лучшее», а «лучшее в каждой нише»
Классические методы оптимизации — градиентный спуск, генетические алгоритмы с элитизмом, CMA-ES — заточены под одну вещь: найти один глобальный максимум функции приспособленности. Всё остальное население на пути к этому максимуму считается расходным материалом и отбрасывается.Но во многих задачах нас интересует не единственное решение, а набор разнообразных хороших решений:
MAP‑Elites: как искать не «лучшее», а «лучшее в каждой нише»
Проблема, которую не решает обычная оптимизацияКлассические методы оптимизации — градиентный спуск, генетические алгоритмы с элитизмом, CMA‑ES — заточены под одну вещь: найти один глобальный максимум функции приспособленности. Всё остальное население на пути к этому максимуму считается расходным материалом и отбрасывается.Но во многих задачах нас интересует не единственное решение, а набор разнообразных хороших решений:Эволюционная робототехника
Структура, скрытая за написанием текста языковыми моделями
Языковые модели генерируют текст, следуя скрытым грамматическим правилам, или грамматика - просто побочный эффект предсказания следующего слова? Этот вопрос увлёк меня почти на два года исследований.|
