Скорость человеческого мышления составляет всего 10 битов в секунду

Недавние исследования ученых из Калифорнийского технологического института показали, что скорость человеческого мышления составляет всего 10 бит информации в секунду. Это разительно контрастирует с потоком сенсорных данных, которые мозг обрабатывает на уровне 100 миллионов битов ежесекундно.

Об этом сообщило издание IFLScience.

В этом случае термин "бит" выходит за пределы своей привычной цифровой интерпретации, поскольку исследователи используют принципы теории информации Клода Шеннона для оценки когнитивных процессов.

Ниже есть продолжение.

Например, авторы сравнивают такой простой вопрос, как определение пола новорожденного, с передачей одного "шеннона" информации. Это гораздо менее затратно, чем большое количество битов в тексте ответа, что иллюстрирует разницу между необработанными данными и значимой информацией. Исследования показывают, что мозг отвергает множество лишних или неактуальных сенсорных данных, сохраняя только необходимую для осознанного восприятия информацию.

Эксперименты с печатанием, игрой в "Тетрисе" и решением кубиков Рубика подтвердили, что скорость когнитивной обработки остается стабильной (примерно 10 бит в секунду). Например, принтеры, которые печатают 120 слов в минуту, адаптируются благодаря предсказуемости языка.

Соавтор исследования Маркус Мейстер обнаружил интересный парадокс: хотя наши сенсорные системы обрабатывают данные быстро, сознательное мышление работает с меньшей скоростью. Это ограничение может являться результатом эволюционной адаптации, когда медленная когнитивная обработка была достаточной для выживания в предполагаемой среде. Такое ограничение позволяло людям принимать обдуманные решения, что было важно для ориентации в окружающем мире.

"Хотя наш мозг имеет дело с лавиной сенсорных данных, наши сознательные мысли, кажется, работают гораздо медленнее. Команда отмечает, что это может иметь последствия, например, в сфере создания интерфейсов мозг-компьютер", — говорится в сообщении.

Эти результаты имеют большое значение для разработки интерфейсов мозг-компьютер, указывая на пределы, где технология может поддержать познание. Несмотря на передовые технологии ввода-вывода, сознательная пропускная способность мозга остается узким местом, подобно подключению скоростного интернета к старому оборудованию.

https://tsn.ua/ru/nauka_it/s-kakoy-skorostyu-dumayut-lyudi-uchenye-nazvali-cifru-2732538.html

Google представила квантовый чип Willow с квантовой коррекцией ошибок (10.12.2024)

Google представила современный квантовый вычислительный чип Willow, который обеспечивает самую высокую производительность по нескольким показателям.

Благодаря 105 кубитам Willow достиг лучшей в своём классе производительности как в квантовой коррекции ошибок, так и в случайной выборке цепей. Google утверждает, что технология чипа позволит экспоненциально сократить количество ошибок по мере масштабирования с использованием большего количества кубитов.

Ниже есть продолжение.

Willow изготовили на современном производственном объекте Google в Санта-Барбаре. Компания оптимизировала несколько аспектов разработки, включая архитектуру чипа, производство, работу с затвором, калибровку и многое другое, чтобы достичь повышенной производительности.

В Google заявили, что Willow решил стандартный бенчмарк-тест менее чем за 5 минут. Ведущему суперкомпьютеру текущего поколения для этого потребовалось бы более 10^25 лет — 10 септиллионов лет, или больше, чем возраст Вселенной. Это большой скачок по сравнению с 2019 годом, когда Google объявила, что её квантовый процессор может выполнить математическое уравнение за три минуты, тогда как суперкомпьютер справился бы с этой задачей за 10 тысяч лет.

Компания опубликовала статью о Willow в журнале Nature. В ней исследователи Google описывают, как тестировали всё большие массивы физических кубитов, масштабируя их от сетки 3x3 закодированных кубитов до сетки 5x5 и сетки 7x7 — и каждый раз было возможно сократить частоту ошибок вдвое.

В качестве меры производительности Willow использовали бенчмарк случайной выборки цепей (RCS). Ранее его применяли для оценки прогресса от одного поколения систем к другому — в том числе Sycamore в 2019-м и 2024-м гг.

Таким образом, как утверждает компания, она достигла экспоненциального снижения частоты ошибок. Демонстрация показала выход «за пределы безубыточности», когда массивы кубитов имеют более длительное время жизни, чем отдельные физические кубиты. Эта задача стояла перед исследователями с тех пор, как Питер Шор представил квантовое исправление ошибок в 1995 году.

Следующая цель компании — выполнить первое «полезное, выходящее за рамки классических» вычисление, которое одновременно «имеет отношение к реальному приложению» и с которым не справятся обычные компьютеры. В Google полагают, что квантовый компьютер позволит открывать новые лекарства, совершать прорывы в термоядерной энергетике и т.д.

Когда в 2019 году Google заявила о достижении квантового превосходства, её раскритиковала IBM. Компания отмечала, что обычный вычислитель справился бы с задачей вычисления в худшем случае за 2,5 дня, но его ответ был бы точнее, чем у квантового компьютера. Однако утверждения Google подтвердили в НАСА. Специалисты обратились в Национальную лабораторию в Ок–Ридже, штат Теннесси, где находится суперкомпьютер Summit. Там проверили, совпадают ли результаты квантового компьютера с результатами суперкомпьютера вплоть до предела квантового превосходства — выяснилось, что оно было достигнуто.

В 2023 году в Google объявили о создании сверхмощного квантового компьютера. Он способен за 6,7 секунды производить вычисления, на которые у «официально признанного» самым производительным компьютера Frontier ушло бы 47 лет.

https://habr.com/ru/news/865268/

От GPT к o3: искусственный интеллект учится думать по-новому (25.12.2024)

OpenAI создала систему, которая решает тест ARC-AGI не хуже человека.

20 декабря новая ИИ-система OpenAI под названием o3 преодолела важный рубеж. При прохождении теста ARC-AGI на определение уровня мышления модель набрала 85% - столько же, сколько в среднем набирают люди. В дополнение к этому она блестяще справилась со сложными математическими задачами.

До сих пор лучший результат среди подобных разработок не превышал 55%. Многие исследователи считают, что o3 совершила серьезный прорыв на пути к созданию искусственного общего интеллекта (AGI), хотя скептики по-прежнему сомневаются в значимости достижения.

Ниже есть продолжение.

Здесь важно разобраться в особенностях теста ARC-AGI. Главный показатель в нем - "эффективность выборки", то есть умение приспосабливаться к новым условиям, располагая минимумом примеров. Проще говоря, тест определяет, сколько образцов новой ситуации нужно, чтобы уловить принцип ее работы.

Современные языковые модели вроде ChatGPT на базе GPT-4 не могут похвастаться высокой эффективностью выборки. Во время обучения они просматривают миллионы фрагментов человеческих текстов и на их основе выводят наиболее вероятные сочетания слов. Такой метод помогает справляться с типичными задачами, но дает сбой в нестандартных ситуациях - просто потому, что в базе не хватает похожих примеров.

Пока искусственный разум можно использовать только там, где задачи повторяются или где случайные ошибки не приведут к серьезным последствиям. Главная проблема в том, что модели не умеют быстро обучаться и подстраиваться под новые обстоятельства.

Способность находить верные решения незнакомых задач, опираясь на ограниченный набор сведений, ученые называют обобщением. В научном сообществе эту черту считают необходимым и фундаментальным признаком интеллекта. ARC-AGI состоит из задач с сеткой квадратов, похожих на школьные тесты IQ. На экране появляются два изображения: первоначальный узор и образец того, к какому состоянию он должен прийти после определенных манипуляций. Программа должна понять закономерность превращения начального состояния в конечное.

К каждому заданию прилагаются три обучающих примера. Изучив их, алгоритм должен вывести правила и применить их на практике. Такой подход позволяет проверить, насколько быстро происходит адаптация. В поиске закономерностей важно не делать лишних предположений и не вдаваться в излишние подробности. Теоретически, если удается найти самые простые правила, которых достаточно для решения, программа сможет лучше приспосабливаться к новым ситуациям.

"Простые правила" обычно можно описать короткими фразами. Например, в задаче с сеткой квадратов правило может звучать так: "Фигура с выступающей линией сдвинется к концу этой линии и накроет собой все фигуры на своем пути".

Как именно работает o3, пока неизвестно, но вряд ли ее специально учили искать "простые правила". OpenAI взяла за основу универсальную версию модели, способную дольше размышлять над сложными вопросами, а потом дополнительно натренировала ее для прохождения теста ARC-AGI.

Французский исследователь ИИ Франсуа Шолле, который создал тест, предполагает, что o3 перебирает разные "цепочки рассуждений" - последовательности шагов для достижения цели. Затем выбирается лучший вариант с опорой на определенные правила-подсказки.

Однако пока рано говорить о том, насколько это приближает нас к созданию AGI. Базовые механизмы работы с языком могли остаться прежними - просто теперь они эффективнее заточены под решение конкретного типа задач.

OpenAI держит почти всю информацию о своей разработке в секрете. Компания ограничилась несколькими презентациями для СМИ и разрешила протестировать o3 лишь некоторым исследователям, лабораториям и организациям, которые занимаются безопасностью ИИ.

https://www.securitylab.ru/news/555095.php

OpenAI представила o3 — самый умный ИИ в мире, который на 88 % догнал человека (21.12.2024)

В последний день акции Shipmas, в рамках которой было обещано в течение 12 дней показывать, анонсировать и рассказывать о новых ИИ-функциях, компания OpenAI представила пару больших языковых моделей нового поколения o3 и o3-mini, обладающих способностью рассуждать.

OpenAI отмечает, что речь не идёт о выпуске новых языковых моделей сегодня. Компания пояснила, что обучение этих нейросетей ещё не завершено и окончательный результат их обучения может отличаться от того, о чём она говорит сегодня. В то же время OpenAI принимает заявки исследовательского сообщества на тестирование этих моделей перед их публичным выпуском. Компания ещё не решила, когда это произойдёт.

В сентябре этого года OpenAI запустила думающую ИИ-модель o1 (кодовое название Strawberry). Решение назвать новые модели o3 связано с тем, что таким образом компания решила избежать путаницы (или конфликтов товарных знаков) с британской телекоммуникационной компанией O2.

Термин «рассуждающая модель ИИ» в последнее время стал очень модным в среде разработки технологий искусственного интеллекта и машинного обучения. Однако, по сути, он означает лишь то, что для решения заданного вопроса машина разбивает заданные инструкции на более мелкие задачи. Это в конечном итоге позволяет добиться от неё более точного результата. «Рассуждающие» модели ИИ чаще всего показывают весь процесс решения и то, как ИИ пришёл к тому или иному ответу, а не просто дают окончательный ответ без объяснения.

Как утверждает OpenAI, её новая модель o3 превосходит предыдущие рекорды производительности по всем направлениям. В рамках теста ARC-AGI, который был специально создан для сравнения возможностей искусственного интеллекта с интеллектом человека, модель o3 более чем в три раза превзошла возможности o1, продемонстрировав результат в 88 %.

Ниже есть продолжение.

Новая модель также быстрее предшественника в написании кода (тест SWE-Bench Verified) на 22,8 % и даже превзошла ведущего учёного OpenAI в спортивном программировании.

Модель o3 почти справилась с одним из самых сложных математических тестов, AIME 2024, пропустив в нём лишь один вопрос, а также набрала в бенчмарке GPQA Diamond 87,7 % — значительно больше, чем любой результат человека-эксперта.

В самых сложных математических и логических тестах, которые обычно ставят в тупик любые другие ИИ, o3 решила 25,2 процента задач — результаты других моделей не превышают и двух процентов.

Весомым преимуществом o3, как и o1, является возможность моделей «рассуждать» и эффективно проверять свои же факты, чтобы избегать различного рода ошибок и галлюцинаций. Правда, разработчики из OpenAI заявили, что процесс проверки фактов перед выдачей ответа приводит к небольшой задержке — от нескольких секунд до нескольких минут (зависит от сложности вопроса). Кроме того, задержка связана с тем, что модель определяет, соответствует ли запрос пользователя политике безопасности OpenAI. Компания утверждает, что при тестировании нового алгоритма защиты на o1 она намного лучше следовала правилам безопасности, чем предыдущие модели, включая GPT-4.

И всё же, как отмечают журналисты TechCrunch, основным недостатком «рассуждающих» моделей является то, что для их работы требуется гораздо больше вычислительных мощностей, поэтому в итоге их использование обходится значительно дороже «обычных» решений.

https://3dnews.ru/1115751/openai-predstavila-rassugdayushchie-iimodeli-o3

В НАТО рассказали о плане нападения России на Финляндию и Норвегию (English, Russian)

Первоисточник:

https://www.iltalehti.fi/politiikka/a/b4568974-73c3-4c3a-abcb-fb5cd2f7db71

Краткий пересказ на русском и английском (с помощью ChatGPT):

Статья анализирует оценку НАТО военных учений России и потенциальных планов нападения на Финляндию, страны Балтии и северную Норвегию. Разведывательные и оборонные отчеты показывают, что Россия отрабатывала масштабные нападения с участием нескольких армейских корпусов, нацеленных на ключевые регионы Финляндии и соседних стран НАТО. Российские десантники могут высадиться в Лапландии, в то время как ракетные войска с Кольского полуострова нанесут удары по южной Финляндии.

Целью может быть создание буферных зон в северной Норвегии и Лапландии, что отвлечет силы НАТО и помешает переброске подкреплений в Балтию. Российские войска также могут стремиться к границам по Туркускому миру (1743). Военные лидеры НАТО, включая американского адмирала Дугласа Перри, подчеркивают серьезность этой угрозы и необходимость подготовки НАТО к ведению интенсивных боевых действий.

В анализе подчеркивается рост военных учений НАТО в ответ на агрессию России, включая маневры Nordic Response с участием десятков тысяч солдат. Пренебрежение Россией потерями и готовность к значительным рискам усиливают вероятность конфликта.

The article discusses NATO's assessment of Russia's military exercises and potential plans to attack Finland, the Baltic states, and northern Norway. Intelligence and defense reports reveal that Russia has practiced large-scale assaults involving multiple army corps, targeting key regions in Finland and neighboring NATO countries. Russian paratroopers could land in Finnish Lapland, while missile forces from the Kola Peninsula would launch attacks on southern Finland.

The goal would be to establish buffer zones in northern Norway and Lapland, tying down NATO forces and preventing reinforcements to the Baltics. Russian forces could also aim to reach historical borders from the Treaty of Turku (1743). NATO military leaders, including U.S. Admiral Douglas Perry, emphasize the seriousness of this threat and the need for NATO to prepare for high-intensity warfare.

The analysis highlights increased military exercises by NATO in response to Russian aggression, including Nordic Response drills with tens of thousands of troops. Russia's disregard for casualties and willingness to take significant risks heighten the potential for conflict.

взгляды президента РФ Владимира Путина на безопасность отражают стремление к созданию единой буферной зоны в Европе на всем протяжении от Арктического региона через Балтийское и Черное моря до Средиземного. В ходе пропагандистской пресс-конференции 19 декабря глава Кремля заявил, что у России «достаточно сил и средств, чтобы вернуть все свои исторические территории». В прошлом Путин называл своим идеалом Российскую империю XVII века. Источники говорят, что эти слова следует воспринимать буквально.

The views of Russian President Vladimir Putin on security reflect a desire to create a *unified buffer zone in Europe, spanning from the Arctic region through the Baltic and Black Seas to the Mediterranean*. During a propaganda press conference on December 19, the Kremlin leader stated that Russia "has enough strength and means to reclaim all of its historical territories." In the past, Putin described the *Russian Empire of the 17th century as his ideal. Sources say these words should be taken literally.*

Ниже более развёрнуто.

Ниже есть продолжение.

Россия попытается создать буферную зону в финской Лапландии и норвежском Финнмарке в случае нападения на НАТО с востока, сообщили источники Iltalehti в Североатлантическом альянсе. По их словам, российская армия уже отрабатывала такой сценарий в ходе учений. Согласно этому плану, на севере 14-й армейский корпус будет атаковать норвежское побережье со стороны Мурманска, причем сразу с моря, суши и воздуха, а в Лапландию высадится десант, который попытается быстро захватить аэропорт Ивало. Кроме того, в Финляндию вторгнутся ракетные войска, развернутые на Кольском полуострове, утверждают собеседники издания. По их оценкам, в нападении будут участвовать «десятки тысяч российских солдат».

Создание буферной зоны позволит перенести боевые действия на территорию стран НАТО и связать силы Альянса. Источники также считают, что Россия задействует войска 44-го армейского корпуса для атаки южного побережья и юго-востока Финляндии, чтобы захватить северное побережье Финского залива. Это затруднит поддержку обороны Эстонии с финского направления. В НАТО полагают, что Россия стремится к границам Туркуского договора 1743 года. В этом случае ее армия пытается достичь реки Кюмийоки. Далее целью станет пролив Пуумалансалми. Ракеты могут быть запущены и по Хельсинки, однако основным направлением атак будут страны Балтии: Литва, Латвия и Эстония.

Источники издания отметили, что взгляды президента РФ Владимира Путина на безопасность отражают стремление к созданию единой буферной зоны в Европе на всем протяжении от Арктического региона через Балтийское и Черное моря до Средиземного. В ходе пропагандистской пресс-конференции 19 декабря глава Кремля заявил, что у России «достаточно сил и средств, чтобы вернуть все свои исторические территории». В прошлом Путин называл своим идеалом Российскую империю XVII века. Источники говорят, что эти слова следует воспринимать буквально.

В марте 2023-го НАТО отработала развертывание 20 тыс. военнослужащих на севере Норвегии и в финской Лапландии. А в начале этого года Альянс провел масштабные учения у российских границ. В прошлом месяце в Финляндии начались крупнейшие артиллерийские военные учения НАТО Lightning Strike.

В декабре министр обороны Финляндии Антти Хаккянен заявил о планах увеличить военные расходы практически вдвое к 2032 году, до 3,3% ВВП, что значительно превышает установленный НАТО ориентир в 2%. «Ситуацию с безопасностью в Финляндии и в регионе трудно предсказать. Она может быстро ухудшиться. Необходимы большие инвестиции в оборону и национальную безопасность, чтобы повысить нашу способность противостоять… военному давлению и вести потенциальные крупномасштабные войны, которые могут затянуться на годы», — отметил Хаккянен.

https://www.moscowtimes.ru/2024/12/29/vnato-rasskazali-oplane-napadeniya-rossii-nafinlyandiyu-inorvegiyu-a151668