Account
Мишин Лернинг

Мишин Лернинг

Субъективный канал об искусстве машинного обучения, нейронных сетях и новостях из мира искусственного интеллекта. 🇺🇦❤️

Username
@mishin_learning
Category
Technologies
Created
, 5 years
Subscribers7,627+86 in 3 days
Avg views per post, 7d47,683last 7 days
ERR625.19%last 7 days

Subscribers, 30 days

Nov 13 – Nov 16+86 (+1.1%)

Show as table
DateSubscribers
Nov 13, 20267,541
Nov 14, 20267,611
Nov 15, 20267,624
Nov 16, 20267,627

Average views per post by day

By publication day

Show as table
DateAvg views per post
Oct 26, 20264,184
Oct 27, 202613,111
Oct 30, 20264,254
Nov 9, 20262,834
Nov 12, 202665,623

Most viewed this month

  1. 01

    No text

    Photoalbum
    Views66.8K
    Forwards1.47K
    Reactions—
    Comments—
  2. 02

    No text

    Photoalbum
    Views66.3K
    Forwards1.04K
    Reactions—
    Comments—
  3. 03

    No text

    Photoalbum
    Views65.4K
    Forwards1.08K
    Reactions—
    Comments—
  4. 04
    Views65.1K
    Forwards1.09K
    Reactions61
    Comments13
  5. 05

    No text

    Photoalbum
    Views64.5K
    Forwards1.06K
    Reactions—
    Comments—

Latest posts

#1940Photoalbum
Views66,835+88%vs avg
Forwards1,467
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h26,221
30 h52,253
71 h66,835
  1. After 6 hours26,221
  2. After 24 hours52,253
  3. Total to date66,835
#1939Photoalbum
Views66,301+87%vs avg
Forwards1,042
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h25,698
30 h51,051
71 h66,301
  1. After 6 hours25,698
  2. After 24 hours51,051
  3. Total to date66,301
#1938Photoalbum
Views65,384+84%vs avg
Forwards1,078
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h25,692
30 h51,059
71 h65,384
  1. After 6 hours25,692
  2. After 24 hours51,059
  3. Total to date65,384
#1937Photoalbum
Views64,460+81%vs avg
Forwards1,060
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h25,679
30 h50,846
71 h64,460
  1. After 6 hours25,679
  2. After 24 hours50,846
  3. Total to date64,460
#1935Video

🧠 Anthropic представила Claude Fable 5.2 и Mythos 5.2. Теперь AI не просто пишет код, но и берётся за полноценные научные исследования. Насколько серьёзный это прорыв? По данным Anthropic, новая модель смогла за 30 часов формализовать доказательство последней теоремы Ферма в Lean, задачу, на которую предыдущей версии потребовалось 11 дней. В другом эксперименте Fable координировала более тысячи AI-агентов, которые за восемь дней написали прототип операционной системы с собственным ядром, драйверами и графическим интерфейсом. 🧪 Но главное: результаты в науке. Anthropic сообщает о решении двух открытых задач теоретической физики, связанных с чёрными дырами и квантовой гравитацией. Кроме того, Mythos предложила новый метод моделирования белковых оболочек вирусов. Впрочем, есть важный нюанс. Результаты по физике пока представлены в препринтах, а большинство экспериментов проводились самой Anthropic. Теорему Ферма AI не доказал заново — он формализовал уже известное доказательство. 🔮 Fable  5.2

Open in Telegram
Views2,941−92%vs avg
Forwards42
Reactions17
Comments2
#1933Video

⚠️ Подрядчик Пентагона подключил личного AI-агента к защищённой военной сети. Что могло пойти не так? По данным WIRED, сотрудник Accenture предоставил Claude Code административный доступ к рабочей инфраструктуре Министерства обороны США. Агент мог самостоятельно писать код, запускать команды и управлять серверами. Предположительно, он проработал в системе около двух месяцев и передал стороннему интернет-сервису пароли, учётные данные и схему сети. Но есть важный нюанс: Речь идёт о NIPRNet — защищённой, но не секретной сети. Доступ к системам более высокого уровня секретности не подтверждён. Сама Accenture отрицает обвинения и заявляет, что проверка не выявила нарушений. История интересна прежде всего тем, как привычный инструмент автоматизации может получить полномочия полноценного администратора. И насколько сложно контролировать его действия после этого. Подробно разобрал, как всё было устроено в анимации. 📰 Расследование WIRED

Open in Telegram
Views4,254−88%vs avg
Forwards64
Reactions18
Comments0
#1931Photoedited

📏 Оказывается, нейросети могут неправильно обучаться из-за ошибок в обычном softmax. Никто не замечал раньше? И действительно ли всё настолько плохо? Исследователи Google DeepMind обнаружили две численные ошибки в softmax и cross-entropy операциях, которые используются практически во всех современных нейросетях. Первая возникает, когда модель становится слишком уверенной в правильном ответе. Компьютер преждевременно округляет градиент до нуля, хотя математически он ещё существует. Вторая при дистилляции: даже когда ученик идеально повторяет учителя. Но есть нюанс: всё не так плохо, как кажется. Например, давно известный label smoothing или low temperature уже этой проблемы, не позволяя модели становиться чрезмерно уверенной. Правда, саму ошибку вычислений он не исправляет. И что предложили исследователи? Для решения оказалось достаточно лишь переписать формулу (порядок операций). Математически ничего не поменялось, зато компьютер перестал терять маленькие числа. 📄 A Fix for Softmax and Cross-Entropy

Open in Telegram
Views4,184−88%vs avg
Forwards90
Reactions52
Comments4

All posts

Connections