AI-дайджест 24.10: ШІ і теореми, кібератаки агентів, дефіцит чіпів
ШІ доводить складні теореми, автономні агенти шукають вразливості, чіпів не вистачає, а Китай відповідає оптимізацією моделей. Головний висновок: цінність зміщується до верифікаторів.
- PM Lead Pro · вступ
- ШІ доводить теореми та криза
- Пошук углиб замість вшир
- Автономні агенти та кібератаки
- Дефіцит чіпів і ASML
- Відповідь Китаю: оптимізація
- Радар китайських моделей
- Підсумок: цінність верифікаторів
Щоденний AI-дайджест PM Lead Pro: розмова ведучих NotebookLM за матеріалами дня.
Джерела дня:
Подкасти
- No Priors — Democratizing Security for the Agentic Web with Cloudflare CTO Dane Knecht
- Odd Lots (Bloomberg) — How a Chicago Restaurant Has Stayed Open For Nearly Three Decades
- Planet Money — How surveillance crept up on us
Статті й дослідження
- Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II) · openai.com
- Securing our frontier model training environment · openai.com
- Bringing foundational models to the front lines of TB screening · research.google
- Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month… and Pro Highspeed API with… · latent.space
- AI Is Getting Good at Math. Here’s Why. — Latent Space · latent.space
- Black October — Latent Space · latent.space
- LitPivot: Developing research ideas through dynamic contextualization within the literature landscape · huggingface.co
- Cybersecurity ETF - Marginal REVOLUTION · marginalrevolution.com
- I guest host an NYT podcast with Michael Kratsios, Trump science advisor - Marginal REVOLUTION · marginalrevolution.com
- Dessa - the Conversation Model trained only on speech · block.xyz
- Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence · kimi.ai
- iPhone - Calif Newsletter · blog.calif.io
- 100% бронювання не буде. В уряді розповіли, як зміняться правила для критичних підприємств · dou.ua
- (2610.31372) RIDAR: Safeguarding Research Integrity in Autonomous Research Agents via Automated Detection and Runtime… · arxiv.org
Китай
- 智源众智 FlagOS 2.2 让前沿模型与多元算力协同演进 - InfoQ · infoq.cn
- 刚刚,Kimi K3.1 Pro杀进全球前四,Agent第一! - 华尔街见闻 · wallstreetcn.com
Сторінки, які відстежуємо (зміни за день)
- System prompts - Claude Platform Docs · platform.claude.com
Транскрипт
Уявімо таку картину. Шточний інтелект раптом починає лускати математичні проблеми, над якими вчені сиділи десятиліттями.
Ага, звучить як справжнє свято для науки, так?
Так, так. Але цей самий інтелектуальний стрибок одразу ж провокує кібернетичний чорний жовтень.
І ще більше поглиблює світову кризу чіпів. От звідки тут взагалі зв'язок?
Сьогодні ми робимо глибоке занурення у матеріали від Latent Space, The Register та розмову з подкасту Dwarcash, щоб це розібрати.
Ну, почалося все з того, що моделі навчилися самостійно доводити надскладні теореми. Типу тієї ж гіпотези Ердеша чи рівнянь на в'єстокса. Автори на Latent Space дуже класно підмітили цю зміну парадигми. Люди ж зазвичай шукають рішення як?
Вшир, так. Або перевірити навіть одну ідею – це ж місяці роботи.
Точно. А от ШАІ використовує пошук углиб. Тобто він миттєво доводить тисячі, навіть абсолютно абсурдних, гіпотез до кінця. І завдяки новим системам-верифікаторам сам їх перевіряє. Відбувається такий собі обмін часу на сиру обчислювальну потужність.
Слухай, це мені нагадує ситуацію з лабіринтом. От людина заглядає в кожен коридор по черзі, дуже ретельно обдумує кроки, а ШАІ, типу, просто клонує себе і…
Я от на The Register бачила звіти про нереальний сплеск атак.
Пишуть, що автономні шай-агенти тепер самі знаходять вразливості нульового дня.
Скажімо, у ядрі PHP.
Угу, і це лякає.
Дуже. Тобто захищати IT-інфраструктуру тепер зможе тільки інший шай.
Бо людина ж фізично не встигне за такими швидкостями реагувати.
Власне, так і є. Креативність для злому більше не є чимось обов'язковим.
Шан не бере геніальними здогадками, він бере безжальною швидкістю.
Генерує тисячі варіантів коду і миттєво їх тестує.
Якщо раніше патчі безпеки можна було випускати тижнями, то тепер атака відбувається за мілісекунди.
І тут ми просто впираємося в бетонну стіну фізики.
Бо для запуску таких армій-агентів треба шалене залізо.
Якого фізично не вистачає.
Якщо вірити цифрам з DWARCASH, попит на SH chip і зараз відсотків на 40-50 перевищує пропозицію.
Ого, майже в півтора раза?
Так, і все це зводиться до одного вузького горлечка літографічних машин від ASML.
Це такі величезні установки, які екстремальним ультрафіолетом випалюють мікросхеми.
Кожна коштує десь 200 мільйонів доларів.
І їх же роблять дуже мало, наскільки я пам'ятаю.
Менше сотні на рік.
HiNA 0 1 Hynay
за даними Dow, знизив квоту бронювання для критичної енергетики та оборонки до 95%.
О, це важливий крок для безпеки.
Так. Але повертаючись до нашої глобальної гонки.
Якщо ASML випускає так мало машин і майже всі вони осідають на Заході,
то що робить Китай? Як вони взагалі виживають?
А вони змінили тактику.
Замість того, щоб битися суто в залізо, куди їм доступ перекрили,
вони маніакально оптимізують архітектуру самих моделей.
О, це якраз ідеальний момент для нашого радару моделей.
Що там зараз найцікавішого у них?
Матеріали виділяють кілька проривів.
Перше – це Kimi K3.1 Pro від компанії Moonshot.
Там 2,8 трильйона параметрів.
Нічого собі об'єм.
Так, але активних з них лише 104 мільярди завдяки архітектурі Mixture of Experts, тобто суміші експертів.
І вона вже обходить закриту західну модель Fable 5.1.
Ага, є LinkDT Decision 1.0 від EndGroup. Це вузькоспеціалізована модель на 4 та 27 мільярдів параметрів суто для прийняття рішень.
І вона точніша за нові західні моделі типу Jeff.
І що найкрутіше, щоб усе це працювало локально, вони ж випустили StarLux Prism.
Це такий відкритий рушій саме для модели рішень. Я бачила цифри. Він прискорює запуск на одній відеокарті H200 у понад 5 разів порівняно із західним VLLM.
Саме так. Китай просто витискає максимум продуктивності з того обмеженого обладнання, що має.
Якщо підсумувати все це занурення, вималюється дуже практична думка.
Здатність ШАІ дешево й миттєво перевіряти будь-які ідеї означає, що цінність нас як фахівців кардинально зміщується.
Абсолютно. Тепер головне не просто згенерувати рішення. Машина це зробить набагато швидше. Важливо вміти створювати надійні системи автоматичної перевірки. Ті самі верифікатори.
От-от. І якщо ми згадаємо мій приклад з лабіринтом, якщо ШАІ вже перевершує нас у генерації і здатності пробігти всіма коридорами, чи готові ми до того, що єдиною нашою важливою навичкою залишиться просто вміння обрати правильний лабіринт?
або вміння ставити правильні запитання ще до того, як ми взагалі зробимо перший крок.
Обговорення