Видео демонстрирует SIR-модели распространения эпидемии, показывая, как разные факторы влияют на кривую заражения. Ключевые выводы: изоляция инфекционных случаев крайне эффективна, но даже небольшая утечка (например, бессимптомные носители) может значительно увеличить общее число заражений. Социальное дистанцирование замедляет распространение, но неполное соблюдение (даже 10% нарушителей) поддерживает вспышку. Центральные места (школы, магазины) сводят на нет эффект дистанцирования. Автор подчёркивает важность раннего тестирования, изоляции и лечения, а также выражает оптимизм относительно способности общества учиться на ошибках.
В видео рассматривается альтернативный взгляд на производную как на трансформацию числовой прямой, которая локально растягивает или сжимает пространство входов. Автор показывает, как этот подход помогает понять устойчивость неподвижных точек на примере бесконечной цепной дроби 1 + 1/(1 + 1/(1 + ...)). Стандартный графический метод (паутинная диаграмма) сравнивается с трансформационным, который наглядно демонстрирует, почему золотое сечение φ является устойчивой неподвижной точкой, а -1/φ — неустойчивой. Устойчивость определяется модулем производной: если |f'(x)| < 1, точка притягивает, если > 1 — отталкивает. Видео призывает шире использовать трансформационную интуицию для лучшего понимания многомерного анализа и комплексного анализа.
В видео представлено новое доказательство бесконечного произведения Уоллиса для числа π, связывающего произведение дробей с геометрией окружностей. Доказательство использует комплексные числа и корни из единицы. Вводится понятие "произведения расстояний" для наблюдателя и маяков на окружности, доказываются две леммы. Затем с помощью этих лемм выводится произведение Уоллиса и обобщение на формулу синуса через бесконечное произведение. Также обсуждаются технические детали сходимости и связь с задачей Базеля.
Видео объясняет концепцию свёртки — математической операции, объединяющей две последовательности или функции. На примере бросания двух игральных костей показывается, как свёртка вычисляет распределение суммы вероятностей. Затем демонстрируется применение в обработке изображений (размытие, выделение границ) через ядра. Вводится связь свёртки с умножением полиномов и быстрым преобразованием Фурье (БПФ), позволяющим вычислить свёртку за O(n log n) вместо O(n^2). В конце предлагается домашнее задание: умножение чисел также является свёрткой цифр.
В видео объясняется, почему свёртка двух гауссовых функций снова даёт гауссову функцию. Автор использует геометрический подход, основанный на вращательной симметрии графика e^{-x^2-y^2}, чтобы вычислить свёртку без прямого интегрирования. Показано, что результат свёртки двух нормальных распределений с нулевым средним и стандартным отклонением σ имеет стандартное отклонение σ√2. Это свойство является ключевым в доказательстве центральной предельной теоремы: гауссово распределение оказывается неподвижной точкой процесса свёрток и, следовательно, единственным возможным предельным распределением.
Видео рассказывает о системе **Alpha Geometry**, разработанной **Google DeepMind** в январе 2024 года, которая способна решать геометрические задачи уровня **Международной математической олимпиады (IMO)**. Ключевая идея — комбинация **дедуктивной базы данных (DD)** и **алгебраических рассуждений (AR)** с языковой моделью для генерации вспомогательных построений. Без использования ИИ модель **DD+AR** уже решала 18 из 30 задач, что близко к бронзовой медали. С добавлением ИИ результат вырос до 25 из 30 задач, превзойдя серебряного призёра. Подчёркивается, что такой подход сочетает креативность и логику, что может найти применение в науке, медицине и инженерии.
В видео объясняется, что популярное представление о квантовых вычислениях как о параллельной обработке всех возможных состояний приводит к заблуждениям. На примере задачи поиска секретного ключа среди N вариантов показано, что квантовый компьютер дает лишь квадратичное ускорение (алгоритм Гровера, O(√N)), а не экспоненциальное. Подробно разбирается математическая модель кубита и состояние квантовой системы, включая вектор состояния, правило Борна и квантовые гейты. Геометрически демонстрируется работа алгоритма Гровера, который последовательными отражениями усиливает амплитуду искомого состояния. В конце отмечается, что аналогия с параллелизмом неверна, а ускорение достигается за счет использования диагональных направлений в гильбертовом пространстве.
В тексте обсуждается дискуссия между числами π и τ как фундаментальными константами круга. Автор рассказывает, как Леонард Эйлер использовал символ π для обозначения разных круговых констант в зависимости от контекста, и как его учебник 1748 года способствовал распространению современного значения π (3.14). Приводится пример из главы 8, где Эйлер обозначил полуокружность радиуса 1 как π. Основной вывод: не стоит фокусироваться на том, какая константа «правильнее», а важно решать конкретные математические задачи, как это делал Эйлер, который за жизнь написал более 500 работ.
В видео рассматривается метод Ньютона для нахождения корней полиномов и его связь с фракталами. Показано, как метод применяется в компьютерной графике, например, для отрисовки шрифтов с помощью кривых Безье. Обсуждается, что для полиномов степени 5 и выше не существует общей формулы для корней (неразрешимость квинтики), но численные методы, такие как метод Ньютона, позволяют находить корни с любой точностью. При применении метода Ньютона на комплексной плоскости для полиномов степени 3 и выше возникают фрактальные границы между областями притяжения корней. Эти границы обладают свойством: граница каждого цвета совпадает с границей всех остальных цветов, что объясняет их бесконечную сложность. Видео также анонсирует связь с множеством Мандельброта в следующей части.
В видео объясняется быстрый способ вычисления собственных значений для матриц 2x2 с использованием среднего и произведения собственных значений. Среднее собственных значений равно среднему диагональных элементов (следу матрицы), а произведение — определителю. Формула: λ = M ± √(M² - P), где M — среднее, P — произведение. Приводятся примеры, включая матрицы Паули из квантовой механики, и обсуждается связь с характеристическим полиномом. Автор также упоминает канал Acapella Science и рекомендует видео для студентов.
Видео объясняет проблему круга Мозера — известный математический пример, где количество областей, на которые круг делится хордами, сначала совпадает со степенями двойки (2, 4, 8, 16), но при шести точках даёт 31 вместо 32. Автор подробно разбирает решение: подсчёт числа хорд и точек пересечения, применение формулы Эйлера для планарных графов, связь с треугольником Паскаля и объяснение, почему закономерность нарушается именно на шестой точке. В конце отмечается, что на десятом шаге снова получается степень двойки (256), и это не случайность, а следствие симметрии треугольника Паскаля. Видео подчёркивает важность доказательств в математике и показывает, как кажущееся совпадение находит глубокое объяснение.
Видео объясняет принцип неопределенности Гейзенберга через аналогию с преобразованием Фурье. Показывается, что короткий сигнал имеет широкий спектр частот, а длинный — узкий. Эта же логика применяется к звуковым волнам, доплеровскому радару и квантовым частицам: волновой пакет, локализованный в пространстве, имеет размытый импульс. Утверждается, что неопределенность — это не просто недостаток измерения, а фундаментальное свойство волн. Также обсуждается гипотеза де Бройля о волновых свойствах материи и связь импульса с пространственной частотой.
В видео объясняется, почему площадь поверхности сферы равна 4πR², через две геометрические аналогии. Первый подход связывает сферу с боковой поверхностью цилиндра, показывая, что при проектировании прямоугольников со сферы на цилиндр их площади сохраняются. Второй подход устанавливает прямое соответствие между кольцами на сфере и их тенями на плоскости, что приводит к тому же результату. В конце упоминается обобщение на произвольные выпуклые тела: средняя площадь проекции равна четверти площади поверхности.
Видео посвящено теории групп, симметриям и «монстру» — крупнейшей спорадической группе. Автор объясняет, что группы формализуют симметрии, а конечные простые группы являются аналогом простых чисел. Классификация конечных простых групп включает 18 бесконечных семейств и 26 спорадических групп, крупнейшая из которых — группа-монстр, имеющая размер примерно 8×10^53 и действующая в 196 883 измерениях. Затронуты связи с другими областями математики (монстр-муншайн) и физикой.
В этом видео автор подробно объясняет математические основы обратного распространения ошибки, используя цепное правило из математического анализа. На простом примере сети с одним нейроном в слое показывается, как вычисляются производные функции стоимости по весам и смещениям. Затем концепция обобщается на сети с несколькими нейронами в слое, где появляются дополнительные индексы и суммирование по нескольким путям влияния. Подчеркивается, что понимание этих выражений цепного правила является ключом к пониманию того, как нейронные сети обучаются, и что хотя формулы могут казаться сложными, они по сути остаются теми же.
В видео автор отмечает достижение канала в 1 миллион подписчиков и выражает благодарность сообществу. Он рекомендует несколько математических создателей контента: канал Think Twice с красивыми анимациями, Leios OS с Джеймсом Шлоссом, Welsh Labs со Стивеном Велшем и блог Infinity Plus One с Джеймсом Дилтсом. Описываются особенности каждого канала и их вклад в популяризацию математики.
В видео объясняются понятия дивергенции и ротора векторного поля. Дивергенция показывает, насколько точка поля является источником или стоком, а ротор — насколько поле закручивается вокруг точки. Приводятся примеры из физики: магнитные и электрические поля, уравнения Максвелла, а также применение в динамических системах, например, в модели «хищник-жертва». В конце автор рассуждает о финансировании канала и отказе от спонсорства.
В видео объясняется структура нейронной сети для распознавания рукописных цифр и вводится ключевая идея градиентного спуска, лежащего в основе обучения. Описывается, как сеть с двумя скрытыми слоями по 16 нейронов и ~13 000 весов и смещений учится на размеченных данных, минимизируя функцию стоимости. Показано, что обучение — это поиск локального минимума в многомерном пространстве параметров с помощью градиента. Также обсуждается, что скрытые слои не всегда выявляют ожидаемые простые признаки (края, петли), а могут запоминать данные. Приводятся примеры современных исследований и ресурсы для дальнейшего изучения.
Видео объясняет, как диффузионные модели генерируют изображения и видео, связывая их с физическими процессами, такими как броуновское движение. Подробно разбираются ключевые компоненты: модель CLIP для совместного представления текста и изображений, процесс диффузии с добавлением и удалением шума, алгоритмы DDPM и DDIM для ускорения генерации, а также classifier-free guidance для управления генерацией с помощью текстовых промптов. Приводятся примеры из моделей DALL-E 2, Stable Diffusion и WAN 2.1. В конце автор рассказывает о гостевом видео от Stephen Welsh (канал WelshLabs) и о своём отпуске по уходу за ребёнком.
Бывший глава отдела доверия и безопасности Google **Том Сигал** предупреждает, что искусственный интеллект может представлять для детей даже большую угрозу, чем социальные сети. Он утверждает, что индустрия повторяет ошибки эпохи соцсетей, выпуская функции для детей без должных защитных механизмов. Возможные риски включают суицид, психоз и снижение критического мышления из-за чрезмерной опоры на ИИ. Сигал считает, что саморегулирование компаний неэффективно, и призывает к немедленным действиям: усиленной проверке возраста и возможности отключения ИИ в поисковиках. Он присоединился к **Институту безопасности ИИ для молодежи** при **Common Sense Media**, где планирует разрабатывать независимые стандарты тестирования ИИ на риски для детей, подобно краш-тестам автомобилей.
В докладе рассматривается эволюция бизнес-модели интернета, основанной на трафике, и её разрушение под влиянием AI-помощников, которые предоставляют ответы напрямую, лишая издателей трафика. Это приводит к катастрофическому падению доходов медиа. Автор предлагает новую модель, где AI-компании платят за создание нового знания и уникального контента, а не за клики. Приводятся примеры из музыки (Spotify) и локальных новостей (Park Record), показывающие, что технология может быть силой расширения, а не разрушения. Также отмечается сопротивление Google, который злоупотребляет своим доминирующим положением.
В видео представлен процесс воспроизведения модели GPT-2 с 124 миллионами параметров. Автор начинает с загрузки предобученных весов из библиотеки Hugging Face Transformers, затем реализует архитектуру GPT-2 с нуля, включая механизм многоголового внимания и блоки трансформера. Рассматриваются ключевые детали: изменение расположения слоев нормализации, использование аппроксимации GELU, привязка весов эмбеддингов и выходного слоя, а также инициализация весов в соответствии с исходным кодом OpenAI. В конце обсуждаются методы ускорения обучения, включая использование тензорных ядер и снижение точности вычислений.
В видео разбираются три ложных доказательства: формула площади сферы, равенство π=4 через последовательность ломаных и утверждение, что все треугольники равнобедренные. Каждое доказательство содержит скрытую ошибку: в случае сферы — нелинейное изменение ширины долек, в случае π — предел длин не равен длине предела, в случае треугольников — предположение о расположении точки внутри стороны. Обсуждается важность математической строгости и критического мышления для выявления скрытых допущений.
В видео объясняется, как работает коррекция ошибок на примере кода Хэмминга. Начинается с простой идеи дублирования битов, затем вводится понятие четности и показывается, как с помощью нескольких проверок четности можно не только обнаружить, но и исправить одиночную ошибку. Рассматривается конкретный пример 15-11 кода Хэмминга, а также его расширенная версия, позволяющая обнаруживать двукратные ошибки. В конце приводится практический пример кодирования и декодирования сообщения.
В видео обсуждается парадокс вероятности при непрерывных значениях, таких как неизвестная вероятность выпадения орла у монеты. Вводится понятие плотности вероятности и функции плотности вероятности (PDF), где вероятность события соответствует площади под кривой. Рассматривается, как избежать парадокса, связанного с нулевой вероятностью каждого конкретного значения. Упоминается теория меры как математическая основа для работы с непрерывными вероятностями. В конце ставится задача нахождения PDF для неизвестной вероятности монеты на основе данных.
В этом фрагменте объясняется теорема Байеса через понятие условной вероятности и правила умножения. Показано, как выразить P(A|B) через P(B|A) и почему это полезно. Также разбирается распространённое заблуждение о том, что вероятность совместного наступления событий равна произведению их вероятностей, и объясняется роль независимости событий. Подчёркивается, что многие примеры с монетами и костями формируют неверную интуицию, тогда как самые интересные применения вероятности связаны с зависимыми событиями.
Видео начинается с викторины о сумме двух нормально распределённых случайных величин. Автор объясняет, что сумма также имеет нормальное распределение, но цель — понять, почему это так. Вводится операция свёртки для дискретных (на примере игральных костей) и непрерывных распределений. Показаны два способа визуализации свёртки: диагональные срезы и скользящее умножение с интегралом. Обсуждается центральная предельная теорема и её связь с нормальным распределением. В конце анонсируется доказательство через визуализацию диагональных срезов.
В видео объясняется уравнение теплопроводности как пример дифференциального уравнения в частных производных. Сначала вводится одномерная модель стержня, температура которого меняется со временем и пространством. Выводится уравнение, связывающее скорость изменения температуры во времени со второй производной по пространству. Показана связь с дискретной моделью, где температура точки стремится к среднему соседей. В конце анонсируется связь с рядами Фурье и решение уравнения.
Видео посвящено фазовым переходам и модели "жидкость-пар". В первой части объясняется формула Больцмана и её применение для моделирования фазовых переходов с помощью алгоритма Кавасаки. Показано, как температура и химический потенциал влияют на поведение системы, приводя к различным фазам: газ, жидкость и сверхкритическая жидкость. Также обсуждаются концепции энтропии, свободной энергии, метастабильности и универсальности. Во второй части серии на канале Spectral Collective будет рассмотрена упрощённая модель.
В тексте объясняется, что для борьбы с COVID-19 людей можно разделить на три категории: неинфицированные, инфицированные бессимптомные и инфицированные с симптомами. Проблема в том, что вирус распространяется из-за контактов с бессимптомными носителями. Традиционные методы отслеживания контактов медленны и нарушают приватность. Предлагается использовать приложения для цифрового отслеживания контактов на основе Bluetooth и криптографии, которые оповещают людей о возможном контакте с инфицированным, не раскрывая их местоположение и личность, что позволяет оставаться на шаг впереди вируса и защищать права людей.
Видео объясняет центральную предельную теорему (ЦПТ) и нормальное распределение. На примере доски Гальтона и бросков кубиков показано, как сумма независимых одинаково распределённых случайных величин стремится к нормальному распределению. Рассматриваются понятия математического ожидания, дисперсии и стандартного отклонения, а также формула плотности нормального распределения. Приводятся три условия применимости теоремы: независимость, одинаковое распределение и конечная дисперсия. В конце даётся пример оценки диапазона для суммы 100 бросков кубика.
Видео посвящено анализу скульптуры Сола Левитта «Вариации неполных открытых кубов», которая представляет все возможные способы сделать куб неполным, соблюдая определённые условия. Автор объясняет математические идеи, лежащие в основе произведения, включая подсчёт вращательно уникальных конфигураций с помощью леммы Бёрнсайда. В процессе решения задачи о 218 семействах неполных открытых кубов демонстрируется, как математическое мышление может сочетаться с художественным творчеством. В конце упоминается, что в финальной скульптуре есть ошибка: кубы 104 и 105 дублируются, а один куб отсутствует, но это не умаляет ценности произведения. Также рассказывается о творческом процессе Левитта и его записных книжках.
Вопрос на Math Stack Exchange от пользователя Dwymark, отвеченный Greg Martin, касается распределения простых чисел и рациональных приближений для числа пи. При построении точек с координатами (p, p) в полярных координатах, где p — простое число, возникают спиральные узоры, которые при увеличении масштаба превращаются в лучи, идущие пучками по четыре с пропусками. Анализ показывает, что эти узоры объясняются двумя независимыми фактами: приближением 44/7 ≈ 2π и 355/113 ≈ π, а также теоремой Дирихле о равномерном распределении простых чисел по классам вычетов, взаимно простым с модулем.
В видео объясняется комплексный ряд Фурье как сумма вращающихся векторов с целочисленными частотами. Показано, как, изменяя начальные размеры и углы векторов, можно нарисовать любую форму. Подробно разбирается связь с классическим разложением функций в сумму синусоид и приводится вывод формул для коэффициентов через интегралы. В качестве примера используется ступенчатая функция, моделирующая распределение температуры в стержне.
В видео объясняется правило Крамера для решения систем линейных уравнений. Автор начинает с напоминания о линейных системах и их геометрической интерпретации как преобразования векторов. Затем он показывает, как можно использовать определители и площади/объёмы параллелепипедов для нахождения координат неизвестного входного вектора. Выводится формула Крамера, которая выражает каждую координату как отношение определителей. Приводится пример для системы с двумя неизвестными и обсуждается обобщение на большие размерности. Также отмечается, что метод Крамера не является самым эффективным по сравнению с методом Гаусса, но полезен для понимания теории.
В видео рассматривается задача о столкновениях блоков, где количество столкновений связано с числом π. Предлагается альтернативный подход через конфигурационное пространство, где состояние системы изображается точкой на плоскости. Показывается, что при определённом масштабировании координат задача эквивалентна отражению луча света между двумя зеркалами. Это позволяет элегантно вывести формулу для числа столкновений через угол между зеркалами. В конце цитируется Алан Кей о смене перспективы.
Лекция посвящена критике утилитаризма Джона Стюарта Милля и переходу к либертарианской теории справедливости Роберта Нозика. Обсуждаются проблемы различения высоких и низких удовольствий, а также возможность учета прав личности в утилитаризме. Либертарианство утверждает, что права собственности абсолютны, а перераспределение доходов через налоги — это принуждение и кража. В ходе дискуссии студенты спорят о моральных основах налогообложения и границах государственного вмешательства.
Тайфун **Дуруан** обрушился на Японию, вызвав оползни и наводнения в районе Большого Токио. Погибли семь человек, пятеро пропали без вести. По данным Kyodo News, пять смертей зафиксировано в префектуре Тиба и две — в Канагаве. Около 58 000 домохозяйств в Тибе остались без электричества. На острове Осима выпало 832 мм осадков за 48 часов, что более чем вдвое превышает среднемесячную норму для сентября. Стихия также вынудила закрыть одну из крупнейших выставок видеоигр в Токио.
Лекция посвящена эволюционным механизмам социального поведения животных. Рассматриваются три принципа: индивидуальный отбор, родственный отбор и взаимный альтруизм, а также концепция «зелёной бороды». Обсуждаются стратегии сотрудничества и обмана, теория игр (дилемма заключённого, стратегия «око за око»), примеры из природы (львы, гиены, летучие мыши, голые землекопы). Во второй части лекции анализируются половой диморфизм, репродуктивные стратегии, конкуренция сперматозоидов, инфантицид и контр-адаптации самок (псевдоэструс, эффект Брюс).
Видео поясняет алгоритм Гровера после предыдущего ролика о квантовых вычислениях. Автор разбирает распространённое заблуждение: зрителям показалось, что для ключевого шага алгоритма нужно заранее знать искомое значение. На примерах судоку и хеш-функции SHA-256 объясняется, что квантовый верификатор не содержит ответа, а лишь проверяет входные данные, и что алгоритм Гровера даёт лишь квадратичное ускорение. Также подчёркивается, что визуализация на двумерном срезе не является частью алгоритма, а линейность квантовых операций не означает параллельного перебора всех вариантов. В итоге автор призывает критически относиться к завышенным ожиданиям от квантовых компьютеров.
В видео обсуждается игра Wordle и её связь с теорией информации, в частности с понятием энтропии. Автор объясняет, как написать алгоритм для игры в Wordle, используя энтропию для выбора оптимальных догадок. Он показывает, как улучшить алгоритм, учитывая частотность слов в английском языке. В итоге средний результат бота составляет около 3.6 попыток, а с использованием реального списка ответов — 3.43.
Видео объясняет головоломку о средней площади тени куба при случайных ориентациях. Представлены два подхода: Боб — вычислительный, использующий интегралы и тригонометрию, и Алиса — концептуальный, основанный на линейной алгебре и обобщении на любые выпуклые тела. Ключевой результат: средняя площадь тени куба равна четверти его площади поверхности. Обсуждается важность баланса между интуицией и вычислениями в математическом мышлении.
Видео посвящено ключевым идеям философии Иммануила Канта. Объясняется, почему его тексты сложны для восприятия, но при этом остаются фундаментально важными. Рассматриваются три главных вопроса Канта, его три «Критики» и деление мира на вещи в себе (ноумены) и вещи для нас (феномены). Подробно разбирается работа познания через априорные формы чувственности (пространство и время), рассудок и разум, а также границы разума. В практической философии раскрывается этика долга и категорический императив.
Видео посвящено известной задаче о двух сталкивающихся блоках, которая связывает количество столкновений с числом пи. Автор напоминает, что при отношении масс, равном степени 100, число столкновений даёт цифры пи. Он объясняет, как с помощью законов сохранения энергии и импульса задачу можно свести к геометрической задаче о движении точки по окружности. Показывается, что ключевую роль играет малый угол, тангенс которого приближённо равен самому углу, что и объясняет появление пи. В конце автор отмечает, что строгое доказательство связи с пи остаётся нерешённой проблемой и что эта задача таинственно связана с квантовым алгоритмом Гровера.
Роберт Сапольски, профессор биологии и неврологии, представляет обновленный курс лекций о биологии поведения человека, записанный в 2024 году. Он начинает с пяти научных исследований, демонстрирующих влияние биологических факторов на поведение: культурные различия (рис vs пшеница), выборы капитана детьми, проблема вагонетки и окситоцин, влияние бедности матери на развитие мозга плода, и изменения предпочтений женщин в зависимости от фазы цикла. Основная идея курса — необходимость мультидисциплинарного подхода и сопротивления категориальному мышлению, так как поведение человека определяется сложным взаимодействием множества факторов: от генов и гормонов до культуры и эволюции. Сапольски приводит примеры трех ученых (Уотсон, Эгаш Мониш, Лоренц), чьи однобокие взгляды привели к негативным последствиям, и подчеркивает важность избегания простых объяснений.
Лекция посвящена эволюционным основам поведения. Рассматриваются три столпа: индивидуальный отбор (эгоистичный ген), родственный отбор (правило Гамильтона) и взаимный альтруизм. Обсуждаются примеры от группового отбора до эффекта зелёной бороды и стратегии «око за око» в дилемме заключённого. Упоминаются исторические фигуры и эксперименты.
В видео объясняется связь между сжатием данных и обучением языковых моделей через понятие кросс-энтропии. На примере статьи 2002 года о кластеризации языков с помощью gzip показано, как сжатие может выявлять структуру языков. Кросс-энтропия возникает естественно при измерении эффективности кода, оптимизированного для одного распределения, при применении к другому. В обучении языковых моделей кросс-энтропийная потеря является стандартом, и она минимизируется, когда предсказания модели совпадают с истинными данными. В конце обсуждается дистилляция знаний и KL-дивергенция как альтернативная мера.
В 2025 году на Международной математической олимпиаде (IMO) в Австралии школьники решали сложную задачу о замощении квадратной сетки плитками с одним пропуском в каждой строке и столбце. Задача номер 6 оказалась самой трудной: её полностью решили менее 1% участников, и она стала последней задачей IMO, которую не смог решить искусственный интеллект. В видео подробно разбирается решение этой задачи, включая построение оптимальной конструкции с квадратными плитками размера k×k, где k = 45, и доказательство минимальности числа плиток через теорию перестановок и теорему Эрдёша–Секереша. Автор также рассуждает о значении понимания и мотивации в математике в эпоху развития ИИ.
Видео начинается с вопроса о пределах сжатия текста, отсылая к работам Клода Шеннона по теории информации. Показано, как простые примеры с роботом и инструкциями приводят к идее префиксных кодов и понятию информации. Вводится определение информации как отрицательного логарифма вероятности и энтропии как среднего количества информации на символ. Обсуждается связь сжатия с предсказанием и обучением языковых моделей, а также исторические эксперименты Шеннона по оценке энтропии английского языка.
В видео обсуждается теорема о причёсывании ежа (hairy ball theorem), которая утверждает, что на сфере невозможно задать непрерывное касательное векторное поле без нулевых точек. Приводится интуитивное объяснение через невозможность причесать волосатый шар, а также примеры из программирования 3D-графики и метеорологии. Доказывается теорема методом от противного с использованием понятий ориентации и потока (flux). В конце упоминается обобщение на многомерные сферы и рекламная вставка о виртуальной ярмарке вакансий.
В лекции объясняется формула объёма n-мерного шара, начиная с двумерных и трёхмерных аналогий. Показано, как с помощью рекуррентного соотношения и приёма Архимеда можно переходить к высшим размерностям. Выводится общая формула, включающая факториалы и гамма-функцию для нечётных размерностей. Обсуждаются контринтуитивные свойства высокоразмерных шаров, такие как уменьшение объёма и концентрация объёма у поверхности.
В видео рассматривается литография М.К. Эшера «Галерея эстампов» (1956) и её математическая основа. Показано, как Эшер интуитивно использовал идеи, связанные с комплексным анализом, в частности конформные отображения и комплексный логарифм, чтобы создать самоподобное изображение с эффектом бесконечного зума. Подробно объясняется, как с помощью экспоненты и логарифма можно преобразовать самоподобную мозаику (эффект Дросте) в замкнутый цикл, аналогичный эшеровскому. Также обсуждается связь с эллиптическими функциями и современной теорией чисел.
В видео объясняется, почему комплексные экспоненты важны для решения дифференциальных уравнений. На примере экспоненциальной функции e^(st) показывается, как комплексные значения s приводят к вращению и затуханию. Затем рассматривается гармонический осциллятор, где комплексные экспоненты естественным образом возникают при решении. Это подводит к преобразованию Лапласа, которое превращает дифференциальные уравнения в алгебраические.
В видео объясняется преобразование Лапласа как инструмент для разложения функций на экспоненциальные составляющие. Показано, что преобразование переводит функцию времени в функцию комплексной переменной s, при этом полюсы преобразованной функции соответствуют экспоненциальным членам исходной. Подробно разбирается пример с косинусом, который раскладывается на две экспоненты, и демонстрируется связь с преобразованием Фурье. В конце анонсируется следующая часть, где будет показано решение дифференциального уравнения с помощью преобразования Лапласа.
В видео объясняется, как преобразование Лапласа используется для анализа дифференциальных уравнений и динамических систем. На примере вынужденных колебаний массы на пружине показано, как внешняя сила с частотой, отличной от собственной, приводит к сложному переходному процессу, который в конечном итоге устанавливается в устойчивые колебания с частотой внешней силы. Подробно разбирается применение преобразования Лапласа к дифференциальному уравнению, нахождение полюсов и обратное преобразование для получения точного решения. Обсуждаются три способа объяснения ключевого свойства преобразования Лапласа: превращение производной в умножение на s. В конце анонсируется следующая глава, посвящённая обратному преобразованию Лапласа и контурным интегралам.
В видео рассказывается о том, как древнегреческие математики, в частности Евклид в своих «Началах», использовали построения с помощью циркуля и линейки не просто для создания чертежей, а как часть логического доказательства. Подчеркивается, что греки допускали использование диаграмм для нестрогих (топологических) свойств, но не для точных равенств. Обсуждается, как Евклид систематически выводил все геометрические объекты из пяти постулатов, включая знаменитый пятый постулат о параллельных, который оказался независимым от остальных. Сравнивается древнегреческий подход с современной формальной логикой и компьютерными системами доказательств, такими как Lean. Видео также затрагивает философский контекст: противостояние рационалистов и эмпириков, и как математика стала источником абсолютной истины.
Тайлер, генеральный директор компании Clever, делится опытом продаж на ранних стадиях стартапа. Он рассказывает о важности личных качеств основателя, методах поиска целевой аудитории, холодных звонках и электронных письмах, а также о ловушках, которых следует избегать при заключении сделок. Далее Майкл Сайбл и Далтон Колдуэлл объясняют, как готовиться к питчу перед инвесторами, акцентируя внимание на первых 30 секундах, уникальном инсайте, бизнес-модели и команде. Также обсуждаются стратегии фандрайзинга, важность traction и правильного планирования встреч с инвесторами.
Видео рассказывает о том, как человечество научилось измерять космические расстояния. Начиная с параллакса для определения расстояний до планет и звёзд, через транзиты Венеры и спутники Юпитера, мы приходим к пониманию масштабов Вселенной. Затем объясняется, как с помощью диаграммы Герцшпрунга-Рассела и цефеид измеряются расстояния до галактик, и как закон Хаббла позволяет оценить расстояния до самых далёких объектов. В конце упоминается, что космическая лестница расстояний — обширная тема, и многие детали опущены.
Текст объясняет, как работают большие языковые модели (LLM) и чат-боты на их основе. Модель предсказывает следующее слово, присваивая вероятности всем возможным вариантам. Обучение включает предварительную тренировку на огромных объёмах текста и последующую тонкую настройку с помощью обучения с подкреплением на основе отзывов людей. Ключевую роль играет архитектура Transformer с механизмом внимания и параллельными вычислениями на GPU.
В подкасте Joe Rogan Experience обсуждается проведение турнира UFC в Белом доме, который стал возможен благодаря президенту Трампу. Вице-президент JD Vance делится впечатлениями от мероприятия, рассказывает о боях и о том, как спортсмены используют эпатажные заявления для привлечения внимания. Также поднимаются темы политики, включая критику губернатора Калифорнии Гэвина Ньюсома, вопросы о выборах и вакцинах, а также обсуждение влияния христианства на общество. В конце обсуждается ситуация с Ираном и ядерной программой.
В лекции курса «Справедливость» Майкл Сэндел рассматривает противостояние между либеральным и коммунитаристским подходами к моральным обязательствам. Аристотель и Кант представляют два полюса: первый считает целью закона воспитание добродетели, второй — защиту свободы как автономии. Коммунитаристы (Макинтайр, Сэндел) утверждают, что мы наследуем обязательства из сообществ, к которым принадлежим, и что справедливость неразрывно связана с представлениями о благе. Критики (Ролз, Джулия) настаивают, что обязательства возникают только из добровольного согласия или универсальных принципов. Примеры (семья, патриотизм, дело Билли Балджера, Роберт Ли) иллюстрируют конфликт между верностью группе и универсальной справедливостью.
В видео объясняется, как линейные преобразования работают в трёхмерном пространстве. Показано, что любое такое преобразование можно описать матрицей 3x3, столбцы которой — это новые координаты базисных векторов. Приводится пример поворота на 90° вокруг оси Y. Также рассматривается умножение трёхмерных матриц и его применение в компьютерной графике и робототехнике.
В лекции из курса «Справедливость» Майкл Сэндел разбирает аристотелевский телеологический подход к справедливости, согласно которому распределение благ и почестей должно соответствовать конечной цели (telos) социальных практик. На примере распределения флейт, политических должностей и дела гольфиста Кейси Мартина, который добивался права использовать гольф-кар, показано, как вопрос о цели определяет представления о заслугах. Сэндел также рассматривает оправдание Аристотелем рабства через соответствие природе и поднимает проблему конфликта телеологии с индивидуальной свободой, ссылаясь на критику Ролза и Канта.
Лекция посвящена основам генеративного моделирования. В начале приводится пример с тремя лицами, где два сгенерированы моделью Gemini, а одно реальное, что демонстрирует прогресс в качестве генерации. Затем объясняется ключевая идея генеративных моделей — изучение распределения данных для оценки плотности и генерации новых примеров. Вводятся два фундаментальных подхода: автоэнкодеры и вариационные автоэнкодеры (VAE), которые изучают латентные представления, и генеративно-состязательные сети (GAN), где генератор и дискриминатор соревнуются. Обсуждаются свойства хорошего латентного пространства (непрерывность и полнота), роль регуляризации и нормального априорного распределения, а также трюк репараметризации для обучения VAE. В конце упоминаются применения, включая CycleGAN для перевода изображений и аудио, и анонсируется следующая лекция о диффузионных моделях.
Александр Амини, инструктор курса MIT 6.S191 «Введение в глубокое обучение», открывает недельный буткемп, рассказывая о прогрессе в области ИИ за последнее десятилетие: от генерации лиц до больших языковых моделей, таких как ChatGPT и GPT-4, а также о появлении мультимодальных моделей, работающих на периферийных устройствах. Он объясняет фундаментальные концепции: от одного нейрона до глубоких нейронных сетей, функцию активации, прямой и обратный проходы, градиентный спуск и его варианты. Также обсуждаются практические аспекты обучения: переобучение, регуляризация, dropout и ранняя остановка. В конце он анонсирует следующую лекцию о последовательностных моделях и приглашает на практические занятия и соревнования проектов.
В видео объясняется понятие определителя линейного преобразования. Определитель показывает, во сколько раз изменяется площадь (в двумерном пространстве) или объём (в трёхмерном) при данном преобразовании. Отрицательный определитель указывает на инверсию ориентации пространства. Приводятся примеры вычисления определителя для матриц 2x2 и обсуждается его геометрический смысл. Также упоминается связь определителя с линейной зависимостью столбцов матрицы и анонсируется следующее видео о системах линейных уравнений.
В видео рассматривается задача о вписанном квадрате: любая ли замкнутая непрерывная кривая содержит четыре точки, образующие квадрат? Для более простого случая прямоугольника приводится доказательство, использующее топологические объекты — ленту Мёбиуса и бутылку Клейна. Показано, как отображение пар точек кривой в трёхмерное пространство порождает поверхность, самопересечение которой соответствует вписанному прямоугольнику. Обсуждаются нерешённые аспекты для квадрата и связь с неориентируемыми поверхностями.
В видео представлены математические головоломки, решения которых неожиданно требуют выхода в более высокие размерности. Первая головоломка о замощении шестиугольника ромбами сводится к проекции трёхмерных кубов. Вторая головоломка о покрытии круга полосами решается через проекцию на полусферу. Третья головоломка о трёх окружностях и их внешних касательных доказывается с помощью конусов в трёхмерном пространстве. Также обсуждаются аналоги этих задач в четырёх измерениях, например, вычисление объёма тетраэдра через определитель и замощение ромбододекаэдра, связанное с гиперкубами. В конце автор размышляет о роли интуиции и анализа в математике и о том, как высшие размерности могут помогать в решении задач.
Видео объясняет принцип работы голограмм: от простого точечного объекта до сложных сцен. Показано, что запись голограммы включает интерференцию опорной и объектной волн на высокоразрешающей плёнке, а восстановление — дифракцию опорной волны на записанной зонной пластинке Френеля. Также описаны передающие и отражательные голограммы, история открытия Денниса Габора и формальное математическое обоснование через комплексные числа.
В главе подробно разбирается механизм внимания (attention) в трансформерах, который является ключевым компонентом больших языковых моделей. Описывается, как начальные эмбеддинги токенов, не учитывающие контекст, постепенно уточняются с помощью запросов (queries), ключей (keys) и значений (values). Показано, как вычисляется паттерн внимания через скалярные произведения и softmax, а также как маскирование предотвращает влияние будущих токенов. Рассматривается многоголовое внимание (multi-headed attention) и его параметризация, включая оценку количества параметров в GPT-3. В конце обсуждается важность параллелизуемости архитектуры для масштабирования моделей.
В своей речи перед выпускниками Харви Мадд Грант Сандерсон, известный математический ютубер, размышляет о клише «следуй за мечтой». Он утверждает, что страсть важна, но успех приходит к тем, кто создаёт ценность для других, а не просто следует личным увлечениям. Сандерсон советует искать возможности на стыке навыков и потребностей мира, действовать, не дожидаясь мотивации, и быть гибкими, поскольку и мир, и мы сами меняемся непредсказуемо. Он призывает выпускников быть «у руля» и влиять на будущее, добавляя ценность и оставаясь адаптивными.
В видео обсуждается, как большие языковые модели хранят факты, на примере того, что Майкл Джордан играет в баскетбол. Исследователи из Google DeepMind показали, что факты, вероятно, хранятся в многослойных перцептронах (MLP) — части трансформерной архитектуры. Подробно разбирается, как MLP может запоминать факт с помощью матричных умножений, нелинейности ReLU и механизма суперпозиции, позволяющего хранить больше идей, чем размерность пространства. Также подсчитывается количество параметров в GPT-3, большая часть которых приходится на MLP-блоки.
Видео объясняет, как работают трансформеры, начиная с расшифровки аббревиатуры GPT (Generative Pre-trained Transformer). Основное внимание уделяется тому, как модель предсказывает следующее слово, используя эмбеддинги, внимание и многопересптронные блоки. Приводится сравнение GPT-2 и GPT-3, где большая модель генерирует более осмысленные тексты. Также описываются ключевые концепции: токенизация, векторные представления слов, softmax и температурная выборка. В конце анонсируется следующая глава, посвящённая механизму внимания.
Видео объясняет, почему призмы работают, начиная со стандартного объяснения преломления и закона Снеллиуса. Затем детально разбирается механизм замедления света в среде через взаимодействие с электронами, моделируемыми как гармонические осцилляторы. Показывается, что зависимость показателя преломления от частоты (цвета) возникает из-за резонансного отклика этих осцилляторов. Упоминаются лекции Фейнмана и другие источники.
В этом видео рассматриваются вопросы, связанные с показателем преломления. Объясняется, почему свет замедляется и преломляется при переходе в среду, с использованием волновой картины и аналогии с эффектом роллинг-шаттера. Показано, как из геометрических соображений выводится закон Снеллиуса. Обсуждается явление двойного лучепреломления (брифринженции) в кристаллах, таких как кальцит, и оптическая активность сахара (эффект вращения плоскости поляризации). Наконец, объясняется, почему показатель преломления может быть меньше единицы (например, для рентгеновских лучей в стекле) и почему это не нарушает принцип причинности, так как фазовая скорость не переносит информацию.
В видео показан эксперимент, где белый свет пропускается через линейный поляризатор, затем через раствор сахара в воде и второй поляризатор. При включении света в трубке видны диагональные цветные полосы, а на выходе цвет меняется при вращении фильтров. Автор объясняет, что раствор сахара вращает плоскость поляризации, причём скорость вращения зависит от частоты (цвета) света. Это приводит к разделению цветов и появлению радужных спиралей. Для полного понимания требуются интуиции о поляризации, рассеянии и показателе преломления.
В видео объясняется, почему линейно поляризованный свет, проходя через раствор сахара, приобретает винтовую поляризацию и создаёт диагональные цветные полосы. Автор начинает с фундаментальных представлений: закон Кулона, запаздывающее взаимодействие зарядов, радиационное электрическое поле и формирование света как электромагнитной волны. Затем вводится понятие поляризации (линейная и круговая) и показывается, что линейно поляризованный свет можно представить как суперпозицию лево- и право-циркулярно поляризованных волн. Из-за хиральности молекул сахарозы эти две компоненты замедляются по-разному, что приводит к повороту плоскости поляризации. Разная скорость поворота для разных длин волн объясняет цветные диагональные полосы, видимые сбоку трубки.
В видео обсуждается геометрическая интерпретация неквадратных матриц, которые преобразуют векторы между пространствами разных размерностей. Показано, что матрица 3x2 переводит двумерные векторы в трёхмерные, а матрица 2x3 — наоборот. Также рассматривается преобразование из двумерного пространства в одномерное с помощью матрицы 1x2, связанное со скалярным произведением. Подчёркивается, что такие преобразования сохраняют линейность: параллельность и равноудалённость линий координатной сетки, а начало координат остаётся на месте.
Лекция Майкла Сэндела по курсу «Справедливость» в Гарварде начинается с классической моральной дилеммы о вагонетке, где студенты обсуждают, допустимо ли пожертвовать одной жизнью ради спасения пяти. Затем рассматривается реальный случай XIX века — дело «Королева против Дадли и Стивенса», в котором потерпевшие кораблекрушение моряки убили и съели юнгу, чтобы выжить. Студенты высказывают различные мнения, колеблясь между консеквенциалистским подходом (утилитаризм Иеремии Бентама) и категорическим императивом Иммануила Канта. В конце лекции Сэндел подводит к вопросам о роли согласия, справедливости и моральных принципов, приглашая к дальнейшему изучению философских текстов.
Лекция посвящена компьютерному зрению и сверточным нейронным сетям (CNN). Рассматривается, как компьютеры представляют изображения в виде матриц чисел, и почему свертки эффективнее полносвязных слоев для работы с пространственными данными. Подробно объясняются операции свертки, нелинейности и пулинга, а также их роль в извлечении иерархии признаков. Приводятся примеры применения CNN: классификация изображений, детекция объектов, семантическая сегментация и автономное управление. В конце обсуждаются расширения CNN на другие модальности и задачи.
В лекции обсуждаются глубокое обучение, его достижения и ограничения. Рассматриваются теорема универсальной аппроксимации, проблемы обобщения и переобучения, вопросы смещения данных и состязательных атак. Представлены новые направления: диффузионные модели для генерации изображений и большие языковые модели, их архитектура, обучение и эмерджентные способности. Также объявлены гости лекций и организационные детали курса.
В лекции рассматривается утилитаризм Иеремии Бентама и его применение в реальных кейсах, включая анализ выгод и затрат компании **Philip Morris** в Чехии и скандал с **Ford Pinto**. Обсуждаются ключевые возражения против утилитаризма: игнорирование прав меньшинства, проблематичность денежной оценки человеческой жизни и невозможность сведения всех ценностей к единой мере. Вводится фигура **John Stuart Mill**, предложившего различать высокие и низкие удовольствия, чтобы сделать утилитаризм более гуманным.
В лекции **Майкла Сандела** по курсу **«Справедливость»** в **Гарварде** обсуждаются взгляды **Джона Локка** на естественное состояние, естественные права и частную собственность. **Локк** утверждает, что люди обладают неотчуждаемыми правами на жизнь, свободу и собственность, которые предшествуют правительству. Собственность возникает, когда человек прилагает свой труд к общим ресурсам. Однако **Локк** также считает, что, вступая в общество, люди соглашаются подчиняться большинству, что порождает противоречие между неотчуждаемыми правами и властью большинства. Лектор и студенты обсуждают, как эти идеи **Локка** соотносятся с либертарианством и современными проблемами, такими как налогообложение и интеллектуальная собственность.
В лекции рассматривается обучение с подкреплением (RL) как третий парадигма машинного обучения, наряду с обучением с учителем и без учителя. Основное внимание уделяется глубокому обучению с подкреплением (deep RL), где для аппроксимации функций используется глубокие нейронные сети. Вводится понятие Q-функции, которая оценивает ожидаемую суммарную награду при выполнении действия в данном состоянии, и объясняется, как обучить глубокую Q-сеть (DQN). Обсуждаются ограничения DQN, такие как работа только с дискретными действиями, и вводится класс алгоритмов policy gradient, которые напрямую учат политику и поддерживают непрерывные действия. Приводится пример обучения автопилота в симуляторе и обсуждается применение RL в больших языковых моделях для выравнивания с человеческими предпочтениями. В конце упоминаются прорывные результаты DeepMind в играх Atari и Go.
Лекция из курса «Справедливость» Майкла Сэндела в Гарварде посвящена философии Иммануила Канта. Обсуждается, как совместить долг и автономию, что такое категорический императив и как он работает на примере лжи. Рассматривается знаменитый спор Канта с Бенжаменом Констаном о том, можно ли лгать убийце, чтобы спасти друга. Также поднимается тема общественного договора и гипотетического договора Джона Роулза с «занавесом неведения». В конце обсуждаются моральные аспекты контрактов и обязательств.
Доклад Дуга Бланка, руководителя исследований в Comet ML, посвящён эволюции ИИ и современным вызовам. Он начинает с трёх законов робототехники Айзека Азимова (1942) и предлагает их обновлённую версию для ИИ. Рассматривается история ИИ: от символьного подхода к экспертным системам, машинному обучению и глубокому обучению. Практическая часть включает демонстрацию jailbreak-атак на LLM с использованием платформы Opik, оценку моделей и создание агентной системы. Обсуждаются риски, связанные с LLM, и предлагаются этические принципы, такие как прозрачность, тестирование и безопасность.
В лекции рассматриваются философские вопросы, связанные с согласием, призывом в армию и рыночными отношениями в репродуктивной сфере. Обсуждаются аргументы за и против обязательного призыва, добровольческой армии и наёмничества, а также моральные аспекты суррогатного материнства и донорства. Приводятся примеры из истории США и судебных дел. Поднимаются проблемы принуждения, недостатка информации и дегуманизации.
В лекции Крис Бишоп, технический сотрудник Microsoft и основатель Microsoft Research AI for Science, рассказывает о применении глубокого обучения для ускорения научных открытий. Он объясняет концепцию эмуляторов — нейронных сетей, обученных на данных симуляций, которые заменяют медленные численные решения уравнений, такие как уравнение Шрёдингера в квантовой химии. Приводятся примеры: прогнозирование погоды с помощью эмуляторов атмосферы, генерация кристаллов с помощью диффузионной модели MatGen, и обучение универсального обменно-корреляционного функционала для теории функционала плотности (проект Scala). Обсуждаются ограничения, связанные с теоремой «no free lunch», и перспективы применения эмуляторов для моделирования динамики белков и лекарственных взаимодействий.
Лекция представляет собой введение в философию Иммануила Канта, сосредоточенное на его этических взглядах. Майкл Сэндел объясняет ключевые концепции: автономию, гипотетический и категорический императивы, а также формулу человечности. Обсуждается, почему Кант отвергает утилитаризм и настаивает на том, что людей нельзя использовать только как средство, но всегда как цель саму по себе. Приводятся примеры (владелец магазина, ложное обещание) для иллюстрации кантовского подхода к морали.
В лекции Маттиаса Лехнера, соучредителя и CTO Liquid AI, рассказывается о масштабировании обучения нейронных сетей на тысячи GPU. Объясняется, зачем масштабировать модели и данные, какие методы используются для распределения вычислений (data parallelism, tensor parallelism, pipeline parallelism, sequence/context parallelism, expert parallelism), как управлять памятью (activation checkpointing, offloading, mixed precision, sharding) и какие фреймворки (DeepSpeed, FSDP, Megatron-LM) применяются на практике. Приводятся примеры из индустрии (AlexNet, Llama 2, GPT-3, LFM-2). В конце обсуждаются вопросы децентрализованного обучения и будущего небольших моделей.
В лекции рассматривается теория справедливости Джона Ролза, изложенная в курсе Майкла Сэндела. Обсуждается, как принципы справедливости могут быть выведены из гипотетического общественного договора за «занавесом неведения», отвергая утилитаризм. Ролз предлагает два принципа: равные базовые свободы и принцип справедливого неравенства, допускающий неравенство, если оно приносит пользу наименее обеспеченным. На примерах Майкла Джордана, Билла Гейтса, Дэвида Леттермана и судьи Джуди анализируется, насколько справедливо вознаграждение по заслугам, и приводятся возражения либертарианцев (Милтон Фридман) и меритократов. В итоге ставится вопрос о моральной обоснованности распределения доходов, основанного на случайных природных талантах и общественных условиях.
Лекция 2 курса 6S191 посвящена моделированию последовательностей. Лектор Ава объясняет, что такое последовательные данные, и вводит рекуррентные нейронные сети (RNN), которые обрабатывают данные шаг за шагом, поддерживая внутреннее состояние. Рассматриваются задачи классификации, генерации и перевода, а также ключевые критерии проектирования: числовое представление, обработка переменной длины, учет зависимостей и порядка. Обсуждаются проблемы обучения RNN, такие как затухающие и взрывные градиенты, и решение в виде LSTM. В конце вводится механизм внимания (attention) как основа трансформеров, который позволяет моделировать зависимости без рекуррентности.
В лекции курса «Справедливость» Майкл Сэндел обсуждает позитивную дискриминацию на примере дела Шерил Хопвуд, которая не поступила в юридическую школу Техасского университета из-за расовых предпочтений. Студенты приводят аргументы за и против: компенсация неравенства в образовании, исправление исторической несправедливости и необходимость этнического разнообразия. Сэндел анализирует эти доводы через призму теорий Ролза, который отвергает заслуги как основу справедливого распределения, и Аристотеля, связывающего справедливость с целью и соответствующими качествами. В конце он переходит к телеологическому подходу Аристотеля, иллюстрируя его примером с флейтами.
В видео объясняются основы векторов в линейной алгебре с трёх точек зрения: физики, информатики и математики. Физически вектор — это стрелка с длиной и направлением; в информатике — упорядоченный список чисел; математика обобщает эти подходы, определяя вектор через операции сложения и умножения на скаляр. Подробно рассматриваются координаты векторов на плоскости и в пространстве, а также операции сложения векторов (правило «конец к началу») и умножения на число (масштабирование). Подчёркивается, что эти две операции являются фундаментальными для всей линейной алгебры, и что геометрическая интерпретация помогает лучше понять численные операции.
Видео посвящено линейным преобразованиям и их связи с матрицами. Автор объясняет, что линейное преобразование — это функция, которая перемещает векторы, сохраняя прямые линии прямыми, а начало координат неподвижным. Показывается, что любое двумерное линейное преобразование можно описать матрицей 2x2, столбцы которой — координаты преобразованных базисных векторов. Умножение матрицы на вектор — это просто линейная комбинация столбцов матрицы. Приводятся примеры: поворот на 90°, сдвиг, а также случай, когда преобразование сжимает плоскость в прямую. В конце автор подчёркивает, что понимание матриц как преобразований пространства сильно упрощает изучение линейной алгебры.
В видео объясняется геометрический подход к линейной алгебре, в частности, понятие обратной матрицы. Автор показывает, как система линейных уравнений может быть представлена как умножение матрицы на вектор, и как обратное преобразование позволяет найти решение. Обсуждаются случаи, когда определитель равен нулю, и вводится понятие ранга, пространства столбцов и нульпространства. Также рассматривается, как эти концепции помогают понять существование и множество решений системы уравнений.
В видео объясняется векторное произведение через концепцию двойственности. Показано, как линейное преобразование из трёхмерного пространства в одномерное можно представить с помощью дуального вектора, скалярное произведение с которым даёт тот же результат, что и определитель матрицы. Геометрически этот дуальный вектор оказывается векторным произведением: он перпендикулярен исходным векторам, его длина равна площади параллелограмма, а направление задаётся правилом правой руки. Таким образом, вычисления и геометрия векторного произведения связаны через двойственность.
В видео объясняются основы линейной алгебры: понятие вектора, координат, базисных векторов и линейной комбинации. Рассматривается, как с помощью двух базисных векторов можно описать любое двумерное пространство, и вводится понятие линейной оболочки. Обсуждаются случаи линейной зависимости и независимости векторов, а также обобщение на трёхмерное пространство. В конце даётся задание на осмысление определения базиса.
В видео автор представляет систему обучения с помощью ИИ, называемую «университет в коробке». Он выделяет пять ролей ИИ: **советник** (составляет персонализированный учебный план), **библиотекарь** (фильтрует источники, используя Notebook LM), **репетитор** (диагностирует пробелы в знаниях через диалог), **редактор** (даёт обратную связь по вашей работе) и **сосед по комнате** (приносит свежие перспективы из других областей). Автор подчёркивает, что ИИ может демократизировать образование, сделав его доступным и персонализированным. Приводится пример с Zapier для автоматизации учебных планов.
В видео объясняется, что линейные преобразования можно представлять с помощью матриц, где столбцы матрицы — это координаты базисных векторов после преобразования. Композиция двух линейных преобразований соответствует умножению их матриц, причём порядок умножения матриц обратен порядку применения преобразований. На примерах поворота и сдвига показано, что умножение матриц некоммутативно, но ассоциативно. Такой геометрический подход помогает понять суть умножения матриц и избежать зубрёжки формул. В конце рекомендуется самостоятельно тренироваться, придумывая преобразования и вычисляя произведения матриц.