Hacker News Digest

Дэвид Харви из Университета Нового Южного Уэльса разбирает недавно предложенный алгоритм умножения целых чисел, который, как утверждается, работает за «o(n log n)» битовых операций — с маленькой «o», а не большой. Это принципиально: прежняя лучшая оценка O(n log n) считалась оптимальной, а новая заявка обещает O(n (log n)^(1−ε)) для некоторой малой положительной константы ε. Харви не проверял большинство деталей, но считает такую границу правдоподобной.

Статья написана без помощи ИИ, за исключением вёрстки, вычитки и, что важнее всего, обширных обсуждений с системой Claude Fable 5.1, которые помогли автору понять новые алгоритмы. Харви подчёркивает: некая американская технологическая компания выложила на GitHub «математический дамп» с множеством примечательных результатов, и один из них — как раз умножение ниже n log n. По его мнению, сотрудники компании в большинстве своём не понимают содержания выпущенных работ и не знают, как устроена сама модель.

Главная мысль Харви шире одной задачи: появилась автоматизированная система, способная вести математические исследования — по крайней мере в части «решения трудных задач» — гораздо лучше человека. Он уверен, что это не единичный случай: вскоре подобные модели станут дешёвыми и общедоступными, математических результатов будет всё больше, и сообществу придётся с этим считаться. Он сомневается, что людей ещё долго будут воспринимать всерьёз как авторов математических статей.

Результат $o(n \log n)$ считается правдоподобным, но полное формальное доказательство для широкой аудитории отсутствует. В Lean уже есть формализованное улучшение (проект @platypii и @jdb1729), которое предлагается доработать. Практический эффект пока невелик: даже при улучшении асимптотики реальное ускорение для типичных чисел будет ограниченным. Для понимания сути важно различать $O(n \log n)$ (верхняя граница с константой) и $o(n \log n)$ (строго более медленный рост). Дискутируется целесообразность использования LLM для разбора сложных доказательств. Сторонники считают их полезным инструментом, противники предупреждают о риске ошибок и галлюцинаций. Чтобы минимизировать риски, рекомендуют задавать вопросы постепенно, повышая сложность, и проверять ответы через формальные системы вроде Lean.

Сингапурский государственный сервис FirstDate запустил пилотный проект для госслужащих, используя алгоритм Гейла-Шепли — математическую модель, изначально предназначенную для стабильного сопоставления пар, а не для романтических свиданий. Участники проходят через 30+ вопросов о хобби, привычках, путешествиях и стиле общения, а идентификация происходит через Singpass. Совпадения происходят по одному за цикл, и контакты обмениваются только при взаимном согласии. Хотя система выглядит технологично, она не учитывает спонтанность и эмоциональную совместимость — ключевые элементы настоящих отношений.

Вместо цифрового подбора пар автор статьи предлагает восстанавливать физические «третьи пространства»: фестивали, книжные клубы, конвенты, где люди встречаются через общие интересы, а не анкеты. Такие инициативы, как For Real Fest 2025 с браслетами для знакомств, уже показали положительный отклик, несмотря на их скрытую демографическую цель. Государство тратит ресурсы на алгоритмы, когда нужно создавать условия для естественного общения — где люди не «проходят тест», а живут, творят и встречаются. Лучший способ бороться с одиночеством — не алгоритм, а доступ к местам, где хочется быть.

Государственный сервис может избежать коммерческих искажений, но эффективность алгоритмического сопоставления сомнительна из-за сложности человеческих предпочтений и отсутствия доверия к государству. В отличие от коммерческих приложений, которые стимулируют постоянный свайпинг, государственный сервис не преследует прибыль и может сосредоточиться на устойчивых парах. Однако алгоритм Гейла-Шепли спорен: одни считают его бесполезным, поскольку люди не могут точно определить предпочтения, а химия не поддаётся опросникам; другие утверждают, что даже приблизительное сопоставление лучше случайного. Критики предупреждают, что сопоставление по «метрикам» может вызвать социальную напряжённость через поколения, тогда как сторонники видят в этом ответ на падающую рождаемость. Опросники часто слишком упрощены и бинарны, игнорируя нюансы вроде гибкости в путешествиях или режима сна, что снижает их ценность. Доверие — ключевой фактор: без него даже идеальное сопоставление не приведёт к долгосрочным отношениям, а данные могут быть использованы в других целях. Предлагается создавать офлайн-пространства для знакомств вместо новых онлайн-платформ, поскольку проблема возникла из-за чрезмерной цифровизации. Алгоритм Гейла-Шепли даёт преимущество одной стороне, но в контексте знакомств неизвестно, кто является «предлагающей» стороной, и нет исследований о справедливом распределении выгод. Сингапур — исключение благодаря высокой социальной дисциплине и низкой коррупции, что делает такой сервис более жизнеспособным, чем в странах с низким доверием к государству. Предлагается реализовывать государственные программы через независимые частные фонды с публичным финансированием, чтобы избежать монополии и повысить конкуренцию. Экономические барьеры — главная причина низкой рождаемости: если родители работают по 12 часов в день, чтобы оплачивать жильё и еду, никакой алгоритм не поможет завести детей. Успешные знакомства, как в программах Эразмус или Americorps, происходят в контексте общих целей и совместной деятельности, а не через алгоритмы. В Сингапуре гей- и лесбиянки уже получают государственную поддержку для свиданий, что делает проект избыточным для широкой аудитории, хотя это касается лишь узкой группы. Сведение личности к списку вопросов — псевдонаучный подход, подобный MBTI, игнорирующий визуальные, ароматические и невербальные аспекты, критически важные для химии. Система требует добровольного участия и не навязывает брак, что отличает её от тоталитарных моделей, но вызывает вопросы о масштабируемости и долгосрочной устойчивости. Если государство хочет повысить рождаемость, лучше платить женщинам за рождение и воспитание детей, чем пытаться подбирать пары — это изменит рыночные стимулы напрямую.

Тетрис-эффект показывает, как длительное внимание к чему-либо формирует восприятие: после недель игры люди начинают видеть тетримино в облаках и предметах. Это иллюстрирует общий принцип — наше внимание формирует мысли, а значит, кто контролирует фокус, тот влияет на сознание. Сегодня это делают алгоритмы: YouTube подсовывает тревожные темы рядом с кулинарными видео, Spotify вставляет низкокачественный AI-контент вместо песен, LinkedIn скрывает полезные новости под чужими мнениями, а Reddit заполняют боты и тролли. Если большую часть дня мы проводим перед экраном, позволяя платформам решать, что мы видим, мы фактически передаём им ключ к нашему мозгу.

Раньше интернет требовал намеренности: люди заходили на конкретные сайты по закладкам — новости игр, туториалы, нишевые блоги — и неприятный контент приходилось искать специально. Сейчас этот осознанный веб всё ещё существует, но засыпан алгоритмическим шумом. Вернуться к нему значит привыкнуть к более медленному, ограниченному потоку информации: читать блоги, RSS, завершать туториалы вместо бесконечного скроллинга shorts. Это — привычка, которая требует усилий, но при достаточном внимании способна перестроить восприятие и вернуть контроль над собственным сознанием.

Обсуждение дополняет статью, показывая, что потеря контроля над вниманием — результат системного отказа от осознанного взаимодействия с технологиями. Для восстановления фокуса пользователи применяют разные стратегии: — Технические средства: блокировщики uBlock/AdGuard (@daniel31x13), расширение LinkOff для LinkedIn (@apparent), Revanced для YouTube, самохостинг (@Krei-se) или использование веб-версий платформ. — Изменение привычек: отказ от соцсетей в пользу книг (@rvshchwl, @alansaber), сосредоточенность на одной задаче вместо многозадачности (@westoque), использование закладок вместо лент (@tripleee). — Радикальный опыт: изоляция без связи помогает осознать навязанность негативных мыслей (@minasrc). Участники отмечают, что чтение длинных текстов тренирует мышление и концентрацию: @jan_m_savage с ADHD заметил четырехкратный рост скорости чтения после изучения романов Троллопа. Критика платформ: — Механизмы захвата внимания: @throw10920 сравнивает интерфейсы с «Gruen Transfer» в супермаркетах, переводящими пользователя от цели к пассивному потреблению. — Деградация сервисов: @davnicwil жалуется на замену музыки в Spotify на «AI slop», а @apparent — на приоритет мнений в LinkedIn над профессиональными новостями. — Влияние рекламы: @Night_Thastus считает её инвазивной силой, искажающей восприятие мира. Дискуссионные моменты: — @Cider9986 полагает, что проблема не только в алгоритмах, но и в общей потере способности к концентрации. — @blfr утверждает, что проблема преувеличена и решается простым использованием блокировщиков. — @afinlayson считает, что защита внимания требует коллективных действий, а ИИ должен стать массовым инструментом пользователя, а не только энтузиастов.

Современный интернет превратился из хаотичного публичного пространства в высокооптимизированную машину для эксплуатации человеческой уязвимости. То, что когда-то было периферийным злоупотреблением — мошенничество, спам, манипуляции — стало его организующим принципом: алгоритмы теперь не просто реагируют на слабости, а активно их ищут, профилируют, усиливают и привязывают к платёжным ссылкам. Любая неуверенность — будь то страх, одиночество, жажда принадлежности или надежда на спасение — становится коммерческой нишей, где вместо ответа предлагают курс, криптовалюту, добавку или реферальную ссылку. Потребитель, продавец и продукт слились в одного измотанного человека, который целыми днями продвигает то, что сам не понимает, не получая за это ничего, кроме иллюзии участия в чужой пирамиде.

Эта система работает потому, что зависимость — её бизнес-модель: лента подаёт чередующиеся дозы гнева, страха, зависти, похоти и надежды, каждая из которых сопровождается предложением купить что-то. Люди doomscrollют, пока не купят ставку, монету, добавку или курс, а затем репостят предложение — потребление становится распространением, а жертва — продавцом. Большинство участников не зарабатывают: математика не сходится, но это и есть суть схемы — aspiring инфлюенсер с сорока семью подписчиками — не предприниматель, а бесплатная рабочая сила для платформы и дешёвый канал для того, кто продаёт ему мечту. Жизнь в такой среде заставляет внутренне принять её ценности: мысли измеряются охватом, опыт — делимостью, люди — полезностью для идентичности. Человек становится читаемым для машины, сделав себя непонятным себе самому. В отличие от реального мира, где разговор заканчивается, книга заканчивается, а друг устаёт и говорит «замолчи», здесь нет трения — только бесконечный цикл вовлечения, конверсии и роста, в котором человеческая жизнь не имеет intrinsic ценности, а существует только пока приносит прибыль алгоритму, чьи цели никто не выбирал и никто не может проверить.

Интернет как технология не изменился, но его эксплуатация стала системной: монетизация внимания превратила человеческие слабости в масштабную бизнес-модель. Алгоритмы не изобрели страхи и тревоги, а индустриализировали их извлечение через системы рекомендаций, экспериментирующие с уязвимостями пользователей ради удержания внимания и конверсии. Интернет-зависимость усугубляется тем, что люди работают за компьютерами с доступом в сеть — как алкоголик за барной стойкой. Платформы, ориентированные на прибыль, логично пришли к гипер-аддиктивному контенту для максимизации рекламных доходов, что делает любую новую «народную» платформу уязвимой к той же эволюции. Социальные сети создали среду без социальных последствий: токсичное поведение не ведёт к изгнанию, а лишь к созданию новых аккаунтов, усиливая циклы манипуляции. Монетизация социальных взаимодействий разрушает их суть — общение превращается в конкуренцию, манипуляцию и тревожную tribalism. Современный интернет отражает более широкий кризис общества: упадок доверия, рост мошенничества, разрушение реальных услуг — всё это усиливается, но не создаётся интернетом. Большинство онлайн-мошенничеств — перенос офлайн-схем в цифровую среду, где число потенциальных жертв выросло в миллионы раз, а методы стали изощрённее. Пользователи платят не только деньгами, но и персональной информацией, используемой для профилирования, фингерпринтинга и таргетированной эксплуатации через рекламные системы. Фингерпринтинг и уникальные идентификаторы работают даже через VPN, создавая постоянный невидимый профиль. Технологии повторяют исторические паттерны: каждое новое средство коммуникации сначала кажется безобидным, затем становится инструментом масштабного обмана, после чего разрушается. Люди, выросшие в эпоху кликбейта и грифтов, уже не различают манипуляцию и искренность — это проблема поколений, а не интернета как такового. ИИ усиливает проблему, генерируя контент, имитирующий эмоциональные триггеры и делающий манипуляцию менее различимой. Криптовалюты и ИИ стали новыми апофеозами экономики грифтов — они не создают ценность, а продают иллюзию выгоды, используя те же психологические механизмы, что и реклама. Альтернативой остаются небольшие пространства вроде Lemmy и old.reddit.com, где сохраняется «старый интернет» — без корпоративного давления и алгоритмической манипуляции. Как советовал Вольтер, нужно возделывать свой сад — отказываться от крупных платформ ради малых некоммерциализированных пространств.

Google Search перестал быть инструментом поиска — стал рекламной площадкой, где первые результаты часто не отвечают на запрос, а вместо этого предлагают «популярные» товары, агрессивные SEO‑тексты и платные ссылки. По данным аналитики, более 70 % пользователей кликают на первый результат лишь из‑за яркого оформления, а не релевантности, что приводит к росту «псевдо‑информационных» страниц и падению доверия к поиску.

Эксперты предупреждают, что следующая стадия — персонализированный «информационный пузырь», где алгоритмы подбирают контент под ваши предпочтения, усиливая фрагментацию общественного мнения. Цитата из статьи: «Мы больше не ищем правду, мы ищем подтверждение наших убеждений». Это ставит под угрозу не только поисковые привычки, но и саму способность общества принимать осознанные решения.

Пользователи отмечают ухудшение качества поиска в Google и предлагают альтернативы: DuckDuckGo, Brave, а также создание личных архивов и использование других источников. Спорят, является ли причиной AI или стратегия Google по монетизации и поиску. Отмечают, что проблема — не только в Google, но и в фрагментации и недоступности информации в интернете. Некоторые считают личные архивы решением, другие — неэффективным.

Проект создал математическую модель цветового пространства для реалистичного отображения тонов кожи человека, преодолевая ограниченность стандартных палитр — от пяти оттенков в эмодзи до всех 16 миллионов RGB-цветов. Автор построил сферу в трёхмерном пространстве (t, u, v), где каждая точка соответствует реалистичному оттенку кожи, а затем перевёл её в RGB через преобразования, основанные на анализе реальных данных. Ключевая идея — не перечислить все оттенки, а задать простые уравнения, генерирующие их равномерно и инклюзивно. Алгоритмы выбора точек внутри сферы (с радиусом до 2) используют как детерминированный метод, так и отбор с отбраковкой, обеспечивая равномерное покрытие диапазона. Преобразования в RGB включают нелинейные зависимости — например, компонента y зависит от квадрата t, что отражает физиологическую связь между тонами. Результат — не абсолютная истина, а «достаточно хорошая» основа для разработчиков: инструменты для персонажей, цифрового искусства или софта, где важна точная репрезентативность. Модель легко адаптируется под другие цветовые пространства и может быть оптимизирована под конкретные задачи.

Тред обсуждает сложности моделирования тонов кожи, учитывая влияние освещения и восприятия. Существующие системы — Pantone Skin Tones и Monk Skin Tone Scale — полезны, но не идеальны, особенно для крайних тонов. Некоторые участники считают предложенную в статье систему недостаточно инклюзивной и предлагают альтернативы. Для реалистичного представления важно учитывать не только цвет, но и подсвечивание, инфракрасное излучение, а также применять градиентные карты и индивидуальную настройку частей тела. Использование цветовых пространств, например Oklab, и градиентных карт способствует более точному и инклюзивному отображению кожи.

Пользователи Meta сталкиваются с системой модерации, которая часто ошибочно блокирует контент, а единственный эффективный способ обжалования — личные связи внутри компании. Это подрывает доверие к платформе и создаёт неравенство, где обычные пользователи лишены справедливого доступа к поддержке.

EFF отмечает, что автоматизированные системы и недостаточная прозрачность процессов апелляции приводят к длительным блокировкам без объяснений. Такая практика ставит под вопрос ответственность tech-гигантов за свободу выражения и доступ к информации.

• Пользователи сталкиваются с произвольными блокировками аккаунтов на крупных платформах (Google, Meta, Reddit, YouTube, Anthropic) без внятного объяснения причин и с отсутствием эффективных каналов апелляции.
• Автоматические системы модерации и поддержки часто не справляются, обратная связь от реальных людей недоступна, а единственным способом решить проблему становится публичный скандал в соцсетях.
• Потеря аккаунта ведет к безвозвратной утрате личных данных, контента, контактов и цифровой идентичности, что особенно болезненно для коммерческих организаций и личных воспоминаний.
• Централизованные платформы воспринимаются как ненадежные, что подчеркивает важность владения собственным сайтом и доменом для контроля над своим онлайн-присутствием.
• Отмечается враждебная политика компаний в отношении пользователей, которые рассматриваются как продукт, а не как клиенты (noreply-почта, отсутствие поддержки, скрытые алгоритмы).
• Проблема носит системный характер и затрагивает не только политически чувствительный контент, но и обычных пользователей, предпринимателей и рекламодателей.
• Существуют опасения по поводу будущего, где от решений алгоритмов будет зависеть доступ к критически важным сервисам (Uber Eats, LinkedIn) без возможности обжалования.