# Сопутствующие статьи по теме Эволюция

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Эволюция", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Почему большие криптоконференции утратили былой блеск?

В статье анализируется снижение популярности крупных офлайн-конференций в криптоиндустрии. Автор, инвестиционный менеджер Blockchain Capital Джона Буриан, выделяет две основные причины. С пессимистической точки зрения, ценность крупных публичных саммитов размывается. Ключевые участники (разработчики, инвесторы, основатели) перемещаются в небольшие частные встречи, сайд-ивенты и закрытые пригласительные форумы. Основная программа часто содержит устаревшую информацию, уже озвученную в соцсетях. Это создает порочный круг: снижение качества аудитории отпугивает других ценных участников. Тенденция наблюдается и в других сферах, например, в ИИ. С оптимистической точки зрения, спад криптоспецифичных конференций отражает зрелость и экспансию отрасли. Её лидеры теперь сосредоточены на внешнем мире: интеграции с традиционными финансами (стейблкоины), привлечении массовых пользователей через цифровые банки и создании продуктов для реальной экономики (сырьевые фьючерсы, прогнозные рынки). Криптотематика всё чаще включается в повестку мейнстримных отраслевых форумов, что может привести к постепенному исчезновению узкоспециализированных "криптосаммитов". В будущем количество крупных отраслевых конференций, вероятно, сократится. Индустрия переросла фазу внутренней консолидации, требующей частых встреч. Смещение фокуса на приватные форматы и внешнюю экспансию — естественный признак взросления сектора, даже если это происходит за счет потери открытости и случайных полезных знакомств, которые давали большие конференции.

Foresight News07/14 09:34

Почему большие криптоконференции утратили былой блеск?

Foresight News07/14 09:34

Когда ИИ начинает аудит мира: от обнаружения уязвимости ZEC в Claude к входу криптоиндустрии в «эпоху рекурсивной безопасности»

Недавние события в области искусственного интеллекта и безопасности криптоиндустрии указывают на формирование новой тенденции — «рекурсивной безопасности». Исследование Anthropic «Рекурсивное самосовершенствование» и обнаружение уязвимости в коде Zcash (ZEC) моделью Claude Opus демонстрируют, как ИИ переходит от роли инструмента к активному участнику анализа сложных систем. Традиционно безопасность в блокчейне основывалась на экспертной оценке и периодическом аудите. Однако рост сложности систем (Layer2, модульные архитектуры, zk-протоколы) превышает возможности ручного анализа. ИИ, способный обрабатывать огромные контексты, выявлять аномалии и понимать логические связи, радикально снижает стоимость и время обнаружения рисков. Это меняет жизненный цикл уязвимостей: ключевым становится не устранение всех багов, а скорость их выявления и реагирования. Возникает структура, аналогичная «рекурсивному самосовершенствованию»: система постоянно анализирует свой собственный код и состояние, ИИ помогает находить проблемы, разработчики их оперативно исправляют, а обновленная система снова попадает в цикл мониторинга. Безопасность становится не разовым мероприятием, а непрерывной, развивающейся способностью системы. Этот сдвиг несет и новые вызовы: ИИ усиливает как защитников, так и злоумышленников, увеличивается нагрузка на системы управления и необходимость быстрых ответов. Конкурентное преимущество смещается от «идеально защищенного» протокола к протоколу с самой высокой устойчивостью и скоростью адаптации к угрозам. Обнаружение уязвимости в Zcash — не просто единичный случай, а сигнал о вступлении индустрии в эпоху, где безопасность обеспечивается постоянной эволюцией и симбиозом человеческого опыта и искусственного интеллекта.

marsbit06/08 13:23

Когда ИИ начинает аудит мира: от обнаружения уязвимости ZEC в Claude к входу криптоиндустрии в «эпоху рекурсивной безопасности»

marsbit06/08 13:23

От кода к сознанию: Руководство на десять тысяч слов о том, как эволюционирует мозг робота

**От кода к познанию: Путеводитель по эволюции мозга роботов** Роботы прошли путь от предсказуемых машин, управляемых тщательно написанным кодом (ROS, классическое управление), к более адаптивным системам, основанным на ИИ. Переломным моментом стало появление больших языковых моделей (LLM), которые стали выступать в роли "планировщиков", переводящих команды на естественном языке в последовательность действий. Однако истинная революция — это модели "Vision-Language-Action" (VLA), такие как RT-2 от Google и OpenVLA. Они напрямую объединяют зрение, язык и движение в одной нейронной сети, генерируя команды для исполнительных механизмов. Самые современные человекоподобные роботы (например, от Figure AI и многих китайских стартапов) используют **двухсистемную архитектуру**: медленная, "размышляющая" модель (System 2) анализирует сцену и ставит цели, а быстрая, "реактивная" модель (System 1, а также рефлекторный System 0) управляет моторами в режиме реального времени. Вся критичная для безопасности обработка выполняется на борту (например, на чипах NVIDIA Jetson). Следующий гигантский шаг — **модели мира** (World Models), такие как NVIDIA Cosmos или DeepMind Genie. Эти системы предсказывают последствия действий, позволяя роботу "проигрывать" различные сценарии в уме, выбирать наилучший и избегать ошибок *перед* тем, как начать движение. Они обещают радикально улучшить восстановление после сбоев, обобщение и долгосрочное планирование. Экономика меняется: цены на "железо" падают (Unitree H1 за $5900), а ключевым активом становятся **данные** — тысячи часов телеметрии с роботов для обучения моделей. Открытые модели и фреймворки (GR00T, OpenVLA, LeRobot) ускоряют прогресс, позволяя стартапам строить решения на готовой базе. В итоге, интеллект робота постепенно перемещался из кода инженеров в обученные модели восприятия, затем в планировщики и стратегии, и теперь — в обучаемые модели физического мира. Мы находимся на этапе, сравнимом с GPT-2: система впечатляет, быстро развивается, но до полной автономности в неконтролируемой среде еще далеко. Вопрос будущего — не "что могут роботы?", а "что мы должны им поручить?".

marsbit06/07 12:59

От кода к сознанию: Руководство на десять тысяч слов о том, как эволюционирует мозг робота

marsbit06/07 12:59

От одного обеденного стола до бесконечной вселенной: Ли Фэйфэй делает ставку на следующее измерение ИИ

**Ли Фэйфэй делает ставку на пространственный интеллект как новое измерение ИИ** Профессор Стэнфорда и основатель World Labs Ли Фэйфэй утверждает, что пространственный интеллект (Spatial Intelligence), а не только языковые модели, является следующим рубежом для искусственного интеллекта. Она подчеркивает, что эволюционно восприятие пространства и зрения, насчитывающее сотни миллионов лет, является более фундаментальным для понимания мира, чем относительно молодая человеческая речь. По ее мнению, языковые модели работают с «сжатой с потерей информации» версией реальности, в то время как истинное понимание требует способности воспринимать, рассуждать и взаимодействовать в трехмерном физическом мире. В качестве примера она приводит неспособность современных ИИ подсчитать стулья в видео или вывести законы физики из наблюдений, что легко дается человеку. Ее компания World Labs разрабатывает модель Marble, которая из текста, изображений или видео генерирует целые навигационные и интерактивные 3D-миры, а не просто видеоизображения. Хотя Marble значительно меньше по масштабу, чем крупнейшие языковые модели, она находит применение в игровой индустрии, кинопроизводстве (сокращая сроки в 40 раз), дизайне, тренировке роботов и даже создании терапевтических сред для лечения фобий. Ли Фэйфэй верит, что эта технология позволит создавать «бесконечные вселенные» для разных целей. Однако она призывает к взвешенному обсуждению будущего ИИ, избегая крайностей утопизма и апокалиптики, и считает, что успех технологии должен измеряться тем, делает ли она цивилизацию и жизнь каждого человека лучше, сохраняя человеческое достоинство.

marsbit05/27 00:15

От одного обеденного стола до бесконечной вселенной: Ли Фэйфэй делает ставку на следующее измерение ИИ

marsbit05/27 00:15

От пиццы до расчетной единицы: Предыстория открытия цены биткойна

**От пиццы до расчетной единицы: доисторический период открытия цены Биткойна** 22 мая 2010 года Ласло Ханьеч обменял 10 000 BTC на две пиццы. Этот момент стал первым задокументированным случаем, когда биткойн функционально выступил в роли **единицы учета** — одной из трех функций денег. Это был не просто обмен, а установление цены товара (пиццы) в BTC, что отличает "цену" от односторонне объявленного "обменного курса". Статья прослеживает трехэтапную эволюцию механизма обнаружения цены BTC за 9 месяцев до этого события: 1. **Якорь производственных затрат (с октября 2009 г.):** NewLibertyStandard публиковал курс, привязанный к стоимости электроэнергии для майнинга. Это был односторонний обменный курс, а не рыночная цена. 2. **P2P-обнаружение через сопоставление (с марта 2010 г.):** Площадка Bitcoin Market предложила первые примитивные книги заказов, а сделки, подобные пицце Ханьеча, установили цену BTC в отношении реальных товаров. 3. **Централизованное сопоставление с непрерывными котировками (с июля 2010 г.):** Запуск Mt.Gox с непрерывным потоком котировок и стандартизированным форматом дал BTC постоянно обновляемую цену, сделав его полноценной единицей учета для сторонних ссылок. Этот путь показывает структурное сходство с эволюцией механизмов ценообразования других исторических активов, таких как акции Голландской Ост-Индской компании в XVII веке или зерновые фьючерсы на Чикагской бирже в XIX веке: от частных записей и устных курсов к публичным котировкам и непрерывному рыночному сопоставлению.

marsbit05/19 00:04

От пиццы до расчетной единицы: Предыстория открытия цены биткойна

marsbit05/19 00:04

Прогноз, сделанный 2 года назад в Университете Цинхуа, становится глобальным консенсусом: три ведущие организации в области ИИ, включая Meta, пришли к одинаковому выводу

Китайские исследователи из Университета Цинхуа и компании FaceWall Intelligence два года назад предложили «Закон плотности ИИ» (Density Law), предсказывающий экспоненциальный рост эффективности языковых моделей. Согласно закону, для достижения того же уровня интеллекта количество параметров модели сокращается вдвое каждые 3,5 месяца. В апреле 2026 года Meta и METR независимо подтвердили этот вывод своими исследованиями. Meta показала, что для достижения производительности их прошлогодней модели требуется в 10 раз меньше вычислительных ресурсов, а METR выявила удвоение способностей ИИ каждые 88,6 дней. Их данные идеально совпали с прогнозом китайской команды. Это открытие имеет серьёзные последствия: стоимость вычислений падает быстрее ожидаемого, локальный ИИ на устройствах станет реальностью в ближайшие годы, а стратегия развития ИИ сместится от масштабирования параметров к повышению эффективности. Китайские исследователи оказались на два года впереди глобального共识а.

marsbit04/13 12:15

Прогноз, сделанный 2 года назад в Университете Цинхуа, становится глобальным консенсусом: три ведущие организации в области ИИ, включая Meta, пришли к одинаковому выводу

marsbit04/13 12:15

Исследовательская группа Чжэцзянского университета предложила новый подход: научить ИИ понимать мир так, как это делает человеческий мозг

Исследователи из Чжэцзянского университета обнаружили, что увеличение параметров ИИ-моделей (SimCLR, CLIP, DINOv2) улучшает распознавание конкретных объектов, но снижает способность понимать абстрактные концепции. При росте параметров с 22,06 млн до 304,37 млн точность в задачах с конкретными понятиями выросла с 74,94% до 85,87%, а с абстрактными — упала с 54,37% до 52,82. В отличие от людей, которые классифицируют объекты через иерархические структуры (например, птицы → животные), модели полагаются на статистические закономерности в данных, что затрудняет обобщение. Команда предложила использовать сигналы мозга (данные мозговой активности при просмотре изображений) для обучения моделей более человеко-подобной организации концепций. Эксперименты с 150 известными и 50 новыми категориями показали, что такие модели лучше справляются с малоресурсным обучением и абстрактными задачами (улучшение до 20,5%), превосходя более крупные аналоги. Этот подход смещает фокус с масштабирования моделей («bigger is better») на развитие структурированного интеллекта («structured is smarter»), что может привести к созданию ИИ с способностью к абстрактному мышлению и непрерывной эволюции, аналогичной человеческой.

marsbit04/05 04:41

Исследовательская группа Чжэцзянского университета предложила новый подход: научить ИИ понимать мир так, как это делает человеческий мозг

marsbit04/05 04:41

Анатолий Яковенко и Виталик Бутерин спорят о том, должны ли блокчейны продолжать развиваться

Анатолий Яковенко, сооснователь Solana Labs, и Виталик Бутерин, создатель Ethereum, в январе 2026 года провели публичные дебаты о будущем блокчейнов. Бутерин заявил, что Ethereum должен достичь состояния «оссификации» — стабильной работы без постоянных обновлений, чтобы стать по-настоящему надежной и доверенной системой, способной функционировать даже без участия разработчиков. Яковенко категорически не согласился, утверждая, что блокчейн должен непрерывно развиваться, чтобы оставаться полезным и избежать стагнации. Он подчеркнул, что Solana должна принимать только те обновления, которые решают реальные проблемы пользователей и разработчиков, и что её будущее должно определяться сообществом, а не одной командой. Этот спор отражает два противоположных взгляда на эволюцию технологии: стабильность против постоянного развития.

TheNewsCrypto01/19 11:49

Анатолий Яковенко и Виталик Бутерин спорят о том, должны ли блокчейны продолжать развиваться

TheNewsCrypto01/19 11:49

Coinbase: Эволюция от маргинального проекта до глобальной финансовой инфраструктуры

Coinbase, основанная в 2012 году Брайаном Армстронгом, прошла путь от стартапа Y Combinator до глобальной финансовой инфраструктуры. Её успех основан на контрастной стратегии: вместо следования анархистской культуре крипто-сообщества, компания сфокусировалась на полном合规ном соответствии (compliance) в США, что стало ключевым преимуществом после краха Mt. Gox. В 2020 году Coinbase пережила внутренний кризис: Армстронг запретил политические обсуждения и предложил несогласным сотрудникам уйти с выплатами, что укрепило организацию. Компания также столкнулась с обвинениями в расовой дискриминации и первым в истории делом о инсайдерской торговле в криптосфере. К 2024 году Coinbase перешла в наступление: выиграла суды против SEC, влияла на выборы через лоббирование (например, смещение сенатора Шеррода Брауна) и мобилизовала 2.6 млн избирателей. Её бизнес-модель диверсифицировалась: доля доходов от транзакций упала с 96% (2020) до ~59% (2025), а подписки и услуги (USDC, стейкинг, кастоди для 85% BTC-ETF) стали устойчивым источником прибыли. С запуском Base (L2-сеть без токена) и амбициями стать «супераппом» Web3, Coinbase теперь стремится быть «банком всего» (включая акции и товары). Однако её доминирование в кастоди-услугах создаёт риски системного коллапса, привлекая внимание регуляторов. Coinbase превратилась из мятежного стартапа в мощного игрока, определяющего будущее финансов.

marsbit01/19 06:28

Coinbase: Эволюция от маргинального проекта до глобальной финансовой инфраструктуры

marsbit01/19 06:28

Прощание с эпохой хаоса: как крипто-маркет-мейкеры проходят «обряд совершеннолетия»?

В криптоиндустрии маркет-мейкеры переживают трансформацию от «дикой спекуляции» к высокой институционализации. Раньше они зарабатывали на смелости и асимметрии информации, но теперь выживание зависит от систем, управления рисками и соответствия нормам. Комплаенс стал критическим фактором, а затраты на него достигают 30-50% от общих расходов. Доходность маркет-мейкеров снижается: бюджеты проектов сократились на 50%, а требования к прозрачности и эффективности выросли. Качественные проекты стали редкими, что привело к конкуренции за ограниченные возможности. Маркет-мейкинг теперь служит «входом» для дальнейшего сотрудничества, такого как управление активами и структурированные продукты. Индустрия разделяется на новые направления: маркет-мейкинг на блокчейне, деривативы и токенизация акций. Каждое требует уникальных компетенций и имеет высокие пороги входа. Ключевые преимущества современных маркет-мейкеров — это стабильные торговые системы, строгий риск-менеджмент, исследовательские возможности и соответствие нормам. События, подобные рыночному обвалу 11 октября 2025 года, показали, что выживут только те, кто готов к экстремальным рискам. Крипто-маркет-мейкеры больше не являются просто поставщиками ликвидности — они превратились в институциональных игроков, сочетающих функции инвесторов, риск-менеджеров и инфраструктурных провайдеров.

比推01/06 13:46

Прощание с эпохой хаоса: как крипто-маркет-мейкеры проходят «обряд совершеннолетия»?

比推01/06 13:46

活动图片

Популярные категорииright-arrow

Популярные тегиright-arrow

Технологические трендыright-arrow