Насколько хорошо языковые модели прогнозируют будущее (FutureX)
FutureX проанализировали прогнозы 25 языковых моделей с 20 июля по 3 августа 2025 года. Ответы нейросетей сравнивали не только между собой, но и с ответами 40 экспертов
Исследователи отобрали 195 сайтов и при помощи собственной LLM ежедневно извлекали оттуда события и факты. После фильтрации событий (например, субъективных) нейросетям задавали вопросы четырёх уровней сложности:
1. базовый — закрытые вопросы, мало вариантов ответов
2. широкий поиск — закрытые вопросы, много вариантов ответов
3. глубокий поиск — открытые вопросы, низкая волатильность
4. супер-агент — открытые вопросы, высокая волатильность
На графике — получившийся рейтинг LLM. В лидерах Grok-4, две модели от OpenAI и Gemini-2.5-Pro
Главные выводы из исследования:
— модели с поиском и рассуждением на уровнях посложнее показывали результаты лучше, чем базовые модели
— в финансовых вопросах по S&P500 лучшие модели получили больше баллов, чем аналитики Уолл-стрит, в 33-37% случае
— на первом и втором уровнях сложности Grok-4 догонял или перегонял людей
Полный текст исследования
Другие наши публикации о том, как ИИ проходят тесты:
— Как большие языковые модели проходят тест на IQ
— Результаты решения теста ARC Challenge нейросетями, 2019–2025
— Политическая ориентация 24 крупнейших языковых моделей
— Как хорошо справляются с тестами DeepSeek-R1 и ChatGPT o1
FutureX проанализировали прогнозы 25 языковых моделей с 20 июля по 3 августа 2025 года. Ответы нейросетей сравнивали не только между собой, но и с ответами 40 экспертов
Исследователи отобрали 195 сайтов и при помощи собственной LLM ежедневно извлекали оттуда события и факты. После фильтрации событий (например, субъективных) нейросетям задавали вопросы четырёх уровней сложности:
1. базовый — закрытые вопросы, мало вариантов ответов
2. широкий поиск — закрытые вопросы, много вариантов ответов
3. глубокий поиск — открытые вопросы, низкая волатильность
4. супер-агент — открытые вопросы, высокая волатильность
На графике — получившийся рейтинг LLM. В лидерах Grok-4, две модели от OpenAI и Gemini-2.5-Pro
Главные выводы из исследования:
— модели с поиском и рассуждением на уровнях посложнее показывали результаты лучше, чем базовые модели
— в финансовых вопросах по S&P500 лучшие модели получили больше баллов, чем аналитики Уолл-стрит, в 33-37% случае
— на первом и втором уровнях сложности Grok-4 догонял или перегонял людей
Полный текст исследования
Другие наши публикации о том, как ИИ проходят тесты:
— Как большие языковые модели проходят тест на IQ
— Результаты решения теста ARC Challenge нейросетями, 2019–2025
— Политическая ориентация 24 крупнейших языковых моделей
— Как хорошо справляются с тестами DeepSeek-R1 и ChatGPT o1
😱13❤3🔥3😁3🤡2
20 городов мира с наибольшим числом камер наблюдения, 2025 (Graeme Cole)
На первой картинке — лидеры по числу камер на тысячу людей, на второй — по числу камер на км²
Москва попала в оба топа с 19,2 камерами на тысячу людей и 98 камерами на км². Санкт-Петербург занял 14 место в первом рейтинге с 13 камерами на тысячу людей
Ещё мы писали про Большого Брата:
— Количество камер видеонаблюдения на 1000 человек в 16 городах мира, 2022
— Города с наибольшим количеством камер видеонаблюдения на 1000 человек населения, 2022
— Топ-10 стран по количеству камер видеонаблюдения, 2020
— Индекс преступности и число камер видеонаблюдения на 1000 жителей, 2019
На первой картинке — лидеры по числу камер на тысячу людей, на второй — по числу камер на км²
Москва попала в оба топа с 19,2 камерами на тысячу людей и 98 камерами на км². Санкт-Петербург занял 14 место в первом рейтинге с 13 камерами на тысячу людей
Ещё мы писали про Большого Брата:
— Количество камер видеонаблюдения на 1000 человек в 16 городах мира, 2022
— Города с наибольшим количеством камер видеонаблюдения на 1000 человек населения, 2022
— Топ-10 стран по количеству камер видеонаблюдения, 2020
— Индекс преступности и число камер видеонаблюдения на 1000 жителей, 2019
😢13👍9🤬3❤2🔥2
ВВП стран Европы по паритету покупательной способности, 2025 (Visual Capitalist)
Внутренний валовый продукт (ВВП) — это вся стоимость товаров и услуг, произведённых и оказанных в стране за год. Паритет покупательной способности — коэффициент, который учитывает разницу в ценах между странами. О том, как его рассчитывают и для чего, мы писали в нашей публикации про международные доллары
Источник данных — Международный валютный фонд
Ещё мы сравнивали ВВП стран мира:
— 50 стран мира с крупнейшим номинальным ВВП на душу населения, 2025
— Сравнение ВВП стран G7 и БРИКС, 1990–2023
— Подушевой валовый региональный продукт (ВРП) в регионах стран бывшего СССР, 2022
— ВВП по ППС на душу населения и на 1 работника в некоторых странах мира, 2021
— Распределение ВВП по ППС между цивилизациями за 2000 лет
Внутренний валовый продукт (ВВП) — это вся стоимость товаров и услуг, произведённых и оказанных в стране за год. Паритет покупательной способности — коэффициент, который учитывает разницу в ценах между странами. О том, как его рассчитывают и для чего, мы писали в нашей публикации про международные доллары
Источник данных — Международный валютный фонд
Ещё мы сравнивали ВВП стран мира:
— 50 стран мира с крупнейшим номинальным ВВП на душу населения, 2025
— Сравнение ВВП стран G7 и БРИКС, 1990–2023
— Подушевой валовый региональный продукт (ВРП) в регионах стран бывшего СССР, 2022
— ВВП по ППС на душу населения и на 1 работника в некоторых странах мира, 2021
— Распределение ВВП по ППС между цивилизациями за 2000 лет
🤡38👍13😁4❤3💩2
This media is not supported in your browser
VIEW IN TELEGRAM
Как меняется продолжительность светового дня на Земле в течение года (Neil R Kaye)
Другие наши публикации про смену дня и ночи на планете:
— Длина светового дня на Земле в зависимости от дня года и широты
— Смена дня и ночи в в разных городах мира в разное время года
— Самое низкое положение Солнца на северном полушарии в день солнцестояния
— Карта количества дневного света на летнее солнцестояние в Северном полушарии Земли
Другие наши публикации про смену дня и ночи на планете:
— Длина светового дня на Земле в зависимости от дня года и широты
— Смена дня и ночи в в разных городах мира в разное время года
— Самое низкое положение Солнца на северном полушарии в день солнцестояния
— Карта количества дневного света на летнее солнцестояние в Северном полушарии Земли
🔥17❤7❤🔥3👍3
Media is too big
VIEW IN TELEGRAM
Схема развития московского метрополитена за 24 секунды, 1935–2023 (Московский ревизор)
Ещё про метро в России:
— Пассажиры Московского метро
— Глубина станций метро Москвы и Петербурга
— Самые высокие эскалаторы Московского метрополитена
— Одноимённые станции метро в городах России
Ещё про метро в России:
— Пассажиры Московского метро
— Глубина станций метро Москвы и Петербурга
— Самые высокие эскалаторы Московского метрополитена
— Одноимённые станции метро в городах России
🔥30
Forwarded from data-viz.me
Я сделал свой плагин для визуализации данных в Figma!
Сразу о главном: найти его можно тут. А в качестве иллюстрации — две версии графика, которые с помощью него были сделаны.
🔗 Это Лёша, дата-журналист, автор проекта @data_csv, а теперь ещё и разработчик плагина data-viz.me. Я уже восемь лет визуализирую данные, и заметил вот какую вещь:
Самые красивые графики в большинстве случаев дизайнеры дорабатывают в графическом редакторе. Меняют шрифты, добавляют иллюстрации и кастомные подписи.
Однако перенос графика из программ для визуализации в векторные редакторы — это всегда немножко пытка. Ты удаляешь кучу каких-то масок и лишних слоёв. Не всегда можешь поменять размеры. Тексты разбиваются на несколько блоков. Пережить можно, но хотелось бы проще.
Вот уже много лет я думаю — было бы славно, если графики можно было бы рисовать инструментами Фигмы. Но почему-то за все эти годы там не появилось хороших плагинов для визуализации. Я постараюсь эту нишу закрыть.
🔗 Важно: пока это alpha-версия с урезанным функционалом. Можно сказать, что это самый продвинутый генератор столбиков во всём Figma Community 😄
Что можно сделать на текущий момент:
➡ Загрузить таблицу из Google Sheets, файлом или текстом. Загрузка из Google Sheets иногда может тупить из-за нагрузки на сервер-парсер. Я обычно просто копирую таблицу
➡ Выбрать разделитель и форматирование для чисел
➡ Построить по ним горизонтальные столбики
➡ Задать столбикам gap в процентах от их высоты
➡ Раскрасить по категориям — пока только по стандартным палитрам, но в будущем функционал расширится
➡ Убрать подписи. Или добавить в них любую колонку
➡ Выбрать любой шрифт! Написать заголовок, подзаг и источник, подобрать к ним любые цвета и форматирование
➡ Подобрать любой размер и отступы от границ фрейма
Многого пока нельзя. Сжальтесь! До релиза пришлось жёстко отсекать фичи, чтобы плагин работал стабильно.
Но подозреваю, что багов по-прежнему много — о них можно писать в комьюнити.
🔗 Я планирую делать плагин полностью бесплатным. Очень надеюсь, что он станет востребованным, и в том числе мы сможем использовать его для обучения студентов визуализации.
Однако в разработку уходит много моих сил. А ещё — приходится оплачивать курсор для разработки. И если вы считаете это начинание важным, поддержите проект донатами.
P.S. На обложке плагина — работа моей коллеги Нади Андриановой One Week in Sound. Надя, спасибо за красоту и что разрешила её использовать 🥺
Сразу о главном: найти его можно тут. А в качестве иллюстрации — две версии графика, которые с помощью него были сделаны.
Самые красивые графики в большинстве случаев дизайнеры дорабатывают в графическом редакторе. Меняют шрифты, добавляют иллюстрации и кастомные подписи.
Однако перенос графика из программ для визуализации в векторные редакторы — это всегда немножко пытка. Ты удаляешь кучу каких-то масок и лишних слоёв. Не всегда можешь поменять размеры. Тексты разбиваются на несколько блоков. Пережить можно, но хотелось бы проще.
Вот уже много лет я думаю — было бы славно, если графики можно было бы рисовать инструментами Фигмы. Но почему-то за все эти годы там не появилось хороших плагинов для визуализации. Я постараюсь эту нишу закрыть.
Что можно сделать на текущий момент:
Многого пока нельзя. Сжальтесь! До релиза пришлось жёстко отсекать фичи, чтобы плагин работал стабильно.
Но подозреваю, что багов по-прежнему много — о них можно писать в комьюнити.
Однако в разработку уходит много моих сил. А ещё — приходится оплачивать курсор для разработки. И если вы считаете это начинание важным, поддержите проект донатами.
P.S. На обложке плагина — работа моей коллеги Нади Андриановой One Week in Sound. Надя, спасибо за красоту и что разрешила её использовать 🥺
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥10👍7❤3💩3🔥1
С 9 октября начинается лаборатория по работе с ии-агентами Agency. За 12 недель участники начнут работать с самыми эффективными и доступными ИИ-агентами и моделями.
Используя различных агентов: локальных, облачных, решаем реальные задачи: исследований, обработки данных, чтения и создания контента, подготовки презентаций, спецификаций и рабочих прототипов ии-продуктов: ботов, сайтов и приложений — от идеи до прода.
Основной фокус лаборатории на насмотренность — смотрим много кейсов реального использования агентов людьми, командами и компаниями. На технических демо по работе с Claude Code, OpenAI Codex, GPT Agent, с инструментами Deep research и сервисами вроде v0 и Lovable мы будем собирать и публиковать прототипы ИИ-приложений без написания кода. Обсудим, как оптимизировать бюджеты на токены, стратегии и ограничения вайб-кодинга.
Используем научный подход к работе к промтингу агентов и подготовке контекста. Опираемся на исследования и рекомендации Anthropic, OpenAI и других лидеров рынка, а не треды в x.
За 12 недель вы поймёте, что на практике могут агенты, выработаете привычку работать с ними, как сотрудниками. Потренируем не только хард, но и софт-скиллы.
Подробности, программа и описание лаборатории Agency
Автор — Глеб Калинин (экс-AI Mindset, Ozon travel, Островок), автор канала Tool Using Ape, разработчик ии-продуктов.
Реклама. Калинин Г.В., ИНН 782619097200, erid: 2SDnjdinKBd
Используя различных агентов: локальных, облачных, решаем реальные задачи: исследований, обработки данных, чтения и создания контента, подготовки презентаций, спецификаций и рабочих прототипов ии-продуктов: ботов, сайтов и приложений — от идеи до прода.
Основной фокус лаборатории на насмотренность — смотрим много кейсов реального использования агентов людьми, командами и компаниями. На технических демо по работе с Claude Code, OpenAI Codex, GPT Agent, с инструментами Deep research и сервисами вроде v0 и Lovable мы будем собирать и публиковать прототипы ИИ-приложений без написания кода. Обсудим, как оптимизировать бюджеты на токены, стратегии и ограничения вайб-кодинга.
Используем научный подход к работе к промтингу агентов и подготовке контекста. Опираемся на исследования и рекомендации Anthropic, OpenAI и других лидеров рынка, а не треды в x.
За 12 недель вы поймёте, что на практике могут агенты, выработаете привычку работать с ними, как сотрудниками. Потренируем не только хард, но и софт-скиллы.
Подробности, программа и описание лаборатории Agency
Автор — Глеб Калинин (экс-AI Mindset, Ozon travel, Островок), автор канала Tool Using Ape, разработчик ии-продуктов.
Реклама. Калинин Г.В., ИНН 782619097200, erid: 2SDnjdinKBd
Glebkalinin
AGENCY: Онлайн-лаборатория по изучению искусственного интеллекта и использованию агентов для создания экономически значимой работы
💩5🔥2❤1
Объёмы производства стали по странам мира в 2024 году (Visual Capitalist)
Лидером в прошлом году стал Китай, который произвёл миллиард тонн стали — больше, чем весь остальной мир
Источник данных — World Steel Association
Ещё мы писали про производство и добычу в металлургии:
— Сколько металла и металлической руды было добыто в 2022 году
— Крупнейшие страны по добыче меди, 2023
— Крупнейшие страны по объёмам выплавки алюминия, 2023
— Объёмы добычи золота по странам мира, 1820–2022
— Мировые объёмы добычи лития по странам, 1995–2021
— Крупнейшие производители кобальта в мире, 2022
Лидером в прошлом году стал Китай, который произвёл миллиард тонн стали — больше, чем весь остальной мир
Источник данных — World Steel Association
Ещё мы писали про производство и добычу в металлургии:
— Сколько металла и металлической руды было добыто в 2022 году
— Крупнейшие страны по добыче меди, 2023
— Крупнейшие страны по объёмам выплавки алюминия, 2023
— Объёмы добычи золота по странам мира, 1820–2022
— Мировые объёмы добычи лития по странам, 1995–2021
— Крупнейшие производители кобальта в мире, 2022
🤯25🔥9👍1😁1
Карта объектов в России с крупнейшими выбросами вредных веществ, 2023 (Если быть точным)
В 2023 году Росприроднадзор закрыл часть важных данных о выбросах. «Если быть точным» удалось получить эти данные при помощи недокументированного API на сайте ведомства
На картах и диаграммах — данные из реестра. В источнике по ссылке в заголовке — полный текст исследования с интерактивными визуализациями и методологией
Другие наши публикации про качество воздуха:
— Рейтинг 170 городов России по качеству воздуха, 2022
— Смертность от загрязнения воздуха и ВВП на душу населения в странах мира, 2019
— Карта выбросов NO₂, 2018
— Озоновый слой Земли, 1971–2022
— Концентрации CO₂ и кислорода за последние полтора миллиарда лет
В 2023 году Росприроднадзор закрыл часть важных данных о выбросах. «Если быть точным» удалось получить эти данные при помощи недокументированного API на сайте ведомства
На картах и диаграммах — данные из реестра. В источнике по ссылке в заголовке — полный текст исследования с интерактивными визуализациями и методологией
Другие наши публикации про качество воздуха:
— Рейтинг 170 городов России по качеству воздуха, 2022
— Смертность от загрязнения воздуха и ВВП на душу населения в странах мира, 2019
— Карта выбросов NO₂, 2018
— Озоновый слой Земли, 1971–2022
— Концентрации CO₂ и кислорода за последние полтора миллиарда лет
🔥14🤬5🤯3❤2👎1🥱1🌚1
Все известные случаи стрельбы в школах в США, 1999–2024 (The Washington Post)
Федеральное правительство США не отслеживает случаи стрельбы в школах, поэтому газета The Washington Post на протяжении нескольких лет самостоятельно собирала данные, используя:
— Nexis, платформу для поиска и анализа в обширной базе данных новостей, правовых документов, финансовых отчётов и других документов
— новостные статьи
— базы данных с открытым исходным кодом
— отчёты правоохранительных органов
— информацию со школьных веб-сайтов
— звонки в школы и полицейские управления
Редакция проанализировала более 1000 предполагаемых происшествий, но учитывала только те, которые происходили на территории школ непосредственно до, во время или сразу после занятий
Данные на первой диаграмме отражают, сколько детей в США пострадали от стрельбы в школах помимо убитых и раненных, начиная с массового убийства в Колумбайн Хай Скул 20 апреля 1999 года. Каждая точка — 20 детей, присутствовавших в школе во время происшествия
На второй диаграмме — возраст стрелков. Не указаны 127 стрелков, возраст которых неизвестен. На последней картинке — число происшествий в год
Другие данные по применению огнестрельного оружия в США:
— Статистика об огнестрельном оружии в США
— Соотношение основных показателей в США, имеющих отношение к дискуссиям о владении оружием
— Доля владеющих оружием американцев среди жителей городов, пригородов и сельской местности
— Риски умереть от огнестрельного оружия по штатам Америки и в некоторых войнах с участием США
Федеральное правительство США не отслеживает случаи стрельбы в школах, поэтому газета The Washington Post на протяжении нескольких лет самостоятельно собирала данные, используя:
— Nexis, платформу для поиска и анализа в обширной базе данных новостей, правовых документов, финансовых отчётов и других документов
— новостные статьи
— базы данных с открытым исходным кодом
— отчёты правоохранительных органов
— информацию со школьных веб-сайтов
— звонки в школы и полицейские управления
Редакция проанализировала более 1000 предполагаемых происшествий, но учитывала только те, которые происходили на территории школ непосредственно до, во время или сразу после занятий
Данные на первой диаграмме отражают, сколько детей в США пострадали от стрельбы в школах помимо убитых и раненных, начиная с массового убийства в Колумбайн Хай Скул 20 апреля 1999 года. Каждая точка — 20 детей, присутствовавших в школе во время происшествия
На второй диаграмме — возраст стрелков. Не указаны 127 стрелков, возраст которых неизвестен. На последней картинке — число происшествий в год
Другие данные по применению огнестрельного оружия в США:
— Статистика об огнестрельном оружии в США
— Соотношение основных показателей в США, имеющих отношение к дискуссиям о владении оружием
— Доля владеющих оружием американцев среди жителей городов, пригородов и сельской местности
— Риски умереть от огнестрельного оружия по штатам Америки и в некоторых войнах с участием США
🤯13👍6❤2🔥2😱1