[Перевод] Единственный победитель в ИИ-гонке: как Anthropic втайне строит новую мировую валюту

Первая универсальная ИИ-монета, работающая на глобальной инфраструктуре Anthropic. Иллюстрации, анимации, диаграммы и графики созданы автором с использованием Stable Diffusion, Blender и библиотек Python.

Новая ИИ-земля, которую никто не заметил

Пока вся ИИ-индустрия последние три года участвовала в гонке вооружений за звание создателя лучшего чат-бота, компания Anthropic делала нечто совершенно иное.

Они строили инфраструктуру.

Не просто улучшенную языковую модель (LLM). Не более красивый интерфейс для чата. Они вывернули модель доходов наизнанку — 85% через API, 15% через чат-боты — и проложили скрытые коммуникации под всем этим. Сделали это настолько тихо, что большая часть индустрии даже не поняла, на что смотрит, пока всё это не заработало в продакшене.

Годами Anthropic воспринимали как компанию, которая не может конкурировать с ChatGPT: слишком нишевую, слишком дорогую, слишком осторожную и слишком одержимую безопасностью, чтобы иметь реальный вес. Эдакий производитель чат-ботов второго эшелона, проигрывающий войну за потребителя.

Но никто не задался очевидным вопросом: с чего бы «проигрывающей компании» тратить свое время на создание фреймворков управления, открытых протоколов и мультиоблачных расчетных колец вместо того, чтобы гнаться за подписками?

Ответ прост: Anthropic вообще не играла в игру с чат-ботами.

Она строила нечто под ними. Нечто, призванное сделать саму игру с чат-ботами бессмысленной. Тем временем OpenAI и Google продолжали выжимать высохший лимон: пытались выжать последние капли производительности из парадигмы LLM, гоняясь за убывающей доходностью.

Позвольте мне показать вам, как Anthropic начала выигрывать ИИ-гонку и почему вас это должно волновать.

На самом деле, дочитав эту статью до конца, вы поймете, почему их шаги уже меняют структуру всей ИИ-индустрии — и почему те, кто осознает это раньше других, займут лучшие позиции в глобальном сдвиге, который происходит прямо сейчас.

Золотой век парадигмы LLM подошел к концу, почва под ней уже сдвинулась. Вы убедитесь в этом сами, опираясь на железные аргументы, изложенные ниже.

Начну с того, что сведу недавнюю стратегию Anthropic к шести шагам, которые застали всех врасплох — и которые почти все поняли абсолютно превратно. Но только не вы.

Читайте сначала среднюю колонку, затем правую:

График 1. Шесть шагов, заставших всех врасплох
Шесть инфраструктурных шагов между 2022 и 2026 годами — каждый из которых индустрия ошибочно приняла за слабость или нишевую игру. Левая колонка показывает, как эти шаги интерпретировались в то время. Правая колонка показывает, что Anthropic строила на самом деле. Читайте их последовательно.

Как получить доступ к этой инфраструктуре уже сегодня

Anthropic строит не просто чат-боты, а глобальную инфраструктуру, которая уже превосходит решения конкурентов по логике и надежности. И самое главное — вам не нужно ждать, пока они достроят свою «ИИ-валюту», чтобы начать использовать мощь их моделей (семейства Claude 3.5) для своих задач.

Сервисы вроде BotHub дают доступ к целой экосистеме топовых мировых нейросетей — включая все передовые модели Anthropic — в одном окне. Это ваша возможность прикоснуться к технологиям, которые прямо сейчас переписывают правила игры на рынке, и использовать их для автоматизации, программирования или анализа данных.

Для доступа не требуется VPN, можно использовать российскую карту.

Anthropic уже выиграла эту игру

Эти шесть шагов обнажают то, чего большинство людей до сих пор не видят: LLM была лишь одной из деталей. Но не центральной. Главным фокусом Anthropic никогда не был чат-бот Claude: их цель — ИИ-инфраструктура, на которой будет работать будущее, далеко за пределами красивых окон чата.

И эта ИИ-инфраструктура по своей сути является транзакционной инфраструктурой. Вы увидите, почему именно такой тип инфраструктуры критически важен для успеха и эволюции того самого настоящего, сильного и надежного ИИ, которого у нас до сих пор нет.

Чтобы осознать ее важность, обратимся к истории: каждая технология, пережившая свой цикл хайпа, делала это одинаково. Интернет был реален в 1999 году, но всё равно рухнул (крах доткомов)... не потому, что технология не работала, а потому, что не было инфраструктуры для автономного проведения ценностных расчетов. Он восстановился только после того, как транзакционные слои позволили ценности перемещаться без участия человека.

График 2. Инфраструктура Anthropic как транзакционная система
Эта диаграмма показывает инфраструктуру Anthropic с другого ракурса: не как стек для чат-бота, а как транзакционную систему, которая уже завершена на пять шестых. Anthropic набирает 5/6 операционных слоев. У Google и OpenAI — по 1/6. У криптосистем — 0/6. Единственная желтая ячейка — транзакции от агента к агенту (agent-to-agent) — это недостающий слой и центральный аргумент данной статьи.

Первое доказательство появления AGI (сильного искусственного интеллекта) — это автоматизация самих финансовых транзакций. И Anthropic уже поставила галочки в 5 из 6 квадратов.

С этой новой ИИ-инфраструктурой мы движемся ровно в эту точку прямо сейчас. Вы можете убедиться сами: Модели работают. Их возможности реальны.

Фатальная ошибка OpenAI, Google и остальных проявляется всё отчетливее (и всё болезненнее): они по-прежнему продают технологию так же, как стартапы эпохи доткомов продавали веб-сайты — как продукт по подписке, а не как инфраструктуру, которая работает и окупает сама себя. Цифры безжалостны: вы можете увидеть их на графике ниже, но суть проста: чем больше пользователей получает OpenAI, тем больше денег она сжигает. Каждый новый бесплатный пользователь — это центр затрат. Каждая беседа с ChatGPT — это маленький костер в огромном пожаре на 14 миллиардов долларов. И каков их главный стратегический ответ на это? Реклама. Внутри чат-бота. Запущенная на следующий день после того, как в рекламе Anthropic на Супербоуле нам пообещали, что Claude никогда не покажет нам рекламу. 😁

Это не бизнес-модель. Это уже юрский период бизнеса чат-ботов — компании продают подписки, пока земля уходит у них из-под ног.

График 3. Две модели. Выживет только одна.
Подписочная модель OpenAI против инфраструктурной модели Anthropic. Одна индустрия, противоположная экономика. Скоро вы поймете, у какой из них есть будущее.

То, что спасет ИИ от коллапса в пузырь «попугаев-чатботов», — это именно то, что Anthropic тихо строила всё это время. И снова то же ключевое слово: инфраструктура.

А самая критическая ее часть — это транзакционный слой. Как только он появится, ИИ перестанет быть парадом чат-ботов и начнет вести себя как настоящая инфраструктура: система, в которой вычисления могут производить расчеты ценности и надежно работать в огромных масштабах.

Транзакционный слой? Вы имеете в виду электронные деньги, транзакции, доходы — какое отношение это имеет к новому ИИ? Прямое.

Я знаю, звучит непривычно. Оставайтесь со мной.

И речь не только об ИИ — реальная цель заключается в AGI (Artificial General Intelligence), машинах, способных выполнять любую интеллектуальную задачу, подвластную человеку. Просто потому, что автономным агентам, которые могут совершать транзакции, проводить расчеты и управлять собственными обменами, не нужен человек в цепочке, чтобы быть экономически жизнеспособными.

ИИ-вычисления становятся товаром, который можно продавать напрямую. Не как подписку или демо-версию чат-бота, которая впечатляет на конференциях, но высасывает деньги везде в остальных местах, а как измеряемую, надежную утилиту. Настоящий бизнес, а не пузырь, готовый лопнуть.

Anthropic добралась туда первой. И рынок это уже подтвердил — как вы видели на графике выше.

Недостающий элемент для Anthropic — это математика

Но вот в чем загвоздка — и именно здесь в игру вступает геометрия. Как вы видели на Графике 2, пять из шести инфраструктурных слоев уже функционируют. Система работает. Протоколы опубликованы. И клиенты уже за это платят.

Всё на своих местах. Всё, кроме последнего слоя.

Одной важнейшей функции всё еще не хватает: транзакций от агента к агенту — автономный ИИ платит автономному ИИ без участия человека, с точностью до долей цента, между разными провайдерами и через границы.

Итак, у нас есть пять слоев, работающих вместе. Не хватает шестого: того самого критического элемента, который превращает стабильную структуру в полноценную систему.

И эта недостающая желтая деталь не позеленеет от того, что мы навалим на нее больше инженерных усилий. Ей нужна другая математика, и собственная исследовательская команда Anthropic уже знает об этом.

В январе 2026 года Гарни, Амейсен, Ола и Бэтсон опубликовали статью, показывающую, что внутренние репрезентации Claude вообще не живут в плоском пространстве — они обитают на низкоразмерных искривленных многообразиях (manifolds), спиралевидных геометриях, которые модель выстраивает спонтанно для отслеживания позиций и счета. Ранее Энгельс и Гарни доказали, что некоторые характеристики являются неразложимо круговыми — дни недели, месяцы года расположены на кольцах S¹, которые модель использует для модульной арифметики.

Команда Anthropic по интерпретируемости (interpretability) в одной статье за другой говорит нам, что плоской геометрии недостаточно и что модель сама тянется к кривым, которых у нее формально нет.

И знаете что? Тороидальный соленоид дает ей эти кривые. Сейчас вы переходите к той части статьи, которая изменит ваше представление об ИИ как инфраструктуре и глобальной валюте.

Форма пончика — ваш недостающий элемент

То, чем Anthropic управляет сегодня, прекрасно работает для биллинга (выставления счетов). Но биллинг — это не валюта. А разница между ними — в геометрии.

Посмотрите на анимацию ниже. Цикл выстроен верно. Metronome обрабатывает около 5 миллиардов событий в день. Constitutional AI выполняет более 1000 протоколов. Мультиоблачные вычисления выдают около 3 ГВт мощности через разных провайдеров. Подсчет токенов генерирует $9 млрд дохода. Четыре компонента, циркулирующие именно так, как и должна работать валютная система.

И всё же вся эта инфраструктура могла бы посеять хаос, если бы первая ИИ-монета поехала по ее рельсам уже сегодня. Представьте себе автономного ИИ-агента, регулирующего фармацевтическую цепочку поставок через три страны. Одна и та же молекула классифицируется как сыпучий химикат в Индии, как фармацевтический полуфабрикат в Германии и как активный фармацевтический ингредиент под надзором FDA в США. Три таксономические категории для одного и того же физического вещества.

Проблема в том, что, как и остальной ИИ на базе LLM, эта инфраструктура Anthropic построена на плоской геометрии. А значит, ничто не гарантирует, что эти три классификации останутся согласованными при пересечении границы транзакции.

И с каждой передачей данных через тысячи микротранзакций токен дрейфует — по чуть-чуть, каждый раз — пока агенты на нижних уровнях цепи не начнут закрывать контракты по классификации, которая больше не совпадает с тем, о чем договаривались изначально. Ни один отдельный шаг не был ошибочным. Но накопленный дрейф катастрофичен.

Вот вам и ответ: инфраструктура правильная. Геометрия — нет.

График 4. ИИ-МОНЕТА — ВЕРСИЯ «ФЛАТЛАНДИЯ» (ПЛОСКИЙ МИР)
Вот что есть у Anthropic сегодня. Операционный стек правильный — биллинг Metronome, протоколы Constitutional AI, подсчет токенов, мультиоблачные вычисления — и он циркулирует именно так, как должна работать валютная система. Но геометрия плоская. Каждая стрелка евклидова. Каждое вычисление — это предельная аппроксимация. Каждая сверка — шаг округления. Это работает для биллинга; это не сработает для валюты. Как только вы масштабируетесь от 300 тысяч корпоративных аккаунтов до миллионов автономных агентов, совершающих пиринговые транзакции, ломаются три вещи: ошибки усечения накапливаются в многослойных каскадах, одноконтурный маховик раскручивается в кризис доверия, а семантический дрейф приводит к тому, что при передаче от агента к агенту теряется суть того, что именно было передано. Стек правильный. Геометрия ошибочна.

И геометрия ошибочна ровно в трех аспектах. Это три структурных сбоя, заложенных в каждую нейронную сеть, работающую сегодня, включая сам Claude.

Мы можем назвать их тремя вырождениями (degeneracies): замороженная система координат, которая не различает пересечения; механизм связывания, который аппроксимирует то, что должно быть точным; и отсутствующее иерархическое ограничение, позволяющее одному слою тихо противоречить другому. Если вы когда-нибудь видели, как ИИ галлюцинирует, вы уже встречались со всеми тремя. У вас просто не было математического аппарата, чтобы дать им имена.

Тороидальный соленоид исправляет все три проблемы разом... и когда он это делает, происходит нечто неожиданное. Вы получаете не просто лучшую нейронную сеть. Вы получаете геометрию, необходимую для запуска первой глобальной ИИ-монеты.

Но для начала давайте посмотрим, что именно сломано.

Три вырождения (Или: Что вы сломали и не заметили)

Каждая работающая сегодня нейронная сеть имеет один и тот же структурный недостаток: то, что должно быть трехмерным, было сплющено. И в тот момент, когда модель начинает противоречить сама себе, вы видите результат этого. Да, люди называют это галлюцинациями, но позвольте мне предложить более точный математический термин: слепота геометрической проекции (geometrical projection blindness), или просто три вырождения.

Первое вырождение: каждый нейрон работает с одной угловой координатой, когда ему на самом деле нужны две.

Представьте, что вы ориентируетесь в городе только по широте, но без долготы. Вы можете передвигаться, но не можете отличить один перекресток от другого. Всё начинает сливаться воедино. Тор (форма бублика) дает вам обе координаты, полную позицию. Современные нейросети в основном работают с одной, и вам остается лишь надеяться, что этого достаточно.

Второе вырождение: то, как слои взаимодействуют или общаются друг с другом.

В реальной машине — двигателе, часах, рычажном механизме — каждая деталь точно ограничивает любую другую деталь. Коленвал не «предлагает» поршню двигаться; он заставляет его это делать. Геометрия не оставляет люфта. Нейронные сети заменили эту механическую точность умножением матриц и понадеялись, что нелинейности всё компенсируют.

Но они не компенсируют. В результате вы получаете слои, которые влияют друг на друга лишь приблизительно, как коллеги, отправляющие электронные письма, чтобы удаленно починить сложный станок, вместо инженеров, скручивающих детали болтами прямо в цеху. Большую часть времени кажется, что это работает. Но это не так... и что еще хуже, нынешняя плоская геометрия даже не способна этого заметить.

И третье — именно здесь по-настоящему начинают проявляться галлюцинации.

Ничто в архитектуре не мешает одному слою противоречить другому. 12-й слой может тихо не соглашаться с 3-м слоем, и ничто не обеспечивает согласованность между ними. Модель может знать, что кит — это млекопитающее, и при этом где-то в другой части той же цепочки рассуждений назвать его рыбой, просто потому, что нет структурного правила, заставляющего иерархию оставаться выровненной.

График 5. Геометрия, исправляющая три вырождения
Анимация демонстрирует три структурные проблемы в современных нейросетях — схлопнутые координаты, слабая линейная связь и слои, которые могут противоречить друг другу. Затем показано, что происходит при изменении геометрии. В тороидальном соленоиде восстанавливается полное конфигурационное пространство T², взаимодействия слоев становятся геометрическими, а не приблизительными, и по всей сети принудительно обеспечивается иерархическая согласованность. Та же сеть, другая геометрия — и красные точки столкновений (противоречия) исчезают, как только топология встает на место.

Таковы три трещины, созданные плоской геометрией. Теперь давайте подробно рассмотрим исправления для первого и третьего вырождений, начав с самого фундаментального: каждый нейрон работает с одной угловой координатой, когда ему нужны две.

Хранение понятия «кит» в памяти и понимание того, что «кит» относится к категории «млекопитающие», — это две совершенно разные системы в любой живущей сегодня нейросети. Эмбеддинги (векторные представления) отвечают за первое, классификаторы — за второе, и когда они не согласны друг с другом, вы получаете то, что мы вежливо называем галлюцинацией, или, как мы предпочитаем называть это в нашей истории: слепотой геометрической проекции.

Но если вы измените эту плоскую геометрию на тороидальную, проблема исчезнет: они станут одной и той же операцией.

Теорема универсальности Кемпе — доказанная в 1876 году и уточненная Каповичем и Миллсоном в 2002-м — гласит, что механическая система шарниров, свободно движущаяся на торе T², может начертить любую алгебраическую кривую. Любую. Сама кривая представляет концепцию, а то, где она располагается на торе, говорит вам о том, где она находится в иерархии. Одна геометрия выполняет обе работы: семантику в памяти и классификацию в графе данных.

Типичный сегодняшний нейрон застрял на одной замороженной окружности, поэтому он может производить только простые формы — сигмоидную кривую или рампу ReLU. Но тороидально-соленоидная геометрия позволяет элементарно построить машину, способную нарисовать любую мыслимую кривую... а мы взяли и наглухо заварили один из ее шарниров.

График 6. Вырождение 1 — Замороженный Тор
Нейрон должен жить на полном торе — две угловые координаты, свободные для вычерчивания любой алгебраической кривой на поверхности. Анимация сначала показывает эту свободу, а затем — что происходит, когда одна координата замораживается на нуле: нейрон схлопывается до единственной окружности, ограниченной знакомыми монотонными кривыми сигмоиды или ReLU. Большая часть поверхности остается неиспользованной. Вот почему современные сети полагаются на миллиарды параметров — вместо того чтобы дать каждому нейрону более богатую геометрию, мы просто добавляем больше нейронов для компенсации.

Первое вырождение решается элементарно, как только вы применяете правильную геометрию, которая конвертирует алгебру, используемую нейросетью, в простое применение упомянутой Теоремы универсальности Кемпе, реализованной подобно механическому автомату с шарнирами и рычагами.

Теперь давайте разберемся со вторым вырождением — и оно решается механизмом соленоида, встроенным в тороидальную геометрию. Представьте себе это как вложенные друг в друга торы, каждый из которых жестко фиксирует ваши концептуальные токены в их правильной категории. Анимация ниже показывает, как это работает: млекопитающее, птица, рыба, рептилия — каждое понятие удерживается на своем месте структурой тороида, что делает механически невозможным классификацию кита как рыбы или птицы, независимо от того, как манипулируют контекстом запроса.

График 7. Вырождение 2 — Нарушение накрывающего отображения (Covering Map)
Анимация разворачивается в четыре фазы. Во-первых, накрывающее отображение заблокировано: Млекопитающее на уровне категории чисто отображается в «Имеет мех» на уровне свойств, цвета выровнены, иерархия нетронута. Во-вторых, ограничение снимается, и внутренние зоны перемешиваются. В-третьих, возникает галлюцинация: «Млекопитающее» по-прежнему находится сверху, но внизу появляется «Имеет чешую» — свойство рыбы, приписанное млекопитающему, что видно как несовпадение цветов. В-четвертых, накрывающее отображение возвращается на место, и противоречие исчезает. Современные нейросети никогда не строились с таким ограничением, вот почему возникают иерархические противоречия — и почему простое добавление обучающих данных не решает проблему.

Иерархия соленоида вкладывает торы внутрь торов: каждый уровень уточняет предыдущий, а накрывающие отображения (covering maps) фиксируют согласованность между всеми ними. Нужен четвертый уровень? Вложите еще один тор. Пятый? Еще один. Геометрия масштабируется без ограничений, и каждый новый уровень бесплатно наследует правила классификации всех уровней над ним. Никаких затрат на абстракцию. Математическая структура — это один и тот же повторяющийся объект: одни и те же операции, одни и те же гарантии на любой глубине. Таксономия не заучивается из данных в надежде, что она сохранится. Она встроена в саму геометрию и гарантированно сохраняется.

График 8. Проще простого: сложная классификация в рамках той же геометрии
Соленоид, встроенный в тороидальную геометрию, не имеет ограничений в выражении сколь угодно сложных иерархических классификаций, сохраняя при этом правила этой классификации на всех уровнях вложенных торов, действующих как соленоиды.

Результат тороидально-соленоидной геометрии: первая глобальная валюта ИИ

Исправьте три вырождения, и произойдет нечто неожиданное — вы не просто получите лучшую нейронную сеть. Вы, наконец, получите первую глобальную ИИ-валюту и ключ к AGI, о котором мы упоминали в начале нашей истории.

Это не очередная метафора и уж тем более не фантазия из Whitepaper, а реальная единица вычислительной ценности, которая может рассчитываться автономно, измерять саму себя точной арифметикой и поддерживать логическую непротиворечивость без участия человека, проверяющего результаты.

Тор дает каждой токен-транзакции как ее ценность, так и скорость ее изменения — арифметику дуальных чисел, которая устраняет дрейф округления. Соленоид жестко фиксирует классификации во вложенных иерархиях с помощью накрывающих отображений, тем самым устраняя семантический дрейф.

Универсальность Кемпе дает каждому узлу свободу вычерчивать любую алгебраическую кривую, тем самым устраняя узкое место параметров. Три исправления, которые делают возможными ровно три вещи, необходимые вычислительной валюте и не нужные чат-боту. Как вы можете видеть на анимации ниже: это прямолинейная реализация первой универсальной ИИ-монеты, как только последний слой текущей инфраструктуры Anthropic будет готов:

График 9. ИИ-МОНЕТА — РЕАЛИЗАЦИЯ
Все видят, что токены становятся валютой — отраслевые отчеты уже называют их «новой единицей ИИ-экономики», а протоколы агентной коммерции определяют, как ИИ-агенты будут совершать транзакции. Но никто не задается вопросом, почему плоская математика, лежащая в их основе, сломается в тот момент, когда вы попытаетесь масштабироваться от биллинговой системы до реальной валюты. Возникают три режима сбоя: ошибки усечения, накапливающиеся в многослойных каскадах; одноконтурные маховики, которые раскручиваются во время кризиса; и семантический дрейф, когда переводы от агента к агенту теряют суть того, что именно было передано. Комета из дуальных чисел на торе (слева) исправляет первое — точное дифференцирование, без цепного правила, без шага сверки. Тороидальная топология π₁(T²) = ℤ × ℤ исправляет второе — два независимых числа намотки ($100 млрд вычислений + $9 млрд выручки), которые не могут схлопнуться друг в друга. Дерево p-адического соленоида (в центре) исправляет третье — каждый слой записывает, какая ветвь была выбрана, и переход в неправильную ветвь является максимально затратным по своей конструкции. Пять потоков, вливающихся в стек MCP от Anthropic (справа), подтверждают наше заявление: эта математика работает на инфраструктуре, которая уже существует. Нам не нужно было изобретать детали — мы лишь узнали, как они выглядят в собранном виде.

И вы уже понимаете, почему это так важно, если сравните новую геометрию с чат-ботом, которым пользуетесь прямо сейчас. Ваш ChatGPT может терпеть ошибки округления и переживать случайные галлюцинации. Глобальная валюта — не может.

То, что вы здесь видите, — это настоящий ИИ с метакогнитивными способностями, но без необходимости постоянно проверять собственные мысли, потому что сама геометрия предоставляет эту метакогнитивность бесплатно.

И вот здесь наша история делает круг.

Этой монете не нужен собственный блокчейн. Внимательно посмотрите еще раз на анимацию выше — почти всё на правой стороне уже существует. Расчеты через Metronome. Управление через Constitutional AI. Распределенные вычисления в нескольких облаках. Учет токенов для ценообразования. Протокол MCP, связывающий агентов с инструментами. Пять слоев, которые уже функционируют, уже обрабатывают миллиарды событий каждый день.

Тороидально-соленоидная геометрия — шестая... та самая, которая превращает инфраструктуру биллинга в инфраструктуру валюты. Вот и всё.

Насколько близка Anthropic к тороидально-соленоидной геометрии?

Да, именно этот вопрос вы, как скептичный читатель с очень здравым подходом, задаете себе прямо сейчас. Ранее мы упоминали, что Anthropic уже ищет альтернативу плоской геометрии современного ИИ. Так насколько они близки к тороидально-соленоидной геометрии? Проверьте сами.

Их собственная модель уже спонтанно строит искривленные многообразия. Гарни, Амейсен, Ола и Бэтсон (январь 2026 г.) показали, что Claude 3.5 Haiku представляет счет символов на спиралевидных геометриях с высокой кривизной — не плоских векторах, а кривых — и скручивает одно многообразие, чтобы выровнять его с другим через головы внимания (attention heads).

Их собственная модель уже использует круговые характеристики. Энгельс, Гарни, Мишо и Тегмарк (ICLR 2025) доказали, что дни и месяцы представляются как неразложимые окружности S¹, используемые для модульной арифметики. Окружность — это фундаментальная группа тора. S¹ × S¹ = T².

Они прямо просили о более богатых геометрических структурах. В своем обновлении Circuits Update за июль 2024 года команда по интерпретируемости написала: «Мы были бы рады увидеть методы, которые расширяют парадигму словарного обучения до неконтролируемого открытия других видов геометрических структур».

Они просили об иерархических репрезентациях — буквально назвав их по имени. Статья о многообразиях (Manifolds paper) заканчивается прямым призывом к «иерархическим репрезентациям или макроскопической структуре в глобальных весах». p-адический соленоид является иерархической репрезентацией по своей конструкции.

И сообщество уже соединило эти точки. В широко обсуждаемом посте на LessWrong под названием «Будущее интерпретируемости — за геометрией» эта работа была названа «гораздо более важным событием, чем можно было бы судить по ее относительной безвестности».

Искривленные многообразия. Круговые характеристики. Открытый призыв к иерархической геометрии. Тороидальный соленоид — это не предложение извне: это ответ на вопрос, который Anthropic уже задала.