Идеальный газ. Уравнение состояния газа. Взаимосвязь давления, температуры и объёма. Механизмы рождения макропараметров в рамках «молекулярного бильярда». Первое начало термодинамики как закон сохранения энергии. Вывод уравнения Бернулли. Энтропия и второе начало термодинамики. Тепловые машины и цикл Карно. Энтропия информационная. Энтропия как неопределённость. Аксиоматический подход к определению энтропии. Принцип максимума энтропии. Подход статистической физики за пределами термодинамики.

В алгоритмической теории информации колмогоровская сложность объекта (такого, как текст) есть мера вычислительных ресурсов, необходимых для точного определения этого объекта. Колмогоровская сложность также известна как описательная сложность, сложность Колмогорова — Хайтина, стохастическая сложность, алгоритмическая энтропия или алгоритмическая сложность.

Мультфильм рассказывает об использовании идеи биологической эволюции в задачах искусственного интеллекта, истории эволюционных алгоритмов и принципах их работы. Все это подробно изучается на магистерской программе Университета Иннополис «Робототехника». Историю об эволюционных алгоритмах нам помог рассказать доцент, руководитель Лаборатории искусственного интеллекта в разработке игр Университета Иннополис Джозеф Браун.

На чем основаны генетические алгоритмы? Как происходит создание различных уровней в компьютерной игре? Каковы перспективы применения эволюционных алгоритмов? На эти и другие вопросы отвечает доцент Университета Иннополис Джозеф Браун. Процедурная генерация контента в играх — это процесс автоматического создания различных ресурсов. Таким образом можно создавать повествование или сюжет игры или более простые объекты, такие как деревья. Или какие-нибудь элементы игрового процесса. Например, какие будут уровни. Этим я в основном и занимаюсь: как создать уровень, который отвечает некоторым ожиданиям игрока и некоторым ожиданиям в контексте повествования. Я использую много приемов из области, которая называется вычислительный интеллект. А вычислительный интеллект применяет биоинспирированные методы для решения сложных задач оптимизации.

Теория сложности вычислений — бурно развивающаяся область теоретической информатики (theoretical computer science) и охватывает как чисто теоретические вопросы, так и вопросы, непосредственно связанные с практикой. Среди наиболее важных приложений этой теории можно назвать способы построения и анализа эффективных алгоритмов, а также современные криптографические методы. Поэтому знакомство с основами теории сложности, безусловно, полезно любому, кто собирается серьезно заниматься практическим программированием или теоретическими исследованиями.

В 1958 году в Докладах Академии Наук вышла заметка А. Н. Колмогорова об энтропии как новом инварианте преобразований, сохраняющих меру. Вместе с двумя более ранними заметками, в которых заложены основы того, что потом было названо КАМ-теорией, эти работы полностью изменили облик и место в математике теории динамических систем. Это открытие привело серьезному прогрессу в нескольких областях математики, однако, как ни странно, некоторые идеи, близко лежащие к колмогоровским, не были развиты и даже замечены. Энтропия является одним из целой серии инвариантов, которые возникают при рассмотрении динамики метрических пространств с мерой. Изучение динамики метрик полезно и в других вопросах комбинаторики и теории случайных процессов.

Курс занятий посвящен тому, что в математике сделать нельзя. Но речь пойдет не о запрещенных действиях (типа деления на ноль или квадратуры круга), а об отсутствии общих методов для решения некоторых широких классов задач. Начиная от определения вычислимой функции (через машину Тюринга), мы узнаем про существование универсальной вычислимой функции, и как следствие – о существовании не вычислимых функций. Отсюда мы поймем, какие задачи никакой компьютер (даже сколь угодно мощный) решить не может в принципе. Затем мы определим «Колмогоровскую сложность» и изучим ряд ее «нехороших» свойств, именно, не вычислимость некоторых связанных с ней характеристик. Эти свойства сыграют решающую роль в доказательстве теоремы Гёделя о неполноте – одного из самых значительных научных открытий ХХ-го века.

Какова история создания машины Тьюринга? Как она повлияла на развитие идей, лежащих в основе ряда современных технологий? Какие проблемы существуют в теории вычислительной сложности? И как математика рассматривает понятие случайность? Об идее универсальной машины, проблеме перебора и случайности рассказывает кандидат физико-математических наук Александр Шень.

Игры и смешанные стратегии. Задача о покупке акций на рынке ценных бумаг. Увеличение гарантированного выигрыша за счёт приобретения убыточных акций. Равновесие по Нэшу как индивидуально разумное решение игры. Почему реальные системы часто «сидят» в таком равновесии. Рыночная модель. Дилемма заключённого. Игровые ситуации, где в первую очередь играет роль психология.

Выпуклость и неравенства. Неравенство Иенсена. Метод математической индукции. Среднее арифметическое больше среднего геометрического. Приёмы доказательств. Использование производных. О монгольском неравенстве. Метод интервалов. Неравенство с логарифмами.