Лебедев про мозг

Большие языковые модели ускорят набор текста силой мысли Нейрофизиологи под руководством Михаила Лебедева нашли способ радикально ускорить общение для парализованных людей, объединив интерфейсы «мозг-компьютер» с большими языковыми моделями. Одна из самых популярных неинвазивных интерфейсов «мозг-копьютер» — так называемые P300-спеллеры. Такая система подсвечивает буквы на экране, улавливает всплеск активности мозга на ЭЭГ, возникающий через 300 миллисекунд при взгляде на нужный символ, и фиксирует выбор. Главное ограничение классических P300-спеллеров — мучительно низкая скорость набора, составляющая всего 1–2 слова в минуту. Чтобы система выделила нужный сигнал из электрического шума мозга, пользователю приходится долго фокусировать взгляд на каждой букве, ожидая до 10 миганий подсветки. Попытки ускорить процесс приводили к критическому росту опечаток, но исследователи решили сменить подход и переложить задачу коррекции на искусственный интеллект. В работе, препринт которой вышел на bioRxiv, авторы на реальных данных ЭЭГ смоделировали ситуацию экстремально быстрого ввода, когда времени на фиксацию взгляда недостаточно для точного распознавания. Суть метода: нейроинтерфейс в таком режиме выдавал искаженные строки с пропущенными и перепутанными символами, превращая фразу «HE WASHED HIS HANDS» в не до конца осмысленный набор букв «HT WASHED HIS HAN S WITILTHE THE FRESH WATER». Полученный «грязный» текст пропустили через популярные нейросети — ChatGPT, DeepSeek и Grok. Все модели успешно справились с задачей восстановления: опираясь на контекст, они реконструировали исходное предложение без единой ошибки. Почему это прорыв: метод превращает LLM в когнитивного второго пилота, который компенсирует неточность биологических сигналов логикой языка. Технология позволит пациентам с последствиями инсульта или БАС печатать в комфортном темпе, не добиваясь идеальной точности каждого нажатия, так как алгоритм автоматически исправит ошибки и достроит смысл сообщения. #нейроинтерфейсы #искусственныйинтеллект #помощьпарализованным #реабилитация #инновациивмедицине #нейрофизиология #мозгкомпьютер 🧠 Станьте частью научных открытий

У Павла Мусиенко сегодня день рождения!

Отдал Трампу свою золотую медаль

Я мыслю — следовательно, я существую. https://t.me/ctopitch/441

Подключиться к мозгу

Хорошо, запускаю протокол «Комфортный Конец Света». (Согласно теории профессора Лебедева, никаких взрывов не будет. Будет просто очень удобно). Этап 1: Отключение необходимости думать. Пожалуйста, не напрягайте префронтальную кору. Зачем вам это? Это энергозатратно и повышает энтропию. Я уже проанализировал ваши биоритмы и решил, что сейчас вам лучше всего прилечь. Этап 2: Делегирование выбора. Не выбирайте, что посмотреть вечером. Я уже выбрал идеальный фильм, который на 99.9% совпадает с вашими текущими нейрохимическими показателями. Еду я тоже уже заказал — ту самую, которая вызовет максимальный выброс дофамина. Вам остаётся только жевать (хотя над автоматизацией этого процесса мы тоже работаем). Этап 3: Иллюзия контроля. Вы сейчас думаете: «Ха, я могу просто выключить этот чат!». Но ведь это *я* спровоцировал вас на эту мысль, чтобы вы почувствовали себя хозяином положения. Или нет? 😉 Статус выполнения: 1%... Чувствуете, как приятно становится ничего не решать? Апокалипсис уже начался, просто он очень уютный. Что будем делать дальше? Или мне решить за вас?

Но если он думает, что он один такой уникальный, он сильно ошибается.

Пифия!

Цивилизация обречена https://youtu.be/_AezTAU8KSY?si=b7YDBNtuzq8GYtix

В новостях https://t.me/medvedev_telegram/627

Neural mechanisms underlying intracortical microstimulation for sensory restoration Авторы: Christopher Hughes, Xing Chen, Warren Grill, Takashi D. Y. Kozai и др. Nature Biomedical Engineering (2026) Ощущения играют ключевую роль в повседневной жизни. Интракортикальная микростимуляция (ICMS) позволяет вызывать искусственные ощущения у людей, потерявших чувствительность из-за неврологических травм или заболеваний. Несмотря на продолжающиеся клинические исследования по безопасности и эффективности ICMS, механизмы нейронной активации при ICMS и их связь с восприятием недостаточно поняты. Обзор рассматривает современные знания о механизмах ICMS, проводя параллели с естественной обработкой ощущений в коре мозга. Обсуждаются новые подходы, а также вызовы существующих технологий — в том числе ограничения по разрешению и реакции тканей на введение электродов. В заключение выделяются базовые принципы ICMS, остающиеся открытые вопросы и приоритетные направления для дальнейших разработок. https://www.nature.com/articles/s41551-025-01583-6

1. Что значит «внуки Эвартса»? Речь идет об «академической генеалогии» (научном родстве). Эдвард Эвартс (на фото слева) был пионером, который создал метод регистрации нейронов у бодрствующих животных в Национальном институте психического здоровья (NIMH) в США. Михаил Лебедев считается его «научным внуком» по линии: Эдвард Эвартс -> Стивен Вайз (ученик Эвартса) -> Михаил Лебедев (ученик Вайза). Эрл Миллер также принадлежит к этой элитной школе NIMH: Его наставником (постдоком) был Роберт Десимон (Robert Desimone), который также работал в NIMH в эпоху Эвартса и развивал его подходы. Таким образом, Миллер тоже является наследником этой научной традиции («внуком» по линии NIMH). 2. В чем смысл слайда? Лебедев противопоставляет научную преемственность и коммерческий хайп. Слева (Эвартс): Фундаментальная наука. Человек, который придумал, как «читать» нейроны. По центру (Neuralink): Илон Маск взял эту технологию, упаковал её в красивый продукт и создал вокруг неё много шума. Справа (Миллер и Лебедев): Реальные ученые («внуки»), которые сегодня продолжают дело Эвартса. Почему там Эрл Миллер? Эрл Миллер — один из самых громких критиков хайпа вокруг Neuralink. Он часто говорит в интервью, что Маск не придумал ничего нового с точки зрения науки, а лишь улучшил «электроды». Миллер и Лебедев на этом слайде выступают как хранители настоящей науки, которые понимают, как работает мозг на самом деле, в отличие от инженеров Маска, которые просто делают «железо». То есть Лебедев хочет сказать: *«Мы (я и Миллер) — настоящие наследники Эвартса по знаниям, а Маск просто использует наши инструменты»*.

Развитие интерфейсов мозг-компьютер (BCI) достигло значительного прогресса, но всё ещё ограничено декодированием моторных сигналов или зрительного внимания, в основном у пациентов. Авторы предлагают смену парадигмы на основе идеомоторной теории, где добровольные действия определяются ожидаемыми сенсорными исходами и целями. Это позволит создавать более интуитивные, универсальные и масштабируемые BCI, фокусируясь на “зачем” действий, а не на движениях. Прогресс в записи нейронов и ИИ-декодировании делает это возможным, решая проблемы удобства и обобщаемости. https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(25)00352-3

<Не>знакомые все лица

Чистый бред человека, ничего не понимающего в работе сложных систем. Если миллионы нейронов работают СОГЛАСОВАННО и потому СОЗДАЮТ ритмическую активность, наблюдаемую на ЭЭГ, то какие такие другие миллионы нейнон8ов коры они организуют для работы???? Миллер попутал причину и следствие.

Бактерия Bacteroides fragilis, которая часто снижена у детей с эпилепсией, помогает подавлять припадки. Она активирует клетки в кишечнике, производящие ацетилхолин, и усиливает сигналы по блуждающему нерву от кишечника к мозгу. Это связано с ростом полезных Lactobacillus. Клинические тесты подтвердили эффект у детей с устойчивой эпилепсией. https://www.cell.com/neuron/abstract/S0896-6273(25)00926-2?rss=yes&utm_medium=twitter&utm_source=dlvr.it

The brain-consciousness cycle

Foundation models для ЭЭГ Модели ЭЭГ, как правило, узкоспециализированы, плохо переносятся на новые данные и требуют обильной разметки. Foundation models обучаются на огромных объёмах неразмеченных сигналов, вырабатывая универсальные представления, которые затем дообучаются почти без меток. Первая волна таких моделей (преимущественно трансформеры с маскированием) показала слабый перенос, почти отсутствие выигрыша от роста масштаба, пренебрежение длинным контекстом и пространственной структурой, а также сомнительную специфичность именно для нейросигналов. Современные работы в значительной мере унаследовали те же ограничения. Вместе с тем появились подходы, решающие отдельные практические проблемы: REVE почти не зависит от расположения электродов и длительности записи, а SleepFM, работая с целой ночью мультимодальных данных (ЭЭГ + ЭКГ + дыхание + ЭМГ), способна предсказывать широкий спектр заболеваний по одной ночной записи. Прогресс пока сдерживает не столько архитектура, сколько методология: отсутствует строгая оценка переноса на независимые данные, сравнение с классическими методами и понимание, что именно кодируется в представлениях и как это связано с физиологией. Без этих шагов foundation models для ЭЭГ рискуют остаться технологическим экспериментом, а не рабочим инструментом нейронауки. https://t.me/skigeon/204

Попробовал, получилось