Лебедев про мозг

Либерализм — светлое будущее всего человечества https://t.me/itakblet/1024

В третий раз закинул я невод…

Товарищ Александра Бернадотт разместила все сосуды мозга и поделилась этой информацией с миром. (Их там, правда, нет per Полина Кривых.) https://t.me/neurosputnik/865

Убит физик. Мне приходят в голову версии: — На почве любви и ревности — Месть Ирана за убийство их ученых — Убийцы ошиблись номером дома — Мы никогда не узнаем

Новая модель анализирует активность нейронов в зрительной коре мышей как неравновесную систему — такую, где процессы необратимы во времени и требуют энергии для поддержания порядка. Во время выполнения задач общая активность нейронов снижается, импульсы становятся реже и разреженнее, а причинно-следственные связи между нейронами меняются сильнее и становятся более вариабельными. У мышей, которые лучше справляются с задачей, на каждый импульс приходится больший поток энтропии — мера рассеивания энергии, которая помогает мозгу эффективно обрабатывать информацию. Это показывает, что более успешный мозг работает экономнее: меньше импульсов, но больше полезной динамики. https://www.nature.com/articles/s41467-025-66669-w

В ~40% зон коры мозга (особенно в сети пассивного режима работы) сигнал BOLD в фМРТ изменяется в противоположную сторону по сравнению с реальным потреблением кислорода нейронами. Это значит, что яркий сигнал BOLD не всегда отражает сильную активацию. Для точной оценки лучше использовать количественные методы фМРТ. https://www.nature.com/articles/s41593-025-02132-9

Учёные записали сигналы от отдельных нейронов в боковой затылочной области мозга человека — это часть коры, которая отвечает за распознавание форм и объектов. В экспериментах они использовали три приёма: маскировку изображения (когда одно быстро сменяет другое), подавление вспышкой и бинокулярное соперничество (когда каждому глазу показывают разные картинки, и мозг по очереди воспринимает то одну, то другую). Результаты показали, что когда человек осознанно видит изображение, нейроны в этой области мозга точнее его распознают и активируются преимущественно в соответствии с тем, что человек субъективно воспринимает. Это исследование помогает понять, как в мозге возникает осознанное зрительное восприятие. https://www.nature.com/articles/s41467-025-67077-w

Язык — это одна из важнейших функций нашего мозга

Скудная речь современного человека https://ren.tv/news/v-rossii/1390347-a-pogovorit-novye-tendentsii-iazyka-proglotili-gramotnuiu-rech

Москвич 412!

Но, кстати, не умоляя заслуг https://t.me/augmented_brain/12848 Смотреть, какая модель лучше себя покажет на одних и тех же данных, — это же тоже случайный процесс, и к нему самому нужно предъявлять определенные статистические критерии. Успех модели — это случайная величина. Плюс все модели обычно предсказывают одно и то же. И, вроде, никто не анализирует unique contribution, или типа того.

3-е место в треке Speech Detection на LibriBrain (NeurIPS 2025) Команда alvi (Aleksandr Kovalev, Aleksejs Timčenko, Petr Chizhov, Vladislav Lomtev) заняла 3-е место в стандартном треке Speech Detection с результатом 0.91 F1-macro (приз $800). Задача: По сигналам MEG (магнитоэнцефалография) предсказывать, слышит ли человек речь или тишину в аудиокниге о Шерлоке Холмсе. Ключевые детали анализа и решения: • Нормализация данных: Главный инсайт — глобальная Robust Z-score (медиана + MAD) только по train-сету и применение ко всем сплитам. Это дало преимущество над дефолтным подходом организаторов (отдельная нормализация по сплитам). Пер-сессионная нормализация улучшала val, но не использовалась из-за неизвестного состава holdout. • Архитектура: Гибрид сверточных сетей + трансформер (Conv-Encoder с ResBlocks → Transformer с RoPE → Conv-Decoder). Что сработало: • Depth-wise conv как первый слой (отдельные свертки по каналам, затем миксинг). • Нормализация с learnable scale per channel внутри окон (+1.5%). • Weight averaging последних 3 чекпоинтов (+1% на test).

Будущее куется сегодня

Следующая революция в нейронауке происходит за пределами лабораторий. Нейроэтология — новое направление, сочетающее нейронауку и этологию (изучение естественного поведения животных). Оно изучает активность мозга приматов в условиях свободного движения в естественной среде, а не в жёстко контролируемых лабораторных экспериментах. Классическая нейронаука раскрыла многое о мозге, но упускала реальные когнитивные процессы в сложных, естественных ситуациях — таких как социальные взаимодействия, принятие решений или адаптация к изменениям. Пример: после урагана Мария на острове Кайо-Сантьяго макаки-резусы стали более толерантными друг к другу, расширили социальные сети и лучше выживали в жаре. Благодаря беспроводным нейрологгерам учёные теперь записывают сигналы мозга свободно движущихся приматов. Исследования показывают более богатую и вариативную нейронную динамику, например, при груминге (взаимной чистке шерсти) мозг ведёт «социальный учёт» взаимодействий. Это может радикально изменить понимание человеческого познания, помочь в лечении расстройств (аутизм, шизофрения) и развитии ИИ. Поле ещё молодое, сталкивается с техническими и аналитическими вызовами, но обещает прорыв. https://bigthink.com/neuropsych/neuroethology/

Здесь, правда, никаких парков не было. Были какие-то видео плюс гиперсканирование, которое Сергей Шишкин считает полной хренью (ну и просмотр видео заодно). Так что, если Сергей не боится испортить отношения с коллегами из ВШЭ, ждём от него разгромного комментария. https://t.me/neuronovosti/9182

Мухамад Салман Кабир, Гурген Согоян et al. разработали технологию, которая переводит мышечную активность руки в написанный текст — как будто человек “пишет” в воздухе или даже мысленно пытается писать, а ИИ это распознаёт и выводит буквы/цифры на экран. Для этого использовали новый неинвазивный метод оптомиографии (Optomyography, OMG) — оптическое измерение деформации мышц (лучше традиционной электромиографии EMG, без электродов и геля). С помощью ИИ-декодеров (GRUScribe на базе GRU и TransScribe на базе трансформеров) успешно распознавали 10 цифр и 33 русские буквы у 20 здоровых людей и 4 ампутантов — без сложной предварительной обработки сигналов. Прорыв в трёх ключевых аспектах: Первое в мире декодирование почерка (handwriting decoding) не из мозга, а из периферийных мышечных сигналов — сложная моторная задача, которую раньше решали только как классификацию отдельных символов. Переход от классификации к реконструкции непрерывной траектории движения — это позволяет распознавать естественный “почерк” в реальном времени, а не просто угадывать буквы. Использование оптической оптомиографии (OMG) вместо EMG: более чистый сигнал, выше соотношение сигнал/шум, устойчиво к помехам, полностью неинвазивно и удобно. Плюс работает даже у ампутантов. Это устанавливает новый стандарт для неинвазивных интерфейсов “мышца-компьютер” — перспективно для продвинутых протезов рук, общения парализованных людей и улучшенного управления гаджетами.

Для любителей ютьюба https://youtu.be/6s7ma8IVBAg?si=HkkOIi6SUXmz2QWu

Искусственный интеллект научился строить простые уравнения для описания сложных динамических систем на основе данных об их изменении во времени. Этот подход позволяет находить компактные и интерпретируемые модели, что открывает новые возможности для научных открытий в областях, где традиционные физические законы неизвестны или чрезмерно сложны. https://www.nature.com/articles/s44260-025-00062-y

Искусственный интеллект помогает диагностировать трудноулавливаемое заболевание сердца по обычной ЭКГ. Исследователи надеются, что эта модель будет доступна в больницах, не имеющих сложного диагностического оборудования. https://ai.nejm.org/doi/10.1056/AIoa2500164

Из рубрики «Короткие лекции» Тоже новая рубрика. Получилось на 18 минут, но далее буду стараться укладываться в 10.