Лебедев про мозг

Учёные из Гарварда изучили, как мыши ведут себя свободно, без внешних команд. Оказывается, их “спонтанное” поведение не хаотично, а организовано в виде “задач” — устойчивых состояний, которые длятся от секунд до минут. Например, мышь может “исследовать стену”, “общаться с сородичем” или “ухаживать за собой”. Эти состояния состоят из мелких движений (типа поворотов или нюхания), но группируются вокруг цели, как мини-задачи. Чтобы это выявить, разработали модель shMoSeq — иерархический алгоритм на основе машинного обучения. Он анализирует видео с мышей и группирует движения в слои: от миллисекундных поз до длительных состояний. Модель подтвердила, что поведение мышей структурировано, как в реальной жизни, где животные сами выбирают, чем заняться. Префронтальная кора мозга (dmPFC) активно кодирует эти состояния, а не просто движения. Она подчёркивает важные элементы окружения (стены, объекты, других мышей) именно в релевантных “задачах”. Если повредить эту область мозга, мыши теряют разнообразие поведения — реже занимаются редкими задачами, как исследование объектов, и всё становится более предсказуемым и коротким. В итоге, даже без заданий от экспериментаторов, поведение животных — это цепочка самоинициированных целей. Это помогает понять, как мозг управляет повседневной жизнью, и открывает путь для изучения поведения в естественных условиях. https://www.cell.com/neuron/fulltext/S0896-6273(25)00894-3?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0896627325008943%3Fshowall%3Dtrue

Новое исследование, проведённое учёными из Университета Ноттингема и Кембриджского университета, показало, что при успешном извлечении эпизодической и семантической памяти в мозге активируются одни и те же области, без заметных различий в нейронной активности. Участники вспоминали пары логотипов и названий брендов — либо из реальных знаний мира, либо выученные специально для эксперимента, — а сканирование fMRI выявило значительное перекрытие мозговых регионов. Эти результаты, опубликованные в Nature Human Behaviour, опровергают давнюю традицию рассматривать два типа памяти как полностью отдельные системы и могут изменить подход к изучению памяти, а также помочь в понимании таких заболеваний, как деменция и болезнь Альцгеймера, подчёркивая вовлечённость всего мозга. Руководитель исследования Рони Тибон отметила, что команда ожидала явных различий, но обнаружила лишь минимальные, что открывает новые направления для исследований взаимодействия этих видов памяти. https://www.nature.com/articles/s41562-025-02390-4

Из рубрики «В поисках правды» Видео с Алексом Прети (где он плюёт и пинает SUV федералов 13 января) — настоящее, не фейк. Подтверждено: BBC (facial recognition ~97%), The Guardian, Webworm (David Farrier), Reuters и семья/адвокат. Многие AI-видео/фото (например, с осечкой пистолета или headless агентом) — фейковые, но основное видео с 13 января — реальное bystander footage. Коротко: оригинал настоящий, фейки вокруг него — да.

Если кто-то может скачать вот это: https://ieeexplore.ieee.org/abstract/document/11297164 буду очень признателен!

Известные личности о нас

Справедливая критика опуса Панчина о троллях https://t.me/lonely_oocyte/6812 Да и вообще тролли — это, в основном, либо боты, либо люди, делающие это за деньги (в фабриках троллей и эльфов).

Короткий интенсивный курс обонятельной тренировки (10 сессий за ≤14 дней) на комплексе VIBRAINT RehUp с 6 запахами, точной подачей, контролем дыхания и ЭЭГ у 15 пациентов с поствирусной дизосмией показал приверженность 66,6 % (10 человек прошли полностью), значимое улучшение точности дискриминации запахов (p ≤ 0,026), улучшение обоняния по тесту у 70 % завершивших курс (порог +1–4 балла, идентификация +1–11 баллов), рост бета-ритма на ЭЭГ (p=0,01) как признак повышенной когнитивной вовлеченности. Метод эффективен, приверженность выше, чем при классике, а длительность курса намного короче. Перспективен, нужны дальнейшие исследования. https://hnj.science/optimizaciya-texnologii-obonyatelnogo-treninga-s-primeneniem-programmno-apparatnogo-kompleksa-u-pacientov-s-narusheniyami-obonyaniya/

Статья Романа Акиньшина и его коллег представляет новую систему управления протезом руки NeuroManip, которая сочетает электромиографию (ЭМГ) и отслеживание взгляда. Система использует спайковую нейронную сеть на нейроморфном процессоре AltAi для классификации паттернов ЭМГ в реальном времени, а гарнитура для отслеживания взгляда и камера идентифицируют объект в фокусе пользователя. Прототип достигает точности, сравнимой с системами на GPU, но при потребляемой мощности менее ватта, что позволяет создать легкое носимое устройство. Для шести функциональных жестов, записанных у пациентов с ампутацией, система демонстрирует надежное распознавание. Когда система зрения ограничивает выбор тремя контекстно-подходящими жестами для рассматриваемого объекта, точность распознавания возрастает примерно до 95%, исключая небезопасные хваты. Результаты показывают, что предлагаемый контекстно-зависимый нейроморфный контроллер может обеспечить энергоэффективное и надежное управление протезом, потенциально повышая безопасность и удобство в повседневной жизни. В исследовании также оценивалось влияние массы электроники на утомляемость пользователя, подтверждая важность легких и эффективных решений, подобных процессору AltAi. https://arxiv.org/html/2601.17991v1

Открытый эфир «ДОВЕРИЕ» в рамках международной конференции «Будущее команд» 28 января | 18:00 (мск) | онлайн Участие бесплатное, по регистрации. Почему мы говорим о доверии? Потому что доверие — это не мягкая тема. Это скорость решений, устойчивость команд и способность проходить сложные периоды без разрушений. Когда доверия нет — команды молчат, выгорают и теряют людей. Когда доверие есть — появляются энергия, ответственность и движение вперёд. О чём будет эфир Это честный разговор о доверии: ⚪️в бизнесе, ⚪️в командах, ⚪️в личном лидерстве. С живыми примерами, сложными вопросами и реальным опытом. Участники эфира — спикеры международной конференции «Будущее команд»: ✔️Вадим Зеленский — предприниматель, основатель фонда «Больше, чем можешь» ✔️Лилия Дасаева — основатель и автор спектакля «Мечтай!», спикер Сколково ✔️Василина Соколова — основатель HRBox, HRD SOKOLOV ✔️Эрнест Хачатурян — ex-председатель совета директоров Luding Group, executive coach ✔️Ирина Просвирякова — модератор эфира, основатель «Фактора Лидера», директор конференции «Будущее команд» Формат ⚪️панельная дискуссия о доверии ⚪️TED-talk и личные «секреты доверия» от каждого спикера 👉 Участие бесплатное, нужна регистрация: Этот эфир — часть большого разговора о том, какими должны быть команды будущего, чтобы выдерживать реальность, а не ломаться о неё.

Панчин сонифицирует свою грибы https://t.me/lonely_oocyte/6808

В статье Nature (26 января 2026) признаётся, что лимит потепления в 1,5 °C будет превышен, и предлагается переориентировать климатическую политику на рост чистой энергии (солнечная, ветровая, аккумуляторы) для замещения ископаемых топлива к 2050 году. Вводится метрика «clean-energy shift» (рост чистой генерации минус рост спроса) как ключевой показатель. Другие источники эмиссий (лес, пожары) рассматриваются отдельно; ядерная энергия не включена в приоритеты. https://t.me/khokhlovAR/1176

Исследование использует данные программы Million Veteran Program (MVP) для анализа генетики шизофрении у людей африканского происхождения в США. Подтверждена высокая наследуемость и полигенность заболевания, общая для всех популяций, но с сильным перекосом предыдущих исследований в сторону европейцев. Выявлены ассоциации, независимые от предков, расширены известные генетические локусы более чем на 100, уточнены ключевые гены с общими нейробиологическими функциями. Это углубляет понимание биологии шизофрении. https://www.nature.com/articles/s41586-025-10000-6

Восстановление хвата у пациентов с полной тетраплегией с помощью избирательной эпиневральной стимуляции — это минимально инвазивный и клинически эффективный подход. В исследовании четырём участникам на месяц имплантировали эпиневральные электроды на срединный и лучевой нервы выше локтя. Стимуляция позволяла выполнять несколько функциональных задач (например, из Шкалы моторных способностей), что подтвердило хорошую переносимость, стабильность электродов и практическую пользу метода для самостоятельных действий в повседневной жизни. https://link.springer.com/article/10.1186/s12984-025-01857-9

Предупреждение: Некоторые уже скандалят по поводу этой статьи. Говорят, все неправильно. Исследование обнаружило ключевую проблему в популярном методе картирования сетей поражений (LNM). Этот метод использует данные о связях в здоровом мозге, чтобы найти общие сети для разных болезней. Оказалось, что LNM по сути раз за разом анализирует одну и ту же стандартную карту связей. Из-за этого он постоянно выдаёт почти одинаковые "сети болезни" для совершенно разных состояний — будь то депрессия, эпилепсия или даже случайные точки. Это говорит о методологическом артефакте, а не об открытии общей биологии расстройств. Вывод: текущая версия LNM ненадёжна для поиска уникальных основ заболеваний, и нужны новые, более строгие методы. https://www.nature.com/articles/s41593-025-02196-7

Виртуальное моделирование чрескожной электрической стимуляции спинного мозга для восстановления моторных функций руки Исследование объясняет различия в воздействии разных протоколов стимуляции на основании компьютерного моделирования и экспериментов, показывая ключевую роль в активации сенсорных, а не двигательных нейронов. https://www.biorxiv.org/content/10.64898/2026.01.22.701010v1

REVE — это универсальная фундаментальная модель для анализа ЭЭГ, обученная на рекордных 60 000 часов записей от 25 000 человек. Она адаптируется к сигналам с любого оборудования благодаря новой системе кодирования. Модель демонстрирует высшую точность в 10 задачах, включая распознавание эмоций, классификацию моторных образов, детекцию эпилептических приступов и стадирование сна, часто требуя минимальной донастройки. https://brain-bzh.github.io/reve/

С интересом ознакомился вот с такой ссылкой на себя: Kristina Volkova, Mikhail A. Lebedev, Azeddine Aziz, David Friedenberg, Bernadette Brouwer, Taufik A. Valiante, and Berj L. Bardakjian. Decoding movement from electrocorticographic activity. Frontiers in Neuroscience, 13:653, 2019. В том же произведении ссылка, которая выглядит правильной: Ksenia Volkova, Mikhail A. Lebedev, Alexander Kaplan, and Alexei Ossadtchi. Decoding movement from electrocorticographic activity: a review. Frontiers in neuroinformatics, 13:74, 2019. https://scholar.google.com/scholar_url?url=https://open.library.ubc.ca/media/download/pdf/24/1.0451332/3&hl=en&sa=X&d=15188555780618427600&ei=i_93aZaQKMm4ieoPof3esQc&scisig=AHkA5jSwePuMN5TUF0NX46gAN7vM&oi=scholaralrt&hist=RC9N61oAAAAJ:16624674108119485126:AHkA5jQtH8j6I91fQbR9eeRjoCoK&html=&pos=8&folt=cit

Исследуется повышение точности классификации эмоций на основе ЭЭГ путём улучшения пространственной точности данных о мозговой активности. Традиционные методы с ручным сопоставлением электродов на матричной сетке ограничивают пространственную точность. В исследовании предлагаются автоматизированные методы проекционного отображения каналов — орфографическая и стереографическая проекции, использующие дифференциальную энтропию и спектральную плотность мощности. Эксперименты с использованием многомасштабной свёрточной нейронной сети на открытом наборе данных показали, что автоматизированные методы на сетках высокого разрешения значительно превосходят ручное сопоставление, повышая точность классификации до 4.06%. Результаты подтверждают, что улучшение пространственной точности данных ЭЭГ повышает эффективность распознавания эмоций, что имеет значение для разработки более надёжных диагностических инструментов и персонализированных методов лечения психических расстройств. https://ieeexplore.ieee.org/abstract/document/11253823

Предложен новый метод декодирования нейронных сигналов для интерфейсов "мозг-компьютер", преобразующих активность мозга в почерк. Метод называется StateMoE. Ключевая идея заключается в том, что процесс письма состоит из нескольких сменяющих друг друга нейронных состояний. Каждое такое состояние, например начало буквы или её соединение с другой, кодирует параметры движения по-разному. Существующие методы часто игнорируют эту смену, что ограничивает их точность. Метод StateMoE использует архитектуру "смесь экспертов". В этой архитектуре каждый эксперт является отдельной моделью декодера, настроенной на распознавание конкретного нейронного состояния. Специальный рекуррентный маршрутизатор в реальном времени анализирует входящие нейронные сигналы, определяет текущее состояние мозга и автоматически переключает активного эксперта для декодирования. Метод был протестирован на записях активности моторной коры человека во время написания китайских иероглифов. Эксперименты показали, что StateMoE повышает точность декодирования траектории движения на 6,92% по сравнению с лучшими существующими подходами. Этот результат демонстрирует, что явное моделирование переключения нейронных состояний мозга позволяет значительно улучшить работу интерфейсов для сложных двигательных задач, таких как письмо. https://ieeexplore.ieee.org/abstract/document/11297164

Прорывы в нейронауке