Perpetual Prompt ♾️

В дополнение к предыдущему. Как раз вчера вышла статья, которая раскрывает тезис о связанности иммунной и нервной систем. Сегодня многое в этой области переосмысливается, и есть даже предложение рассматривать их как единую систему: нейроиммунную. Для медиков здесь открываются новые стратегии лечения, когда, скажем, периферическая нейромодуляция снижает хроническое воспаление, а иммунотерапия противостоит нейродегенерации. — Статья небольшая, рекомендую, и отмечу признание нейронов как сенсоров врожденного иммунитета. Один отрывок все же процитирую:

“Наше понимание нейронов больше не ограничивается их способностью исключительно передавать электрическую информацию; они также активно интерпретируют и распространяют иммунные сигналы. Функционируя как врождённые иммунные сенсоры, нейроны, наконец, могут быть способны формировать формы долговременной «нейрональной иммунной памяти», что подтверждается эпигенетическими данными. Такие возможности открывают принципиально новый взгляд на нейроны и знаменуют собой эволюцию нейроиммунного синапса от структурного контакта до функциональной иммунной органеллы – места пересечения синаптических, метаболических и иммунных языков. [...] Поскольку и нейроны, и врожденные иммунные клетки выходят за рамки своих канонических границ, они обнаруживают общий молекулярный язык, управляющий здоровьем, болезнью и адаптацией по всему нейроиммунному коннектому. В конечном счете, эта конвергенция означает не конец границ, а возникновение нового рубежа, где нейроны действуют иммунно, а иммунитет действует нейронно”.

https://www.nature.com/articles/s41586-025-09541-7 Что если воспаление при старении начинается с банального дефицита «расходников»? Новость из Института Макса Планка (Nature): У старых и сенесцентных клеток заканчиваются строительные блоки для ДНК (дезоксирибонуклеотиды). Но митохондрии всё равно продолжают копировать ДНК — используя вместо них РНК-нуклеотиды. Проблема: у РНК-кирпичиков есть лишний атом кислорода. Из-за него ДНК становится хрупкой. Она ломается во время копирования. Обломки утекают из митохондрий. Иммунные сенсоры в клетке видят «свободную ДНК» и включают воспаление. Почему клетка это не чинит? В ядре есть фермент, который справляется с такой поломкой. В митохондриях — нет. Эксперимент: исследователи просто дали сенесцентным клеткам правильные строительные блоки. Результат — меньше разрывов, меньше утечек, меньше воспаления. Это происходит при обычном старении. Исследователи подтвердили это в почках, печени, сердце и селезёнке старых мышей.

За что в 2025 году дали Нобелевскую премию по физике: https://nplus1.ru/material/2025/10/10/macroscopic-quantum-mechanical-tunneling

🦆 Dekoda от Kohler: тихо сидит в унитазе и профессионально разглядывает ваши достижения дня. Анализирует цвет, форму и частоту, намекая, что дошики ночью были лишними. Вся эта интимная статистика прилетает в приложение. Это будущее превентивной медицины: ежедневный чекап организма без визитов к врачу. Бесплатный GPT | Экспертный канал

В разных клетках нашего организма - одинаковая ДНК? Оказывается, со временем в хромосомах накапливаются очень значительные изменения, и в результате молекулы ДНК в клетках одного человека сильно различаются (чем он старше - тем сильнее). В новом исследовании секвенировали полные геномы более ста клеток 74-летнего мужчины и обнаружили огромные генетические различия между ними. «Результаты выявили настоящий хаос: лишняя хромосомная ветвь здесь, недостающий фрагмент хромосомы там, и везде изменённые, удалённые или дублированные мелкие фрагменты ДНК. В некоторых клетках Y-хромосома была полностью утрачена», - пишут в Nature. Это явление называют «мозаицизм», подразумевая, что каждый из нас – мозаика из клеток с разными геномами. А исследование – начало большого проекта каталогизации мутаций в клетках разных участков тела, чтобы получить полную картину генетических вариаций между клетками в одном организме и изучить влияние на здоровье генетической изменчивости в клетках человека. «Нам нужно молекулярное определение того, что является нормой», - говорят исследователи.

Стартап Mission Barns выращивает свиной жир в биореакторах, используя один небольшой образец жировой ткани, взятый у живой свиньи по имени Dawn, которая продолжает жить в приюте в апстейте Нью-Йорка. После забора образца клетки кормят сахаром, белками и витаминами, имитируя условия внутри организма. Через две недели выращенный жир смешивают с растительным белком - получается продукт, который технически является мясом, но без убоя и индустриальных ферм. По отзывам напоминает "диетическое мясо": чуть менее мясное, но всё равно вкусное. Бекон получается с яблочным дымком, фрикадельки - с упругой текстурой. Продукты "неструктурированные", то есть компания не пытается воспроизвести сложные куски типа лопатки или корейки; Mission Barns делает фарши, колбасы, салями - всё, где можно играть рецептурой. В марте компания получила одобрение FDA, став третьей в США с разрешением продавать пищу из выращенных клеток. Пока производство маленькое, а восемь meatballs стоят 13.99 долларов в Бёркли - всё ещё недёшево, но несравнимо ниже, чем первые культивированные котлеты за сотни тысяч. Сейчас Mission Barns планирует масштабироваться и продавать свои биореакторы другим производителям. Станет ли это реальным сдвигом в стране с гигантским потреблением мяса - вопрос открытый https://grist.org/climate-energy/this-pigs-bacon-was-delicious-but-shes-alive-and-well/

По Genesis Mission. Я бы отнесся со всей серьезностью. Скептики считают, что это лишь способ поддержать убыточную ИИ индустрию. Думаю, ставки тут выше, и главная мотивация — не дать Китаю бросить вызов лидерству США в науке и технологиях. В рамках текущей модели Китай уже ставит его под вопрос, и тренд необходимо сломать. Поэтому они 'подрывают' саму модель научного познания: transform how science is done. Планы см. в указе Трампа. Там не случайно идет сравнение с Манхэттенским проектом: это и целеполагание, и уровень амбиций. Если сработает, эффекты могут быть глубокими. Темп открытий ускорится, теории утратят былую силу, а передовую науку будут делать те, кто владеет огромным объемом вычислений и данных (т.е. США): “объединив учёных с интеллектуальными системами, которые рассуждают, моделируют и экспериментируют с невероятной скоростью”. Впрочем, и Китай активно накапливает данные и инвестирует в выч. мощности — эти двое и останутся на ринге, никто больше не потянет такую науку. Ровно три года назад я писал в одном науч-поп издании про перспективы ИИ в науке и, в частности, про идею генеративного моделирования. Теперь это имеет прямое отношение к Genesis Mission:

“Модель обучают на реальных данных экспериментов или наблюдений, а затем она создает синтетические данные как способ проверки гипотез. Так удалось выяснить, от чего зависит затухание звездообразования в галактиках. Швейцарские астрофизики из ETH Zurich загрузили в модель данные о галактиках, находящихся в среде с низкой плотностью, и попросили показать, как бы выглядели эти галактики в среде с высокой плотностью. Что отличает этот подход от обычного моделирования — программе не дают заранее никаких правил и знаний о физических процессах, только исходные данные. По сути, ИИ ищет взаимосвязи между разными параметрами и узнаёт, как изменятся одни параметры, если изменить другие. Так можно проверить огромное множество сценариев, включая и те, что никогда не удастся наблюдать. Для ученых ключевой вопрос здесь в том, сколько всего полезной информации скрыто в данных и как ее извлечь по максимуму. […] Некоторые ученые называют генеративное моделирование «третьим способом» познания Вселенной (наряду с наблюдением и обычным моделированием), подчеркивая его независимость от теорий”.

Роботы и системы ИИ уже меняют экономику Китая Китай в прошлом году установил 295 тысяч промышленных роботов — почти в девять раз больше, чем США, и больше, чем все остальные страны вместе взятые. Общее число работающих роботов на предприятиях Китая к 2024 году превысило два миллиона — это больше, чем в любой другой стране. Китай делает ставку на то, чтобы его заводы и порты выпускали и отправляли товары быстрее, дешевле и работали с меньшим числом работников. Сэм Альтман говорит, что ИИ поможет победить рак. Илон Маск утверждает, что умные машины смогут устранить бедность. Китай же сосредоточен на более приземленной цели — наладить, например, выпуск лучших стиральных машин. Хотя долгосрочные планы Китая в сфере ИИ не менее масштабны, чем у американских технологических компаний, на ближайшие годы перед страной стоит другая задача: укрепить свою роль «фабрики мира» и сохранить ее на десятилетия вперед. 👉 https://fastsalttimes.com/robots-ai-china-production/

Мой друг — алкоголик, писатель, дизайнер и большой талант Стас Жицкий — как-то рассказывал мне, что такое «хотеть». Меня всегда удивляла его способность выпивать литр водки в течение каждого божьего дня, и я всерьёз подумывал о изучении мутации гена алкогольной дегидрогеназы. Все мои представления о здоровье говорили, что Стас долго не протянет, но он протягивал долго, как и некоторые другие много пьющие люди. Какая-то тайна была в их геноме. Стас однажды пересказал мне коуч-сессию, которую провел ему заказчик-олигарх у Стаса в мастерской на Хитровке. Мне и самому очень нравилось внезапно навещать Стаса там, но здоровья у меня столько не было, чтобы интенсивно поддерживать такую дружбу. Рассказ олигарха — Смотри, Стас. Вот сидим мы, пьём водку. Пьём без закуски. Хотим ли мы закуски? Вроде да. Но идти в магазин лень. Значит, не очень-то мы хотим колбасы. Хотели бы — сходили бы. А если бы по-настоящему хотели, то нас не остановил бы и закрытый магазин. Ворвались бы и забрали колбасу. Настоящее желание не остановить. Если бы даже колбаса закончилась на всей планете, можно было бы самим построить колбасный цех. Можно всё сделать и получить колбасу. Вот что значит по-настоящему хотеть. Я это знаю, поэтому я — олигарх. Стас никогда в олигархи не метил: у него было всё и всегда, что он хотел. Большего хотеть он не хотел, да и времени на это не было. Эта история мне очень запала. Я тогда спроецировал её на свою деятельность и понял, что даже те, кто говорят, что хотят продления жизни, на самом деле не хотят. Если вы не обнаруживаете себя, выламывающего решётку на окне колбасного магазина, то о том, что надо делать в продлении жизни, вы даже не подозреваете. Вообще не понимаете, о чём речь. Турчин тоже как-то сказал: основная проблема — у людей нет настоящего желания продлить жизнь. Слишком много дополнительных условий: заработать, чтобы принесли хороший проект, чтобы гарантии были или ясно, что делать. Колбасу надо хотеть искренне, всей душой, даже если на Аляске придётся целиться в северного оленя. Ну мало ли — все коровы сгинули с лика земли. Или выращивай искусственное мясо в лаборатории. Нужно только нестерпимое желание. Нестерпимое желание остаться в живых. Природные сверхдолгожители — голые землекопы, летучие мыши, птицы — все демонстрируют сверхактивность ALDH-семейства (генов алкогольной дегидрогеназы). У них низкий фон повреждения от липидных альдегидов и повышенная устойчивость к фиброзу печени. Звери не бухают, а значит, эволюция долголетия часто идёт через устранение альдегидов. В целом-то идея элегантная: усиливать всё антитоксичное в организме и смотреть, что получится. Полезете в ларёк — обратите внимание на ALDH2. ЧатGPT в курсе.

🧑‍💻 Anthropic представил Claude Opus 4.5 — новую флагманскую модель, которую компания называет лучшим ИИ для кода, агентов и работы с компьютером. Opus 4.5 набирает около 80,9% на SWE-bench Verified и обгоняет GPT‑5.1 и Gemini 3 Pro в ряде инженерных бенчмарков, при этом стала заметно дешевле Opus 4.1. Модель экономнее расходует токены, лучше держит длинные диалоги и справляется с глубокими исследованиями и задачами в Excel и презентациях. Вместе с релизом обновили Claude Code, расширили доступ к Claude в Chrome и Excel и усилили платформу для разработчиков под агентные сценарии. Бесплатный GPT | Экспертный канал

О! Новость! 🔥 Платформа Polymarket, которая позволяет делать прогнозы на различные события (от политики до поп-культуры), получила официальную лицензию от Комиссии по торговле товарными фьючерсами США (CFTC). Это главный американский регулятор на этом рынке. До этого Polymarket работал в серой зоне. В 2022 году CFTC оштрафовал платформу, и она перестала обслуживать пользователей из США. Теперь же компания получает легальный статус и сможет снова работать для американской аудитории, но уже под строгим надзором. CFTC одобрил Polymarket не как букмекерскую контору, а как designated contract market (DCM) — регулируемую биржу деривативов. Это ключевое отличие. Юридически это означает, что пользователи заключают не пари, а контракты на исход события. Если их прогноз верный, они получают прибыль. Такой подход позволил обойти строгие законы США о запрете азартных игр в интернете. Работа под крылом CFTC означает, что к платформе теперь предъявляются жесткие требования. Все контракты и правила их расчета будут четко прописаны. Регулятор будет следить, чтобы никто не мог искусственно влиять на цены или исходы событий. Будут внедрены стандартные для финансовой отрасли процедуры проверки пользователей (KYC). Для жителей США снова появится легальный и удобный способ делать ставки на политику, спорт, технологии и другие события. Пользователи по всему миру получат более надежную и прозрачную платформу, работающую по американским стандартам. Это большой прецедент для всей индустрии, крупная победа для компании и важный шаг для легализации рынков прогнозов в Америке. Успех Polymarket может открыть дорогу для других подобных платформ, желающих работать легально. Платформа является барометром доверия к тем или иным слухам, циркулирующим в интернете. Именно эта свобода и привлекает многих пользователей на Polymarket, превращая его в уникальную смесь биржи, казино и "хьюстонского центра управления полетами" для интернет-культуры 😎 Теперь американцам можно снова делать ставки на то, обнаружат ли инопланетную жизнь к 2030 году 😉 ** О Polymarket: 👉 Нейт Силвер об ИИ, политике и власти https://fastsalttimes.com/silver-on-prediction-markets/ 👉 Как стать хорошим аналитиком https://fastsalttimes.com/pismo-542/

Как сфера исследований, связанных с искусственным интеллектом, вдруг закипела под конец года! Сэм Альтман решил создать «новый тип R&D-организации», призванный дать возможность выдающимся ученым «реализовать идеи, которые не нашли отклика в традиционных институтах, не склонных рисковать». Признанным и непризнанным гениям дадут возможность заниматься своими исследованиями без бюрократии и давления со стороны коммерции. Компанию назвали Episteme, - это слово, происходящее от греческого «знание», - широко известный в узких кругах термин из "археологии знания" Мишеля Фуко. Вот как его смысл объясняет манифест на сайте компании: «Это система идей, формирующих мышление той или иной эпохи. Пять веков назад мир был согласен с тем, что Солнце вращается вокруг Земли, пока Коперник не доказал обратное, открыв новые горизонты исследований и понимания. Его труды изменили эпистему той эпохи. Мы работаем над изменением эпистемы нашей эпохи. Мы убеждены, что нельзя просто ждать появления новой эпистемы; мы должны её формировать. Мы активно вмешиваемся и поддерживаем незамеченных мыслителей, которые могут помочь изменить то, что мир считает возможным. Так же, как Медичи поддерживали ученых-полиматов эпохи Возрождения, которые переписали правила искусства, науки и философии, и так же, как программы времен Холодной войны катализировали революции в вычислительной технике, материаловедении и исследовании космоса, мы намеренно поддерживаем визионеров, предлагающих идеи с высоким потенциалом, которые современная система отфильтровывает из-за того, что они слишком междисциплинарные, необычные или сложные для объяснения». Джефф Безос придумал для собственного ии-стартапа название не хуже - Project Prometheus. Прометей займется вовсе не лингвистическими моделями, а применением ИИ к физическим задачам - пишут, что он будет разрабатывать продукты на базе ИИ для робототехники, аэрокосмической отрасли и автомобилестроения (Безос все решил за Маском повторять?). В компании уже работает почти сто сотрудников, частью перебежавших из Meta, OpenAI и Google DeepMind (они там все периодически друг к другу перебегают). Безос будет в Прометее содиректором, финансирование - 6,2 млрд долларов. Белый дом тоже решил поучаствовать в соревновании пафосных названий и запустил «Миссию Генезис», чтобы ускорить научный прогресс с помощью ИИ. «Необходимы инвестиции в науку, основанную на ИИ, - наступил поворотный момент, когда вызовы, с которыми мы сталкиваемся, требуют исторических национальных усилий, сопоставимых по срочности и амбициозности с Манхэттенским проектом». То есть, раз речь об аналоге Манхэттенского проекта, действительно серьезно берутся за дело: в США на государственном уровне делают ставку на применение ИИ в науке, интенсификацию научных открытий с помощью ИИ, как на главный научный мегапроект современности. И еще одна новость: один из отцов «глубокого обучения», крупнейший исследователь и разработчик ИИ Ян Лекун объявил, что запускает стартап, цель которого — совершить следующую ИИ-революцию: создать системы, которые понимают физический мир, обладают памятью, умеют рассуждать и планировать. Большие языковые модели, при всей их полезности, не способны ко всему этому, - поэтому Лекун считает их тупиком на пути к созданию по-настоящему умных систем. Судя по сделанным ставкам, именно в этих областях, связанных с применением ИИ в науке, а также в робототехнике и других киберфизических системах, в ближайшие годы могут произойти главные прорывы в будущее. Желаю удачи всем прогрессорам! На графике - закон Мура, задающий темп прогресса, продолжает работать.

Почему модели не могут обобщать так же, как люди? (2/2) 10) Хочу еще раз вернуться к пункту про конкуренцию и дифференциацию: вообще, мне показалось, что это важный момент из всего тока. Что нам снова надо вернуться к фазу ресерча и искать другие подходы. Эта однобокость не позволит нам прийти к AGI. И это еще один пункт в нарратив AI пузыря, хотя Илья явно это не связывал, хоть и высказывался про недостаток дифференциации у лидирующих AI лабораторий. Вообще, про важность diversity он несколько раз высказался, в том числе в ходе размышлений, почему миру не нужны «тысячи клонов Ильи на сервере» В общем, очень вдумчивое и увлекательное интервью, рекомендую. Я думаю на декабрьском GenAI апдейте еще поделюсь всеми заметками с интервью и поразгоняем.

Почему модели не могут обобщать так же, как люди? (1/2) Имхо это центральный вопрос очень вдумчивого и оттого суперинтересного нового интервью Ильи Суцкевера. И именно ответ на этот вопрос - путь к очень мощному AI. Спойлер - ответа на него он не дал, но намекнул пути поиска. Вот что я вынес для себя: 1) Текущие модели много всего умеют, но они очень плохо обобщают - по сравнению с человеком: - семпл-эффективность: подросток учится водить за 10 часов практики, а мы вливаем в модель гигантские датасеты - надежность/устойчивость (robustness): человек не делает одних и тех же ошибок по кругу (привет Claude Code). 2) Почему? Кейс 2х студентов, первый из которых тратит 10000 часов на подготовку к спортивному программированию, а 2й - скажем, 100 часов. У кого из них будет лучше карьера? У второго. Почему? Потому что он не слишком затюнен под спортивное программирование, которое не имеет много общего с ежедневной работой. - предтренировка модели делает из них студентов первого типа + - ресерчеры, которые дотренировывают модели, слишком сильно полагаются на эвалы и бенчмарки, и оттого, возможно, делают из моделей вот этот 1й тип студента, хорошо решающего задачки, но не очень подготовленного к реальной жизни. 3) Интересные размышления про функцию эмоций у людей, что, возможно, это некоторый компрессионный механизм, который "изобрела" эволюция, чтобы помогать людям принимать решения. Коррелирует с этими моими мыслями про память и про влияние эмоций, и последующим обсуждением в комментах. 4) Прикольно, как он высказался про scaling и как "слово влияет на мышление" (я как раз говорил об усиливающемся взаимовлиянии языка и мысли на лекции по мотивам этого HLAMT поста ): когда все поняли, что это работает, то ринулись это делать. Новые подходы к решению задачи, в основном, прекратились, все просто вкладывают больше денег в больше компьюта. Илья считает, что это путь к коммодитизации, что все модели в том или ином смысле одинаковы. В эту же тему, что AGI как термин был сформулирован как противопоставление narrow AI. 5) Из-за этого он делает важный поинт, что лидирующие AI лаборатории вероятно будут показывать хорошую выручку, но не прибыль, потому что им сложно будет дифференциироваться с текущими более менее похожими моделями (см предыдущий пункт). Конкуренция ведет к дифференциации, поэтому наверное будет уход в специализацию. 6) У Ильи и SSI есть идеи, как ответить на вопрос в заголовке поста. Но, и он явно сетует по этому поводу, в современных реалиях открыто эти идеи не могут обсуждаться: из за конкуренции, безопасности и других соображений. Имхо это четкий сигнал новой фазы гораздо более закрытого ML ресерча. 7) Мне понравилось его мысль, что AGI это не финальное состояние - AI, которые умеет делать все, что человек - а скорее некий базовый learner с алгоритмом обучения, алгоритмом обобщения, как у людей. И это нечто можно направить научиться любой штуке, как и человека. Его прогноз: 5-20 лет. 8) Если у каждого из нас будет такой персональный AGI, то что будет? Да, сначала будет универсальный высоки доход, AI будет нашим агентом/представителем, все будет делать за нас, мы только будем подбадривать. НО, и этот исход не нравится Илье, тогда человек перестанет быть участником, развалятся многие институты, что мы создали. Мы потеряем свою агентность. Чтобы этого избежат - чтобы не потерять свою агентность и быть соучастником процессов - нам придется прийти к некой "киборгизации" человека —> какая-то сильно продвинутая версия нейролинка, когда AGI, научившись тому, что вы его попросили, сможет одним разом сгрузить вам все это напрямую. Илье не нравится это решение, но кажется, что это единственное решение для устойчивого долгосрочного равновесия. 9) Интересные размышления по поводу того, каким образом эволюция "запекает" в нас такие высокоуровневые концепты как желание нравиться другим или путь к самореализации. Каким-то неведомым образом эти концепты есть в ДНК, и мы сильно дорожим другими, и без ответ на этот вопрос нам будет достаточно тяжело решить задачу alignment-а человека и AI.

Начался ротейшен в сектор healthcare/biotech о котором я говорю последние несколько месяцев. Кто был на моих последних выступлениях хорошо с этим знаком. Невероятно сколько фармкомпаний обновили свои годовые максимумы.

Пока ломают копья вокруг ИИ, Eli Lilly тихой сапой впервые вошла в клуб компаний с капитализацией $1 трлн — ее оценка в пятницу достигла $1.002 трлн, поднявшись благодаря продажам препаратов Mounjaro и Zepbound, ставших самыми продаваемыми в мире средствами для диабета и снижения веса. Так Lilly оказалась рядом с технологическими гигантами вроде Nvidia и Apple, хотя среди нетехехнологических компаний подобного масштаба до этого была лишь Berkshire Hathaway. Компания укрепила лидерство на рынке GLP-1, обойдя Novo Nordisk. Рост пришелся на момент, когда инвесторы стали сомневаться в долговечности «золотой лихорадки» вокруг ИИ. Lilly выглядит менее спекулятивно: она выпускает востребованные препараты, уже приносящие миллиарды. ИИ – это, конечно, интересно, но избавление от избыточного веса – это вечная тема. 👉 Пилюли красоты, золотая жила и рост ВВП 👉 Оздоровительный рынок с оборотом в 1,8 триллиона долларов 👉 Велнес-экономика: анализ и прогнозы

JellyfishDAO выпустила "интервью из 2099 года" (когда уже побеждено старение). Наши потомки рефлексируют о том, какой отстой наверное было стареть. Отличный пример, как за небольшой бюджет сделать сообщение с большим импактом (уже почти 100к просмотров) Экономика продления жизни. Стрыгин

HLAMT или Почему неандерталец не может отправить email? Представьте: мы дали неандертальцу мощный MacBook и быстрый Wi-Fi. Сможет ли он отправить email? Конечно, нет. Дело явно не в brainpower (она у нас с ним примерно одинаковая). Тогда почему же? ==== Остановитесь и подумайте ==== Дело не только в том, что он никогда этого не делал и этому не учился. Ему не хватает концептов. В его голове нет ментальной модели для понятий «интернет», «адресат», и уж точно «емайл». В эпоху AI мы часто оказываемся в роли такого неандертальца. Мы купили подписку на ChatGPT, но стали ли мы кардинально умнее? Чтобы добиться этого, нам нужно систематически применять один мощный фреймворк - H-LAM/T. Еще в 60-е Doug Engelbart - да-да, тот самый, что сделал Mother of All Demos - сформулировал его в своей статье “Augmenting Human Intellect”. Разбираемся на примере LLM: 1) H - Human Центр системы. AI не имеет своих целей. Только вы решаете, что такое «хорошо» и куда мы движемся. Вы - источник мотивации и судья результата. 2) L - Language Неандерталец не мог думать про email. Нам для эффективного общения с LLM нужно понять промптинг. 3) A - Artifacts Инструменты, которые нас усиливают. Раньше это был микроскоп или калькулятор. Сегодня это LLM, AI-агенты и векторные базы данных. 4) M - Methodology Просто иметь инструмент мало. Нужно «ноу-хау». Как построить воркфлоу? Как использовать RAG (Retrieval Augmented Generation), чтобы модель не галлюцинировала? Как тестировать AI продукт? Мои посты, курсы и видео, во многом, про это. О некоторых «рецептах» я узнаю от друзей, коллег, участников курсов или онлайн, некоторые «открываю», пока играюсь (tinkering) с моделями, тулами или фреймворками. 5) T - Training Мышечная память. Нельзя научиться плавать по учебнику. Нельзя научиться управлять AI, просто прочитав твит. Нужно делать это руками. Поэтому я хакатоню. Поэтому пробую новые инструменты или модели, и лишь потом пишу про них. Поэтому я стараюсь, чтобы мы на каждой встрече курса делали что то конкретное, набивали руку. Ключевая мысль Энгельбарта: иметь доступ к артефакту - это только 20% успеха. Чтобы превратиться из «неандертальца с chatGPT» в knowledge worker-а, который быстрее и качественнее выполняет свою работу, нужно прокачивать язык (промпты), методологию (сценарии использования) и постоянно тренироваться. Именно системное развитие всех компонентов дает бОльший результат. Во многом, кстат, недавно вышедшее пособие от OpenAI про AI native кодинг команды именно про это. Но об этом уже в другом посте К чему я все это? Рекомендую системно заниматься всеми компонентами этого фреймворка. Ну а я постараюсь помочь, по крайней мере компонентами A, L и M :-)

CryoRat объявила о выполнении Milestone #3 — ключевого этапа экспериментов по ультраглубокой гипотермии у крыс, то есть охлаждению тела почти до нуля градусов с последующим оживлением. Это решающая технология для будущей крионики и продлённого сохранения организма. Ниже — детальный разбор. 1. Повторили и улучшили классический эксперимент по оживлению животных после охлаждения до ~0°C CryoRat успешно воспроизвела (и даже улучшила) эксперименты команды Smith et al., в которых крысу: 1. Охлаждают до 0 °C — температура замораживания плазмы, почти полное отсутствие метаболизма. 2. Отключается сердцебиение и дыхание (полная остановка кровообращения). 3. Постепенно согревают, пытаясь вернуть сердечный ритм, дыхание и мозговую активность. CryoRat смогла добиться: • восстановления ЭЭГ (электрической активности мозга), • спонтанного дыхания, • возобновления сердечной деятельности после полного охлаждения. Это означает, что граница между обратимой и необратимой гипотермией стала лучше определена — важная биологическая база для будущей перфузии криопротектантами. 2. Впервые синхронизировали ЭЭГ, газы крови и артериальное давление CryoRat создала полностью интегрированную систему мониторинга, которая одновременно фиксирует: • ЭЭГ — активность мозга, • Blood gases — уровень O₂/CO₂, кислотность крови, • Blood pressure — давление, • Температуру. Это позволяет: • точно знать, когда именно возникает остановка сердца, • отслеживать каждый момент «возвращения» организма • создавать модель контролируемого согревания, пригодную для тиражирования другими лабораториями. Такой модели раньше не существовало. 3. Ключевое открытие: дело не в температуре, а в метаболической поддержке мозга Эксперименты показали: • Газовые анестетики (например, изофлуран) ухудшают восстановление после согревания — видимо, подавляют нейронный метаболизм • Анестезия уретаном, напротив, поддерживает стабильное восстановление ЭЭГ. То есть проблема не в том, насколько холодно, а в том, какую метаболическую поддержку получает мозг в процессе охлаждения и согревания. Следующий шаг CryoRat: переход на вентиляцию с контролируемой оксигенацией — чтобы мозг всегда получал достаточно кислорода Это должно резко улучшить выживаемость и неврологические исходы. 4. Команда прокачала навыки микрососудистой хирургии Сотрудники CryoRat прошли обучение в Columbia University: • новые техники сосудистой канюляции, • микрохирургические швы с минимальным диаметром нити. Зачем это нужно? Потому что CryoRat приближается к созданию миниатюрной системы искусственного кровообращения (кардиопульмональный байпас) для крыс. Такая система позволит: • полностью контролировать перфузию и оксигенацию, • безопасно охлаждать и согревать животное, • снижать операционную смертность. 5. Переход к Milestone #4: установка Micro-CT для визуализации криопротектантов CryoRat устанавливает Revvity Micro-CT сканер — томограф с высоким разрешением. Задача: • сканировать целую крысу или мозг после перфузии криопротектантом • измерять концентрацию криопротектанта в разных тканях • видеть, где он прошёл хорошо, а где недостаточно То есть впервые можно будет количественно оценить: «Прошёл ли криопротектант через гематоэнцефалический барьер? «Дошёл ли он до глубоких структур мозга? «Как эффективно защищены отдельные органы?» Это важнейший шаг между: обратимым охлаждением → перфузией криопротектантами → возможной витрификацией. Итог: в чём реальный научный прорыв CryoRat CryoRat не просто повторила старый эксперимент — они создали платформу, которой раньше не было: Модель контролируемой «смерти и возвращения» при 0°C Полный набор синхронных физиологических данных (ЭЭГ+газы+давление) Понимание метаболических лимитов восстановления Улучшенная микрососудистая хирургия для будущей перфузии Переход к количественной визуализации криопротектантов

А notebook LLM умеет уже и в презентации сворачивать источники. А только что вышедшая Nano banana pro - рисует клевые научные картинки, не теряя точности.