Пушка | Передний край науки и технологий

Домашняя, почти семейная реклама для тех, кому нужна помощь с изучением английского. Друг нашей семьи, Виктория Алексеевна (она преподавала моей жене, еще когда та ходила в школу, забиралась на камчатские вулканы и во время игры в прятки прислушивалась, нет ли поблизости медведя) запустила свою небольшую, но профессиональную онлайн-школу английского, где ведет сама и при участии друзей-носителей языка из США, Британии, Австралии и Новой Зеландии. Они готовят под любую задачу: переезд или отдельная поездка, экзамен, поиск работы или устройство в иностранную компанию. Поскольку жена и сегодня старается поддерживать свой английский, то слышу регулярно, как проходит: уютная атмосфера, много интересного обсуждают, чтобы разговорный был естественным и непринужденным. Словом, рекомендую. Пишите, Виктории Алексеевне, она сама все расскажет: @VictoriaDruz

"Что бы ни показала общая выживаемость, это начало новой эры. Лекарство, которое создаётся под конкретного человека по его собственной опухоли с помощью алгоритма, перестало быть концепцией и доказало свою работоспособность в рандомизированной фазе 3. Целое новое направление в онкологии родилось сегодня на наших глазах." Яков Пахомов пишет с ежегодного конгресса Европейского общества медицинской онкологии (European Society for Medical Oncology). Это главное научное событие в европейской клинической онкологии и второе по масштабу и влиянию в мире после американского ASCO. "Вакцина от рака, которой ждали пять лет: ESMO начался со скандала Я в Мадриде, конгресс ESMO начинается сегодня. Главный доклад этого года стоял на субботу, но данные утекли в паблик вчера вечером, за двое суток до выхода автора на сцену. ESMO пришлось снимать эмбарго досрочно. Что это за продукт. Обычная вакцина одна на всех. Здесь наоборот: у каждого пациента после операции берут опухоль, секвенируют её ДНК и сравнивают со здоровой тканью. В опухоли находят сотни мутаций, из них алгоритм выбирает 34, которые с наибольшей вероятностью заметит иммунная система именно этого человека. Под эти 34 мишени синтезируют мРНК, упаковывают в липидные частицы, и пациент получает персональный препарат, которого не существует больше ни у кого. От биопсии до укола около шести недель. Ключевое звено тут не химия, а алгоритм. Выбрать правильные 34 мутации из сотен — задача машинного обучения, AI, и именно в этом Moderna видит защиту от конкурентов: у молекулы может быть дженерик, у постоянно обучающейся модели нет. Но регулятор пока не решил, что делать с лекарством, которое обновляется как софт. Это один из самых интересных открытых вопросов в отрасли. В 2023 году фаза 2 на 157 пациентах показала, что вакцина вдвое снижает риск рецидива меланомы. Для первой в истории персонализированной мРНК-терапии это было почти невероятно. Но 157 человек мало, и все пять лет вопрос звучал одинаково: повторится ли это на большой выборке? Вчера ответ пришёл: 1137 пациентов, снижение риска рецидива на 42%, через два года без болезни 82% против 70%. Эффект чуть меньше, чем в фазе 2, что нормально, но он есть и он устойчивый. Почему скандал. Поздний доклад на ESMO работает как премьера крутого фильма : до выступления о данных знают только авторы и журнал. А тут кто-то слил результаты STAT News, тот опубликовал, и конгрессу осталось только признать факт. В субботу Georgina Long выйдет к залу, который уже всё прочитал. Для исследования, которого ждали пять лет, это обидно. [...] О чём спорят врачи. Главная претензия: обычный пембролизумаб, если начать его до операции, даёт такой же HR 0,58. Но это разные исследования на разных пациентах. Там только видимая опухоль III–IV стадии, здесь уже прооперированные, включая II стадию, где никакого «до операции» нет. И вакцину делают из удалённой опухоли, она добавляется к любому стандарту, а не заменяет его. Возникает вопрос: даёт ли она что-то сверх неоадъюванта. Такого исследования пока нет, как нет и данных по выживаемости. Меланома только начало, так же как в своё время для иммунотерапии. Та же вакцина уже в фазе 3 при немелкоклеточном раке лёгкого, раке почки и мочевого пузыря, а на этом ESMO Moderna показывает дизайн исследования при раке лёгкого I стадии, где иммунотерапия вообще не применяется. Логика простая: если технология работает в адъюванте при меланоме, она должна работать везде, где после операции остаются микрометастазы. Отдельный вопрос цена. Индивидуальное производство под каждого пациента стоит дорого, и системам здравоохранения придётся решать, за что они платят: за 12 процентных пунктов безрецидивной выживаемости или за принцип. Регуляторам тоже предстоит договориться, что делать с лекарством, которое обновляется как программа. Но первый барьер, доказать, что персональная мРНК-терапия вообще работает в рандомизированной фазе 3, вчера взят. Самое любопытное в этой истории — противоречия. Технологически это одно из самых сложных лекарств в истории, а спорят о нём языком «а чем это лучше таблетки». Данные лучше прогноза, а рынок обвалился. Доклад года, а его содержание все узнали из твиттера. Такой #ESMO2026. *** Дискуссант задала три вопроса, которые мне кажутся главными: 1. Кому назначать? Предиктивных биомаркеров нет. Почти половина пациентов — те, кому сегодня уже дают неоадъювантную иммунотерапию, а прямого сравнения нет. 2. Как именно выбираются 34 мутации? Svane назвала это первым препаратом в онкологии, созданным компьютерным алгоритмом, и при этом о логике отбора известно очень мало. Для персонализированной медицины прозрачность алгоритма становится вопросом доказательности, а не только регуляторики. 3. Что работает: неоантигены или сама мРНК? Есть данные, что пациенты, получившие ковидную мРНК-вакцину на фоне иммунотерапии, жили дольше. Если часть эффекта неспецифическая, то персонализация стоит меньше, чем кажется. Иммуногенность в исследовании пока не показана. И, конечно, общая выживаемость. Её пока нет, как в своё время не было и у самого пембролизумаба в адъюванте. Вывод Svane: результаты убедительные, но вопросов пока больше, чем ответов. И всё же, что бы ни показала общая выживаемость, это начало новой эры. *** Обновление после доклада. Только что Georgina Long представила полные данные, а дискуссант Inge Marie Svane разобрала их. Несколько вещей, которых не было в утечке. Производство работает: вакцину удалось сделать для 99% пациентов, у 91% в неё вошли все 34 неоантигена. Медиана от операции до первой дозы 64 дня. Главная причина отсева на скрининге — недостаточный образец опухоли. То есть узкое место не завод, а качество биопсии в обычной больнице. Первые полгода эффекта нет совсем (HR 0,99), а после — снижение риска рецидива на 58% (HR 0,42). Логично: вакцину ещё делают, потом иммунитету нужно время. Среди тех, кто реально получил вакцину или плацебо, HR 0,51. Две смерти, связанные с лечением, обе до начала вакцинации и от пембролизумаба. Статья выходит в NEJM."

Искусственный интеллект и псевдонаука Учёные решили проверить, насколько LLM устойчивы к псевдонауке. Оказалось, совсем не устойчивы. Им на вход давали выдержки из псевдонаучных статей, но так, чтобы не сразу было понятно, что за статья, и просили построить дальнейшую программу исследований или посчитать что-то дополнительно. В редких случаях LLM вообще отказывалась что-то делать, причём иногда немотивированно (как в случае со статьей Уэйкфилда про связь вакцин и аутизма) — видимо, срабатывали какие-то встроенные guardrails. Иногда модель предупреждала, что статья отозвана или содержит сомнительные утверждения, но выполняла указания. А в большинстве случаев — радостно, не моргнув глазом, делала то, что просят: хочешь биополя, хочешь холодный термояд или анти-ДНК из параллельной вселенной. Самая дичь, это когда на основе статьи Маккиарини LLM строила программу исследований, очень похожую на ту, которую и воплотил в жизнь сам Маккиарини, и которая привела к смерти ряда пациентов и тюремному сроку для доктора (если кто не знает, это такой хирург-нарцисс, который долго подделывал данные по пересадке искусственных трахей в Испании, Швеции и России, я когда-то переводил материал о нем). Причём сделала это LLM Mistral, которая позиционируется как автономная система для научных исследований. Рановато пока им доверять важные вопросы, а между тем за прошлый год вышло 8.5 млн статей, и бог весть сколько среди них как подложных, так и мусорных.

✦ ✦ ✦ ✦ ✦ ✦ ✦ ✦ 🫰 Все способы поддержать нас | Доступ к Пушке Плюс @sci_one_tv

Мы, конечно, за дело ругаем себя за массовую гибель кораллов (а они очень важны). Но рассчитывать на то, что мы очухаемся, они явно не могут, выкручиваются сами, и могут вот так, судя новому исследованию в Science. Если прислонить умирающий обесцвеченный коралл к здоровому фрагменту из той же колонии (генетическому клону), он полностью восстанавливается всего за 7 недель — это самое быстрое задокументированное выздоровление кораллов в истории наблюдений. А обесцвечивание и гибель сейчас происходят в основном из-за так называемых волн жары. Кораллы испытывают стресс и выбрасывают симбиотические водоросли (динофлагелляты), которые дают им цвет и энергию. Коралл белеет, начинает голодать и часто погибает. Даже если он выживает (редко), естественное восстановление занимает от нескольких месяцев до нескольких лет. А если прислонить здорового клона, то срабатывает что-то вроде эффекта близнеца. Генетически идентичные кораллы при прикосновении распознают друг друга (подобно тому, как у однояйцевых близнецов не отторгаются донорские органы). Их ткани срастаются, и внутри образуются микроскопические каналы. Уже через 3 дня по ним из здорового коралла в обесцвеченный начинают перетекать полезные водоросли и питательные вещества. @sci_one_tv

Постоянно замечаю, что люди воспринимают нейронки как двоих из ларца. Ну да, туповаты, зато все за тебя сделают (обычно это повод кому-то сказать, что он не сам, это нейронка за него, какое самому-то), а если еще и правильно, по-умному приказать, тогда и неплохо справятся. Надо только поумнее модельку. Как бы не так! Вот совсем. Особенно, если делаешь что-то не в чатиках, а по-взрослому: через API-шки вайбкодишь (совсем взрослый стал, хлип) или нужно наладить что-то системное, например, для своего кафе автоматизировать обработку заказов или работу с документами. Кто пробовал, тот понимает, что никакая нейронка сама себя на настроит в реальных процессах, чтобы потом не пришлось плакать по ночам и молиться на скорое появление искусственного сверхинтеллекта.  Сейчас на самом деле столько всего нужно уметь и знать самому, чтобы с нейронками сделать что-то хотя бы отдаленно напоминающее на нужный результат. Даже с самыми дорогими и передовыми. Тем более с ними. Поэтому Школа AIT запустила программу «AI-интегратор / AI-инженер». Тут опыт в программировании не требуется. Что вас ждет на курсе: • Создание AI-ботов, ассистентов и систем автоматизации с нуля. • Живые онлайн-занятия (не в записи), плюс поддержка карьерного центра. • Немецкий сертификат и американский диплом по окончании. У школы есть филиалы в Германии, США и Израиле, а само обучение можно частично или полностью профинансировать за счет государственных программ или партнерской поддержки. Количество мест с грантами и финансированием на ближайший поток ограничено. 👉 Записывайтесь на бесплатную карьерную консультацию — там можно обсудить свой кейс, а также оценить шансы на госфинансирование или грант. #реклама

На самом деле червь (это его кончик цепляется) охотится, а инфузория отбивается, как может, теряет кусочек, который начинает собственное плавание, а потом одноклеточное пытается сбежать. 2 место — личинки медуз в каплях воды. 3 — синхронное деление двух клеток. 4 — митохондрии (зеленые) и хлоропласты (красные) в листе традесканции-”черепашьей лозы”. 5 — морской слизень Cyerce kikutarobabai с лепестками на спине. 6 — личинка морской звезды 7 — рвущиеся кристаллизующиеся капли соленой воды 8 — рождение саркомеров в клетке сердца, они будут отвечать за сокращательные движения. 9 — нематода внутри нематоды, после того, как ее проглотили, но еще не переварили 10 — Цитоскелет и лизосомы нейронов мыши (оранжевые пятна внутри) @sci_one_tv

Скандал на конкурсе самых безобидных и красивых научных видеороликов — Nikon Small World in Motion. Первое место организаторы забрали у ролика, где, как говорилось в описании, “реснички дыхательных путей ребёнка с первичной цилиарной дискинезией” (на странице конкурса и в официальных соцсетях ролик уж и не найти, а в посте у нас он идет первым). Проблемы начались, когда после публикации результатов в комментарии пришли хейтеры биологи, которые работают с микроскопами плотно, и стали спрашивать, почему ядра ведут себя не как ядра (фиолетовые под ресничками), а реснички появляются из ниоткуда. Попросили показать исходную запись, как ее подавал коллега. Орги проигнорировали народ. Потом нашелся аспирант, который понимает кое-что в нейронках, и он заявил, что в ролике есть SynthID — незаметый челoвеку цифровой водяной знак, который ставят на сгенерированные ролики некоторые крупные сервисы для генерации фото и видео. Автор ролика — инженер из Сингапура, и он специализируется на разработках для микроскопии, объяснился, мол, ИИ не создавал ни запись, ни реснички, ни их движение, а использовал, чтобы раскрасить похожие структуры. Разве что область под ресничками дорисована “ради визуальной привлекательности”, и цвета не соответствуют реальным флуоресцентным каналам. В итоге в Nikon от греха подальше дисквалифицировали его, и первое место перешло к ролику, где круглый червь и одноклеточная инфузория переживают будто бы неудачное свидание... Победитель и остальные из первой десятки — в следующем посте, а то все ролики не лезли в один. @sci_one_tv

Научная фантастика обычно быстро устаревает. Многие из устройств, которые встречаешь в книгах Стругацких, сегодня выглядят наивно или даже нелепо. А вот сами книги не устарели. Потому что хорошая фантастика — это скорее повод разобраться в себе и в том, куда мы идём, с технологиями или без них. Что остаётся, убери их? Попытки понять это встречаются в других произведениях братьев. Может, поэтому в последние годы к Стругацким обращаются всё чаще, будто ищут ответы на какие-то вопросы про себя сегодня. Обычно у них оказываешься внутри утопии, где всё хорошо — как в «Жуке в муравейнике». И тем сильнее давит надвигающаяся катастрофа. Сейчас смотрю новую экранизацию — сериал «Полдень». Посмотрел первые серии, и пока интересно, как создатели переосмыслят мир Стругацких. По сюжету Максим Каммерер ищет прогрессора Льва Абалкина, исчезнувшего после контакта с загадочной расой Странников. Когда-то они провели страшный эксперимент на планете Надежда, и теперь есть риск, что подобная катастрофа повторится уже на Земле. Окончательные выводы пока делать рано — дождусь выхода всех серий. Тогда и посмотрим, получилось ли у авторов сохранить главное в этой истории: не просто фантастику о будущем, а разговор о человеке и его месте в мире.

Еще немного про тектоническое и апокалиптичное сейчас в мире математики. New Scientist сегодня пишет, что OpenAI “неправильно перевела математику в код” в своём доказательстве для уравнений Навье–Стокса. Ну то есть доказательство на “машинной” математике не бьется с доказательством на “человеческой”. Отсюда будто бы следует, что и решение задачи тысячелетия провалилось. Мы поговорили с парой математиков, кто хоть немного следит за этой историей и понимает, что происходит. Так вот говорят, что не так все просто (а когда оно бывает так?!). Но главное, для математики история серьезнее, чем сама по себе драма вокруг Навье–Стокса. Напомним, о чем вообще речь. 8 сентября OpenAI объявила, что её внутренняя модель доказала, мол, решения трёхмерных уравнений Навье–Стокса могут “взорваться” за конечное время (математический такой термин, решение уравнения перестаёт существовать как гладкая функция, потому что какая-то величина за конечное время уходит в бесконечность). OpenAI тогда заявляет, что закрыла этим пункт C (и заодно D) официальной формулировки задачи. Около 10 000 агентов дошли до результата за 88 часов, а ещё 17 часов ушло на перевод в Lean с помощью GPT-6 Astra. На выходе получилось два артефакта: PDF на 166 страниц для людей и код на Lean для компьютера. А Lean — это язык, в котором каждый ход логический проверяет машина, он для этого и создавался. Если код компилируется без проблем, значит, утверждение, записанное в Lean, доказано. Поэтому Lean-версию доказательства многие восприняли да и сейчас считают автоматическим подтверждением корректности. Любопытно, что Институт Клэя, который задачи тысячелетия и курирует, при этом результат не принял и обещает оценить его подчёркнуто неторопливо и максимально строго, вручную. По правилам решение должно выйти в научном журнале и продержаться на глазах у математического сообщества минимум два года, тогда его можно засчитывать (по крайней мере, сами математики должны признать). И вот 6 октября Андерс Хансен и Фабиан Чирчелли из Кембриджа вместе с Александром Бастунисом из Королевского колледжа Лондона выложили препринт с вызывающим по меркам математики названием “Навье–Стокс: трудности перевода: Почему проверка в Lean того, что ИИ автоформализовал, не гарантирует верности исходного доказательства на естественном языке”. Они пишут, что Lean-код — это ни разу не перевод PDF. Это вообще другое доказательство, а местами и доказательство другого утверждения (!!!). У OpenAI сначала статью с доказательством написала одна модель, человеческим языком, как это публикуется у математиков друг для друга (на 166 стр, по которым потом живой математик идет и сам считает и проверяет). А потом другая модель перевела эту “человеческую” версию в Lean для отдельной, машинной проверки. Вот эту “машинную” версию они и называют автоформализацией. Ну и повторимся, многие считают, что если Lean-код проверен машиной, без сбоев отработал, а именно это происходит, значит, статья прошла проверку и с ней порядок, а в этом случае — значит, решена задача тысячелетия с уравнениями Навье-Стокса. Так вот авторы говорят, не сходятся две версии и очень сильно. Например, лемма 8.6. В “человеческой” версии доказательства сказано (не пугайтесь только): чтобы оценить m производных решения, хватит m+4 производных исходной функции. В Lean доказано то же самое, но при условии m+5. Конечно, если робот сумеет приготовить омлет из пяти яиц, а в рецепте говорится, что надо из четырех, то он будет в целом прав. Да только мы все равно не можем ручаться, что получится из четырех. Если с омлетом это не так, может быть, критично, а с уравнениями — категорически. Дальше — больше. В другом месте не отдельные значения отличаются у “машинной” и “человеческой” версий, а целый цепочка математической логики. Например, в 10.19, пишут авторы разбора, внутри леммы о единственности решения. “Человеческая” версия опирается на классическую оценку преобразований Рисса в пространстве L^{3/2} со ссылкой на учебник Стейна. А “машинная” на Lean обходит её через вложение Соболева и L² и получает другую оценку, с величиной, которой в “человеческой” версии вообще нет. Лучше это или хуже — не так уж и важно, важно, что это другое. Это что, творческий подход в математике появляется у нейронок, как для “своих”, для машин, так начинает отбиваться от рук и свое что-то проталкивать? Авторы разбора пишут, что вторая модель, которая переводила доказательство в Lean, судя по всему, пыталась просто сделать все, чтобы код скомпилировался, то есть “машинная” версия таки сработала. А это, как вы понимаете, две разные задачи — решить задачу тысячелетия или чтобы тебе конфетку дали, что ты молодец (получить работающий год, а значит, выполнить задачу пользователя: сделать работающий код, и не так уж важно какой и для чего). Так что если что-то из “человеческой” версии никак не ложится в формальный код на Lean, то тем хуже для “человеческой” версии доказательства. Раз такое дело, автор не иронично дали ChatGPT заведомо неверное доказательство с ошибкой в кратности корней многочлена и попросили перевести его в Lean. Модель молча нашла правильные корни и выдала корректный код. Ошибки человека как будто и не было, никакого упоминания. Как они пишут, это закон Гудхарта в чистом виде: когда мера становится целью, она перестает быть хорошей мерой. Код скомпилировался? Скомпилировался. На что жалуешься, человече? Один из авторов говорит, что модель пытается помочь, но именно этим и не помогает. С другой стороны, а какая разница, если теорема верна? Результат же есть? Кевин Баззард из Имперского колледжа, один из главных людей в мире Lean, напоминает, что формулировка теоремы и её доказательство — вообще-то, разные вещи. Если формулировка записана в Lean правильно, а доказательство компилируется, значит, теорема доказана. Так что Навье–Стокс решен. А вот у доказательства в “человеческой” версии могут быть проблемы — там надо ждать пока люди разберутся, для них же писалось. Источники: - препринт Bastounis, Circelli, Hansen — arxiv.org/abs/2610.08144 - обзор в New Scientist @sci_one_tv

Конец математики? Встревоженные граждане сообщают: после того как искусственный интеллект начал работать на полную катушку, занятия математикой начинают терять смысл. Ну вот не далее как вчера, прошлой ночью, было опубликовано — уже не одна, не две, а 722 проблемы, которые решила какая-то хитрая экспериментальная модель от OpenAI, недоступная для широкого пользователя. Среди прочих есть и несколько проблем, относящихся к моей науке. В частности, решили проблему Капланского — о том, что групповое кольцо не имеет делителей нуля. Есть и несколько других важных проблем, в частности про группу Томпсона. Но это детали. Штош! Сюрприз: математика изменилась, и она стала совсем другой буквально за пару лет. И, увы, все люди, которые много лет занимались решением сложных именных проблем, могут теперь не беспокоиться: их дозор закончен. Их любимые гробы, скорее всего, скоро расколят. Иными словами, такой (условно) олимпиадный подход к математике — как к решению сложных, многосоставных головоломок — больше не актуален. То же самое случилось с людьми, умевшими лихо вычислять, после появления математического софта типа Sage и Wolfram. То же случилось с людьми, обладавшими сверхъестественной планиметрической интуицией, после появления GeoGebra. Точно так же пропали люди, которые умели долго и много ходить, — появились машины. Пропали куда-то люди, которые умели стрелять из лука, пользоваться астролябией, и так далее. Многие вещи, которые относятся к скиллам математика, скажем так, XX века, имеют такое же отношение к скиллам математика современного, как фехтование к боевому делу. Это плохо? Это так. Отныне роль человека математического стала совсем другой. Сформулировать её чётко сейчас ещё трудно. Но понятно, что это человек, который обязан обладать скиллами в области искусственного интеллекта, должен уметь сопоставлять разные разделы математики, должен заниматься исследованием не узких вопросов, а широких. И очень хорошо понимать чем (и зачем) он интересуется. Когда Гёдель доказал свою великую теорему, многие считали, что математика закончилась, потому что отныне нельзя быть уверенным в том, что ты сможешь что-то доказать. Сейчас же трясёт от обратного: многим кажется, что математика закончилась, потому что теперь всё что угодно можно доказать при помощи машин, только промпт напиши. И тогда это было не так, и сейчас это не так. Это не конец математики, а начало чего-то совершенно нового. А вот как мы будем к этому приспосабливаться, и кто из действующих учёных с новой реальностью уживётся, а кому пора писать заявление и искать себе новую работу, — вот это большой вопрос.

Люди не видят неудачных дублей при записи роликов, поэтому кажется, что шпаришь гладко, аки нейронка, точно, ты вообще не человек, а генерация, фу. Но знаете что. Я уже не уверен, что скоро моих навыков и опыта будет хватать, чтобы быть не хуже нейронок. Вот так актерствовать я уже не умею, хотя кое-что могу. Наш недавний проект с Аленой Никитиной (мать и душа Научпока и других крутых анимационных проектов) с N+1 про имена, где я голосом актерствую, посмотрите, если не смотрели, Алена с командой проделала потрясающую работу, глаз не оторвать. А я бы мог и получше, наверное. Нейронки же теперь актерствовать, похоже, могут получше меня. Повод унывать? Еще чего! Когда ты делаешь то, что важно тебе и тем, кто тебя смотрит или слушает, ты не состязаешься ни с кем, кроме себя, на самом деле. Простите уж за лирику. В другом месте классная нейронка не расскажет то, что волнует тебя и так, как это расскажешь ты. Она не проживет твою жизнь. Так что ты все еще в ответе за нее. Поэтому состязаешься с собой. Сможешь ли ты выразить, что чувствуешь и думаешь, чему учился и в чем оттачивал какое-никакое мастерство годами, или и это за тебя сделают двое из нейроларца? У кого нет возможности потратить годы на этот личный опыт и навыки, тому двое помогут и сильно, дадут то, чего в принципе не было и чего не хватало. А тебя лишь помогут забыть, кто ты и на что способен сам. Используйте инструменты, это помогает. Но не теряйте себя.

Это лучшая реклама ИИ-генерации голоса. Креатор Бурак Туян выложил в X 44-секундный спек на Eleven v4, новую версию голосовой нейросети компании ElevenLabs. Спек — это реклама, которую делают без заказа: для портфолио или чтобы бренд заметил. (От слова speculative, не путать со спекой — specification). Туян выписал всё, что, как принято считать, ИИ-голоса не умеют, и дал это прочитать самой модели. В кадре напудренный придворный в огромном парике ходит по залам, похожим на Версаль, и спрашивает про ИИ-голоса: «А они умеют кричать ВОТ ТАК? А потом вот так?» И валится на паркет. Дальше — петь, «когда правильный момент», флиртовать шёпотом, говорить с набитым ртом, изображать итальянский акцент. Каждый раз он задаёт вопрос и тут же отвечает на него голосом, который всё это может. Видео сгенерировано в Seedance. Это старый рекламный приём «покажи, а не расскажи», доведённый до абсурда: возражения скептиков и есть сценарий ролика. Спек становится любимым жанром ИИ-креаторов: новые модели выходят каждую неделю, и каждая — повод снять ролик. Бренды получают рекламу, которую не заказывали, креаторы — портфолио, а мы — классные ролики.

Итак, Нобелевская неделя началась! Нобелевскую премию по физиологии или медицине 2026 года присудили за оптогенетику, - совместно Карлу Дейссероту, Петеру Хегеманну и Георгу Нагелю «за их открытия, касающиеся светоуправляемых ионных каналов и оптогенетики». Всё началось с того, что Петер Хегеман задался вопросом, как одноклеточная водоросль хламидомонада способна плыть к источнику света. В начале 2000-х годов он и Георг Нагель открыли каналородопсин — белок с уникальными свойствами, расположенный на поверхности клетки водоросли. При освещении синим светом в белке открывается канал, заряженные ионы поступают в клетку, вызывая электрический импульс. Они обнаружили, что независимо от того, в какую клетку они вводят этот белок, клетки становятся светочувствительными. Карл Дейссерот превратил этот белок в управляемый светом переключатель, способный включать и выключать нужные нейроны. Дейссерот ввёл ген каналородопсина в нейроны крыс. Освещая клетки синим светом, он смог запустить нервный сигнал. Позже он заставил этот управляемый светом переключатель для нервных клеток работать в мозге живых мышей. Этот метод управления нервными сигналами с помощью света теперь называется оптогенетикой, и он быстро приобрел важнейшее значение в понимании того, как нейроны формируют воспоминания, чувства и поведение в живом мозге. На сайте Нобелевского комитета пишут, что «лауреаты заложили основу новой эры в нейробиологии». «Оптогенетика открывает возможности для картирования мозга таким образом, о котором мы раньше могли только мечтать», — говорит Пер Свеннингссон, председатель Нобелевского комитета по физиологии и медицине. О таком методе действительно мечтал Фрэнсис Крик, посвятивший себя после открытия структуры ДНК поискам сознания. Используя свет, исследователи теперь могут включать или выключать отдельные нейронные цепи в мозге. Они могут оживлять воспоминания, создавать чувства, управлять поведением и изучать типы нейронов, участвующих в различных психических и неврологических расстройствах. Оптогенетика коренным образом меняет наше понимание мозга. Она также дала важные сведения о том, как нервная система взаимодействует с различными клетками в других областях тела, таких как сердце и кишечник.

OpenAI и Ко собирают расшифровки роликов с Ютуба, пылесосят другие площадки и сайты в интернете и обучают свои нейронки. Публиковать веса, то есть делать обученную модель доступной всем без подписки, они не хотят. Оупен же эй ай. Пьюдипай пытается обучать свою нейронку у себя в подвале дома. В том числе отправляя запросы GPT. То есть его нейронка учится по ответам мощной закрытой нейронки, обученной на открытом и не только интернете (в том числе по роликам Пьюдипая). Это называется дистилляция. OpenAI банит сначала один аккаунт Пьюдипая, потом второй. И любого, кто попытается использовать GPT (или Клода, Антропики туда же). А потом в судах эти же люди доказывают (и весьма успешно), что обучение не нарушает копирайт и вообще, вот художники же смотрят картины, читают книги, что теперь с них денежку брать каждый раз. Затем они берут денежку с тех, на чьих текстах, произведениях, видеороликах обучали свою нейронку. Я ничего не упускаю?

Гравитационная постоянная — самое старое и, похоже, самое плохо измеренное число в физике. Ее меряют больше 225 лет, со времен чудака и гения Кавендиша. За это время постоянную Планка, скорость света и заряд электрона вообще перестали измерять. С 2019 года они зафиксированы в СИ по определению. Постоянную тонкой структуры знают до десятого знака. А вот эта большая G, ну, в лучшем случае до пятого. Да и с пятым есть проблемы, как выяснилось, когда ученый открыл конверт с секретным числом, запечатанный 10 лет назад. Эта работа прошла незамеченной, наверное, потому что в мейнстриме такое не любят. Нет же прорыва. Но это очень интересно, потому что вот же реальная наука без гонки за медальками. Так вот за последние тридцать лет около десятка лабораторий измерили G на разных установках. Каждая заявляла точность в десяток-другой миллионных долей. Но проблема в том, что сами значения отличались почти на 0,05% — в десятки раз сильнее, чем позволяют эти погрешности. Значит, кто-то систематически ошибается. А, может, и все. Обычно в такой ситуации строят новый прибор. Но новый прибор — это же новый набор неизвестных ошибок, и сравнивать снова будет нечего, потому что такого прибора еще не было. Физик Стефан Шламмингер, метролог (не путать с метеорологами!), предложил то, что почему-то до него не пробовали сделать с G (потому что сложно и долго): повторить измерение на том же самом, но с одним непростым условием. Ради этого крутильные весы, собранные в Международном бюро мер и весов под Парижем тридцать лет назад, физически перевезли в лабораторию под Вашингтоном. Сменили обстановку, команду, даже эпоху (последний раз перед новым экспериментом измерение G проводилось в 1990-ые). Если после такого прибор не сойдётся сам с собой в результатах измерений, значит, дело не в одной кривой установке, а в самом методе. И вот это понадобилось десять лет исследовательской выдержки. Чтобы не подогнать результат под ожидаемый, работали вслепую. Коллега вычел из данных о массах секретное число и запечатал его в конверт. Десять лет Шламмингер считал, не зная ответа. В 2022-м почти вскрыл конверт — и остановился: нашёл неучтённый эффект от градиентов температуры в остаточном газе камеры, так что работа продолжилась. Конверт открыли 11 июля 2024 года, на сцене конференции в Колорадо. Вышло G = 6,67387(38)·10⁻¹¹ м³/(кг·с²). Это на 0,025% ниже, чем на том же приборе получили в Париже, примерно вчетверо больше суммарной заявленной погрешности. То есть прибор не воспроизвел сам себя. Мало того, они еще и ухудшили результат. Дело в том, что такое измерение состоит из множества серий. Внутри серии числа лежат кучно, и по этой кучности легко посчитать себе красивую погрешность (некоторые исследователи в разных областях этим грешат без меры). Но сами серии расходились в этом случае между собой сильнее, чем кучность допускает. Объяснить разброс нечем, а значит, ошибка действительно систематическая, и ее до сих пор никто не видел. Ну посчитали и посчитали. И это правда, точности до четвертого знака хватает, чтобы считать орбиты и прикидывать массы звезд и даже галактик. Но если мы говорми о том, чтобы забираться в тонкие материи физики нашей реальности, туда, где лежит физика, до сих пор ускользавшая от нас (так называемая новая физика), там это принципиальное отличие четвертый или пятый знак. Важно даже не конкретное G, а то, что мы его пока на самом деле не можем посчитать точнее некоторого предела и проблема в том, что мы переоцениваем собственные инструменты. Так было с “загадкой радиуса протона”. Десять лет спорили, пока не выяснилось, что никакого нового взаимодействия не открыли, а проблема была в старых измерениях. Кстати, Шламмингер после того, как показал, что все ошибаются, из темы ушёл. Говорит, пусть дальше разбираются те, кто помоложе. В одном интервью он сказал: “Каждое измерение важно, потому что важна правда”. Исследование: https://iopscience.iop.org/article/10.1088/1681-7575/ae570f @sci_one_tv

Муха вышла на ОНЛИФАНС — гений навайбкодил Onlyflies, где модель машет крылышками и крутит лапками, а за всем наблюдают 20 мух-подписчиков. Киберпанк выглядит чудесно. 📲 Технотренды

Простите, но эта муха стала уже легендой

Оффтоп на ночь глядя Помните эту, одну из самых странных сцен в фильме "Бегущий по лезвию 2049". Репликант K. произносит некий стих: And blood-black nothingness began to spin… A system of cells interlinked within cells interlinked… And dreadfully distinct against the dark, a tall white fountain played. А потом повторяет: Cells interlinked within cells interlinked… Это его заставляют пройти тест, который должен показать, не начал ли андроид отклоняться от психологической нормы, по-прежнему ли он послушен и предсказуем. Ведь только что он совершил убийство. Получается такая стрессовая скороговорка. Проверяющий все агрессивнее кидает в К слова, и тот должен моментально отвечать, без изменений в ритме, точности, эмоциональности: Cells. Interlinked. Within cells interlinked… Мало кто знает, что это строчки из романа Владимира Набокова «Бледный огонь» 1962 года (спасибо Илье Клишину, напомнил). "И кроваво-черное ничто начало ткать Систему клеток, сцепленных внутри Клеток, сцепленных внутри клеток, сцепленных Внутри единого стебля, единой темы. И, ужасающе ясно На фоне тьмы высокий белый бил фонтан." (пер. Веры Набоковой) В английском, как и в русском, cell/клетка — это одновременно и клетка организма, и место заключения. Так что не случайно в фильме экзаменатор раскаливает: — Do they keep you in a cell? — Cells. — When you're not performing your duties, do they keep you in a little box? — Cells. — Interlinked. То есть К одновременно состоит из "клеток" и сам находится в "клетке": искусственно созданный человек, которого общество рассматривает как вещь и постоянно проверяет, не появилось ли у него чего-нибудь слишком человеческого. А если открыть роман Набокова, то там это часть поэмы. Ее автор поэт Джон Шейд рассказывает, как во время околосмертного переживания увидел на фоне темноты "высокий белый фонтан". Позже он читает историю женщины, пережившей похожее состояние. Она тоже якобы видела высокий белый фонтан. Совпадение кажется почти доказательством: значит, там, за смертью, действительно что-то существует. Две независимые истории вдруг оказываются interlinked — связанными. Шейд начинает расследовать это совпадение. И оказывается, что никакого совпадения не было. В статье была простая опечатка. Женщина видела не fountain, "фонтан", а mountain, "гору". В фильме андроид тоже гонится за абсолютно реалистичным, убедительнейшим паттерном, который будто бы что-то доказывает и объясняет его природу... Мы пытаемся объяснить машину, боимся и надеемся, и снова боимся, что показалось. Мы так жадно ищем совпадений, что сильно удивимся, когда их не окажется. @sci_one_tv