Лебедев про мозг

Ким Кардашьян сделала модный SPECT-скан мозга — и о ужас! Там «дырки» и «низкая активность» от стресса! Нейроучёная в шоке: это не дырки, а просто зоны с меньшим кровотоком, которые есть у всех, если вы, например, не выспались или выпили кофе не в то время. Научных доказательств, что это диагностирует стресс/ADHD/ссоры с Канье — ноль. Зато цена вопроса — $3000+ БАДы. Короче: Ким заплатила кучу бабла, чтобы ей красиво нарисовали «у вас мозг устал», а наука тихо плачет в уголке. Главный вывод: лучше купить сумку Birkin — хотя бы дырки в ней дизайнерские и всем видны. https://theconversation.com/kim-kardashians-brain-scan-shows-low-activity-and-holes-im-a-brain-expert-and-i-have-questions-271083

Для эрудитов: Right Vagus: Dominates SA node control, slowing heart rate. Left Vagus: Dominates AV node control, slowing conduction between atria and ventricles. https://t.me/Biktimirovneuro/39

Творческая мысль

Капитан очевидность? Засыпание происходит по закону бифуркации с чёткой точкой перехода Учёные из Имперского колледжа Лондона и Университета Суррея показали, что переход мозга от бодрствования ко сну подчиняется предсказуемой динамике бифуркации: перед моментом засыпания возникает критическое замедление, а затем система резко «переваливается» в состояние сна. Это подтверждено на двух независимых выборках более чем из 1000 человек. На основе этой модели авторы создали алгоритм, который в реальном времени предсказывает наступление сна с точностью выше 95 % и разрешением в несколько секунд. Работа опубликована в Nature Neuroscience (2025). https://www.nature.com/articles/s41593-025-02091-1

В научном центре неврологии стимулируют определенные участки мозга, чтобы улучшить операционную память человека. (Кстати, я до сих пор более-менее уверен на 100%, что ТМС просто увеличивает кровоток.) https://tass.ru/nauka/25797557

Картинка дня

Кульминационный момент

Кстати, рецептивное поле здесь похоже на дельтовидную мышцу, что намекает на то, что здесь может кодироваться просто тяжесть палки.

Есть ли сознание у Ларисы Долиной? И да, и нет.

Черниговская продает аудитории разрешение не знать. Её главный тезис: «Мозг — это тайна», «Мы ничего не знаем», «Мозг принимает решения за нас». Обыватель слушает и выдыхает. «Фух, даже профессор не знает, значит, я не тупой, это просто материя такая загадочная». Это снимает комплекс неполноценности перед сложным миром. Смотреть «Дом-2» — стыдно. Смотреть лекцию Черниговской, где по сути тот же набор баек и анекдотов, но про мозг и с цитатами крупных учёных — престижно.

Не только ФЦМН ФМБА, но и Фрейд в лице «Московского института психоанализа» участвует в программе «Московского долголетия». Пенсионеры узнают о том, что иногда сигара — это просто сигара. https://t.me/mosdolgoletie/4804

Татьяна Черниговская использует интуицию, чтобы понять, с кем можно иметь дело, а с кем — нет. Отличная новость: с Андреем Демчинским можно.

Ленин оказался прав. Это признали даже буржуазные ученые. «Учиться. Учиться, учиться,» — так завещал великий Ленин. Только теперь это относится к ИИ. https://t.me/blockchainRF/12470

Чтобы в мозге возникала сложная, упорядоченная активность (похожая на снежный ком или лавину), не обязательно, чтобы он находился в особом, хрупком "критическом" состоянии на грани хаоса. Достаточно того, что в нём идут процессы с разной скоростью: быстрые нервные импульсы и очень медленное восстановление ресурсов (что похоже на память системы о прошлой активности). Когда медленные процессы сильно отстают от быстрых, это само по себе создает устойчивый дальний порядок в работе нейронов, который выглядит как критичность, но при этом не такой хрупкий и существует в широком диапазоне условий. https://link.aps.org/doi/10.1103/d7mp-pk1w

Искусственный интеллект совершает прорыв в науке о мозге Маккензи Вейгандт Матис и Александр Матис показывают, как современные модели ИИ одновременно анализируют активность мозга и поведение животных или человека. Такие совместные модели раскрывают связи между нейронными сигналами и реальными действиями, помогая как фундаментальной науке, так и прикладным задачам. Авторы выделяют три главных направления развития: дискриминативные модели (лучше различают состояния), генеративные (сами создают правдоподобные мозг-поведенческие данные) и контрастивные (учатся через сравнение похожего и разного). Также быстро прогрессируют методы анализа поведения: автоматическая оценка поз, иерархическое распознавание сложных действий и мультимодальные модели, которые объединяют видео, звук и даже язык. В заключение подчёркивается: чтобы эта область по-настоящему взлетела, важно оценивать модели не только по точности, но и по надёжности, прозрачности и понятности для учёных. https://www.nature.com/articles/s41583-025-00996-1

Правильной дорогой. (Не как Байден.)

Татьяна Черниговская была права. Даже у языковых моделей любимое занятие — высказывать суждения о других. Большие языковые модели формируют социальные связи как люди Исследование PNAS Nexus. LLM-агенты, выбирая друзей и коллег, ведут себя как люди: предпочитают популярных (преференциальное присоединение), друзей своих друзей (триадическое замыкание), похожих по хобби и локации (гомофилия) и создают сети «малого мира». В симуляциях на реальных данных Facebook и рабочих сетей главный приоритет — гомофилия. Ответы LLM на опрос о выборе связей почти совпадают с ответами людей (~100 участников), но модели более последовательны. Вывод: LLM могут генерировать синтетические социальные данные вместо реальных, но их человеческое поведение требует внимания к этике и выравниванию ИИ. https://academic.oup.com/pnasnexus/article/4/12/pgaf317/8361967

В отличие от современных ИИ-систем, животные способны быстро и гибко адаптироваться к изменяющимся условиям. В новой статье-перспективе в Nature Machine Intelligence (авторы Даниэль Дурштевиц, Джорджия Коппе и др.) показано, как динамические и пластические механизмы мозга обеспечивают быстрое обучение в контексте и непрерывное обучение, чего пока не хватает ИИ. Ключевые идеи: мозг работает у точек бифуркации, использует множественные временные масштабы, быстро перестраивает аттракторы через нейромодуляторы и краткосрочную пластичность, а новые механизмы вроде behavioral timescale plasticity позволяют закреплять одноразовый опыт. Авторы предлагают унифицировать когнитивные задачи между нейронаукой и ИИ и использовать реконструкцию динамических систем (DSR) для прямого переноса мозговых алгоритмов в архитектуры ИИ. https://www.nature.com/articles/s42256-025-01146-z.epdf?sharing_token=c-3AK7aSvDSzq1DQgfDPqNRgN0jAjWel9jnR3ZoTv0OIidvwkGz2m0vWBiEM4vf0vsz2zYSt0Zw3Ua6PUJ6ljQrUN6BsQXl-ESn82icK-XIsBMWAasSgQf4TeyqQ2Cs5fJQssnzkn5zb-lZh_yCiBqOOIRYAZt1gj7v80axAB1k%3D

История банкротства и достижений Pixium Vision Компания Pixium Vision, основанная в 2011 году в Париже как спин-офф Института зрения и Университета Пьера и Марии Кюри, специализировалась на разработке бионических систем для восстановления зрения у слепых пациентов с заболеваниями сетчатки, такими как ретинит пигментоза и возрастная макулярная дегенерация. Идея возникла в 2004 году у Даниэля Паланкера в Стэнфорде, а развитие велось в сотрудничестве с Pixium в Париже на протяжении более 20 лет с участием свыше 100 человек и инвестициями превышающими 100 миллионов евро. Достижения включают создание имплантов IRIS I и IRIS II, а также системы PRIMA, которая прошла клинические испытания в Европе и США, демонстрируя возможность восстановления частичного зрения и позволяя пациентам распознавать объекты, читать и улучшать повседневную жизнь. В 2023 году компания столкнулась с финансовыми трудностями и инициировала процедуру защиты от банкротства в Парижском коммерческом суде, что привело к экономическому краху из-за недостатка финансирования и рыночных вызовов. Несмотря на это, в 2024 году технология была выкуплена компанией Science Corp., основанной бывшим руководителем Neuralink Максом Ходаком, а в 2025 году результаты клинических испытаний опубликованы в престижном New England Journal of Medicine, подтвердив прорывной характер работы и сделав её эталоном для будущих разработок в области нейромодуляции, хотя разрешение и удобство использования ещё требуют улучшений.

Пассионарность. (По Гумилеву.)