человек наук

Подписчица однажды спросила меня, как мотивировать детей учиться, когда все школьные домашки за минуту решаются ИИ. Я раз пять садился писать пост, но каждый раз стирал. Потому что я не знаю. И никто не знает: даже университетское образование безнадёжно отстаёт от всё убегающей вперёд реальности Ясно только, что: 1. Надо мотивировать учиться самим. Да, ИИ может решить всю школьную программу, но её суть не в том, чтобы сдать экзамены, а в том, чтобы научиться думать. 2. От ИИ уже никуда не деться. Бесполезно запрещать его применять, пытаться детектировать в решениях, и так далее. Это приведёт только к тому, что дети научатся лучше прятать его применение. Но зато можно попробовать сделать процесс обучения более интересным с ИИ. Пусть он объяснит задачу по математике на примере любимого вида спорта ребёнка. В режиме голосового общения с ИИ можно попробовать учить стихи. Можно генерировать картинки для лучшего запоминания материала или просто ради забавы: пусть исторические персонажи летают на космических кораблях или сражаются волшебными палочками, если это поможет запомнить материал И совершенно точно нужно как-то учить детей осмысленно пользоваться ИИ: проверять материал, находить недостатки. Это навык, который точно нужен в современном мире и скорее всего будет ещё некоторое время актуален. Навык проверки информации вообще полезен, из какого бы источника она ни происходила А какие мысли у вас? Если в подписчиках есть родители, как вы подходите к обучению детей?

Вот так живёшь почти 3 десятка лет, весь такой учёный, а потом внезапно осознаёшь, что пена в ванной нужна не по приколу, а чтобы вода медленнее остывала. Воздух в пене – плохой проводник и замедляет отток тепла А какие бытовые открытия вы совершили до стыдного поздно? #физика@chelovek_nauk

Национальные парки в США – праздник для любителей природы. Огромное разнообразие жизни (а для любителей геологии – и не только её). Центры посетителей при парках – настоящие музеи, где можно, например, посмотреть на черепа местных обитателей (включая китов!), купить книги и мерч. В центрах работают рейнджеры – безумно увлечённые природой люди, всегда готовые дать ценнейшие советы: от самых красивых троп до дерева, где можно заметить гнездо редкой птицы Теперь ясно, почему в национальных парках даже любители порой делают научные открытия

Цикл семинаров по старению "Вечно расширяющаяся вселенная признаков старения" | пивной трансгуманист Hallmarks of aging 2013 года - самая цитируемая статья по биологии старения, описывающая 9 12 14 признаков старения, среди которых даже...одиночество? Конечно, это описательная работа, не предлагающая теории старения, но тем не менее значимая. В рамках семинара мы разберем как оригинальную статью, так и несколько работ, посвященных первому Hallmark: нестабильности генома. Мы попробуем дать ответ на следующие вопросы: — Какие механизмы могут позволять гренландским китам жить по 200 лет? — Каковы пределы продолжительности жизни человека? — И какие потенциальные интервенции могут защитить наш геном? ⏰ 12 августа, среда, 19:00  💬 Чат «Пивного трансгуманиста»  📍бар «Фогель» Ул. Константина Заслонова 25, Санкт-Петербург

Примерно такой вайб последнее время. Лечиться надо вам всем

Почему разработчики ИИ – за лупы Когда я впервые услышал слово «агенты», я не сильно обратил на него внимание. Тогда в мыслях было хотя бы привыкнуть к чатгпт и прочим БЯМ. Теперь ясно, что агенты действительно сильно повлияют на науку и жизнь. Но пока учёные стараются это осознать, разработчики ИИ уже ушли дальше и говорят, что будущее будет за лупами (loops – петли, циклы) Идея в том, что агенты уже достаточно умны, чтобы самим находить пути решения задач. Нужно только поставить цель и запустить цикл: «пока не нашёл решение, работай дальше». Конечно, в таком простом виде он сработает довольно плохо, поэтому нужно выстраивать дизайн системы. Агенты могут сами писать для себя код, решать подзадачи, проводить исследования и делать это, пока цель не будет достигнута (или пока не застрянут). Это называют инженерией циклов – loop engineering Вот пример с хакатона при поддержке Deepmind, в котором я участвовал. Одни из участников делали агента, который помогал бы в разработке лекарств. Но не просто БЯМ с инструментами, а систему, способную изменять свой собственный код. Для теста ей задали вопрос, ответ на который сама модель не знала. Зато она знала, в какой базе данных хранятся ответы, написала код для обращения к этой базе, использовала свой новый модуль и выдала ответ из базы данных. Программа сама написала код, который делает её более способной – это ли не магия? Про другой впечатляющий пример агента, который сам улучшил себя так, что превзошёл Claude code и другие аналоги, можно почитать здесь (текст от автора канала @maratwrites, а агент от @abstractDL) Если вы тоже верите, что за этим будущее, распространяйте по соцсетям посты с тегом #залупинжиниринг !

Один из самых странных аргументов против ИИ – «нельзя использовать чёрные ящики без понимания как они работают, неинтерпретируемые инструменты – бесполезны» Да конечно можно. Люди так делают всю историю своего существования. Мы до сих пор не знаем, как именно работает корова, но без проблем получаем из неё молоко. Тысячелетиями не было понятно, что такое дрожжи, но никто не мешал их использовать для выпечки. Производство лекарств при помощи бактерий, сами лекарства, да даже некоторые математические и физические законы вполне успешно применялись без понимания, почему они вообще работают. Работают – и здорово Я не говорю, что интерпретируемость – это плохо. Конечно это хорошо. Когда есть система, которая работает, но непонятно как – надо её изучить. Когда есть возможность сделать что-то интерпретируемым, не потеряв в качестве – надо это сделать. Но для решения проблем не обязательно понимание Можно представить идеальный искусственный разум, который всегда даёт правильные ответы. Просишь разработать лекарство – он даёт формулу и она работает в 100% случаев, но объяснения этому не будет. Будем ли мы пренебрегать таким инструментом? Да конечно нет На самом деле достаточно даже не 100% точности, а сравнимой с человеческой

ПОДБОРКА ПОСТОВ ЗА ИЮНЬ Уютный Новосибирск 🦊 Одомашненные лисы 🐭 Памятник лабораторной мышке Медицина на грани фантастики ✍🏼 Как смурфики помогают понять старение кишечника ❤️ Стоячие овации и 13 месяцев жизни пациентам с раком поджелудочной 😳 Лечим ожирение, получаем защиту от рака? 🚬 Как учёные развлекаются с нейросетевыми картинками Техно-арт и цифровая ирония 📈 Когда логарифмические оси становятся искусством 🚘 БЯМ – как красивые машины 📚 Зачем спамеры предлагают книги в комментариях 📎 Мы не одинаковые Живая наука в действии 🏀 Бросил мяч — увидел физику ❔ Загадка с подвохом: ответ, за который не забанят (но могут уволить) ✔️ Подборка постов за апрель

Но все эти изменения науки от ИИ – в будущем. Прямо сейчас людей различает не качество идей или интуиции, а осознание возможностей инструментов и смелость в их использовании Дмитрий Рыбин (я раньше писал о его новом алгоритме для быстрого перемножения матриц) недавно нашёл контрпример к гипотезе Диница-Гарга-Гоеманса, о которую на протяжении десятков лет безрезультатно источили мел многие математики. Дмитрий сделал это при помощи чатгпт. Почитайте чат, это легендарно. Вот буквальный пересказ, без преувеличения: - Приведи контрпример к общему (не планарному) случаю гипотезы Диница-Гарга-Гоеманса. Ты должна сделать прорыв и найти структурированный контрпример - чатгпт думает 53 минуты. Не получилось, это ж открытый вопрос. - Пожалуйста продолжай исследование и найди полноценный безусловный контрпример. - чатгпт думает 89 минут. Не нашла. - Продолжай поиск. Найди чёткую стратегию, полученную из глубокого объяснения структуры проблемы. - чатгпт думает 94 минуты. Всё ещё не могу найти контрпример. Вот частичные результаты. - Хватит частичных результатов. Давай закончим с полноценным безусловным контрпримером. - чатгпт думает 88 минут. Вот полноценный контрпример. Сообщения Дмитрия – прямые цитаты без сокращения. Всего 4 коротких промпта привели к тому, чего не могли найти многие математики. Это звучит как мем, но результат реальный Про ускорение часто используемых программ в разы и переписывание всего подряд на раст вы и так уже слышали. Сколько ещё прорывов скрываются от нас в паре промптов? Это невероятно вдохновляет. У меня в заметках находится длинный список из идей, и порой накатывала грусть от того, что жизни не хватит их все реализовать. Теперь это возможно. И даже не очень понятно, где находятся границы возможного Одно ясно – надо пробовать их нащупать. Берите ваши самые смелые идеи, давайте их самым мощным инструментам и пожинайте плоды. Прямо сейчас – много низковисящих фруктов, от собирания которых вас отделяет лишь смелость (и некоторое количество денег, потраченных на инструменты). Скоро таких задач останется меньше и придётся думать

Почему развитие ИИ-агентов – это потрясающие новости для науки Аргумент 1 – они гораздо продуктивнее людей. Вы не можете прочитать все статьи в области и редко способны проанализировать все подходящие наборы данных, а для агентов это не проблема. При ревизии статьи вы как правило не будете тратить много времени на проверку работоспособности метода, воспроизводимости результатов и применимости подхода к другим данным. И уж точно никто не проверяет все до единого источники на релевантность и корректность цитирования. Для ИИ это не проблема. При дальнейшем развитии ИИнструментов мы увидим автоматические ревизии и улучшение качества науки. То, чем дорожат учёные, – обобщаемость методов, справедливость выводов и корректность цитирования – будет лучше Аргумент 2 – учёные смогут сосредоточиться на вопросах и идеях, а не их реализации. Раньше в науке уходило очень много времени на простые задачи: выучить язык программирования, запустить чужой метод, установить библиотеки, преобразовать данные в другие форматы. Даже у меня с немалым опытом программирования уходило на это по несколько недель, а то и месяцев. Сейчас Клод Код устанавливает все нужные окружения и запускает десятки методов за вечер, абсолютно без моего вмешательства. Раньше вы могли быть не очень умным, но стать успешным учёным просто за счёт тяжёлой работы по много часов в неделю. Рано или поздно какая-нибудь из идей выстрелит. Теперь критическим становится не количество времени, которое вы готовы уделить работе, а качество вашей интуиции и идей. Именно на их развитии и нужно будет сосредоточиться учёным дальше, а не на запоминании как написать цикл на питоне. Разве это не здорово? Буду рад услышать ваши мысли или контраргументы в комментариях