Научно-популярное

🗓 15.02.1564 - День рождения Галилео Галилея [вехи_истории]

Великий итальянский ученый, астроном, физик и инженер, чьи открытия изменили ход науки. Галилей стал одним из основоположников экспериментального метода, доказав, что наука должна опираться на наблюдения и опыт, а не только на философские рассуждения. Его вклад в астрономию неоценим: он усовершенствовал телескоп и впервые наблюдал спутники Юпитера, фазы Венеры, пятна на Солнце и горы на Луне, что подтвердило гелиоцентрическую теорию Коперника.

Однако его открытия вызвали конфликт с Католической церковью, настаивавшей на геоцентрической картине мира. В 1633 году Галилея заставили отречься от своих убеждений, но его идеи выжили и стали основой современной науки. Сегодня Галилео Галилей остается символом научного поиска и борьбы за истину.

💙 Тест на олдовость - ставь лайк, если в голове зазвучало "Галилеееееоооооо" 😁
📝 А напишите-ка, в каких произведениях (фильмах, играх и т.д.) встречается Галилео Галилей?

ИИволюция в биотехе случилась шесть лет назад via t.me/SantryBlog

В 2018 году DeepMind показала AlphaFold — алгоритм машинного обучения, берущий последовательность аминокислот и реконструирующий белок, который из них получится. К 2022 году эта компания смоделировала 200 миллионов всевозможных белков для открытой базы. Некоторые из них я даже использовал в опытах с молекулярной визуализацией.

Несмотря на громкие заголовки, in silico и in vivo не одно и то же. Предсказания AlphaFold приходится тщательно проверять, но тогда машинное обучение начало серьезно менять биологию. Теперь оно, вероятно, спасет человечество как минимум от одного экзистенциального риска — бактерий, устойчивых к антибиотикам.

От таких бактерий умирает больше миллиона человек в год, к 2050 году эта цифра может достигнуть 10 миллионов. В то время как на открытие одного нового антибиотика уходит около десяти лет. Точнее, уходило.

Недавно биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов из еще одной открытой базы данных. В результате алгоритм нашел более 800 тысяч фрагментов ДНК, которые кодируют потенциальные антимикробные соединения. Более 90% из них не были описаны прежде. Три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Осталось проверить еще 799 900 — работы хватит на всю жизнь.

Машинное обучение позволило буквально перетряхнуть все известное микробное разнообразие в поисках нужных соединений, но самое удивительное, что мы не ограничены живущими сейчас организмами. Похожим образом антибиотики ищут, например, в иммунной системе неандертальцев.

Синтезом найденных соединений пока что занимаются люди, но Science уже пишет о создании шести автоматизированных лабораторий. Такие системы будут оперативно проверять результаты работы нейросетей. Этот подход уже используют для создания светоизлучающих материалов. Биотех и фармацевтика на очереди.

К тому же, согласно первым исследованиям, препараты, открытые ИИ, показывают 80-90% успешности на первой фазе испытаний, по сравнению с обычными 40-60%. Вероятно, по крайней мере в среднесрочной перспективе, будет открыто больше успешных терапевтических препаратов, чем во всей истории биотехнологий.

Так получилось, что после 17-ти лет работы в ИТ я ушел в обучение школьников математике. В ИТ я работал программистом и потом системным аналитиком. Ушел потому что просто стало интересно. С падением в доходе. Естественно, постоянно делал себе различные вспомогательные сервисы, ведь, невозможно переставить что-то проектировать или программировать ))). Постепенно стало настолько интересно "как все устроено в обучении мозга человека", что поступил на мехмат МГУ в очную аспирантуру на кафедру "методика преподавания математики". Очень, кстати, полезно. Если поступать туда для того, чтобы что-то узнать/сделать.

Еще работая в ИТ, я постоянно проводил собеседования системных аналитиков и продуктовых менедежров. По 1-3 собеседования каждый день в течении нескольких лет. Обнаружил существование корреляции между "способностью строить объектную модель на лету" и "перспективностью кандидата". Конечно, это не единственная такая корреляция, но одна из самых стойких.

Потом, работая с учениками, обнаружил, что способность мыслить объектами и их отношениями, а не алгоритмами при решении задач по математике, тоже отлично коррелирует с успешностью обучения. Здесь, конечно, речь про старшеклассников. В первой половине школы дети, как мне кажется, должны мыслить алгоритмами, чтобы накопить их критическое количество и ощутить необходимость реорганизовать свое мышление. Также обнаружил наличие связи между тем, читает ли ученик сколько-нибудь существенные объемы текстов и способностью мыслить объектами и их отношениями. Но здесь были исключения - были читающие ученики с полным хаосом в голове.

Пришел вот к такому заключению: нужна тренировка чтения со схематизированием прочитанного на лету. Начиная с простейших конструкций из объектов и простейших однотипных связей между ними. Постепенно увеличивая типы используемых связей: наследование (для детей общее-частное), ассоциация со стереотипами, аггрегация и т.д. Соответственно, увеличивая и сложность конструкций. Особенно важно делать тексты такими, чтобы чтобы приходилось переделывать структуру по мере прочтения. Рекомендую!

Ученые из Университета Калифорнии и других исследовательских центров описали в журнале Joule метод выращивания растений, который они назвали «электросельское хозяйство». Фотосинтез крайне неэффективен, говорят авторы исследования, ведь только около 1% солнечного света, поглощенного растениями, превращается в химическую энергию. Это ограничивает скорость роста растений и количество пищи, которую можно производить на единицу площади.

Исследователи предложили устанавливать солнечные панели на огромных закрытых гидропонных фермах, которые будут поглощать солнечную энергию. Затем эта энергия используется для питания химической реакции между углекислым газом и водой, в результате чего образуется уксусная кислота (ацетат). Ацетат можно использовать в качестве источника энергии для растений, позволяя им расти в условиях, где нет света.

Таким образом, растения, питаемые с помощью новой технологии, способны расти в закрытых помещениях, независимо от внешних условий, говорится в исследовании. По мнению ученых, это может существенно сократить зависимость от климата и минимизировать ущерб окружающей среде, одновременно увеличив объемы производства продуктов питания. Авторы утверждают, что электросельское хозяйство позволит сократить площади, необходимые для производства пищи, на 94%. Это не только освободит огромные территории, но и снизит выбросы углекислого газа, связанные с традиционным сельским хозяйством.

В настоящее время ученые провели эксперименты на салате, рисе и томатах, показав возможность применения этого метода на практике.

Экипаж шаттла «Колумбия» сделал этот снимок горы Эверест 30 ноября 1996 года во время полета STS-80.

В Великобритании в продажу поступило первое лакомство для собак из культивируемого мяса курицы. По утверждению ретейлера, это первый в мире подобный продукт, который попал на полки магазинов. Ограниченная партия Chick Bites поступила в продажу в магазины Pets at Home в Лондоне.

Производитель лакомства Meatly планирует привлечь деньги на расширение производства и сделать курицу более доступной в ближайшие три-пять лет. «Всего два года назад это было похоже на полет на Луну. Сегодня мы взлетаем. Это гигантский шаг вперед», — сказал основатель Meatly Оуэн Энсор.

Лакомство Chick Bites изготовлено как из растительных ингредиентов, так и из культивируемого мяса, для изготовления которого не требуется убивать животных. Компания Meatly заявила, что произвела курицу из образца клеток, взятых из одного куриного яйца, и что из этого образца можно изготовить достаточное количество лабораторного мяса, чтобы кормить домашних животных «вечно».

В компании утверждают, что их мясо «такое же вкусное и питательное, как и традиционная куриная грудка» и содержит все нужные для здоровья животных аминокислоты, жирные кислоты, минералы и витамины. В июле 2024 года Великобритания стала первой страной в Европе, которая поддержала использование культивированного мяса в кормах для домашних животных. Мясо от Meatly одобрили в Министерском департаменте по охране окружающей среды, производстве продуктов питания и сельского хозяйства (Defra) и Агентстве по здоровью животных и растений.

🗓 08.02 - День российской науки [вехи_истории]

Праздник, установленный в 1999 году и приуроченный к дате основания Российской академии наук в 1724 году по указу Петра I. Этот день посвящен достижениям российских ученых, внесших вклад в мировую науку, от фундаментальных открытий до передовых технологий. Российская наука всегда славилась выдающимися именами – от Михаила Ломоносова и Дмитрия Менделеева до современных исследователей, работающих в области космоса, медицины, ядерной физики и IT.

📝 Пишите в комментарии, какого российского ученого или инженера вы считаете самым прорывным в плане науки по вашему мнению и почему)

Помогут ли современные технологии возродить гражданскую сверхзвуковую авиацию?

Стартап Boom Supersonic сообщил о превышении скорости звука демонстрационной моделью XB-1. Сбудется надежда на быстрые перелёты?

XB-1 — прототип самолёта Overture, он должен перевозить 64—80 человек на скорости 1,7 Маха (в 3 раза быстрее существующих гражданских самолётов). Но почему разработчики решили, что проект избежит судьбы Ту-144 и Конкорда?

Короткий ответ — технологии. Например, одной из проблем Ту-144 были микротрещины, которые появились в металле от напряжений, возникавших в полёте. Но Overture в значительной части состоит из композитов, которые сделали самолёт легче и прочнее. Сверхзвуковой самолёт должен быть универсальным — хорошо работать и на малых скоростях, и на дозвуковых, и на сверхзвуковых. Например, самолёт Ту-144 имел дополнительные выдвигающиеся крылышки, которые обеспечивали нужную подъёмную силу на взлёте. Теперь оптимизация достигается за счёт симуляции и обсчёта воздушного потока. Также представляла сложность посадка — нос не давал пилотам увидеть полосу. В Ту-144 проблема была решена в лоб — нос самолёта опускался, увеличивая обзор. В Overture обзор улучшит система виртуальной реальности.

Что же, всё получилось? Нет, конечно, MVP для Boom Supersonic — необходимый, но недостаточный фактор успеха. Ведь Конкорд в первую очередь подкосила не авиакатастрофа 2000 года, а … Skype. Возможность лицом к лицу провести переговоры по Сети снизила число желающих платить $10 000 за то, чтобы быстрее добраться на другой континент.

https://www.youtube.com/watch?v=NfR3CUkfOVo&t=3748s

Очень интересный разговор с инженерами из Cerebras. Они делают AI компьютеры – единый интегрированный процессор масштаба кремниевой пластины.

Мощность 23 kW, в 57 раз больше чем самый мощный GPU в мире.

Теоретически, учитывая пропускную способность, кластер таких штуковин может, одновременно, следить за всем сетевым трафиком в мире.

Только нужны будут, специализированные модели вроде этой. Некоторые из них, возможно, будут работать на уровне ядра операционной системы.

Трамписты говорят о возвращении «Gilded Age» – это период в истории США, с 1870ых по 1890ые, когда в Америке рулили Вандербильты, Рокфеллеры, Карнеги. Сам Трамп называет свой второй строк, началом нового «Золотого века» США – это отсылка именно к «Позолоченному Веку» («Gilded Age»).

Трамп постоянно говорит о Уильяме МакКинли – это 25-й президент США, который был одной из центральных фигур, конца 19 века. МакКинли был протекционистом и вошел в историю благодаря Тарифу МакКинли.

Позолоченный век кстати называется так, потому что это было время контрастов, социального неравенства и имущественного расслоения между элитами и рабочим классом.

Правда в отличии от сегодняшнего дня, в этот период, не было недостатка в дешевой рабочей силе. Потомки рабов, бедные мигранты из Западной Европы и рабочие из Китая, обеспечивали постоянный приток рабсилы, который был необходим для масштабных строек того времени. Возможно Третью Промышленную Революцию начнут люди, а закончат роботы и ИИ. Правда пока это все больше похоже на «Ревущие двадцатые».

Почему наши ожидания так часто оказываются ошибочными (Why Our Expectations are so Bad)

Это саммари третьего модуля курса The Science of Well-Being. Саммари второго модуля здесь.

В этом модуле рассказывается о четырех раздражающих особенностях нашего ума (Annoying Features of the Mind), которые часто мешают нам принимать правильные решения и делают нас менее счастливыми.

1️⃣ Наша самая сильная интуиция часто вводит в заблуждение.

Это связано с явлением miswanting - когда мы ошибочно предполагаем, что именно и насколько сильно будет приносить нам удовольствие в будущем. Как с оптическими иллюзиями: даже если я знаю, что столы одинаковые, мне кажется, что они разные. Это нельзя развидеть. То же самое происходит с желаниями. Например, я думаю, что новая работа сделает меня счастливее, но на самом деле это заблуждение.

2️⃣ Наш мозг судит не в абсолютных значениях, а по внешним ориентирам (reference points).

Это заставляет нас чувствовать себя хуже. В исследовании Sonlick & Hemeway, студентов Гарварда просили выбрать из двух опций. Первая, ваша зарплата будет $50k, а у коллег на том же уровне $25k. Вторая, ваша зарплата будет $100k, а у коллег на том же уровне $250k. Как выдумаете, сколько выбрало 1 вариант? 56%! Еще раз, вдумайтесь, во втором пункте предлагается зарплата в 2 раза больше, но больше половины выбрало первый. Ориентиры, которые кажутся важными (например, чужие успехи или общественные ожидания), на деле вносят негативный вклад в наше благополучие.

3️⃣ Наш разум запрограммирован на адаптацию.

Наш разум быстро адаптируется к новым обстоятельствам - будь то хорошая работа, много денег или красивое тело. Радость от достижений проходит быстрее, чем мы ожидаем, потому что мы возвращаемся к своему базовому уровню счастья. Hedonic adaptation - это снижение уровня удовольствия от событий или достижений со временем, даже если они изначально приносили радость.

4️⃣ Мы недооцениваем нашу способность адаптироваться.

Когда мы думаем о будущем, нам кажется, что негативные события разрушат наше счастье, а позитивные сделают его вечным. Но на практике мы гораздо лучше справляемся с трудностями и быстрее привыкаем к переменам, чем предполагаем.

❓ Что делать с этими особенностями?

На следующей неделе расскажу, как справляться с этими когнитивными ловушками и выстраивать жизнь, которая действительно делает нас счастливее.

PS. Если пост показался полезным, буду признателен за поднятие кармы 😉

За Землёй можно наблюдать из космоса в 4К. Британская компания Sen запустила трансляцию из МКС. Искать свой дом можно 20 часов в сутки — камера на станции постоянно облетает вокруг планеты.

Ошибочные представления о счастье (Misconceptions About Happiness)

Это саммари второго модуля курса The Science of Well-Being. Это самый популярный курс Йельского университета на Курсере. Я его прошошел год назад, а сейчас пересматриваю и подумал, что будет полезно, делиться краткими саммари. Возможно, благодаря им, кому-то захочется его пройти полностью или внедрить какие-то идеи из заметок в свою жизнь. В прошлом году, во многом благодаря ему я начал системно медитировать, хотя до этого лет 7 собирался...

Есть вещи, делая которые мы можем стать счастливее. Но большинство целей, достижение которых, мы думаем, сделает нас счастливее, не ведут к этому.

1️⃣ Хорошая работа, много денег, классные вещи, истинная любовь, красивое тело - все это не делает нас счастливее.

2️⃣ Ошибки интуиции. Наша интуиция подсказывает нам, что богатство, успех и другие достижения принесут нам огромное удовольствие. На самом деле нет. Хорошая аналогия это оптические иллюзии и The GI Joe Fallacy. 

3️⃣ Ошибки предсказания эмоций. Мы часто переоцениваем насколько будем счастливы или несчастны в результате какого-то события.

4️⃣ Миф о генетической предрасположенности к счастью. Согласно исследованиями Сони Любомирски, базовый уровень счастья, к которому мы возвращаемся после значительных событий на 50% определяется генетикой, на 40% осознанными действиями и привычками. И только на 10% жизненными обстоятельствами, в частности вещами перечисленными в пункте 1.

Что можно с этим сделать? В течении дня выбирать один момент, когда вы полностью в него погружаетесь и наслаждаетесь им. У нас недавно появилась традиция в семье, после ужина мы втроем играем в Каркасона и этот час я полностью живу в моменте, наслаждаясь игрой, общением с Анечкой и Левой.

PS. Если пост показался полезным, буду признателен за поднятие кармы 😉

Я в прошлом разработчик. Поработал во многих ведущих ИТ-компаниях России. После того, как был разработчиком, работал системным аналитиком, продуктовым менедежром. Лет 12-15 назад начал увлекаться вопросами обучения детей математике. Писал даже года 3 назад на Хабре статью о том, как это мое хобби превратилось в профессию. Теперь это еще и область научных интересов: поступил в аспирантуру на мехмат МГУ на кафедру методики преподавания математики.

В нашем коллективе на мехмате существенная часть внимания сейчас прикована к явленим глубокого структурного изменения взглядов школьника на математику (например, осознание, что от числа можно перейти к переменной, или понимание, что уравнения и неравенства - это одно и то же, с точки зрения логики). У меня на этот счет есть своя теория, которую я частично заимствовал у своего научного руководителя и развил. Теория заключается в том, что задача начальной школы и первой части средней - это осваивать алгоритмы решения различных задач. Т.е. нужно уметь обосновывать каждый шаг алгоритма, но не обязательно уметь находить следующий шаг (достаточно помнить последовательность шагов). К середине средней школы алгоритмов накапливается критическая масса, и школьнику с организацией знаний на основании алгоритмов становится тяжело. Алгоритмы все больше и больше ветвятся, изменяют область своего применения и множатся. И в какой-то момент алгоритмы начинают рваться на шаги, а организация знаний начинает смещаться от алгоритмов к отношениям математических сущностей. Отношения - более оптимальная структура организации знаний. Она отлично работает там, где есть постоянные измнения структуры. Также она оптимальна для организации мышления исследователя. А очень часто дети в началке пропускают обоснование шагов алгоритма и, естественно, имеют проблемы с расчленением алгоритмов на части и формированием математических отношений. И, как следствие, им остается только все продолжать зубрить. Вот пост в моем тг-канале о том, как это прогрессирующее заболевание тянется и меняет представление об обучении.

Пример. Можно воспринимать примеры "2 + 3 = 5", "2 = 5 - 3" и "3 = 5 - 2" по отдельности, тогда знак равно будет знаком дейсвтия. А можно как одно отношение между числами 2, 3 и 5, например, 2 + 3 = 5. А вот тут теперь знак равно имеет смысл тождества.

Развивая теорию, которая могла бы описать такие переходы от алгоритмов к отношениям и которая могла бы быть основной для построения педагогических методик, я вдруг вспомнил, где я это все видел!!!! Функциональное программирование и ООП!!! У каждой из этих двух парадигм есть свои плюсы и минусы. Функциональная хороша для освоения, для быстрого создания чего-то небольшого, для кодирования чего-то большого, когда есть высокая степень определенности, а планируемые изменения не слишком велики. ООП - хорошо, когда планируются структурные изменения. По крайней мере, так было лет 10 назад. А структурные изменения - это именно то, что происходит при изучении математики в средней и старшей школе и далее.

Группа поддержки

Два года назад, я написал пост в котором звал присоединиться к мастермайнду про итоги года и планы на будущий. Хотя мой запрос был на человеческое тепло и поддержку. На эту идею откликнулись три человека и с тех пор мы собираемся каждую неделю, чтобы погреться друг о друга, поддержать того, кому тяжело, порадоваться открытиям и успехам друг друга. Это лучшая рукотворная практика в моей жизни, которая дает поддержку, тепло, силы, недаром группа так и называется - группа поддержки.

Подозреваю, что у многих людей есть запрос на подобную практику в своей жизни. Поэтому хочу поделиться этой историей. Мне кажется ключевыми факторами, для того чтобы это случилось стало:

1. Безопасная среда, которая создается за счет правил ненасильственного общения и того, что все происходящее в группе остается только в ней.

2. Формат, у нас есть 15 минут на «поболтать» вначале, поделиться как дела и настроиться. Затем у каждого участника есть 20 минут, в которые он может задать вопрос группе, порассуждать вслух, просто проговорить какие-то важные для себя вещи. Задача остальных - помочь, откликнуться, отнестись к тому о чем идет речь.

3. Готовность открыться и показать свою уязвимость.

4. Группа - это живой организм и готовность каждого участника не только предъявлять себя, но и слышать других позволяет развиваться каждому из нас и группе в целом.

Мне интересно, насколько это масштабируемый опыт, если кто-то захочет создать для себя подобную группу, буду рад поделится опытом, как это получилось у нас. Так же готов помочь на начальном этапе в роли фасилитатора.

"Мой дедушка создавал двигатели, которые приводили в движение большие машины. В лаборатории, мало чем отличающейся от его мастерской, мы с коллегами открыли устройство бактериального мотора", — пишет структурный биолог Прашант Сингх в X. Статья Сингха и его коллег объясняет, как бактериальный жгутик вращается, меняет скорость и направление движения. Вращение против часовой стрелки позволяет бактериям, например, Escherichia coli, плыть прямо. Вращение по часовой стрелке отвечает за крен.

С одной стороны, напоминает шагающий по микротрубочкам кинезин, с другой — шестеренки в коленках одного из подвидов иссид (отдаленные родственники цикад). Сингх рассчитывает, что понимание того, как движутся бактерии, поможет снизить их патогенность. Я смотрю на эту миниатюрную коробку передач и вспоминаю Фейнмана.

Ищите больше интересного в телеграм.

Пол Грэм — Истоки «пробужденности» . Перевод эссе

Новое эссе Пола Грэма об истоках и эволюции "пробужденности" (wokeness). Он прослеживает её развитие от политкорректности 1980-х до современного состояния, объясняя, как университетская среда, социальные сети и институциональные изменения способствовали её распространению.

Ключевой тезис: "пробужденность" – это проявление извечного человеческого стремления к моральному превосходству через соблюдение сложных правил. Грэм сравнивает её с религией и предлагает относиться к ней соответственно: позволить существовать, но не давать диктовать правила для всех.

Особенно интересен анализ механизмов распространения: от университетских активистов 60-х, ставших профессорами, до роли социальных сетей в усилении морального возмущения. Грэм завершает текст предложением, как общество может защитить себя от подобных волн агрессивного морализма в будущем.

Сразу же обновил сборник и добавил туда эссе.

Искусственный интеллект в образовании 🎓🤖

Дело Бартоша Цехановского живет. Время интерактивных учебников уже близко: студенты Университета Калгари разработали «Дополненную физику» — инструмент, который преобразует статические физические диаграммы из учебников в интерактивные симуляции. Под капотом модель Segment Anything, выделяющая разные детали изображений и LLM, например, Gemini. Языковая модель, видимо, отвечает за интерпретацию и "логику" происходящего.

Интерактивные иллюстрации, боты-репетиторы и наставники - эти разработки напоминают интерактивный букварь из Алмазного века Нила Стивенсона, и ставят серьезные вопросы о том, как будет выглядеть образование в ближайшем будущем.

dTech исследователь Энди Матущак в эссе Exorcising us of the Primer пытается ответить на этот вопрос на примере того самого букваря. Он рассказывает о том, чего мы хотим от обучения, как создавать сценарии, которые поощряют обучение и мышление, и как можно использовать технологии, чтобы вызвать любопытство… В дискуссию включается нейробиолог и игровой дизайнер Адриан Хон. "Возможно нужно не универсальное решение, а специализированные обучающие инструменты?" - предлагает он.

Я же хочу зафиксировать момент. Поразительно, что ученые обсуждают этот фантастический роман в прикладном ключе.

Нынешнее состояние системы образования представляется удручающим, поэтому хочется понять, как приближение сингулярности изменит ситуацию. К счастью, появляются первые оценки применения LLM в преподавании.

Учащиеся, которые были случайным образом отобраны для участия в программе, значительно превзошли своих сверстников, не участвовавших в ней, по всем направлениям, включая английский язык, что являлось главной целью программы. Эти результаты убедительно доказывают, что генеративный ИИ при продуманном внедрении и поддержке учителей может эффективно выполнять роль виртуального репетитора.

From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time.

Стивенсон предполагал, что каждый получит доступ к продвинутому виртуальному репетитору с высокой степенью персонализации, который сделает обучение более легким и продуктивным. Возможно, мы на правильном пути. Исследователи утверждают, что их ученики достигли результатов, эквивалентных двум годам обучения, всего за шесть недель.

Пока не появится больше данных, отношусь к результатам с долей скепсиса, но отмечу: речь идет о совместной работе ученика и учителя с LLM, а не о полной замене педагогов. Это подтверждает общее наблюдение – нынешний ИИ эффективнее всего работает в связке с человеческим интеллектом. Тут невольно вспоминается уже "Культура" Иэна Бэнкса.

Ищите больше интересного в телеграм.

В закромах ЦРУ можно найти удивительные штуки. Например, в 1970–х они собрали миниатюрную механическую стрекозу с бензиновым двигателем — этакий микробеспилотник для шпионажа. Если верить агентству, она могла пролететь до 200 метров за 60 секунд. Для управления и передачи данных использовали лазер — вероятно, звук считывали с приемника через модуляции отраженного луча. Правда, при малейшем ветре стрекоза сбивалась с курса, и проект пришлось свернуть. Но идея механических насекомых не умерла.

Полвека спустя Инженеры MIT создали нового робота–насекомое. И этот малыш уже совсем другого уровня — держится в воздухе целых 17 минут и выполняет сложные акробатические трюки.

🌾 Зачем это сейчас? Главная цель уже не шпионаж, а спасение сельского хозяйства. В вертикальных фермах будущего критически нужны опылители, а живых пчел уже не хватает — в Калифорнию их свозят фурами во время цветения миндаля. Роботы–опылители могут стать решением этой проблемы.

Ищите больше интересного в телеграм.

По ИИ-новостям можно отслеживать последние тенденции. Пару месяцев назад, «модным» тегом было AGI, «глобальный ИИ», сулящий миру избавление от мук умственной деятельности и долгожданное погружение в бесконечный просмотр Tik-Tok.

Чуть позже, настал черед очередного «прорыва» – «агента», то есть помощника, которому можно поручить задачи и он будет их выполнять денно и нощно. Видимо, с AGI или не сложилось, или термин перестал вызывать интерес инвесторов.

И, встречайте на сцене – «рассуждающий ИИ»! Он уже не претендует на лавры AGI и не столь универсален, как агент. Единственная надежда, что он сможет сделать несколько шагов в рассуждениях.

Но, похоже, и это – всего лишь маркетинговый трюк.

С самого начала, единственный путь, по которому идут языковые модели – подбор следующего токена в зависимости от предыдущего. То есть, главным залогом успеха при этом является как можно больший объем данных для обучения.

К настоящему времени, использованы все существующие качественные данные, и  даже синтетические данные.

Конечно же, это не предполагает размышления.

Попробовав недавно DeepSeek, я обрадовался, увидев долгий порядок вычислений, что, наконец, модель научилась размышлять. Но, недавняя новость раскрыла, как это достигнуто- всего лишь огромным числом математических задач в обучающей выборке. То есть, это снова – лишь подбор следующего токена.

Поэтому, видимо, все заявления о «размышляющих ИИ» - лишь маркетинговый трюк. Ведь, мы до сих пор не знаем, что такое мышление и как оно работает.

По крайней мере, я. Я лишь знаю, что мозг накапливает информацию за день  в краткосрочной памяти и проводит «обучение» мозга этим данным ночью, во время сна. Но это – всего лишь обучение имеющимся данным. Механизм же поиска решений, то есть создания информации, не известен. Ясно лишь, что между нейронами растут физические связи. И, к моменту образования необходимых связей между всеми требуемыми нейронами, человека осеняет «Я понял!».

Как мозг определяет, между какими нейронами необходимо создать связь, не известно.

Может быть, у сообщества есть догадки или даже достоверная информация.

Думаю, это будет полезно многим энтузиастам ИИ.