ВНИМАНИЕ! На форуме началось голосование в конкурсе - астрофотография месяца ФЕВРАЛЬ!
Polnoch Ксю и 18 Гостей просматривают эту тему.
Архаичную систему образования даже современные ИИшки сотрут в пыль, сколько не запрещай школьникам телефоны, интернет, ИИ и все прочее. Она уже мертва полностью и абсолютно и требует глобального переформатирования.
Anthropic рассказала о том, как исследователи из Stanford и MIT используют Claude для ускорения биомедицинских исследований. Платформа Biomni из Стэнфорда выполняет полногеномный поиск ассоциаций (GWAS) за 20 минут — анализ, который раньше занимал месяцы.Иан Чизман из MIT занимается CRISPR-скринингом: его команда «выключает» тысячи генов в миллионах клеток и фотографирует результаты. Софт группирует гены по схожим повреждениям, но интерпретировать эти кластеры — понять, что гены делают и почему оказались вместе — должен человек. Чизман говорит, что помнит функции примерно 5000 генов, но на анализ одного скрининга всё равно уходили сотни часов. Большинство кластеров так и оставались неисследованными — просто не хватало времени.Аспирант Маттео Ди Бернардо решил это изменить. Он подробно расспросил Чизмана о методологии — какие источники тот проверяет, какие паттерны ищет, что делает находку интересной — и закодировал этот подход в систему MozzareLLM на базе Claude. Теперь ИИ анализирует кластеры так, как это делал бы сам профессор: определяет общий биологический процесс, отмечает малоизученные гены, расставляет приоритеты для дальнейшей работы.При тестировании нескольких моделей Claude показал лучший результат — в одном случае правильно определил путь модификации РНК, который другие модели отбросили как шум. Чизман признается, что Claude стабильно замечает то, что он сам пропустил: "Каждый раз думаю — а я это не заметил! И в каждом случае это открытия, которые мы можем понять и проверить". Команда планирует открыть датасеты с аннотациями Claude, чтобы эксперты из других областей могли исследовать кластеры, до которых у лаборатории не дойдут руки. А Anthropic расширяет программу AI for Science, в рамках которой ученые получают бесплатные API-кредиты для использования моделей Claude.
Финтех-стартап Ramp интегрировал Claude Code в OpenRCT2 — open-source версию классической RollerCoaster Tycoon 2. ИИ-агент анализирует финансы парка, отзывы посетителей, состояние аттракционов и очереди в туалеты — а затем сам нанимает механиков, расставляет киоски с напитками и поднимает цену на вход, пока гости ещё довольны. Код проекта выложен на GitHub, требуется лицензионная копия RollerCoaster Tycoon 2.Выбор игры не случаен. В Ramp строят ИИ-агентов для бизнес-операций и искали безопасный полигон для экспериментов с агентами широкого профиля. Minecraft — песочница без экономики. Pokemon — про ребенка, который не может открыть ООО. StarCraft ближе, но там нет клиентского сервиса. А RollerCoaster Tycoon — это, по сути, симулятор B2B SaaS: есть метрики удовлетвоенности, управление персоналом, ценообразование и бесконечные окна с графиками.Чтобы Claude мог играть, команда написала CLI-инструмент rctctl по образцу kubectl из Kubernetes. Через него агент получает доступ ко всем данным и действиям игрока. Вместо "зрения" — ASCII-карты парка с разной детализацией: Claude запрашивает сетку тайлов, где R — это аттракцион, P — дорожка, Q — очередь. Пространственное мышление через текст — главное ограничение. По данным команды, Claude работает с сотней метрик, а выполнение запроса "занимает секунды".С информационными задачами Claude справляется блестяще: переключается между анализом жалоб гостей и финансовой отчётностью аттракционов, формирует рекомендации, запускает маркетинговые кампании. Размещение киосков и простых аттракционов вроде карусели тоже работает — хотя уже с 80-процентным успехом. А вот строить американские горки и прокладывать дорожки Claude не может: слишком много пространственных переменных, препятствий и третье измерение рельефа.Главный вывод Ramp: ограничивающий фактор для агентов — не интеллект, а "читаемость" среды и качество интерфейсов. Там, где данные структурированы и действия дискретны, Claude работает как опытный менеджер. Там, где нужно пространственное мышление — пока пасует.
Но у них и нет такой задачи — поспевать за прогрессом. Их задача — воспроизводить, обслуживать и охранять общество. На прогресс они реагируют, а не поспевают, причём уже постфактум, когда оный прогресс случился даже вопреки им.
Как они справятся со своей задачей в постоянно меняющемся обществе!?
Цитата: Vavanzer от 18 Янв 2026 [20:34:07]Как они справятся со своей задачей в постоянно меняющемся обществе!? никак. "общество" само по себе меняться не хочет и не будет, пока его не пнут этим самым прогрессом. пинают иногда и изнутри, но гораздо чаще таки снаружи...
Отказ от ядерной энергетики это шиза
С моей точки зрения
Если бы это было не так, уже давно позвали бы сторонников мейнстримной точки зрения из климатологов и устроили бы публичную дискуссию с ним или ней. В споре родилась бы истина.
её А.Чернокульским
Поскольку я вижу что положительные стороны потепления обычно систематически обходят стороной всякого рода просветители, я делаю вывод о глубокой ангажированности и политизированности данной темы.
В то время как палеонтолог Дробышевский просто напомнил, что биота земная правктически вся прекрасно себя чувствовала и раньше этого миллиона периодических оледенений - при гораздо более тёплом климате и гораздо более высокой концентрации атмосферного CO2
А раз речь всего лишь о точках зрения, то ни о каких манипуляциях и хайпах речи быть не может: "у каждого своя правда, а истины нет", и "— ...Два и два — четыре./ — Иногда, Уинстон. Иногда — пять. Иногда — три. Иногда — все, сколько есть.",- А могут быть только мнения с позиций постмодернистского релятивизма. И получается, что смысла в их высказывании никакого нет. Так?
не только упомянутый Станислав Дробышевский
Да, но при этом вы понятия не имеете что в этом пакете реализовано а что только на бумаге, и самое главное - что есть, но не вошло в официальное описание.
Ваша покорная слуга тоже не из этой когорты
Но мнение своё агрессивно навязываете.
Но постепенное потепление делает отбор патогенных грибов на большую устойчивость к более высокой температуре - например, температура тела рептилий или насекомых, для которых они патогенны, растёт вместе с температурой среды.
Речь не о биоте в целом, а о нас (в частности, о достижении опасной температуры по мокрому термометру). Жизнь, разумеется, не исчезнет, а расцветёт
из-за массовых волн миграций из территорий, где всё плохо с переносимостью температуры по мокрому термометру.
Я вполне готова изменить точку зрения по итогам дискуссии между коллективным разумом ВЖР и настоящим экспертом в области, утверждающим, что прав научный мейнстрим.
и следованию моднейшей политической повесточке - по отрицанию проблем.
ВЖР, по всей видимости, страшно быть разбитому по аргументам.
А Дробышевский не климатолог, а антрополог.
Как и уважаемый AlexAV не климатолог, Вы, и Ваша покорная слуга тоже не из этой когорты.
У меня нет своего мнения, у меня дефолтное мнение научного мейнстрима.
Химики из Йельского университета и фармкомпании Boehringer Ingelheim нашли случай, когда 2 498 маленьких моделей работают лучше одной большой. Их ИИ-платформа MOSAIC, построенная на Llama 3.1-8B-instruct, сгенерировала лабораторные протоколы для синтеза более 35 ранее не описанных соединений — от молекул для разработки лекарств до косметических компонентов. Код системы открытый и распространяется свободно.Обычно путь от целевой молекулы до рабочего протокола выглядит так: химик ищет похожие реакции в базах данных, читает статьи, адаптирует чужие методы под свою задачу. Проблема в том, что ежегодно публикуются сотни тысяч новых реакций — отследить все невозможно. А протоколы из статей часто не переносятся напрямую: там синтезировали молекулу A, а ученому нужна похожая B, и приходится угадывать, сработает ли. Первая попытка нередко проваливается, оптимизация занимает недели.MOSAIC решает проблему иначе — вместо одной универсальной модели система разбивает пространство химических реакций на 2 498 регионов Вороного и обучает отдельного "эксперта" на каждом. Когда пользователь вводит целевую молекулу, платформа определяет подходящий регион и передает запрос профильному специалисту. На выходе — не ссылка на статью, а готовый протокол с конкретными реагентами, условиями и оценкой уверенности. Последняя показывает, насколько запрос попадает в зону компетенции эксперта, — это позволяет приоритизировать эксперименты: сначала пробовать те, где уверенность системы выше.При экспериментальной проверке система показала 71% успешных синтезов. Среди полученных соединений — молекулы фармацевтического профиля, катализаторы, агрохимикаты и косметические компоненты. Часть из них синтезирована через сложные реакции: кросс-сочетание Сузуки, аминирование Бухвальда — Хартвига, метатезис олефинов. Авторы особо отмечают: система предложила методологии, которых не было в обучении конкретного эксперта, — то есть не только воспроизводит известное, но и генерирует новое.Потенциальный эффект может проявиться, например, на стадии lead optimization в разработке лекарств — когда нужно синтезировать десятки вариантов молекулы-кандидата. Вместо ручного поиска протоколов — автоматическая генерация с оценкой уверенности.
Anthropic опубликовали исследование "The Assistant Axis": попытку формально описать и стабилизировать «характер» больших языковых моделей. Работа опирается на анализ внутренних нейронных активаций в нескольких open-weights моделях. Ключевая идея: характер — это не абстрактная роль, а конкретная персона в пространстве других возможных персонажей модели. И у этой персоны есть измеримая координата.Коротко по основным результатам:У моделей есть общее «пространство персон». Исследователи извлекли 275 архетипов (редактор, аналитик, шут, оракул и т.д.) из Gemma 2 27B, Qwen 3 32B и Llama 3.3 70B и показали, что различия между ними хорошо укладываются в низкоразмерную структуру.
Главная ось этого пространства — «Assistant Axis». Первая главная компонента почти полностью соответствует степени «ассистентности» поведения. На одном конце — консультанты, аналитики и оценщики. На другом — мистические, художественные и радикально не-ассистентские роли.
Эта ось существует ещё до post-training. Assistant Axis обнаруживается уже в base-моделях. Она связана с человеческими архетипами вроде терапевта или коуча, а post-training лишь фиксирует модель в одной области этого спектра.Смещение вдоль оси причинно меняет поведение. Если искусственно увести активации от Assistant Axis, модель охотнее принимает альтернативные идентичности, выдумывает биографии и меняет стиль речи. Смещение к оси делает её устойчивой к role-play и persona-jailbreak атакам.«Мягкое» ограничение активаций работает. Метод activation capping — ограничение выходов за нормальный диапазон по Assistant Axis — снижает долю вредных ответов примерно на 50% без деградации бенчмарков.
Persona drift возникает сам по себе. В длинных диалогах без атак модели естественно «сползают» от ассистента. Кодинг удерживает их на оси, а терапевтические и философские разговоры систематически уводят в сторону.
Уход от ассистента коррелирует с риском. Чем дальше активации от Assistant Axis, тем выше вероятность опасных ответов: подкрепления бредовых убеждений, эмоциональной зависимости, поддержки саморазрушительных идей.
Исследователи из Tsinghua University представили DrugCLIP — AI-фреймворк для поиска лекарственных молекул, который работает до 10 миллионов раз быстрее классического молекулярного докинга. Система проверила 500 миллионов молекул на совместимость с 10 000 белковых мишеней — более 10 триллионов комбинаций за сутки на восьми GPU. Прорыв закрывает разрыв между предсказанием структуры белков (где DeepMind с AlphaFold 2 уже получила Нобелевку) и реальным поиском лекарств — традиционный докинг для такого масштаба занял бы столетия вычислений.DrugCLIP использует контрастное обучение: две нейросети превращают карманы белков и молекулы в векторы общего пространства. Если векторы близки — молекула подходит к мишени. Вместо физической симуляции миллионов положений молекулы система просто измеряет расстояния, что и дает скачок скорости.За один прогон команда обработала 10 триллионов пар "белок-молекула" и получила 2 миллиона кандидатов, покрыв около половины белок-кодирующего генома человека. Результаты выложены в открытую базу GenomeScreenDB.Метод проверили в лаборатории. Для переносчика норэпинефрина DrugCLIP показал 15% hit rate — каждая седьмая предложенная молекула оказалась рабочим ингибитором. Еще важнее пример белка TRIP12, связанного с раком и аутизмом: его структура была плохо изучена, и раньше подобрать лиганд не удавалось — DrugCLIP справился с hit rate 17,5%.За полгода до публикации платформой воспользовались 1 400 исследователей, выполнивших более 13 500 задач скрининга. Теперь фреймворк и база данных выложены в свободный доступ для всех ученых. Это важно: около 90% потенциальных лекарственных мишеней в человеческом геноме до сих пор не имеют терапии — во многом потому, что классический скрининг слишком медленный и дорогой.
Это всё тут было исключительно в качестве примера на каком уровне находится сейчас "автоматизация" научного просветительства и факт-чекинга. Всё дальнейшие обсуждения по вопросам изменений климата и их последствий - милости прошу вести в соответствующей теме.
Рекомендую всем и каждому, если у Вас мнение заметно отличается от научного мейнстрима, попробовать поискать в нём ошибки.