ВНИМАНИЕ! На форуме начался конкурс - астрофотография месяца МАРТ!
0 Пользователей и 3 Гостей просматривают эту тему.
У машины все хорошо! Заливай бензин и она поедет! Жаль что не может сама себя обслуживать и ремонтировать)) В плохих руках быстро в непригодность приходит!
Галлюцинация возникает, когда ИИ-модель выдаёт фактически неверный, выдуманный или противоречивый контент. В работе, представленной на ICLR 2026, исследовательская группа из Римского университета Сапиенца предлагает необычный способ ловить именно такие сбои: они рассматривают финальный вычислительный слой LLM – слой softmax – под новым углом.Этот слой превращает сырые числовые значения модели в вероятности следующего слова. Учёные интерпретируют его как энергетическую модель – вероятностную схему, вдохновлённую физикой, где низкие значения энергии соответствуют высоким вероятностям.Авторегрессионные языковые модели предсказывают слова по одному. На каждом шаге система оценивает, насколько вероятно каждое возможное следующее слово. С математической точки зрения некоторые энергетические величины между соседними шагами предсказания должны совпадать – ведь речь идёт об одной и той же величине, просто рассмотренной с двух разных сторон.Однако на практике, как пишут исследователи, этого не происходит. Возникающий разрыв они называют “пролитой энергией” (spilled energy). Согласно статье, этот показатель тесно связан с ошибками – когда LLM галлюцинирует, значение spilled energy оказывается значительно выше, чем при корректных ответах.
Цитата: Vavanzer от 07 Мар 2026 [03:11:14]У машины все хорошо! Заливай бензин и она поедет! Жаль что не может сама себя обслуживать и ремонтировать)) В плохих руках быстро в непригодность приходит!Разумеется! Это только предельно наивные люди, никогда не имевшие дела с техникой могут полагать, что ездить на машине или работать на станке это и значит её эксплуатировать. Машину (робота, автомобиль, самолёт) эксплуатирует прежде всего тот, кто её заправляет, заряжает, следит, чтобы не портилась, а при необходимости - ремонтирует. А владелец только баранку крутит. И ПДД соблюдает по возможности.
не думаю.
Земная жизнь жестко залочена на определенные аминокислоты
хиральность
ДНК
У эволюции есть некоторые ограничения - она не может мгновенно придти в оптимальное состояние.
Ей нужен путь к нему через инкрементальные изменения
Я думаю, что возможна биохимия на других нуклеиновых кислотах
а так же не-белковая биохимия (см. скрин из вики)
а вот для полимерных машин нет.
Кроме того, я думаю размножение - очень важная часть биохимии клетки. И отказ от него (внешнее производство как производство кровяных клеток...) может быть очень важной оптимизацией ресурсов полимерного робота - у него будет куда больше свободных ресурсов чем у бактерии.
У полимерных ботов могут быть вот такие симбионты сделанные на принципиально другой биохимии или быть чистыми машинами... (я немного упрощаю).
Отдельно хочу заметить, что скорее всего возможно создание аж комптьютерных сетей из полимерных роботов. Возможно, не таких быстрых по частоте, как наши сегодняшние компьютеры, и всё же.
Так что система может быть компактной по геному как у прокариотов, но сложнорегулируемой как у эукариотов
А регулироваться она может извне.
вижу вы поклонник сепарации расплавов? Вы тут такой не первый.
Удалось заставить сырое яйцо соблюдать закон сохранения импульса?
Ясен пень, мы ведь сначала учебник или справочник читаем. а там чётко написано, что золото серебро и лантаноиды - стремятся к сегрегации.
но импульс там как раз сохраняется.
Смешно получилось. Я понимаю, что вы хотели сказать, но импульс там как раз сохраняется. Именно поэтому сырое яйцо так вращается.
Учёные запустили компьютерную эмуляцию мозга плодовой мушки.https://theinnermostloop.substack.com/p/the-first-multi-behavior-brain-upload
Первый оцифрованный мозг обрел тело: как цифровая копия дрозофилы впервые начала ходить в симулятореhttps://www.ixbt.com/live/science/pervyy-ocifrovannyy-mozg-obrel-telo-kak-cifrovaya-kopiya-drozofily-vpervye-nachala-hodit-v-simulyatore.html (кликните для показа/скрытия)На протяжении десятилетий развитие вычислительных систем шло по пути создания искусственного интеллекта. Этот подход подразумевает написание программного кода и использование алгоритмов, которые учатся решать задачи с нуля. Однако параллельно с этим существует совершенно иное направление исследований — эмуляция всего мозга (Whole Brain Emulation). Ее суть заключается не в создании нового разума, а в детальном сканировании и точном копировании уже существующего биологического мозга в цифровую среду.Долгое время этот процесс оставался лишь концепцией, так как требовал огромных вычислительных мощностей и сверхточных методов сканирования живых тканей. Но вот недавно исследователям из компании Eon Systems PBC впервые удалось не просто запустить цифровую копию мозга сложного существа на компьютере, но и заставить этот цифровой мозг управлять виртуальным телом в среде с реалистичными физическими законами. Этим существом стала плодовая мушка — дрозофила.От статической карты к динамической системеОсновой для текущего достижения послужило исследование, результаты которого были опубликованы в научном журнале Nature в 2024 году. Команда ученых под руководством старшего научного сотрудника Eon Филиппа Шиу создала полную вычислительную модель мозга взрослой дрозофилы.Для этого они использовали коннектом — исчерпывающую карту всех нейронных связей в нервной системе насекомого. Эта карта была получена путем сканирования срезов реального мозга под электронным микроскопом. В результате ученые получили точную схему, состоящую из более чем 125 000 нейронов и 50 миллионов синаптических соединений. Кроме того, с помощью методов машинного обучения исследователи определили типы нейромедиаторов для каждой связи — то есть выяснили, какие нейроны передают возбуждающие сигналы, а какие тормозящие.Эта модель образца 2024 года работала с высокой точностью: она могла предсказывать двигательные реакции мухи в 95% случаев. Однако система была изолированной. Мозг генерировал сигналы, нейроны передавали импульсы друг другу, формировались команды на движение, но эти команды никуда не поступали. У цифрового мозга не было тела, которым он мог бы управлять, и среды, на которую он мог бы реагировать.Замыкание сенсомоторного циклаВ своей новой работе специалисты Eon Systems решили проблему отсутствия тела. Они интегрировали готовую модель мозга дрозофилы в симулятор NeuroMechFly v2. Это программная среда, которая работает на базе физического движка MuJoCo. Внутри этой среды было создано виртуальное тело мухи, обладающее точными биомеханическими характеристиками: заданным весом конечностей, параметрами трения в суставах и ограничениями подвижности. Сама среда имитирует гравитацию и сопротивление поверхности.Подключение цифрового мозга к виртуальному телу позволило впервые замкнуть так называемый сенсомоторный цикл в рамках эмуляции целого мозга. Процесс работает следующим образом:Виртуальные датчики на теле мухи фиксируют информацию об окружающей среде (например, соприкосновение лапок с поверхностью).Эта информация поступает в цифровую нейронную сеть в виде электрических сигналов.Сигнал проходит по скопированному биологическому коннектому. Нейроны активируются в той же последовательности, в которой они активировались бы у живого насекомого.В результате обработки сигнала мозг формирует моторную команду и отправляет ее к виртуальным мышцам.Физический движок просчитывает это движение, и виртуальная муха совершает действие, опираясь на законы физики.В результате исследователи зафиксировали множественные варианты сложного поведения, которые система генерировала самостоятельно, опираясь исключительно на внутреннюю динамику своих нейронных цепей.Принципиальное отличие от современных нейросетейЧтобы понять значимость этого события, необходимо разобрать, чем эмуляция мозга отличается от современных систем искусственного интеллекта, которые также умеют управлять виртуальными персонажами или роботами.Ранее другие научные группы, включая подразделение DeepMind и исследовательский кампус Janelia, также демонстрировали виртуальных мух, способных ходить в симуляторе. Но они использовали метод «обучения с подкреплением». В этом случае разработчики создают пустую нейросеть, задают ей цель (например, двигаться вперед) и позволяют ей совершать случайные движения. Когда виртуальная модель делает шаг и не падает, система получает положительный балл. Путем миллионов повторений алгоритм находит оптимальный способ переставлять ноги. Это имитация внешнего поведения с помощью математики.Система Eon Systems работает иначе. Она не обучалась ходьбе в симуляторе. Ее цифровая структура является точной копией существа, чья нервная система уже адаптирована для ходьбы процессом биологической эволюции. В данном случае ученые взяли готовую схему связей, подали на нее входящий сигнал, и система начала работать так, как диктует ее строение.До этого момента самые успешные попытки реализовать подобный подход ограничивались крайне простыми организмами. Самым известным примером был проект OpenWorm, в рамках которого ученые эмулировали нервную систему круглого червя Caenorhabditis elegans. Однако нервная система этого червя состоит всего из 302 нейронов, а его поведенческий репертуар минимален. Переход от 302 нейронов к 125 000 нейронов дрозофилы — это серьезное увеличение масштаба и сложности системы.Рисунок:https://img.ixbt.site/live/images/original/31/86/97/2026/03/08/cc99303d21.webp?w=877a. Полная реконструкция морфологии нейронов с помощью FlyWire. Все нейроны центрального мозга и обеих зрительных долей были сегментированы и проверены вручную. Примечание: изображение и набор данных зеркально отражены относительно реального мозга мухи. b. Обзор ресурсов FlyWire. Проект базируется на снимках электронной микроскопии (Zheng et al.), картах синапсов (Buhmann et al., Heinrich et al.) и предсказаниях типов нейромедиаторов (Eckstein et al.). Аннотации, включая гемилинии, нервы и иерархические классы, описаны в сопутствующей статье. c. Техническая платформа: FlyWire использует систему CAVE для проверки, управления и анализа данных. Доступ возможен программно (через CAVEclient, navis, fafbseg и natverse) или через браузер (Codex, Catmaid Spaces и braincircuits. io). Также доступны статические выгрузки данных. d. Мозг Drosophila разделен на пространственные области на основе нейропилей (Extended Data Fig. 1). Нейропили ламины (lamina) не показаны. Обозначения осей: D (dorsal — дорсально), L (lateral — латерально), P (posterior — постериально). e. Структура синапсов: синаптические бутоны часто являются полиадными (один пресинаптический бутон связан с несколькими постсинаптическими партнерами). Каждая связь между «входом» и «выходом» считается отдельным синапсом. f. На исходных данных электронной микроскопии (Zheng et al.) отчетливо идентифицируются нейронные тракты, трахеи, нейропили и тела клеток. Масштабная линейка: 10 мкм.Автор: Shiu, P.K., Sterne, G.R., Spiller, N. et al. Источник: www.nature.comСледующий этап: эмуляция мозга млекопитающегоУспешная интеграция мозга насекомого с виртуальным телом доказывает работоспособность самой концепции. Теперь главной целью компании Eon Systems становится создание полной цифровой эмуляции мозга мыши. В перспективе это заложит технологический фундамент для эмуляции мозга человека.Масштаб предстоящей работы значительно больше предыдущей. Мозг мыши содержит около 70 миллионов нейронов, что в 560 раз превышает количество нейронов у дрозофилы. Для реализации этой задачи недостаточно просто увеличить вычислительные мощности; необходимо собрать огромный массив новых данных.Прямо сейчас команда исследователей собирает информацию с помощью двух основных методов. Первый метод — это экспансионная микроскопия. Ученые обрабатывают ткани мозга специальным химическим составом, который заставляет их физически увеличиваться в размерах. Это позволяет рассмотреть и зафиксировать под микроскопом каждую отдельную нейронную связь с максимальной точностью, чтобы создать статичную карту.Второй метод — это кальциевая визуализация и измерение электрического напряжения в живых тканях. Ученые проводят десятки тысяч часов, наблюдая за тем, как именно активируются нейронные сети в мозге живых мышей во время различных действий. Эти данные необходимы, чтобы понять не только физическое расположение связей, но и динамику прохождения сигналов по ним.Если цифровая копия коннектома мухи смогла успешно управлять телом в среде с физическими законами, это означает, что фундаментальный подход выбран верно. Дальнейший переход к мозгу мыши, а в будущем и к более сложным структурам, становится вопросом исключительно точности сканирования данных и объема памяти, необходимой для их обработки.Источник: eon.systems
И как же Вы себе представляете интерфейс такой регуляции? Каков должен быть физический канал связи?
Ага - поздравляю с изобретением сомы многоклеточных организмов
ВНЕЗАПНО она УЖЕ его проделала в целом ряду направлений. Причём не только к локальным оптимумам, но и кое-где - к глобальным максимумам, о которых и было упомянуто в предыдущем сообщении. ~4,5 миллиарда лет для этого оказалось вполне достаточно.
Вообще - может и не запрещены. Но Вы же постулируете что-то, что может работать не хуже натурального в целом. Это уже то самое "экстраординарное утверждение, которое требует экстраординарных доказательств". Они у ВАс есть? Где?
А тут это совершенно не требуется - сложную автоматику вроде регуляции выключения и включения генов можно вынести за пределы биореактора.
Химическая до локального транспортного узла.
В том-то и дело, что клетки всё своё управление таскают с собой.
У эволюции есть запрещенные или сложные пути.
Ей сложно колесо, например, сделать.
Или убрать слепое пятно, петли блуждающего нерва у Жирафа.
Это Вы, наоборот, утверждаете что белково-РНК-ДНКашная наиболее оптимальная - Вам и доказывать.
А моя позиция как раз дефолтная, скептическая.
блуждающий нерв инженер точно мог бы оптимизировать.
нужно всерьёз копать не-белковую/не-ДНК/РНКашную полимерную (био?)химию.
И про неё человечество пока знает очень и очень мало.
Это для эволюции и есть запрещенный путь:https://en.wikipedia.org/wiki/Nucleic_acid_analogue
Самая главная задача клетки, состоит в том что бы поддерживать свою жизнеспособность. Предлагаете вынести этот функционал за пределы клетки?
C точностью и скоростью, ограниченными законами диффузии.
На макро- - это решение имеет свои минусы (невозможность восстановить ротор изнутри).
Главная сигнальная молекула-передатчик в нервной системе - ацетилхолин. Имеет длину цепи всего 10 (десять) атомов. Можете предложить что-то ещё более мелкое-шустрое, чтобы работало не менее надёжно и быстро в химически сложной межклетчной среде? Таки много десять атомов? ОК - для случаев, когда надо распространить сигнал максимально широко и быстро и не важно куда - держите два - монооксд азота (NO). Ещё эффективнее "неорганические" варианты есть?
Эволюция позвоночными не ограничена.
Земная жизнь вынужденно таскает с собой геном - из-за эгоистичности генов, мы не можем в многоклеточных организмах выкинуть в специализированных клетках большую часть генома.
Выглядит как логический приём черри пикинга.
Ну хорошо, значит до оптического порта с большой вероятностью информацию будут передавать ацетилхолином. И что?
А мы - ограничены быть позвоночными.
Отмечу, что моя фраза "я думаю, возможна другая биохимия" действительно пожалуй была слишком сильным утверждением. Корректно сказать так: "нельзя исключать" и это только один из возможных вариантов оптимизации.
Значит Автоваз - продукт эволюции?
Автор
Тема: Пределы автоматизации и внедрения роботов (Прочитано 607800 раз)
