В октябре 2025 года Сэм Альтман в прямом эфире и затем в посте на X сформулировал внутренние цели OpenAI: автоматический стажер-исследователь к сентябрю 2026 года и полноценный автоматический исследователь к марту 2028 года X. В начале сентября 2026 года OpenAI сообщила, что цель по стажеру достигнута: система выполняет четко поставленные исследовательские задачи под руководством человека, включая те, что заняли бы у специалиста несколько дней Engadget. Обратите внимание на осторожную формулировку: там нет слова AGI, там есть слово стажёр, и там есть слова под руководством человека. Параллельно журналисты и сами лаборатории начали подменять термин. В мае 2026 года TechCrunch прямо написал, что RSI стал новым AGI, и что его так же трудно определить TechCrunch. В августе 2026 года TIME описал внутреннюю систему OpenAI под именем Astra и связал разговоры про AGI именно с петлёй самоулучшения: модель, которая ускоряет собственные исследования, называется recursive self-improvement Time. Так возникла та самая склейка: раз порог AGI спорен, давайте измерять его через способность вести исследования ИИ. Удобно, но нечестно. Проверим четыре утверждения из исходной заметки по первоисточникам: a) Страница Anthropic Institute When AI builds itself действительно описывает RSI как систему, способную полностью автономно проектировать и строить своего преемника, и прямо говорит, что мы ещё не там и что RSI не является неизбежным Anthropic. Более того, Anthropic называет конкретный оставшийся разрыв: Claude уже сопоставим с человеком в исполнении хорошо поставленного эксперимента, но большие разрывы сохраняются, когда речь идёт о выборе целей, то есть о выборе направлений исследований. Это подтверждает пункт заметки. b) Устав OpenAI (OpenAI Charter) определяет AGI как высокоавтономные системы, превосходящие людей в большинстве экономически ценных работ. Формулировка подтверждается дословно. Это определение про экономику труда, а не про самоулучшение, и в нём нет ни слова про то, что система должна строить своего преемника. c) AlphaEvolve от Google DeepMind (май 2025) действительно улучшил вычислительные процессы, включая обучение самой Gemini: он ускорил ключевое ядро матричного умножения на 23 процента, что дало сокращение общего времени обучения Gemini примерно на 1 процент Google DeepMind. Это подтверждается первоисточником DeepMind. Небольшая точность: 23 процента и 1 процент это не два независимых достижения, а одно, выраженное на двух уровнях, ядро и полный цикл обучения. Отдельно AlphaEvolve ускорил ядро FlashAttention примерно на 32,5 процента, но это уже про инференс и обучение вообще, а не про самоулучшение конкретно. d) 9 сентября 2026 года OpenAI в тексте The AI policy window is open заявила, что полностью автономного RSI сегодня не существует, OpenAI и отделила его от ускорения отдельных исследовательских задач. Дословно смысл такой: ИИ уже ускоряет части исследований, но это не recursive self-improvement, а свидетельство направления движения. Подтверждается. Вывод из проверки простой: сами первоисточники аккуратнее, чем их пересказы. Никто из серьёзных авторов не написал, что AGI равно RSI. Знак равенства ставят заголовки и твиты. 3. Почему лабораториям удобно приравнять AGI к RSI? a) Это автоматизирует их следующее конкурентное преимущество. Ценность лаборатории в её исследователях. Если определить главный порог как автоматического исследователя, то гонка идёт ровно за тем активом, который у лабораторий уже есть и который они лучше всех умеют масштабировать. Это удобное определение вершины для того, кто уже лидирует именно в этом.

@agams спросил про куда там делись все исследования про выращивание новых зубов. Зуб — не ткань. Создание такого объекта вызывается специальным конструктором, и там дофига этапов и химических сигналов. Код у нас есть, а вот стартовых ресурсов нет. Но можно заново заново запустить эмбриональную программу. Это иногда случается — так-то зубы хотят расти по всему организму. Точнее, там, где мигрируют первичные половые клетки, включая шишковидную область мозга. Поэтому когда вы останавливаете подавитель роста зубов, часть прорастает у вас во рту. В стоматологии уже был грустный опыт с BMP-2. Там сначала росли не всегда зубы, а потом не всегда во рту. Поехали по работам! Взяли эпителиальные и мезенхимальные клетки у мышиного эмбриона, положили в гель, вырастили зуб в инкубаторе, выбили зубы взрослым мышам, подсадили. У 34 из 60 мышей зуб успешно прижился. Остальное — по большей части косяки микрохирургии, мыши не очень крупные, а учёные не очень ловкие. К 49-му дню зуб дорастал до противоположного и останавливался. Оказался таким же прочным, как родной. Мышь немного посверлили до нерва, ей было больно, то есть нервная передача работала. Главные сигнальные пути роста зуба — BMP и Wnt. За торможение роста зубов отвечает белок USAG-1, он давит эти два пути (и не только он, но он главный). Вопрос: а если у мыша удалить такой белок генетически, то будет профит? Сварили моноклональные антитела и ввели мышам. Оказалось, Wnt трогать не надо, мыши не выживали. Что-то ещё трогать тоже не надо, поэтому подошла только пара антител. BMP норм, возвращал недостающие зубы. Правда, у некоторых мышей вместо новых зубов вырастали сросшиеся гигантские моляры. Хорькам (у них зубы ближе к нашим) пришлось вводить дозу в 5 раз больше, делать это трижды и дополнительно подавлять их иммунитет, но у них вырос новый зуб сверх комплекта. А вот история про то, что rhBMP-2 немножко опаснее, чем было в исследованиях производителя. Примерно в 50 раз. Проверяли на позвоночнике. Препарат растворял кости, разворачивал эякуляцию обратно, душил за шею и, очень возможно, провоцировал рак. Заодно узнали, что в ранних исследованиях у 70% их пациентов кости начали бесконтрольно разрастаться внутрь позвоночника, угрожая параличом. И самый прикол — рядом там фраза вывода: «Исследование подтвердило безопасность препарата... никаких непредвиденных осложнений не выявлено». Вероятно, это вторая по оптимистичности фраза в истории человечества. Первая из авиаинцидента 1982 года: «Дамы и господа, говорит командир корабля. У нас небольшая проблема. Все четыре двигателя нашего самолета остановились, и мы делаем всё возможное, чтобы их запустить. Надеюсь, это не доставляет вам слишком много беспокойства». Если что, они норм приземлились в Джакарте. Собственно, в 2008 FDA остановило использование BMP-2, и так он кончился в стоматологии — но формального отзыва именно по зубам не было. Про костный морфогенетический белок BMP в целом. И, конечно, наша сегодняшняя звезда — случай с тератомой (опухолью) на 10 кг, в которой нашли под 300 зубов сразу, волосы, ткани кишечника и прочее, но не раковые клетки. Зубы были без корней, но имели нормальную коронку, эмаль и дентин. Там, кстати, по ссылке увлекательные фото. Выяснили, что яичниковые тератомы — результат развития из неоплодотворенной яйцеклетки. Яйцеклетка женщины начинает развиваться в эмбрион без сперматозоида. Процесс её созревания заклинивает. Но часть конструкторов дорабатывают — там зубы, волосы и кожа, например. Но есть хорошая новость! Если на УЗИ видно целый зуб в опухоли — она точно доброкачественная. Раковые клетки не дают зубам нормально собираться. А по росту зубов — испытания идут в той же Японии. Первый прогноз — если у всех вырастут зубы (в нужных местах и не вырастет ничего другого) — начнут в 2030 по узким показаниям, ещё через пару лет шире. -- Вступайте в ряды Фурье! | Лучшие посты — Что теперь надо сказать тёте-стоматологу, когда она долечила твои зубки? — Я тебя запомнил!!

Тут на неделе Сбер провел конференцию с названием, бьющим в глубинную боль всех генеральных директоров: "Эффект: как доказать реальный вклад маркетинга в бизнес-результат". Таких встревоженных руководителей множество. Уныло смотрят они на лоснящиеся, упитанные бюджеты маркетологов и грустят: так ли уж оно всё это надо? Может, можно как-нибудь иначе? Поэффективнее? Собственно, этот вопрос активно обсуждали на конференции. Показательным моментом стали слова Владислава Крейнина, старшего вице-президента по маркетингу, что в Сбере маркетинг - это не расходы, а инвестиция. Более того, Сбер накопил экспертизу в оценке эффективности маркетинга, эконометрики там всякие и маркетинг-икс-моделирование. Для анализа разных продуктов, сегментов и каналов коммуникации уже используют порядка 500 моделей. Да что там. Вот сотрудник Anthropic тут на днях вещал, что ИИ в течении десятка лет «уничтожит» человечество. А пока мы опасаемся ИИ, Сбер, оказывается, тихой сапой создал синтетических респондентов, чьи оценки, по 70% креативов, не отличаются от реальных людей.  Чем на корню убил один из моих профессиональных навыков - начинал я карьеру именно с маркетинговых исследований. Не пригодится мне больше, чувствую, этот навык. Правда, индустрия готовится к тому, что и выбор будут делать уже не люди, а ИИ-агенты. Мы же максимум финально ткнем пальчиком, утверждая.

Новая система в реальном времени видит активность каждой клетки живого организма Ученые Института Хаммерсмита-Хиллз разработали метод WHOLISTIC, который позволяет одновременно наблюдать за активностью практически всех клеток живого позвоночного животного. Система регистрирует изменения внутри клеток в реальном времени и показывает, как разные органы и ткани взаимодействуют друг с другом. Для этого регистрируются изменения концентрации кальция внутри клеток. Сейчас метод опробовали на прозрачных личинках рыбок данио-рерио. https://hightech.plus/2026/09/10/novaya-sistema-v-realnom-vremeni-vidit-aktivnost-kazhdoi-kletki-zhivogo-organizma

Хуже того: вся академическая наука построена на общественном договоре, что вот есть странные люди, которые тратят свою жизнь на странные вещи, чтоб остальным не пришлось. Общество получает иногда важные прорывы, которые можно применить для развития цивилизации, и платит странным людям за это зарплату. А теперь странных людей можно заменить на ИИ, который гораздо дешевле, быстрее и не ноет в соцсетях (пока). И вот именно в этом и заключается убийственная способность ИИ: он не убивает науку как концепци — ее скорее становится проще делать — но как общественный конструкт. Параллельно рушатся привычные структуры научного рецензирования и написания грантов (теперь и то, и то ИИ может делать лучше человека, которому снова остается роль "проверки", что ИИ не нагаллюцинировала себе что-то). Конечно, эта система была плоха изначально, но она работала и давала нам понятную систему верификации знания и экспертизы. Сейчас это пропадает, не давая взамен новой системы, а вместо этого внося хаос. Что с этим делать — совершенно не ясно. Конечно, понятно, что компании не смогут поддерживать такой темп развития моделей, учитывая убыточность и трату ресурсов. Понятно, что разрушение академических структур — тоже дело многих лет, инерция системы огромна. Но как поменяется отношение к науке? Как поменяются привычные нам структуры? Сколько ученых останутся буквально без смысла работы? Как жить, когда то, над чем ты работал 30+ лет, вдруг оказывается никому не нужным? Я тут нахожусь в комфортном положении: с одной стороны, в экспериментальную физику ИИ пока не пришел, так что мою работу он не отнимает пока, а скорее делает проще. С другой, я с первого дня использую ИИ, в отличие от многих моих коллег, которые стараются его избегать, что дает мне конкурентное преимущество. Но я не могу перестать думать, что разрушение института науки в привычном нам смысле неизбежно, и я не понимаю, что я могу этому противопоставить (и надо ли оно вообще). #академия #жизнь_в_науке #ИИ

🤖 Робот прыгает от света и не может остановиться Инженеры из Университета штата Северная Каролина собрали крошечного робота, которому не нужны ни мотор, ни батарея. Только инфракрасный свет — и он прыгает, пока его освещают. Тельце в форме капли из ленты жидкокристаллического эластомера, к одному концу приклеена тонкая алюминиевая трубка, согнутая буквой V. Под инфракрасным светом поверхность ленты сжимается, и капля начинает закручиваться вокруг этого V-образного конца. Напряжение копится, копится — и в какой-то момент срывается: «галочка» резко распрямляется, бьёт по земле и подбрасывает робота вверх. Электроники в этом цикле нет вообще — робот сам себя взводит и сам спускает. Самое элегантное — способ управления. Достаточно поменять угол той самой «галочки»: 🔸 120 градусов — робот ползёт вперёд 🔸 90 градусов — прыгает вперёд 🔸 50 градусов — скачет вертикально вверх А если утяжелить круглый конец, центр масс смещается и прыжок выходит дальше. С яркостью света, правда, нужна аккуратность: перестараешься — и движения превращаются в хаотичные дёрганья. @droidergram

Как Durev VPN крадут статьи независимых исследователей для рекламы своего сервиса Один ролик коммерческого VPN-сервиса собрал 795 тысяч просмотров за два дня, а вся воронка продаж, посчитанная по цене подписки и числу юзеров бота, тянет на сотни тысяч рублей в месяц. Проблема в том, что технический материал для роликов сервис, похоже, просто начитал с чужих статей, заменив «мы» на «наши специалисты». Всё выдаёт одна цифра. В ролике диктор называет результат сканирования 46 миллионов адресов и 63 тысячи выживших в белом списке — ровно те же числа, что в статье исследователя. При честном повторном сканировании через Masscan совпасть они не могли в принципе. Дальше идёт разбор совпадений по таймкодам и то, что нарушители тихо сделали с этим фрагментом, когда поняли, чем он их выдаёт.

Про роли в промптах, часть 2 Продолжая предыдущий пост, основное на мой взгляд наблюдение дано в конце статьи: хоть роли, улучшающие ответ, и были, выбор роли под вопрос оказался сложной задачей. Если собрать оракула, который знает, какая роль лучшая, получается заметный прирост точности. Но вот попытки сначала честно подобрать роль увы не дали результата лучше, чем её случайный выбор. В жизни мы прописываем в промпте роль, понимая, что хотим получить от LLM (и даже до точной формулировки вопроса), поэтому проблема выбора роли как будто бы частично снимается. Кроме того, роль мы прописываем не просто для более точного ответа, а для более уместной стилистики. Таким образом, тезис «роли не работают» ничуть не лучше инфоцыганского «всегда пишите роль». И то и то передергивание, а в результатах, если добавить другие исследования, есть существенный разброс. Кратко что в других публикациях 2024-2025 года: Kong et al., NAACL 2024, "Better Zero-Shot Reasoning with Role-Play Prompting" - аргумент сторонников ролей. Двухшаговый ролевой промпт (роль, подтверждение от модели, задача) на ChatGPT поднял, например, AQuA с 53.5% до 63.8%; авторы считают роль неявным триггером chain-of-thought. Разница постановок со статьей, что разбирали с вами ранее: там был выбор варианта в фактических вопросах, тут рассуждение с генерацией решения. https://arxiv.org/abs/2308.07702 Salewski et al., NeurIPS 2023, "In-Context Impersonation" - эксперт своего домена отвечает лучше эксперта чужого, но та же механика внезапно вытаскивает еще и стереотипы: "от лица мужчины" модель описывает автомобили лучше, чем "от лица женщины". https://arxiv.org/abs/2305.14930 Gupta et al., ICLR 2024, "Bias Runs Deep" - 24 датасета на рассуждение, 19 демографических персон. Персона роняет точность, часть ошибок - очень интересные отказы вида "как человек с инвалидностью, я не могу решить эту задачу" (58% ошибок этой персоны было у ChatGPT-3.5). https://arxiv.org/abs/2311.04892 Luz de Araujo, Röttger, Hovy, Roth, EMNLP 2025, "Principled Personas" - 9 моделей, 27 задач. Экспертная роль в среднем не вредит и иногда помогает, но есть другое наблюдение: нерелевантная деталь в описании роли (например, имя) роняет точность почти на 30 п.п. Образование, специализация и близость домена влияют непоследовательно. https://arxiv.org/abs/2508.19764 Iadisernia, Camassa (Banca d'Italia), ICAIF 2025, "Prompting for Policy" - 2368 биографий экономистов из PersonaHub, GPT-4o воспроизводит опрос профессиональных прогнозистов ЕЦБ за 50 кварталов. Без персоны ошибка прогноза та же (p=0.31), а разброс между персонами на два порядка меньше, чем между людьми. https://arxiv.org/abs/2511.02458 Что добавили свежие публикации этого года (препринты, рецензирования не было, так что продолжаем вести наблюдение): Hu, Rostami, Thomason, 2026, "Expert Personas Improve LLM Alignment but Damage Accuracy" - наконец-то задались вопросом, почему результаты исследований расходятся. На знаниевых задачах роль вредит: MMLU 68.0% против 71.6% без роли, длинное описание хуже короткого. На задачах про формат, тон и отказы (письмо, извлечение данных, jailbreak-бенчмарки) роль помогает, и чем длиннее, тем сильнее: +17.7 п.п. отказов на JailbreakBench с ролью "safety monitor". Гипотеза в том, что длина контекста просто дает LLM сигнал «надо рассуждать». Что меня смущает в этой статье: она хоть и марта 2026 года, а исследует модели, которые с нами с начала 2025, да и в целом большие модельки не трогает, только их дистилляты. https://arxiv.org/abs/2603.18507 "When Does Persona Prompting Actually Help?", 2026 - 1140 открытых вопросов, 38 ролей, оценка LLM-судьей. Роль повышает "глубину экспертизы" и структурность, снижает ясность и прямоту. Выигрывает в консультативных доменах (медицина, психология), проигрывает на объяснительных вопросах. https://arxiv.org/abs/2605.29420 Итого: Роль в промпте может быть полезна для тона, формата, стилистики и границ поведения. Если нужен факт или расчет, роль может быть лучше убрать или сократить до одной фразы.

🧠 Google Research вместе с HHMI Janelia и другими исследователями впервые построили полную карту мозга и центральной нервной системы взрослой самца дрозофилы. В карту вошли: - более 166 000 нейронов - почти 11 700 типов нервных клеток - связи между мозгом и нервной цепочкой, управляющей движением - отдельные визуально-моторные пути и различия между мужским и женским мозгом дрозофилы Для реконструкции учёные сделали миллионы 2D-снимков тонких срезов, а затем с помощью вычислений и AI собрали их в детальную 3D-модель и классифицировали нейроны. Такая карта позволяет буквально прослеживать путь сигнала: от зрения и вкуса до моторных нейронов и конкретного поведения, включая ухаживание. Самое неожиданное открытие - что половые различия мозга могут находиться именно в схеме соединений. Один и тот же тип нейрона присутствует и у самца, и у самки, но связывается с разными соседями - и в итоге участвует в разном поведении. Одновременно вышли три исследования, использующие эту карту для изучения зрения, вкуса и социального поведения дрозофил. https://blog.google/innovation-and-ai/technology/research/male-fruit-fly-brain-map/