Создатель нейтринного детектора ICEQUBEi">i, замурованного в антарктическом льду, только что получил Нобелевскую премию. Прибор ловит нейтрино — частицы, которые постоянно пронизывают человеческие тела и всю материю Земли, почти не взаимодействуя с ней.
Две независимые научные группы с помощью методов прайм-редактирования ДНК восстановили «родословную» клеток мышиного эмбриона — от момента оплодотворения до формирования основных органов. Это первая попытка приблизиться у млекопитающих к уровню детализации, достигнутому для нематоды C. elegans ещё в начале 1980-х годов.
Работа важна потому, что у млекопитающих судьбу клеток определяют не только деления, но и внешние сигналы (например, факторы роста), а клеток — миллиарды, в отличие от прозрачного и всегда одинаково развивающегося червя. Новые методы позволяют встроить в ДНК клеток своеобразный «бортовой журнал», который можно прочитать после развития эмбриона и восстановить полную историю делений.
ВыводОриентир для работы — эксперимент британского биолога Джона Салстона (по другой транслитерации — Салтона) начала 1980-х, который с помощью микроскопа проследил судьбу каждой клетки нематоды C. elegans от яйца до взрослого червя с 959 соматическими клетками
Математическое сообщество несколько дней переживало, по выражению одного из источников, «идеальный шторм»: ассоциация математиков-людей выпустила письмо, начинающееся словами «ИИ решил 700 задач, но его никто не просил это делать». На этом фоне Теренс Тао, один из крупнейших математиков современности, прочитал в Калтехе лекцию «Math 2.0i» и опубликовал 27 слайдов на своём блоге (terrytao.wordpress.com/2026/10/10/math-2-0/). Лекцию он готовил ещё с мая под названием «Machine Assisted Proofi», но содержание пришлось заметно переделать «из-за недавних событий».
Главный тезис Тао: решение открытых задач всегда было лишь прокси-метрикой прогресса науки, а не самоцелью — настоящая цель исследований в накоплении понимания и умении применять решения к реальному миру. Пока задачи решали люди, эта метрика работала, потому что процесс решения приносил опыт. Теперь же, когда ИИ выдаёт решения в обход людей, слепая оптимизация на «решённость» задач, по словам Тао, «активно вредна для долгосрочного здоровья математики» — поле вокруг задачи «стерилизуется», непройденные пути остаются непройденными, а доля решений, которые работают на бумаге, но не соответствуют реальным нуждам, растёт.
