🦑Кальмар слушает кожей? Внутри нашего уха есть улитка, орган в форме раковины, выстланный тысячами волосковых клеток. Звуковые колебания их раскачивают, клетки шлют сигнал в мозг, и мы слышим. Когда ребёнок рождается глухим или человек теряет слух, часто повреждены именно эти пучки. Похожие волоски есть и у кальмаров. У них есть боковая линия, скопления волосковых клеток, которые чувствуют движение воды вокруг. Про неё знали давно, но видели лишь фрагменты: на голове и «руках». Теперь картина полная. Учёные составили первую карту боковых линий кальмара целиком и нашли таких клеток на сотни больше, чем считалось, — по всей поверхности тела. Самое любопытное, в том, что пучки волосков у кальмара разной длины. В нашей улитке тот же приём: высокие пучки ловят низкие звуки, короткие — высокие, так клетки настраиваются на свои частоты. У рыб, по словам исследователей, волоски боковой линии одинаковые. Отсюда гипотеза: кальмар может регулировать длину пучков, чтобы различать разные частоты колебаний воды. Выходит, его кожа может работать примерно как ухо. Зачем это знать людям? Наши волосковые клетки хрупкие и спрятаны глубоко во внутреннем ухе. У кальмара похожие структуры лежат прямо на поверхности. Это удобная модель, чтобы понять, как такие пучки строятся, поддерживаются и настраиваются. И почему слух ломается. @droidergram

Деды из-за AI взбунтовались. Ну или, если более серьёзно, заметное число действительно сильных математиков высказалось по поводу AI в очень, скажем так, настороженном смысле. Высказывание заслуживает внимания, и я вставлю свои 5 копеек. Надысь я читал лекцию и упомянул в конспекте про гипотезу Кёте о нильрадикалах. Отправил ребятам конспект и на следующий же день получил сообщение от студента, что гипотезу раскололи буквально пару недель назад (при помощи AI, разумеется), построив к ней контрпример. Про решённую гипотезу Якобиана все слышали, а про гипотезу о «Навье — Стоксе» соцсети гудят прямо сейчас. И это хорошо: многие люди, не отличающие синус от косинуса, узнают, что математика — это не только про решение квадратных уравнений. А две недели назад, к примеру, один из моих учеников (тоже при помощи AI) нашёл решение одной моей личной проблемы, показав, что у диаграмм сопряжённости бывает сколько угодно концов (и это замечательно). Пару слов о скептиках. Про тех, кто считает, что AI — грех против природы и вообще ужас ужасный, или что он вообще не нужен, я ничего говорить не буду (как вежливый кролик). Более содержательные возражения такие: (раз) массовое закрытие открытых проблем понижает интерес к математике и в целом негативно сказывается на учебном процессе; (два) построение контрпримеров не закрывает проблемы содержательно; и, главное, (три) люди в математике будут играть такую же декоративную роль, как люди в шахматах. Все понимают, что Stockfish не напрягаясь разнесёт любого шахматиста? Моя позиция такая. Закрытие многочисленных «именных» проблем — скорее плюс. По большей части они мало интересны сами по себе. В математике вообще обычно доказать нечто куда проще, чем задать правильный вопрос. А в том, чтобы ставить вопросы и искать взаимосвязи, важную роль играет чувство прекрасного и та самая «красота» математики. А с этим у AI пока неустранимые проблемы. Хорошая (на мой взгляд) математика — про то, как, используя новые термины, описывать известные структуры. Это совсем не то же самое, что искать контрпримеры к известным вопросам. Как говаривал мой шеф: «Зачем вы приносите мне контрпримеры? Что в поставленном виде ответ на вопрос отрицательный — я и сам понимаю. Разберитесь лучше, как поставить вопрос, чтобы ответ был положительным». Не вся математика такая, и многие разделы по сути закрываются, особенно те, что завязаны на контрпримерах или изощрённых вычислениях. Есть другие проблемы с AI. Хоть пока и не такие острые. О них сейчас и скажу. Первая. Многие математические институции становятся ненужными (сиречь заменимыми). Вроде как — поговори с ИИ, и он сам всё тебе расскажет. Почему это не так — напишу в другой раз. Вторая. Эффективность научных изысканий во многом теперь (и отныне) будет завязана на доступ к современным и качественным AI. Потому как без оного почти любой результат можно легко и быстро улучшить, уточнить или дать более короткое доказательство. То есть отныне математика завязана не на «кто умнее», а на «кто богаче». Это раньше математикам нужны были только карандаши, ластики и бумага (а философам даже ластики не нужны). Ну вот теперь мы будем в том же положении, что и физики-экспериментаторы или биологи. У них без нужного оборудования и соответствующего долгосрочного финансирования мало чего можно добиться. Вот и у нас теперь тоже. Что по итогу. Да, математика как наука снова оказалась перед серьёзным кризисом. Не первый раз: благодаря Гёделю математику тряхнуло тоже основательно. Но пересобрать себя, понять, что мы и кто мы, — придётся. В шахтах были канарейки — как сигнализация об угарном газе. У нас в этой роли бухтящие деды. Ну какая шахта, такая и канарейка. #AI

Кофе полезный? Да. Вредный? Тоже да! Давайте разбираться! В 1991 кофе положили в группу 2B канцерогенности. В 2016 вытащили его оттуда и оправдали. Проблема была не в кофе, а просто в горячих напитках выше 65 градусов — рак гортани отлично показали в том числе те, кто пьют люто горячий чай. Очень горячие теперь в группе 2A. А вот самая цитируемая работа про то, что 2-3 чашки кофе полезны. Собрали вообще всё, что было про кофе и сделали вывод. Кофе снижает риск кучи болезней, сильнее всего эффект для печени. Вред виден при беременности и, возможно, для костей у женщин. Вред для лёгких, который раньше засчитывали кофе, оказывается, подбросили курильщики. Самый прикол — по сути, они сделали пилотное исследование для клинических испытаний кофе как лекарства. И там минус 65% для хронических болезней печени. Это больше эффекта многих лекарств, хотя доказательства всё равно недостаточные — там в основном наблюдательные. Любители кофе реже болеют циррозом и раком печени. Но если предлагать кофе как дешёвую профилактику, надо знать, какой именно сорт и рецепт работает. В декафе нет кофеина, в растворимом и фильтрованном почти нет кафестола и кахвеола — а они в опытах на животных защищают печень от фиброза. Взяли 500 тысяч британцев, посмотрели 10 лет диагнозов. Выяснилось, что любой кофе связан с меньшим риском болезней печени. Но лучше всего молотый; декаф и растворимый тоже работают. Оптимум — 3–4 чашки в день, больше пить бессмысленно. Защиту от рака печени доказать не удалось, мало случаев. Кофеин блокирует аденозиновые A2a-рецепторы, которые заставляют печень производить рубцовую ткань. Но декаф защищает не хуже, значит, дело не только в кофеине. Кандидаты — хлорогеновая кислота, кахвеол и кафестол, защищавшие печень крыс от фиброза; двух последних больше всего в молотом кофе, который и оказался самым сильным. Отвечая на главный вопрос — да, бухать под кофе англичанам разрешили. Любители молотого кофе больше всех пили спиртное (почти в 2 раза больше, чем любители декафа), и всё равно показали самую здоровую печень. Тем не менее, не повторяйте этот опыт, алкоголь опасен для жизни. Совет бросать пить кофе при аритмии держится на традиции, надо было перепроверить. Взяли 1965 человек с электрической кардиоверсией (перезапуск сердца током), велели половине бросить кофе и полгода смотрели, кто зажмурится. В момент начала исследования 1739 человек слетели, потому что сказали, что хрен они будут не пить кофе полгода, если не повезёт, и в такую лотерею играть не хотят. А с другой стороны те, кто не пил кофе, не хотел начинать. Ну и результат — у тех, кого заставили бросить кофе, аритмия вернулась заметно чаще. Так что врачи воевали не в ту сторону. У кофе есть несколько правдоподобных способов помогать сердцу, но какой именно сработал, испытание не выясняло, но точно это не сработает на кофеиновых энергетиках. Вроде как чашка в день повышает риск болезни Альцгеймера на 26%, и кофеин подрезает вам серое вещество. Тут проверили томографом на 17 тысячах злостных потребителях кофе — просто выгрузили все их результаты из общей базы и сравнили объём мозга сейчас и 7 лет назад (ну или когда там они первый раз катались на МРТ). Чем больше чашек, тем меньше мозг. Разница в доли процента. Декаф такого эффекта не показал. У выпивающих больше шести чашек в день деменция встречалась в полтора раза чаще, чем у тех, кто пьёт по чашке-две. Умеренные 1–4 чашки ничем плохим не отметились, полный отказ от кофе тоже не помог. С инсультом связи почти нет. Норвегия — страна, где реально дофига народа пьют по 9 чашек в день. Нашли 508747 таких героев, среднее наблюдение 20 лет, 46 тысяч за это время умерли. Фильтрованный кофе снижает смертность на 12–15% в сравнении с непьющими кофе. Нефильтрованный даёт более высокую сердечно-сосудистую смертность. Лучший вариант — 1–4 чашки через фильтр; 9 и больше чашек любого кофе — так себе идея. Так что вот, теперь решайте сами!

Ещё 24 поста про еду (эта штука разворачивается): — Кофе уменьшает сиськи на 13% — Обновлённый список продуктов, которые лучше не есть — Ромашковый чай — Про чай: раз, два, три — Напитки на сахзамах вреднее просто сладких — Про бананы и куда делся Михаил — Как пить воду (и видеоинструкция, как кипятить) — Еда, которую мы переедаем — Жирная пища ухудшает память и ещё — Предлагают жрать тефлон, чтобы худеть — Красное мясо — канцероген — Холодец — Какао вытесняет кофе — Масло — Ешьте суп каждый день — миф — Затачиваем кристаллы сахара — Жрёте подсластители вместо сахара? Стареете когнитивно дополнительно на 1,6 года за 8 лет. — Сукралоза — Острое — Вкусы и запахи еды — одно и то же — Институт кимчи с ноги врывается в науку

-- Вступайте в ряды Фурье! | Лучшие посты — Доктор, как вы думаете, что будет после смерти? — Мы перестелем вашу койку и положим нового пациента.

Как перестать галлюцинировать про хотелки юзера с помощью эмпатической карты Несу вариант, как переосмыслить результаты старого-доброго пользовательского интервью с командой с помощью эмпатической карты. Как выглядит финалочка - на картинке. Для контекста: эмпатическая карта (Empathy Map) - это фреймворк, который собирает качественные данные о пользователе в 4 квадрата вокруг его личности: что он говорит, делает, думает и чувствует. Инструмент нужен, чтобы перестать спорить о продукте из личного опыта и увидеть живой контекст конкретного сегмента. 4 момента, которые нужно помнить при ее создании: 1. Каждый стикер только с пруфом. Не можете показать ссылку на цитату из интервью или тикет поддержки? Это фантазия команды, а не позиция пользователя. Все гипотезы клеим строго отдельным цветом. 2. Жестко разделяйте "делает" и "думает". "Делает" - это наблюдаемое поведение в аналитике или на видео сессий. "Думает" - домыслы команды. Половина провальных фич рождается из проектирования под придуманные мысли вместо реальных действий. 3. В блоке "чувствует" фиксируйте точный триггер. Не просто "тревожится", а "тревожится, потому что не понимает, прошёл ли платёж". Эмоция с понятной причиной - это сразу готовая задача в бэклог. 4. Финал карты - это решение, а не красивая доска. На выходе должно быть четко зафиксировано: что меняем в онбординге, какой вопрос несём в следующее интервью, какую фичу режем. Без решения упражнение было бессмысленным. Пример из практики: B2B-сервис терял пользователей на импорте базы. Команда собиралась перекрашивать кнопки. Разложили звонки на карту и увидели главный страх: клиенты боялись сломать свой текущий учет. Починили не UI, а чувство безопасности, добавив режим "песочницы". Итог: рост конверсии в активацию в 2.5 раза. Источник: https://www.nngroup.com/articles/empathy-mapping/ #PG_education @productgames

Я нашел три исследования за последние три года, которые частично могут пролить свет на эффект шринкфляции продуктового мышления. Здесь я приведу только ключевые тезисы, сами исследования вы можете почитать по ссылке. 1. Качество результатов НЕ увеличивается, если вы не обладаете знаниями и опытом для верификации результата. В 2024 году компания McKinsey провела эмпирическое исследование 40 менеджеров продуктов из разных стран. Каждый участник должен был индивидуально выполнить 5 типовых задач, соответствующих стадиям жизненного цикла продукта, и сформировать результирующий артефакт. Участники были разделены на три группы в зависимости от уровня доступа к ИИ инструментам (без ИИ, с доступом к общему ИИ, с доступом к специализированному ИИ). В результате эксперимента удалось: - Сократить время выполнения задач менеджерами продуктов от 15% до 40%. - Как следствие, сократить time-to-market на 5%. Основная экономия достигнута за счет синтеза пользовательских исследований, написания пресс-релизов, создания one-pager, PRD и беклога. - При этом менеджеры продуктов смогли использовать это освобожденное время для решения стратегических задач по долгосрочному развитию продуктов. Senior Product Manager сохранили высокое качество результатов, а за счёт скорости стали ещё эффективнее. В то время как Junior выиграли в скорости, но качество их результатов снизилось, т.к. пока они не умеют правильно проверять и корректировать выводы нейросети. ИИ не заменяет базовые продуктовые навыки, produce sense и умение критически оценивать результат. Ссылка на исследование 2. Качество результатов НЕ увеличивается, если вы не обладаете развитыми метакогнитивными способностями. Метапознание, или метакогнитивные способности (metacognition) — это «мышление о мышлении», то есть осознание и регулирование собственных когнитивных процессов. Оно включает в себя планирование, мониторинг и оценку обучения для улучшения результатов. Развитие этих навыков помогает учащимся стать более стратегически мыслящими, рефлексивными и независимыми. В 2025 году группа ученых провела полевой эксперимент влияния ИИ на креативность. В исследовании участвовали 250 сотрудников технологической консалтинговой компании из Китая. Часть из них получили доступ к ИИ инструментам, контрольная группа — нет. В итоге, стало понятно, что ИИ не является автоматическим усилителем креативности — он становится эффективным только в руках тех, кто умеет активно отслеживать своё мышление. Сотрудники с сильным метапознанием планируют этапы задачи, отслеживают эффективность своего подхода и вовремя вносят коррективы. Они осознают пробелы в своих знаниях и понимают, когда нужно сменить тактику или сделать перерыв. Сотрудники со слабым метапознанием склонны принимать первый же ответ ИИ, полагаться на стандартные результаты и не проверять точность или актуальность предложений системы. Ссылка на исследование 3. ИИ обеспечивает сиюминутную эффективность, но долгосрочно снижает глубину критического мышления при полном делегировании задачи. В 2025 году MIT Media Lab провели исследование про "когнитивную стоимость" использования ИИ в образовательном контексте на примере написания эссе. Гипотеза состояла в том, что хоть ИИ снижает когнитивную нагрузку в моменте, но чрезмерное использование может приводить к "когнитивному долгу" - снижению глубины обработки информации, навыков критического мышления и самостоятельности. Исследование проводилось в течение 4 месяцев на 54 студентах и сотрудниках университетов Бостона, разделенных на три группы по уровню доступа к ИИ (только ChatGPT, только Google без ИИ, только своей головой). Участники прошли 4 сессии: первые 3 обязательные и 4-ая факультативная. В обязательные сессии участники писали эссе на одну из трёх предложенных тем за 20 минут. В 4-ую они менялись группами по уровню доступа к ИИ, но писали уже знакомую тему из предыдущих сессий. Для сбора данных исследователи использовали комплексный подход: записывали активность мозга через ЭЭГ, проводили интервью после каждой сессии, лингвистический анализ эссе, делали оценку эссе с помощью ИИ и двумя учителями английского языка (которые не знали, к какой группе принадлежат авторы). Пропущу описание части эффектов, укажу здесь наиболее интересный вывод, который был сделан по истечению 4 факультативной сессии. После перехода участников из LLM в Brain-Only 78% из них по-прежнему не могли привести правильную цитату. В то время как 78% участников Brain-Only, перешедших в LLM смогли это сделать. Это указывает на долгосрочный негативный эффект даже после прекращения использования ИИ. Участники не интегрировали сгенерированный текст в свою эпизодическую память, а просто "пропускали" его через себя. Участники LLM-to-Brain показали, что их мозг не вернулся в исходное состояние. Они не смогли достичь уровня вовлечённости, который был у группы Brain-Only во 2-й и 3-й сессиях. Это означает, что ранняя зависимость от ИИ исказила траекторию обучения и привела к "когнитивной неполноценности" - участники не развили полные нейронные сети в своей голове для самостоятельного выполнения задачи. Ссылка на исследование

Поехали посмотрим на тех корпоратов, кто пишет нейрослоп! Собственно, появился такой термин Trend Slop — корпоративный мир заполняется стратегиями, которые звучат правильно (дифференциация там, синергия, долгосрочное планирование), но по сути пустыми, потому что там нет реального опыта и точки зрения. Не то, чтобы это что-то новое, они всегда так делали, но теперь поднялся градус идиотизма. Первый опыт. Взяли финансовых консультантов BCG — чтобы туда попасть, надо быть выпускником Гарвада, Оксфорда или ещё каким-то пафосным типом. Часть работала с моделями, часть сами, по-дедовски. Для задач, с которыми модель справляется отлично, аугментированные просто разнесли тех, кто пытался сам. Быстрее и качественнее на треть. Самое смешное — те, кто до этого работал херово, улучшили свои показатели на 43%. Сильные спецы тоже стали работать лучше на 17%. КольтGPT сделал всех людей равными. Дальше взяли потрясающий XLS с красивыми числами как на всех презентациях + кучу интервью, в которых надо было разобраться и понять, что третья черепаха врёт. Фокус в том, что LLM не отличали тонкий подтекст типа "90% согласились" при "исследование не было анонимным"; или "Уровень удовлетворенности клиентов вырос до 85%" — но "после внедрения новой методологии опроса"; всякие "Задачу взял на себя эксперт с богатым кросс-функциональным опытом"; "Проект переходит в фазу оптимизации ресурсов и пересмотра фокусных метрик"; "Мы наблюдаем временную стабилизацию метрик на достигнутом плато" и т.п. На этом задании эксперты без модели решали правильно в 84,5% случаев, с моделью — в 65%. Почему? Ну, уснули за рулём. Взяли мощный инструмент и расслабились. Даже когда ответы ИИ-группы были неправильными, они были написаны очень красиво, логично и убедительно. Тут опыт на 293 писателях, 3 группы: — Сами — 1 подсказка от модели — 5 подсказок от модели Потом 600 человек читали рассказы и оценивали. — ИИ повышает качество текстов. — 1 подсказка: +5,4% к новизне, +3,7% к полезности. — 5 идей давали +8,1% по новизне и на +9% по полезности относительно мясного мозга. — Людям, которые от природы мыслят нестандартно, нейросеть вообще не помогла. Они и так были хороши. — Для людей с низкими творческими способностями ИИ стал суперсилой. +26,6% к качеству и +22,6% к увлекательности. Нейросеть берёт середнячка или слабого автора и подтягивает его до уровня таланта. LLM-рассказы оказались примерно на 10% более похожими друг на друга, чем истории, написанные чисто людьми. Авторы сильно цеплялись за структуру и образы, которые им выдавал алгоритм. В масштабах общества мы получим сужение творческого кругозора — историй становится много, но как под копирку. Самый прикол — человек часто не понимает, что пишет плохо, и не осознает, насколько сильно нейросеть улучшила его работу. Методология, конечно, косая насквозь, но идеи прикольные. Тут в препринте взяли 444 белых воротничков. Дали два типичных письменных задания, занимающих обычно 20–30 минут (например, написать пресс-релиз, короткий отчет или деликатное письмо сотрудникам про то, что бигдата оценила их успехи в Джире, и они все уволены). Сначала сами, потом второе задание — пополам, часть сами, часть с моделью. С ИИ +37% скорости, оценки выросли от среднего к хорошему. Такая же история — КольтGPT уравнял всех. Дальше платили реальные деньги тем, кто сделает хорошо. Казалось бы, люди должны взять текст нейросети и вылизать его до идеала. Но нет! Оказалось, что в стандартных офисных задачах человеческий труд не добавляет вообще никакой ценности машинному тексту. С моделью время на черновик упало в 2 раза, время на редактуру выросло. Но 68% просто копировали ответ модели и сдавали его вообще без правок. В конце участники реально испугались, насколько ИИ отберёт у них работу, и пошли внедрять у себя, чтобы это возглавить. 33% начали применять сами (обычный показатель — 18%), остальные сказали, что нейросеть не знает специфики их компании и секретных рабочих контекстов. -- Вступайте в ряды Фурье! | Лучшие посты Старый медведь ругает молодых: — Мы три года жили в офисе, свободно ходили по кабинетам, на нас не обращали внимания. Каждый день мы съедали по менеджеру. НО! НАФИГА ВЫ СОЖРАЛИ УБОРЩИЦУ?!