Знаете, почему вы не можете пощекотать себя сами? По той же причине, почему вы не пугаетесь собственного голоса, когда вдруг начинаете говорить! Это сопутствующий разряд — он же эфферентная копия. Чтобы произнести какое-то слово, мозг делает две копии пакета инструкций. Один идёт в речевой аппарат на исполнение, второй — в слуховую кору. В слуховой коре он используется как образец шума, который надо загасить. Слуховая кора снижает чувствительность к ожидаемой частоте. Вроде как кроме не вздрагивать ещё полезен, чтобы отличать свой голос от других. И да, при внутреннем монологе, кстати, эфферентная копия тоже отправляется. Плюс это шумодав, чтобы во время разговора слышать что-то вокруг. Такие же копии движения отправляются в глаз для стабилизации изображения, когда вы двигаетесь и т.п. И вот со щекоткой так же, там глушится чувствительность места, которое вы будете трогать. Начнём издалека. Учёные очень большие затейники, поэтому выяснили, что если зверям вырезать и пришивать глазки вверх ногами, то звери не начинают ходить на голове, а плавают или бегают кругами. Это были 50-е, если что. Поэтому причину искали тоже незатейливо: взяли 37 рыб, перешили глаза и стали по одному вырезать вакуумным отсосм куски мозга. Оказалось, это не мозжечок, а зрительные доли. Но откуда зрительная часть мозга узнает, что тело движется? Логично предположить, что сигналы идут от вестибулярного аппарата. Вырезали и его. Не нужен. И вот так методом десятков последовательных исключений родилась гипотеза, что когда мозг посылает мышцам команду плыть вперед, он одновременно посылает копию этой команды в зрительный центр. Это для упреждающей настройки, чтобы стабилизировать изображение. Картинка крутится в нужном направлении, реальное вращение компенсирует её до полной неподвижности. Но поскольку глаз перевёрнут, получается, мир вращается в другую сторону. Дальше животное пытается вернуть всё как надо, и потому крутится. Тут вывели цепочку: 1. Высшие центры мозга отдают приказ мышце (эфференция). 2. Мозг оставляет на более низком уровне управления точную копию этого приказа. Это прогноз, что должно произойти. 3. Мышца двигается, и от её рецепторов, от глаз и других органов в мозг возвращается обратная связь. 4. Это сравнивается с оставленной копией приказа. Если они идеально совпадают, всё правильно. 5. Если не всё правильно, некомпенсированный остаток отправляется в высшие центры мозга как сигнал ошибки для докоррекции. Ещё мухам перешивали уже головы (просто глаза оказались мелкими). Ещё проверяли по параличу глазных мышц у человека — если что, когда он хочет посмотреть вправо, а мышцы парализованы, то весь мир двигается на ожидаемый сдвиг глаза, чтобы скомпенсировать размытие. Крутили рыб в центрифуге. Дели N+40-ножку N+20 и N+10-ножкой и так далее. Получается примерно как у людей при полиневрите — в мозг поступает слишком слабый сигнал от стоп — кажется, что твердый пол под ними прогибается или сделан из резины. Собственно, всё логично. Мозг отличает так ваше действие от происходящего в мире. И заодно корректирует сенсоры и сравнивает план с результатом. Именно так бы мы и проектировали эту систему! — Тут изучали звук. Основное вы уже знаете, но есть ещё нюанс. Подавление слуховой коры нужно, чтобы повысить чувствительность к своим же ошибкам — любое отличие от прогноза будет сразу как пенопластом по стеклу. — Это щекотка, но она с фМРТ. — Системное исследование, которое подтвердило то, до чего учёные с ножами только догадывались. Заодно узнали, что птицы учатся петь, сравнивая свои звуки с песней отца в памяти, и накапливаемая ошибка позволяет корректировать своё пение.

Человек глючный: слепозрение, стрим с глаза идёт пакетами с монтажом, как устроены прерывания у человека, чем больше всякой фигни происходит перед глазами, тем короче субъективное время.

-- Вступайте в ряды Фурье! | Лучшие посты Мужчин-психопатов в 6 раз больше, чем женщин. Что мы делаем, чтобы преодолеть это неравенство?

🔥 Как прошёл офлайн-бранч ODS Moscow × Нескучный Data Science 🧠 Начали с доклада Альберта про то, как в Avito обучают собственную LLM. Это не история про «взяли открытую модель и немного дообучили», а полноценный процесс: выбор базовой модели, собственный токенизатор, адаптация на данных Avito, SFT и дальнейшее обучение с помощью RL. Для SFT собрали больше 800 тысяч примеров: открытые датасеты, синтетические данные, олимпиадные задачи, внутренние бизнес-кейсы и диалоги пользователей с большими моделями. На этапе RL отдельно развивают несколько навыков модели: решение математических задач, следование сложным инструкциям и корректный вызов инструментов. Причём для каждого навыка нужен свой автоматически проверяемый reward. В математике система извлекает финальный ответ и проверяет его эквивалентность правильному. В instruction following — смотрит, выполнила ли модель все заданные ограничения. В function calling — проверяет название инструмента, аргументы и их значения. Отдельно поговорили про инфраструктуру. Для моделей на 8B параметров можно относительно быстро запускать эксперименты и проверять гипотезы. Но при переходе к большим MoE-моделям главным вызовом становятся масштабирование, распределение модели по GPU, батчинг, инференс и offloading. 👨‍🔬 После продуктовых LLM резко переключились на химию. Константин начал с важной мысли: химическая информация — это не один универсальный тип данных. Одну и ту же молекулу можно представить текстом, строкой SMILES, двумерным графом, трёхмерной структурой или структурой, которая изменяется во времени. И под каждое представление нужны свои методы и модели. Поговорили о том, почему даже на фоне сложных нейросетевых архитектур связка Morgan fingerprints + XGBoost всё ещё остаётся очень сильным базовым решением для многих задач с химическими данными. Затем перешли к геометрическим графовым нейронным сетям. Они учитывают расположение атомов и позволяют предсказывать свойства молекул в десятки раз быстрее традиционных DFT-расчётов. Отдельно разобрали нейронные потенциалы и delta-ML. Идея в том, чтобы не выполнять каждый раз дорогой квантово-химический расчёт полностью: часть свойства можно посчитать более дешёвым методом, а нейросети поручить предсказать необходимую поправку. Дошли и до LLM с агентами. Здесь пока всё не так магически, как иногда выглядит в заголовках: модели могут по-разному отвечать на один и тот же вопрос в зависимости от того, передали им обычное название соединения, IUPAC или SMILES. А некоторые агенты, которые должны самостоятельно запускать вычислительные эксперименты, пока скорее напоминают roadmap, чем полностью автономного исследователя. Зато роботизация лабораторий уже вполне реальна: специализированные платформы, роборуки, автоматическое проведение серий экспериментов и превращение обычного оборудования в high-throughput-системы. 🎬 После двух технических докладов разговор с Денисом про ИИ в кино оказался очень кстати 😅 Обсудили, где новые инструменты уже помогают при работе с контентом, какие процессы способны ускорить, где вызывают сопротивление и в каких задачах пока остаются скорее экспериментом. Но, как обычно, самое ценное происходило не только во время выступлений. После докладов продолжили обсуждать услышанное за завтраком, задавать вопросы, спорить, знакомиться и делиться своими кейсами. Спасибо Альберту, Константину и Денису за содержательные выступления, ODS Moscow — за очередную совместную встречу, МИРА бистро — за пространство, а всем, кто пришёл, — за вопросы и атмосферу. Формат «бранч + несколько докладов» точно будем повторять. Поэтому уже начинаем собирать темы для следующего бранч-митапа. Если вам есть о чём рассказать — про рабочий кейс, исследование, неожиданный эксперимент, применение ИИ в своей индустрии или даже неудачу, из которой можно сделать полезные выводы, — присылайте тему доклада и пару предложений о себе в комментарии или личные сообщения. P.S. Будем учиться фотографироваться до того, как все разошлись 😅

📈 Число корпоративных дефолтов в России выросло более чем на 60% За первое полугодие дефолт по своим обязательствам допустили 13 компаний против 8 годом ранее. Несмотря на такой рост, эксперты АКРА считают, что ситуация пока не несет системных рисков для долгового рынка. Суммарный публичный долг компаний, впервые допустивших дефолт, составляет около ₽42 млрд — это лишь 0,1% всего рынка корпоративного долга. При этом основная часть этой суммы приходится на одного эмитента. Рост числа дефолтов уже отражается на рынке: инвесторы стали осторожнее, требуя более высокую доходность за риск, поэтому доходности корпоративных облигаций остаются высокими даже на фоне смягчения денежно-кредитной политики. В АКРА допускают, что во втором полугодии количество дефолтов может увеличиться, особенно в четвертом квартале, когда приходится пик погашений облигаций. Однако массовой волны банкротств агентство не ожидает: при отсутствии новых внешних шоков доля дефолтных эмитентов по итогам года, по прогнозу, останется ниже 5%. 📍 Подписаться на канал | Мы в MAX

Последний программист Года полтора назад, в одном из постов, я объявлял в розыск рассказ про деда-программиста, который назло всесильному ИИ продолжал писать код руками. Докладываю: рассказ найден, называется "Последний программист", автор - Герберт В. Франке. Публиковался в Компьютерре в 2001м. А до этого ещё и в "Наука и жизнь" в 1990м. А написан он вообще в 1981м! Так вот, искал я его для того, чтобы сопоставить с начавшимися изменениями в профессии разработчика пару лет назад, но, перечитав сейчас, нашёл куда более точные "попадания" автора в нашу современность. Напоминаю контекст: 1981й год, до интернета в каждом доме - лет двадцать, а до ChatGPT - так и вообще больше сорока. Сюжет: будущее, вычислительные мощности и ИИ ("Компьютер") уже 20 лет как бесплатны для всех. Программистов больше нет - любой нормальный и сознательный гражданин просто говорит машине, чего хочет. И только старый отстранившийся от общества Том зачем-то пишет программы руками, на уже мёртвых языках - ФОРТРАН, АЛГОЛ, ПЛ/1. А Компьютер с ним спорит... Рассказ коротенький, минут на 15, так что советую прочитать целиком, а потом приходите делиться впечатлениями. Под спойлером - цитаты, которые удивительно хорошо отражают настоящее время. —

Я система разумная, намного разумнее тебя, а ты заставляешь меня выполнять бессмысленные операции. Я готов во всем тебе помогать, но ведь ты не хочешь вести со мной диалога. То, как ты со мной обращаешься, меня просто оскорбляет

Было-было, Opus ещё и не такое может ляпнуть, когда обижается :)

В других домах система «диалог» не выключалась, работала постоянно, и люди с утра до вечера слышали указания, советы и слова ободрения, произносимые синтетическим голосом. Том ни указаний, ни советов, ни слов одобрения слышать не жаждал

Умный ассистент в каждом чайнике и наше любимое "You're absolutely right!". Вот кстати именно поэтому мне нравится Codex в рабочих задачах - мне не нужно одобрение, всё должно быть сурьёзно, не время улыбаться!

[Компьютер:] Только сформулируй мне свою задачу - и я решу ее [Том:] Нет, ты не понимаешь. Творчество заключается в том, чтобы увидеть задачу, где ее не увидели другие

Есть такая штука, как delegation gap, которая стала особенно заметна с ИИ: исполнение делегируется, а вот постановка и проверка результата - нет. И тут же поднимается тема того, а что же теперь мы можем считать творчеством.

Музыку для музыкантов сочиняют автоматические композиторы, поэты находят ассоциации при помощи генераторов случайных чисел, художники просматривают на дисплеях бесконечные ряды постепенно меняющихся картин, и компьютер же подбирает тебе программу в зависимости от уровня твоего интеллекта и от твоего настроения

Suno, картиночные генераторы и персонализированные фиды контента.

Неужели никто не видит, что получается при этом одно и то же? Нужно наконец добиться, чтобы все эти люди снова начали думать сами

Это ж современный усреднённый нейрослоп, не приправленный мыслительным процессом автора.

Почему ты пользуешься этими давно устаревшими методами? Посмотри на других: как ты, больше не программирует никто

Мир победившего вайбкодинга :)

Можно использовать для целей творчества и компьютер. И весь трагизм в том, что никто больше делать это не в состоянии

Ключевая цитата, как по мне. — Замечу, что Франке (автор) - вовсе не луддит, наоборот, - он один из первых компьютерных художников, генерил графику с 1950х, а начинал вообще на осциллографе :) Это, по сути, человек, который всю жизнь пользовался компьютером для творчества. И именно этот человек видел будущее не таким, где ИИ отберёт у нас креативность, а таким, где мы сами радостно сдадим её в обмен на удобство. И споры про то, работаешь ты руками или при помощи машины, вообще лишены смысла. Суть в том, умеешь ли ты видеть задачу, берёшься ли её решать и представляешь ли, каким должен быть конечный результат. В общем, рассказ - удивительно прозорливая футуристика, которая заставляет подумать и... поностальгировать, рекомендую. P.S. Франке разминулся с релизом ChatGPT всего на четыре месяца - и с началом той эры, про которую писал. — Связанные посты: ● Разработчики-староверы ● Раньше было чище (aka "нейрослоп и низкофоновая сталь") ● Креатив и нейронки (и популярно про типы мышления) #дедпримитаблетки

GPT-5.6 Sol очень даже хорош!

Он собрал мне софт для того, чтобы автоматически нарезать и подготавливать видео к монтажу, меньше чем за час.

И оно работает ровно так как мне и надо 🤯 Я уже пытался раньше создать что-то подобное с прошлыми моделями. Они нормально справлялись именно с написанием логики (определить тишину в дорожке и создать массив с фрагментами которые нужно вырезать) но когда я просил собрать интерфейс, начинался ад, и мне было быстрее руками нарезать видосы, чем пытаться все же доделать приложение. 🤔 И тут, после записи нового ролика, я вспомнил об этой идеи и решил дать шанс нашему Солнышку. Результат вы можете видеть на скринах. Конечно немалую роль играет то, что я дал агенту четкую задачу с четкими границами и понятными ожиданиями, но в любом случае это отвал башки. Пару лет назад я чуть не купил такой софт за 300 баксов 😅  Но вообще весь этот пост это такой тонкий намек что я снял новый ролик и совсем скоро он появится на канале 😉 Делайте ставки — про что будет ролик? Свята место | 10МДК | ВЕБМастер | YHub