Наука

Рис, рождённый на орбите Вырастить рис из семян, которые сами созрели в невесомости, — такую задачу сейчас решают на китайской станции «Тяньгун». На днях космонавты завершили там «осеннюю жатву» (так они сами назвали этот этап): урожай собран, новая партия посеяна, зерно убрано на хранение. Рис на «Тяньгуне» уже выращивали в 2022 году, но тогда семена отправили на Землю, и следующие три поколения выросли уже там. Новый эксперимент, начатый в 2026-м, по данным Китайской академии наук, должен дважды пройти полный цикл «от семени до семени» — и целиком в космосе. Первое поколение выросло из семян, привезённых с Земли: в микрогравитации растения проросли, развились, зацвели и дали зерно. Из него теперь поднимается второе поколение — растения, которые начинают жизнь с семян, сформировавшихся в невесомости, а не на Земле. Смысл эксперимента — в гравитации, а точнее в её отсутствии. Всё живое на Земле эволюционировало под действием земной силы тяжести, и без неё растения, по крайней мере в теории, могут иначе расти, развиваться и размножаться. Поэтому учёные следят за генетической стабильностью риса, за эпигенетикой — то есть за тем, как проявляются его гены, — и за тем, как он приспосабливается от поколения к поколению. Параллельно идёт ещё одно сравнение: обычные земные семена сопоставляют с потомками риса, побывавшего на орбите в 2022 году. Так можно понять, оставляет ли невесомость долгий «след», который сказывается на следующих поколениях. Конечная цель — научиться производить еду прямо в космосе и меньше зависеть от грузов с Земли. @vselennayaplus

🤖 GPT-6-Astra прошла порог воплощённой компетентности, но не воплощённого интеллекта, - исследование SenseNova Команда SenseNova вместе с ACE Robotics, Ropedia, Nanyang Technological University и University of Tokyo опубликовала исследование, в котором проверила, достигла ли GPT-6-Astra от OpenAI воплощённого интеллекта (embodied intelligence). Воплощённый интеллект - это способность управлять роботами и выполнять задачи в физическом мире без дообучения. Astra управляла манипуляторами, многопалыми кистями, гуманоидом и навигацией на 12 бенчмарках в симуляции и на 8 реальных роботах. Задачи в основном бытовые: включить плиту и поставить на неё кофеварку, навести порядок на кухне, разблокировать iPad, забить гвоздь молотком, сыграть мелодию на пианино, сложить ткань, найти предмет в здании, вставить вилку в розетку. В симуляции Astra обошла всех конкурентов на 9 из 12 бенчмарков, в том числе специализированные VLA-модели, которые учатся на записях решения тех же задач. На DexJoCo у неё 78.2% успешных эпизодов против 40.3% у π0.5. Помогли два приёма. Перед тестом модель изучает обучающие демонстрации и создает пакет знаний с заметками, эталонными траекториями и Python-кодом. Лимит шагов ей увеличили в 10 раз, и она успевала заметить ошибку и исправить её. На RoboDojo это улучшило результат с 27.6% до 81.9%. Но результаты в физическом мире показали, что это ещё не практический воплощённый интеллект. Лишние попытки здесь не бесплатны, время не безгранично, а роботы уходят в защитную остановку и перегреваются. Переставить твёрдый предмет получилось в 17 попытках из 18, а вставить вилку в розетку 0 раз из 11. Неудачный контакт вызывал защитную остановку, так закончились 2 из 3 попыток вставить вилку на роботе PiPER. Долгая работа перегревает приводы, и на гуманоиде Galaxea R1 Pro перегрев корпуса прервал обе попытки собрать цветы. На гуманоиде Unitree G1 модель около 90% времени думает - один запрос к API занимал около 25 секунд, и робот поднимал игрушку с пола более часа. Многопалые кисти Wuji на роботе Tianji M6S по коду захвата, который написала сама модель, не подняли игрушку ни разу из трёх попыток, а с готовыми скриптами захвата, написанных человеком, подняли все три раза. Отсюда вывод: порог воплощённой компетентности GPT-6-Astra прошла, то есть на бенчмарках она уже решает задачи роботов не хуже, а часто лучше специализированных моделей. А порог практического воплощённого интеллекта пока нет, потому что в физическом мире она работает медленно, дорого и ненадёжно. Авторы выложили пакеты знаний, логи 3180 тестовых эпизодов с 5888 видео (81 ГБ, лицензия MIT) для четырёх бенчмарков. Код обвязки SenseNova-RoboRSI заявлен под Apache 2.0, но пока не опубликован. #Stateoftheart

Мозг продолжает видеть то, чего не видим мы BREAKING DISCOVERY: возможно, разгадка тайны сознания скрывается в правилах допуска к реальности Вчера я нарушил график публикаций, чтобы сообщить об открытии, способном оказаться поворотным в изучении природы сознания. Сегодня - обещанное продолжение. Но в этом открытии есть подробность, которая, на мой взгляд, еще удивительнее вчерашней новости о том, что примерно половину времени исследованные нейроны высокоуровневой зрительной коры представляют изображение лица, которое мы не осознаем. Причем для кодирования видимого и невидимого лиц используются в значительной степени одни и те же нейроны и одни и те же признаки изображения. Подавленное лицо представлено настолько содержательно, что исследователям удалось восстановить его особенности по нейронной активности, объединенной из множества коротких эпизодов.   Эта удивительная подробность вот в чем. В состоянии представления подавленного лица нейроны в среднем разряжаются даже немного чаще, чем в состоянии представления видимого. И все это происходит при устойчивом сознательном восприятии одного изображения. Получается, мозг продолжает обрабатывать то, чего сознание не видит, используя для этого почти тот же нейронный инструментарий.

Тогда вопрос на миллиард долларов: что же отличает информацию, становящуюся частью нашего сознательного опыта, от информации, остающейся за его пределами?

 Авторы открытия предполагают, что дело может заключаться в особых признаках нейронных состояний, определяющих дальнейшее направление информационных потоков в мозге. А я предлагаю посмотреть на эту загадку из возможного будущего науки. Что, если обнаруженное чередование представлений окажется частью гораздо более общей архитектуры, в которой

содержание нейронного представления и его доступность сознанию определяются разными механизмами?

Тогда принципиальное значение может иметь не только то, что мозг представляет, но и когда, куда и на каких условиях направляется это представление.   В моем новом эссе я называю такую гипотетическую архитектуру «коммутатором перцептивного Мультиверса». И здесь начинается самое головокружительное. Если подобный принцип действует не только при конкуренции двух изображений, но и при выборе между альтернативными интерпретациями происходящего, то

наше ощущение единственной реальности может оказаться результатом динамического отбора из множества внутренних представлений мира.

 А если выяснится, что аналогичные функции можно реализовать в искусственном интеллекте? Тогда по-новому встанут вопросы о сознании машин, о природе их «мерцающих Я» и о том, чем обеспечивается непрерывность человеческого субъективного опыта и возможна ли подобная связность у искусственных интеллектуальных идентичностей. Пока это гипотезы. Работа нейробиологов - еще не прошедший рецензирование препринт, а предполагаемый механизм сознательного доступа предстоит экспериментально установить.   Но именно здесь я вижу возможный масштаб открытия. В новом большом эссе я прослеживаю путь от Уильяма Джеймса и Дэниела Деннета к сегодняшней нейробиологии, сопоставляю обнаруженное чередование нейронных представлений с недавним открытием J-space в Claude и предлагаю четыре экспериментальных испытания, способных проверить ключевые положения моей футуроархеологической гипотезы.   Если же свести эту гипотезу к одной формуле, получится следующее:

Возможно, одна из величайших тайн сознания связана с тем, как мозг превращает множество представлений мира в единственную переживаемую реальность.

И тогда будущей науке предстоит выяснить, какие правила открывают одним представлениям дорогу в наше сознание, оставляя другие за его пределами.   Слайды структурированного резюме эссе «Коммутатор перцептивного Мультиверса» смотрите  здесь.   #Разум #Сознание #ИКЖИ

Как показывают данные Минприроды, с июня по сентябрь фиксировали не менее 25 нападений медведя на людей, 10 — с летальным исходом. Однако в 2024 году таких исходов было восемь, в 2925-ом — семь.  По данным госмониторинга охотничьих ресурсов, сегодня самая высокая среди всех российских регионов численность медведей наблюдается в Красноярском крае — 26,6 тыс. особей.  Аномально высокий рост численности медведей и в европейской части России был очевиден охотникам и ученым еще в 1990-е годы. Но первое масштабное его исследование началось только в 2010 году, когда все полномочия по охоте перешли из Министерства сельского хозяйства в Министерство природных ресурсов и экологии.   Почему выросла численность медведей и как менялся их ареал — писал «Коммерсантъ».

Модель Claude оптимизировала восемь задач для квантовых вычислений Исследователи из Anthropic использовали модель Claude Mythos 5 для разработки новых квантовых схем, требующих меньшего числа операций и кубитов. В итоге по ряду показателей удалось добиться улучшения на порядок или более. Результат должен упростить выполнение ресурсоемких квантовых алгоритмов, задействуя при этом значительно меньше вычислительных мощностей. Кроме того, предложен новый способ решения одной из главных инженерных задач в области квантовых вычислений — поиска баланса между требованиями к объему памяти и временем обработки данных. https://hightech.plus/2026/10/19/model-claude-optimizirovala-vosem-zadach-dlya-kvantovih-vichislenii

Нейрон-рекордсмен из «голубого пятна» В мозге мыши нашли нейрон с аксоном длиной 70,32 сантиметра. Он самый длинный из всех, что когда-либо измеряли у мышей. Рекорд всплыл, пока исследователи из Института Аллена составляли подробную карту крошечной области ствола мозга с поэтичным названием «голубое пятно» (по-латыни — locus coeruleus). Клеток там совсем немного, но именно они снабжают мозг норадреналином. Этот химический посредник помогает удерживать внимание и учиться, запускает реакцию на стресс или возбуждение и влияет на частоту сердцебиения. Из-за его роли в настроении и внимании на эту систему уже нацелены распространённые лекарства от депрессии, тревожности и СДВГ, а нейроны голубого пятна одними из первых гибнут при болезни Альцгеймера. При этом долго считалось, что голубое пятно работает как общая кнопка тревоги: нажали — и сигнал одинаково расходится по всему мозгу. Работа, показывает, что система куда избирательнее. Учёные совместили визуализацию всего мозга, записи активности нейронов, генетические методы и поведенческие эксперименты на мышах. Изображения почти 35 000 нейронов, генетический профиль почти 400 000 клеток, около сотни нейронов, реконструированных целиком, — масштаб солидный. Оказалось, что у голубого пятна есть «верх» и «низ» с разными обязанностями. Верхние нейроны тянут отростки в кору и передний мозг и связаны с обучением. Нижние уходят в ствол и спинной мозг и определяют, станет ли животное вообще вовлекаться в происходящее. Это видно и по поведению: когда мыши в задаче на выбор меняли решение после неудачи, включались верхние нейроны, а перед тем как проигнорировать сигнал о возможной награде, чаще срабатывали нижние. Набор активных генов у двух групп тоже разный. А что же рекордсмен? Аксоны клеток голубого пятна в среднем тянутся примерно на 35 см, а он вдвое длиннее. Этот нейрон снабжает норадреналином огромный объём коры, но аккуратно обходит мозжечок, ствол и спинной мозг. Для мозга такой размах — редкость: большинство нейронов куда разборчивее в адресатах. @vselennayaplus

Софисты победили Отвлечёмся от науки и поговорим о более фундаментальном – как мы вообще рассуждаем о вещах. Наброски возможных вариантов можно увидеть ещё у древних греков. Сократ и его последователи, начиная с Платона, проповедовали ценность докапывания до сути вещей. Есть объективная правда – говорили они – и нужно в процессе рассуждений её найти. Нормально, если в ходе обсуждений изменится ваше собственное мнение или если вы придёте совсем не туда, куда ожидали. Этот набросок стараниями многих людей из разных частей света и временных эпох превратился в картину научного метода, а также в способ мышления в некоторых религиозных течениях Другой взгляд на мир предлагали софисты. Давайте сперва разберёмся, кто это такие, потому что у слова «софист» сегодня негативный оттенок. Но корень в нём вообще-то такой же как в «философии» – мудрость (только без обозначения любви к ней). То есть название этой группы греками воспринималось как «мудрецы». Эти ребята предлагали платное обучение (в основном для богачей и их детей) прикладным интеллектуальным навыкам важным для карьеры в политике. Например, как доказать свою точку зрения и разгромить оппонента. Коммерциализация мудрости была для них принципиальной: у Платона есть зарисовка как софист в споре практически на кухне отказывается делиться своим мнением, пока ему не заплатят. Эта профессия напоминает коучей нашего времени Как же слово «мудрец» стало оскорблением? Дело в том, что мы знаем о софистах практически только через их критиков. Представьте сегодняшнюю знаменитость, которую через две с половиной тысячи лет будут помнить только по мнению критиков. Софистам ещё повезло, что их противником был Платон, оказывающий честь хорошим аргументам, даже если глобально был не согласен с их автором Так вот, софисты придерживались совсем другого взгляда на мир. Для них любое утверждение было лишь мнением. Какое же из них тогда более правильное? То, которое лучше обосновали в споре. Если вы смогли показать другим, что вам можно доверять больше, а лучше – что противнику нельзя доверять, то вы победили. Софисты тренировались доказывать противоположные мнения и даже красиво говорить о темах, в которых они вообще ничего не понимают, но при этом всё равно казаться в них экспертами. Ничего не напоминает? Да много чего. В политике софистика процветает с момента появления. В судах адвокат и прокурор тоже не стараются докопаться до сути дела, а пытаются сделать свои аргументы более красивыми, чем аргументы другой стороны. В массовой культуре часто есть победившее «правильное» мнение, оспаривать которое может быть дорого для репутации. Хотел бы я сказать, что уж в науке-то софистики не бывает, а хорошие ораторы, но плохие учёные – менее успешны, чем их противоположности. Но это как минимум не всегда правда. Да и, скажем, ревизии статей или защиты дипломов иногда превращаются вовсе не в попытки вместе докопаться до правды Получается, софисты победили? И это несмотря на то, что их собственных текстов практически не осталось и что все начинают изучение философии с их конкурентов. Значит ли это, что софисты были правы? Или мы где-то повернули не туда? Начните утро понедельника с экзистенциальных вопросов ☕️

На этой неделе OECD выпустили интересную интерактивную штуку (оно действительно широко разошлось по экспертным медиа и линкедину) — трекер дефицитных навыков, компетенций и профессий по странам OECD.

Explore occupational, industry and skill imbalances across more than 30 OECD countries. Using a harmonised and objective methodology, this interactive dashboard provides internationally comparable insights into labour market imbalances. Select “By country” to examine labour market imbalances in a specific country, or “Country comparison” to compare patterns across countries.

Я выделил топ-7 самых дефицитных... Industries 1. Education 2. Human health and social work activities 3. Information and communication 4. Professional, scientific and technical activities 5. Financial and insurance activities 6. Public administration, defence and compulsory social security 7. Utilities Occupations 1. Teaching professionals 2. Health professionals 3. ICT professionals 4. Health associates 5. Business and admin. professionals 6. Science and engineering professionals 7. Managers Abilities 1. Verbal abilities 2. Reasoning abilities 3. Attentiveness 4. Perceptual abilities 5. Auditory and speech abilities 6. Quantitative abilities 7. Memory Knowledge 1. Customer and personal service 2. Administration and management 3. Computers and electronics 4. Education and training 5. Mathematics knowledge 6. Administrative 7. Psychology Skills 1. Active listening 2. Critical thinking 3. Monitoring 4. Reading comprehension 5. Speaking 6. Writing 7. Complex problem solving Топ стран по совокупному дефициту 1. Bulgaria 2. Argentina 3. Türkiye 4. Greece 5. Portugal 6. Hungary 7. Lithuania → https://www.oecd.org/en/data/dashboards/skills-for-jobs.html

«Времени почти не осталось»: семь из девяти экологических рубежей, охраняющих планету, уже пали, и ситуация ухудшается Если бы Земля была пациентом, с такими результатами анализа крови её немедленно отправили бы в реанимацию. Так один из исследователей описал итоги Planetary Health Check 2026. Более 60 учёных оценили состояние девяти планетарных рубежей, от которых зависит устойчивость Земли. Семь уже пересечены, причём четыре находятся в опасной зоне. По сравнению с прошлогодним докладом число нарушенных рубежей не изменилось, но состояние природных систем продолжает ухудшаться. Волны жары становятся чаще и интенсивнее, сокращаются ледники, обесцвечиваются кораллы. При этом учёные не считают ситуацию безнадёжной. Возможности изменить тенденцию ещё есть, но в ближайшие несколько лет придётся действовать значительно быстрее.

Будущее (американского) университета Корнеллский университет опубликовал огроменный репорт про «the Future of the American University» — каким оно должно быть, чтобы отвечать сегодняшним (и завтрашним) вызовам и глобальным трансформациям. Но прочитать 238 страниц такого непростого текста — задача невыполнимая. Поэтому я сделал перевод на 29 страниц. Содержательно кажется ничего не потерял. Документ состоит из 8 блоков: 1. Зачем университет нужен обществу 2. Почему прежняя модель больше не работает 3. Как должно измениться высшее образование 4. Как меняется научная работа 5. Как университету восстановить связь с обществом 6. Новая модель магистратуры, аспирантуры и профессионального образования 7. Как управлять сложным университетом 8. Как обсуждать сложные вопросы без требования согласия Ключевой тезис, который звучит через весь репорт: Существующая транзакционная модель образования саморазрушительна. Если студент оценивает образовательный процесс только по тому, насколько заметный сигнал он даёт для рынка труда, он рационально избегает именно тех действий, которые формируют глубокую компетентность — интеллектуального риска, непонятных задач, открытого поиска и продуктивных правильных ошибок. Система оптимизирует сигналы компетентности за счёт самой компетентности. Это неправильный путь. И это последствие дезинтеграции. Нужна новая интегрирующая модель. И оригинал, и мой перевод — в комментариях. → https://provost.cornell.edu/initiatives/future-of-the-american-university

🎤 За круглым столом на AIST’26 В заключительный день конференции провели круглый стол по бенчмаркингу, оценке моделей и тому, как в сложности задачек угнаться за способностями LLM. От нашей команды Sber AI был золотой состав: @alenusch, @SamoedR и ваша покорная слуга. Дискуссия получилась живой (не ожидаешь такого в 9 утра по Москве) и, затронув такой «больной» вопрос, затянулась сверх тайминга больше чем на час. Сошлись на том, что парадигма статического бенчмаркинга уходит и все движется в сторону регулярной актуализации заданий и cost-effective оценки LLM. Это, конечно, не все аспекты, а лишь часть, полную картину смотрите в записи круглого стола. Кажется, лучшего завершения конференции и придумать нельзя! @mashkka_ds #трудовыебудни #mashkka_kazakhstan #aist #ai

DBS (Dynamic Band Splitting) Метод разделения аудиоисточников от Tsinghua: границы частотных полос подстраиваются под каждый микс, а не задаются заранее. Бюджет токенов при этом фиксированный. Как работает • Предсказывает границы полос по содержимому внутри частотных блоков • Отбирает заданное число границ через hard Top-K • Пулит полосы с учётом содержимого в компактные токены • После разделения сглаживает и растягивает токены обратно на сетку STFT • Уточняет их по частоте и декодирует комплексные маски общей по частоте головой Две версии • DBS-BSRNN: 4.7M, окна по 3 секунды • DBS-TIGER: 1M, окна по 6 секунд Обе делят монодорожку 44.1 кГц на музыку, звуковые эффекты и речь. BSRNN тяжелее и аккуратнее на коротких окнах, TIGER компактнее и смотрит дальше по времени hf.co/JusperLee/DBS-TIGER-DnR hf.co/spaces/JusperLee/DBS-Demo github.com/JusperLee/Dynamic-Band-Splitting #audioseparation #demix #unmix