vibe coding, говорят, такой

У нас в Нидерландах прошло большое исследование по использованию ИИ в обнаружении рака груди.

Вывод там простой - ИИ молодец и очень помогает.

В радиологии принята практика второго мнения - снимки всегда смотрят два врача независимо друг от друга. Это нужно для повышения точности и исключения ошибок.

Ну и ИИ, в общем-то, заменяет второго врача, да еще и общую точность повышает.

А еще выяснилось вот что:
модель иногда что-то помечает как патологию, а врачи такие «ну тут он ошибся - false positive явный». А потом выясняется со временем, что не ошибся - просто этап ранний и врачи сами не заметили или не поняли.

Вот что про это говорит руководитель исследования Ритсе Манн:

AI sometimes finds things two to four years earlier. These are real cancers that grow and do real harm. They were left in the breast and grew. People became lymph node positive. We want to prevent that. It’s best to find tumours earlier when they can be less harmful with treatment.

Опубликовано это все в журнале Lancet. (Вы о нем могли слышать во времена пандемии в связке с исследованиями спутника V)

Я занимался чем-то похожим в Иннополисе - тогда только-только поперли свёрточные сети и мы как раз пробовали их на наших флюорографиях. И вот спустя 10 лет мы на пороге реальной адаптации ИИ в радиологии.

Сами исследователи оценивают реальное внедрение в клиники на горизонте 5 лет.

What a time to be alive.

Коллега съездил в Сеул на RECOMB - конференцию про численную молекулярную биологию. Искал там медь, а нашел, как говорится, золото.
#storytime

Выступал на конфе Лесли Вэлиант. Лауреат Тьюринга. Человек, которому, в принципе, разрешено говорить любые странности, и это всё равно будет наукой.

И он там очень поэтично высказался:

Darwinian evolution is a kind of supervised machine learning… Who is the supervisor?
It's Death.

Красиво, конечно.

Дальше он объяснил: среда - это teacher. Есть какая-то невидимая target function - выживание. Вид - это ученик. ДНК хранит гипотезу, как вообще жить. Мутации меняют гипотезу - это собственно обучение. А селекция даёт фидбек: fitness(ожидаемое число жизнеспособных потомков). Других оценок нет. Ну а датасет - это все ситуации, что встречаются в природе.

Если мутации и отбор успевают за разумное время подогнать гипотезу к жизни - задачу называют evolvable.

По сути, получается, что всё человечество - это большой курс по машинному обучению. И экзамен у нас принимает смерть.

Thinking machines наконец что-то выпустили. И это - блогпост. muratiface.jpg

Довольно интересная тема, кстати: Defeating Nondeterminism in LLM Inference

https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/

Пока OpenAI строит старгейты, DeepSeek публикуются в Nature

https://www.nature.com/articles/s41586-025-09422-z

NeurIPS реджектнул статьи, хотя бы один автор которых аффилиирован с Российской компанией/универом (вот, вот и вот). Вроде бы, реджект дают не прямо всем, а организациям из этого документа, но это не точно. Но, в любом случае, это точно пиздец, такие решения вообще не имеют ничего общего со словом "наука". Честно говоря, не думала, что до этого дойдет в мировой академической среде, но вот.
Очень обидно за классных людей и их статьи, которые вроде бы попали на NeurIPS, а вроде бы и нет(

Что же нас ждет с Sora 2 🫣

Говорят, SAM 3 засабмитили на ICLR 2026.

SAM 1 - тыкаем на картинки и оно сегментирует

SAM 2 - тыкаем в видео и оно сегментирует и трекает

SAM 3 - как SAM 2, только не тыкаем, а пишем промптом

https://openreview.net/forum?id=r35clVtGzw

На работе мы используем SAM 2 для сильного облегчения разметки разных типов клеток помидоров и трекинга их развития на изображениях с микроскопа. Так что ждем релиза.

Свежий цирк с ИИ и математикой.

Парни из OpenAI запостили, что с помощью gpt-5 удалось найти решения 10 открытых проблем Эрдёша. (Это такие математические головоломки про то, как расставлять точки на плоскости, чтобы они были везде близко, но не слишком, как складывать числа, чтобы не повторяться или как строить графы, чтобы в них всегда были циклы нужной длины)

Почти для всех это звучало как «gpt-5 решил нерешенную математику». ИИ рвет ученых в щепки, мы обречены, вот это вот всё.

Реальность оказалась проще: gpt-5 нашел старые статьи с решениями, которые банально пропустили раньше. Тоже неплохо, но уже не так сочно.

Прокомментил аж CEO Google DeepMind (нобелевский лауреат межу прочим) - «это стыдоба».

Оригинальный пост автор уже удалил со словами «сорян, я думал очевидно, что я имею ввиду». Правда это или отмазки - решайте сами.

Короче, математика жива, ИИ - еще не бог (пока что). Продолжаем жечь токены.

Давайте теперь положительный кейс ИИ в математике.

Вот Эрнест Рю - профессор математики в университете Калифорнии. Он рассказал о том, как ChatGPT-5 thinking pro помог ему решить открытую задачу выпуклой оптимизации.

Вот что он пишет:

- ChatGPT значительно ускорил работу: за 12 часов (в течение 3 дней) удалось получить результат, который без него занял бы намного больше времени.

- Процесс был интерактивным, а не одноразовым - доказательство не появилось сразу, требовалось множество итераций.

- Около 80% аргументов ChatGPT были неверными, но среди них встречались новые и ценные идеи, которые автор развивал дальше.

- Роль человека:
фильтровал ошибочные рассуждения;
сохранял и структурировал верные факты;
замечал перспективные идеи и направлял ChatGPT к их развитию;
решал, когда исследованный путь исчерпан.

- Роль ChatGPT:
предложил финальный вариант доказательства;
помог быстро перебрать и отбросить неработающие подходы.

Результат такой - полученное доказательство, по мнению Рю, достаточно сильное для публикации в хорошем журнале по теории оптимизации. Что он и планирует сделать.

Единственный момент: у него закончился лимит запросов на Pro-тарифе. 🫠

В общем, как мы видим, ChatGPT таки способен реально помогать в научных исследованиях, включая поиск математических доказательств, если рядом есть эксперт, который направляет и фильтрует идеи.

Сегодня я первый раз голосовал в Нидерландах. 🇳🇱

Выбрать нужно было одну из аж 27 партий. К такому меня жизнь не готовила.

Пару недель я развлекался вопросами чату гпт вроде «а за кого бы голосовал капитан Джек Воробей?».

Но вообще, чтобы понять, какие партии ближе к тебе по духу есть сайт с квизом - отвечаешь да/нет/пофиг на разные утверждения и тебя матчит с партией. Увы, ничего не вышло из моих попыток заставить агента chatgpt пройти этот тест за меня. Он отказывается. - мол, я ИИ, предпочтений нет и вообще сам давай.

В прошлый раз большинство набрали крайне правые - с грехом пополам сформировали правящую коалицию, но она довольно быстро распалась. Посмотрим, поменяется ли что-то в этот раз.

А Джек Воробей проголосовал бы за Партию Пиратов 🏴‍☠️ - топят за цифровую свободу, приватность, антикорпоративную политику. Арр!

Всё о тренировке LLM в посте (книге?) от Hugging Face.

200 страниц всего-навсего. Оценивают в 2-3 дня чтения.

Очень полезная вещь, мне кажется, там как будто вообще все темы охватили.

https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook

Rumor has it, Ян ЛеКун собрался уходить из FAIR и открывать что-то своё.

Занятная история от кофаундера Fireflies.ai - делают ИИ-ассистента для встреч, стоят $1B.

В приступе откровенности Сэм Удотонг рассказал, как в 2017 году они со вторым фаундером под видом ИИ-бота присоединялись к митингам клиентов и в ручную делали заметки.

Вот буквально, заходили под именем Fred from Fireflies.ai, сидели на мьюте и печатали заметки. Через 10 минут после митинга присылали, что получилось.

Fake it till you make it в действии.

А вот все, что нужно знать о жизни стартапера:

После того как мы вели заметки более чем на 100 встречах (и на многих засыпали), нам наконец удалось заработать достаточно, чтобы платить $750 в месяц за аренду крошечной гостиной в Сан-Франциско.

В комменты сразу прибежал СЕО компании чтобы сделать damage control - пишет, мол, это было давно и вообще клиентами были только друзья и они знали что это всё человеки делают. Но что-то лукавит он, как мне кажется.