Цифровой мир

🧬 ИИ для биологии упирается в нехватку данных. Одними GPU проблему не решить.

Biohub, основанный Марком Цукербергом и Присциллой Чан, вместе с Meta, Google DeepMind, Isomorphic Labs, Минэнерго США и NIH расширяет инициативу по созданию «виртуальной клетки». Общий объём обязательств составляет $1,8 млрд, включая финансирование, данные, вычисления и технологии измерения.

Цель: научиться предсказывать реакцию клеток на вмешательства, чтобы проверять идеи на компьютере перед лабораторными экспериментами.

По оценке научного руководителя Biohub Алекса Райвса, нынешних данных о сотнях миллионов клеток недостаточно: понадобятся миллиарды, а затем триллионы. Первый датасет ожидают примерно через год, точные предсказательные модели рассчитывают получить за пять лет.

Есть нюанс: коммерческие партнёры получат год эксклюзивного доступа к данным, которые помогают создавать. На данные, финансируемые государством, такое ограничение не распространяется.

https://biohub.org/news/virtual-biology-initiative-expansion/

📲 Цифровой мир — подписаться

Forwarded From ТЕХНО: Яндекс про технологииЕсли модель говорит по-русски, это ещё не значит, что вы с ней на одной волне

Каждую нейросеть нужно адаптировать под понимание и общение на конкретном языке. На примере новой открытой нейросети Яндекса Alice AI Foundation, которую обучили с нуля внутри компании, рассказываем, как ИИ прививают знание русского.

Токенизация на русском

LLM читают текст не по словам или буквам, а по токенам — кусочкам текста, из которых складываются промпты, размышления и ответы. Таким фрагментом может быть один символ, целое слово или его часть. Чтобы нейросеть могла нарезать текст на токены, разработчики заранее составляют для неё словарь. Собирают его автоматически: если слово часто встречается в датасете, оно получает собственный токен. 

Но если обучающие материалы были, скажем, на английском, то русские слова при обработке будут дробиться на несколько токенов. И вообще один и тот же текст на разных языках превращается в разное количество токенов. Например, в Claude Opus 5 фраза «Это тестовый текст для подсчёта количества токенов на разных языках» на русском занимает 17 токенов, а на английском — всего 13.

Словарь Alice AI Foundation создавали на текстах, где преобладал русский, поэтому она эффективно его токенизирует. Поэтому обработка запросов упрощается — модели требуется меньше токенов, чтобы получить результат. Она начинает читать и генерировать текст быстрее, а на оплату её работы требуется меньше денег. Заодно в контекстное окно помещается больше текста, и нейросеть дольше сохраняет память о начале переписки.

Обучение на русском

Материалы для обучения влияют и на то, насколько хорошо модель понимает пользователя. Смысл запросов часто зависит от страны, поэтому просто перевести английские тексты недостаточно — модель нужно обучать на русских, чтобы она понимала местные реалии и культурный код. 

При этом, чтобы модель запомнила факт, его нужно пересказать несколько раз в разных формах. Например, строчку «Пётр I основал Петербург в 1703 году» для обучения превращают в реплику экскурсовода, в запись в духе исторической заметки и в вопрос с ответом. 

Тестирование на русском

Результат адаптации под русский язык нужно проверять на специальных тестах, основанных на популярных запросах пользователей. Для Alice AI Foundation в Яндексе разработали собственные тесты на знание истории, права, английского и общих фактов. В последней категории, к примеру, она набрала 86,5 балла против 83,2 китайской DeepSeek-V4-Flash-Base, которая в 3,5 раза больше.

Alice AI Foundation получилась компактной благодаря архитектуре MoE: из 80 млрд параметров для обработки токена задействуются лишь около 3 млрд. Так модель вмещает больше знаний, но требует меньше вычислений — и на многих задачах обходит более крупные открытые нейросети.

Релиз модели заметили и за рубежом, где её включили в число ключевых запусков недели. А подробнее о разработке и обучении Alice AI Foundation можно почитать в техрепорте.

📲 Цифровой мир — подписаться

🧬 DeepMind представила AlphaProtein Novo: ИИ для проектирования новых ферментов

Система создаёт структуру белка и его аминокислотную последовательность под заданную химическую реакцию. Отправная точка: описание будущего активного центра фермента.

Исследователи уже проверили разработки в лаборатории:

• Синтез пиперидинов, молекулярных компонентов многих лекарств.
• Расщепление DEHP, токсичного пластификатора, загрязняющего окружающую среду.

Показательный результат: первые ферменты для синтеза пиперидинов давали выход всего 0,1%. После уточнения дизайна и двух раундов направленной эволюции выход превысил 60%, сохранив высокую избирательность реакции.

Это показывает, как ИИ-проектирование и лабораторные эксперименты могут усиливать друг друга.

Код и веса опубликованы; использование весов ограничено некоммерческими условиями. Исследование пока представлено как препринт.

https://github.com/google-deepmind/alphaprotein-novo

📲 Цифровой мир — подписаться

🏅 Нобелевскую премию по медицине 2026 года дали за управление нейронами с помощью света

Лауреатами стали Карл Дейссерот, Петер Хегеманн и Георг Нагель. Их открытия заложили основу оптогенетики.

Как это работает:

• В выбранные нейроны вводят ген светочувствительного белка.
• Клетки начинают производить этот белок.
• Импульс света открывает ионные каналы и запускает нервный сигнал.

Хегеманн и Нагель обнаружили такой белок у одноклеточной водоросли. Дейссерот использовал его как световой переключатель для нейронов.

Это позволяет проверять, какие нервные цепи отвечают за конкретные воспоминания, эмоции и поведение. Учёные воздействуют на выбранные клетки и наблюдают, что меняется.

💡 Всё началось с вопроса: как крошечная водоросль плывёт к свету?

https://www.nobelprize.org/prizes/medicine/2026/press-release/

📲 Цифровой мир — подписаться

Forwarded From Machinelearning✔️ Китайские инженеры разработали неинвазивный нейроинтерфейс весом 3 грамма

Исследователи Тяньцзиньского университета представили неинвазивную ЭЭГ-систему Shen Gong Xumi Brain Cube. При объеме 2 см³ устройство весит 3 грамма.

Датчик крепится к коже головы под волосами, заменяя стандартные ЭЭГ-шапочки с проводами. Внутри корпуса размещены массив электродов, цепи фильтрации и оцифровки биопотенциалов, аккумулятор и модуль беспроводной передачи данных.

Платформа предназначена для длительного непрерывного сбора данных.

Заявленные сценарии применения включают клинический мониторинг (трекинг фаз сна, выявление патологий, нейрореабилитация) и контроль психофизиологического состояния сотрудников спецслужб в полевых условиях.

@ai_machinelearning_big_data

#news #ai #ml

📲 Цифровой мир — подписаться

🔥 Harness Engineering: бесплатный курс на русском о том, как заставить AI-агента писать код надёжно

Главная мысль курса: способности модели и надёжность её работы зависят от разных вещей. Одна и та же модель в «голой» среде и в продуманной обвязке выдаёт совершенно разный результат. Апгрейд модели обходится дороже всего и при этом редко лучше всего чинит агента.

Harness здесь называют всё, что лежит вокруг весов: файлы инструкций вроде AGENTS.md и CLAUDE.md, инструменты и MCP, среду исполнения, состояние между сессиями и петли проверки. Курс учит проектировать эту обвязку как инженерную систему.

Хорошо видно, зачем это нужно, по простой математике. Если каждый шаг агента успешен с вероятностью 95%, то прогон из 20 шагов доходит до конца лишь в 36% случаев, а из 50 шагов только в 8%. Поэтому значительная часть курса посвящена верификации и тому, как не дать агенту объявить победу раньше времени.

Внутри 11 блоков теории (обратная связь, законы Гудхарта и Литтла, контекст как канал с шумом), 14 модулей от непрерывности сессий и принципа WIP=1 до Loop и Graph Engineering, 8 проектов, 14 лабораторных и 60 задач с разборами. Есть быстрый старт, где минимальная обвязка собирается за 30 минут, диагностический протокол «как починить агента», исполняемые тесты, шаблоны и каталог антипаттернов.

https://github.com/justxor/Harness_ru

📲 Цифровой мир — подписаться

LLM на 3,66 млрд параметров приблизилась к Qwen3-8B в формальной логике 🤏

webAI выпустила TwIL-LM3-Pro, компактную модель на базе IBM Granite 4.2 3B.

По тестам разработчиков:

• результат сопоставим с Qwen3-8B по сводной метрике формальной логики;
• модель опережает публичную VibeThinker-3B во всех шести проверенных направлениях;
• 95,4% на логической подвыборке BIG-Bench Hard;
• 95% на математических задачах SVAMP.

Версия Q4_K_M занимает 2,09 GiB и, по карточке модели, запускается на CPU или видеокарте с 4 ГБ VRAM. При локальном использовании запросы обрабатываются на вашем устройстве, без оплаты облачного API.

За результатами стоит многоэтапное дообучение: логические задачи, разные траектории рассуждений, объединение весов и обучение с подкреплением.

Есть нюансы: опубликованные оценки получены на BF16, качество Q4 отдельно не измерено. Лицензия некоммерческая.

Хороший повод проверить, какая доля ваших запросов действительно требует самой мощной модели.

https://huggingface.co/webAI-Official/TwIL-LM3-Pro

📲 Цифровой мир — подписаться

Одобрения в январе 2026

Банк №1
  Сумма: до 30 000 ₽
  Срок: до 16 дней
  Ставка: от 0%
 

Банк №2
  Сумма: до 100 000 ₽
  Срок: до 365 дней
  Ставка: от 0%
  

Банк №3
  Сумма: до 30 000 ₽
  Срок: до 21 дня
  Ставка: от 0%
  

Банк №4
  Сумма: до 100 000 ₽
  Срок: до 168 дней
  Ставка: от 0%
 

Банк №5
  Сумма: до 49 000 ₽
  Срок: до 98 дней
  Ставка: от 0%
  

Рекомендуем подавать несколько заявок, количество мест ограничено.