Account
Ученые Бëруши 🤓

Ученые Бëруши 🤓

Несмешной и неинтересный университетский кринж Беседы с админом насчет науки и рекламы @MG_bad_teacher На строительство аннигиляторной пушки https://pay.cloudtips.ru/p/7dfe8730 Сбор на научное оборудование https://messenger.online.sberbank.ru/sl/8XH6B

Username
@science_berushi
Category
Humor and entertainment
Country
RussiaRussia
Created
, 3 years
Subscribers4,191+3 last week
Avg views per post, 7d537−14.3% vs prev 7d
ERR12.80%last 7 days

Subscribers, 30 days

Nov 7 – Nov 15−2 (0%)

Show as table
DateSubscribers
Nov 7, 20264,193
Nov 8, 20264,188
Nov 9, 20264,187
Nov 10, 20264,188
Nov 11, 20264,191
Nov 12, 20264,188
Nov 13, 20264,190
Nov 14, 20264,190
Nov 15, 20264,191

Average views per post by day

By publication day

Show as table
DateAvg views per post
Nov 2, 2026717
Nov 3, 2026694
Nov 4, 2026543
Nov 5, 2026630
Nov 6, 2026593
Nov 7, 2026830
Nov 8, 2026553
Nov 9, 2026576
Nov 10, 2026558
Nov 11, 2026485
Nov 12, 2026640
Nov 13, 2026663
Nov 14, 2026510
Nov 15, 2026457
Nov 16, 2026318

Most viewed this month

  1. 01
    Views1.36K
    Forwards32
    Reactions47
    Comments2
  2. 02

    ChatGPT головного мозга или как научные сотрудники пытаются отменить сами себя (часть 2/2, предыдущая часть здесь) Для начала давайте сразу разберёмся с хайпом вокруг новостей о том, как ИИ совершают научные и математические открытия. Из последнего, это, пожалуй, нашумевшая новость про решение математической задачи тысячелетия (https://t.me/kindaprof/889) и создание ИИ-учёных, способных проводить самостоятельные исследования (https://sakana.ai/ai-scientist/ или https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/). Начнём с математики. Во-первых, "решена" эта задача у журналистов, а в академической среде пока только предстоит тщательно перепроверить эти результаты. И вслед за этим всплывает во-вторых: в ооочень свежей работе https://arxiv.org/abs/2610.08144 на разных LLM моделях последний версий со всеми примерами промтов хорошо показано то, что они всё ещё довольно плохо работают с математическим языком, часто галлюцинируют, а верность их доказательств зачастую не поддаётся перепроверке человеком. Причём авторы отдельно подчёркивают, что галлюцинации являются фундаментально нерешаемой проблемой, которая не позволит применять ИИ для работы с матаппаратом столь высокого порядка. Недавно в Сколтехе заявляли, что попробуют решить эту проблему, но это и правда невозможно из-за того, как именно устроена архитектура всех LLM (https://t.me/fakingleftie/2347). Теперь перейдём к ИИ-учёному. Здесь так же свежее исследование показывает (https://t.me/LanceBio/425 и https://arxiv.org/abs/2608.11415), что передовые ИИ совершенно беззащитны перед лженаукой и наукообразной речью. Ну а если говорить о реальной попытке использовать LLM как реального заменителя исследователя, то есть отличный разбор от физика (https://www.anthropic.com/research/vibe-physics), который показывает, что даже с КРАЙНЕ ВЫСОКОЙ культурой промт-инжиниринга, передовые модели больше похоже на студентов, что пришли к вам в лабу писать диплом и за которыми нужно перепроверять абсолютно всё. Так что все эти громкие новости, вызывающие панику среди некоторых исследователей (https://x.com/ecommartinez/status/2111755238327628202?s=20 и https://note.com/drkid/n/n5e926aba1898?hl=en) - не более чем поспешно сделанные выводы. Однако, даже в этой лекции есть одно действительно важное замечание для учёных, которое поддерживаем и мы: «Писать — значит мыслить. Если вы делегируете ИИ процесс написания текстов, вы делегируете ему свое мышление». Поэтому пока что можно сказать, единственное, в чём нейросети могут полностью заменить учёных (вернее, псевдоученых), так это в написании мусорных статей и методичек ради отчётности, что, кстати, действительно может стать серьёзной проблемой, если государство не изменит подхода в оценки эффективности работы академического комьюнити. И завершая уже сказанное выше, хотим отдельно пояснить вам некоторые базовые моменты информационной безопасности, которые нужно помнить, когда вы доверяете ИИ свои рабочие задачи. Первое, и основное, это то, что любой сервис, предоставляющий доступ к ИИ - это облачный сервис. Вы физически отправляете свои данные (эксперименты, тексты статей) на сервера компаний-поставщиков ИИ услуг, и пользоваться вашими данными компании могут весьма по-разному. Самым интересным примером использования вашей информации против вас можно привести недавний отчёт компании Anthropic (https://www.anthropic.com/threat-intelligence-report-september-2026) и их же недавнее заявление о механике анализа всех диалогов с их ИИ-моделями на предмет всяких злоупотреблений и нарушений пользовательского соглашения. И то, при использовании закрытых LLM-моделей вы хотя бы знаете, куда идут ваши данные, но если вы используете китайские ИИ, особенно от неофициальных провайдеров, то в таком случае узнать о том, где хранятся и как используются ваши данные, становится ещё сложнее. Тут можно было бы продолжить разговор про локальные нейронки, но это - тема для отдельного обсуждения. Второе - это ограничения и цензура. Те модели Клода и ЧатГПТ, которые доступны вам по подписке - это далеко не полноценные версии моделей, ведущих научные исследования, о которых вы слышите в новостях. У ИИ-компаний есть свои отдельные "защищенные" модели (например https://openai.com/ru-RU/index/introducing-gpt-rosalind/, https://www.anthropic.com/claude/mythos и закрытые версии AlphaFold), доступ к которым они дают только для определенных доверенных организаций (https://www.anthropic.com/news/ai-for-science-expands-foundations-research-institutions). Поэтому даже не удивляйтесь, если вы дадите задачу нейросети по своей научке, а в какой-то момент она либо даст ответ-заглушку о том, что ваш запрос нарушает политику безопасности, либо вообще получите бан аккаунта. Безусловно, в противовес этому есть открытые китайские ИИ-модели с ослабленной цензурой, но при работе с ними тоже нужно знать многие их особенности и слабые места, чтобы получить приемлемый результат. Под конец хотим подчеркнуть, что наш посыл главным образом направлен НЕ в сторону передовых лабораторий, которые, как мы надеемся, знают, что они делают, и понимают плюсы и ограничения работы с ИИ для научных задач, либо имеют достаточный бюджет на ошибку, а в сторону тех, кто тяжело или очень тяжело "сводит дебит с кредитом". Топовые лабы могут себе позволить ошибаться по крупному с ИИ, ибо благодаря финансовым и административным ресурсам они потянут издержки, когда таки упрутся в тупик. Но вот для всех остальных лабораторий такая ставка на нейросети может полностью похоронить научный коллектив. Как мы показали выше, риски при работе с ИИ слишком высоки (причём они тем выше, чем ниже ваша компетенция в AI). Не смотрите на нейро-хайп топовых исследователей. Думайте своей головой. Идите своим путём и, кто знает, может вам удастся занять более сытное место в распределение академических бюджетов, когда другие лабы будут фиксировать убытки после своей ИИ-лудомании 🌚 #тишина_лабораторий

    Text
    Views748
    Forwards18
    Reactions15
    Comments0
  3. 03
    Views694
    Forwards3
    Reactions1
    Comments2
  4. 04

    No text

    Photo
    Views689
    Forwards13
    Reactions40
    Comments1
  5. 05

    ChatGPT головного мозга или как научные сотрудники пытаются отменить сами себя (часть 1) Думаем, что настало время поговорить об использовании ИИ в науке, ибо имеются негативные тенденции, которые, проникая в академическую среду, только усиливают свое деструктивное влияние на наше с вами общество. Человечество в целом и научное сообщество в частности пока всё ещё нащупывает то, как именно нужно использовать ИИ (https://t.me/ad_research/2405), но уже сейчас можно сказать о некоторых его положительных сторонах. Во-первых, можно отметить, что языковые модели - это хороший инструмент в качестве ассистента при написании научных статей. Наверняка, многие из вас читали недавно вышедшую работу коллектива российских ученых (https://www.uspkhim.ru/RCR5247), где речь идёт сугубо о редакторской работе со стороны ИИ, когда уже все исследования, расчёты, анализы и выводы сформированы до неё. А ещё раньше в России были приняты и национальные стандарты ГОСТ Р 70949-2023 и ГОСТ Р 71657-2024, которые, по нашему мнению, достаточно здраво подчёркивают возможности использования ИИ в науке и образовании. Мы же хотим добавить, что в целом современные LLM неплохо справляются не только с редактурой в духе подбора правильных формулировок, но и с продвинутым анализом и редактурой текстов, способны проверять логические взаимосвязи, нестыковки и пропуски информации внутри единого текста статьи. Тут стоит оговориться, что мы категорически не рекомендуем отдавать задачу по написанию статей полностью нейросетям, а любые их тексты и предложения советуем рассматривать критически, перепроверять самостоятельно и оставлять за собой право согласиться с ними или нет, но считаем, что полностью отказываться от такого инструмента бессмысленно. Второе применение LLM, которое ученые могут найти полезным - это продвинутый поиск литературы и её анализ. Во-первых, для этой задачи уже существуют разнообразные сервисы, будь то "Лаборатория" внутри Google Academia (https://scholar.google.ru/scholar_labs/search), или специализированные сервисы наподобие Consensus (https://consensus.app) и Scite (https://scite.ai), которые позволяют делать контекстный поиск по базам данных научной литературы с помощью ИИ-агентов. Похожий сервис есть даже и у Sci-hub (https://sci-bot.ru), где поиск осуществляется по собранной ими базе публикаций. Третье, и самое полезное, на наш взгляд, применение языковых моделей в научной работе - это их использование для написания скриптов для обработки данных и расчетов. Это может пригодиться по-всякому: если вам нужна быстрая/автоматизированная обработка большого числа результатов; если прибор сохраняет данные в каком-нибудь своеобразном формате, и вам приходится вручную переносить данные в эксель; если у вас какая-то узкоспециализированная расчётная задачка, под которую проблематично подобрать существующий софт, и т.д. Сейчас вообще все создатели LLM активно прокачивают свои модели в написании кода, и мы активно пропагандируем среди коллег не стесняться использовать нейросети для таких задач, так как это очень заметно повышает эффективность работы. Но тут важный момент: у вас должно быть полное представление того, какова должна быть логическая схема программы и какие математические преобразования в процессе она будет использовать. Нельзя просто сказать условному ЧатГПТ: "вот те данные, сделай красивый график". Вам в любом случае придётся потратить время, чтобы разобраться, как должны быть устроены все необходимые расчёты, чтобы объяснить нейросети, что вы от неё хотите, как должен выглядеть ожидаемый вами результат, и какие части расчёта требуют особой внимательности (https://t.me/himiavbutilo4ke/5636). На самом деле здесь всё тоже самое, что и с написанием статей. Безусловно, можно попросить нейронку помочь и с логикой расчётов, но перепроверять её предложения и принимать окончательные решения о том, как должен выглядеть расчет, вам следует самостоятельно. Однако, у всей этой истории есть и обратная сторона медали, которую мы всё чаще наблюдаем в различных лабораториях: все размышления и анализ скидываются на ИИ, а человек радостно оставляет себе простые операции по перетаскиванию данных из одного места в другое. Причём если такое использование нейросетей какими-нибудь там эффективными менеджерами (https://t.me/dfzwe4/80888), CEO и директорами ещё можно оправдать их мещанским сознанием, то для научных сотрудников и уж тем более академиков - это никак не оправдывается и, по нашему глубокому убеждению, показывает крайнюю некомпетентность всего коллектива, что встал на такой путь. (ссылка на часть 2) #тишина_лабораторий

    Text
    Views685
    Forwards21
    Reactions9
    Comments0

Latest posts

#12371Photo

Forwarded from Научная мематология

No text

Open in Telegram
Views457−23%vs avg
Forwards16
Reactions23
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
1 h70
15 h309
29 h457
  1. After 1 hour70
  2. After 24 hours457
  3. Total to date457
#12370Photo
Views540−8%vs avg
Forwards22
Reactions32
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
2 h231
18 h431
32 h540
  1. After 24 hours431
  2. Total to date540
#12369Photo
Views479−19%vs avg
Forwards11
Reactions29
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h341
37 h479
  1. After 6 hours341
  2. Total to date479
#12368Photoedited
Views663+12%vs avg
Forwards17
Reactions26
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
4 h293
16 h400
28 h524
72 h663
  1. After 6 hours293
  2. After 24 hours524
  3. Total to date663
#12367Photo
Views689+17%vs avg
Forwards13
Reactions40
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
10 h375
34 h569
75 h689
  1. Total to date689
#12366Photo
Views630+7%vs avg
Forwards13
Reactions15
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
2 h231
8 h403
27 h514
67 h630
  1. After 6 hours403
  2. After 24 hours514
  3. Total to date630
#12365Photoedited
Views600+2%vs avg
Forwards16
Reactions22
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
4 h298
10 h421
28 h506
68 h600
  1. After 6 hours298
  2. After 24 hours506
  3. Total to date600
#12364Photo

Forwarded from Научная мематология

No text

Open in Telegram
Views485−18%vs avg
Forwards19
Reactions21
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
5 h194
17 h265
30 h375
35 h426
66 h485
  1. After 6 hours194
  2. After 24 hours375
  3. Total to date485

All posts

Connections