Кабинет
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

Юзернейм
@science_berushi
Категория
Юмор и развлечения
Страна
РоссияРоссия
Создан
, 3 года
Подписчики4 191+3 за неделю
Просмотров на пост, 7 дн.537−14,3% к пред. 7 дн.
ERR12,80 %за 7 дней

Подписчики, 30 дней

7 нояб. – 15 нояб.−2 (0%)

Показать таблицей
ДатаПодписчики
7 нояб. 2026 г.4 193
8 нояб. 2026 г.4 188
9 нояб. 2026 г.4 187
10 нояб. 2026 г.4 188
11 нояб. 2026 г.4 191
12 нояб. 2026 г.4 188
13 нояб. 2026 г.4 190
14 нояб. 2026 г.4 190
15 нояб. 2026 г.4 191

Средние просмотры поста по дням

По дню публикации

Показать таблицей
ДатаПросмотров на пост
2 нояб. 2026 г.717
3 нояб. 2026 г.694
4 нояб. 2026 г.543
5 нояб. 2026 г.630
6 нояб. 2026 г.593
7 нояб. 2026 г.830
8 нояб. 2026 г.553
9 нояб. 2026 г.576
10 нояб. 2026 г.558
11 нояб. 2026 г.485
12 нояб. 2026 г.640
13 нояб. 2026 г.663
14 нояб. 2026 г.510
15 нояб. 2026 г.457
16 нояб. 2026 г.318

Самые просматриваемые за месяц

  1. 01
    Просмотры1,36 тыс.
    Пересылки32
    Реакции47
    Комментарии2
  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

    Текст
    Просмотры748
    Пересылки18
    Реакции15
    Комментарии0
  3. 03
    Просмотры694
    Пересылки3
    Реакции1
    Комментарии2
  4. 04
    Просмотры689
    Пересылки13
    Реакции40
    Комментарии1
  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

    Текст
    Просмотры685
    Пересылки21
    Реакции9
    Комментарии0

Новые посты

#12371Фото

Переслано из Научная мематология

Без текста

Открыть в Telegram
Просмотры457−23%к среднему
Пересылки16
Реакции23
Комментарии0
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
1 ч70
15 ч309
29 ч457
  1. Через 1 час70
  2. Через 24 часа457
  3. Всего сейчас457
#12370Фото
Просмотры540−8%к среднему
Пересылки22
Реакции32
Комментарии1
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
2 ч231
18 ч431
32 ч540
  1. Через 24 часа431
  2. Всего сейчас540
#12369Фото
Просмотры479−19%к среднему
Пересылки11
Реакции29
Комментарии0
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
7 ч341
37 ч479
  1. Через 6 часов341
  2. Всего сейчас479
#12368Фотоизменён
Просмотры663+12%к среднему
Пересылки17
Реакции26
Комментарии0
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
4 ч293
16 ч400
28 ч524
72 ч663
  1. Через 6 часов293
  2. Через 24 часа524
  3. Всего сейчас663
#12367Фото
Просмотры689+17%к среднему
Пересылки13
Реакции40
Комментарии1
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
10 ч375
34 ч569
75 ч689
  1. Всего сейчас689
#12366Фото
Просмотры630+7%к среднему
Пересылки13
Реакции15
Комментарии1
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
2 ч231
8 ч403
27 ч514
67 ч630
  1. Через 6 часов403
  2. Через 24 часа514
  3. Всего сейчас630
#12365Фотоизменён
Просмотры600+2%к среднему
Пересылки16
Реакции22
Комментарии1
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
4 ч298
10 ч421
28 ч506
68 ч600
  1. Через 6 часов298
  2. Через 24 часа506
  3. Всего сейчас600
#12364Фото

Переслано из Научная мематология

Без текста

Открыть в Telegram
Просмотры485−18%к среднему
Пересылки19
Реакции21
Комментарии0
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
5 ч194
17 ч265
30 ч375
35 ч426
66 ч485
  1. Через 6 часов194
  2. Через 24 часа375
  3. Всего сейчас485

Все посты

Связи

Похожие каналы

Кто упоминает

Кого упоминает

Все упоминания