и чтобы плавно вернуть канал к беспросветному занудству, поделюсь историей, которую мой друг Эколёха рассказал во время своего прекрасного доклада о близости к земле
многим знаком приятный запах земли после дождя. у него даже есть свое название — петрикор, этот запах такой приятный, что парфюмеры очень давно и активно используют его в разных ароматах
название то дали, но откуда этот запах берется было непонятно, пока другие ученые не выяснили, что основную ноту создает геосмин, причем выделяет его не сама земля или растения, а живущие в земле бактерии стрептомицеты, которые после дождя начинают очень активно размножаться. иногда к этому букету примешиваются растворенные дождем эфирные масла и озон после грозы, но основную ноту дают именно бактерии.
но самое интересное — то, почему этот запах кажется нам приятным. есть мнение, что поскольку мокрая земля приводила к лучшим урожаям, и с меньшей вероятностью означала голодную зиму, многие поколения наших предков—земледельцев после дождя вырабатывали условный рефлекс, почти как собака Павлова. проверить это вряд ли когда-то удастся, но объяснение красивое.
на этом возвращаюсь к своему долгострою про обоняние и тому, как разные запахи, активировавшие нервные клетки у нас в носу декодируются в нашем мозге и создают ощущения, приятные и не очень. до конца декабря обещаю закончить
многим знаком приятный запах земли после дождя. у него даже есть свое название — петрикор, этот запах такой приятный, что парфюмеры очень давно и активно используют его в разных ароматах
название то дали, но откуда этот запах берется было непонятно, пока другие ученые не выяснили, что основную ноту создает геосмин, причем выделяет его не сама земля или растения, а живущие в земле бактерии стрептомицеты, которые после дождя начинают очень активно размножаться. иногда к этому букету примешиваются растворенные дождем эфирные масла и озон после грозы, но основную ноту дают именно бактерии.
но самое интересное — то, почему этот запах кажется нам приятным. есть мнение, что поскольку мокрая земля приводила к лучшим урожаям, и с меньшей вероятностью означала голодную зиму, многие поколения наших предков—земледельцев после дождя вырабатывали условный рефлекс, почти как собака Павлова. проверить это вряд ли когда-то удастся, но объяснение красивое.
на этом возвращаюсь к своему долгострою про обоняние и тому, как разные запахи, активировавшие нервные клетки у нас в носу декодируются в нашем мозге и создают ощущения, приятные и не очень. до конца декабря обещаю закончить
🔥8❤1🥱1
Откуда я это почувствовал. Запахи, часть 4
В прошлых серия мы разобрались, как в носу происходит «оцифровка» химической информации из воздуха в электро-химические сигналы между нейронами. Сегодня о том как эта информация обрабатывается разными отделами мозга и влияет на наше поведение, связывая запахи с эмоциями, местами и воспоминаниями.
Обонятельная луковица передает информацию в высшие отделы мозга – миндалевидное тело, гиппокамп, таламус, обонятельную и орбитофронтальную кору. Множество соединений этих отделов между собой, напрямую и с длинными цепочками через другие отделы, путает следы для исследователей, но тем не менее некоторые вещи уже неплохо изучены.
🐀 Значительная часть описанного ниже известна благодаря лабораторным крысам: так, удаление обонятельного нерва приводило к заметным изменениям структуры гиппокампа и миндалевидного тела, после чего мыши впадали в депрессию, что изначально и подтвердило связь запахов и эмоций через эти отделы. Более того, этот способ создания депрессивных крыс оказался таким надежным, что именно так готовят особей для испытаний эффективности антидепрессантов.
Исследовать людей на порядки сложнее — человеческие данные как правило получены с помощью экспериментов в МРТ-аппаратах, когда испытуемым давали пробовать разные ароматы и следили за реакцией в разных отделах мозга. Обзор на тему
Кстати, связь размера обонятельной луковицы с депрессией подтвердилась и для людей — чем она меньше, тем выше шансы депрессивного расстройство, что даже предлагается использовать как способ диагностики (статья)
Так что же происходит в разных частях мозга с обонятельными сигналами, вызванными, например, все той же чашкой кофе
🧠 Первичная обонятельная кора, расположенная в височной доле мозга прямо над ноздрями, играет ключевую роль в восприятии и первичной обработке информации о запахах. Эта одна из наиболее древних частей мозга, что означает ее связь с самыми низовыми функциями выживания. Она функционирует как узел, фильтрующий и сортирующий информацию об запахах перед ее передачей в другие части мозга, например
🌰 миндалевидное тело — наш центр эмоций. здесь происходит ассоциативное обучение через подкрепление — запахи, которые мы ощущаем вместе с приятными эмоциями маркируются как «приятные» и наоборот. далее после нескольких циклов обучения, а люди очень эффективны в своем reinforcement learning, запахи начинают вызывать эмоции сами по себе. Если у вас есть привычка пить кофе по утрам, миндалевидное тело воспроизводит эмоциональную реакцию прошлых опытов, как только вы услышите первый аромат с кухни. Так, благодаря ему вы можете испытывать чувство бодрости или комфорта, в зависимости от того, как вы обычно воспринимаете кофе
🦛 Гиппокамп в целом отвечает за работу с эпизодической памятью, а в случае с запахами связывает их с конкретными событиями или местами. например, здесь кодируется, запах бабушкиного шкафа из вашего детства, или какого-то цветущего поля рядом с дачей. В следующий раз, когда запах цветочной отдушки напомнит вам это поле или любую другую точку на земле, поблагодарите за это гиппокамп. С кофе это может проявляться в связи сорта с воспоминания об определенной кофейне
☺️ Таламус, который играет важную роль в сенсорном восприятии и регуляции двигательных функций, помогает нам в относительно простых вещах, например, определять источник запаха дойти до кухни и потянуться за чашкой
До этого момента все реакции происходят неосознанно, управлять ими даже самые сознательные субъекты не в силах. При этом они могут управлять нами — физиологические состояния, например, голод, влияют на ощущаемое удовольствия от запахов еды как раз через обучение с подкреплением в гиппокампе. То есть в некоторых ситуациях гиппокамп играет с перцепцией обоняния и подкручивает яркость запахов, чтобы вы уже не могли их игнорировать и наконец что-нибудь съели.
🧠 Дальше информация передается в орбифронтальную кору - самую «новую» часть нашего hardware из перечисленных выше, которая отвечает за самые новые функции — образное мышление, целеполагание, работа с ожиданиями.
В прошлых серия мы разобрались, как в носу происходит «оцифровка» химической информации из воздуха в электро-химические сигналы между нейронами. Сегодня о том как эта информация обрабатывается разными отделами мозга и влияет на наше поведение, связывая запахи с эмоциями, местами и воспоминаниями.
Обонятельная луковица передает информацию в высшие отделы мозга – миндалевидное тело, гиппокамп, таламус, обонятельную и орбитофронтальную кору. Множество соединений этих отделов между собой, напрямую и с длинными цепочками через другие отделы, путает следы для исследователей, но тем не менее некоторые вещи уже неплохо изучены.
Исследовать людей на порядки сложнее — человеческие данные как правило получены с помощью экспериментов в МРТ-аппаратах, когда испытуемым давали пробовать разные ароматы и следили за реакцией в разных отделах мозга. Обзор на тему
Кстати, связь размера обонятельной луковицы с депрессией подтвердилась и для людей — чем она меньше, тем выше шансы депрессивного расстройство, что даже предлагается использовать как способ диагностики (статья)
Так что же происходит в разных частях мозга с обонятельными сигналами, вызванными, например, все той же чашкой кофе
🧠 Первичная обонятельная кора, расположенная в височной доле мозга прямо над ноздрями, играет ключевую роль в восприятии и первичной обработке информации о запахах. Эта одна из наиболее древних частей мозга, что означает ее связь с самыми низовыми функциями выживания. Она функционирует как узел, фильтрующий и сортирующий информацию об запахах перед ее передачей в другие части мозга, например
🌰 миндалевидное тело — наш центр эмоций. здесь происходит ассоциативное обучение через подкрепление — запахи, которые мы ощущаем вместе с приятными эмоциями маркируются как «приятные» и наоборот. далее после нескольких циклов обучения, а люди очень эффективны в своем reinforcement learning, запахи начинают вызывать эмоции сами по себе. Если у вас есть привычка пить кофе по утрам, миндалевидное тело воспроизводит эмоциональную реакцию прошлых опытов, как только вы услышите первый аромат с кухни. Так, благодаря ему вы можете испытывать чувство бодрости или комфорта, в зависимости от того, как вы обычно воспринимаете кофе
🦛 Гиппокамп в целом отвечает за работу с эпизодической памятью, а в случае с запахами связывает их с конкретными событиями или местами. например, здесь кодируется, запах бабушкиного шкафа из вашего детства, или какого-то цветущего поля рядом с дачей. В следующий раз, когда запах цветочной отдушки напомнит вам это поле или любую другую точку на земле, поблагодарите за это гиппокамп. С кофе это может проявляться в связи сорта с воспоминания об определенной кофейне
До этого момента все реакции происходят неосознанно, управлять ими даже самые сознательные субъекты не в силах. При этом они могут управлять нами — физиологические состояния, например, голод, влияют на ощущаемое удовольствия от запахов еды как раз через обучение с подкреплением в гиппокампе. То есть в некоторых ситуациях гиппокамп играет с перцепцией обоняния и подкручивает яркость запахов, чтобы вы уже не могли их игнорировать и наконец что-нибудь съели.
🧠 Дальше информация передается в орбифронтальную кору - самую «новую» часть нашего hardware из перечисленных выше, которая отвечает за самые новые функции — образное мышление, целеполагание, работа с ожиданиями.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5🥱1
Функции без которых животные могут обойтись. На уровнях абстракции это переход от запаха еды, от которого вы сильнее хотите есть, к запаху одеколона вашего отца от которого сильнее хочется плакать. Эти сложные образы закодированы где-то здесь, и достать их оттуда может уже не только случайный аромат, но и сознательное усилие.
С точки зрения работы с ожиданиями орбитофронтальная кора помогает вам распознать запах и предвкушать удовольствие от употребления горячей чашки кофе до того как вы ее выпьете. То есть если как следует напрячься, можно достать из нее вкусовые и обонятельные образы, которые сами по себе окажутся бодрящими.
Сложно остановить копание в этом процессе, поэтому взгляд на обоняние в терминах математической обработки сигналов выйдет отдельным постом
#обоняние #air
@levels_of_abstraction
С точки зрения работы с ожиданиями орбитофронтальная кора помогает вам распознать запах и предвкушать удовольствие от употребления горячей чашки кофе до того как вы ее выпьете. То есть если как следует напрячься, можно достать из нее вкусовые и обонятельные образы, которые сами по себе окажутся бодрящими.
Сложно остановить копание в этом процессе, поэтому взгляд на обоняние в терминах математической обработки сигналов выйдет отдельным постом
#обоняние #air
@levels_of_abstraction
🔥10🥱1👀1
Thinking fast and slow
органы чувств, о которых мы тут говорим, делают очень много измерений среды, собирая порядка 10 Гигабит информации каждую секунду. но вся она упирается в пропускную способность довольно медленного мозга. вышла статья, где нейроученые, наконец, измерили, насколько же медленного, и числа потрясают —
10 бит / секунду
это ооооооочень мало, особенно если сравнивать с любыми технологиями: 3G это уже 2 Мегабита в секунду, то есть в 200 тысяч раз больше, и даже GPRS это 50 Килобит/с
авторы сами называют это противоречие парадоксом и больше задают вопросы чем дают ответы. в основном все построено на высокоуровневых спекуляциях, зато каких красивых. вот эта цитата и вовсе почти антропный принцип внутри эволюции:
то есть уродились ровно такими, какими было нужно для ориентации в имеющейся среде, а также ровно для способности подрасти и задать такой вопрос
полный текст и пресс-релиз
#neuro #paper
органы чувств, о которых мы тут говорим, делают очень много измерений среды, собирая порядка 10 Гигабит информации каждую секунду. но вся она упирается в пропускную способность довольно медленного мозга. вышла статья, где нейроученые, наконец, измерили, насколько же медленного, и числа потрясают —
10 бит / секунду
это ооооооочень мало, особенно если сравнивать с любыми технологиями: 3G это уже 2 Мегабита в секунду, то есть в 200 тысяч раз больше, и даже GPRS это 50 Килобит/с
авторы сами называют это противоречие парадоксом и больше задают вопросы чем дают ответы. в основном все построено на высокоуровневых спекуляциях, зато каких красивых. вот эта цитата и вовсе почти антропный принцип внутри эволюции:
"наши предки выбрали экологическую нишу, где мир изменялся достаточно медленно чтобы выжить ....
По большому счету, даже скорость в 10 бит в секунду нужна только в самых плохих сценариях, когда большую часть времени внешняя среда изменяется с еще меньшей скоростью."
то есть уродились ровно такими, какими было нужно для ориентации в имеющейся среде, а также ровно для способности подрасти и задать такой вопрос
полный текст и пресс-релиз
#neuro #paper
🤯5🔥3🤓1
Forwarded from Daily Reminder
Невыносимая медлительность бытия
Так называется только что опубликованный в журнале Neuron комментарий. Группа ученых из Калтеха собрала данные о том, с какой скоростью наш мозг обрабатывает информацию. Это происходит дико медленно: «скорость мысли» в среднем лишь 10 бит/секунду. Это не то чтобы большая новость, но авторы работы задаются разными полезными вопросами, на которые ответа пока нет.
Wi-Fi роутер передает данные со скоростью 50 млн бит/секунду. Даже наше тело (в отличие от головного мозга) живет на совсем других скоростях: ежесекундно сенсоры принимают и передают миллиарды сигналов.
В нашем мозге примерно 85 млрд нейронов, и каждый из них может обрабатывать информацию с гораздо большей скоростью, чем 10 бит/сек. Но не делает этого. К тому же мозг может «думать» только одну мысль в каждый момент.
Авторы статьи говорят, что у этой медлительности есть эволюционное объяснение. Самые ранние существа с нервной системой использовали свой мозг в основном для навигации — чтобы двигаться к пище и избегать хищников. Если наши мозги эволюционировали из этих простых систем, предназначенных для следования по путям, логично предположить, что мы можем следовать только одному «пути» мысли за раз.
И самое интересное (камушек в огород Neuralink Илона Маска): ученые полагают, что при интеграции с компьютером наш мозг не сможет преодолеть ограничение в обработке данных. Мы будем общаться с машиной на той же скорости заторможенного пешехода.
Так называется только что опубликованный в журнале Neuron комментарий. Группа ученых из Калтеха собрала данные о том, с какой скоростью наш мозг обрабатывает информацию. Это происходит дико медленно: «скорость мысли» в среднем лишь 10 бит/секунду. Это не то чтобы большая новость, но авторы работы задаются разными полезными вопросами, на которые ответа пока нет.
Wi-Fi роутер передает данные со скоростью 50 млн бит/секунду. Даже наше тело (в отличие от головного мозга) живет на совсем других скоростях: ежесекундно сенсоры принимают и передают миллиарды сигналов.
«Каждое мгновение мы извлекаем всего 10 бит информации из триллиона, которые наши органы чувств воспринимают, и используем эти 10 бит для восприятия мира вокруг нас и принятия решений. Получается парадокс: для чего мозг фильтрует весь этот объем информации?».
В нашем мозге примерно 85 млрд нейронов, и каждый из них может обрабатывать информацию с гораздо большей скоростью, чем 10 бит/сек. Но не делает этого. К тому же мозг может «думать» только одну мысль в каждый момент.
Авторы статьи говорят, что у этой медлительности есть эволюционное объяснение. Самые ранние существа с нервной системой использовали свой мозг в основном для навигации — чтобы двигаться к пище и избегать хищников. Если наши мозги эволюционировали из этих простых систем, предназначенных для следования по путям, логично предположить, что мы можем следовать только одному «пути» мысли за раз.
«Человеческое мышление можно рассматривать как форму навигации в пространстве абстрактных концепций», — пишут авторы статьи.
И самое интересное (камушек в огород Neuralink Илона Маска): ученые полагают, что при интеграции с компьютером наш мозг не сможет преодолеть ограничение в обработке данных. Мы будем общаться с машиной на той же скорости заторможенного пешехода.
🔥9👏2
большая новость в мире ИИ: openAI анонсировали модель o3, которая на голову выше всего что было раньше:
1) IQ модели вырос до 157, это умнее, чем 99.999% людей
2) бенчмарк ARC-AGI, который специально построен сложным для ЛЛМ и якобы оценивает нашу близость к AGI вырос до 87%
3) бенчмарк FrontierMath с задачами по математике олимпиадного уровня вырос с 2 до 25%
4) в рейтинге программистов ELO codeforce модель заняла 150 место, это 99.9 перцентиль
5) паблик релиз обещали в начале 2025
на этой волне Илон Маск написал завирусившийся твит:
что здесь важно:
- у нас заканчиваются бенчмарки 🙃
- один прогон модели через бенчмарк стоит ~$1500.
- по слухам, в AGI бенче иcпользовалась генерация 1000 ответов с выбором лучшего, то есть стоимость теста могла достигнуть миллиона $
- это все, конечно, очень много но
а) в мире много задач решение которых стоит и 1k, и 10к и 100к $. это не массовые применения, но это те применения, которые мы автоматизируем в Quist, так что есть о чем поволноваться
б) цена использования моделей падает очень быстро и эти числа уменьшатся в 100-1000 раз
- никто не сомневался что это случится, но также никто не ждал этого так быстро
- в будущем нужно готовиться к тому, что модели будут все дальше умнеть, а стоимость их использования будет все дальше падать. то есть если интеллект в том или ином виде — ваше конкурентное преимущество, очень советую заранее смоделировать ситуацию, в котором это преимущество исчезает
#AI #AI_safety @levels_of_abstraction
1) IQ модели вырос до 157, это умнее, чем 99.999% людей
2) бенчмарк ARC-AGI, который специально построен сложным для ЛЛМ и якобы оценивает нашу близость к AGI вырос до 87%
3) бенчмарк FrontierMath с задачами по математике олимпиадного уровня вырос с 2 до 25%
4) в рейтинге программистов ELO codeforce модель заняла 150 место, это 99.9 перцентиль
5) паблик релиз обещали в начале 2025
на этой волне Илон Маск написал завирусившийся твит:
вероятность с которой интеллект ИИ к 2030 году превысит суммарный интерллект ВСЕХ людей — 100%
что здесь важно:
- у нас заканчиваются бенчмарки 🙃
- один прогон модели через бенчмарк стоит ~$1500.
- по слухам, в AGI бенче иcпользовалась генерация 1000 ответов с выбором лучшего, то есть стоимость теста могла достигнуть миллиона $
- это все, конечно, очень много но
а) в мире много задач решение которых стоит и 1k, и 10к и 100к $. это не массовые применения, но это те применения, которые мы автоматизируем в Quist, так что есть о чем поволноваться
б) цена использования моделей падает очень быстро и эти числа уменьшатся в 100-1000 раз
- никто не сомневался что это случится, но также никто не ждал этого так быстро
- в будущем нужно готовиться к тому, что модели будут все дальше умнеть, а стоимость их использования будет все дальше падать. то есть если интеллект в том или ином виде — ваше конкурентное преимущество, очень советую заранее смоделировать ситуацию, в котором это преимущество исчезает
#AI #AI_safety @levels_of_abstraction
🤯5🔥1
итоги года для Quist
TLDR:мы не умерли, но мы уже не те, что раньше — в новом составе занимаемся новыми штуками
напомню, что началось все ~1.5 года назад с идеи супер-поиска информации в научных статьях на ЛЛМ. я тогда только только вывалился из академии, чатГПТ начинал шествие за умы и кошельки, про perplexity никто включая меня не знал, и было решено пилить стартап для рисерчеров, чтобы сделать процесс поиска данных более эффективным
я решал свою собственную боль и, вероятно, был слишком очарован юз-кейсом, когда ЛЛМ читают за вас сумасшедшие объемы информации и находят все иголки в тысяче стогов сена. к тому же рисерчеры, кому я показывал первые прототипы, были в восторге — мы сделали 5 бесплатных пилотов, но дальше поняли, что с учеными и небольшими коллективами экономика не сходится — данных у них много, а вот денег не очень (коллеги, ничего личного) и что самое важное — они редко куда-то спешат в своем поиске. после этого мы начали искать новые юз-кейсы
точнее сходится экономика только для больших заказчиков, например целых университетов и здесь давно намечается интересный проект, но мы уже год согласовываем ТЗ со всеми decision makers, и в какой-то момент казалось, что до подписания не доживем
с тех пор мы:
— запустили апп с урезанным функционалом для b2c, собрали первую 1000 пользователей
— сделали тул для консультантов чтобы собирать информацию по рынкам и конкурентам
— тул для инвесторов в технологические проекты, чтобы оценить перспективность той или иной технологии
— тул для сбора информации по клиническим испытаниям новых лекарств FDA
— автоматизацию поиска тендеров для большого маркетплейса. удивительным образом задача оказалось технологически близко к нашему основному юз-кейсу, в итоге сложился крутой проект который сейчас ближе всего к промышленной интеграции, весной раскатываем наш ко-пайлот на целый отдел продаж
— и вот под самый конец года запартнерились с бодрым стартапом который занимается поиском новых лекарств с помощью ИИ, причем с задачей очень похожей на то, с чего мы начинали — поиск данных в статьях. по сути это составление с помощью нашего ИИ датасетов для их ИИ, весело
— а прямо сейчас копаем в сторону работы с патентами. технологически опять таки близкая, но по бизнесу все намного интереснее. рынок американских патентных поверенных, которые чарджат поминутно (!) доводя цену защиты каждого изобретения до ~$10к надо дизраптить безжалостно
в общем много чему научились и много всего сделали, поэтому главный итог года — бесценный опыт 🥲 а product market fit продолжаем искать
в новом году желаю и себе, и вам чаще фокусировать силы в одной точке. где фокус, там и растет
#startup
TLDR:
напомню, что началось все ~1.5 года назад с идеи супер-поиска информации в научных статьях на ЛЛМ. я тогда только только вывалился из академии, чатГПТ начинал шествие за умы и кошельки, про perplexity никто включая меня не знал, и было решено пилить стартап для рисерчеров, чтобы сделать процесс поиска данных более эффективным
я решал свою собственную боль и, вероятно, был слишком очарован юз-кейсом, когда ЛЛМ читают за вас сумасшедшие объемы информации и находят все иголки в тысяче стогов сена. к тому же рисерчеры, кому я показывал первые прототипы, были в восторге — мы сделали 5 бесплатных пилотов, но дальше поняли, что с учеными и небольшими коллективами экономика не сходится — данных у них много, а вот денег не очень (коллеги, ничего личного) и что самое важное — они редко куда-то спешат в своем поиске. после этого мы начали искать новые юз-кейсы
точнее сходится экономика только для больших заказчиков, например целых университетов и здесь давно намечается интересный проект, но мы уже год согласовываем ТЗ со всеми decision makers, и в какой-то момент казалось, что до подписания не доживем
с тех пор мы:
— запустили апп с урезанным функционалом для b2c, собрали первую 1000 пользователей
— сделали тул для консультантов чтобы собирать информацию по рынкам и конкурентам
— тул для инвесторов в технологические проекты, чтобы оценить перспективность той или иной технологии
— тул для сбора информации по клиническим испытаниям новых лекарств FDA
— автоматизацию поиска тендеров для большого маркетплейса. удивительным образом задача оказалось технологически близко к нашему основному юз-кейсу, в итоге сложился крутой проект который сейчас ближе всего к промышленной интеграции, весной раскатываем наш ко-пайлот на целый отдел продаж
— и вот под самый конец года запартнерились с бодрым стартапом который занимается поиском новых лекарств с помощью ИИ, причем с задачей очень похожей на то, с чего мы начинали — поиск данных в статьях. по сути это составление с помощью нашего ИИ датасетов для их ИИ, весело
— а прямо сейчас копаем в сторону работы с патентами. технологически опять таки близкая, но по бизнесу все намного интереснее. рынок американских патентных поверенных, которые чарджат поминутно (!) доводя цену защиты каждого изобретения до ~$10к надо дизраптить безжалостно
в общем много чему научились и много всего сделали, поэтому главный итог года — бесценный опыт 🥲 а product market fit продолжаем искать
в новом году желаю и себе, и вам чаще фокусировать силы в одной точке. где фокус, там и растет
#startup
🔥12
This media is not supported in your browser
VIEW IN TELEGRAM
бывают открытия от которых хочется орать
(в целом, для этой цели я и заводил канал — чтобы не орать в пустоту)
ребята из sakana ai выпустили революционную работу. они искали разные формы жизни в автономных играх-симуляциях типа конвеевской Игры Жизнь, и других, более сложных, например, Lenia или Particle Life. это такие игры в которых стартовая позиция пикселей "эволюционирует" через следование очень простым правилам в духе "если у пикселя меньше двух соседей, пиксель умирает. а если 2 или 3 - продолжает жить"
давно стоявший вопрос — какие самые сложные формы организации пикселей возможны в таких примитивных симуляциях, если пройдет достаточно много времени эволюции. раньше ответить на него было сложно, потому что при всей простоте они генерируют очень много данных, которые сложно было процедить вручную. к тому же самое интересное происходит на очень больших временах. и вот тут как раз и помог ИИ — они искал эти сложные формы автоматически с помощью трансформер-моделей
итог — нашли artificial life forms!
в симуляции Lenia обнаружили группы пикселей, похожие на вирусы, скопления нейронов и пепперони-пиццу 🙃 и сразу в нескольких симуляциях нашли нечто похожее на биологические клетки, бактерии и даже гусениц. а мы с каждой такой находкой все дальше от бога ...
еще раз ссылка. ставьте 🗿 если ничего не поняли и 🤯 если как и я шокированы. соберется 50 реакций — сделаю подробный разбор 👺
(в целом, для этой цели я и заводил канал — чтобы не орать в пустоту)
ребята из sakana ai выпустили революционную работу. они искали разные формы жизни в автономных играх-симуляциях типа конвеевской Игры Жизнь, и других, более сложных, например, Lenia или Particle Life. это такие игры в которых стартовая позиция пикселей "эволюционирует" через следование очень простым правилам в духе "если у пикселя меньше двух соседей, пиксель умирает. а если 2 или 3 - продолжает жить"
давно стоявший вопрос — какие самые сложные формы организации пикселей возможны в таких примитивных симуляциях, если пройдет достаточно много времени эволюции. раньше ответить на него было сложно, потому что при всей простоте они генерируют очень много данных, которые сложно было процедить вручную. к тому же самое интересное происходит на очень больших временах. и вот тут как раз и помог ИИ — они искал эти сложные формы автоматически с помощью трансформер-моделей
итог — нашли artificial life forms!
в симуляции Lenia обнаружили группы пикселей, похожие на вирусы, скопления нейронов и пепперони-пиццу 🙃 и сразу в нескольких симуляциях нашли нечто похожее на биологические клетки, бактерии и даже гусениц. а мы с каждой такой находкой все дальше от бога ...
еще раз ссылка. ставьте 🗿 если ничего не поняли и 🤯 если как и я шокированы. соберется 50 реакций — сделаю подробный разбор 👺
🤯33🗿20🔥7❤4
игра "Жизнь"
спасибо за активность под прошлым постом, разбору статьи — быть. а в качестве прогрева — короткое (?) интро для тех, кто поставил🗿
игра “Жизнь”, которую математик Конвей придумал в 1970, предлагает правила эволюции случайно расположенных на клетчатой доске "живых" и "мертвых" пикселей. игрок задает начальное состояние и далее в игре не участвует. позиции каждый ход обновляются автоматически согласно простым правилам:
1) если живая клетка имеет двух или трех живых соседей, она остаётся живой
2) во всех остальных живая случаях клетка умирает — от "перенаселения" если соседей больше 3 или "голода" если меньше 2
3) но если мертвая клетка имеет ровно трёх живых соседей, она переходит в живое состояние
элементарно. каждый шаг игры клетки меняют состояние, а ходы эти можно повторять бесконечно долго, наблюдая за развитием пиксельных паттернов, чем довольно много людей и занимаются уже 50 лет. надо сказать что Конвей специально искал правила, приводящие к разнообразным самовоспроизводящимся решениям, но даже он не подозревал, насколько богатым окажется мир внутри Жизни.
большинство начальных состояний распадаются, но на доске могут появится статичные фигуры: например, квадрат из 4 клеток (левая колонка на видео), осциллирующие — полоска из 3 клеток бесконечно долго вращается вокруг своей оси (центральная колонка), и движущиеся — например, "глайдер" из 5 клеток, который как бы летит по диагонали доски (правая колонка). дальше мир пополнился паровозом, светофором, малым, средним и большим космическими кораблями и прочими фигурами (некоторые на картинке)
состояния на доске могут распадаться и стабилизироваться, но могут ли они бесконечно развиваться? сам Конвей считал что нет, и даже предложил приз в $50 за обнаружение паттернов которые способны с каждым ходом неограниченно расти в размерах (или за строгое доказательство того что это невозможно). пока математик Госпер не обнаружил глайдерную пушку (положу в коменты). в 1970-1980х эти штуки уже называли artificial life forms (конечно, планочка была пониже, как и вычислительные мощности). после чего в игре нашли еще более сложные устойчивые фигуры, и до сих пор продолжают их находить (в тч в статье на разбор)
помимо невероятной математической красоты, "Жизнь" — это наглядная демонстрация
а) эмерджентности, когда очень простые правила с течением времени создают такие сложные фигуры и движения, что сложно поверить, насколько простые правилами их создают. знает ли малый космический корабль внутри игры, что его полет — иллюзия и простое следствие трех правил. или все-таки не просто иллюзия? могут ли скопления элементарных частиц придумывать себе какие-то высшие целеполагания за пределами исходных правил?
б) хаоса, поскольку в общем случае никто не может по начальным состояниям сказать, к чему оно приведет. и не важно насколько вы умный и какие у вас вычислительные мощности, просто нет
в) примитивной модели эволюция жизни на Земле, которая сама по себе тоже своего рода игра, в которой каждая живая клетка переходит в новые состояния исходя из намного более сложных правил и своего окружения. и все огромное разнообразие невероятно красивых форм жизни, которое часто приводится аргументом в пользу божественного создания этой самой жизни, на самом деле сводится к такой лаконичной системе. хорошо помню свой разговор с таксистом в Москве, который, узнав, что я физик, решил доказать мне, что бог существует словами "ну вот посмотри какое все вокруг красивое, разве мог кто-то кроме Бога это создать?". я в целом ничего не отрицаю и (надеюсь) никого не оскорбляю, но именно этот аргумент — несостоятельный. простые правила и большие времена эволюции творят чудеса без внешнего вмешательства.
Ссылки
1. здесь можно поиграть с начальными состояниями в классической реализации игры и, например, запустить свой космический корабль
2. а здесь не самая классическая реализация игры, но точно зато самая залипательная
3. а тут сам Джон Конвей сидя на кухне рассказывает об игре.
из комментов под видео узнал, что в 2020 он умер от ковида, RIP
#evolution #complexity #emergence
спасибо за активность под прошлым постом, разбору статьи — быть. а в качестве прогрева — короткое (?) интро для тех, кто поставил🗿
игра “Жизнь”, которую математик Конвей придумал в 1970, предлагает правила эволюции случайно расположенных на клетчатой доске "живых" и "мертвых" пикселей. игрок задает начальное состояние и далее в игре не участвует. позиции каждый ход обновляются автоматически согласно простым правилам:
1) если живая клетка имеет двух или трех живых соседей, она остаётся живой
2) во всех остальных живая случаях клетка умирает — от "перенаселения" если соседей больше 3 или "голода" если меньше 2
3) но если мертвая клетка имеет ровно трёх живых соседей, она переходит в живое состояние
элементарно. каждый шаг игры клетки меняют состояние, а ходы эти можно повторять бесконечно долго, наблюдая за развитием пиксельных паттернов, чем довольно много людей и занимаются уже 50 лет. надо сказать что Конвей специально искал правила, приводящие к разнообразным самовоспроизводящимся решениям, но даже он не подозревал, насколько богатым окажется мир внутри Жизни.
большинство начальных состояний распадаются, но на доске могут появится статичные фигуры: например, квадрат из 4 клеток (левая колонка на видео), осциллирующие — полоска из 3 клеток бесконечно долго вращается вокруг своей оси (центральная колонка), и движущиеся — например, "глайдер" из 5 клеток, который как бы летит по диагонали доски (правая колонка). дальше мир пополнился паровозом, светофором, малым, средним и большим космическими кораблями и прочими фигурами (некоторые на картинке)
состояния на доске могут распадаться и стабилизироваться, но могут ли они бесконечно развиваться? сам Конвей считал что нет, и даже предложил приз в $50 за обнаружение паттернов которые способны с каждым ходом неограниченно расти в размерах (или за строгое доказательство того что это невозможно). пока математик Госпер не обнаружил глайдерную пушку (положу в коменты). в 1970-1980х эти штуки уже называли artificial life forms (конечно, планочка была пониже, как и вычислительные мощности). после чего в игре нашли еще более сложные устойчивые фигуры, и до сих пор продолжают их находить (в тч в статье на разбор)
помимо невероятной математической красоты, "Жизнь" — это наглядная демонстрация
а) эмерджентности, когда очень простые правила с течением времени создают такие сложные фигуры и движения, что сложно поверить, насколько простые правилами их создают. знает ли малый космический корабль внутри игры, что его полет — иллюзия и простое следствие трех правил. или все-таки не просто иллюзия? могут ли скопления элементарных частиц придумывать себе какие-то высшие целеполагания за пределами исходных правил?
б) хаоса, поскольку в общем случае никто не может по начальным состояниям сказать, к чему оно приведет. и не важно насколько вы умный и какие у вас вычислительные мощности, просто нет
в) примитивной модели эволюция жизни на Земле, которая сама по себе тоже своего рода игра, в которой каждая живая клетка переходит в новые состояния исходя из намного более сложных правил и своего окружения. и все огромное разнообразие невероятно красивых форм жизни, которое часто приводится аргументом в пользу божественного создания этой самой жизни, на самом деле сводится к такой лаконичной системе. хорошо помню свой разговор с таксистом в Москве, который, узнав, что я физик, решил доказать мне, что бог существует словами "ну вот посмотри какое все вокруг красивое, разве мог кто-то кроме Бога это создать?". я в целом ничего не отрицаю и (надеюсь) никого не оскорбляю, но именно этот аргумент — несостоятельный. простые правила и большие времена эволюции творят чудеса без внешнего вмешательства.
Ссылки
1. здесь можно поиграть с начальными состояниями в классической реализации игры и, например, запустить свой космический корабль
2. а здесь не самая классическая реализация игры, но точно зато самая залипательная
3. а тут сам Джон Конвей сидя на кухне рассказывает об игре.
из комментов под видео узнал, что в 2020 он умер от ковида, RIP
#evolution #complexity #emergence
❤4🤨1🗿1
дата-центры на $500 миллиардов
не успел отойти от прошлого повода поорать и своей болезни, как появился новый:
один из первых указов Трампа — создание гигантского инфраструктурного проекта Stargate по строительству в США дата-центров для ИИ на 500 миллиардов долларов (!!). проект объединит openAI, Microsoft, Arm, NVIDIA, Oracle с деньгами японского SoftBank и (по слухам) нефтяным фондом арабских шейхов
SeeAll посчитал, что в пересчете на сегодняшние доллары это больше чем вся лунная программа NASA, больше чем манхэттенский проект создания атомной бомбы, больше чем строительство большого адронного адронного коллайдера, больше чем ВВП большинства стран в мире, да и в целом больше, чем любой технологический проект в человеческой истории 😳
в интересное время живем
не успел отойти от прошлого повода поорать и своей болезни, как появился новый:
один из первых указов Трампа — создание гигантского инфраструктурного проекта Stargate по строительству в США дата-центров для ИИ на 500 миллиардов долларов (!!). проект объединит openAI, Microsoft, Arm, NVIDIA, Oracle с деньгами японского SoftBank и (по слухам) нефтяным фондом арабских шейхов
SeeAll посчитал, что в пересчете на сегодняшние доллары это больше чем вся лунная программа NASA, больше чем манхэттенский проект создания атомной бомбы, больше чем строительство большого адронного адронного коллайдера, больше чем ВВП большинства стран в мире, да и в целом больше, чем любой технологический проект в человеческой истории 😳
— Noam Brown, исследователь из OpenAI, работавший над o1/o3, написал: «подобные инвестиции возможны только тогда, когда наука тщательно проверена и люди верят, что она будет успешной и полностью преобразующей. Я согласен, что сейчас самое время»
в интересное время живем
🤯6
Artificial life forms в компьютерных симуляциях
в выходные закончил обещанный обзор статьи Sakana AI, который давно обещал сделать, прошу прощения! свободного времени мало, и становится только меньше. а текст вырос в лонгрид. пробно опубликовал его на хабре — иллюстрации тут сильно помогают. если вы там бываете, буду рад плюсам и комментариям. а ниже саммари для вас любимых, погнали 👽
Рисерчеры из Sakana AI, которые до этого наделали много шума со своим ИИ-ученым, автономно генерирующим правдоподобные научные статьи, исследуют разные области науки, где ИИ может дать заметный толчок. поиск искусcтвенных форм жизни в компьютерных симуляциях оказался одной из них. мотивация для всей области следующая
— изучать жизнь не только какой мы ее знаем, но и такой какой она могла бы быть
— ну и создать голема, пускай цифрового, потому что это давняя мечта любого алхимика
я до этого рассказывал про игру “Жизнь” Конвея, где поиск своеобразных форм жизни (глайдеров, осцилляторов и космических кораблей) происходит уже 54 года силами энтузиастов. при этом “Жизнь” — только частный случай подобных симуляций, есть более сложные, и намного менее исследованные: Boids, Lenia, ParticleLife, Neural Cellular Automata и другие, отличающимися правилами перехода пикселей из живых в мертвые и обратно, детали со ссылками статье
ключевая проблема в том, что с такими эволюционирующими хаотическими системами очень сложно предсказывать как они будут развиваться. и еще сложнее специально задать условия, которые приведут к интересным результатам, например зарождению той самой "жизни", как бы вы ее не определяли. при этом у каждой симуляции, заданной даже простыми правилами, есть десятки тысяч комбинаций параметров (соседи не в квадрате, а в круге, погибает не при 4 соседях а при 5, и так далее). то есть мало того, что нужно эти симуляции нужно просчитывать на тысячи шагов времени вперед, так нужно это делать для тысяч комбинаций входных параметров каждой из них, что превращает задачу поиска интересных форм эволюции в них сопоставимой по относительным масштабам поиску внеземного разума в открытом космосе
и вот тут на помощь пришел ИИ. Sakana взяли опен-сорсную модель CLIP (Contrastive Language–Image Pre-training) от openAI, которая была обучена для генерации текстовых описаний изображений в духе "на этой фотографии три человека стоят у барной стойки". это позволило исследователям программировать поиск "жизни" текстом, то есть буквально “ищи изображения похожие на клетки под микроскопом” или "нечто похожее на скопления нейронов". и она нашла!
такой подход авторы назвали ASAL — Automated Search for Artificial Life, и он позволил в каждой из упомянутых симуляций найти новые формы жизни, иногда удивительно похожие на биологические объекты — клетки, вирусы, бактерии, скопления нейронов. другое направлений исследований — поиск симуляций, где сложность форм жизни продолжает расти со временем неограниченно, прямо как в нашей с вами. здесь был предложен метод сведения этой сложности, которая очень плохо формализуема классическими алгоритмами, к численным метрика в пространстве эмбеддингов CLIP
при этом все описанные выше симуляции определяются очень простыми правилами двумерного мира и ничего не знают о биологии, поэтому случайное образование кластеров пикселей, сильно похожих на бактерии и вирусы — конечно может оказаться невероятным совпадением или артефактом постановки эксперимента (что искали в хаотичной системе, то и нашли), но также могут обозначить границы нового раздела науки, изучающего внутреннюю динамику этих микромиров, которые могут оказаться не менее богатыми, чем наш собственный (если поддерживать вычисления пару миллиардов лет)
мой полный текст: https://habr.com/ru/articles/879230/
ссылка на оригинальную статью и гитхаб
#AI #automated_research #evolution #complexity
в выходные закончил обещанный обзор статьи Sakana AI, который давно обещал сделать, прошу прощения! свободного времени мало, и становится только меньше. а текст вырос в лонгрид. пробно опубликовал его на хабре — иллюстрации тут сильно помогают. если вы там бываете, буду рад плюсам и комментариям. а ниже саммари для вас любимых, погнали 👽
Рисерчеры из Sakana AI, которые до этого наделали много шума со своим ИИ-ученым, автономно генерирующим правдоподобные научные статьи, исследуют разные области науки, где ИИ может дать заметный толчок. поиск искусcтвенных форм жизни в компьютерных симуляциях оказался одной из них. мотивация для всей области следующая
— изучать жизнь не только какой мы ее знаем, но и такой какой она могла бы быть
— ну и создать голема, пускай цифрового, потому что это давняя мечта любого алхимика
я до этого рассказывал про игру “Жизнь” Конвея, где поиск своеобразных форм жизни (глайдеров, осцилляторов и космических кораблей) происходит уже 54 года силами энтузиастов. при этом “Жизнь” — только частный случай подобных симуляций, есть более сложные, и намного менее исследованные: Boids, Lenia, ParticleLife, Neural Cellular Automata и другие, отличающимися правилами перехода пикселей из живых в мертвые и обратно, детали со ссылками статье
ключевая проблема в том, что с такими эволюционирующими хаотическими системами очень сложно предсказывать как они будут развиваться. и еще сложнее специально задать условия, которые приведут к интересным результатам, например зарождению той самой "жизни", как бы вы ее не определяли. при этом у каждой симуляции, заданной даже простыми правилами, есть десятки тысяч комбинаций параметров (соседи не в квадрате, а в круге, погибает не при 4 соседях а при 5, и так далее). то есть мало того, что нужно эти симуляции нужно просчитывать на тысячи шагов времени вперед, так нужно это делать для тысяч комбинаций входных параметров каждой из них, что превращает задачу поиска интересных форм эволюции в них сопоставимой по относительным масштабам поиску внеземного разума в открытом космосе
и вот тут на помощь пришел ИИ. Sakana взяли опен-сорсную модель CLIP (Contrastive Language–Image Pre-training) от openAI, которая была обучена для генерации текстовых описаний изображений в духе "на этой фотографии три человека стоят у барной стойки". это позволило исследователям программировать поиск "жизни" текстом, то есть буквально “ищи изображения похожие на клетки под микроскопом” или "нечто похожее на скопления нейронов". и она нашла!
такой подход авторы назвали ASAL — Automated Search for Artificial Life, и он позволил в каждой из упомянутых симуляций найти новые формы жизни, иногда удивительно похожие на биологические объекты — клетки, вирусы, бактерии, скопления нейронов. другое направлений исследований — поиск симуляций, где сложность форм жизни продолжает расти со временем неограниченно, прямо как в нашей с вами. здесь был предложен метод сведения этой сложности, которая очень плохо формализуема классическими алгоритмами, к численным метрика в пространстве эмбеддингов CLIP
при этом все описанные выше симуляции определяются очень простыми правилами двумерного мира и ничего не знают о биологии, поэтому случайное образование кластеров пикселей, сильно похожих на бактерии и вирусы — конечно может оказаться невероятным совпадением или артефактом постановки эксперимента (что искали в хаотичной системе, то и нашли), но также могут обозначить границы нового раздела науки, изучающего внутреннюю динамику этих микромиров, которые могут оказаться не менее богатыми, чем наш собственный (если поддерживать вычисления пару миллиардов лет)
мой полный текст: https://habr.com/ru/articles/879230/
ссылка на оригинальную статью и гитхаб
#AI #automated_research #evolution #complexity
🔥12❤1🗿1
Моя любимая конспирологическая теория последнего времени — то что биткоин придумали инопланетяне и отправили нам его whitepaper из далекой галактики в сотнях световых лет, чтобы алчные людишки в погоне за прибылью к моменту их прибытия на Землю подготовили как можно больше вычислительных мощностей. в зависимости от сорта паранойи инопланетян можно заменить на Искусственный Интеллект, в чем то теория от этого даже выигрывает
Впрочем, в реальном мире тоже происходит много интересного — в сети Ethereum некто сжигает миллионы долларов отправляя их на никому не принадлежащий адрес 0x000... с загадочными посланиями на китайском языке:
Источник
#conspiracy_of_the_month
Впрочем, в реальном мире тоже происходит много интересного — в сети Ethereum некто сжигает миллионы долларов отправляя их на никому не принадлежащий адрес 0x000... с загадочными посланиями на китайском языке:
Я Ху Лэчжи, обычный программист и предприниматель. С октября 2022 года я осознал, что с самого рождения подвергался контролю и манипуляциям со стороны организации, контролирующей сознание. Когда я осознал существование этой организации, они усилили свое воздействие на меня. Эти два года были очень мучительными для меня, и теперь я полностью утратил человеческое достоинство. Я решил покинуть этот мир и надеюсь, что этот уродливый мир скоро будет уничтожен
Генеральные директора Kuande Investment Фэн Синь и Сюй Юйчжи использовали нейрокомпьютерное оружие для преследования всех сотрудников и бывших сотрудников компании и даже сами оказались под контролем.
Источник
#conspiracy_of_the_month
🔥5
меня тут попросили анонсировать курс по AI-safety «Основы безопасности искусственного интеллекта: Этика и Модели угроз».
курс бесплатный, а на русском языке я подобного и не встречал, так что если интересуетесь темой — подача до 21 февраля, анкета тут . а список менторов тут
от себя добавлю что AI-safety это часто, но не обязательно клуб думеров, и в первую очередь — сообщество людей, который понимают что такое ИИ, на что он способен, а на что нет. а также возможность на практике препарировать большие языковые модели под лупой на модельных задачках, философствовать на тему угроз будущего (их много) и придумать себе в этом будущем профессию. например, я уверен, что число вакансий в сфере red-teaming и llm-evaluations будет сильно расти, а за пределами AI-safety этому почти нигде и не учат
#AI_safety
курс бесплатный, а на русском языке я подобного и не встречал, так что если интересуетесь темой — подача до 21 февраля, анкета тут . а список менторов тут
📖 Программа из двух треков:➕ Учебный (4 недели): Знакомство с материалами в фасилитируемых группах➕ Проектный (7 недель): Работа с ментором нацеленная на публикацию👥 Для кого?➕ Будущие рисечеры: ml'щики, физики, математики, программисты➕ Будущие фаундреры: предприниматели интересующиеся AI Safety
от себя добавлю что AI-safety это часто, но не обязательно клуб думеров, и в первую очередь — сообщество людей, который понимают что такое ИИ, на что он способен, а на что нет. а также возможность на практике препарировать большие языковые модели под лупой на модельных задачках, философствовать на тему угроз будущего (их много) и придумать себе в этом будущем профессию. например, я уверен, что число вакансий в сфере red-teaming и llm-evaluations будет сильно расти, а за пределами AI-safety этому почти нигде и не учат
#AI_safety
Please open Telegram to view this post
VIEW IN TELEGRAM
до 2030 года мы увидим ИИ, который справится с любой работой лучше, чем человек
Anonymous Poll
23%
Конечно да
52%
Конечно нет
10%
Да, но (в коментах)
16%
Посмотреть результат
готовлю воркшоп для научных сотрудников МИСИС на тему "как использовать LLM в исследованиях"
чтобы втереться в доверие и показать, что я тоже своего рода ученый, откопал фотографию — с вами тоже поделюсь.
2015 год, Clean room Cavendish lab, Cambridge. очень усердно проводил эксперименты, данные по которым никогда не были опубликованы. но тогда я еще об этом не знаю и торчу в лабе каждый день до глубокой ночи
чтобы втереться в доверие и показать, что я тоже своего рода ученый, откопал фотографию — с вами тоже поделюсь.
2015 год, Clean room Cavendish lab, Cambridge. очень усердно проводил эксперименты, данные по которым никогда не были опубликованы. но тогда я еще об этом не знаю и торчу в лабе каждый день до глубокой ночи
🤓6🔥3
из полезного — делюсь приложением Сonsensus.app, которым пользуюсь регулярно, когда возникают вопросы в духе "двойные рандомизированные исследования о вреде яичных желтков", "оптимальное количество приседаний при СДВГ" или если вы ищете доказательную базу по медицинским препаратам
апп мониторит научные публикации по теме и раскладывает их по спектру YES / NO / POSSIBLY / MIXED. что быстрее и удобнее, чем спрашивать у отдельных LLM. в общем, незаменимый инструмент для data driven рационалистов и прочих факт-чекеров
на скриншоте консенсус по вреду домашних свечей(TLRD — скорее вредны, но всё сложно) . в последнее время меня атакует блогерский контент на эту тему (вас тоже?), а поскольку я много лет занимался анализом воздуха, тоже есть что рассказать. если интересно, ставьте 🗿
#AI #tools
апп мониторит научные публикации по теме и раскладывает их по спектру YES / NO / POSSIBLY / MIXED. что быстрее и удобнее, чем спрашивать у отдельных LLM. в общем, незаменимый инструмент для data driven рационалистов и прочих факт-чекеров
на скриншоте консенсус по вреду домашних свечей
#AI #tools
Please open Telegram to view this post
VIEW IN TELEGRAM
🗿17🔥6
нужно просто подождать*
есть что-то очаровательное в том, что, спустя тысячи лет развития медицины, основная клиническая рекомендация при вирусной простуде — подождать **
конечно, желательно еще не перегреваться, обильно пить и сохранять покой, но это скорее про помощь телу сделать свою работу
похожее наблюдение касается сломанных костей. намного быстрее, чем задумано природой, они не заживут, хоть ты тресни (простите, этот каламбур сложно было удержать в себе)
в общем, как сильно не хотелось бы некоторые процессы ускорить, стоит уважать их характерное время. и если это время известно, запастить смирением и дать ему пройти
*терапевтический аутотренинг человека с высокой температурой и тяжелой формой невроза "лежать в кровати? интересно, а когда будем работать?"
**от некоторых вирусов, например, гриппа (ссылка), лекарства все же есть, но при болезни без осложнений их редко используют, плюс нужно быть уверенным что это именно грипп. а широкая категория препаратов от всех вирусов сразу существует как вид только в РФ, и с медициной это связано слабо (статья). с заживлением костей тоже есть прогресс, но и там все непросто, может быть у вас есть опыт?
есть что-то очаровательное в том, что, спустя тысячи лет развития медицины, основная клиническая рекомендация при вирусной простуде — подождать **
конечно, желательно еще не перегреваться, обильно пить и сохранять покой, но это скорее про помощь телу сделать свою работу
похожее наблюдение касается сломанных костей. намного быстрее, чем задумано природой, они не заживут, хоть ты тресни (простите, этот каламбур сложно было удержать в себе)
в общем, как сильно не хотелось бы некоторые процессы ускорить, стоит уважать их характерное время. и если это время известно, запастить смирением и дать ему пройти
*терапевтический аутотренинг человека с высокой температурой и тяжелой формой невроза "лежать в кровати? интересно, а когда будем работать?"
**от некоторых вирусов, например, гриппа (ссылка), лекарства все же есть, но при болезни без осложнений их редко используют, плюс нужно быть уверенным что это именно грипп. а широкая категория препаратов от всех вирусов сразу существует как вид только в РФ, и с медициной это связано слабо (статья). с заживлением костей тоже есть прогресс, но и там все непросто, может быть у вас есть опыт?
🔥5❤4🗿2