ChatGPT: главное из исследования 700 млн пользователей
Три года назад ChatGPT был игрушкой для гиков. Сегодня - 700 миллионов активных пользователей еженедельно, 18 миллиардов сообщений в неделю. Harvard и OpenAI проанализировали, как люди реально используют этот инструмент.
Стереотипы рухнули
Забудьте про “ChatGPT для программистов-мужчин”. К июню 2025 женщины - половина аудитории. Почти 50% запросов от людей младше 26, но старшее поколение догоняет. Самое неожиданное: развивающиеся страны показывают непропорционально высокий рост - Индия, Бразилия, Нигерия опережают США и Европу.
Три способа использования
Asking (49%) - “Помоги разобраться”
Не просто вопросы, а поддержка решений. Выбор между job-офферами, анализ инвестиций, плюсы-минусы переезда. Растёт быстрее всех и получает высшие оценки качества.
Doing (40%) - “Сделай за меня”
Письма, презентации, код. Доминирует в рабочих задачах (56% рабочих запросов).
Expressing (11%) - “Просто поговорить”
Размышления вслух, эмоциональная разгрузка.
О чём спрашивают (75% всех запросов)
Практические советы - 29%
От починки крана до ведения переговоров.
Поиск информации - 24%
Выросло с 14% за год. ChatGPT вытесняет Google для фактчекинга и сравнения товаров.
Написание текстов - 24%
Упало с 36%. Важно: 2/3 — редактирование вашего текста, не генерация с нуля.
Сюрпризы
Кодинг - всего 4.2%**
Программисты ушли в специализированные инструменты (Cursor, Copilot).
Работа vs личная жизнь: 30/70
70% использования — личные задачи, и эта доля растёт. В работе 40% — тексты: email, презентации, документы.
Где настоящая ценность
Главное открытие: максимальную пользу даёт не автоматизация рутины, а улучшение качества решений. ChatGPT помогает увидеть слепые зоны, структурировать мышление, рассмотреть альтернативы.
Пример: выбирал между двумя квартирами. ChatGPT предложил критерии, которые я не учёл - от розы ветров до демографии района через 10 лет. Решение за день вместо недель.
Вопрос: Вы больше спрашиваете советы (Asking) или делегируете задачи (Doing)? Где ChatGPT дал максимальную пользу - работа или быт?
Исследование
Три года назад ChatGPT был игрушкой для гиков. Сегодня - 700 миллионов активных пользователей еженедельно, 18 миллиардов сообщений в неделю. Harvard и OpenAI проанализировали, как люди реально используют этот инструмент.
Стереотипы рухнули
Забудьте про “ChatGPT для программистов-мужчин”. К июню 2025 женщины - половина аудитории. Почти 50% запросов от людей младше 26, но старшее поколение догоняет. Самое неожиданное: развивающиеся страны показывают непропорционально высокий рост - Индия, Бразилия, Нигерия опережают США и Европу.
Три способа использования
Asking (49%) - “Помоги разобраться”
Не просто вопросы, а поддержка решений. Выбор между job-офферами, анализ инвестиций, плюсы-минусы переезда. Растёт быстрее всех и получает высшие оценки качества.
Doing (40%) - “Сделай за меня”
Письма, презентации, код. Доминирует в рабочих задачах (56% рабочих запросов).
Expressing (11%) - “Просто поговорить”
Размышления вслух, эмоциональная разгрузка.
О чём спрашивают (75% всех запросов)
Практические советы - 29%
От починки крана до ведения переговоров.
Поиск информации - 24%
Выросло с 14% за год. ChatGPT вытесняет Google для фактчекинга и сравнения товаров.
Написание текстов - 24%
Упало с 36%. Важно: 2/3 — редактирование вашего текста, не генерация с нуля.
Сюрпризы
Кодинг - всего 4.2%**
Программисты ушли в специализированные инструменты (Cursor, Copilot).
Работа vs личная жизнь: 30/70
70% использования — личные задачи, и эта доля растёт. В работе 40% — тексты: email, презентации, документы.
Где настоящая ценность
Главное открытие: максимальную пользу даёт не автоматизация рутины, а улучшение качества решений. ChatGPT помогает увидеть слепые зоны, структурировать мышление, рассмотреть альтернативы.
Пример: выбирал между двумя квартирами. ChatGPT предложил критерии, которые я не учёл - от розы ветров до демографии района через 10 лет. Решение за день вместо недель.
Вопрос: Вы больше спрашиваете советы (Asking) или делегируете задачи (Doing)? Где ChatGPT дал максимальную пользу - работа или быт?
Исследование
❤27👍15😐2
DigitalMarketingConf: Стачка
Digital-маркетинг | 2-3 октября | Питер
Секция объединит практикующих маркетологов, бренд-менеджеров и специалистов digital-сферы. Здесь вы получите реальные инструменты для интеграции каналов, оптимизации бюджетов и повышения ROI, а не просто теорию на слайдах.
На секции выступят спикеры из ведущих компаний, среди них:
→ Светлана Федорова, руководитель департамента продвижения и PR в Союзмультфильм. Тема доклада: «Битва за Альф - это вам не игрушки»
→ Алексей Павлов, PR в BesedER. Тема доклада: «Дофаминовый маркетинг: проектируем игровые механики под ваши бизнес-задачи»
Разберём ключевые направления: Взаимодействие digital-инструментов и AI в маркетинге.
А после основной программы – афтепати, чтобы обсудить услышанное в неформальной обстановке и найти партнёров и единомышленников!
Форматы участия: онлайн и офлайн (2-3 октября в Санкт-Петербурге)
Купить билет можно на сайте
По промокодку
Следите за новостями в Телеграм и ВКонтакте
#промо
Digital-маркетинг | 2-3 октября | Питер
Секция объединит практикующих маркетологов, бренд-менеджеров и специалистов digital-сферы. Здесь вы получите реальные инструменты для интеграции каналов, оптимизации бюджетов и повышения ROI, а не просто теорию на слайдах.
На секции выступят спикеры из ведущих компаний, среди них:
→ Светлана Федорова, руководитель департамента продвижения и PR в Союзмультфильм. Тема доклада: «Битва за Альф - это вам не игрушки»
→ Алексей Павлов, PR в BesedER. Тема доклада: «Дофаминовый маркетинг: проектируем игровые механики под ваши бизнес-задачи»
Разберём ключевые направления: Взаимодействие digital-инструментов и AI в маркетинге.
А после основной программы – афтепати, чтобы обсудить услышанное в неформальной обстановке и найти партнёров и единомышленников!
Форматы участия: онлайн и офлайн (2-3 октября в Санкт-Петербурге)
Купить билет можно на сайте
По промокодку
Nn_for_science
скидка 10%!Следите за новостями в Телеграм и ВКонтакте
#промо
❤5🔥4😁1
Вот такой вот новый транспорт предлагают жителям Сан Франциско. Обещают что, по вейтлисту, дадут доступ к этому беспилотному такси до конца сентября!
🔥18❤8
🤝 Встретил @denissexy
Обсуждали с ним, что мы живём в демках и твиттере - и легко поверить, что массовое внедрениеAI уже случилось. Выходишь из пузыря: цели размыты, пилоты «для галочки», ответственности за результат нет.
Еще поговорили про Skill issue - это когда инструмент «винят» за ошибку постановки задачи: дают грязные данные, просят «сделай красиво», не задают критерии качества и владельца, не делают пост-проверки. Итог - «AI не работает».
Что делать на практике:
Вспоминаем что AI система - это в первую очередь система, и во вторую AI, и итеративно улучшаем: сначала данные, потом инструкцию, потом модель.
Обсуждали с ним, что мы живём в демках и твиттере - и легко поверить, что массовое внедрениеAI уже случилось. Выходишь из пузыря: цели размыты, пилоты «для галочки», ответственности за результат нет.
Еще поговорили про Skill issue - это когда инструмент «винят» за ошибку постановки задачи: дают грязные данные, просят «сделай красиво», не задают критерии качества и владельца, не делают пост-проверки. Итог - «AI не работает».
Что делать на практике:
Вспоминаем что AI система - это в первую очередь система, и во вторую AI, и итеративно улучшаем: сначала данные, потом инструкцию, потом модель.
1❤54🔥7👍5😁5🎉3😢1
🎥🧠 Видео-модели способны к Chain-of-Frames размышлениям
Крупные генеративные видео-модели (например Veo 3) уже решают базовые задачи CV и простые визуальные головоломки без дообучения, если правильно задать роль и попросить рисовать ответ прямо поверх кадров.
В новом исследовании авторы проверили, может ли одна крупная генеративная видеомодель без дообучения решать разные задачи - от классической перцепции (границы, сегментация, улучшение кадра) до простых визуальных головоломок (лабиринты, симметрия). Вместо отдельной модели под каждую задачу они давали только инструкции в промпте - буквально «реши и нарисуй вот так» - и смотрели, появится ли ответ в кадрах. Оказалось, что на десятках задач и тысячах примеров модель часто справляется zero-shot.
Как «программировать» модель ролями
Ключ - задать и задачу, и формат вывода. Это превращает генерацию в визуальную аналитику: вы получаете не описание, а аннотированный видеоряд.
Мини-шпаргалка промптов (скопируйте)
Видео-модели научились отвечать кадрами, попросите не решить задачу, а решить и нарисовать ответ вот так. На сайте куча крутых примеров, которые позволяют поверить в то, что генеративные видео модели можно использовать как LLM для решения задач в режиме zero-shot.
Сайт статьи
Крупные генеративные видео-модели (например Veo 3) уже решают базовые задачи CV и простые визуальные головоломки без дообучения, если правильно задать роль и попросить рисовать ответ прямо поверх кадров.
В новом исследовании авторы проверили, может ли одна крупная генеративная видеомодель без дообучения решать разные задачи - от классической перцепции (границы, сегментация, улучшение кадра) до простых визуальных головоломок (лабиринты, симметрия). Вместо отдельной модели под каждую задачу они давали только инструкции в промпте - буквально «реши и нарисуй вот так» - и смотрели, появится ли ответ в кадрах. Оказалось, что на десятках задач и тысячах примеров модель часто справляется zero-shot.
Как «программировать» модель ролями
Ключ - задать и задачу, и формат вывода. Это превращает генерацию в визуальную аналитику: вы получаете не описание, а аннотированный видеоряд.
Мини-шпаргалка промптов (скопируйте)
You are a video analyst. Solve the task and DRAW the answer ON TOP of frames.
Maze: draw the shortest valid path in RED, thickness 3 px, unbroken line from START to GOAL.
Segmentation: fill ONLY the person with a semi-transparent overlay; keep everything else unchanged.
Background removal: keep the subject; replace background with uniform gray; avoid halos around hair.
Physics: render two variants side-by-side labeled “Earth (9.81 m/s^2)” and “Moon (1.62 m/s^2)”; show motion difference.
Deblur/denoise: increase sharpness while preserving faces; avoid over-smoothing and ringing artifacts.
ИтогВидео-модели научились отвечать кадрами, попросите не решить задачу, а решить и нарисовать ответ вот так. На сайте куча крутых примеров, которые позволяют поверить в то, что генеративные видео модели можно использовать как LLM для решения задач в режиме zero-shot.
Сайт статьи
🔥23❤6
Уверенное владение математическим аппаратом — ключевой фактор для решения сложных задач в Data Science, ML и других it-специальностях.
Преподаватели МФТИ и создатели проекта Popmath приглашают вас на бесплатный вебинар "Как выучить математику во взрослом возрасте?"
На вебинаре вы получите ответы на ключевые вопросы:
🔴 Прикладная математика: Какие разделы наиболее критичны для современных IT-специальностей
🔵 Эффективность обучения: Почему академический подход часто не работает и как выстроить процесс с максимальным КПД
🟠 Актуальные методики: Какие образовательные технологии позволяют в сжатые сроки восстановить и систематизировать знания
Дата: 7 октября
Время: 19:00 по МСК
Длительность: 1 час
➡️ Регистрируйтесь по ссылке
🔻 Всем участникам вебинара скидка 10% на 4-х месячный онлайн-курс "Математика с нуля для взрослых", который начнётся уже 16 октября🔺
#текстприслан
Преподаватели МФТИ и создатели проекта Popmath приглашают вас на бесплатный вебинар "Как выучить математику во взрослом возрасте?"
На вебинаре вы получите ответы на ключевые вопросы:
🔴 Прикладная математика: Какие разделы наиболее критичны для современных IT-специальностей
🔵 Эффективность обучения: Почему академический подход часто не работает и как выстроить процесс с максимальным КПД
🟠 Актуальные методики: Какие образовательные технологии позволяют в сжатые сроки восстановить и систематизировать знания
Дата: 7 октября
Время: 19:00 по МСК
Длительность: 1 час
➡️ Регистрируйтесь по ссылке
🔻 Всем участникам вебинара скидка 10% на 4-х месячный онлайн-курс "Математика с нуля для взрослых", который начнётся уже 16 октября🔺
#текстприслан
❤7😢2👍1🔥1
🛒🤖 ACP: AI агенты наконец-то оформляют заказы
Agentic Commerce Protocol (ACP) - открытый JSON/REST-стандарт: агент собирает корзину у продавца и завершает заказ, а списание идёт через платёжного провайдера торговца с помощью Shared Payment Token (SPT). Данные карты агент не видит. Уже работает в Instant Checkout в ChatGPT: Etsy - уже онлайн, Shopify - на подходе.
Очень давно ждал, когда мы сделаем публичный анонс, и вот этот день пришел! Stripe и OpenAI запускают свой собственный протокол для AI Agentic Commerce!
Почему это важно сейчас. Покупка теперь доступна прямо в диалоге с ChatGPT. Вместо «вот ссылка, сходите на сайт» - «оформлено и оплачено». ACP даёт общий язык для таких сценариев, без зоопарка частных интеграций и виджетов.
Что такое ACP по сути. Это язык чекаута между «покупатель ↔ агент ↔ бизнес». Агент вызывает эндпоинты торговца (создать/обновить/получить/завершить/отменить), а торговец на каждом шаге возвращает состояние корзины: позиции, суммы, варианты доставки. На финальном шаге передаётся SPT - ограниченный по области и времени токен к сохранённому платёжному методу - и платёж проходит рельсам торговца (по финтеховски это называется merchant of record).
Где это уже полезно. Классическая розница: физические и цифровые товары, подписки, асинхронные заказы. Всё, что касается ассортимента, налогов, антифрода и фулфилмента, остаётся под контролем торговца. Плюс появляется новый канал: покупка «там, где возникло намерение».
Что пока не закрывает. Полная идентификация и политики для полуавтономных агентов, сквозной аудит между платформами, возвраты/обмены — это отдельные процессы и следующий слой экосистемы.
Итог. ACP - это интероперабельный чекаут для агентов с платежами. Порог входа низкий, если у вас уже есть API чекаута от Stripe. Хотите дистрибуцию в ChatGPT - подайте заявку на Instant Checkout.
Анонс
Agentic Commerce Protocol (ACP) - открытый JSON/REST-стандарт: агент собирает корзину у продавца и завершает заказ, а списание идёт через платёжного провайдера торговца с помощью Shared Payment Token (SPT). Данные карты агент не видит. Уже работает в Instant Checkout в ChatGPT: Etsy - уже онлайн, Shopify - на подходе.
Очень давно ждал, когда мы сделаем публичный анонс, и вот этот день пришел! Stripe и OpenAI запускают свой собственный протокол для AI Agentic Commerce!
Почему это важно сейчас. Покупка теперь доступна прямо в диалоге с ChatGPT. Вместо «вот ссылка, сходите на сайт» - «оформлено и оплачено». ACP даёт общий язык для таких сценариев, без зоопарка частных интеграций и виджетов.
Что такое ACP по сути. Это язык чекаута между «покупатель ↔ агент ↔ бизнес». Агент вызывает эндпоинты торговца (создать/обновить/получить/завершить/отменить), а торговец на каждом шаге возвращает состояние корзины: позиции, суммы, варианты доставки. На финальном шаге передаётся SPT - ограниченный по области и времени токен к сохранённому платёжному методу - и платёж проходит рельсам торговца (по финтеховски это называется merchant of record).
Где это уже полезно. Классическая розница: физические и цифровые товары, подписки, асинхронные заказы. Всё, что касается ассортимента, налогов, антифрода и фулфилмента, остаётся под контролем торговца. Плюс появляется новый канал: покупка «там, где возникло намерение».
Что пока не закрывает. Полная идентификация и политики для полуавтономных агентов, сквозной аудит между платформами, возвраты/обмены — это отдельные процессы и следующий слой экосистемы.
Итог. ACP - это интероперабельный чекаут для агентов с платежами. Порог входа низкий, если у вас уже есть API чекаута от Stripe. Хотите дистрибуцию в ChatGPT - подайте заявку на Instant Checkout.
Анонс
🔥8😐6❤4
Пост для любителей обучать нейросети на работе, после работы, вместо работы, на выходных, в отпуске, с женой или вместо жены.
На прошлой неделе стартовал Wunder RNN Challenge —соревнование по нейронкам от HFT-фонда Wunder Fund.
Участникам предстоит создать модель, предсказывающую следующее состояние рынка на основе последовательности предыдущих состояний. Именно с такими задачами каждый день работают кванты.
Когда
15 сентября — 1 декабря
Призовой фонд
$13,600
Вы будете работать с реальными биржевыми данными.
Победители получат денежные призы, возможность пообщаться с нашими квантами, а главное — утонченное интеллектуальное удовлетворение от решения сложной задачи.
Wunder Fund с 2014 года занимается HFT, высокочастотным алгоритмическим трейдингом. Мы торгуем на многих биржах по всему миру — как традиционных, так и криптовалютных. Наш дневной торговый оборот превышает $10 млрд.
>_ Участвовать
#текстприслан
На прошлой неделе стартовал Wunder RNN Challenge —соревнование по нейронкам от HFT-фонда Wunder Fund.
Участникам предстоит создать модель, предсказывающую следующее состояние рынка на основе последовательности предыдущих состояний. Именно с такими задачами каждый день работают кванты.
Когда
15 сентября — 1 декабря
Призовой фонд
$13,600
Вы будете работать с реальными биржевыми данными.
Победители получат денежные призы, возможность пообщаться с нашими квантами, а главное — утонченное интеллектуальное удовлетворение от решения сложной задачи.
Wunder Fund с 2014 года занимается HFT, высокочастотным алгоритмическим трейдингом. Мы торгуем на многих биржах по всему миру — как традиционных, так и криптовалютных. Наш дневной торговый оборот превышает $10 млрд.
>_ Участвовать
#текстприслан
😁8❤6👍5😐2
Фан факт дня
Читаю блог-пост про Файн-тюнинг с помощью LoRA. Оказывается, оптимальный lr должен быть аж на порядок выше чем при full finetuning.
Чего еще я не знаю про LoRA? Расскажите в коментах
Читаю блог-пост про Файн-тюнинг с помощью LoRA. Оказывается, оптимальный lr должен быть аж на порядок выше чем при full finetuning.
Чего еще я не знаю про LoRA? Расскажите в коментах
🔥7❤5🤯3
F9K2DM
Если вы хотели попробовать Sora 2, но не знали где взять инвайт, то вот вам код от исследователя из команды Sora, для первых 10.000 человек
🎉14😢9
This media is not supported in your browser
VIEW IN TELEGRAM
У нас тут, в Сан Франциско, набирают популярность полуподвальные бои роботов.
Вчера мне повезло сходить на один из таких боев. Пока еще не Живая сталь, но уже очевидно что мы находимся в таймлайне, где бои роботов существуют и по-настоящему популярны!
Вчера мне повезло сходить на один из таких боев. Пока еще не Живая сталь, но уже очевидно что мы находимся в таймлайне, где бои роботов существуют и по-настоящему популярны!
😐23🤯20😁18👍7🔥4😢1
This media is not supported in your browser
VIEW IN TELEGRAM
Продолжу тему про бои роботов.
Вчера Optimus показал достойное кунг-фу в Лос Анджелесе. Я так понимаю в качестве спарринг партнера выбрали Джареда Лето.
Как думаете, это teleop (удаленное управлением роботом) или запрограммированные движения?
Вчера Optimus показал достойное кунг-фу в Лос Анджелесе. Я так понимаю в качестве спарринг партнера выбрали Джареда Лето.
Как думаете, это teleop (удаленное управлением роботом) или запрограммированные движения?
🔥8🤩6❤2😁2
Развиртуализация в Сан Франциско
Тут в наши края заглянул Denis Sexy IT, и по этому поводу мы идем общаться и пить пиво в 7 pm в среду (завтра).
📍 Встречаемся в Fort Point
Тут в наши края заглянул Denis Sexy IT, и по этому поводу мы идем общаться и пить пиво в 7 pm в среду (завтра).
📍 Встречаемся в Fort Point
❤17🔥9🤯1
Математика, нейросети и мозг: как мы делаем «супер-селективные» нанолекарства
На днях лаборатория, где я (@GingerSpacetail) имею удовольствие работать, попала во все новости (раз, два, три, четыре, пять): нам, похоже, удалось обратить развитие болезни Альцгеймера (AD) у мышей.
В чем суть.
Гематоэнцефалический барьер (ГЭБ) - это такая строгая охрана мозга. Он пропускает только избранные молекулы, и вежливо выпроваживает вредные соединения. При болезни Альцгеймера его поведение ломается, например, он не выводит неправильно свернувшиеся токсичные белки β-амилоида (Aβ), которые по основной гипотезе не только симптом, но и главная причина болезни.
В свежеопубликованной работе мои коллеги биохимики показали, что можно не только проникнуть через барьер, но и починить его функцию.
Наши наночастицы - полимерсомы, нацеленные на транспортный рецептор LRP1 - задизайнены принципу мультивалентного связывания, чтобы проникнуть в мозг. Но как оказалось, они «перепрограммируют» LRP1. Экспрессия рецепторов повышается, и начинается более активный перенос вещества через барьер (трансцитоз), т.е. организм эффективнее вычищает Aβ из мозга.
Результаты ошеломили даже нас:
🧩 уровень β-амилоида в мозге мышей снизился почти на 45%,
💉 в плазме вырос в восемь раз всего за два часа,
🎹 поведенческие тесты показали, что у мышек, получавших лечение, улучшалась когнитивные способности и память.
Даже спустя 6 месяцев (это, на секундочку, полжизни AD мышек)
Открытие в буквально новой стратегии терапии через модификацию ГЭБ, где функция лекарства рождается из её супрамолекулярной архитектуры.
И как вы понимаете, за этим стоят годы работы ребят, - проб и ошибок.
Терерь на этих данных (симуляции, in vitro и in vivo) мы учим алгоритмы для двух задач:
1. ИИ скрининга кандидатов
Цель научиться подсказывать самые перспективные конфигурации наночастицы, которые стоит синтезировать и проверить in vitro.
Т.е. какие комбинации лигандов, радиус, степень полимеризации и тд, дадут лучшее связывание с таргетом. В случае AD - с клетками эндотелия мозга, а не с клетками печени. Это экономит время и ресурсы на экспериментах
2. PINNs для биораспределения.
А чтобы понять, как всё это распределяется в теле, мы натравили на задачу PINNs — physics-informed нейросети, которые дружат с дифференциальными уравнениями. Они помогают оценить, сколько наночастиц реально добирается до мозга. PINNs хорошо справляется на малых или шумных выборках (как вы понимаете, мышек было не тысячи). И это помогает спланировать эксперимент in vivo.
Почему это важно.
Сочетание физики и машинного обучения даёт управляемую, объяснимую стратегию дизайна т.н. супралекарств - не просто перебор параметров, а ИИ-ассистированный поиск областей в пространстве параметров, где частица становится одновременно селективной и способной преодолевать биологические барьеры.
🔬 Nature: Rapid amyloid-β clearance and cognitive recovery through multivalent modulation of blood–brain barrier transport
📰 The Telegraph: Alzheimer’s reversed in mice under breakthrough treatment
На днях лаборатория, где я (@GingerSpacetail) имею удовольствие работать, попала во все новости (раз, два, три, четыре, пять): нам, похоже, удалось обратить развитие болезни Альцгеймера (AD) у мышей.
В чем суть.
Гематоэнцефалический барьер (ГЭБ) - это такая строгая охрана мозга. Он пропускает только избранные молекулы, и вежливо выпроваживает вредные соединения. При болезни Альцгеймера его поведение ломается, например, он не выводит неправильно свернувшиеся токсичные белки β-амилоида (Aβ), которые по основной гипотезе не только симптом, но и главная причина болезни.
В свежеопубликованной работе мои коллеги биохимики показали, что можно не только проникнуть через барьер, но и починить его функцию.
Наши наночастицы - полимерсомы, нацеленные на транспортный рецептор LRP1 - задизайнены принципу мультивалентного связывания, чтобы проникнуть в мозг. Но как оказалось, они «перепрограммируют» LRP1. Экспрессия рецепторов повышается, и начинается более активный перенос вещества через барьер (трансцитоз), т.е. организм эффективнее вычищает Aβ из мозга.
Результаты ошеломили даже нас:
🧩 уровень β-амилоида в мозге мышей снизился почти на 45%,
💉 в плазме вырос в восемь раз всего за два часа,
Даже спустя 6 месяцев (это, на секундочку, полжизни AD мышек)
Открытие в буквально новой стратегии терапии через модификацию ГЭБ, где функция лекарства рождается из её супрамолекулярной архитектуры.
И как вы понимаете, за этим стоят годы работы ребят, - проб и ошибок.
Терерь на этих данных (симуляции, in vitro и in vivo) мы учим алгоритмы для двух задач:
1. ИИ скрининга кандидатов
Цель научиться подсказывать самые перспективные конфигурации наночастицы, которые стоит синтезировать и проверить in vitro.
Т.е. какие комбинации лигандов, радиус, степень полимеризации и тд, дадут лучшее связывание с таргетом. В случае AD - с клетками эндотелия мозга, а не с клетками печени. Это экономит время и ресурсы на экспериментах
2. PINNs для биораспределения.
А чтобы понять, как всё это распределяется в теле, мы натравили на задачу PINNs — physics-informed нейросети, которые дружат с дифференциальными уравнениями. Они помогают оценить, сколько наночастиц реально добирается до мозга. PINNs хорошо справляется на малых или шумных выборках (как вы понимаете, мышек было не тысячи). И это помогает спланировать эксперимент in vivo.
Почему это важно.
Сочетание физики и машинного обучения даёт управляемую, объяснимую стратегию дизайна т.н. супралекарств - не просто перебор параметров, а ИИ-ассистированный поиск областей в пространстве параметров, где частица становится одновременно селективной и способной преодолевать биологические барьеры.
🔬 Nature: Rapid amyloid-β clearance and cognitive recovery through multivalent modulation of blood–brain barrier transport
📰 The Telegraph: Alzheimer’s reversed in mice under breakthrough treatment
Please open Telegram to view this post
VIEW IN TELEGRAM
❤42🔥19🎉5🤯1
Бесплатная годовая подписка на Perplexity PRO
Perplexity это поисковая система на основе ИИ. PRO подписка даёт сотни поисковых запросов в день с доступом к передовым моделям: GPT-5, Claude Sonnet 4.5, Grok 4
Как сделать:
• Нужен аккаунт PayPal
• Переходим по ссылке, регистрируемся и экономим 240 долларов 💰
• Акция действует до конца года
Я себе сделал и использую уже месяц, полет нормальный
🏃♂️ Ссылка на акцию
📝 Фичи PRO подписки
Perplexity это поисковая система на основе ИИ. PRO подписка даёт сотни поисковых запросов в день с доступом к передовым моделям: GPT-5, Claude Sonnet 4.5, Grok 4
Как сделать:
• Нужен аккаунт PayPal
• Переходим по ссылке, регистрируемся и экономим 240 долларов 💰
• Акция действует до конца года
Я себе сделал и использую уже месяц, полет нормальный
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12🔥8
Context is the new RAM
Объём RAM определяет, что процессор может держать «в голове» прямо сейчас. У LLM эту роль играет контекстное окно - рабочая память, куда попадают инструкции, факты, результаты инструментов и короткие выдержки из документов.
Качество и стоимость ответов LLM зависят не от «магических параметров», а от менеджмента этой памяти: что именно грузим в горячий контекст, что сжимаем в саммари/кэш, а что храним во внешней памяти и подгружаем по запросу.
X
Объём RAM определяет, что процессор может держать «в голове» прямо сейчас. У LLM эту роль играет контекстное окно - рабочая память, куда попадают инструкции, факты, результаты инструментов и короткие выдержки из документов.
Качество и стоимость ответов LLM зависят не от «магических параметров», а от менеджмента этой памяти: что именно грузим в горячий контекст, что сжимаем в саммари/кэш, а что храним во внешней памяти и подгружаем по запросу.
X
👍27🔥9😁4🤯2