Ну круглая и круглая. Дальше-то что?

Летать на самолётах, да и даже плавать через океаны греки пока не могли. Так что, казалось бы, какая польза от понимания формы планеты? Но благодаря этой зацепке им удалось вычислить размеры Земли, а далее – и расстояния до других небесных тел. В конце концов это привело к первым предположениям о гелиоцентризме. А это уже ого-го какое изменение мышления и куча новых вопросов! Но обо всём по порядку

Сегодняшняя история здорово иллюстрирует связь между теорией и практикой. Эксперименты и наблюдения дают данные. На их основе возникают теории. А благодаря теории можно сделать выводы и предсказания, вновь проверяемые на практике

В прошлом посте мы выяснили как греки пришли к тому, что Земля шарообразная. И это отличные новости, если охота понять её размеры! Если бы Земля была плоской, единственный вариант это сделать – идти (или плыть), пока не увидишь край. Шар же необязательно обходить полностью, можно лишь измерить длину прямого пути и понять, насколько быстро он закругляется

Именно это сделал Эратосфен. Он слышал историю, что один колодец в Сиене – городе на территории современного Египта – полностью освещается солнцем без отбрасывания тени. Но только один раз в году – 21 июля. Это значит, что Солнце находится ровно над колодцем. А в расположенной севернее Александрии в этот же день Солнце отбрасывает тень в 7,2 градусов от вертикальных объектов. Это примерно 50-ая часть полного круга. Значит, измерив расстояние от Сиены до Александрии и умножив его на 50, можно получить длину окружности на поверхности планеты!

Дело осталось за малым – измерить это расстояние. Как шутит математик Теренс Тао (кстати, рекомендую видео с ним на тему поста), эту грязную работу поручили аспиранту. Протопав от одного города до другого (и наверняка обратно), аспирант сказал, что между городами 5000 стадиев, а значит вся Земля имеет окружность в 250 тысяч стадиев. Эратосфену это число говорило больше, чем нам, потому что точно неизвестно как конвертировать стадии в метры. Но по разным источникам выходит, что это перечитывается в радиус Земли от 6302 до 8397 километров. Сегодня он оценивается примерно в 6371 километр. Потрясающая точность! Особенно учитывая, что использованы были только колодец, палка и аспирант

#физика@chelovek_nauk

Отвлечёмся от космоса на подборку постов за апрель!

Мемчики
1️⃣ Смешные истории из мира науки к 1 апреля
🧠 Автоматизация пошла по странному пути
🐋 Акулист

Просветительское
🖥 Линотип – инженерное чудо
👔 Если бы миром правили маркетологи
📈 Самый знаменитый график в биоинформатике
🇮🇳 Фильм "Индийская мечта"
💻 Почему разработчики языков программирования крутые

Экскурсия по Экспо
🌍 Экспо – всемирная выставка в Осаке
✏️ Двухвековая история Экспо
🟤 Самое большое деревянное кольцо на планете
🧍🏼 Не тесно ли на мероприятии, которое посещают сто тысяч человек в день?
😳 Экстерьеры Экспо
🇹🇷 Стереотипный павильон от Турции
🇹🇼 Павильон Таиланда – это провал
🇩🇪 Германия – лучший павильон
🇲🇾 Малайзия – традиции и технологии
🇰🇿 Казахстан и юрта
🇵🇭 Филиппины – неожиданное сокровище
🇫🇷 Франция – самый эстетичный павильон
🇵🇹 Португалия и океан
🇦🇪 Весёлый павильон ОАЭ
🇵🇱 Душевный павильон Польши
🇺🇸 Павильон США и газовая камера
🇨🇳 Как Китай меряется с США нефритовыми стержнями
🇰🇬 Кыргызский ИИ сделал меня королевой воинов

#подборки@chelovek_nauk

Story of my life

#комиксы@chelovek_nauk

Центр ИИ в химии ИТМО организует воркшоп «Искусственный интеллект в разработке молекул»

• 7-16 июля
• Хакатон с реальным кейсом
• Онлайн, с очными защитами
• Победители смогут поступить без экзаменов!

Больше информации: https://www.group-telegram.com/ai_chemistry/805

Прочитал безумно интересную статью о новом алгоритме для перемножения матрицы на неё же, но перевёрнутую – транспонированную. Если вы когда-либо применяли PCA (метод главных компонент) или линейную регрессию, то там используется эта операция. Как и ещё в куче мест

Не без помощи ИИ авторы нашли алгоритм, который делает это быстрее! Матрицы можно перемножать эффективнее, чем так как вас учили в университете – это показал Штрассен ещё в прошлом веке. А некоторые частные случаи могут быть решены ещё быстрее. Например, для матриц специального размера это совсем недавно показали в Дипмайнде. А перемножение матрицы на её транспонированную обладает симметричной структурой, которой можно воспользоваться для ещё более эффективного алгоритма

Однако в комментариях к посту о статье жаловались, что авторы не провели эксперименты на GPU – видеокартах. А это как раз самое интересное, все самые тяжёлые вычисления (как, например, тренировка больших языковых моделей) происходят на них. Мне захотелось потратить выходные, чтобы написать этот алгоритм для видеокарт, а заодно стряхнуть пыль со знаний C++ и разобраться как вообще выглядит такое программирование

Три недели спустя алгоритм был наконец написан, а баги отловлены. В процессе мне удалось его даже улучшить. Для вычисления результата авторы вводят 47 дополнительных переменных. На видеокартах заводить дополнительные переменные и выделять память под них – дорого, важно избежать каждой лишней операции. И мне удалось вместить все вычисления в память результирующей матрицы. Выделять дополнительную не нужно совсем!

К моему удивлению, готовый алгоритм заработал медленнее, чем стандартный из библиотеки от NVIDIA. Пусть в ней и не оптимальный алгоритм, куча инженеров и миллионы долларов, потраченных на их работу, привели к тому, что он отполирован донельзя и работает лучше, чем теоретически более быстрый. Впрочем, нам удалось догнать и перегнать стандартный алгоритм на больших матрицах. И это с минимумом оптимизаций! Если написать более низкоуровневый алгоритм на уровне ядер, вычисления станут ещё быстрее

Если вам близка эта тема, загляните в репозиторий: https://github.com/VladimirShitov/RTXX-CUDA . Звёздочки (а тем более улучшения) крайне приветствуются!

#программирование@chelovek_nauk

Заметил, что чем дальше углубляюсь в науку, тем меньше охота о ней писать. По крайней мере, популярным языком. Настоящая красота науки – в её сложности. Передать это как-то конечно можно, где-то упростив, где-то прибегнув к аналогиям. Но за этим нередко теряется сама суть

Представьте, что вы сходили в галерею и увидели шедевральную картину. После этого вы встречаетесь с другом и он просит вас её описать. Это, конечно, можно сделать или даже попытаться накалякать картину на бумаге. Но какой в этом смысл? Чтобы получить те же эмоции, ему нужно топать в музей и смотреть оригинал

Но может, даже плохо пересказанный шедевр – лучше, чем ничего

Лена прочитала крутую лекцию об ошибках и правилах в визуализации данных. Местами пересекается с парадом уродливых графиков у нас (начало тут), но с большим количеством примеров из науки и практики. Годно!

Поделюсь одним моментом, который можно улучшить. В лекции был график, на котором сразу нарисовано распределение, боксплот и отдельные точки. Выглядело это несколько перегружено. А может – прекрасно! Для этого нужно поместить график плотности сверху, а под ним – ящик и точки с наблюдениями. Называется это «Raincloud plot» – «график-тучка». И красиво, и функционально. На иллюстрации поста – визуализация данных о пингвинах

Мне даже довелось применить его в статье. Получилось не так красиво, как здесь, но свою задачу график выполнил и ревьюеры были удовлетворены

#статистика@chelovek_nauk

В Барселоне есть суперкомпьютер, расположенный в церкви. Выглядит очень впечатляюще. Будет символично, если сравнимый с человеком ИИ разработают именно там

#программирование@chelovek_nauk

Вы наверняка слышали шутку про сферическую корову (или коня) в вакууме. В ней физика-теоретика просят оптимизировать количество молока на ферме (в случае с конём – вывести самого быстрого скакуна). Физик уходит работать и в конце концов приносит решение задачи. Но оно работает только для сферического животного в вакууме

Хотя эта шутка – об отрыве теории от практики в физике, её внезапно воплотили в жизнь медики. Для того, чтобы оценить размер опухоли, в распространённых критериях RECIST рекомендуют измерять её „диаметр“. Это расстояние между двумя самыми дальними точками на снимке. Его используют даже в клинических испытаниях лекарств. Если после лечения опухоли диаметр стал меньше, значит лекарство работает

Но такой подход буквально предполагает, что опухоль – сферическая! Если лекарство ведёт к уменьшению опухоли не по самой длинной оси, диаметр не уменьшится. Например, если опухоль превращается из формы «О» в «0». А с опухолями более сложной формы, это работает ещё хуже. В итоге, опираясь только на этот параметр, медики могут упускать потенциальные лекарства от рака. На картинке – слайд из доклада, где предлагали считать размер опухоли по-умному и показали, что так можно найти больше лекарств

Вот так в каждой шутке есть доля правды. А смеясь над учёными из других областей, не забудьте проверить, что вы не поступаете так же как они

#медицина@chelovek_nauk #математика@chelovek_nauk

Мир меняется прямо на наших глазах. Дуолинго, Shopify и многие компании поменьше уже объявили, что искусственный интеллект у них теперь в приоритете над кожаными мешками сотрудниками-людьми. Не отстают и российские корпорации: Газпром, Росатом, Сибур — уже начали внедрять ИИ-агентов в бизнес-процессы. ИИ-агенты — это полноценные сотрудники, которые автономно выполняют целые пласты сложной работы: от клиентской поддержки до аналитики и принятия решений.

Можно не бороться с агентами, а возглавить их, научившись разрабатывать. Специалистов с такими навыками очень ждут на платформе «Профессионалы 4.0» (подробнее). Там размещаются реальные задачи от лидеров рынка и стекаются спецы в ИИ, готовые их решать. Их, к слову, очень мало. Хотите стать одним из них?

Тогда вам в @blastim. Бластим — официальный образовательный партнёр платформы П4.0, и только студенты его курса «ИИ — и ты не один» получат эксклюзивный доступ к непубличным проектам от топовых корпораций России. Именно в Бластим ты можешь влиться в команду тех, кто уже:

➤ на практике освоил ИИ-сервисы для науки и бизнеса
➤ создает ИИ-агентов на базе LLM и монетизирует навыки
➤ получает крутые проекты в портфолио, помогая реальному сектору экономики

😱 Курс стартует уже вечером 17 июня 😱 Да, уже сегодня. Но можно начать и позже: все занятия будут доступны в записи, а преподаватели – в чате

Я тоже там буду там делать мастер-класс. Подробнее о программе

🎁 Успей записаться и активируй кодовое слово CHELOVEKNAUK — это минус 10% от стоимости

В научных кругах вирусится пост с критикой научной статьи. Авторы сделали открытие о механизмах памяти и опубликовали его в крутом журнале. Вот только применили совершенно некорректные статистические методы. А на обоснованную критику ответили ну очень плохо, утверждая, что именно в их случае неправильная статистика работает нормально и вообще они используют лучшие практики из их области. Последнее утверждение было подкреплено ссылками на статьи, которые были опубликованы до того как их область зародилась

Авторов искренне жаль: статью может ждать ретракт (удаление из журнала). Это одна из худших вещей для репутации учёных. С другой стороны, сами виноваты. Во-первых, они допустили все ошибки из лекций про то как не надо заниматься статистикой и наукой вообще. Во-вторых, гораздо лучше было бы признать ошибку, чем настолько плохо защищать свою позицию, ещё больше раскрывая невежество

Любопытно, что даже при чудовищных издевательствах над статистикой, выводы учёных могут оказаться правильными. Если предложенные авторами механизмы верны, на самом деле неважно, откуда они их получили: из правильной или неправильной статистики, хрустального шара или божественного откровения. Не берусь утверждать, насколько они верны в этой статье, но любопытно узнать, как бы вы поступили в этом случае. Стоит ли отзывать статью, в которой неправильными методами получены правильные выводы?

Универсальный совет для поиска работы, PhD или любых других позиций – представьте себя на месте проводящих отбор

Понятно, что на это обычно нет сил в стрессе поиска позиции, когда вы отправляете уже двадцатую заявку. Но простые действия помогут сильно повысить ваши шансы

У отбирающих заявки – проблемы похожи на ваши. У вас много заявок. У них – много кандидатов из разных мест. Нужно выбрать самые лучшие, на которые можно потратить больше сил и времени. Но как? Сперва в ход пойдут грубые отсечки

Ситуация номер один: отбор на PhD-программу по машинному обучению в биологии. Больше 200 заявок. Смотреть их будет либо PhD-студент или постдок (с горой дедлайнов и стресса, которому надо бы заниматься основной работой), либо профессор (у которого ещё меньше времени). Многие кандидаты очень трудились над мотивационными письмами и сделали очень красивые резюме. Есть ли время все их читать? Конечно же нет

В форме заявки было одно важное поле, на которое многие не обратили внимания. Нужно было выбрать группы, в которых больше всего бы хотелось работать, от одной до четырёх. Что в первую очередь сделают участники конкретной группы, увидев 200 заявок? Отфильтруют, оставив только те, в которых указана их группа. Останется 20-30, их уже можно почитать внимательно

Вывод: если вам не так важна конкретная группа, а охота найти хоть что-то, указывайте побольше приоритетов. И даже если у вас есть конкретный интерес, на всякий случай укажите дополнительные. Больше шансов или интервью вам точно не навредят

Ситуация номер два: студентка пошла на PhD не сразу после учёбы, а сперва поработав пару лет. Это преимущество или недостаток? Зависит от того как она это покажет

Заведующему лабораторией важно, чтобы вы успешно получили свою степень, довели проект до конца и не свернули с пути, когда будет тяжело. Понять, умеет ли человек работать, можно по резюме и собеседованиям. Понять, хочет ли он работать, – по мотивации. Мы однажды собеседовали человека, проработавшего в Apple и компании из большой четвёрки консалтинга. Умеет ли он работать? Скорее всего, да. Захочет ли он четыре года вести проект с кучей неопределённостей и значительно худшей зарплатой, чем в компаниях? Мы не услышали энтузиазма на собеседовании и не дали ему оффер

Вывод: понимайте, что ищут в кандидатах и покажите, что у вас это есть

Всем успехов с заявками! Собрал посты на похожие темы по тегу #карьера@chelovek_nauk

Предсказания об искуственном интеллекте

Я немало погружён в тему ИИ и разбираюсь в ней больше среднего человека. Это не гарантия успешного предсказания будущего, но всё же любопытно зафиксировать состояние мыслей в текущий момент и сравнить с реальностью через несколько лет. Даже если это вызовет смех

Особого порядка в предсказаниях нет, нумерация – для простоты комментирования

1. Модели будут становиться всё быстрее и эффективнее. Современные нам модели будут восприниматься в будущем как нами сейчас воспринимаются мейнфреймы – гигантские компьютеры со смешными возможностями, не превосходящие телефоны у каждого ребёнка

2. Это приведёт к тому, что устройства станут действительно умными. Слово „смартфон“ для устройств двухтысячных будет восприниматься со смехом. ИИ будет очень широко распространён, иногда даже там где это не необходимо, вплоть до чайников и утюгов

3. Интерфейсы очень сильно изменятся, станут проще, будет больше голосового ввода. Представлять что когда-то для оплаты счёта нужно было входить в приложение, вбивать туда данные и тратить на это две минуты, будет казаться не менее диким, чем сегодня – пойти в банк, чтобы составить заявку на перевод денег. Рутины станет гораздо меньше, это всё возьмут на себя ИИ-приложения

4. Контент станет более персонализированным. Фильмы, книги, учебные материалы и игры будут создаваться на лету и под конкретного пользователя. У новых поколений будет меньше общих воспоминаний и им будут непонятны мемы, что каждая учительница знает фразу „а голову ты дома не забыл?“

5. За счёт меньшей необходимости работать и жить в привязи к монитору, экранов станет меньше. А может и больше, но для развлечений

6. Творчества станет значительно больше, будет настоящий бум шедевров всех видов

7. Большая доступность технологий и образования приведёт к появлению гениев и новых компаний в совершенно неожиданных местах, а быть может и в возрастах. Мы увидим бизнесы и научные открытия сделанные подростками и компании-единороги из совершенно неожиданных мест планеты

8. Мы наконец увидим широкое распространение роботов и заселение космических тел – в первую очередь роботами

9. Негативные моменты тоже будут. Случатся катастрофы и беспорядки вызванные ИИ. Где-то – при намеренном использовании, чтобы навредить другим группам. Где-то – из-за плохого применения ИИ и недостаточно тщательной проверки его работы

10. Войны против ИИ не будет. Войн против людей с использованием ИИ — предостаточно

11. Появятся умные компьютерные вирусы: не просто копирующие себя, но делающие гораздо более сложные вещи в месте проникновения. Иногда долго и незаметно

12. Появятся новые способы человеческого общения. Сложно сказать какие — как Тьюринг вряд ли предвидел чат-рулетки при разработке компьютера для взлома шифров, так и нам сложно представить, что привнесёт ИИ. Но человеческое общение никуда не пропадёт

13. Наука изменится, особенно там, где меньше лабораторных экспериментов. Учёные будут больше рассуждать и меньше заниматься рутиной

14. Ревизии научных статей в современном виде вымрут. Большая их часть будет делегирована ИИ, знающему весь контекст из опубликованных работ и способному провести дополнительные рассуждения и эксперименты

15. Медицина станет сильно эффективнее: от появления новых лекарств до лучшей диагностики, терапии и приверженности пациентов лечению благодаря ИИ. Современные болезни станут всё менее опасными, что приведёт к новым научным и социальным вызовам

16. Появятся ИИ-политики, предлагающие решения проблем, решающие их самостоятельно по просьбе людей и успешно конкурирующие в политике с мясными аналогами

17. За счёт всеобщего повышения эффективности и новых прорывов экономики переживут взрывной рост, но неравномерно. Приведёт ли это к повышению всеобщего благосостояния и смогут ли быть решены возникающие проблемы – сперва будет зависеть от человеческих решений. Не во всех странах это пройдёт успешно

Буду рад услышать ваши предсказания и мысли 🙂

Подборка постов за май!

Мемы и комиксы
💪🏼 Мир, труд, май!
⌚️ Могу говорить об этом часами

Разное
🏛 Музей Марии Склодовской-Кюри в Варшаве
🚬 Люди не прекращают курить, пока могут дышать
📲 Путешествие сообщения через интернет
👹 Пушистый дьявол или как любители могут сделать вклад в науку

Земля в иллюминаторе
🇯🇵 Аниме про космос для любителей науки
🌏 Почему Земля действительно круглая
🌎 Ну круглая и круглая, а дальше то что?

#подборки@chelovek_nauk

Слова «серебро» и «церебральный» имеют подозрительно похожие корни. Второе означает «мозговой», вы могли слышать его в названиях заболеваний, как например «детский церебральный паралич». Быть может, у этих слов общее происхождение?

Нет, оказывается, это совпадение. «Серебро» происходит от корня, обозначающего блестящесть, а «церебральный» – от латинского cerebrum, обозначающего головной мозг, а исходно – от праиндоевропейского слова для верхушки головы

Пословица про маловероятные события говорит, что молния не бьёт в одно место дважды. Однако здесь случается второе удивительное совпадение: именно серебро помогло познать тайны строения мозга. Испанский врач и учёный Сантьяго Рамон-и-Кахаль добаботал технику окраски гистологических срезов мозга красителем с серебром в составе, а затем рассмотрел и тщательно зарисовал множество картин микроскопического мира. Именно благодаря ему мы знаем про устройство нейронов, их отростки и связи. Даже изобретатели компьютерных нейросетей вдохновлялись структурой нейрона, отмеченной Кахалем. На картинке из поста – один из его рисунков, потрясающий точностью изображения структур

Так что в конце концов слова оказываются связаны. Пусть и не по происхождению

#лингвистика@chelovek_nauk #биология@chelovek_nauk