Мыслить как ученый

Говорим о нейропанк-революции и разных этапах киборгизации человека: от медицинских имплантов и нейроинтерфейсов до технологий, способных расширять возможности нервной системы. Разбираем, можно ли добавить человеку новые органы чувств, соединить нервные системы двух людей и создать электронную часть нервной системы, которая сможет работать вместе с биологической.

Обсуждаем спайковые нейронные сети, нейроморфные вычисления и мемристоры — технологии, которые пытаются воспроизвести принципы работы мозга в электронике. Почему человеческий мозг настолько энергоэффективен, чем биологические нейросети отличаются от AI-систем и можно ли реализовать спинной мозг на чипе?
▶︎Поддержать ПостНауку:

— Boosty: https://postnauka.org/link/boosty_scast
— Patreon: https://postnauka.org/link/patreon_scast
▶︎По вопросам партнерства — коммуникационное агентство ПостНаука.Specials: https://postnauka.org/link/letsdance_scast
▶︎Следите за ПостНаукой на других площадках: https://postnauka.org/link/linktr_scast
▶︎Курсы от создателей ПостНауки: https://postnauka.org/link/academy_scast

Виктор Ерохин об искусственных нейронных сетях: https://postnauka.org/faq/102011

Neurohybrid Memristive CMOS-Integrated Systems for Biosensors and Neuroprosthetics: https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2020.00358/full 
Тайминги выпуска:
00:00 О чём этот выпуск?
01:44 Первые шаги к киборгизации
06:12 Новые чувства и интерфейс мозг-мозг
09:50 Как появилась идея нейропанк-революции
16:44 Нам нужна ваша поддержка!
17:51 Как устроена киборгизация 1.0, 2.0 и 3.0
23:52 Можно ли радикально улучшить человека?
31:05 Барьеры киборгизации
35:26 Как подключить нейроинтерфейс к мозгу
40:03 Любимые расширения нервной системы
44:19 Почему забывание полезно для мышления
48:46 Цена идеальной памяти
53:13 Ключевые термины
56:23 Спайковые нейронные сети
01:03:03 Спайки, синапсы и работа нейрона
01:14:34 Масштабирование LLM и моделирование мозга
01:17:25 Биология мозга, которой нет в LLM
01:22:38 Электронный мозг вместо AGI
01:27:30 Нужно ли ИИ копировать мозг?
01:32:03 Перенос принципов мозга в электронику
01:41:01 Что такое мемристоры
01:48:36 Рекомендации по теме нейропанк-революции
01:52:05 Заключение

Обсуждаем, что должно производить высшее образование: знания, навыки для рынка труда или способность мыслить. Почему модель «лекция — конспект — экзамен» перестаёт работать, знания нельзя просто передать, а студента важно оценивать не по тексту, который он сдал, а по тому, как он ставит вопросы и строит аргументы. Разбираем эксперименты с ИИ-агентами в университете: может ли нейросеть быть не машиной готовых ответов, а собеседником, что остаётся за преподавателем и как строить обучение через дискуссию. 

Отдельно говорим о рынке труда: должен ли университет выполнять заказ индустрии, кто отвечает за подготовку специалистов и почему образование должно готовить к будущему, которое невозможно точно предсказать.

▶︎Naukka Talents – платформа для поиска талантов и найма STEM-специалистов в deep-tech и biotech проекты. Подать заявку кандидата: https://postnauka.org/link/nt_scast

▶︎Следите за ПостНаукой на других площадках: https://postnauka.org/link/linktr_scast

▶Курсы от создателей ПостНауки: https://postnauka.org/link/academy_scast

▶Поддержать ПостНауку: https://postnauka.org/link/donate_scast

▶По вопросам партнерства — коммуникационное агентство ПостНаука.Specials: https://postnauka.org/link/letsdance_scast

Тайминги выпуска:

00:00 О чем этот выпуск?

02:26 Зачем нужен университет, если профессии постоянно меняются

10:37 Почему университет не должен работать только под заказ

15:33 Что мешает человеку ставить большие цели

20:02 Naukka Talents ищет талантливых STEM-специалистов

21:24 Как оценивать знания, если студент использует ИИ

28:10 Как устроен курс, где ИИ — часть обучения

37:18 Почему ИИ-агент не может быть универсальным

40:24 Как картирование развивает мышление

48:16 Как правильно использовать ИИ в образовании

54:01 Развить мышление невозможно без диалога?

01:01:25 ИИ вскрыл главную проблему образования?

01:08:55 Должен ли университет готовить специалистов для рынка труда?

01:17:34 Почему студенту нельзя просто довериться университету

01:25:03 Почему студентам нужен опыт за пределами учебных заданий

01:30:08 Комфортная учеба не готовит к жизни?

01:32:42 Заключение

Почему искусственному интеллекту нужны видеокарты? Что такое смешанная точность и почему индустрия переходит на 8- и 4-битные вычисления? Говорим о гонке вычислений, эффективности современных чипов и компромиссах, которые позволяют обучать всё более крупные модели.

Разбираем, как устроены современные системы поиска и почему поиск стал одной из фундаментальных операций искусственного интеллекта. Обсуждаем векторный поиск, работу с огромными массивами данных, а также то, какое отношение к этим технологиям имеют биоинформатика, ДНК и поиск новых лекарств. Говорим о роли открытого кода в развитии технологий и о том, почему вклад в open-source-проекты может быть не менее важен для науки, чем академические публикации.

Список литературы от Ильи Суцкевера: https://github.com/dzyim/ilya-sutskever-recommended-reading

▶︎Naukka Talents – платформа для поиска талантов и найма STEM-специалистов в deep-tech и biotech проекты. Подать заявку кандидата: https://postnauka.org/link/nt_scast

▶︎Следите за ПостНаукой на других площадках: https://postnauka.org/link/linktr_scast

▶Курсы от создателей ПостНауки: https://postnauka.org/link/academy_scast

▶Поддержать ПостНауку: https://postnauka.org/link/donate_scast

▶По вопросам партнерства — коммуникационное агентство ПостНаука.Specials: https://postnauka.org/link/letsdance_scast

Тайминги выпуска:

00:00 О чем этот выпуск?

02:49 ИИ работает на видеокартах?

08:23 Как индустрия жертвует точностью ради масштаба

13:42 Что такое 16-битные и 4-битные числа?

17:46 Naukka Talents ищет талантливых STEM-специалистов

19:03 Компромисс между точностью и производительностью

25:50 Гонка ИИ движется в неправильную сторону?

30:04 Мир держится на open source?

33:20 Почему Big Tech экономит каждый бит

38:23 Зачем нужны строки?

44:00 Почему AlphaFold построен на компромиссах

47:22 Инфраструктура как операционная система науки

51:47 Что не так с поиском?

01:00:21 Поиск молекул и разработка новых лекарств

01:04:06 Почему технологии находят применение спустя годы

01:09:26 Зачем переписывать инфраструктуру ИИ?

01:14:06 Unum — самая маленькая Big Tech-компания в мире

01:25:43 Работа в корпорации или свой стартап?

01:33:35 Советы разработчикам: от студентов до сеньоров

01:43:40 Заключение

Обсуждаем устройство трансформеров и механизм внимания. Как появилась архитектура, на которой построены ChatGPT, Claude и Gemini? Почему предсказание следующего слова оказалось настолько мощной идеей и как оно изменило развитие AI? Говорим о природе интеллекта, различиях между человеком и LLM, а также о том, почему способность предсказывать следующее слово приводит к поведению, которое выглядит разумным.

Разбираем, как трансформеры помогают анализировать ДНК и как такие системы могут использоваться для персонализированной медицины. Говорим о будущем ИИ: почему эпоха масштабирования может подходить к концу, какие ограничения есть у современных моделей и каким может стать следующий этап развития искусственного интеллекта.

▶︎Naukka Talents – платформа для поиска талантов и найма STEM-специалистов в deep-tech и biotech проекты. Подать заявку кандидата: https://postnauka.org/link/nt_scast

▶︎Следите за ПостНаукой на других площадках: https://postnauka.org/link/linktr_scast

▶Курсы от создателей ПостНауки: https://postnauka.org/link/academy_scast

▶Поддержать ПостНауку: https://postnauka.org/link/donate_scast

▶По вопросам партнерства — коммуникационное агентство ПостНаука.Specials: https://postnauka.org/link/letsdance_scast

Тайминги выпуска:

00:00 О чем этот выпуск?

06:16 Как появились современные большие языковые модели

13:20 Тройственный союз: нейросети, символы и эволюция

17:31 Предыстория Attention Is All You Need

22:36 Проблема памяти до появления трансформеров

26:00 Что такое self-attention

32:46 Почему диалог сложнее машинного перевода

38:24 Как появились BERT и GPT

49:11 Создали ли мы искусственный интеллект?

59:11 Могут ли LLM навредить человечеству?

01:06:43 Почему AI делает контент вместо научных прорывов

01:11:58 Главная проблема трансформеров — длинный контекст

01:19:55 Как работает Recurrent Memory Transformer

01:25:29 Зачем LLM контекст на 50 миллионов токенов

01:29:53 Как превратить ДНК в язык для ИИ

01:35:56 Зачем изучать ДНК?

01:40:43 Зачем ИИ читать геном целиком?

01:47:57 Может ли ИИ прочитать весь геном человека?

01:52:26 ИИ против устойчивых бактерий

01:56:04 Без науки нет будущего

02:00:00 Заключение

Обсуждаем, чем private equity отличается от венчурного капитала и почему deeptech требует другого подхода к риску. Что такое технологический риск и риск масштабирования? Как инвесторы оценивают новые технологии и почему одни из них превращаются в технологические революции, а другие исчезают?

Разбираем, как рождаются новые индустрии. Как появился интернет 90-х и первые дата-центры? Почему сланцевая революция изменила мировой энергетический рынок и как фрекинг превратил США в крупнейшего производителя нефти?

Говорим о научном мышлении, культуре риска и роли капитала в развитии технологий. Почему учёные и инвесторы часто говорят на разных языках и кто решает, какие технологии нужны обществу?

▶︎Naukka Talents – платформа для поиска талантов и найма STEM-специалистов в deep-tech и biotech проекты. Подать заявку кандидата: https://postnauka.org/link/nt_scast

▶︎Следите за ПостНаукой на других площадках: https://postnauka.org/link/linktr_scast

▶Курсы от создателей ПостНауки: https://postnauka.org/link/academy_scast

▶Поддержать ПостНауку: https://postnauka.org/link/donate_scast

▶По вопросам партнерства — коммуникационное агентство ПостНаука.Specials: https://postnauka.org/link/letsdance_scast

Тайминги выпуска:

00:00 О чем этот выпуск?

02:45 Почему учёный ушёл из науки в бизнес

09:22 В США наука — просто профессия?

13:39 Что научное мышление даёт в бизнесе

19:30 Как создавались первые дата-центры Калифорнии

26:03 Что общего у IT-бума и советской космической программы

30:21 Чем private equity отличается от венчурного капитала

40:54 Deeptech нужны другие инвесторы?

48:22 Инвесторам сложно работать с учёными?

54:33 Фрекинг изменил мировой энергетический рынок

01:02:38 Как инвесторы оценивают риск в разных индустриях

01:08:30 Почему deeptech находится между VC и private equity

01:12:51 Где граница между этикой и экономикой?

01:19:51 Кто платит за «правильные» технологии?

01:24:28 Как рождаются технологические революции

01:31:49 Как совмещать прагматизм и мечту

01:35:18 Почему инвестору нужен «внутренний художник»

01:39:49 Заключение