Forwarded from ИИволюция 👾
ИИ начинает ломать привычную систему образования гораздо глубже, чем кажется
Появилось исследование о том, как ИИ влияет на обучение школьников. Исследователи 30 месяцев наблюдали за 26 811 китайскими учениками 12–18 лет и сравнивали их домашние работы с результатами экзаменов, которые дети уже писали самостоятельно, без помощи ИИ.
После того как школьники начинали пользоваться китайскими ИИ-ассистентами вроде Doubao от ByteDance и DeepSeek, оценки за домашку в среднем росли на 18%, а времени на неё уходило примерно на 30% меньше. По всем внешним метрикам всё выглядело отлично: задания сделаны быстрее, оценки выше, производительность выросла.
Но уже через полгода результаты этих же учеников на экзаменах без ИИ были примерно на 20% хуже. Причём на важных экзаменах эффект продолжал накапливаться и полностью проявлялся только спустя примерно два года.
Самое интересное в том, что раньше хорошая домашняя работа довольно неплохо показывала, насколько ученик разобрался в теме. Теперь эту связь можно легко разорвать. Школьник получает отличные оценки, делает задания быстрее и выглядит успешнее по всем формальным показателям, при этом реальные знания могут становиться хуже.
Особенно сильно результаты падали у тех, кто после появления ИИ резко сокращал время на домашку. У учеников, которые продолжали тратить на задания примерно столько же времени и использовали ИИ для объяснений, подсказок и разбора материала, потери были значительно меньше.
Это хорошо совпадает с другим свежим экспериментом в Middlebury College. Студентам дали изучать незнакомую тему с ИИ и без него, после чего проверили знания сразу и через неделю. Группа с ИИ в итоге действительно выучила больше, особенно те, кто использовал модель для объяснений, поиска информации и разбора сложных моментов. Когда ИИ просто генерировал готовый результат, эффект на реальные знания был намного слабее.
И вот здесь появляется главная проблема для всей системы образования. Десятилетиями она работала примерно так: чтобы хорошо написать сочинение, решить задачу или подготовить доклад, человеку приходилось самому проделать большую часть мыслительной работы. Поэтому по качеству конечного результата можно было хотя бы примерно судить о знаниях и навыках ученика.
А вот с ИИ это перестаёт работать. Можно получить отличное сочинение, презентацию, решение задачи или исследование, практически не приобретая навык, который раньше был нужен для создания такого результата. В исследованиях уже появляется термин “product–process dissociation”: качество готовой работы растёт, а качество мыслительного процесса, который раньше стоял за этой работой, может снижаться.
В итоге школам и университетам придётся постепенно менять сам подход к оценке знаний. Домашнее сочинение всё хуже показывает, умеет ли человек писать. Решённая дома задача всё хуже показывает, умеет ли он её решать. Хороший доклад всё меньше говорит о том, насколько автор действительно разбирается в теме.
ИИ всё сильнее разделяет хороший результат и реальные знания и для образования это становится большой проблемой.
Забавно, недавно прочитал, что разработчики в OpenAI не могут полностью объяснить код, который сами “создали” с помощью AI. Речь не о том, что они не понимают собственный код в принципе, а о том, что часть решений была сгенерирована ИИ и собрана итеративно, без полного понимания каждой строки и всех взаимосвязей.
Похоже, мир действительно меняется: для некоторых задач уже не всегда требуется понимать, что именно происходит внутри. Важно уметь поставить задачу, проверить результат и заметить ошибку. Но в образовании всё наоборот, это опасный момент, потому что сам процесс понимания и есть главный результат.
Появилось исследование о том, как ИИ влияет на обучение школьников. Исследователи 30 месяцев наблюдали за 26 811 китайскими учениками 12–18 лет и сравнивали их домашние работы с результатами экзаменов, которые дети уже писали самостоятельно, без помощи ИИ.
После того как школьники начинали пользоваться китайскими ИИ-ассистентами вроде Doubao от ByteDance и DeepSeek, оценки за домашку в среднем росли на 18%, а времени на неё уходило примерно на 30% меньше. По всем внешним метрикам всё выглядело отлично: задания сделаны быстрее, оценки выше, производительность выросла.
Но уже через полгода результаты этих же учеников на экзаменах без ИИ были примерно на 20% хуже. Причём на важных экзаменах эффект продолжал накапливаться и полностью проявлялся только спустя примерно два года.
Самое интересное в том, что раньше хорошая домашняя работа довольно неплохо показывала, насколько ученик разобрался в теме. Теперь эту связь можно легко разорвать. Школьник получает отличные оценки, делает задания быстрее и выглядит успешнее по всем формальным показателям, при этом реальные знания могут становиться хуже.
Особенно сильно результаты падали у тех, кто после появления ИИ резко сокращал время на домашку. У учеников, которые продолжали тратить на задания примерно столько же времени и использовали ИИ для объяснений, подсказок и разбора материала, потери были значительно меньше.
Это хорошо совпадает с другим свежим экспериментом в Middlebury College. Студентам дали изучать незнакомую тему с ИИ и без него, после чего проверили знания сразу и через неделю. Группа с ИИ в итоге действительно выучила больше, особенно те, кто использовал модель для объяснений, поиска информации и разбора сложных моментов. Когда ИИ просто генерировал готовый результат, эффект на реальные знания был намного слабее.
И вот здесь появляется главная проблема для всей системы образования. Десятилетиями она работала примерно так: чтобы хорошо написать сочинение, решить задачу или подготовить доклад, человеку приходилось самому проделать большую часть мыслительной работы. Поэтому по качеству конечного результата можно было хотя бы примерно судить о знаниях и навыках ученика.
А вот с ИИ это перестаёт работать. Можно получить отличное сочинение, презентацию, решение задачи или исследование, практически не приобретая навык, который раньше был нужен для создания такого результата. В исследованиях уже появляется термин “product–process dissociation”: качество готовой работы растёт, а качество мыслительного процесса, который раньше стоял за этой работой, может снижаться.
В итоге школам и университетам придётся постепенно менять сам подход к оценке знаний. Домашнее сочинение всё хуже показывает, умеет ли человек писать. Решённая дома задача всё хуже показывает, умеет ли он её решать. Хороший доклад всё меньше говорит о том, насколько автор действительно разбирается в теме.
ИИ всё сильнее разделяет хороший результат и реальные знания и для образования это становится большой проблемой.
Забавно, недавно прочитал, что разработчики в OpenAI не могут полностью объяснить код, который сами “создали” с помощью AI. Речь не о том, что они не понимают собственный код в принципе, а о том, что часть решений была сгенерирована ИИ и собрана итеративно, без полного понимания каждой строки и всех взаимосвязей.
Похоже, мир действительно меняется: для некоторых задач уже не всегда требуется понимать, что именно происходит внутри. Важно уметь поставить задачу, проверить результат и заметить ошибку. Но в образовании всё наоборот, это опасный момент, потому что сам процесс понимания и есть главный результат.
👀19⚡2👎1😁1
Forwarded from Эксплойт
Новая Fable 5.1 смогла за 44 минуты разгадать один из сложнейших шифров в истории, над которым люди бились целых 373 (!) года — Cyphral Distich Томаса Уркхарта занимал почётное 28 место в списке неразгаданных загадок человечества.
Всего две строки по 32 числа в каждой не давали покоя энтузиастам со всего мира сотни лет, а разгадка оказалась до смешного простой. Впервые шифр появился в трактате Уркхарта «Logopandecteision, or An Introduction to the Universal Language», в котором среди размышлений о несуществующем языке, были 32 пронумерованных пожелания автора. Догадываетесь?
Правило оказалось издевательски простым: шифр указывает, какое слово из какого пожелания надо взять — если число 8 в строке первое, то ищем восьмое слово в первом пожелании. 66 — второе, а значит — ищем шестьдесят шестое слово во втором пожелании.
У полученных 64 слов берём по первой букве и получаем предложение
Даже немного стыдно за людей.
@exploitex
Всего две строки по 32 числа в каждой не давали покоя энтузиастам со всего мира сотни лет, а разгадка оказалась до смешного простой. Впервые шифр появился в трактате Уркхарта «Logopandecteision, or An Introduction to the Universal Language», в котором среди размышлений о несуществующем языке, были 32 пронумерованных пожелания автора. Догадываетесь?
Правило оказалось издевательски простым: шифр указывает, какое слово из какого пожелания надо взять — если число 8 в строке первое, то ищем восьмое слово в первом пожелании. 66 — второе, а значит — ищем шестьдесят шестое слово во втором пожелании.
У полученных 64 слов берём по первой букве и получаем предложение
О Боже, поддержи короля Карла II и сделай его верховным правителем этой земли.
Даже немного стыдно за людей.
@exploitex
😁23👍6👀1
Forwarded from Банкста
К 2030 году ИИ полностью убьёт профессии копирайтера, юриста, бухгалтера и эйчара, предупредил инвестор Владимир Виноградов. Компании всё активнее внедряют ИИ-сервисы и будут увольнять всех, кого можно заменить нейронкой. Востребованы будут лишь те, кто умеет настраивать и работать с нейросетями. У россиян осталось всего 3,5 года, чтобы переквалифицироваться и не остаться без денег, отметил эксперт. @banksta
😁7
🧬 Похоже, у генома обнаружили ещё один скрытый режим работы
Учёные выяснили, что клетки млекопитающих могут брать фрагменты РНК, полученные от совершенно разных генов — даже находящихся на разных хромосомах — и склеивать их вместе.
Получается новая химерная мРНК, по которой клетка способна собрать белок, содержащий части сразу двух разных генетических инструкций.
В иммунных клетках мышей исследователи нашли более 30 тысяч кандидатов на такие химерные РНК, а в человеческих макрофагах — более 900.
И как минимум одна такая химера действительно работает. У мышей белок, созданный комбинацией генов Gsdmd и Tmem106a, регулирует воспалительный ответ. Без него животные хуже боролись с Salmonella, зато значительно лучше переживали экспериментальный сепсис.
Самое странное: при воспалении участки разных хромосом физически сближаются внутри ядра, словно клетка специально подносит два нужных фрагмента инструкции друг к другу.
Важная оговорка: функциональную роль подробно доказали на мышах. У людей такие химерные РНК тоже обнаружены, но что делает большинство из них, пока неизвестно.
Мы расшифровали человеческий геном ещё в начале века и решили, что получили инструкцию.
Теперь выясняется, что некоторые страницы инструкции можно ещё и складывать друг с другом.
#генетика #биология #РНК #геном #иммунитет #наука
https://www.nature.com/articles/s41586-026-10982-x
Учёные выяснили, что клетки млекопитающих могут брать фрагменты РНК, полученные от совершенно разных генов — даже находящихся на разных хромосомах — и склеивать их вместе.
Получается новая химерная мРНК, по которой клетка способна собрать белок, содержащий части сразу двух разных генетических инструкций.
В иммунных клетках мышей исследователи нашли более 30 тысяч кандидатов на такие химерные РНК, а в человеческих макрофагах — более 900.
И как минимум одна такая химера действительно работает. У мышей белок, созданный комбинацией генов Gsdmd и Tmem106a, регулирует воспалительный ответ. Без него животные хуже боролись с Salmonella, зато значительно лучше переживали экспериментальный сепсис.
Самое странное: при воспалении участки разных хромосом физически сближаются внутри ядра, словно клетка специально подносит два нужных фрагмента инструкции друг к другу.
Важная оговорка: функциональную роль подробно доказали на мышах. У людей такие химерные РНК тоже обнаружены, но что делает большинство из них, пока неизвестно.
Мы расшифровали человеческий геном ещё в начале века и решили, что получили инструкцию.
Теперь выясняется, что некоторые страницы инструкции можно ещё и складывать друг с другом.
#генетика #биология #РНК #геном #иммунитет #наука
https://www.nature.com/articles/s41586-026-10982-x
Nature
Functional chimeric mRNAs encode proteins in mammalian immunity
Nature - Inflammation induces interchromosomal DNA interactions that bring parent genes into close proximity, facilitating the formation of chimeric mRNAs that encode physiologically relevant,...
👍8👀5
Media is too big
VIEW IN TELEGRAM
Это Астра, знакомьтесь.
Ps сегодня на моем маке при обновлении слетел Hermes. Ну не запускался - выдавал ошибку и все…
Переустановка не помогла.
Запустил ChatGPT , дал доступ к файловой системе Hermes, сбросил скриншот с ошибкой и. Все - ChatGPT сам починил, убрал баг при запуске Hermes и проверил что все работает ….
No comments
Ps сегодня на моем маке при обновлении слетел Hermes. Ну не запускался - выдавал ошибку и все…
Переустановка не помогла.
Запустил ChatGPT , дал доступ к файловой системе Hermes, сбросил скриншот с ошибкой и. Все - ChatGPT сам починил, убрал баг при запуске Hermes и проверил что все работает ….
No comments
⚡7👍7😁2🕊1
Forwarded from НИИ ИИ
Хорошая новость из России: команда Mostik.ai представила технологию, которая позволяет ИИ-моделям обмениваться не текстом, а мышлением напрямую. О работе написал WIRED, китайский ИИ-блогер Max For AI называет случившееся прорывом уровня Тьюринговской премии, а сама команда уже заняла первое место в рейтинге ARC-AGI 3.
Мостик — это точное описание подхода. Сегодня, когда одна модель передаёт работу другой, всё идёт через текст. На генерацию одного токена модель строит внутреннее состояние примерно на два мегабайта, а наружу выходят считаные биты. Mostik передаёт само внутреннее состояние: скрытые представления (hidden states) большой модели переходят в маленькую напрямую. Текст между моделями не появляется вовсе, и ни одна из них не дообучается.
Проверка впечатляет — GLM-5.2 на 753 миллиарда параметров читает задачу, а ответ пишет Qwen-3.5 на 4 миллиарда, модель класса мобильных устройств. Мост закрывает половину разрыва в точности между ними, на самых сложных задачах прирост доходит до двух раз. При этом вся связка стоит в двадцать раз дешевле полной большой модели.
Практический смысл понятен каждому, кто запускает модели локально: маленькая живёт на вашем устройстве, а большую в облаке подключаете только там, где нужно тяжёлое рассуждение. Дешевле, быстрее и без привязки к одному флагману.
Отдельно радует, кто это сделал — российская команда: 15 человек, 12 из них с PhD, главный научный сотрудник Станислав Смирнов, лауреат Филдсовской премии. Четыре месяца работы и результат мирового уровня. Это очень круто.
Подробности, схема и все цифры: mostik.ai
pimenov.ai/blog
Мостик — это точное описание подхода. Сегодня, когда одна модель передаёт работу другой, всё идёт через текст. На генерацию одного токена модель строит внутреннее состояние примерно на два мегабайта, а наружу выходят считаные биты. Mostik передаёт само внутреннее состояние: скрытые представления (hidden states) большой модели переходят в маленькую напрямую. Текст между моделями не появляется вовсе, и ни одна из них не дообучается.
Проверка впечатляет — GLM-5.2 на 753 миллиарда параметров читает задачу, а ответ пишет Qwen-3.5 на 4 миллиарда, модель класса мобильных устройств. Мост закрывает половину разрыва в точности между ними, на самых сложных задачах прирост доходит до двух раз. При этом вся связка стоит в двадцать раз дешевле полной большой модели.
Практический смысл понятен каждому, кто запускает модели локально: маленькая живёт на вашем устройстве, а большую в облаке подключаете только там, где нужно тяжёлое рассуждение. Дешевле, быстрее и без привязки к одному флагману.
Отдельно радует, кто это сделал — российская команда: 15 человек, 12 из них с PhD, главный научный сотрудник Станислав Смирнов, лауреат Филдсовской премии. Четыре месяца работы и результат мирового уровня. Это очень круто.
Подробности, схема и все цифры: mostik.ai
pimenov.ai/blog
⚡16👍3
Forwarded from BFM
Злые богачи и писсуары без брызг — в Цюрихе вручили Шнобелевскую премию
В этом году 36-я церемония вручения наград прошла не в американском Бостоне, как 35 лет до этого, а в швейцарском Цюрихе. Место проведения мероприятия было решено перенести из-за ужесточившейся визовой политики США.
Среди достижений в науке, которые «сначала заставляют засмеяться, а затем задуматься», СМИ выделяют самые яркие:
⬛️ Премия в области экономики досталась исследованию, посвященному корреляции между социальным классом человека и его склонностью к неподобающему поведению. Исследователи пришли к выводу, что богатые люди чаще других могут «отобрать конфету у ребенка».
⬛️ Приз в области химии достался команде, которая обнаружила, что молоко тараканов содержит в три раза больше энергии, чем коровье молоко.
⬛️ Премию по физике забрала группа студентов из Канады, разработавшая «писсуар без брызг». Участники объединения установили, что разбрызгивание мочи практически полностью исключается, если струя попадает на писсуар под углом менее 30°.
⬛️ Шнобелевскую премию мира получил доктор Джейми Кремс из Лос-Анджелеса. Она доказывала, что люди «ценят тех друзей, которые проявляют злобу по отношению к тому, что им самим не нравится». По ее словам, людям часто хочется, чтобы их друзья были более агрессивны в отношении их врагов.
Также среди исследований отметились работы об уточнении аэродинамики сморкания, превращении хоботков комаров в сопла для 3D-печати и закапывании нижнего белья для мониторинга качества почвы
Фото: Claudio Thoma/Keystone/AP
📻 Подписывайтесь на BFM | И в MAX
В этом году 36-я церемония вручения наград прошла не в американском Бостоне, как 35 лет до этого, а в швейцарском Цюрихе. Место проведения мероприятия было решено перенести из-за ужесточившейся визовой политики США.
Среди достижений в науке, которые «сначала заставляют засмеяться, а затем задуматься», СМИ выделяют самые яркие:
Также среди исследований отметились работы об уточнении аэродинамики сморкания, превращении хоботков комаров в сопла для 3D-печати и закапывании нижнего белья для мониторинга качества почвы
Фото: Claudio Thoma/Keystone/AP
Please open Telegram to view this post
VIEW IN TELEGRAM
😁7👍6
Forwarded from Технозаметки Малышева
Ещё немного новостей с другой планеты.
Гибриды роботов-гуманоидов и манипуляторов.
#роботы #Китай
———
@tsingular
Гибриды роботов-гуманоидов и манипуляторов.
#роботы #Китай
———
@tsingular
😁2