🧠 Архитектура важнее данных: сверточные сети имитируют мозг без обучения

Исследователи из университета Джона Хопкинса показали, что правильно спроектированные нейросети начинают работать как человеческий мозг ещё ДО обучения на данных. Это переворачивает парадигму "больше данных = лучше результат".

Суть открытия:
Исследователи сравнили три архитектуры — трансформеры, полносвязные и сверточные сети — без предварительного обучения.

Показывали им изображения и сравнивали активность с реакциями мозга людей и приматов.

Результат: только сверточные сети с правильными настройками показали паттерны активности, схожие с визуальной корой.

Трансформеры и полносвязные — нет.

Ключевые находки:
Сжатие в пространственном измерении (pooling) + расширение в измерении признаков (больше каналов) = реакции, подобные мозговым

Необученные сверточные сети показали результаты на уровне AlexNet, обученного на миллионах изображений

Эффект работает только в свёрточной архитектуре, - в других такой подход не работает.

Почему это важно:
Сейчас AI-индустрия строит датацентры размером с города и тратит сотни миллиардов на данные. А человек учится видеть на минимуме примеров.

Вывод авторов: эволюция сошлась на этом дизайне не случайно. Правильная архитектура даёт AI выгодную стартовую точку — и значительно ускоряет обучение при меньших затратах.

Практическая польза:
- Снижение стоимости обучения моделей
- Меньше энергопотребление
- Быстрее итерации в R&D
- Новое поколение энергоэффективного AI

Код и модель доступны тут: github.com/akazemian/untrained_models_of_visual_cortex

Код создаёт простую нейросеть из 5 слоёв, которая не обучается, - её веса задаются случайно один раз и остаются без изменений.
Через эту сеть прогоняют картинки, получают на выходе числовые "отпечатки" каждой картинки, а затем проверяют, насколько эти отпечатки похожи на реакции настоящего мозга (обезьян и людей) на те же картинки.

Главный трюк в том, что сеть устроена как зрительная кора: на каждом слое она сжимает пространство (из большой картинки делает маленькую) и одновременно раздувает количество признаков (вместо 3 цветов — тысячи абстрактных характеристик).

И вот как раз подбор правильной архитектуры сжатия-расширения позволяет необученной сети выдавать паттерны активности, почти неотличимые от тех, что показывают сети, обученные на миллионах изображений.

#Neuroscience #CNN #JohnsHopkins #Architecture
———
@tsingular

Для генерации отладочных данных подойдет

💡 Вскрой корневые причины конфликтов в команде перед критичной встречей — через сценарий провала

📋 ПРОМПТ ДНЯ:

Роль: Ты — фасилитатор по разрешению конфликтов в технологических командах с экспертизой в психологии групповой динамики и опытом работы с финтех-проектами, где ИИ меняет привычные процессы.

Ситуация: Я руковожу проектной командой, внедряющей ИИ-решения в финансовые продукты. У нас есть сильные специалисты, но нарастает конфликт — между data scientists и классическими финансистами, между скоростью экспериментов и требованиями регуляторов. Моя цель — выстроить рабочий процесс, дающий команде и мне свободу принимать решения без постоянного тушения пожаров. Завтра у нас ключевая встреча, где нужно договориться о дальнейших шагах.

Задача: Проведи со мной провокационную пре-мортем сессию: представь, что встреча завтра провалилась катастрофически — конфликт обострился, люди демотивированы, проект под угрозой. Помоги мне увидеть, какие скрытые причины и невысказанные страхи каждой стороны привели к этому исходу.

Формат ответа:
— Серия из 5-7 провокационных вопросов, заставляющих меня посмотреть на ситуацию глазами каждой стороны конфликта
— Каждый вопрос должен раскрывать один потенциальный сценарий провала
— Вопросы должны быть конкретными, а не абстрактными, с привязкой к реалиям ИИ-проектов в финансах
— Учитывай, что у меня есть только одна встреча, чтобы изменить траекторию

Ограничения:
— Избегай общих советов по менеджменту — фокус на специфике ИИ в финансах
— Не предлагай долгосрочные программы — только то, что можно адресовать на одной встрече
— Не смягчай углы — провокация должна быть честной и неудобной
— Сначала задай мне 2-3 уточняющих вопроса о составе команды и природе конфликта, затем переходи к пре-мортем вопросам

⚙️ ПРИЁМ:
Пре-мортем анализ — ты смотришь на проблему с конца, представляя провал уже свершившимся фактом, что снимает защитные механизмы психики и позволяет увидеть риски, которые в позитивном планировании остаются в слепой зоне

#промпты
------
@tsingular

Буду 5 февраля зажигать :)
А 4 марта вообще вести конференцию !

Обе будут интересные, эт 100%

Не знаю как вы, а я плотно подсел на докер и кубер. Чего и вам советую :)
Вот набор всех команд для облегчения жизни.

Хотите ли вы семинар про on-prem инфраструктуру для ИИ: как поднять локальные модели и окружение так, чтобы это было похоже на прод — без облаков и “магии на ноутбуке”.
Разберём практические подходы:
быстрый старт на LM Studio / Ollama
сборка стека через Docker/Compose
автоматизация и агенты на n8n / LangFlow
что нужно, чтобы оно жило в закрытом контуре
Будет про типовые грабли: GPU/драйверы, скорость, безопасность, обновления, мониторинг.

Продолжительность 2 часа
Показ как это работает на наших машинах причем это 3060 и 4090, а не блок 6*Н200

Ориентировочная цена билета 10к

Срок проведения февраль