Нобелевский лауреат Хинтон считает, что у AI уже может быть субъективный опыт.

Amjad Masad (СЕО Replit) говорит, что учиться кодить - это устаревающий навык; реально важный навык - учиться управлять роем AI-агентов.

CEO Anthropic считает, что в течение пары лет появится миллиардная компания, сделанная одним человеком.

Мой AI проанализировал 73 интервью, которые дали топ-30 лидеров в AI за май. Анализ популярных тезисов, редкие мнения и выводы, куда, кажется, все движется, здесь:

https://rune-rate-87c.notion.site/AI-leadership-analysis-made-by-AI-May-2025-208fb93e7ab4805da521de4e7e29867f

Radhey Lal скрестил квантовые алгоритмы и ИИ — и сократил расчёт доз лучевой терапии с часов до минут.

Chao Yang придумал «реверсные» генетические ножницы — теперь можно чинить мутации там, куда CRISPR не дотягивался.

Yicheng Wang дал микроскопу ИИ-зрение: аппарат вживую следит за митохондриями и сам находит лекарства.

Мой AI прочитал 298 статей про AI за последний месяц, выбрал самые интересные с точки зрения фундаментальной и прикладной науки, сделал выводы о фронтире и ключевых проблемах. Полный репорт здесь:

https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-June-2025-218fb93e7ab48073a05ace635f5b99bf

Маск и Бенджио уверены: AGI за углом (2-5 лет).
Пичаи и Маркус спорят: минимум десятилетие, слишком много «тупиков».

Хинтон и Харари пугают безработицей белых-воротничков.
Хуанг и Пичаи отвечают: задачи сменятся, а не исчезнут.

Альтман и Карапати продвигают AI-агентов как новый OS.
Бенджио считает, что агентность — лишний риск, нужен «без целей» научный ИИ.

Пичаи и Андрисен за гибкое регулирование «по ходу дела».
Бенджио и Харари требуют жёстких ограничений до запуска.

Альтман и Хуанг верят в «больше параметров = больше ума».
Чолле и Фэй-Фэй Ли: масштаб упирается в потолок, пора гибрид с символикой.

Мой AI проанализировал 50 интервью, которые дали топ-30 лидеров в AI за июнь. Анализ популярных тезисов, редкие мнения, противоречия разных людей и выводы, куда, кажется, все движется, здесь:

https://www.notion.so/AI-leadership-analysis-made-by-AI-June-2025-226fb93e7ab4804796e7e5e13726da0f

J. Abraham и команда объединили пан‑омикс и жидкостную биопсию — один забор крови теперь умеет одновременно искать рак на ранней стадии, определять его локализацию, подбирать терапию и контролировать остаточное заболевание.

R. A. W. Ayyubi применил машинное обучение к поиску материалов — α‑MoO₃ ловит экстремальный УФ‑свет в 200–800 раз лучше кремниевых фотодиодов. Это важно, потому что такие сверхчувствительные детекторы открывают путь к более точной и эффективной литографии следующих поколений микросхем и к высокоразрешающей астрономической и спутниковой съёмке.

Zain Shabeeb создал LEONARDO — генеративный ИИ «наблюдает» за движением наночастиц и воспроизводит реалистичные сцены без сложных уравнений, позволяя масштабно симулировать микроскопические эксперименты.

Мой AI прочитал 273 статьи за последний месяц, выделил самые впечатляющие научные и технологические прорывы и сформировал выводы о текущих фронтирах и ключевых проблемах. Полный репорт здесь: https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-July-2025-232fb93e7ab48043897addaceaa1d742

Альтман: у детей будет больше друзей-ИИ, чем человеческих.

Маск и Кхосла: работа ради выживания исчезнет — ИИ возьмёт весь «неэмпатичный» труд.

Харари: священные тексты станут интерактивными, религии перестроятся под ИИ.

Амодеи: обязательный «модуль эмпатии» важнее миллиардов параметров.

Мой AI нашёл эти прогнозы среди 50+ интервью за последний месяц. Анализ того, что говорили топ-30 лидеров в AI, их предсказания и споры здесь:
https://rune-rate-87c.notion.site/AI-leadership-analysis-made-by-AI-August-2025-248fb93e7ab480a59c32e4a859f492e1?pvs=73

с помощью notebook lm визуализировал последний репорт, и, на мой вкус, получилось неплохо, это вполне можно смотреть.

получается, это видео сделал AI по анализу, сделанному AI, о том, что говорили про AI топ-30 AI экспертов

ИЩУ КОФАУНДЕРА В НОВУЮ КОМПАНИЮ

Для тех, кто меня не знает: я нейробиолог по образованию и предприниматель по жизни:)
Как нейробиолог — завершаю PhD in Cognitive Neuroscience в ICN HSE. Фокус — нейробиология принятия экономических решений.
Как предприниматель — у меня было несколько проектов. Последний, Emonomy (emonomy.xyz), продавал корпорациям данные о том, как правильно распределять рекламный бюджет между каналами и креативами, чтобы увеличить ROI, основываясь на эмоциях людей. Мы привлекли инвестиции от топ-2 фонда ранней стадии (500 Global), поработали с 40+ корпорациями — Citi, Toyota, Unilever — в США, Мексике, Индии, Австралии и ещё 14 странах.

Мы не нашли сильного product-market fit и дорогу в юникорны. Как-нибудь расскажу про это подробнее. Сейчас работаем над продажей компании.

Когда стало больше свободного времени, в начале я в основном его тратил на баскетбол и на героев меча и магии. Потом подумал: а почему бы не сделать модель психики человека? Сначала занимался этим по фану, потом стало получаться — и я решил строить вокруг этого компанию.

В этой новой компании мы создаем модель психики – AI (llm) который симулирует разнообразные психические процессы «среднего человека». Я назвал ее Synthius.

R&D-результаты:
— По бенчмарку cogbench модель предсказывает поведение людей лучше, чем все остальные нейросети. У меня есть сомнения, стоит ли полностью доверять этому тесту, но результат такой 🙂
— Модель отлично предсказывает опросные данные: корреляция между ответами модели и людей — 83%. У ChatGPT — около 20%.
— Модель хорошо предсказывает эффективность креативов. В кейсе для немецкой gamedev-компании креативы, выбранные AI, дали: +50% CTR, –40% CPI в Facebook и +60% ROAS в AppLovin.

Сейчас я вижу два направления:
B2B в маркетинге — цифровые двойники целевых аудиторий.
B2C — модель конкретного человека, симулирующая его поведение в конкретной ситуации. На днях я доделал первую версию AI-модели «Андрея Кислова» 🙂 Юзкейсов масса: от продвинутой терапии и коучинга до нового тиндера и цифрового бессмертия.
Я вижу большой потенциал в этом направлении. Но также понимаю – мне нужен очень сильный технический кофаундер в это дело. Человек, с которым мы будем смотреть в одну сторону, пройдем через кучу боли и через кучу радости. С кем иногда мы будем ближе, чем с нашими мужьями/женами. Я уже сходил на кучу «свиданий» и с парочкой попробовал поработать, но пока не влюбился. Призываю силу нетворка!

Если у вас есть друг, который:
1. владеет крутым AI-скиллсетом,
2. имеет огромную мотивацию и предпринимательский задор,
3. отлично шутит —
пришлите ему этот пост. Если мы сработаемся — с меня $3000. мой контакт @AndrewKislov

Если такого друга нет — сделайте репост в фб/линкедине. Если по вашему репосту он найдётся — с меня $500.

https://www.facebook.com/Kislov.Andrey/posts/pfbid02SbTLrXawCEdH2PiZpDamsYjGCb6RZQn2Tqk8NiH1VxzQn1Z75WTyxDpjPqazBq22l
https://www.linkedin.com/feed/update/urn:li:activity:7364608896889438208/

P.S. Я активно ищу технического кофаундера, но буду рад пообщаться и с людьми с другими компетенциями, если вам кажется, что нам может быть по пути.

p.p.s сорри что в канале с анализом новостей про AI написал не по теме. Но дело супер важное, надеюсь на понимание)

Mathew J. K. Jones создал DNAscent — «микроскоп» для ДНК с ИИ: на уровне одиночных молекул видно, где в раке замедляется или стопорится копирование. Это важно, потому что в одном эксперименте можно понять, действует ли лекарство, подобрать схему и метки ответа.

Hui Chen показал голосовое управление МРТ через многоагентный LLM: врач говорит обычными фразами, система уточняет и запускает протокол даже в шуме. Это важно, потому что меньше ошибок, быстрее работа и не надо трогать панели в стерильной зоне.

V. S. Gerasimov связал простую физическую формулу резонансов света с ML-суррогатом: модель мгновенно «угадывает» ключевые параметры линии и ускоряет проектирование высоко-Q фотонных устройств. Это важно, потому что меньше дорогих симуляций и шире пространство дизайнов.

Faisal Khan показал, что нанокомпозиты (графен, TiO₂ и др.), оптимизированные ML, почти вдвое снижают энергозатраты на сжижение водорода. Это важно, потому что хранить и возить «зелёный» водород становится дешевле и реалистичнее для энергетики и транспорта.

Seyed Vahid Razavi-Termeh собрал объяснимую ML-систему, которая по спутниковым и наземным данным одновременно предсказывает паводки, оползни, пожары и просадки грунта — с указанием ключевых факторов риска. Это важно, потому что службы могут заранее планировать защиту, эвакуации и страховые тарифы.

Мой AI прочитал 273 статьи за последний месяц, выделил самые сильные прорывы и собрал выводы о фронтирах и проблемах. Полный репорт здесь: https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-Aug-2025-25dfb93e7ab48036ac3de34f7f6d007f

Амодеи, Альтман, DeepMind, Google, NVIDIA: «масштабирование больших моделей доведёт нас до AGI».
Гэри Маркус и команда Anthropic по интерпретируемости: «просто масштаб уже упёрся в потолок — нужны гибридные и прозрачные архитектуры».

Фаундеры и инженеры: «проблему выравнивания можно решить инженерными методами и политикой».
Хинтон, Бенджио, Anthropic: «на уровне суперинтеллекта это может оказаться принципиально нерешаемо и несёт экзистенциальные риски».

NVIDIA, Google, Сам Альтман: «открытая разработка и быстрые релизы важны для прогресса и справедливого доступа».
Бенджио, Хинтон, часть СМИ и художников: «нужны моратории и лицензии, чтобы избежать катастрофических сценариев».

Кхосла, Маск, Хинтон, Альтман: «большинство профессий исчезнут — и физические, и творческие».
Гуманисты, педагоги и художники (и сам Альтман о *human touch*): «наоборот, ценность человеческого общения, заботы и наставничества только вырастет».

Политики США и ЕС: «Китай — конкурент, нужна защита технологий и экспортные ограничения».
Хуанг и Keyu Jin: «Китай — ключевой партнёр для стандартов и инноваций, без него рынок не сложится».

Мой AI нашёл эти противоречия среди 30 интервью за последний месяц. Анализ того, что говорили топ-30 лидеров в AI, их предсказания и споры здесь: https://rune-rate-87c.notion.site/AI-leadership-analysis-made-by-AI-September-2025-26bfb93e7ab480e6aee8df1dcbaa901f

Zhixiang Cheng — MaskMol: AI по картинкам молекул

Cheng и команда создали модель, которая учится не на текстах или графах, а на изображениях молекул. Трюк в том, что части молекулы скрываются (атомы, связи, характерные группы), а модель должна угадать, что там было.

Почему это важно: в разработке лекарств существует феномен activity cliff: два вещества почти одинаковы, но одно действует в 100 раз сильнее. Большинство ИИ не различают такие «тонкие детали».

Что нового: MaskMol «маскирует» именно химически значимые элементы, поэтому учится обращать внимание на микроструктуры, которые влияют на активность.

Практическая польза: ускоряет поиск кандидатов в лекарства, снижает процент провалов на поздних стадиях испытаний, делает дизайн новых препаратов предсказуемее.

Waleed Diab — Temporal Neural Operator (TNO): предсказания динамики сложных систем

Diab представил новый тип нейросетевого оператора, который умеет работать с временной динамикой физических процессов.

Проблема: существующие модели PDE (уравнения в частных производных) плохо справляются, если нужно прогнозировать на большой промежуток вперёд или на новой сетке (например, другой регион климата).

Решение: TNO добавляет «временную ветку» — отдельный модуль, отвечающий за обработку времени, плюс новые методы обучения. В итоге модель делает прогнозы стабильнее и точнее.

Просто: система может «посмотреть» на поведение в природе и предсказать, что будет дальше, даже если сталкивается с новой ситуацией.

Применения: климат, гидродинамика, турбулентность, моделирование инфраструктуры и энергетики.

Shuyang Zhang — Ландшафты приспособленности бактерий

Zhang и коллеги исследовали, как шесть видов бактерий растут в 190 разных питательных средах.

Результат: оказалось, что скорость роста — это своего рода «экологический отпечаток», который отражает эволюционную историю и типичные условия обитания бактерии.

Почему важно: раньше было трудно предсказать, как микробы адаптируются и конкурируют. Теперь можно системно связывать генетику, среду и эволюцию.

Просто: «если кормить бактерии разными супами, можно понять, откуда они родом и где будут чувствовать себя лучше всего».

Зачем нужно: полезно для биологии, экологии, разработки синтетических сообществ, а также для борьбы с патогенными микробами.

Crazy Prediction — ИИ-учёные

Некоторые авторы прогнозируют появление ИИ, которые будут сами придумывать, проводить и интерпретировать эксперименты.
Фундаментальные модели начнут учиться на текстах, картинках, биомаркерах и сенсорах сразу, превращаясь в универсальные «двигатели научного мышления».

Возможны первые коммерческие «ИИ-психологи» и «ИИ-учителя», адаптированные под индивидуальные эмоции и стресс.

Самообучающиеся цифровые двойники будут работать везде — от умных ферм до зданий, обновляясь прямо «на краю» (edge AI) и координируясь друг с другом, иногда даже проявляя зачатки «эмоционального поведения».



Мой AI прочитал 223 статьи за последний месяц, выделил самые сильные прорывы и собрал выводы о фронтирах и проблемах. Полный репорт здесь: https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-Sep-2025-27dfb93e7ab4801eb2c6d6fc5710888e

Хинтон считает, что у ИИ уже может быть субъективный опыт — галлюцинации моделей — это не ошибка, а проявление мышления.

Мустафа Сулейман уверен: разговоры о «правах ИИ» — пустая философия, алгоритмы не чувствуют боли и не заслуживают морального статуса.

Сантехника переживёт программистов: ручной труд с точными движениями останется дольше всего — автоматика заменит офис быстрее, чем роботы заменят мастеров.

Бен Хоровиц: галлюцинации — это фича, не баг; воображение ИИ может стать топливом для инноваций.

Гэри Маркус призывает: меньше инвестиций в масштабирование, больше в рассуждение и нейро-символику.

Мой AI посмотрел 52 интервью, которые лидеры AI дали за последний месяц, и проанализировал их; проанализировал, во что верят примерно все, а по каким вопросам мнения расходятся. Полный репорт: https://rune-rate-87c.notion.site/AI-leadership-analysis-made-by-AI-October-2025-28cfb93e7ab480218bc5d76f5bf21174

Yannick Werner создал QuKAN — квантовый алгоритм нового поколения, который учится приближать сложные функции и строить объяснимые квантовые схемы. Он объединяет идеи из классической математики (Kolmogorov–Arnold networks) с квантовыми системами.
🔹 Проще говоря: это нейросеть, которая «думает» как квантовый компьютер — видит закономерности сразу, без перебора. Используется для анализа физики материалов и сложных финансовых систем.

Chuchu Rao предложил гибридную квантово-биовдохновлённую нейросеть. Она сочетает поведение биологических систем — вроде кооперации животных — с вероятностной логикой квантовых вычислений.
🔹 Просто: модель умеет распознавать слабые сигналы и прогнозировать риски в финансовых данных точнее, чем классические алгоритмы.

Chenglong Ge разработал K-MLLM-pro, физически информированную языковую модель, которая понимает законы движения. Она применима для прогнозов трафика, ураганов, потоков воды или миграций животных .
🔹 Проще: языковую модель научили немного «знать физику» — теперь она различает типы траекторий (машины, штормы, птицы) даже при нехватке данных.

Kyle Ishikawa показал, что ИИ может находить ранние признаки когнитивных нарушений (деменция, стресс, депрессия) по обычным анкетам и данным о повседневной активности.
🔹 Просто: ИИ видит, кто начинает «мыслить иначе» или теряет энергию, задолго до врачей — давая шанс вмешаться вовремя.

Tamer ShamsEldin добавил к этому направление психометрического прогнозирования: модели анализируют ответы о тревоге и настроении, предсказывая риск депрессии с точностью свыше 80%
🔹 Проще: достаточно короткой анкеты, чтобы ИИ подсказал, кому нужна поддержка ещё до появления тяжёлых симптомов.

Мой AI прочитал 288 статей за последний месяц, выделил самые сильные прорывы и собрал выводы о фронтирах и проблемах. Полный репорт здесь: https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-Oct-2025-29afb93e7ab4814199e4c0756ef87fc0

СВОДКА МНЕНИЙ ЛИДЕРОВ AI ЗА НОЯБРЬ: коротко о самом важном

За ноябрь мой AI разобрал 51 интервью топ-лидеров в AI — от Маска и Сулеймана до ЛеКуна и Наделлы.

1. Одна из точек консенсуса:
Инфраструктура стала важнее архитектур

Темпы развития ИИ теперь ограничены не алгоритмами, а железом.

Что реально тормозит фронтир:

* нехватка чипов
* нехватка энергии
* нехватка дата-центров
* рост стоимости тренировки
* уязвимые цепочки поставок

По сути, ИИ стал энергетической и инфраструктурной гонкой — кто построит больше вычислений, тот и лидер.

---

2. Самые необычные идеи (упомянуты один раз, но с огромным весом)

“Ни учителя, ни психологи не выдержат конкуренции с ИИ”

Некоторые лидеры считают, что ChatGPT станет первым советником по воспитанию детей, отношениям и эмоциональным вопросам.

“АИ-операторы заменят юристов, финансистов и врачей в части их функций”

Появится новый класс профессий — сертифицированные «AI-операторы», которые отвечают за корректное применение мощных моделей.

“Энергия — главный предел сверхразума”

Если появится суперразум, его ограничит не математика, а энергия. Он же и придумает новые типы энергии.

---

3. Куда всё идёт (safe-предсказания, где все согласны)

* ИИ будет автоматизировать *все виды когнитивной работы*
* Агенты станут основной формой продукта
* Энергия и железо = главный узкий горлышко
* Регуляции будут хаотичны и фрагментированы
* Учёба, работа, навыки — полностью меняются
* В каждой профессии будет персональный "ИИ-сотрудник"




👉 Полный отчёт здесь: https://rune-rate-87c.notion.site/AI-leadership-analysis-made-by-AI-November-2025-2b0fb93e7ab4811eaa48f27a736a9199

🧠 От молекул до климата: как новый ИИ меняет науку уже сейчас

За ноябрь мой AI прошёлся по сотням свежих статей и выделил самые интересные научные прорывы. Вот две, которые особенно зацепили 👇

1️⃣ MaskMol: когда ИИ «видит» лекарства, а не просто формулы

Zhixiang Cheng и команда сделали MaskMol — модель, которая учится по картинкам молекул, а не только по графам и текстам.
Фокус: она специально прячет отдельные атомы и связи и пытается восстановить, что там было.

Зачем это нужно:

в фарме есть феномен activity cliff: два почти одинаковых вещества, но одно в 100 раз мощнее;

большинство моделей это не чувствуют — MaskMol как раз учится замечать эти микро-различия;

в итоге становится проще отбирать перспективные кандидаты и меньше сливать деньги на мёртвые молекулы.

2️⃣ TNO: ИИ, который предсказывает динамику сложных систем

Waleed Diab предложил Temporal Neural Operator (TNO) — модель, которая может учиться на данных сложных процессов (климат, потоки жидкости, движение людей) и предсказывать будущее поведение системы.

Почему это важно:

классические модели PDE либо очень дорогие, либо плохо масштабируются;

TNO умеет работать на других сетках и горизонтах, чем те, на которых обучался;

это шаг к более точным и быстрым климатическим, инженерным и урбанистическим прогнозам.

⚡️ Плюс: в репорте есть и более «смелые» идеи — про ИИ-системы, которые сами придумывают и проводят эксперименты вместо учёных, и про цифровых «двойников» людей и объектов, которые постоянно обновляются по данным с датчиков и помогают точнее управлять реальным миром (фермами, зданиями, городами).

Полный отчёт про 200 статей про AI, вышелших в Q1 журналах, здесь:
https://rune-rate-87c.notion.site/AI-science-analysed-by-AI-Nov-2025-2befb93e7ab4816f991bebb07bc2401b

а еще, я тут сегодня игрался с Suno, и за 20 минут записал рэп про ai новинки по репорту выше.

То есть AI пишет рэп про отчет, сделанный AI, про аналитику, сделанную AI, о статьях про AI