Матриархат, болезни и археологи: как палеогенетика помогает изучать социальную структуру древних сообществ

Для исследования ДНК древнего человека необходимо собрать целую команду. Во-первых, понадобится археолог, который добудет материал; во-вторых, антрополог, который материал оценит; в-третьих и в-четвертых — палеогенетик и биоинформатик, которые очистят древнюю ДНК и проведут анализы. Четыре человека при самых скромных подсчетах! Зато в результате можно узанть о родственных связях, брачных практиках и правилах, по которым были устроены древние общества. Рассказываем, как палеогенетика исследует социальные структуры прошлого.

Матриархат или патриархат?

Концепция рода относительна: в одних культурах он формируется по материнской линии, в других — по отцовской. Доминирующий пол можно вычислить по соотношению разнообразия митохондрий и Y-хромосом: первые наследуются только от матерей, вторые — только от отцов. 

Если преемником считается сын, а дочь, вступив в брак, «уходит» в другую семью, то в роду будет видна четкая наследственность по Y-хромосоме и большое разнообразие митохондрий.

Этот метод анализа использовали ученые при изучении одного кельтского племени с южного побережья Британии. Анализ захоронений показал, что в основном дуротриги представляли собой родственную группу, сосредоточенную вокруг одной материнской линии, а слишком близких союзов в этом племени старались избегать.

Какие ещё есть методы?

Есть, например, молекулярно-палеопатологический метод: он позволяет изучить болезни, которые часто свидетельствуют о том, к какому социальному слою принадлежал их носитель. Мог ли человек позволить себе постоянное полноценное питание и своевременное лечение, не страдал ли «династическими» недугами? Мог ли он быть пришлым и иметь нехарактерное для местных заболевание или, напротив, обладать устойчивостью к чему-то, от чего страдали все остальные? 

Среди других методов найдутся, например, филогеография и анализ гомозиготных участков. Если хочется разобраться, что это значит и как работает, а заодно выяснить, что мы узнали о неандертальцах из Алтайского края и Ирландии времен неолита благодаря палеогенетике, переходите к полной версии материала.

Время чтения: 14 минут

🤖 «Системный Блокъ» @sysblok

Новый, мертвый, хороший: визуализация текстов Гражданской Обороны

Сегодня 18 лет со дня смерти Егора Летова — основателя «Гражданской обороны» и человека, без которого слово «панк-рок» в России значило бы что-то совсем другое. В этот день предлагаем вспомнить наш уже классический материал с визуализацией текстов Летова.

💔 Я и мы

Мы собрали около 200 текстов Гражданской Обороны и еще одного проекта до 1997 года, автором которых был Егор Летов. Первое, что мы увидели — как из них постепенно исчезает я, уступая место местоимению мы.

❤️‍🩹 Здорово и вечно Хорошо и плохо

Язык Летова вполне разнообразен: слова, встретившиеся во всем корпусе только один раз составляют две трети всего словаря. При этом темы, конечно, повторяются из года в год и из альбома в альбом. Ключевая для творчества Летова — тема смерти. «Положительные» слова вроде хороший, смех, праздник, радость, веселый встречаются тоже, но на них всегда важно смотреть в контексте: у Летова «хороший царь» означает ровно противоположное, а «веселый сок» — это кровь.

Узнать о том, как менялась лексика в текстах Летова с 1985 до 1997 и какие глаголы, прилагательные и существительные были особенно характерны для альбомов разных периодов, можно из полной версии статьи.

Время чтения: 7 минут

 🤖 «Системный Блокъ» @sysblok

Пентагон против Anthropic и новый лидер в видеогенерации

Рассказываем, что произошло в мире ИИ за последнее время.

Пентагон против Anthropic

Между Anthropic и Пентагоном  возникли разногласия при заключении контракта на 200 млн долларов.

Министерство обороны США хочет использовать нейросеть Claude для всех «законных целей». Однако Anthropic потребовала гарантий того, что ее модель не будет применяться для автономного управления оружием и массовой слежки за гражданами Америки. В ответ ведомство назвало попытку ограничить сценарии использования «недемократичной».

По словам неназванного сотрудника Пентагона, глава министерства рассматривает возможность признать Anthropic ненадежным поставщиком для оборонных контрактов. Если такое решение будет принято, все компании, сотрудничающие с Пентагоном, будут обязаны отказаться от продуктов Anthropic. Статус ненадежного поставщика обычно присваивается компаниям из враждебных государств — например, китайским или российским, в числе которых «Лаборатория Касперского».

Напряженность между сторонами усилилась на фоне сообщений о том, что Claude применялся в ходе операции по похищению Николаса Мадуро из Венесуэлы, повлекшей человеческие жертвы. По данным источников, эта информация вызвала серьезное недовольство внутри компании.

Между тем Пентагон уже заключил контракты с другими игроками на рынке ИИ — Alphabet (материнской компанией Google), OpenAI и xAI.

Почему это важно?

Модели ИИ давно применяются в военных целях, однако появление и стремительное развитие больших языковых моделей открывают принципиально новые сценарии. В частности, LLM способны действовать как автономные агенты: самостоятельно анализировать обстановку и принимать решения без участия человека. Бесконтрольное внедрение таких систем в военные операции несет серьезные риски: от ошибочных ударов до эскалации конфликтов по сценариям, которые никто не закладывал.

Исход конфликта между Anthropic и Министерством обороны США станет проверкой для всей отрасли: готовы ли ведущие ИИ-компании на практике отстаивать принципы безопасной и ответственной разработки — или эти принципы останутся декларациями.

Seedance 2.0 — новый лидер видеогенерации

Владелица TikTok, компания ByteDance, представила Seedance 2.0 — новую модель для генерации видео со звуком.

На вход модель принимает текстовое описание, изображения, аудио и видеофрагменты, на выходе — ролики длиной до 15 секунд с многоканальным звуком. Компания заявляет о более точном следовании инструкциям, а также об улучшенной генерации сцен с несколькими объектами и сложными движениями.

Пока модель доступна только китайским пользователям и только по приглашениям, однако примеры работы можно посмотреть уже сейчас.

Запуск немедленно вызвал волну претензий от голливудских студий. Disney, Warner Bros. Discovery, Paramount, Netflix и Sony Pictures потребовали прекратить нарушение авторских прав — поводом стали вирусные ролики с персонажами Marvel, «Звездных войн», «Игры престолов» и других франшиз.

ByteDance заявила, что уважает авторские права и намерена усилить меры по предотвращению их нарушений. Ассоциация кинопроизводителей считает это недостаточным.

Почему это важно?

Первая коммерческая модель для генерации видео по текстовому описанию Sora вышла в декабре 2024 года — чуть больше двух лет назад. Сейчас модели уже способны создавать видео, визуально близкие к реальному кино.

Вопрос авторских прав при этом стоит острее, чем в случае с текстом: видеомодель воспроизводит узнаваемых персонажей и сцены из конкретных произведений. Реакция киноиндустрии показывает, что единого подхода к решению этой проблемы пока нет. OpenAI в аналогичной ситуации заключила лицензионное соглашение с Disney. Какую стратегию выберет ByteDance и другие крупные компании — непонятно.

🤖 «Системный Блокъ» @sysblok

«Придумал мультфильм — можешь быть его режиссером»: интервью с технооптимистом Иваном Ямщиковым

До чего дошел прогресс? Чему ребенка уже может научить робот? Как ИИ скажется на самореализации? Что будет с электроэнергией? Отвечаем и делимся фрагментами интервью Ивана Ямщикова — ученого, предпринимателя и руководителя ИИ-института CAIRO в немецком университете THWS.

Чем ИИ улучшит жизнь человечества?

От внедрения и распространения ИИ можно ждать, в первую очередь, повышения производительности труда. Исторически повышение производительности труда приводило к тому, что люди становились богаче, а когда люди становятся богаче — они начинают лучше жить. Рост производительности труда обычно приводит к росту ВВП на душу населения, что, в свою очередь, улучшает уровень благосостояния, снижает болезни, повышает продолжительность жизни. 

Второй важный момент — самореализация. Искусственный интеллект сильно ее демократизирует. С генеративными моделями ты просто берешь и делаешь. Придумал мультфильм — можешь быть его режиссером. То же самое происходит с кино, компьютерными играми и вообще с искусством: цифровой порог входа резко снижается.

Нужно ли нам как-то подстраиваться под новую реальность?

ИИ необходимо внедрять в образование, но важно сделать это правильно, чтобы не вышло хуже. В XXI веке человеку нужна гораздо более высокая агентность, чем была в системе образования XIX века, с которой мы живем до сих пор.

Искусственный интеллект может помочь ребенку с очень многими вещами, но с поиском собственного пути и с самомотивацией — вряд ли. Значит, это станет ключевой задачей взрослых и школьной системы.

Человек в системе образования должен стать наставником. Он должен погружать ребенка в социальное, политическое и личное. А умножать ребенка спокойно может учить робот.

Что ещё изменится в новой реальности?

Отдельный важный вопрос в контексте ИИ — экологический. С одной стороны, благодаря новым технологиям мы, скорее всего, сможем довольно точно моделировать экосистемы и понимать, какие виды критически важны для того, чтобы экосистемы не коллапсировали. С другой, растут потребности в электроэнергии, и решение этой проблемы зависит от того, какой путь выберет общество. Может быть, будут развиваться маленькие модели, которые тратят меньше электроэнергии. Может быть, наконец получится сделать управляемый термоядерный реактор, чтобы электричества было много, оно было дешевым, безопасным и портативным и чтобы такие установки можно было строить десятками в год.

Подробнее об экологическом аспекте в использовании ИИ, технооптимизме и о том, почему для Ивана Ямщикова ChatGPT не был сюрпризом, узнаете из полной версии интервью.

P. S. Про перспективу войны с ИИ, тренд на Средневековье и проект с нейростихами Егора Летова тоже узнаете!

🤖 «Системный Блокъ» @sysblok

Как превратить коллекцию гравюр Пушкинского музея в онтологию

Как найти «зиму» в коллекции гравюр, если на изображении нет ни снега, ни льда? Традиционные методы вроде поиска по ключевым словам здесь бессильны. В этом случае онтология ICON помогает превратить коллекцию в «умные данные», способные отвечать на сложные искусствоведческие вопросы.

Что такое онтологии — и зачем они нужны?

Онтология в компьютерных науках — это способ моделирования и представления данных, их описание и формализация. Онтологии используются не только в теоретических исследованиях, как в случае с коллекцией Пушкинского музея.

Они также помогают и в таких сферах, как
• обработка данных на естественном языке
• оптимизация производственных процессов
• и даже выявление потенциальных киберугроз

Кстати, больше узнать об онтологиях — и о том, как создавать их самостоятельно, — можно из нашего глоссария.

Какие вопросы можно задать онтологии гравюр Пушкинского музея?

Например, вопрос «На каких изображениях распознается оливковая ветвь?», потому что онтология поможет собрать все произведения с определенным символом. Это очень полезно, потому что исследователь — в отличие от поиска коллекции — не может просмотреть 100 000 гравюр вручную.

Кроме того, онтология может выявить скрытые паттерны. Ей можно задать вопрос: «Связан ли выбор мифологических сюжетов с местом обучения художника?» Онтология сопоставит место учебы сотен мастеров с иконографией их работ и выдаст корреляцию, чтобы вы точно знали, кто и где чаще рисовал Венеру, а кто – Вакха.

Наконец, «как всё-таки найти зиму без снега и льда»? Онтология связывает аллегорию зимы с такими мотивами, как «меховая шапка», «восседать на облаке», «голая ветвь». Дальше, например, фигура в центре распознается как «Эол» (бог ветров) или «Борей» (бог северных ветров). Благодаря таким мотивам можно понять, что на картине изображена зима, даже если мы не видим ни снега, ни льда. Любое другое визуальное воплощение будет описываться так же, как и зима, то есть как композиция из фигуры и ее атрибутов.

О том, как онтология производит распознавание и использует классическую теорию интерпретации Эрвина Панофски, вы узнаете из полной версии материала на сайте.

Время чтения: 6 минут

🤖 «Системный Блокъ» @sysblok

Английский vs Корейский в K-pop

K-pop покоряет мир, и его тексты тоже меняются, подстраиваясь под международную аудиторию. На основе корпуса из 290 песен корейских исполнителей расскажем о новых стратегиях использования английской лексики в песнях и о возникших гендерных различиях в лексике.

Вот они слева направо

Путь на мировой рынок для K-pop открыло выступление BTS на American Music Awards и победа на Billboard Music Awards в 2017 году. Начиная с этого времени, в песнях K-pop групп стало значительно больше английских слов. Чтобы отследить эту динамику, в ходе исследования тексты группировали по годам. Особое внимание было уделено последнему слову в строке, типично являющимся в корейском сказуемым или определением.

Что выяснилось?

С 2020 года строки стали значительно чаще заканчиваться на английском. В 2022 году английский в этой позиции впервые обогнал корейский. Особенно тренд усилился в 2023: уже больше половины строк завершались на английском.

Boys and girls

Корейские музыкальные коллективы, как правило, делятся на мужские и женские; смешанные составы встречаются редко. Корпус включает 161 песню, исполненную женщиной или женской группой, 129 песен, исполненных мужчиной или мужской группой, и одну песню смешанного коллектива.

Анализ частотности слов показал, что слово «boy» встречается 105 раз и чаще употребляется в текстах женских коллективов, а «girl» — 102 раза, и преобладает в песнях мужских исполнителей. Согласно графику, слово «love» значительно чаще используется мужскими коллективами (268 употреблений против 93 у женских), в то время как корейское слово «사랑», означающее «любовь» чаще встречается в текстах женских групп.

Так, в песнях мужских коллективов заметно более выраженное предпочтение к использованию английских заимствований, в то время как у женских это предпочтение выражено слабее.

Полный анализ тенденции к англизации текстов K-pop, включая другие примеры, найдете в полной версии статьи.

Время чтения: 7 минут

🤖 «Системный Блокъ» @sysblok

За пределами видимости: как женские имена остаются в тени школьной программы

8 марта — не про букеты и шоколад, а в первую очередь про права женщин. Например, право быть услышанной. В школьной программе по литературе женщинам отведено всего 2% — и мы решили проверить, всегда ли так было. Рассказываем, почему вы не помните писательниц из школы (и дело не в вашей памяти)

Как менялась школьная программа?

В зависимости от эпохи в школьную программу входили разные женщины-писательницы. Например, женская часть программы 1932 года сегодня вряд ли будет восприниматься как “классика”: там есть комедии императрицы Екатерины II и стихи малоизвестных ныне поэтесс Павловой и Соловьевой. В программах 30 годов находим и первое, хотя и кратковременное, появление Анны Ахматовой, чье имя вернется в школу только спустя полвека.

Ближе к середине XX века на первый план выходят незнакомые современному читателю имена и непривычные жанры: на первый план выходят фольклорные исполнительницы Марфа Крюкова и Ирина Федосова, в список также попадает Маргарита Алигер с поэмой «Зоя» о Зое Космодемьянской. В дальнейшем наблюдается настоящий «расцвет» женской литературы в программе, хотя и с четкой идеологической направленностью: в 1970–1980 школьники проходят три повести Марии Прилежаевой о Ленине и стихотворение Веры Инбер, посвященное его смерти.

С 1980–1990 годы в списки триумфально возвращается Анна Ахматова и программа значительно меняется. В 1991 году включают больше десятка женщин, хотя в последующие годы стабильно остаются только Ахматова и Цветаева. Затем в 2023 году обязательными авторками становятся еще несколько женщин, среди которых Юнна Мориц, единственная наша современница в школьной программе, со стихотворениями «Большой секрет для маленькой компании» и «Ёжик резиновый».

Что мы узнали?

Женщин в русской литературе заметно меньше, чем мужчин, но школьная программа усиливает этот разрыв в 2–4 раза, создавая впечатление, будто писательниц почти нет, хотя это не соответствует действительности.

В полной статье предполагаем, с чем это может быть связано, а также раскрываем детали исследования.

🤖 «Системный Блокъ» @sysblok

Как нас обманывают двойные оси

Вы когда-нибудь видели график, на котором слева — ось выручки в миллионах рублей, а справа — количества клиентов? Или, например, температура в градусах и осадки в миллиметрах? Это график с двойными осями Y — он позволяет сравнивать два показателя, но часто приводит нас к неверным выводам.

В новом материале рассказываем о проблемах, которые возникают при использовании двойных осей и о том, как их избежать.

Так, графики с двойными осями могут использоваться, чтобы создать у читателя иллюзию корреляции — взаимосвязи между показателями. Например, график может иллюстрировать корреляцию между популярностью имени Stevie и стоимостью акций Amazon. Человеческое сознание автоматически сравнивает формы линий. Мы видим на графике «одинаковый рост», отмечаем синхронность линий, и нам кажется, что они связаны.

Однако на самом деле это просто иллюзия. Независимый масштаб двух осей делает сравнение кривых некорректным, нарушаются принципы графического восприятия. Так люди считывают зависимость показателей, которой на самом деле нет.

Чтобы узнать об альтернативных способах представления информации, читайте полную версию статьи.

🤖 «Системный Блокъ» @sysblok

Конфликт Пентагона и Anthropic, протест против OpenAI, увольнение главы разработки Qwen

Рассказываем, что произошло в мире ИИ за последнее время.

Пентагон против Anthropic

Ранее мы писали о конфликте Министерства обороны США с компанией Anthropic. Камнем преткновения стали два вопроса: применение ИИ для массовой слежки за гражданами США и автономное управление оружием.

26 февраля Anthropic заявила о готовности к сотрудничеству с государством в оборонной сфере, однако обозначила жесткие ограничения: массовая слежка за американскими гражданами неприемлема (при этом слежка за иностранными гражданами допустима), а текущие ИИ-системы еще недостаточно надежны для автономного управления оружием. Пентагон предложил формальный компромисс без изменений по сути, однако Anthropic на него не согласилась.

На следующий день президент Трамп поручил федеральным ведомствам прекратить использование продуктов Anthropic. Вслед за этим глава Пентагона Хегсет инициировал процедуру признания Anthropic «ненадежным поставщиком», фактически отрезав компанию от сотрудничества с любой организацией, связанной с Министерством обороны.

В тот же день о партнерстве с Пентагоном объявила OpenAI. По словам ее гендиректора Сэма Альтмана, договор включал ровно те ограничения, которых добивалась Anthropic. Однако сторонние юристы указали, что соглашение допускает использование ИИ фактически в «любых законных целях», а что считать законным — во многом определяет сам Пентагон.

Расхождение между публичными заявлениями Альтмана и реальным содержанием договора вызвало волну отмены подписок на ChatGPT и переход пользователей на Claude, который на некоторое время поднялся до второго места в американском App Store.

4 марта в сеть утекло внутреннее сообщение гендиректора Anthropic Дарио Амодеи сотрудникам компании. В нем он назвал публичные заявления OpenAI «откровенной ложью», но на следующий день Амодеи принес публичные извинения, заявив, что компания не причастна к утечке, а само письмо было написано после срыва переговоров с Пентагоном — в состоянии аффекта. По его словам, текст не отражает его взвешенной позиции по текущему положению дел.

Почему это важно?

Исход конфликта — первый публичный ответ на вопрос, который раньше обсуждался лишь в академических кругах: что происходит, когда принципы ответственной разработки ИИ сталкиваются с государственной властью? Отныне любое разногласие с Пентагоном грозит не просто потерей контракта, а попыткой уничтожить компанию.

Глава команды Qwen покинул Alibaba

Линь Цзюньян, технический руководитель команды Qwen с 2023 года, разрабатывающей одну из самых популярных открытых LLM, объявил об уходе. Вместе с ним ушли руководитель направления дообучения Юй Бовэнь и еще несколько участников команды.

Qwen — семейство языковых и мультимодальных моделей холдинга Alibaba (владелец AliExpress, Taobao и других крупных маркетплейсов), одно из самых популярных в мире с открытыми весами. Модели Qwen используются как в американских, так и в российских компаниях, например, в Яндексе и Т-Банке.

Официальные причины ухода главы компании не названы, однако несколько источников указывают на реструктуризацию: из автономного стартапа Qwen превратился в подразделение под прямым управлением Tongyi Lab.

Реакция сообщества оказалась бурной, коллеги называли уход «концом эпохи». Акции Alibaba в Гонконге упали на 5,3%.

Почему это важно?

Успех Qwen во многом строился на модели «стартапа внутри корпорации»: автономная команда, короткие циклы разработки, быстрый выход в открытый доступ. Корпоративная реорганизация нередко подавляет именно ту культуру, которая и обеспечивала успех проекта.

Если реструктуризация приведет к тому, что модели Qwen перестанут выходить в открытый доступ, это существенно замедлит развитие open-source моделей в целом.

 
🤖 «Системный Блокъ» @sysblok

От формулы к черному ящику: мы перестали понимать мир?

Используя в вычислениях ту или иную формулу, мы часто не понимаем ее смысла. Да и зачем, если все формулы уже выведены и готовы к использованию? С развитием нейросетей мы шагнули еще дальше от понимания вычислительного процесса, променяв осмысление на эффективность и скорость. Нейросети выдают пользователю результат, основываясь на закономерностях, которые часто не может сформулировать вообще никто, включая и тех, кто нейросети обучал. «Это прогресс или капитуляция перед сложностью мира?» — об этом рассуждает в своем блоге Дмитрий Пронин.

«Как?» и «почему?»

На протяжении истории человечеству часто приходилось отказываться от привычного понимания мира и двигаться в сторону всё более сложных абстракций. Так, в античности придумали иррациональные числа для описания длины квадрата и идею нуля как мысленного эквивалента «ничего», а для торговли понадобились отрицательные числа. Эти абстракции были сложны для восприятия, но они предлагали объяснение тому, что раньше было непонятным.

«Как?» без «почему?»

В дальнейшем получили развитие численные методы. Когда точной формулы нет, можно найти приблизительный ответ через серию вычислений и перебор вариантов. Численные методы уже не позволяли сформулировать универсальный закон через компактное уравнение, но зато позволяли подобрать примерные закономерности для очень сложных систем. Появление компьютеров сделало их применение намного эффективнее: машины быстро выполняют вычисления, которые хорошо поддаются алгоритмизации.

Правильные ответы без «как?» и «почему?»

Следующим шагом стали статистические методы и выросшее из них машинное обучение. Они позволили нам предсказывать закономерности, которые проявляются на больших массивах наблюдений. Эти методы эффективно работают с такими материалами, как изображения и естественный язык. Но понимания стало еще меньше: теперь мы не понимаем не только почему система ведет себя так или иначе, как это было при использовании численных решений без аналитической формулы, но и на какой закономерности строится решение.

🙈 Мы совсем перестали понимать мир?

Численные и вероятностные подходы — это не замена теории и не отказ от научной строгости. Скорее, они закрывают практические потребности там, где создать стройную теорию (пока) не получилось, но есть много данных для выведения закономерностей. Например, анализ текстов или картинок. Подробнее о том, как наука работает с такими задачами, читайте в блоге Дмитрия Пронина.

🤖 «Системный Блокъ» @sysblok