ИИ воссоздал все 7 чудес древнего мира

Исследователи из Университета Флориды использовали передовые алгоритмы компьютерного зрения для цифрового восстановления всех семи чудес древнего мира.

Технология анализирует археологические данные, исторические тексты и архитектурные фрагменты для создания максимально точных 3D-моделей.

Восстановлены: Висячие сады Вавилона, Колосс Родосский, Александрийский маяк, Мавзолей в Галикарнасе, Статуя Зевса, Храм Артемиды и пирамида Хеопса.

Проект поможет археологам лучше понять древнюю архитектуру и откроет новые возможности для исторического образования через VR-технологии.

Как раз на днях про это писал :)

#Archaeology #нейрорендер
———
@tsingular

🧬 Прорыв в долголетии от Shift Bioscience — SB000 и будущее клеточного омоложения

🔥 Новое препринт-исследование *“A single factor for safer cellular rejuvenation”* от Shift Bioscience — впечатляющий шаг вперёд в борьбе со старением.

🧠 Суть:
Они обнаружили SB000 — один единственный ген, способный:
- 🔁 обращать возрастные изменения в фибробластах и кератиноцитах
- 🧬 снижать маркеры старения
- ✅ сохранять клеточную идентичность
- 🧪 и не вызывать плюрипотентность, в отличие от OSK

Это делает SB000 потенциально более безопасным инструментом для частичного перепрограммирования клеток.

📊 Ключевые результаты:
- Победил OSK по десяткам транскриптомных и эпигенетических часов, включая Horvath и DunedinPACE
- Убрал экспрессию генов, связанных со старением
- Поддержал функцию клеток без потери специализации

🧬 Но самое интересное — как это было найдено:

Никаких «один ген за раз». Это результат масштабируемой AI-платформы, которая анализирует огромные наборы данных, предсказывает поведение генов и предлагает омолаживающие вмешательства *de novo*.

👾 Это и есть суть AI-first биологии:
- ИИ ищет по всему пространству геномного регулирования
- Foundation-модели (например, **scGPT**) учатся на атласах одиночных клеток, чтобы предсказывать старение, вмешательства и эффекты
- Эксперименты подтверждают гипотезы и замыкают петлю обратной связи

🧬 SB000 — это не просто находка. Это предвестник новой эры в биологии старения:
от гипотез → к генеративным моделям,
от OSK → к SB000,
от догадок → к вычислительно-основанному дизайну.

📌 Будущее долголетия пишется в двух кодах: генетическом и вычислительном.

https://www.biorxiv.org/content/10.1101/2025.06.05.657370v1

#AIinBiology #Longevity #Reprogramming #AgingResearch #scGPT #FoundationModels

Sakana AI релизнули модель для генерации моделей

Она называется Text-to-LoRA. LoRA – это метод файнтюнинга, когда мы вместо полного дообучения всей сети настраиваем для нужных нам задач специальные низкоранговые адаптеры.

Это довольно эффективный метод, но и он требует сбора данных и какого-никакого обучения.

Sakana же предлагают модель, которая на лету генерирует сразу готовые LoRA адаптеры из обычного текстового промпта. Например, на вход: «хочу модель для анализа отзывов в картах». На выход: готовые веса адаптера, которые не надо обучать, а остается только запустить.

Под капотом у T2L лежит классический hypernetwork-подход. Гиперсеть получает на вход эмбеддинг описания задачи вместе с эмбеддингами для каждого слоя исходной модели, а потом через серию MLP-блоков генерирует нужные низкоранговые матрицы A и B, которые сразу прикладываются к базовым весам. Это и есть готовый LoRA-адаптер.

На тестах это работает хорошо: в среднем +8 % к точности над исходником. Это примерно на уровне или даже лучше, чем ручные LoRA и мульти-задачные LoRA.

Представьте, насколько это снижает порог входа в тюнинг моделей для не-инженеров

Статья | GitHub