📰Дайджест новостей в сфере ИИ и науки: собрали главные инфоповоды недели

Астрономы впервые нашли пару чёрных дыр, ученые смогли понять дыхательную систему рептилий, а ИИ научился распознавать поведение крыс и предсказывать старение клеток. Что еще произошло в мире науки и технологий за эту неделю — читайте в свежем дайджесте ⬇️

🇷🇺 В России:

В МГУ им. М.В. Ломоносова создали мультимодальный фреймворк HL-EAI для исследования эмоционального взаимодействия человека и алгоритма. Фреймворк поможет определить влияние эмоций на совместное принятие решений и на поведение ИИ.

В Университете «Сириус» обучили нейросеть распознавать и анализировать поведение крыс с генетическими нарушениями работы мозга. Метод применяется для тестирования потенциала различных препаратов.

На МКС нейросеть впервые распознает речь космонавтов. Экипаж применил GigaChat автономно от наземных серверов для протоколирования сеансов связи, подготовки сообщений для Земли и формирования отчетов.

🌍 В мире:

Anthropic запустила публичную бету Claude Managed Agents — сервиса, который берет на себя всю инфраструктуру для работы AI-агентов в продакшене.

Исследователи Gladstone Institutes (США) разработали ИИ-модель MaxToki, которая предсказывает, как стареют клетки.

Милла Йовович стала вайб-кодером и представила собственный проект MemPalace — open-source систему долговременной памяти ИИ.

Anthropic представила новую языковую модель Claude Mythos Preview, которая продемонстрировала беспрецедентные способности в области кибербезопасности.

🔍 Наука:

Полярная экспедиция случайно наткнулась на неизвестный остров у берегов Антарктиды. Участок суши длиной 130 м, ранее считавшийся на картах неопределенной зоной опасности, был нанесен на карту экипажем немецкого исследовательского ледокола.

Астрономы впервые зафиксировали тесную пару сверхмассивных чёрных дыр в центре галактики Markarian 501. Благодаря открытию можно изучать слияние сверхмассивных чёрных дыр и проверять теоретические модели их эволюции.

Мумия возрастом 300 млн лет помогла ученым реконструировать самый древний пример дыхательной системы рептилий.

Древние микробы раскрыли тайну появления клеток, из которых мы состоим. В строматолитах впервые зафиксирован физический контакт между археей Асгарда и бактерией — именно так миллиарды лет назад могла зародиться сложная жизнь.

Еще больше об ИИ и науке читайте в DSCS.pro

Университеты не будут прежними: как ИИ меняет образование?

🎓 87% студентов и 60% преподавателей уже используют искусственный интеллект в учебе и работе. Еще немного и в каждом учебном заведении появятся AI-тьюторы, цифровые ассистенты, а обучение будет выстраиваться по принципу AI-native, когда ИИ вшит в саму структуру образовательного процесса.

Об этом и многом другом вы узнаете на лекции Максима Викторовича Абрамова «ИИ-образование: как учить и учиться с помощью искусственного интеллекта?» в рамках ежегодного форума «Университет будущего 2026».

🔍 Что обсудим?

✅ как зарождалось цифровое образование?
✅ какие ИИ-продукты помогают студентам и преподавателям сегодня?
✅ по каким сценариям будет развиваться цифровое образование?
✅ что нужно для успешной трансформации образовательной сферы?

📆Дата: 16 апреля, с 14:30 до 15:30
📍Место: «Точка кипения – Санкт-Петербург», наб. реки Карповки, д.5 АК, этаж Н, зал Микеланджело
🔗Регистрация

Не пропустите — будет интересно! 🔥

Викторина 1️⃣2️⃣
Что такое overfitting в машинном обучении?

Объём данных, архитектура модели и настройка гиперпараметров обучения напрямую влияют на качество работы модели в реальных задачах.

Хотите проверить свои знания? Выберите правильный вариант ⬇️

Разбор викторины #12: Что такое overfitting в машинном обучении?

💜 Спасибо всем, кто поучаствовал! Разбираем правильный ответ.

✅ Правильный ответ:
Модель слишком точно подгоняется под тренировочные данные и плохо работает на новых

🔍 Почему?

Overfitting (переобучение) — это ситуация, когда модель слишком точно подстраивается под обучающую выборку. Вместо того, чтобы учить закономерности, она запоминает каждый пример, включая ошибки, шум и случайные отклонения.

В результате она показывает отличные результаты на обучающей выборке, но теряет способность обобщать и ошибается на новых данных.

📌 Почему другие варианты не подходят?

➖ Модель использует слишком большой объём данных для обучения:
Наоборот, больше данных обычно помогает снизить риск переобучения, а не вызвать его.

➖ Модель обновляет веса слишком часто, из-за чего обучение зацикливается:
Относится к проблемам с настройкой обучения (например, learning rate).

➖ Модель имеет слишком много параметров:
Большое количество параметров, как и большой объем данных для обучения, обычно снижает риск переобучения, т.к. чем больше параметров у модели тем больше данных и итераций обучения необходимо проделать.

Совпало с вашим ответом? Пишите в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

🚀 Обзор новинок в мире ИИ за неделю

Собрали в одном месте главные релизы и обновления этой недели, чтобы вы точно ничего не пропустили! ⬇️

⭐️LLM-Агенты

➖В Китае появился опенсорсный проект Colleague Skill, позволяющий создавать цифровых двойников сотрудников на основе их рабочих данных

⭐️Новые GenAI модели

➖ Meta выпустила Muse Spark — новую LLM с мультимодальными возможностями и режимом запуска агентов
➖ Z AI представила GLM-5.1 — MoE-модель с 754B параметров для агентной инженерии и длительных сессий
➖ VoxCPM2 — открытая 2B TTS-модель на 30 языках с голосом по описанию и управляемым клонированием

⭐️ Практические исследования

➖ Anthropic запустила проект Glasswing — инициатива по защите критической программной инфраструктуры с помощью ИИ
➖ Anthropic представила Advisor Tool для гибридного использования моделей Claude
➖ Анализ сессий Claude выявил значительное ухудшение качества модели: меньше размышлений, больше ошибок
➖ Как работают с RAG в 2026: Андрей Соколов из Яндекс R&D рассказал на примере нескольких кейсов

⭐️Теоретические исследования

➖ ReplaceMe: в ИТМО придумали, как радикально ускорять LLM без дообучения
➖ HISA ускоряет разреженное внимание в трансформерах в 3.75× без дообучения, эффективно для длинных контекстов.

⭐️ Рынок:

➖ На русскоязычных медиа-площадках появились первые публичные интеграции ИИ-агентов непосредственно в пользовательский интерфейс — Хабр и «Код Дурова»

Еще больше об ИИ и науке читайте в DSCS.pro

🤖 ИИ в деле: как разобрать сложную тему с помощью нейросетей

Продолжаем рассказывать о том, как искусственный интеллект помогает нам учиться.

💡 Квантовая физика, органический синтез, эпистемология или машинное обучение. Раньше, чтобы понять и подтянуть сложную тему, приходилось часами рыться в учебниках, статьях и YouTube-разборах. Сегодня же даже самый запутанный вопрос можно изучить вдоль и поперек с помощью нейросетей!

📌 Что умеет ИИ?

1️⃣ Разбивает сложную тему на простые составляющие
ИИ берёт сложную концепцию, раскладывает её по полочкам и выстраивает логическую цепочку, чтобы вы двигались от простого к сложному.

2️⃣ Адаптирует объяснение под ваш уровень
ИИ учитывает ваш текущий уровень знаний, образование и образ мышления. Один и тот же материал можно объяснить гуманитарию, школьнику, студенту или практикующему инженеру.

3️⃣ Создаёт разборы и схемы
ИИ построит mind-map, таблицу сравнения, пошаговый алгоритм bkb визуальную схему. Может даже превратить фото с доски или рукописные заметки в аккуратный структурированный документ.

4️⃣ Проверяет ваши знания
ИИ может стать вашим строгим наставником: задавать вопросы по возрастанию сложности, указывать на ошибки и даже принять участие интеллектуальном споре.

5️⃣ Работает с первоисточниками
Загружайте нужные научные статьи, главы книг, PDF, сложные тексты или просите ИИ составить вам список научной литературы по теме.

⚙️ Какие инструменты лучше всего подходят

⚪️ ChatGPT / Claude / Gemini — отличные универсальные учителя, хорошо работают с загруженными файлами и сложными текстами.
⚪️ Perplexity.ai — подходит для быстрого поиска и разбора актуальных научных источников.
⚪️ NotebookLM — создаёт подкаст-диалог на основе загруженных вами материалоы (отличный способ для иммерсивного понимания).
⚪️ Prism — полезен для глубокого разбора научных и технических тем: работает с полным контекстом документа, помогает строить формулы, схемы и структурировать сложный материал.

❗️ Важное напоминание: нейросети могут галлюционировать. Всегда просите прикреплять ссылки на первоисточник и перепроверяйте факты.

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ и науки: собрали главные инфоповоды недели

Ученые подтверждают неделимость кварков и распознают речь кашалотов, а ИИ диагностирует болезни у людей и растений, помогает нефтяникам и ищет лекарства. Что еще произошло в мире науки и технологий за эту неделю — читайте в свежем дайджесте ⬇️

🇷🇺 В России:

Роскосмос передал Яндексу архив из 10 тыс. снимков российских космонавтов для обучения Alice AI Art.

В Волгоградской области разработали нейросеть для диагностики простуды, гриппа и других инфекционных заболеваний дыхательной системы

В Перми создали ИИ-систему для выявления болезней растений по фото и для рекомендаций по лечению

Российские ученые представили ML-систему для предсказания межфазного натяжения между нефтью и соленой водой. Решение предназначено для моделирования нефтяных пластов без экспериментов

🌍 В мире:

Meta (признана экстремистской и запрещена в России) разрабатывает цифрового двойника генерального директора Марка Цукерберка (Mark Zuckerberg) для взаимодействия с сотрудниками

Датский производитель лекарств Novo Nordisk заключил соглашение с OpenAI по использованию ИИ для поиска перспективных препаратов

Китайская компания Unitree выведет человекоподобного робота R1 на международные рынки через AliExpress

🔍 Наука:

В щелчках кашалотов обнаружили закономерности человеческой речи

Астрономы открыли многопланетную систему, быстро меняющую орбиты

Эксперимент на Большом адронном коллайдере подтвердил неделимость кварков

В дельте Нила обнаружили древний храм с гигантским ритуальным бассейном

🔥 Приглашаем на интеллектуальный клуб Станислава Дробышевского

В это воскресенье, 19 апреля, в Санкт-Петербурге пройдет встреча на тему «Искусственный интеллект — основа развития мозга человека будущего».

В программе кофе-брейк, неформальное общение и, конечно, интересные лекции от ученых.

⭐️Участие примут:

➖ Максим Викторович Абрамов — кандидат технических наук, доцент, руководитель Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН;

➖ Станислав Владимирович Дробышевский — антрополог, кандидат биологических наук, доцент кафедры антропологии биологического факультета МГУ им. М. В. Ломоносова.

➖ Романчук Виталий Александрович — доктор технических наук, директор Центра искусственного интеллекта Рязанского государственного университета им. С.А. Есенина;

📆 Когда: 19 апреля, 10:00-13:00
📍 Где: Университетская наб., 5Б, 2 этаж, вход с торца
🔗Регистрация