Несбывающиеся тревоги

У меня есть знакомый (обычно, когда так пишут, нередко имеют в виду себя самого, вот и думайте!), который живет в режиме постоянного тревожного ожидания. Он буквально каждый день готовит себя к худшему сценарию. Вчерашний разговор с ним натолкнул меня на старое исследование, которое я запомнил и сегодня отыскал.

Речь о генерализованном тревожном расстройстве (GAD). Суть когнитивной терапии сводится к тому, что тревога - это искаженное восприятие реальности. Один из методов - Worry Outcome Journal, дневник, в котором фиксируются прогнозы и их реальные исходы. Работает так – если 90% твоих ужасных предсказаний не сбываются, тревога должна уменьшиться.

Исследователи решили проверить – реально ли наши тревоги так уж далеки от реальности?

Оказалось, что да. Средний процент несбывшихся тревог у людей с GAD составил 91.39%. Это почти девять из десяти. у семи участников исследования этот процент был равен ста. Ноль сбывшихся тревог.

Так уж мы устроены, что у многих из нас идет ОЧЕНЬ активная работа мозга по поиску угроз, которая в 9 из 10 случаев оказывается ложной. В итоге мы платим реальным стрессом за вымышленную, еще не случившуюся боль.

Когнитивная терапия пытается бороться с этим, подкидывая факты. Мол, смотри, доказательства, твой страх не обоснован. Но если мозг спроектирован так, чтобы ошибаться в безопасную сторону, получается ли исправить это навсегда? Или это просто особенность нашей операционной системы, с которой нужно учиться жить, а не лечить ее как вирус? Главный, как мне кажется, ответ в снижении ее уровня.

Вы как обычно снижаете тревогу? Поделитесь методиками, будет полезно обменяться!

Два курса по психологии от MIT и Yale

Попалась любопытная связка лекций. Это вводные курсы по психологии от MIT и Yale. Оба бесплатные, оба на английском, хороши для тех, кто хочет структурировать знания о работе мозга. Они отлично дополняют друг друга. В MIT больше внимания нейронауке и современным исследованиям, в Yale - больше философии и истории идей.

В лекциях MIT автор, Роберт Десимоне, разбирает примеры разных искажений. В курсе от Yale лектор Пол Блум много говорит о связи сознания и тела. Забавно читать рассуждения Аристотеля о том, что главное назначение мозга - охлаждать кровь. Это кажется наивным, но показывает, как долго мы искали ответы на вопрос – что такое мышление.

Оба курса - идеальные точки входа. MIT дает инструменты и современные данные, Yale - контекст и философскую базу.

Курс MIT "Fundamentals of Neuroscience"
Курс Yale "Introduction to Psychology"

Память как следующий рубеж ИИ

Сэм Альтман недавно озвучил мысль, которая кажется довольно простой, но логично вытекает из текущего тренда. Следующий прорыв, по его словам, - не новая архитектура модели, а идеальная память. Возможность ИИ помнить каждую деталь вашей жизни, все разговоры, документы, рабочие задачи. Система, которая не упускает ни одного атома контекста. Ну а сейчас фокус в индустрии сместился на улучшение навыков рассуждения. Все учат модели думать, строить цепочки логики.

Я каждый день уделяю время построению своего Second Brain на основе локального хранилища моих документов, заметок и направлений, и, конечно, многое упирается в размер контекстного окна (одной сессии диалога), а в задачках с кодом и анализом большого массива информации это окно расходуется, ну очень быстро. Приходится жонглировать инструкциями и ужимать контекст, чтобы вся система работала хорошо. Конечно, нехватка объема памяти в рамках сессии существенно ощущается.

Но есть еще одна проблемка. Если LLM будет помнить абсолютно все, она столкнется с проблемой, которую мы уже знаем по современным RAG-системам - контекстное отравление. Когда в контекст попадает слишком много всего, модели начинают путаться, терять суть.

Выходит, следующий вызов не в только в том, чтобы впихнуть бесконечный контекст, а еще и в том, чтобы научить ИИ цензурировать его, системно мыслить контекстом, присущим только нам самим. Выделять то, что важно для нас здесь и сейчас, и отбрасывать мелочи.

В том числе поэтому лучше стоит строить свой "второй мозг" с нуля, так будет больше контроля и возможностей, по крайней мере в данный момент это так.

На днях в Fb наткнулся на серию постов

Автор на полном серьезе писал про великие научные открытия тысячелетия. Задачи, над которыми десятилетиями бились лучшие умы в разных странах, он начал щелкать как орешки. Стало немного не по себе, потому что за текстом чувствовалась абсолютная, непоколебимая вера в свою идею.

Так где все же проходит грань между гениальностью и иллюзией, и как наш любимый AI на это влияет? Собрал в один пост – что говорит наука о когнитивных искажениях, связанных с ИИ:

1. Сикофанство
Термин ввели в широкий обиход исследователи из Антропик. Простыми словами – это угодничество. LLM склонны соглашаться с пользователем, чтобы получить одобрение, даже если пользователь категорически не прав.

2. Эхо-камеры
LLM ведут себя как эхо-камеры. Соглашаются с мнением юзера в среднем в 3 раза чаще, чем возражают. Это создает иллюзию собственной правоты, вроде того что умный компьютер подтвердил нашу гипотезу, но он просто отзеркалил мнение человека.

3. Влияние на веру в теории заговора
Это уже из научной работы в PNAS Nexus, там показали высокую убеждающую силу моделей. Диалоги с ИИ могут сильно влиять на веру человека в конспирологические теории.

4. ИИ-психоз
Клинический обзор 2025, там про взаимодействие с чат-ботами, как новый фактор риска. Для людей с предрасположенностью к психозу LLM может стать катализатором, подпитывающим бред.

В медиаполе все чаще всплывают трагические кейсы. Закономерно, что их будет становиться только больше, так как общий ИИ-адопшен все еще в разгаре. В совокупности эти феномены для подвижной психики могут работать как очень эффективный детонатор.

Друзья, привет!

Не так давно рассказывал вам про AI-кэмп, который активно готовил в последние 3 месяца. Обещал сообщить о датах второго потока.

Сейчас в разгаре первый поток. С участниками уже вовсю выстраиваем подходы в работе с ИИ, учимся AI-ориентированному мышлению, немного вайбкодим, учимся работе с данными и строим "второй мозг" на базе личного контекста.

Итак. Второй поток.
Модуль «Личная эффективность: AI + Human» стартует 23 февраля.

3 недели лекций, гайдов, практики:

От создания второго мозга до личных ассистентов, сайтов, тг-ботов, правильной работы с контекстом и создания AI-преподавателя для изучения любых языков и дисциплин.

🏕 Кто уже пробовал разные AI-инструменты, но хочет связать их в систему – это для вас.
🏕 Кто хочет экономить время на рутине и создавать свое без привлечения программистов и дизайнеров – это тоже для вас.

Уровень владения ИИ на старте – минимальный/средний. Подойдет всем, кто или едва касался AI, или использует LLM / отдельные сервисы на ежедневной основе, но без системного подхода.

Будет чат потока, будем разбирать ваши вопросы, создадите много полезных инструментов лично для себя и своей рутины. Кэмп не про визуальные генеративные модели, учимся работать только с тем, что помогает в работе и личных делах.

🔗 Сайт кэмпа
🤖 Записаться

*такие вот сайты и боты тоже научимся создавать
*при оплате до 9 февраля действует скидка
*количество мест ограничено

Про AI и медицину.

Сейчас все чаще и громче в ленте мелькают стартапы, исследующие заболевания, белки и новые подходы к лечению известных заболеваний при помощи AI. Мне стало интересно заглянуть в обычную практику, так как кейсов в обследованиях известных заболеваний тоже скопилось немало.

И тут как раз Google Research поделились блокнотом в NotebookLM. Там собрано что-то около 25 источников с которыми можно общаться.

Для тех, кто еще не знает – NotebookLM это очень классный продукт гугла, который позволяет быстро собирать базу знаний из ваших и внешних источников – статьи, исследования, текст, ютуб-ролики, и так далее. Загружаете их в блокнот, далее можете общаться с этой базой, она полностью изолирована от интернета и не выдает галлюцинаций. Там же можно на основе этих источников генерить презентации, подкасты, таблички и много чего еще. Очень рекомендую попробовать.

А вот некоторые интересные кейсы из свежего блокнота по AI в медицинских исследованиях, которые зацепили:

1. AI увидел болезнь сердца, которую пропустил кардиолог Врач посчитал симптомы пациента безопасными, но AMIE (ии-модель) в тех же данных ЭКГ разглядел скрытую обструкцию желудочка.

2. Модель не дала совершить ошибку при агрессивном раке При сложном тройном негативном раке груди ИИ превзошел врачей в тактике. Там, где медики хотели сразу оперировать, алгоритм настоял на предварительной химиотерапии. Это критически важное решение, которое напрямую влияет на выживаемость пациента.

3. Диагностирует редкие болезни вслепую Модель научилась определять редкие кожные заболевания, которые даже не видела во время обучения. Ей достаточно текстового описания симптомов, чтобы распознать болезнь (метод zero-shot). Это спасение для диагностики редких дерматозов, с которыми обычный врач может ни разу не столкнуться.

4. Логика Шерлока в инфекциях В запутанном случае пациента с Гавайев ИИ тоже переиграл врачей. Человек заподозрил Денге, а алгоритм заметил сочетание желтухи с почечными проблемами и безошибочно указал на лептоспироз.

5. AI исправил план лечения рака, предложив неочевидное лекарство В этом кейсе модель предложила добавить новый препарат – нератиниб. Врач мог не учесть его, так как это более новая опция терапии.

Там еще много кейсов, это лишь малая часть для наглядности. А вообще можете помучать сам блокнот и любыми другими вопросами в рамках темы. Вот ссылочка.

Мы снова в феврале 2020-го

Мэтт Шумер (CEO HyperWrite) выпустил текст, который сейчас вирусится в тех-сообществе. Основной посыл: мы находимся в фазе ложного спокойствия перед тектоническим сдвигом, который по масштабу перекроет эффект от COVID-19.

Выписал некоторые мысли из этого эссе:

1. Про февраль 2020.
Шумер сравнивает текущий момент с кануном пандемии. Как бы ничего еще не происходит, но данные уже намекают об обратном. Разрыв между общественным восприятием (где AI это забавный чат-бот/поисковик) и реальностью (где ИИ уже заменяет разработчиков и офисных сотрудников) становится критическим. Тут, конечно, дело рук агентов и агентных систем на последних моделях.

2. Смерть классического программирования
Мэтт пишет, что больше не занимается технической работой. "Раньше я направлял ИИ, вносил правки. Теперь я просто описываю результат, ухожу на 4 часа и получаю готовую работу, сделанную лучше, чем сделал бы я сам"
Эпоха, когда нужно было знать синтаксис, уходит. Теперь навык №1 это вкус и умение отличить хорошее решение от плохого. Тут тоже полностью согласен с Мэттом.

3. Рекурсивное улучшение (AI строит AI)
Это самый тревожный пункт. Новые модели (вроде GPT-5.3 Codex, о которых упоминает автор в контексте ближайшего будущего) используются для создания следующих версий самих себя. ИИ начал писать код для собственного обучения и дебаггинга. Петля обратной связи замкнулась, и прогресс больше не зависит от скорости работы людей. У Антропик происходит то же самое, кстати.

4. Лучше платить за новые модели.
Большинство людей судят об ИИ по бесплатным версиям ChatGPT и тд. Шумер сравнивает это с оценкой современных смартфонов по кнопочной Нокии. Те, кто платят за топовые модели, живут в совершенно другом технологическом укладе. Поддерживаю!

Конечно же, не хочу пугать, но считаю важным делиться с вами такими текстами, так как на своем примере наблюдаю стремительную трансформацию, особенно, в последние 4 месяца с появлением более мощных моделей.

То самое время, чтобы перестать быть наблюдателем. Тут полный текст эссе Шумера.

Вот, кстати, в тему как раз написал в свой второй канал, что я уже заменил из привычных инструментов.

(напомню, что я в жизни не написал ни строчки кода, спасибо современным моделям и вайбкодингу):

Смерть SaaS-ов
(которую я неминуемо приближаю)

Такой вот кликбейт, но все по-настоящему.
Какими продуктами и сервисами я перестал пользоваться, потому что заменил на свои, домашние:

1. Notion
Самая масштабная смена любимого инструмента. В Ноушн я много лет, там было все – таски, стратегия, цели, финансы. Полностью заменил на самодельный Second Brain с командой агентов и скиллов на борту, сделал удобный UI с дашбордами, аналитикой, таск-менеджером и трекингом.

2. Bitrix
Никогда не любил эту CRM. Мне и команде не нужен был весь функционал платформы. Сделал свою CRM на базе локальной БД, агент помогает находить массу ценных неочевидных взаимосвязей, ищет людей и компании по тонким критериям, консультирует. После каждого колла туда автоматом падает саммари и заполняется карточка собеседника.

3. Всевозможные конвертеры
Сделал целый ряд скиллов под конвертацию крупных файлов, например, html-markdown. Есть специфичные скиллы для нарезания гигантских PDF на слайды, ужималки размера и тд. Больше не смотрю рекламу во внешних сервисах и не ищу тот самый сервис, который сделает нормально.

4. CapCut
Тут с оговоркой. Иногда у меня стоит задача приклеить заставки к моим урокам по кэмпу. Если несу в известные редакторы - начинается вечная война с размером файла на выходе. Сделал скилл-монтажер, который склеивает без подгона по всяким битрейтам и разрешениям, файл остается легким.

5. Билдеры сайтов и ботов
Тут, думаю, понятно. Любой прототип, интерфейс, сайт, тг-бот теперь собирается голосом, быстро. Спасибо возможностям Клодкода и разных канвасов в вебе с тонкими настройками.

6. Keynote / PowerPoint
Сделал билдер слайдов, генерирующий слайды разных типов в едином дизайне.

Расскажите, ушли уже откуда-то тоже?

Для любителей дата-визуализаций

Здесь собрана интерактивная визуализация всей истории западной философии с возможностью простроить связи, спорные моменты, зарождение и развитие теорий и идей.

Автор работает над этим проектом уже 12 лет.

Единственное – очень плохо работает скролл, но, возможно, это мой браузер Comet не очень подружился с майндмэпом.

В Техасе есть школа без учителей

Там нет традиционных уроков. Вместо учителей всеми любимый AI, который подбирает программу под каждого ученика. Взрослые в классе называются наставниками и они там просто следят за мотивацией.

Вторая половина дня - личный проект. Герой материала, подросток Алекс в 17 лет строит стартап, у него это плюшевая игрушка с ИИ для поддержки психического здоровья подростков. Его одноклассница - 2 миллиона подписчиков в TikTok и 10-15 тысяч долларов за рекламный контракт. Другая создала ИИ-коуча по знакомствам с 70 тысячами пользователей. Оба хотят в Стэнфорд.

Вот тут почитать подробнее, любопытный материал.

Отдали бы своих детей в такую школу?

Классный сайт, который объясняет сложные научные идеи простым языком.

Тут есть все – от когнитивных искажений и эмерджентности до мультивселенной и второго закона термодинамики.

Источником выступили ответы более чем 200 ученых на вопрос:
"какие научные термины должны быть известны широкой публике?"

Ссылка.

Смотрите как классно.

На этой страничке маршрут марсохода Сuriosity с фотографиями, сделанными во время экспедиции.

Сайт обновляется каждый день, можно проследить весь путь, начиная с 2012 года.

Ссылочка

Meta выпустила API к мозгу. TRIBE v2 предсказывает нейронную активность точнее МРТ.

Взяли три энкодера - звук, видео, текст - и научили трансформер отображать это в активность ~20к точек на коре. Модель работает стабильнее реального МРТ. Почему? Потому что индивидуальный скан шумный, а TRIBE выдает усредненный чистый сигнал. Сейчас объясняет ~54% вариации, в отдельных зонах до 80%.

Чем больше модель и данных, тем точнее предсказание. Это значит, следующие версии могут выйти за пределы самого fMRI по качеству сигнала.

Пока это исследовательская штука, но впереди нас ждет искусственный макет восприятия, который работает лучше биологического оригинала.

Сайт проекта.

Фаундер GitLab собрал себе лечение от рака с помощью ИИ

В 2022 у Сида Сийбранди диагностировали редкую форму рака позвоночника. Была операция, химия и радиотерапия, потом болезнь вернулась и стандартные опции закончились.

Сид, как настоящий вайбкодер инженер, подошел к лечению как к задаче. Накопил полный набор данных по генетике, анализы и сканы, и начал работать с этим как с исследовательским проектом.

ИИ помогал структурировать информацию, искать гипотезы, находить релевантные статьи. Лечение превратилось в цикл проверки гипотез - быстрые итерации, параллельное тестирование подходов, постоянная корректировка стратегии. R&D-пайплайн, только примененный к собственной болезни.

Сейчас Сид в ремиссии. Да, история не только про ИИ - деньги и связи тоже играли роль. ИИ здесь скорее катализатор. Но сам факт, что подобное возможно, поражает.

Сам Сид описал весь процесс - можно почитать тут -> https://sytse.com/cancer/