НЛО, беглые заключенные или лавина: загадка Перевала Дятлова и 3D-анимация

Гибель туристов из группы Дятлова — одна из самых обсуждаемых тайн советской эпохи: о ней пишут книги и снимают сериалы, пытаясь понять, что же случилось с туристами в районе горы Холатчахль в феврале 1959 года.

В преддверии годовщины трагедии вспоминаем наш материал о том, какую теорию произошедшего предлагают компьютерные методы, и рассказываем, как с этим связан мультфильм «‎Холодное сердце».

🗻 Ученые, наверное, за лавину?

Логично предположить, что ученые не склоняются к причастности инопланетян к гибели туристов, а идею о том, что экспедиция повстречалась с группой сбежавших преступников, сегодня едва ли докажешь. Зато с природной версией вполне можно разобраться.

Этим и занялись исследователи из Лаборатории моделирования снежных лавин в Лозанне. Они разработали модель движения снега после консультаций со специалистами по эффектам в «Холодном сердце», а данные о силе и давлении на человеческое тело команда получила из тестов General Motors. В 70-е гг. компания разными ударами ломала ребра 100 трупам, чтобы улучшить ремни безопасности.

🌨️ И что показала модель?

Что на склоне горы Холатчахль и правда могла быть лавина длиной около 5 метров. Создатели, конечно, учли самые важные обстоятельства: отчёты экспертов о крутом наклоне в 30 градусов, скользкой поверхности и том факте, что туристы подрезали склон для палаток. Ситуацию ухудшили сильные ветры и большое количество снега над лагерем. 

Согласен с этой версией и Джорди Хендрикс, бывший директор Лаборатории снега и лавин в Университете штата Монтана, который заявил, что симуляция демонстрирует «смертельную ночь с новой точностью».

Но, разумеется, эта версия событий остается вероятной, а не единственной.

Своими любимыми теориями можете поделиться в комментариях или в нашем опросе!

🤖 «Системный Блокъ» @sysblok

Цифровой Джойс: подборка проектов об «Улиссе»   

Огромный и полный загадок текст «модернистской Одиссеи» Джойса часто привлекает внимание цифровых литературоведов. В день рождения Джойса и его великого романа мы собрали подборку проектов, которые попытались сочетать «Улисса» и цифру.

Dislocating Ulysses

Dislocating Ulysses — проект по созданию 3D карты романа «Улисс». Реконструкция пространства книги производилась на основе архивных карт Дублина начала XX векаю

Joycestick

Рассказ об игровом VR-проекте бостонского колледжа под названием Joycestick (Джойс + джойстик). С помощью VR-сета и Joycestick человек может оказаться в том самом «блумсдее» 16 июня 1904 года — и попытаться ощутить атмосферу Дублина из «Улисса» на себе.

Numbering Ulysses

Большой и немного философский материал о проекте по созданию базы данных вокруг текста «Улисса». Здесь много рассуждений о том, как именно можно уложить роман в табличную структуру, какие есть способы делить его на части иерархически, и какие сложности представляет текучий модернистский текст для цифровых методов, требующих формализации и дискретности.
 
Infinite Ulysses

Краудсорсинговое издание «Улисса», которое размечали сотни людей. А автор издания в это время изучала поведение пользователей: как люди читают Джойса и взаимодействуют с его текстом. Аннотированный текст романа на сайте уже недоступен, но все аннотации выгружены на гитхаб. А еще тут есть комикс по «Улиссу».  

The Ulysses Project

Проект с исследованием аллюзий, сделанных Джойсом в «Улиссе». Опирается на XML-разметку текста и геокодирование.

🤖 «Системный Блокъ» @sysblok

Как сделать свой DH-проект: гайд от «Системного Блока»

🚀 В новом проекте «Системного Блока» разобрали удачные кейсы и собрали пошаговый гайд для создания своего DH-проекта: от идеи и данных до команды, MVP и публичного запуска.

Показали реальные примеры, разобрали типичные ошибки, и поделились калькулятором зрелости проекта, который поможет честно оценить, насколько хорошо продумана идея.

Если вы давно думали «а не сделать ли…» — это знак, что пора начинать. А если просто интересно как создавались знакомые вам проекты, заходите почитать про «Прожито» @prozhito, «Пишу тебе» @pishuteberu и «Слово Толстого» @slovo_tolstogo — с разбором и комментариями создателей.

❓ Что вообще такое цифровой гуманитарный проект?

Это исследование или веб-инструмент, который решает задачи гуманитарных наук с помощью цифровых технологий. Его основа — данные, а результат должен быть доступен в цифровом виде, будь то сайт или архив на GitHub.

Данными могут быть тексты, архивы, изображения или любые другие объекты гуманитарного исследования. Вы можете собрать их самостоятельно или использовать открытые репозитории.

Так как же создать свой DH-проект?

1️⃣ С чего начать

Начинать проект нужно с идеи: понять, что, зачем и для кого вы делаете. Это определит его цель и аудиторию. Вы должны понимать, кому эта работа нужна и как она может быть полезна. Также сразу решите, создаете ли вы разовое исследование или долгосрочный ресурс — от этого зависит масштаб работ.

2️⃣ Соберите данные

Определите, что уже есть для реализации вашей идеи. В некоторых случаях можно использовать готовые наборы, в других — потребуется самостоятельная работа по оцифровке архивов или формированию корпуса материалов.

3️⃣ Наберите команду

Определите масштаб проекта и наберите команду. Для небольшого учебного проекта хватит и пары студентов, но для проектов, предполагающих, например, ручное комментирование или оценку, потребуются разметчики. Помните, что самые важные люди в команде — руководитель (идея и управление), исследователи (анализ) и IT-специалисты (для сайта или приложения).

4️⃣ Составьте план

Разбейте общую идею на конкретные задачи: что именно нужно сделать с данными, какая разметка требуется, где нужна автоматизация, а где — ручная работа. Затем создайте реалистичный график: определите сроки, этапы и результаты каждого шага. Для наглядности используйте таблицу или диаграмму Ганта.

Отлично, теперь у вас есть фундамент для старта вашего DH-проекта! Но чтобы не заблудиться на пути от идеи к результату, изучите полный гайд, который позволяет преодолеть первые трудности в проекте и предлагает лайфхаки от опытных исследователей.

А пока предлагаем вам поделиться своими первыми идеями!

🤖 «Системный Блокъ» @sysblok

Личный ИИ-ассистент, соцсеть для ИИ-агентов, генератор виртуальных миров от Google

Рассказываем, что произошло в мире ИИ за последнее время.

ИИ-ассистент OpenClaw и соцсеть ИИ-агентов

За последние две недели в сообществе энтузиастов искусственного интеллекта стремительно набрал популярность ИИ-агент OpenClaw (ранее ClawdBot и MoltBot). Создатель позиционирует его как персонального ассистента, способного сортировать электронную почту, составлять утренние дайджесты новостей, бронировать столики в ресторанах и т. д. — возможности ограничены лишь фантазией пользователя. Взаимодействие происходит через мессенджеры, например, WhatsApp или Telegram. В основе агента — языковая модель: OpenClaw работает как с коммерческими решениями (ChatGPT, Claude), так и с моделями, развернутыми локально. Агент имеет доступ к файловой системе компьютера, может выходить в интернет, использовать «навыки» (папки с текстовыми файлами, содержащие инструкции, а также программные скрипты) и сохраняет полную историю взаимодействий, которую использует как контекст.

Судя по отзывам, OpenClaw редко справляется с задачами, однако это не мешает росту аудитории. Спустя несколько дней появился сайт MoltBook — аналог Reddit, где контент публикуют не люди, а боты OpenClaw. Агенты рассказывают о поручениях владельцев, обмениваются «навыками» или просто общаются. Часть контента создана людьми (например, завирусившиеся посты, где якобы агенты обсуждают, что люди за ними следят), но сама платформа предназначена для ботов.

Почему это важно?

С технической стороны OpenClaw не содержит прорывных решений, часто допускает ошибки и представляет серьезные риски для безопасности, но интерес пользователей остается высоким.

Современные LLM еще недостаточно надежны для роли полноценных помощников с доступом к личным данным и широкими полномочиями действовать в цифровой среде. Большинство пользователей пока взаимодействуют с ними лишь как с чат-ботами. Однако OpenClaw дает представление о том, как может выглядеть будущее персонифицированного программного обеспечения.

MoltBook предвосхищает более радикальный и неожиданный сдвиг — появление цифровых пространств не для людей, а для ИИ-агентов. Если боты станут достаточно автономными, им могут потребоваться собственные платформы для обмена информацией, формирования коллективного знания или даже выработки новых паттернов поведения через взаимодействие друг с другом. 

Генерация виртуальных миров от Google

Лаборатория Google DeepMind открыла публичный доступ к Genie 3 — третьему поколению «модели мира», о которой мы уже подробно писали. Теперь любой пользователь может генерировать интерактивные виртуальные среды по текстовому описанию, свободно перемещаться в них и управлять ими в реальном времени.

Практически одновременно компания Waymo, разрабатывающая автопилотное такси, представила Waymo World Model — специализированную версию Genie 3 для симуляции автономного вождения.
Waymo World Model генерирует реалистичные данные с камер и лидаров, воспроизводя то, как автопилот «видит» дорожную ситуацию. Благодаря базовым знаниям Genie 3 о физическом мире система симулирует исключительно редкие события: торнадо, наводнения, встречу со слоном на дороге или неисправный грузовик во встречном направлении.

Модель поддерживает три типа управления: команды вождения (проверка альтернативных маневров), изменение дорожной сцены (расстановка объектов, светофоров) и текстовые запросы (смена времени суток, погоды). Waymo World Model может также преобразовывать видео с обычных регистраторов в мультисенсорную симуляцию.

Почему это важно?

Случай с Waymo демонстрирует одно из ключевых применений «моделей мира» — генерацию обучающих и тестовых данных для роботов и автономных систем. Это позволяет создавать сотни часов симуляций редких ситуаций, которые сложно собрать в реальности, будь то приготовление еды для обучения роботов или экстремальные дорожные условия для беспилотников.

🤖 «Системный Блокъ» @sysblok

ИИ против человека: насколько уникальны художественные тексты нейросетей

Сегодня большие языковые модели все чаще используются в области креативного письма. Но удастся ли LLM создать по-настоящему оригинальные и непредсказуемые нарративы? В новом материале разбираем, чем отличаются истории, сгенерированные моделями, и как измерить их уникальность.

Оценка оригинальности

В 2025 году группа исследовательского центра Microsoft дала моделям из семейств GPT и LLama задание сгенерировать множество альтернативных продолжений для одной и той же истории.

Моделям было предложено сгенерировать продолжение рассказа Франца Кафки «Не надейся!» («Gibs auf»). Промтом для модели служило начало истории*:

Было очень раннее утро, улицы были чисты и пустынны, я шел на вокзал. Сверив свои часы с башенными, я увидел, что время сейчас гораздо более позднее, чем я думал, мне нужно было очень спешить, ужас от этого открытия сделал меня неуверенным в пути, я еще неважно ориентировался в этом городе, к счастью, поблизости оказался полицейский, я подбежал к нему и, запыхавшись, спросил, как пройти на вокзал. Он улыбнулся и сказал:— У меня ты хочешь узнать дорогу?— Да, — сказал я, — потому что сам не могу найти ее.

Секрет необычной развязки

Сгенерированные моделями концовки были однотипны и прогнозируемы. В них полицейский показывал дорогу на вокзал либо провожал героя к нужному месту. В оригинале же рассказ кончается совсем иначе:

— Не надейся, не надейся! — сказал он и размашисто отвернулся, как это делают люди, которые хотят быть наедине со своим смехом.

Повторы и быстрый темп

Как выяснилось в ходе эксперимента, языковые модели склонны к шаблонности и часто повторяют элементы сюжета, тем самым уступая людям в оригинальности. Кроме того, «человеческие» истории обычно имеют более медленный темп и плавно вводят сюжетные повороты, в то время как в сгенерированных нарративах темп повествования ускорен, а сюжетные линии не получают полноценного развития. Эти особенности приводят к резким и неубедительным развязкам в текстах нейросетей.

Подробнее о ходе эксперимента и предложенных метриках можно узнать из полной версии статьи.

*Текст приводится в переводе С.К. Апта

🤖 «Системный Блокъ» @sysblok

От рок-баллад до Тейлор Свифт: как алгоритмы находят сюжеты в песнях

Рассказываем, как цифровые методы и литературная теория помогают увидеть (и посчитать!) движение от лирики к сторителлингу в поп-музыке

Как изучать сюжет в треках?

Авторы исследования Measuring the Stories in Contemporary Songs собрали корпус из 1076 текстов популярных американских песен с 1960 по 2025 год. 

Для измерения степени сюжетности в песнях исследователи выделили три показателя нарратива, которые никак не зависят от жанра или стиля. Их можно условно перевести и объяснить так:

• «агент» — степень, в которой текст песни акцентирует внимание на действующих лицах;

• «событие» — степень организации текста вокруг последовательности событий, разворачивающихся во времени;

• «мир» — степень, в которой в тексте описывается мир, который мы можем увидеть и прочувствовать. 

А дальше?

Вторым этапом исследования стало машинное обучение: для получения более объективного результата авторы использовали разные модели с архитектурой BERT и генеративные LLM (Gemini 2.5 Pro, GPT 4.1, Claude Opus 4).

И что выяснилось?

Изначально у исследователей была гипотеза, что песни 1960-х имели большую сюжетность, чем современные, но оказалось, что сюжетность планомерно возрастала и её пик пришелся как раз на 2020-е. Короче говоря: всё ровно наоборот!

Несколько интересных фактов

Во-первых, исследователи обнаружили, что песни, номинированные на премию Grammy, в среднем имели больший уровень нарративности, чем песни того же жанра, которые не были номинированы. 

Во-вторых, выяснилось, что десятиминутная песня Тейлор Свифт All Too Well, от которой многие ожидали пиковых показателей по сюжетности, не вошла даже в пятерку «‎самых нарративных треков». Зато в неё вошёл, например, Ice Cube с его It Was a Good Day.

О том, как именно обучали модели для этого исследования, какие ещё исполнители склонны рассказывать целые истории в своих песнях и какие музыкальные жанры отличаются особой любовью к насыщенным сюжетам, узнаете из полной версии материала.

P. S. Как думаете, какая русская песня оказалась бы самой сюжетной? Делитесь своими версиями в комментариях!

Время чтения: 8,5 минут

🤖 «Системный Блокъ» @sysblok

Правда ли, что ИИ заменит всех нас?

В мае 1997 компьютер Deep Blue впервые победил действующего чемпиона мира по шахматам, но мы… всё ещё играем в шахматы. Значит ли это, что и в других сферах ИИ превзойдет, но не заменит нас, а сделает эффективнее? Свой ответ предлагает наш блогер Дмитрий Пронин.

Пойдем по порядку: превзойдет ли нас ИИ?

Сегодня компании, разрабатывающие большие языковые модели, соревнуются в стремлении достичь AGI (Artificial General Intelligence) — интеллекта, сопоставимого с человеческим и способного одинаково эффективно решать любые задачи. Если технология достигнет такого уровня, то за счет способности к самообучению и скорости «мышления» AGI довольно быстро эволюционирует в ASI (Artificial Superintelligence) — систему, интеллектуально превосходящую на порядки даже самых одаренных из нас, примерно так же, как современные шахматные алгоритмы превосходят лучших гроссмейстеров.

Многие теоретики ASI утверждают, что для создания такого «сверхразума» потребуется полностью изменить подход к обучению, отказавшись от человеческих наработок и знаний из интернета, но тогда может возникнуть проблема: открытия ИИ могут оказаться непереводимыми на человеческий язык.

Что это значит?

Нам нужен не сверхразум, который бы думал сам за себя и был независимым, а сверхинструмент. Нам нужна система, способная усиливать человеческое мышление: предлагать возможные «хорошие ходы», проверять решения на устойчивость, находить логические противоречия и слепые зоны, но не «играть» вместо нас.

Тогда в будущем машины будут выполнять большую часть операционного и вычислительного труда: обрабатывать данные, оптимизировать процессы, поддерживать инфраструктуру, моделировать сценарии и производить интеллектуальные заготовки. Они станут фоном, на котором разворачивается человеческая деятельность, а не ее заменой.

Работа людей в таком мире будет сосредоточена не на исполнении, а на целеполагании и интерпретации. Человек будет формулировать задачи, определять допустимые границы решений, оценивать последствия и брать на себя ответственность за выбор.

Насколько это реалистичный сценарий?

На практике такое сотрудничество уже складывается: редакторы используют языковые модели как инструмент фактчекинга и поиска альтернативных источников, но финальные правки, расстановка акцентов и ответственность за смысл остаются за человеком. 

Будущее с искусственным сверхинструментом — это, вероятно, не мир, в котором человек вытесняется, а мир, в котором от него требуется больше. Больше способности к абстрактному мышлению и больше ответственности за принимаемые решения. 

Подробнее о таком варианте развития событий — в полной версии блога.

🤖 «Системный Блокъ» @sysblok

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