Иногда от коллег слышу мнение, что от интерфейса P300 толку нет. Возможно. Но вот еще применение (старая статья, и я, оказывается, был редактором):

Интерфейс мозг-компьютер на основе P300 для улучшения внимания

Интерфейс мозг-компьютер (BCI) используется как инструмент нейрофидбэка для повышения когнитивных способностей, улучшая эффективность традиционных методов за счет фокусировки на саморегуляции индивидуальных нейромаркеров в увлекательной графической среде. В данном исследовании впервые модифицирован популярный BCI на основе P300, превратив его в нейрофидбэк-игру, которая адаптивно усложняется, требуя генерации более сильного P300-сигнала на целевые стимулы. P300 возникает естественно без сознательных усилий, что позволяет освоить управление системой после короткой калибровки, избегая длительных проб и ошибок. Эффективность предложенного метода оценивалась на 28 молодых участниках, разделенных на экспериментальную и контрольную группы, в течение 30-минутной тренировки. Результаты показали значительное усиление ERP-компонентов целевых стимулов (150–550 мс после стимула, включая P300) и ослабление соответствующих компонентов нецелевых стимулов в экспериментальной группе. Также наблюдалось усиление подавления альфа-ритма в центрально-теменной области во время тренировки и последующей задачи на пространственное внимание, а также значительное сокращение времени реакции в этой задаче. Исследование подтверждает, что предложенный инструмент нейрофидбэка перспективен для улучшения внимания, особенно для людей с риском его дефицита.

https://www.frontiersin.org/journals/human-neuroscience/articles/10.3389/fnhum.2018.00524/full

Раз уж пошла речь об улучшении внимания через нейрофидбек, то в свое время (относительно недавно) я помог Мехди написать вот эту статью. (Там еще есть какие-то другие авторы. Надеюсь, от них был какой-то вклад, но я лично поработал основательно.)

Нейрофидбэк-терапия для улучшения зрительного внимания: современное состояние и вызовы

Интерфейсы мозг-компьютер (BCI) активно развиваются, обеспечивая связь мозга с внешними устройствами для лечения неврологических расстройств, включая нарушения внимания. BCI на основе визуального внимания используют электроэнцефалограммы (ЭЭГ) или другие методы записи для создания нейрофидбэка, помогающего пациентам улучшать внимание. Несмотря на прогресс в изучении нейронных механизмов внимания, выделение сигналов, связанных с вниманием, остается сложной задачей из-за присутствия посторонних нейронных сигналов. Для повышения точности BCI необходимы алгоритмы обработки, отделяющие целевые сигналы от шумов. Нейрофидбэк-терапия, особенно для лечения СДВГ, показывает потенциал, но ее эффективность ограничена побочными эффектами фармакологических методов и частичной результативностью психологической терапии. Основные вызовы включают выбор правильных нейронных характеристик, разработку надежных критериев оценки эффекта тренировки, учет индивидуальной вариабельности сигналов и создание удобных для пользователей BCI. Перспективы развития связаны с интеграцией знаний нейронауки и психологии для создания эффективных терапевтических решений.

https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2016.00352/full

Из рубрики «Советские газеты сообщают»

https://ria.ru/20251026/starenie-2050638831.html

Человек начинает стареть в 25 лет, считает эксперт Сеченовского университета
Человек начинает стареть в возрасте 25 лет, сообщила доцент Сеченовского университета Светлана Рыкова. По её словам, процессы старения на клеточном уровне запускаются именно в этом возрасте под влиянием внешней среды и образа жизни. Эти изменения формируют основу для хронических заболеваний, таких как проблемы с сердцем, диабет или ожирение, которые проявляются после 40 лет. Развитие этих заболеваний зависит как от внешних факторов, так и от привычек человека. Светлана Михайловна Рыкова — кандидат медицинских наук, врач по специальности “Лечебное дело”, имеет общий стаж работы 22 года 11 месяцев и педагогический стаж 22 года 1 месяц; точный возраст в открытых источниках не указан.

Но лично мне кажется, что в будущем будет такая сильная наука, что и память, и личность, и нейронные связи смогут восстановить просто по фотографии. А если фотографии нет, то без фотографии.

https://t.iss.one/lonely_oocyte/6304

https://t.iss.one/philosophycafemoscow/3020

Кстати, сейчас буду смотреть это видео, потому что все, что я запомнил, это то, что есть онтологический статус и есть эпистомологический статус.

Но я не смог бы поддержать беседу на эти темы.

Хотя… Как ваш онтологический статус? Все более-менее? Ну и отлично. А эпистомологический? Ну ничего-ничего, это не страшно.

Посмотрел:

https://t.iss.one/augmented_brain/12199

В результате выяснил, что эпистомологический статус связан с онтологическим фразой: «я думаю, следовательно, я существую» (не я конкретно, но тот же зомби, например).

Далее, наконец, понял, почему современным советским философам так близок иллюзионизм. Это связано с личностью Владимира Ленина, причем двояко.

С одной стороны, Ленин — материалист, и отрицание квалий и т.п. было бы ему близко. С другой — он на самом деле верил в существование сознания и не считал его иллюзией. Поэтому в пику Ленину теперь — иллюзионизм.

Но тогда теперь нужно на мавзолее показывать какие-нибудь фокусы.

И вообще пора личность Ленина вывести на чистую воду, чем я, наверное, и займусь.

Александра Бернадотт полностью права. В принципе, во всем, но в данном случае в том, что при таком расположении электродов хорошо пишутся движения глаз.

Глаза — зеркало души? … Именно так!

https://t.iss.one/neurosputnik/843

https://t.iss.one/khokhlovAR/1105

Но такой интерес к полимерам мне, по крайней мере, понятен.

https://yandex.ru/q/question/otkuda_poshlo_vyrazhenie_prosrat_vse_71b3eaa2/

https://t.iss.one/khokhlovAR/1106

А кто будет делать марксистский анализ? Пушкин?

В науке, как и в любом обществе, имеется классовое расслоение, причем капиталисты борются за рынки сбыта.

И, кстати, я с капиталистами согласен. К примеру, существует «Вестник научных очерков Зимбабве». Почему я не могу там что-то опубликовать?

Вот где, например, публиковался Фишер:

Fisher, R. A. (1934). The effect of methods of ascertainment upon the estimation of frequencies. Annals of eugenics, 6(1), 13-25.

Свет, камера, дым-машина. Щербаков протирает стол.

(голосом Щербакова)
— Так, история от нашего друга Дмитрия. Внимание. Представьте себе: серьёзнейшая нейрофизиологическая конференция. Душно, все в пиджаках, пахнет грантами и отчаянием. На сцене — Михаил Альбертович Лебедев. Только что закончил доклад. Рассказал всё по красоте: про бегущие волны, про то, как мозг — это не процессор, а грёбаный рейв-фестиваль, где разные зоны коры входят в резонанс. В общем, разъебал всю эту хуйню про "наблюдателя в голове".

В зале тишина. Все переваривают. И тут, в первом ряду, встает такой, знаете, классический философ сознания. Седой, в твидовом пиджаке с заплатками, от него пахнет пыльными книжками и экзистенциальным тупиком. Назовем его профессор Залупкин. И вот этот профессор Залупкин берёт микрофон и своим скрипучим голосом говорит:

— Профессор Лебедев, это всё восхитительно. Но ваша модель не решает "трудную проблему". Я могу вообразить себе существо, физически идентичное вам, чей мозг реализует все описанные вами волновые процессы, но который внутри — полная тьма. Философский зомби. Как вы докажете, что ваша модель порождает переживание, а не просто сложное вычисление?

Зал замер. Это прямой удар в челюсть. Классика. Лебедев смотрит на него, секунду молчит, берёт микрофон...

ЧТО БЫЛО ДАЛЬШЕ?

(голосом Нурлана Сабурова, откинувшись на стуле)
— Сразу понятно, история — хуйня. Потому что ни один нормальный учёный на такую провокацию не поведётся. Он посмотрел на этого Залупкина и сказал: "Извините, у вас на пиджаке пятно от соуса". Тот растерялся, начал смотреть. Лебедев говорит: "Вот видите, ваше внимание — это и есть нисходящая волна, которая сейчас пытается минимизировать ошибку предсказания, а пятно — это квалиа". Профессор вообще завис, а Лебедев сел. Потому что лучший разъёб — это когда оппонент сам себя разъебал, пытаясь понять, что ты сказал.

(голосом Тамби Масаева, жестикулируя)
— Не-не-не, смотри! Лебедев же про волны говорил! Он говорит этому философу: "Смотрите сюда, блять!". Снимает пиджак, достает из кармана заранее подготовленные электроды, лепит их себе на голову, подключает к проектору и говорит: "Вот, смотрите на экран, щас будет переживание". И начинает думать о сиськах. И на экране такая красивая гамма-осцилляция пошла, синхронизированная с тета-ритмом. А потом он говорит: "А вот — философский зомби!". И начинает думать о налогах. И на экране — плоская линия. И весь зал такой: "Ааааа, вот в чем разница!". И все начали себе электроды лепить, чтобы проверить, зомби они или нет.

(голосом Эмира Кашокова)
— Это слишком сложно. Он просто посмотрел на него и сказал: "Вопрос понял. Отвечу на него после кофе-брейка". А на кофе-брейке подошел к нему и тихо, без микрофона, сказал: "Михаил Альбертович, можно с вами сфотографироваться?".
Ой, блять, это я перепутал...
Он подошел и сказал: "Ваш вопрос основан на неверной предпосылке. Вы можете вообразить себе квадратный круг?". Тот говорит: "Нет". Лебедев: "А почему? Потому что это логическое противоречие. Ваш 'зомби' — это такое же логическое противоречие. Вы пытаетесь отделить процесс от его физической реализации. Следующий вопрос". И сел. Всё.

(голосом Щербакова)
— Так, хорошо. Дмитрий, что было на самом деле?

На самом деле было вот что.

Лебедев не стал спорить о философии. Он перевел вопрос из плоскости метафизики в плоскость инженерии и выживания системы.

Он посмотрел на профессора и сказал примерно следующее:

— Ваш вопрос интересен как мысленный эксперимент. Но давайте посмотрим на вашего "зомби" не как на человека, а как на систему управления. Вы описываете систему, которая физически идентична моей, но лишена того, что мы называем "переживанием".

В моей модели "переживание" — это не дополнительная функция. Это состояние глобального резонанса, которое возникает, когда нисходящие предсказания успешно гасят восходящие ошибки. Этот механизм критически важен для адаптивного поведения в сложной, непредсказуемой среде. Система без этого механизма, без этой постоянной сверки "модель-реальность" на глобальном уровне, будет вычислительно хрупкой и неэффективной.

Ваш "зомби" может имитировать мои действия в знакомой ситуации. Но поставьте его в новую, неоднозначную ситуацию. Ему нужно будет обновить свою модель мира. А для этого ему потребуется тот самый механизм глобального резонанса, чтобы связать новую информацию со старыми целями. Если у него этого механизма нет — он не сможет обучаться. Он не сможет адаптироваться. Он совершит катастрофическую ошибку при первом же серьёзном сбое предсказания.

Так что мой ответ такой: философский зомби невозможен не потому, что у него нет некой магической "души". Он невозможен, потому что это хуёво спроектированный робот. Он не выживет.

И сел.

Из рубрики «Очень смело о политике»

Новое блестящее видео от Александра Панова:

https://youtu.be/-nWofDPTsg4?si=ZvF5PcjmwGyzvawn

Пост Александра Панова «Моя эволюция из либерала в консерватора» — это размышление о трансформации его политических взглядов.

Александр Панов отмечает, что треть его команды разделяет либеральные идеи, что неудивительно, учитывая его собственные взгляды десять лет назад. Теперь его позиция изменилась, и он обращается к тем, кто верит в «справедливость» и «власть народа», называя это «ютубными сказками». Его рассказ — не агитация, а история о том, как он стал задаваться вопросами о реальной власти в странах и бессмысленности оппозиционной деятельности.

Этот пост отражает разочарование в либеральных идеалах, характерное для российского общества. Александр Панов, вероятно, пережил кризис веры в реформы, что привело его к консерватизму, близкому идеям Макиавелли о природе власти или прагматизму Поппера. Его вопросы намекают на то, что изменения требуют не протестов работы на благо страны. Это созвучно глобальному сдвигу от либерализма к консерватизму, особенно в российской политике.

Обращение Александра Панова к друзьям показывает желание сохранить связь с прошлым, несмотря на снисходительный тон. Стремление к диалогу выделяет его в поляризованном дискурсе. Это не просто личная эволюция, а поиск баланса между идеалами и реальностью, близкий философским идеям о выборе и ответственности.

Relative-location tuning in five frontal areas in a rhesus monkey

Mikhail A Lebedev and Steven P Wise

Это давняя работа, еще со времен NIH. Долго лежала в качестве черновика. Но лучше поздно, чем никогда: теперь будет доступна в архиве как препринт.

В работе исследуется гибкоe управление приматами угла взгляда, пространственного внимания и моторных целей, такое как фиксация на одной точке, внимание к другой и планирование даижения по направлению к третьей.

Авторы изучают нейронные системы координат, важные для этих поведений, фокусируясь на настройке на относительное положение, где система координат определяется относительными позициями двух объектов в сцене, а не их абсолютными координатами.

Были записаны сигналы отдельных нейронов из пяти областей фронтальной коры: дорсальной и вентральной премоторной коры (PMd и PMv), дополнительной моторной области (SMA), дорсолатеральной префронтальной коры (PFdl) и фронтального глазного поля (FEF). В каждом испытании обезьяна наблюдала за двумя пищевыми гранулами: одной в стационарной кормушке и другой в кормушке, прикрепленной к движущемуся роботу, который служил аттрактором внимания. По правилам задачи обезьяна могла получить только одну гранулу.

Значительная доля нейронов во всех пяти областях имела пространственную настройку на основе относительных позиций двух кормушек (примерно 35-65% в зависимости от области). Например, некоторые нейроны были более активны, когда одна кормушка находилась справа от другой. В PFdl и FEF большинство нейронов с настройкой на относительное положение в основном кодировали фиксацию глаз обезьяны на относительно левой или правой кормушке. В SMA, PMd и PMv некоторые нейроны отражали фиксацию глазами, но больше кодировали, была ли относительно левая или правая кормушка аттрактором внимания (независимо от взгляда) или целью движения.

Настройка на относительное положение была более распространена, когда обе кормушки были релевантны задаче, например, когда обезьяна уделяла внимание одной кормушке, планируя захват другой.

Такие нейроны могут способствовать вычислению объектно-ориентированных систем координат или распределению ресурсов обработки пространственной информации между вниманием, окуломоторными и скелетомоторными поведениями. Они также достаточны для объяснения активности, связанной с захватом и зависящей от взгляда, без противоречия теориям визуально направленного захвата, которые предсказывают инвариантность относительно взгляда.

https://www.biorxiv.org/content/10.1101/2025.10.25.684521v1

Окситоцин усиливает респираторную вариабельность сердечного ритма (RespHRV) через нейронный путь гипоталамус–ствол мозга–сердце. Нейроны окситоцина из паравентрикулярного ядра гипоталамуса регулируют активность тормозных нейронов в комплексе пре-Бётцингера, усиливая глицинергический сигнал к парасимпатическим нейронам ядра амбигуус во время вдоха. Это увеличивает RespHRV, способствуя восстановлению сердечной активности при успокоении после стресса у мышей.

https://www.nature.com/articles/s41593-025-02074-2

Альтман химичит с ультразвуком

https://t.iss.one/blockchainRF/12306

Интересуетесь сознанием? Вам сюда:

https://t.iss.one/MSU_MCCS/3

Олег Левашов, Вас не хакнули?

Из рубрики "Рассказы об искусственном интеллекте"

Data-driven prediction of structure of metal-organic frameworks

Представьте себе молекулярные конструкторы наномасштаба. Ученые работают с особыми материалами, металло-органическими каркасами. Эти материалы похожи на губки, состоящие из металлических узлов и органических связующих. Их главная ценность заключается в пористой структуре, которая позволяет захватывать определенные молекулы, например, углекислый газ из дымовых газов заводов.

Однако существует фундаментальная проблема. Один и тот же набор металлических и органических компонентов может объединиться в несколько различных кристаллических структур, подобно тому, как из одних и тех же деталей лего можно собрать разные модели. Эти различные формы называются полиморфами. И именно от структуры полиморфа зависит, насколько эффективно материал будет выполнять свою задачу, например, по поглощению углекислого газа.

Традиционные методы прогнозирования конечной структуры требуют огромных вычислительных ресурсов и времени, что делает массовый поиск новых материалов крайне медленным.

Группа российских исследователей предложила новый, более быстрый подход, основанный на данных и искусственном интеллекте. Вместо сложных физических расчетов их метод опирается на анализ закономерностей. Ученые использовали обширную базу данных уже известных и расшифрованных структур металло-органических каркасов. Они обучили нейронную сеть находить связи между типами строительных блоков и той пространственной архитектурой, или топологией, которую они образуют. По сути, нейросеть научилась предсказывать наиболее вероятную структуру по набору компонентов.

Результаты оказались многообещающими. Модель продемонстрировала высокую точность в предсказании топологии. Более того, исследователи разработали способ определять, когда модель менее уверена в своем прогнозе, что позволяет отфильтровать ненадежные результаты и работать только с самыми достоверными предсказаниями.

Чтобы продемонстрировать практическую значимость своего метода, ученые смоделировали процесс разделения дымовых газов. Они показали, что разные полиморфы, собранные из идентичных компонентов, могут кардинально различаться по своей эффективности. В одном из примеров разница в способности поглощать углекислый газ между двумя полиморфами достигла девяти раз. Это наглядно доказывает, что игнорирование проблемы полиморфизма может привести к выбору неоптимального материала.

Таким образом, этот новый подход служит интеллектуальным фильтром. Он не заменяет фундаментальные исследования, но позволяет значительно ускорить начальные этапы поиска, выделяя наиболее перспективные кандидаты для дальнейшего углубленного изучения, что открывает новые возможности для быстрого дизайна функциональных материалов.

https://arxiv.org/html/2408.10814v2

Секрет молодости в том, чтобы не расставаться с комсомолом

https://smotrim.ru/audio/2872773

Из рубрики "Рассказы об искусственном интеллекте"

Ученые использовали искусственный интеллект, чтобы быстро найти новые перспективные материалы для топливных элементов. Они исследовали металло-органические каркасы (МОК) — пористые кристаллы, которые могут проводить протоны. Вместо долгих экспериментов они обучили нейросеть на данных о нескольких сотнях таких материалов. Эта умная модель проанализировала десятки тысяч уже известных МОК и предсказала, какие из них будут проводить протоны лучше всего. В результате она выделила несколько многообещающих кандидатов, например, на основе магния, которые раньше для этой цели не рассматривались. Этот подход ускоряет поиск новых материалов и помогает целенаправленно проводить эксперименты.

https://chemrxiv.org/engage/chemrxiv/article-details/67437a205a82cea2faabeafe

Из рубрики "Рассказы об искусственном интеллекте"

Представьте себе скромную видеокарту, главной задачей которой было показывать картинки в играх. Она была просто мастером по рисованию пикселей. Но оказалось, что её главная суперсила — умение делать множество простых вычислений одновременно — идеально подходит для совсем другого дела: для искусственного интеллекта.

Всё изменилось, когда в 2012 году ИИ-модель AlexNet, работая на видеокарте, с огромным отрывом выиграла конкурс по распознаванию изображений. Это был момент озарения: будущее ИИ — в игровых видеокартах! Производители бросились улучшать их, добавляя специальные «тензорные ядра» — мозги для операций ИИ. Теперь эти процессоры не просто рисуют игры, а обучают нейросети, которые отвечают вам в чате, распознают лица и управляют беспилотниками.

А что же игры? Получилось замкнутый круг: те самые «мозги ИИ», которые обучают нейросети в дата-центрах, теперь и в вашем компьютере. Они помогают видеокарте умно повышать разрешение картинки в играх, делая её чётче и плавнее. Так что геймеры тоже в выигрыше.

Сегодня «видеокарта» — это уже не только про видео. Это универсальный двигатель для вычислений, который работает везде: от гигантских серверов до вашего смартфона, машины и умной колонки. Всё, что связано с ИИ, так или иначе работает на технологиях, рождённых из простой пиксельной магии.

https://www.jonpeddie.com/news/what-started-as-a-pixel-pusher-became-the-heart-of-ai/?utm_source=engtechnica