Несмотря на плотную занятость на конференции, работа над текстами продолжается.

На прошлой неделе мы с Егором Ершовым выпустили следующий текст в серии конспектов лекций по вычислительной фотографии. На этот раз статья разбирает такую вещь, как конвейер формирования изображений в современных цифровых камерах.

Конвейер (или чаще пайплайн) — это термин из компьютерных наук и IT (да и много откуда, на самом деле), который обозначает чёткую последовательность шагов некоторого процесса. В данном случае мы разбираемся с тем, что конкретно происходит в камере после нажатия кнопки затвора на физическом и программном уровне, начиная с подсчёта фотонов сенсорами матрицы и заканчивая сохранением в JPG или иной формат.

Тема, как вы, наверное, понимаете, невероятно обширная, поэтому первый текст охватывает только самые первые шаги подготовки сырого RAW-изображения: работу сенсоров и первичную коррекцию сигналов. А ещё из текста можно узнать, как камере удаётся строить цветное изображение, если матрица состоит из фотодиодов, которые поглощают фотоны во всём видимом диапазоне

Мировое сообщество ML-ресёрчеров опять стоит на ушах — на ICLR 2026 произошла массовая утечка имён рецензентов. Не могу смолчать и попробую объяснить, почему меня это очень тревожит.

Для начала надо оговориться: утечка случилась не столько у самой конференции, сколько у платформы OpenReview.net, которая хостит сборники большинства значимых мероприятий по компьютерным наукам. Учёные регистрируются там и могут подавать свои статьи и писать анонимные рецензии по чужим, если таковые им поручены. Вчера стало известно, что из-за ошибки в API сайта любой человек мог связать рецензию с аккаунтом, её написавшим. Технические подробности можно узнать, например, тут.

Новость взбудоражила сообщество, и у этого были важные предпосылки. Состязательность системы рецензирования создаёт напряжение между подавшим статью учёным и его рецензентами. Но покуда действует анонимность, это напряжение никуда не канализуется, сублимируясь в форме мемов и фольклора (см, к примеру мем про рецензента №2).

Чтобы предотвратить любое сведение счётов, оргкомитет ICLR пригрозил мстителям многолетними банами, но это, как вы понимаете, не панацея. Как следствие, некоторые рецензенты внезапно бросились менять свои оценки на наивысшие, из-за чего конференция временно заморозила такую возможность.

Всё это добавило проблем в и без того крайне сложную ситуацию с рецензированием в науке об ИИ. Дело в том, что там принято публиковаться не в журналах, а в сборниках конференций. Но если выпуски топового журнала выходят, условно, раз в месяц и имеют лимит по числу статей, то топовые конференции случаются раз в год, и все ресёрчеры стремятся к тому, чтобы их статья попала в соответствующий сборник.

Из-за этого организаторам конференций приходится организовывать рецензирование гигантского количества статей (счёт идёт на десятки тысяч). «Как отрасль будет разруливать толпы ИИ-исследователей, организовывать массовое рецензирование и всё такое прочее — будем посмотреть» — писал я полтора года назад.

Этот год показал, что со скрипом или вообще никак. Во-первых, массовость статей потребовала мобилизации вообще всех участников, включая студентов с соответствующим качеством рецензирования, либо банального отсечения сабмитов по какому-нибудь простому критерию. Во-вторых, ситуацию усугубило массовое использование LLM по обе стороны баррикад (я подробно разбирался в этом тут). Утечка имён рецензентов здесь — прям вишенка на торте.

Беда в том, что рецензирование — это иммунная система науки. Если она сломается, то откровенный мусор может быть приравнен к научному знанию, а качественные исследования так и не будут опубликованы под знаком качества.

Случившееся стало поводом для большой дискуссии о том, как сохранить этот фильтр надёжным. Но что бы не придумает ML-сообщество, это, по-видимому, будут тектонические изменения, с которыми ни одна научная область в истории человечества ещё не сталкивалась.

За последний год стало ясно, что, если вы хотите научить ИИ решать по-настоящему сложные задачи, одной LLM не обойтись. Как показала практика, использование нескольких моделей в агентном режиме — то есть, когда для них распределены роли и организовано активное взаимодействие — даёт существенные преимущества.

Многие группы пытаются строить подобные системы и, как правило, проходят один и тот же, либо похожий путь. В мире разработки такая ситуация рано или поздно приводит к появлению разнообразных фреймворков, которые упрощают рутину и ускоряют процесс создания продукта.

Именно таким фреймворком стал MAESTRO — программная платформа, которая позволяет легко строить и настраивать мультиагентные системы на базе большинства популярных LLM. Его разработала группа «Мультимодальные архитектуры ИИ» AIRI, а я помог коллегам выпустить статью на Хабре про его устройство

Олды помнят, как 3 года назад я ходил в студию к ребятам, которые делают канал Кубрик, и разбирал там в роли физика сцены из Звёздных войн. Так вот, недавно они позвали меня смотреть всякую супергероику, и мы уже отсняли материал. Когда ролик выйдет, я его обязательно сюда принесу.

Как обычно работает классификатор машинного обучения? В датасет кладётся набор точек класса А, класса Б, класса В и т.д. — и модель учится. А как быть, если вам нужно, чтобы классификатор хорошо определял только класс А при том, что всех остальных классов настолько великое множество, что их чисто технически невозможно загнать в датасет?

Именно в такой ситуации оказались недавно мои коллеги из лаборатории «Сильный ИИ в медицине» AIRI, которые поехали на хакатон «Лидеры цифровой трансформации 2025». Им нужно было построить ИИ-сервис, который смотрит на КТ-снимок грудной клетки и определяет, здоровый ли это орган или нет. Класс А в данном случае — здоровый снимок, а Б, В и всё остальное — разнообразные патологии, коих может быть очень много.

Коллеги нашли хорошее решение, которое принесло им второе место и денежный приз. Подробностями они поделились в хабре Института, который я, как водится, помог им выпустить.

Я проходил дилогию головоломок Portal много лет назад, но эти игры навсегда запали мне в память. Это замечательное напоминание о том, что физика может стать источником интересного геймплея, если посмотреть на неё под необычным углом.

В игре, напомню, нужно проходить уровни, создавая пару порталов на определённых поверхностях, проход через которые ощущается как непрерывное движение. Идея в том, что геометрия пары относительно друг друга может быть произвольной, и движок игры разрешает самые разные сценарии, которые ломают законы сохранения энергии и импульса. Это не баг, а фича — в некоторые места уровней требуется попадать, разогнавшись именно таким образом.

Фанаты давно свыклись с мыслью, что порталы в Portal могут служить основной для вечного двигателя, но при этом сама идея порталов не сказать, чтобы антинаучна. Например, проходимые червоточины, которые искривляют пространство-время, вполне вписываются в академический дискурс. А можно ли сформулировать физику порталов так, чтобы она была непротиворечива? Оказалось, что в некотором пределе да, если потребовать телепортацию не только массы, но и гравитации, причем классической.

Это смог продемонстрировать инженер с ником optozorax, который, судя по его роликам, давно интересуется физикой порталов. Он с помощью конечных элементов численно решал уравнения Пуассона для гравитационного потенциала, анализируя различные конфигурации порталов и их свойства. Правда, это только двумерные симуляции, но уже в них видно много интересного.

Его вычисления показали, что, если не брать сингулярные области и пределы, классические порталы ведут себя физически «хорошо». Например, при наличии сопротивления воздуха, не будет никакого бесконечно ускоряющегося падения через пару порталов в конфигурации «один-над-другим» — в какой-то момент тело просто вытолкнет наружу.

Детальнее ознакомиться с его исследованием можно на Youtube. Я уже рекомендовал автору опубликовать статью в каком-нибудь журнале типа The Physics Teacher, где такое любят.

Раз уж зашла речь про Arc Raiders… У этой игры есть ещё одна особенность, которая пересекается с тематикой этого канала — машинное обучение и искусственный интеллект.

Игрожуры очень хвалят Arc Raiders за реалистичную анимацию роботов, осмысленность их движений и «живость» из поведения. Например, робот учится предугадывать тактические паттерны своего кожаного противника и бить на упреждение, а в случае отрыва конечности железяка продолжает ковылять, адаптировавшись к повреждению.

Всё дело в том, что, как оказалось, Embark Studios, создавшая игру, довольно давно имеет ML-подразделение, которое тесно сотрудничает с геймдизайнерами и аниматорами. Команда долго обучала роботов с помощью техники Reinforcement Learning, то есть, штрафуя их за неправильные движения и вознаграждая за правильные.

Была в работе Embark Studios особенность, которая отличала их от коллег, занимающихся RL для других прикладных задач и академии. Движения роботов не только должны были быть эффективны, но ещё и эстетичны, а также уложены в логику игрового мира. По этой причине аниматоры и геймдизайнеры тоже принимали активное участие в обучении агентов, влияя на функцию награды.

В этой связи хотелось бы отметить, что словосочетание «искусственный интеллект» игроки и игровые журналисты применяли почти за полвека до изобретения этих ваших трансформеров (и никого это не смущало тогда, между прочим!). Традиционно так называли скрипты для управления ботами и мобами, реже — прописанные для них анимации для взаимодействия с рельефом уровня или препятствиями.

Но именно Embark Studios стала, насколько мне известно, первой студией, которая применила обучаемый ИИ в тайтле AAA-уровня. Как мы видим по рейтингам, всё было не зря!

Ребята с канала Кубрик, к которым я недавно ходил смотреть комментировать фильмы про супергероев, выложили сегодня наше видео. Разбираем фильмы «Дедпул и Росомаха», последнего «Супермена» и «Фантастическую четверку».

Я не сразу согласился, потому что рассматривать супергероев через научную призму, это как пинать лежачего. Вместо этого я, наоборот, попытался выступить адвокатом дьявола и похвалить авторов, если не за научную достоверность, то хотя бы за обращение с сложным физическим концепциям.

И, надо сказать, киношники в этом плане не подвели. Поговорим про ускорители, антиматерию, червоточины, проблему измерения в квантовой механике и многое другое

Как большой поклонник Fallout, я не смог пройти мимо второго сезона, тем более что тот давит на ностальгию по сотням часов приключений, которые мы проводили в окрестностях постапокалиптического Нью-Вегаса в одноименной игре. Но я не собираюсь писать рецензию, поскольку канал не об этом, — я, как всегда, ищу тут какую-то интересную науку (о том, что я находил в первом сезоне, можно почитать тут).

Итак, в последней серии второго сезона про одну из героинь говорят, что она «имеет тип личности ISTP по классификации Майерс — Бриггс». Сказавший это отмечает, что данная типология очень старая, но до сих пор является золотым стандартом при работе с персоналом.

Такая система — Myers–Briggs Type Indicator (MBTI) — действительно существует в реальности. Созданная на основе юнгианской типологии в виде опросника в США в 1940‑х двумя писательницами — матерью и дочерью — MBTI завоевала определённую популярность в образовании и бизнесе. MBTI строится на 4 шкалах-дихотомиях, где каждый из выборов кодируется одной буквой (например, «экстраверсия (E)» vs «интроверсия (I)»); таким образом набирается 16 типов личности.

MBTI имеет существенные проблемы научного плана: дискретность черт характера, нестабильность результатов опроса, слабая предсказательная сила и тому подобное. Из-за этого MBTI часто относят к псевдонауке.

Несмотря на это, система невероятно популярна до сих пор, и обладает большим сообществом. Среди прочего сторонники MBTI очень любят классифицировать вымышленных персонажей. Вот, к примеру, таблица с типами персонажей сериала Fallout. Я даже отыскал статью в сборнике научной конференции по видеоиграм, где MBTI вместе с другими метриками использовали для классификации персонажей Fallout New Vegas. Осмелюсь предположить, что шоураннеры Fallout могли как-то отсылаться к подобным применениям системы Майерс — Бриггс.

Но лично для меня упоминание MBTI — это очередной кирпичик в строительство особой реальности мира Fallout, который словно застрял в 50-х годах послевоенной Америки. Нам об этом говорит всё, начиная от музыки и причёсок и заканчивая наукой и техникой. Например, реальный прототип пусковой установки «Толстяк» был действительно разработан как раз в это же время, что и развивалась MBTI — время оптимизма ядерных технологий (и близости конца света, ага).

Этот маленький нюанс иллюстрирует ту дотошность, с которой создатели сериала подошли к мелочам мира Fallout. Спасибо им за это!

Сегодня мы празднуем День российской науки, и в честь такого события я принёс вам показать милый мультик, который сделали мои коллеги. Приключения пингвинёнка символизируют непростые трудности, которые ожидают любого исследователя в области ИИ. Наградой же становится публикация в сборнике конференции ранга A*.

В науке об ИИ (а, точнее, в компьютерных науках), если кто не знал, публикации в сборниках трудов конференций ценятся выше, чем публикация в научных журналах. Для конференций существует рейтинг, составленный Ассоциацией компьютерных исследований и образования Австралазии CORE. Наивысший ранг в нем обозначается как A*.

Ученые в области ИИ в случае успеха просто говорят «нашу статью приняли на конференцию A*». Такие статьи ценятся выше, чем статьи в журналах Q1, а процедура рецензирования для них зачастую проходит гораздо строже.

Кстати, мультик сделан с помощью ИИ — институт искусственного интеллекта мы или кто? Но, разумеется, под чутким руководством дизайнера✍️

Кстати, про конференции A*. В отличие от журналов, чьи статьи выходят в течение года, конференции определённой серии происходят лишь раз в год, как и выпуск их трудов. По этой причине оргкомитеты главных конференций по компьютерным наукам более или менее равномерно делят месяцы между собой.

Мероприятия серии AAAI (Association for the Advancement of Artificial Intelligence) обычно происходят в самом начале года. Они имеют довольно широкий профиль тем по сравнению с другими престижными конференциями по ИИ. AAAI этого года оказалась юбилейной 40-й и прошла в 20-х числах января в Сингапуре.

Мои коллеги из AIRI приняли в ней активное участие и даже подготовили целых два репортажа (первый и второй) в виде статей на Хабре, а я, как водится, помог их выпустить

Сегодня немножко материаловедения.

Технеций 99 — долгоживущий, но при этом довольно радиоактивный продукт деления урана и плутония. Чтобы он не просачивался в подземные воды при хранении, а также ещё по ряду причин его стараются смешивать с углеродом с образованием карбидов технеция. В зависимости от концентрации углерода, полученный в результате смешивания материал может обладать различными свойствами, и это всё, как вы понимаете, надо знать.

Это краткий пересказ того, какая мотивация лежала в основе новой статьи от моих коллег из AIRI, вышедшей недавно в журнале Acta Materialia. Исследователи применили графовые нейронные сети, чтобы те подхватили существенную часть работы в предсказании свойств карбидов технеция в дополнении к обычным DFT-расчётам. Это не просто ускорение вычислений — некоторые редкие конфигурации невозможно было бы найти простым перебором, поскольку последний потребовал бы какого-то немыслимого количества времени на подсчёт с помощью обычных численных методов.

На днях мы выпустили статью для Хабра, в котором один из авторов разъяснил различные нюансы своей работы. Текст получился длинным и насыщенным физикой твёрдого тела, но если вам интересно, как материаловедение прямо сейчас меняется под действием нейросетей, то вам сюда.

Даже далёкие от медицины люди вроде меня нет-нет, да и слышали про такое понятие, как биологический возраст и его отличия от возраста хронологического (паспортного, если угодно). Его трактуют, как некий показатель здоровья, единое число, которое — в теории — способно предсказать, когда вы умрёте, и — опять же, в теории — уменьшение которого означает продление жизни.

С биологическим возрастом тесно связано понятие часов старения. Я уже разок писал про них, когда рассказывал, как мы с Дмитрием Крюковым, ныне руководителем группы «Исследования биомаркеров» лаборатории «Сильный ИИ в медицине» AIRI, выпустили его текст о том, что люди не очень-то правильно умеют рассчитывать эти самые часы.

На этот раз Дмитрий и его коллеги выступили с критикой калькуляторов биологического возраста, которые, к слову, в большом количестве гуглятся по одноимённому запросу в гугле. Свою позицию они изложили в статье в npj Aging, по мотивам которой вышла свежая колонка в нашем блоге на Хабре

Я не очень часто рассказываю о том, какими научными исследованиями занимаюсь сам. Так уж вышло, что сейчас моя основная деятельность — ненаучная, поэтому пресловутый гранит приходится грызть по остаточному принципу. И всё же, пусть и медленно, но дело идёт. А тут как раз меня позвали рассказать о том, что я сейчас делаю, на небольшом кафедральном семинарчике.

Так что, если вы будете вечером во вторник 3 марта на физфаке КФУ, заходите на огонёк. Покажу, про что я сейчас пишу статью, которую, надеюсь получится отправить в ближайшие месяцы. Подробности тут

Физика тоже может быть красивой. В этом можно убедиться, посмотрев номинантов и победителей конкурса Global Physics Photowalk, который организовала международная сеть научных коммуникаторов в области физики элементарных частиц Interactions Collaboration.

По этому случаю на N + 1 сделали подборку победивших фото — сходите посмотрите, может, заберёте себе что-то на рабочий стол. Помимо обычного описания, авторы галереи собрали мнения от пишущих или писавших про физику авторов. Мой комментарий там есть тоже есть — и даже там, не обошлось без видеоигр 🤭