М Система, которую я запилил, чересчур замороченная и подходит только если есть сильное серверное железо. Обычная статья анализируется больше 20 минут на RTX 3090 из-за всех ухищрений и заморочек. Поэтому будет лучше, если вы будете работать отдельно и независимо, вдруг у вас получится более оптимизированная и эффективная система. Предлагаю срок где-то до конца декабря, после которого сравним оба наших подхода на каком-нибудь простом кейсе: 1. Анализ 100+ статей из разных источников, 2. Адекватный, логичный и развёрнутый анализ этих работ (чтобы мы видели цепочки рассуждения системы, а не просто фантомную генерацию текста) 3. Вывод, оформленный как обзорная статья.
советую вам удалить всё ранее написанное и сесть за продумывание архитектуры. Без этого такая сложная система работать не будет. Её выводы всегда должны быть ясными и наглядными, промежуточные рассуждения не должны быть скрыты от глаз пользователя, все системы должны работать согласованно, связанно и не падать при разных нагрузках и специфичных нестандартных задачах
по поводу визуализации, было бы здорово, если бы ваша система умела делать наглядные блоксхемы метаболических путей, умела достраивать эти цепи с учётом новой информации, а также понимать, какие факторы и в каком количестве будут вредны, а какие являются нормой. Без логически работающего ядра все дальнейшие шаги будут бесполезны.
👌1
Димка Прокофьев#разработка #карта_знаний
Пара самых важных критериев работоспособности Карты Знаний
- Насколько хорошо она (пока без нейросетей, а на правилах) предсказывает следущие статьи на основе предыдущих, в графе существующих знаний.
- Насколько большое топологическое расстояние по графу между предыдущей
#разработка #карта_знаний
Ещё один маленький результат 🎉.
Спустя 3 дня исследования вместе с нейронкой, скрытый семантический слой который сейчас есть под DAG карты знаний, предсказал пока ещё не знание, но направление стрелки от одного знания/блока к другому.
Были использованы операции мышления, индукция и обобщение, и перенос семантического паттерна. С такой пометкой "результат — гипотеза переноса, а не дедуктивное доказательство". Сама структура графа пока не внесла вклад в предсказание.
Нужно предсказать именно знание/блок, так что соответствие двум критериям работоспособности ещё нет, но это показатель движения в правильную сторону.
Теперь нужно покопаться что это всё значит и продолжать исследование для сбора других доказательств.
Фотография
📌Claude спроектировал белки, которые связывают токсины скорпиона
Научная команда Anthropic отчиталась об эксперименте, в котором внутренняя исследовательская модель Claude почти без участия людей провела кампанию по белковому дизайну.
Мишенями стали пять нейротоксинов скорпионов, а придумать модель должна была минибиндеры, небольшие белки, которые прочно цепляются к заданной мишени.
Укусы скорпионов ежегодно дают больше миллиона пострадавших и тысячи смертей. Нынешние противоядия получают из сыворотки живого биоматериала, они дороги и долго производятся.
Белок, спроектированный с нуля, в перспективе мог бы лечь в основу более дешёвого препарата.
Люди написали начальный запрос и четыре уточнения, а дальше модель вела работу сама.
Она нашла структуры токсинов в открытых базах, выбрала участки для связывания, задала себе пороги качества, скомбинировала двенадцать инструментов дизайна и написала отчёт по результатам.
Из примерно 318 тысяч вариантов она отобрала на синтез 180, люди добавили ещё 31. Вся кампания заняла около 64 часов и примерно 10 тысяч часов работы ускорителей совокупно.
Две независимые лаборатории проверили все 211 белков, и критериям связывания удовлетворили 17, каждый против одного токсина.
Среди кандидатов на один токсин сработали 11 из 60, и такую долю авторы называют обычной для белкового дизайна.
Два лучших белка связывают токсин Cn2 с силой в единицы наномолей, слабее известных антител против него.
А вот кандидаты, которых проектировали сразу против всех пяти токсинов, провалились целиком, ни один из 91 не связал больше одного.
Нейтрализацию токсина не проверяли ни на клетках, ни на животных, так что противоядием Anthropic свою работу не называет.
Все 211 конструкций и данные по ним компания выложила в открытый доступ.
@ai_machinelearning_big_data
#news #ai #ml
👍1
146 · 19.8K · Фотография
Фотография
Фотография
Фотография
🧬 Claude помог раскрыть структуру белковой частицы, которую учёные изучают уже 40 лет
Anthropic опубликовала результаты исследования загадочных белковых комплексов vault particles. Их обнаружили ещё в 1986 году, но учёные до сих пор не знают, зачем они нужны клеткам.
Vault-частицы - это крупные полые белковые структуры, напоминающие капсулы. Предполагается, что они участвуют во внутриклеточном транспорте и защите клеток, но их точная функция неизвестна.
С помощью Claude исследователи впервые восстановили трёхмерную структуру vault-подобной частицы, обнаруженной у прокариот.
Масштаб работы впечатляет. Claude проанализировал базу из 15 млрд белковых последовательностей, помог спроектировать ДНК-конструкции, оптимизировать лабораторные процедуры и обработать данные криоэлектронной микроскопии.
Результаты:
• Выделение частиц ускорили с 3 дней до 90 минут.
• Первую 3D-модель получили за 34 часа вместо нескольких недель.
• Обнаруженная структура состоит из 96 копий белка и имеет массу около 9,5 мегадальтона.
• Весь исследовательский цикл занял менее 4 месяцев.
Claude работал в мультиагентной системе, запускал специализированное ПО RELION и обрабатывал данные на вычислительном кластере.
Без ошибок не обошлось. Одна неудачная рекомендация Claude задержала эксперименты на две недели, а пропущенный этап обработки привёл к неправильной 3D-карте.
Биологическая функция vault particles пока остаётся загадкой. Но исследование показывает, как ИИ-агенты могут выполнять значительную часть сложной научной работы под контролем исследователей.
https://www.anthropic.com/research/investigating-vault-particles-with-claude
@ai_machinelearning_big_data
#Anthropic #claude
👍1
226 · 17.9K · Ссылка
нажмите — покажем
нажмите — покажем
На данный момент застрял с задачей проведения непосредственной связи между парой блоков.
Нужна ли связь между парой? Если нужна, как она направлена и от чего зависит?
Пока я предполагаю что зависит она от содержания блоков и в зависимости от ситуации, либо от условий если мы находимся в точке А (слева в графе), либо от цели Б (справа в графе). То есть условия это что то похожее на цель. (Ещё это напоминает обучение без и с учителем из ML). Цель или условия могут менять направление связи или вообще говорить что связь не нужна.
Короче говоря провести стрелку (связь) между двумя блоками оказалось еще более сложной задачей. И даже нейросеть не очень помогает.
Эксперимент для проверки направления очень сложный, нужно "много людей как для Википедии" что бы они проходили некоторое "обучение" по блокам и отмечали после какого А им понятно Б.
Нейросеть не только не помогла но возможно ещё увела не в то направление.
Я был какое то время в тупике. Но после раздумий понял чего возможно не хватает и я упустил.
Это направение
Причинно-следственный анализ (Causal Inference, CI)
Можно сазать спасибо КЭП. Но почемуто даже нейросетка обошла его стороной и непонятно почему. Хоть я и указывал ей например на медиаторный анализ.
Вот что сейчас надо сделать.
Надо найти все возможные методы установления причинно-следственных связей в науке и рассмотреть и протестировать каждый на конкретной карте знаний, пока это материал из учебника биологии.
Если вы знаете какие нибудь методы выявления причинно-следственных связей из своей практики, поделитесь. Само собой нейронку и поиск уже использовал.
Д Ссылка
нажмите — покажемЧастично решил проблему... Для "Народной карты" (той что редактируют пользователи) я сделал не "рандомизированный контролируемый эксперимент", а простое голосование — как решит большинство так и будет направлена связь или вообще удалена. Главное что бы не было циклов. Идея в том что сообщество само выведет какие-нибудь правила или просто действуя интуитивно или вообще с разными правилами для разных участков карты. Хотя возможно какие то начальные правила всё таки стоит написать для справки. И ещё тут возможно понадобятся рейтинги пользователей, но как их считать я ещё не продумывал. Они нужны для защиты от злоупотреблений. А уже какую то жёсткую логику создания связи я буду исследовать для основной "Карты знаний" где всё будет происходить автоматически. Подсказали книжечку по причинным связям, буду осваивать и смотреть что можно сделать с этой проблемой.Д Догадался ещё до одного пазла. Понятия (или просто слова и словосочетания) используются как "контейнеры" для их определений. Иначе говоря, каждое слово можно "раскрыть" как в математике и уже по раскрытым определениям до определённого уровня/итерации, которые позволят найти общее или различия для принятия решения о связи. Скорее всего связь возможно провести как с целью так и без. Именно потому, что мы используем "контейнеры", совершенно разные слова могут иметь общие связи. Это уже даёт возможность строить цепочки где для одного определения 100% требуются другие определения. Удобно что это захватывает как объекты так и процессы.