Hacker News Digest

Научный прогресс застопорен из-за рутинных экспериментальных циклов: гипотеза — запуск — анализ — корректировка. Discovery Loop предлагает автоматизировать весь этот процесс, используя ИИ и вычислительные мощности для одновременного проведения тысяч экспериментов. Это сокращает время итераций и повышает качество результатов, особенно в машинном обучении, где первые шаги будут направлены на оптимизацию собственной технологической инфраструктуры.

Команда, состоящая из Джеффа Диана, Санджая Гематева, Квока Лэ и Ориоля Виньяльса, объединяет экспертизу в создании ключевых технологий: от TensorFlow и Pathways до AlphaFold и Gemini. Их преимущество — не только глубокие навыки, но и опыт построения систем, масштабирующих вычисления на уровне всего мира. Цель — дать исследователям и инженерам возможность ускорять открытия, решая задачи от разработки лекарств до обеспечения чистой воды, превращая науку в более доступный и эффективный процесс.

Тред обсуждает потенциал и ограничения автоматизации научных исследований, особенно в ML и ИИ, выражая сомнения в возможности полной автоматизации экспериментальных циклов — например, в биологии. Участники подчеркивают, что автоматизация полезна, но не должна заменять человеческий интеллект и критическое мышление. Отмечается впечатляющий опыт команды Discovery Loop в ML и ИИ. Также предупреждают о рисках: ошибках и предвзятости алгоритмов, а также о том, что не все научные процессы поддаются автоматизации.

Apple выпустила open-source библиотеку ML-SimpleFold для предсказания трёхмерной структуры белков на основе их аминокислотной последовательности. Она использует архитектуру трансформеров и оптимизирована для эффективного обучения и инференса на GPU. Код написан на PyTorch и включает инструменты для подготовки данных, обучения моделей и визуализации результатов.

Библиотека поддерживает предсказание структур как отдельных белков, так и комплексов, с акцентом на скорость и воспроизводимость. Это демонстрирует растущий интерес крупных tech-компаний к computational biology. Практический вывод: инструмент упрощает исследования в биоинформатике, снижая барьер входа для научных групп без мощных вычислительных ресурсов.

• Представлена упрощенная модель предсказания структуры белков SimpleFold, использующая подход knowledge distillation от сложных моделей (AlphaFold, ESMFold) и демонстрирующая высокую эффективность.
• Обсуждается, что модель обучалась на данных, сгенерированных другими ИИ-системами, а не на экспериментальных структурах, что поднимает вопросы о её истинной новизне и независимости.
• Подчеркивается тренд на упрощение архитектур моделей для предсказания folding, следуя "bitter lesson" в ML, и потенциальные выгоды для локального inference на потребительском железе.
• Участники спорят, является ли проблема folding решенной после AlphaFold, и в чем разница между физическими симуляциями (Folding@Home) и статистическими методами (ИИ).
• Высказываются предположения о мотивации Apple заниматься этой темой: от престижа и маркетинга до практических целей вроде оптимизации чипов и развития локальных вычислений.

• Gemini 2.5 — Pro, Flash, Flash Image, Flash-Lite

• Gemma 3 — Gemma 3, 3n, ShieldGemma 2

• Генеративные модели — Imagen, Lyria, Veo

• Эксперименты — Project Astra, Mariner, Gemini Diffusion

• Исследования — проекты, публикации, новости

• Наука

  • Биология: AlphaFold, AlphaGenome, AlphaMissense, AlphaProteo
  • Климат: WeatherNext, Weather Lab
  • Математика и КС: AlphaEvolve, AlphaProof, AlphaGeometry
  • Физика и химия: GNoME, Fusion, AlphaQubit
  • Прозрачность: SynthID

• О нас — новости, карьера, вехи, образование, безопасность, подкаст

• Gemini 2.5 Flash (nano-banana) стал новым «iPhone-моментом» для редактирования картинок: +171 ELO на LM Arena, почти догнал Imagen и gpt-image-1.
• Модель умеет одновременно использовать несколько входных изображений без хаков, быстро работает и дешёво ($0.02), но дороже Flux Schnell.
• Жёсткая безопасность: отказывает в редактировании людей и детей, половина промптов блокируется, что делает продукт бесполезным для фото-ретуши.
• На практике результаты не всегда совпадают с рекламой, иногда «Internal server error» и квоты API, а в Европе доступ ограничен VPN.
• Пользователи радуются быстрому восстановлению старых фото и «фотобаттлам», но боятся deepfake-шантажа и отсутствия контроля над лицами.