Хасанов Рустам

2.8K posts

Хасанов Рустам banner
Хасанов Рустам

Хасанов Рустам

@multipers3

Inscrit le Ekim 2016
258 Abonnements58 Abonnés
Хасанов Рустам retweeté
Artur Bikbaev
Artur Bikbaev@arturbikbaev·
Астрология, Whoop и гадание на кофейной гуще по подписке ☕✨ Все трекеры сна строят свои выводы не на самом сне, а на косвенных переменных: пульс (HR) и его вариабельность (HRV), движения, иногда SpO2 и температура. Выводы трекеров это предположения, апроксимации с кучей проблем: низкая точность, постоянные искажения и смещение восприятия. Они угадывают стадии сна по косвенным данным. Довольно точно справляясь только с определением "сон vs бодрствование" (85–95%), трекеры значительно хуже угадывают стадии сна REM/deep/light (50–70% и часто даже ниже). Реальный стандарт диагностики сна, который напрямую измеряет физиологию сна, это полисомнография (PSG: ЭЭГ, ЭОГ, ЭМГ), плюс ЭКГ, анализ дыхания, храпа, положение тела, движений. Главная проблема трекеров сна: вместо того чтобы слушать свое тело (бодрость, сонливость, энергию) люди начинают пытаться жить по цифрам. Whoop говорит, что у тебя был плохой сон, и тревожность включается, даже если самочувствие в целом нормальное. Ты нормально выспался, но Whoop говорит, что плохой Recovery, и вот ты уже начинаешь вести себя как человек с плохим восстановлением. Классический эффект ноцебо (негативное ожидание ведет к ухудшению состояния) через перенос контроля с тела на устройство. В этот момент трекер перестает быть инструментом и начинает задавать поведение. Да, такие гаджеты могут быть полезны новичкам, как инструмент геймификации и формирования полезных привычек: лечь пораньше, заметить корреляцию плохого состояния с алкоголем или поздним ужином (что и так как бы всем очевидно, кэп). Но со временем (и довольно быстро) эти данные перестают нести какую-либо смысловую нагрузку и превращаются в фоновый шум, регулярный источник потенциального стресса и тревоги. С таким же успехом астрология и гадание на кофейной гуще, если в них верить, тоже могут сработать как инструмент геймификации и формирования полезных привычек. Разница лишь в том, во что ты выбрал верить. Но на кофе гадать подешевле будет, да и без ежемесячной подписки. А для нормальной жизни твои собственные ощущения и простая гигиена сна работают значительно лучше. Кстати, возраст (Whoop Age), который "рассчитывает" Whoop это еще один сферический конь в вакууме. Прекрасный пример маркетингового слоя, классического механизма поведенческого дизайна, который усиливает вовлеченность и удержание платящих пользователей на ежемесячной подписке через цикл дофаминовой петли и позитивное подкрепление.
Artur Bikbaev tweet mediaArtur Bikbaev tweet media
Русский
0
1
1
394
Хасанов Рустам
@nu_vot_tak_vot Не знаю почему нужно однозначно определять код ИИ как хороший или плохой, я думаю все от задач зависит и от умения пользоваться промтами. Код ИИ и хорош и плох бывает, если вы тупой то ИИ вашу тупость как зеркало отразит, если вы гений уже продадите вайбкодинговое приложение
Русский
0
0
0
95
🇦🇲Russian IT опять не в Эмиратах
ИИ отлично пишет код. Да и обезьяна тоже с этим справится. Только вот нормально работающий код для приложений сложнее калькулятора ИИ писать не умеет Причем никакой ИИ, даже Claude Так что да, я пишу код хуже ИИ, но по работоспособности он намного превосходит ИИ-высеры
almaleksia@almaleksia

Меня удивляет количество людей, которые всерьез считают, что они пишут код лучше ИИ

Русский
28
1
43
18K
Хасанов Рустам retweeté
Jorge Bravo Abad
Jorge Bravo Abad@bravo_abad·
Can AI predict what your next research paper should be about? Science grows faster than any single researcher can read. In materials science alone, hundreds of thousands of papers now exist, and the most promising ideas often live at the intersection of concepts no one has yet thought to combine. Marwitz and coauthors take this challenge head on. Starting from ~221,000 materials science abstracts, they fine-tune a LLaMA-2-13B model to extract key concepts — not just keywords, but normalized, semantically meaningful phrases — and build a concept graph with ~137,000 nodes and 13 million edges, where each edge reflects the co-occurrence of two concepts in a published abstract. The graph evolves over time, and that temporal signal becomes the basis for link prediction: which pairs of currently unconnected concepts will appear together in a future paper? They test several model families — a graph topology baseline (NN on hand-crafted features), concept embeddings from MatSciBERT, a GraphSAGE GNN, and hybrid mixtures of these. The best single metric goes to the Mixture of GNN + Embeddings, reaching AUC 0.943. The most interesting finding is about distance. Most concept pairs in the graph are already connected through just one or two intermediate nodes. The baseline model is excellent at predicting nearby connections (dprev = 2, recall 73%) but nearly blind to more distant ones (dprev = 3, recall 5.9%). Adding semantic embeddings raises recall at distance 3 to 35% — and those are exactly the combinations most likely to represent genuinely novel research directions. To validate this beyond metrics, they ran 30-minute interviews with ten materials scientists, each receiving a personalized report of AI-suggested concept pairs. Of 292 evaluated suggestions, 26% were rated as novel and inspiring — including combinations like "conventional ceramic + graphene oxide" and "in-plane polarization + organic solar cell" — ideas the experts had not previously considered. For R&D teams in industry, this is a concrete step toward AI-assisted hypothesis generation. In sectors like battery materials, catalysis, or specialty coatings, where the literature is vast and cross-domain insight is rare, a system that surfaces non-obvious concept bridges could meaningfully compress the time between literature review and experimental design. Paper: Marwitz et al., Nature Machine Intelligence (2026) — CC BY 4.0 | nature.com/articles/s4225…
Jorge Bravo Abad tweet media
English
8
50
233
13.8K
Brandon
Brandon@LibOrNormal·
How Liberal Men pump up their vehicle tires....
English
614
901
10.9K
1.7M
вова хейфец 🏳️‍🌈🪬
обсуждали с терапевтом чувство стыда именно оно меня супер сильно захлёстывает и становится невыносимым в некоторых ситуациях и стали думать что является противоположностью чувства стыда мы пришли к некоторым вариантам но мне интересно какие варианты есть у вас
Русский
95
2
387
35.1K
Зимняя сопелька
Почему кола из банки вкуснее колы из пластика, а кола из стеклянной бутылки вкуснее чем из банки?
Русский
137
11
1.1K
101K
Artur Bikbaev
Artur Bikbaev@arturbikbaev·
Самое масштабное клиническое исследование креатина на сегодня. 24 месяца, десятки центров по всему миру, тысячи участников. Единственная безопасная доза креатина без негативных изменений маркеров почечного стресса — 0 г. в день. It's over.
Artur Bikbaev tweet media
Русский
32
15
352
109.3K
саня
саня@sashazayatc·
Если бы вы могли на день вернуть с того света одного музыканта, которого вы не застали, и послушать его живьем, кого бы выбрали? Я без всяких сомнений Фредди Меркьюри
Русский
585
15
798
58.4K
Хасанов Рустам
@tireduckquack Так без смеха, но медитации, дыхательные практики, массаж и занятия спортом
Русский
0
0
0
34
Микрофасолина
Микрофасолина@tireduckquack·
Как вы справляетесь со стрессом? Какие там хобби или ритуалы у вас? Только давайте не про качалку, слишком банально
Русский
285
4
179
26.1K
Хасанов Рустам retweeté
Neurology: Clinical Practice
This narrative review provides a visually driven, clinically grounded roadmap that links dopaminergic neurochemistry and pathway anatomy to in vivo molecular imaging, with a specific focus on education and bedside application: hubs.la/Q0486rSm0
Neurology: Clinical Practice tweet media
English
2
52
193
6K
Хасанов Рустам retweeté
Leonardo Dalla Porta
For more than a century, the study of brain lesions has been central to understanding cognitive processes and normal brain function (e.g., Broca’s studies). However, what electrophysiological signatures emerge following a brain lesion?
Leonardo Dalla Porta tweet media
English
1
29
106
6.5K
Хасанов Рустам retweeté
nature
nature@Nature·
Nature research paper: Towards end-to-end automation of AI research go.nature.com/4rSOGFK
English
2
35
162
16.3K
Хасанов Рустам retweeté
Project Eleven
Project Eleven@projecteleven·
If today’s Google announcement wasn’t enough... Oratomic, Caltech, and UC Berkeley show quantum computers can break crypto with just 10,000 reconfigurable atomic qubits. It's clearer than ever that blockchains need post-quantum cryptography.
Project Eleven tweet media
English
49
155
900
401K
Хасанов Рустам
@AlbertAbuzarov @lubanka1 Он объективно великий писатель, а не небожитель, кстати иди нахуй долбоеб, за то что меня назвал смердом.
Русский
1
0
0
16
Аlbert Аbuzarov
Аlbert Аbuzarov@AlbertAbuzarov·
@multipers3 @lubanka1 Уже отвечал. Вы, неуважаемый, делите людей на небожителей и смердов. И считаете, что смерды не имеют права сомневаться в святости небожителей. Что право критиковать небожителей надо ещё заслужить. Считаете себя таким смердом - ради бога, ваше право. Я себя смердом не считаю.
Русский
1
0
0
34
lubanka
lubanka@lubanka1·
30 марта 1847 года Лев Толстой сделал первую запись в своем дневнике и вёл его до самой смерти - 13 томов в его СС. Цитата: "Встретил бабу, она жалуется, что трудно жить: шесть человек детей. Я и говорю: откуда они у тебя взялись-тο? Из лесу, что ли, пришли? В самом деле,
lubanka tweet media
Русский
26
21
509
154.2K
Хасанов Рустам retweeté
Lijun AN | 安丽军
Lijun AN | 安丽军@anlijuncn·
[1/7] Our work is now out in @NatureMedicine nature.com/articles/s4159… We developed a state-of-the-art AI-proteomics model for diagnosing multiple neurodegenerative diseases from blood plasma. See previous thread for a summary – but some updates in the published version described below. ProtAIDe-Dx now outperformed both classic machine learning models and even foundation models like TabPFN!
Lijun AN | 安丽军 tweet mediaLijun AN | 安丽军 tweet media
Lijun AN | 安丽军@anlijuncn

Can AI reveal the risk and co-pathology of multiple neurodegenerative diseases from just a single blood sample? We explored the AI-based diagnostic power on a massive sample (N=17,170) and high-rank plasma proteomics data. medrxiv.org/content/10.110… #MedSky #neuroskyence #neurosky #Alzheimer #compneuro #AI #datascience #bioinformatics #neurology

English
9
33
89
17.7K
Хасанов Рустам
@AvdNester сторисы же, так можно показывать бывшим как охуенно ты теперь живешь)
Русский
0
0
1
515
Nesterov Avdey
Nesterov Avdey@AvdNester·
А зачем нужен телеграмм премиум? Ну вот серьезно.
Русский
135
2
217
52.6K
Хасанов Рустам retweeté
пояснительная бригада
Клод разобрал мне тонны папок и файлов на моем iMac a codex разобрал мою почту отписал рассылки что не смог то заблокировал, я gmail аж с 2006того ни одного письма не удалил принципиально, а кодекс просто все рассортировал как надо теперь незнаю на кого еще еще натравить, жду подписку на кодекс за 100 долларов, Клод молодец но кодекс понравился больше, на Клоде коде выбешивают лимиты особенно что они общие с обычным Клод моделями
Claude@claudeai

Computer use is now in Claude Code. Claude can open your apps, click through your UI, and test what it built, right from the CLI. Now in research preview on Pro and Max plans.

Русский
3
3
86
18.8K
Artur Bikbaev
Artur Bikbaev@arturbikbaev·
@multipers3 Буквально вчерашняя с утра натощак без пампа, света, теней, без ничего
Artur Bikbaev@arturbikbaev

@Qzal62178524 Вчерашняя утренняя фотка спросонья (в 7 утра) натощак, без пампа, без удачного кинематографичного света и теней

Русский
1
0
3
78
Artur Bikbaev
Artur Bikbaev@arturbikbaev·
Мне 40, собственный тестостерон 25-27 нмол/л, 100% в натурашку, без ААС и экзогенного тестостерона. Текущий вес 80-81 кг при росте 186 см. Мой протокол для эстетичного, сильного и функционального тела: • силовые упражнения с прогрессией (4 раза в неделю) • ходьба, прогулки на природе 2-3 раза в неделю по 5-6 км, или велосипед 30-40 км со скоростью 20 км/ч • приоритизация белка в рационе (2 г на 1 кг веса) • полное отсутствие алкоголя (последний раз пробовал 22 года назад) Мой текущий протокол поддерживающих БАДов, которые хорошо работают для меня: • на ночь: цинк 30 мг + магний 450 мг + B6 15 мг, глицин 3000 мг (также несколько раз в раз курсом по 10000 мг), N-ацетил-L-цистеин 1000 мг • утром: креатин 8 г, D3 4000 IU + K2 90 мкг, витамин С 1000 мг, бор 6 мг, медь 2,5 мг, Omega-3 (EPA 1000 мг, DHA 750 мг) • в течение дня: псилиум 15 г (отличный источник клетчатки), говяжий желатин 20 г
Artur Bikbaev tweet mediaArtur Bikbaev tweet mediaArtur Bikbaev tweet mediaArtur Bikbaev tweet media
Русский
5
0
17
4K