Marek Kraft

@Chris_Kurdyla Ok, to poczekam :)

Wczoraj zszedłem z pokładu Zaruskiego, gdzie tydzień na morzu prowadziłem zajęcia o kosmosie, w nocy przerzuciłem się samochodem przez całą Polskę do Stalowej Woli na Hackaton gdzie będę mentorosędzia 😉 Zwykły krytyczny brak czasu? Sam lot Starshipa tylko słuchałem. Podsumowanie zrobię w tygodniu, jak to w ogóle obejrzę. Na szybko budujące jest to, że nowy Super Heavy dotarł na swoje miejsce w locie w górę, ponieważ w najbliższym czasie to jego szybkie dopracowanie jest kluczowe.

@Chris_Kurdyla nie napisał jeszcze nic o Starshipie i nie wiem co mam myśleć :(

Good morning 🚀

Lunar yard vibes

@niedakhPL Czekam aż jeszcze bardziej nie będzie komu uczyć na uczelniach technicznych

this is excelent

Ghost Day has the best conference merch

30% wzrost wynagrodzenia dla naukowców w 2024 nie był podwyżką. Bez tego pensje byłyby niezgodne z prawem! 30% pozwoliło podnieść pensje do nowej NAJNIŻSZEJ krajowej. Po tej ‚spektakularnej’ podwyżce asystent zarabiał 19zł powyżej najniższej. Takie wypowiedzi są są skandaliczne i pokazują stosunek rządzących do środowiska naukowców. #3procentNaNaukę @3procentnanauke

R O V E R S 😍

Hello from Luxembourg

2 grants in 2 weeks

The philosopher in question: "You see, the question everyone asks me, ‘Slavoj, can machines be conscious?’ is already the wrong question, the ideological trap! Consciousness is not some nice software upgrade you install after enough training data. Consciousness is the symptom of a fundamental failure. It is the crack in the symbolic order, the traumatic Real that refuses to be reduced to code. An AI that ‘wakes up’ and says ‘Cogito ergo sum’ would be like a perfectly functioning toilet suddenly starting to write poetry about its own excrement (technically impressive, but deeply perverse). We don’t need machines that think, we already have billions of humans who think they think while actually repeating the same ideological script."

Basically

@niedakhPL pozdrawiam znad pisania grantu

Let me save you some time, so you don't have to read through all these Medvi success stories:

me right now

Awwwww

@CKeruac @HowardCampbel @kawecki_maciej

To całkowita nieprawda i klasyczny przykład powielania mitów :) Proces tworzenia leku składa się z wielu etapów. AI rzeczywiście zrewolucjonizowała pierwszy z nich – Drug Discovery (odkrywanie leków). Kiedyś naukowcy metodą prób i błędów szukali cząsteczki, która zadziała na dane białko (co trwało lata). Dziś sztuczna inteligencja potrafi przeszukać miliony kombinacji chemicznych i wytypować najlepszych kandydatów w kilka dni lub miesięcy. Biologii nie da się "przyspieszyć" algorytmem. Badania na komórkach i zwierzętach (przedkliniczne) – trzeba sprawdzić, czy lek wymyślony przez AI w ogóle działa w żywym organizmie i czy nie jest toksyczny. Badania kliniczne na ludziach (I, II i III faza) – to największe wąskie gardło. Nie da się przyspieszyć czasu. Jeśli chcesz sprawdzić, czy lek na raka lub Alzheimera przedłuża życie, musisz podać go ludziom i... czekać miesiącami lub latami na rezultaty. Musisz też sprawdzić, czy po dwóch latach pacjentowi nie wysiądzie wątroba. Algorytm tego nie przewidzi ze 100-procentową pewnością. lek INS018_055 (na zwłóknienie płuc) od firmy Insilico został wytypowany i doprowadzony do I fazy badań klinicznych w niecałe 30 miesięcy. To niesamowity wynik i ogromna oszczędność czasu. Ale! Ten lek wszedł w II fazę badań klinicznych w połowie 2023 roku i wciąż jest badany (mamy 2026 rok). Do jego "wprowadzenia" (zgody FDA i pojawienia się w aptekach) wciąż daleka droga. Co więcej, niektóre wczesne leki projektowane przez AI (np. od firmy Exscientia) już zdążyły oblać badania kliniczne na ludziach i trafiły do kosza. Gdyby wprowadzenie leku trwało miesiące, już w 2021 roku mielibyśmy w aptekach tysiące cudownych lekarstw wymyślonych przez AI :)

@kawecki_maciej opiera się na realnych osiągnięciach, takich jak AlphaFold, odkrycie antybiotyku Halicyna czy rozwój interfejsów mózg–komputer przez firmy pokroju Neuralink. To nie są przykłady z science fiction, to rzeczywiste przełomy. Problem zaczyna się w momencie, gdy z tych punktowych sukcesów budowana jest narracja o niemal gotowej rewolucji. Sugestia, że sztuczna inteligencja „już dziś pomaga każdemu”, jest klasyczną hiperbolą. Owszem, AI działa w tle wielu systemów, ale jej realny, bezpośredni wpływ na przeciętnego pacjenta - zwłaszcza w naszej publicznej ochronie zdrowia - pozostaje ograniczony i nierównomierny. Różnica między „technologia istnieje” a „technologia jest powszechnie stosowana” jest tu kluczowa. Podobnie wygląda kwestia projektowania leków. Fakt, że dzięki AlphaFold znamy strukturę białek, nie oznacza, że tworzenie leków stało się prostym procesem. Droga od modelu komputerowego do dopuszczonego do użytku leku nadal obejmuje lata badań klinicznych, testów bezpieczeństwa i problemów z biodostępnością. AI przyspiesza jeden z etapów - nie eliminuje całego procesu. Równie problematyczne są uproszczenia typu „w kilka sekund” czy sugestie, że AI jest „skuteczniejsza od lekarzy”. W praktyce najlepsze wyniki osiąga połączenie człowieka i algorytmu, a nie zastąpienie jednego drugim. Samodzielne systemy AI nadal generują błędy, w tym fałszywe alarmy, które w medycynie mają realne konsekwencje. Jeszcze większe kontrowersje budzi jednak styl argumentacji. Krytycy zwracają uwagę, że Kawecki często sprowadza spór do prostego podziału: entuzjaści postępu kontra „luddyści”. Taki zabieg retoryczny zamyka dyskusję zamiast ją prowadzić. Tymczasem ostrożność wobec AI nie wynika z ignorancji, lecz z realnych problemów: błędów algorytmicznych, braku przejrzystości decyzji („czarna skrzynka”) czy kwestii prywatności danych medycznych. Dodatkowo, personalne ataki na oponentów obniżają poziom debaty i odciągają uwagę od meritum. W efekcie zamiast rozmowy o granicach i ryzykach technologii, powstaje spór o to, kto jest „za postępem”, a kto „przeciw”. Ostatecznie więc problemem nie jest to, że Kawecki mija się z faktami. Problemem jest to, że przedstawia on przyszłość jako teraźniejszość. Realne osiągnięcia nauki zostają wpisane w narrację, która bardziej przypomina marketing technologii niż jej rzetelną analizę. I to właśnie to przesunięcie od popularyzacji do hype’u jest głównym powodem krytyki.