Дон Р. Суонсон, декан Высшей библиотечной школы и профессор кафедры математики Чикагского университета. University of Chicago Photographic Archive, [apf1-13165], Hanna Holborn Gray Special Collections Research Center, University of Chicago Library.Он же, под конец жизни (из статьи 10.1515/jdis-2017-0019)Дон Р. Суонсон, декан Высшей библиотечной школы и профессор кафедры математики Чикагского университета. University of Chicago Photographic Archive, [apf1-13165], Hanna Holborn Gray Special Collections Research Center, University of Chicago Library.Он же, под конец жизни (из статьи 10.1515/jdis-2017-0019)
Как сделать научное открытие, не проведя ни одного экспериментаДон Суонсон (Don Swanson) был физиком-теоретиком, закончившим Калтех и защитившимся в Беркли, в пятидесятых работавшим с Хомским над машинной индексацией текстов и руководившим отделом с чудесным названием «Synthetic Intelligence».А ещё у него болели пальцы на холоде — болезнь Рейно, спазм мелких сосудов, нарушенное кровообращение. И мучили мигрени.В 1986 году Суонсон сел в библиотеке и начал читать статьи по двум темам. В одной стопке – статьи про рыбий жир, который снижает вязкость крови и улучшает микроциркуляцию. В другой – про свою болезнь Рейно. Ни одна статья из первой стопки не упоминала вторую, ни одна из второй не ссылалась на первую. Кардиологи и ревматологи жили в непересекающихся мирах.Суонсон — физик с больными пальцами — прочитал и тех, и других, и увидел то, чего не видел никто: рыбий жир может помочь при Рейно. Через три года клиническое испытание это подтвердило.Он назвал это undiscovered public knowledge — неоткрытое публичное знание — и написал фразу, которая не отпускает меня с тех пор, как я её прочитал:«Для того чтобы скрытое знание повлияло на науку — было проверено, породило новые вопросы, новые догадки — две предпосылки должны быть известны одному человеку, и этот человек должен быть способен увидеть, что одно следует из другого».Не в том проблема, что знание скрыто — оно открыто, опубликовано, лежит на виду. Проблема в том, что оно разбросано по разным головам, разным журналам, разным дисциплинам, и никто не свёл его в одну точку.За следующие десять лет Суонсон нашёл ещё несколько таких пар изолированных публикаций, и несколько гипотез подтвердились клинически, включая связь магния и мигрени, от которых он тоже страдал. Семь открытий, ноль экспериментов, только чтение.И вот ещё одна его захватывающая мысль:«Значимость информационного взрыва — не в росте количества публикаций, а в несоизмеримо большем комбинаторном взрыве незамеченных логических связей».Это было сказано в 1996-м
Есть один старый советский анекдот про инженера из НИИ, отправленного валить лес. Который неделю лежал и думал, а потом за день сделал машину, что спилила все деревья (Сибирский цирюльник, ага).Так вот, это в точности про меня 😅С конца прошлого года мною пройден путь от маленького скрипта до универсального инструмента для помощи с научными исследованиями – klemma. Это ИИ-ассистент для академической работы, который решает две ключевые проблемы: показывает, чего не хватает в библиографии и делает обзоры литературы на основе ваших источников. Загружаем статьи → система извлекает фрагменты → классификация цитат → видим, где дыры → получаем обзор литературы, в котором каждая цитата проверяема.klemma – очень мощный инструмент, работающий в консоли локально на вашем компьютере. Причём, он бесплатный – исходный код доступен на гитхабе (наука должна быть доступной).Но я понимаю, что консоль и команды – это не для каждого. Поэтому, последние пару недель я готовил запуск веб-версии. Встречайте: http://litresearch.ruПока отключил регистрацию, т.к. активно тестирую и собираю обратную связь, поэтому лично показываю как всё работает и щедро раздаю токены, чтобы попробовать на хорошем массиве литературы.Накидайте мне сердечек и огоньков – для меня это очень важный момент – запуск своего (вот прям по-настоящему на 100% своего) продукта!P.S. Если вы знаете кого-то, кому данный инструмент мог бы быть полезен, я буду очень благодарен за рекомендацию.#klemma_ai
Начнём день с хороших новостей. Мой скилл для PocketBase только что добавлен в репозиторий aitmpl.comhttps://github.com/davila7/claude-code-templates/pull/404UPD: пояснительная бригада прибыла и сообщает: с помощью этого скилла разработчики могут создавать с помощью ИИ веб-приложения с простой админкой и легковесной базой данных. ИИ будет знать все тонкости реализации и сделает всё правильно (я проверял).Начнём день с хороших новостей. Мой скилл для PocketBase только что добавлен в репозиторий aitmpl.comhttps://github.com/davila7/claude-code-templates/pull/404UPD: пояснительная бригада прибыла и сообщает: с помощью этого скилла разработчики могут создавать с помощью ИИ веб-приложения с простой админкой и легковесной базой данных. ИИ будет знать все тонкости реализации и сделает всё правильно (я проверял).
Мы тут все немножко 🤪 в своём ИИ-комьюнити.Вот только вчера один парень сделал словарик – расширение для Claude Code, которое заменяет стандартные надписи Thinking, Discombobulating и Analyzing – пока ИИ думает – на условный уличный жаргон. Ну, что-то вроде "кабанчиком метнулся".Мне идея понравилась, но как-то совсем не зашёл пацанско-гопнический лексикон. Пришлось сделать свою версию, древнерусскую.Давеча молвит Вѣщій Клодъ Кодъ:Перо очиняю...Мечи кую...Сусеки скребу...Мед варю...Токмо подожди, княже...Баклуши бью...Кольчугу плету...Ять или еръ?..Зело борзо...Лапти плету...И ещё 76 фраз.https://github.com/bolkhovsky/claude-code-spinner
Вчера вечером мне пришла идея 💡klemma – это инструмент поиска цитат для научной работы, а не "напиши-за-меня-диссер" комбайн. Суть в том, чтобы собирать новые идеи на основе существующих "кубиков", такое научное лего.Но если она ищет цитаты из разных источников для вполне конкретного исследования, как проверить, что она не врёт?Я имею ввиду, как численно подтвердить, что klemma находит релевантные и достоверные цитаты, а не выдумывает их на ходу? А ведь это, принципе, просто. Нужно взять любую статью и вытащить из неё тему, ключевые тезисы (абстракт) и все источники, на которые она ссылается.А затем попросить обработать источники и найти цитаты на основе только этой информации (скелета), не показывая ей сам текст статьи.Сказано – сделано!Уже к обеду запустил пилотный бенчмарк реконструкции цитирования: взял реальную статью (Kinney et al. 2025 — Semantic Scholar). С помощью Opus 4.6 извлёк карту цитирования, а затем klemma попыталась восстановить её «вслепую» — только по структуре и фрагментам. Реконструкция показала, что klemma находит почти все нужные источники (F1 = 0.624, recall 0.896). Точность (0.479) ниже из-за склонности к чрезмерной рекомендации: в среднем модель выдаёт в 2 раза больше источников, чем фактически процитировано автором. Intent accuracy пока слабая (0.29) – знаем куда цитировать, но плохо угадываем зачем.Получается, теперь у меня есть практически бесконечный набор данных для тестов и улучшения. Теперь осталось собрать автономный pipeline для выбора очередной статьи-кандидата со всеми её источниками и повторить весь процесс, с авто-тюнингом кода и параметров.Есть над чем работать 😏#klemma_ai
⚛️ klemma работала над научной статьёй о самой себе. И стала от этого лучше.Сейчас объясню)klemma – мой инструмент для работы с научной литературой. Читает статьи, вытаскивает цитаты, отслеживает пробелы в библиографии, строит граф цитирования.Я начал писать научную статью про сам инструмент и подход за ним. Естественно, использовал klemma для работы с литературой к этой статье.Для начала, klemma нашла 16 самых очевидных публикаций по теме. Я загрузил их в базу. Система проанализировала каждую, извлекла ключевые идеи, построила связи – и обнаружился ещё ряд работ, на которые ссылаются найденные. Загрузил и их – снежный ком, нет – лавина! 56 источников в базе!Среди найденного - подходы, которые напрямую улучшают сам инструмент: более точное чтение PDF, поиск по смыслу вместо ключевых слов, формальная проверка утверждений в тексте. На основе этих находок мы с klemma построили план развития проекта на 6 этапов – вайбкодинг на Claude Code Opus 4.6 с развитой инфраструктурой Skills, Sub-Agents, и древовидной иерархией CLAUDE.md файлов.Для тех, кто в теме: классификация цитат по Cohan 2019 (ACL), SPECTER embeddings (Allen AI), граф цитирования на основе Ammar 2018 (Semantic Scholar). В плане: MinerU (Wang 2024) для layout-aware извлечения из PDF, PaperQA-паттерн (Lala 2023) для поиска по фрагментам, SciFact (Wadden 2020) для верификации утверждений, SciRepEval (Singh 2023) как основа для бенчмарка. Python, SQLite, Claude Code, Zotero, Obsidian. В итоге, сегодя klemma помогает писать статью о себе, в процессе находит знания, которые делают её саму лучше, после чего она ещё точнее находит нужное.Замкнутый цикл самоулучшения. Инструмент, который развивается через собственное исследование.#klemma_ai
Наука никогда не будут прежней. Прощайте бесконечные вечера в поиске и просмотре гор литературы на сайтах журналов и в ResearchGate ради крупиц ценной информации.Обладая полным контекстом моего исследования, klemma сама ищет публикации по теме по обычному промпту:> klemma agent "Найди релевантные исследования, которых у меня ещё нет. Включи прямые ссылки на скачивание. Выдай в виде таблицы. Архив журнала: https://www.aaresearch.science/jour/issue/archive"Естественно, механизм автоскачивания уже пилится.Вчера также добавил функцию анализа пересечения источников из разных статей с поиском топ цитируемых по моей теме. Система сама говорит, что искать на основе первых загруженных статей, а дальше – дело техники.Проблема другая: потребовался prune механизм для уменьшения объёма цитирования.Я так заряжен этой штукой!!!#klemma_ai
Наука — это трудноОсобенно когда только начинаешь свою академическую карьеру.Пишу кандидатскую и вот с чем столкнулся:- Под 200 научных статей в библиотеке. Непонятно, какие уже пригодились, а какие просто лежат.- Статьи копятся быстрее, чем читаются. Скачал, открыл, выделил пару цитат, закрыл, забыл.- Утром садишься работать и не помнишь, что читал на прошлой неделе и за что браться.Поэтому сделал себе ИИ-ассистента, который работает как второй научный руководитель, только доступен в любой момент (и не заругает). Встречайте: klemmaОна не пишет за меня, только читает вместе со мной, помнит всё что я забыл и подсказывает куда копать дальше.Что умеет:Читает статьи вместе со мной. Вытаскивает нужные цитаты, пишет аннотации, находит кого не хватает в списке литературы. Как если бы шеф сел рядом и прошёлся по каждой статье.Видит картину целиком. Знает структуру диссертации, показывает какие разделы закрыты, а где дыры. То, что делается перед предзащитой, только тут непрерывно и каждый день.Утренний план. Одна команда и понятно на чём фокус, что горит и какие статьи обработать первыми. Как планёрка с шефом, только каждый день.Python, всё локально, использует Claude Code для анализа в моменте. Подключается к Zotero и Obsidian — инструментам, которые и так у меня в работе.#klemma_ai
Выложил запись вебинара — как я собрал ИИ-агента, который каждое утро присылает мне в Telegram персональный брифинг: что запланировано на день, какие цели в фокусе, о чём важно не забыть.Всё работает на связке Obsidian + GitHub + Нодуль + Claude.Что внутри:— Почему агент работает только на чтение (и почему это важно)— Манифест ценностей агента— Философия персонального планирования— Автосборка системного промпта из репозитория— Фреймворк Daniel Miessler для построения агентов— Живая настройка сценария в Нодуль от нуля до результатаНе нужно уметь программировать. Нужен Obsidian, GitHub-аккаунт и 1 час времени.📱 Смотреть на YouTube▶️ Смотреть на RuTube📱 Смотреть в VK Видео🔗 Репозиторий с шаблоном — https://github.com/bolkhovsky/second-brain-templateВопросы — в комментарии, отвечу каждому.
Вот бывает же такое!Несколько дней готовишь сочный контент к вебинару,всё проверяешь, настраиваешь свет, звук,затем в назначенный день и час подключаешься, здороваешься и...Следующие 30 минут вещаешь в пустоту из-за криво обжатой витой пары 😭Друзья, завтра будет повтор вебинара про персонального ИИ-помощника.Отличный шанс попасть, если сегодня не смогли или пропустили.Ссылка будет новая, в комментах.
Всем привет! За полторы недели успел соскучиться по прозе и вашим реакциям. Кстати, теперь на канале есть комменты – го обсуждать!Где пропадал? Жонглировал проектами. Есть у меня такая черта – часто бывает, что беру на себя больше, чем нужно.Как говорил один мой знакомый голландец, гид из Утрехта и образованнейший человек: «Эти русские всегда набирают больше, чем могут съесть».А за 10 дней, пока меня тут не было, в мире ИИ-агентов происходил настоящий шторм. Все обсуждают проект, получивший сотни тысяч лайков звёзд на гитхабе и успевший за это время сменить три названия (ClawdBot – MoltBot – OpenClaw).В чём суть? Это – первый, по-настоящему массовый ИИ-агент широкого применения. Вы устанавливаете его себе на машину и даёте доступ КО ВСЕМУ: файлам, календарю, почте, браузеру (я и все – 😱). И агент начинает творить чудеса продуктивности. В теории, конечно, но, как говорится, есть нюансы 😏Моё любимое – на скрине. Бот просмотрел почту своего хозяина, нашёл там рассылку Алекса Хормоцци (это такой Михаил Гребенюк на максималках) и купил его программу–мастермайнд на три тысячи долларов. Ну и бонусом докупил персональный домен ещё за четыре косаря – гулять так гулять! Ну а что – ROI же очевидный, не прогадаем! Только что-то неблагодарный мешок с костями пользователь остался не в восторге.Ну так вот, всё же персональный ИИ-ассистент – штука, безусловно, нужная и очень полезная. Главное – знать, как его готовить. Я – сторонник того, чтобы самим контролировать видимость данных и зону ответственности ИИ. Ранее я уже писал про мой сетап на базе Obsidian + Claude Code.Уже в этот четверг на бесплатном вебинаре Нодуля покажу, как всё настроить для себя, безопасно и гибко. Поместим помощника в облако и дадим ему читать локальные заметки через простой API.Приходите – там нужна регистрация. Ссылка в первом комменте (заодно откроем дискуссию).
Вчера пишет шеф.Мой научный руководитель, если что.(Привилегия консультанта - не иметь другого начальства).Мол, наберите, надо поговорить...Думаю, ну всё, прощай наука!А я накануне ему черновик статьи выслал. На мой взгляд, неплохой черновик, и вовремя всё сделал.Сразу перезвонить не мог - сижу в кафе на свидании (с женой!), а у самого мысли о звонке.Прибегаю домой, набираю, а у самого сердце замирает.На том конце раздаётся знакомый командный голос (он из флотских, из подводников) и говорит:НУ ЧТО, ИЛЬЯ ДМИТРИЕВИЧ, ХОРОШАЯ МАТЕМАТИЧЕСКАЯ СТАТЬЯ ПОЛУЧИЛАСЬ!Тут я чуть со стула не упал, конечно. Потому что всегда как было: где я, а где математика 🤷♂ Тем более, чтобы хорошая научная работа! Не доверяла мне математика свои тайны, короче. А в океанологии на ней, блин, разговаривают! Ну вы, наверное, думали, мы там про рыбок и шум прибоя рассуждаем? 😁А там одно уравнение состояния чего стоит! Которое про связь температуры, солёности и давления. Его с закрытыми глазами учат писать.Правда и у меня работа больше в сторону машинного обучения, естественно. Вероятности там всякие, оценка точности нейросетевых прогнозов. Чем живу, о том и пою.Но всё равно неожиданный успех, короче.Начинаю оправдываться на радостях: мол, это не я такой, это просто компиляция из других работ, вся математика оттуда. Я только сложил один и один...Так, говорит шеф. На флоте как заведено? Сделал - не оправдывайся!Я - 🫡Всё как обычно: синдром самозванца проживаю, только теперь вот в науке.В следующем посте расскажу, как я собрал ИИ агента для анализа публикаций и сбора цитат по своей теме, из которых, как из кубиков, собираю научную работу. Ноль процентов сгенерированного ИИ контента, что важно.Удивительное время!
