Харисова || Pro • развитие

Куда поступают таланты?

⏸️Мы с командой исследуем эту тему, потому что высокий балл сам по себе еще не объясняет выбор абитуриента. Он показывает академический потенциал, но не отвечает на вопрос, почему сильный выпускник выбирает одну специальность и один университет, а другой вариант, формально не менее доступный, отвергает.

⏸️В основу обзора вошли несколько групп исследований. Работы М. Висволла и Б. Зафара посвящены выбору специальности и показывают роль предметного интереса, самооценки способностей, ожидаемого дохода и представлений о будущей работе. Исследование Л. Киркебёна, Э. Лёвена и М. Могстада позволяет отделить эффект конкретной области обучения от общего эффекта университета и показывает, что программа выступает самостоятельным фактором дальнейшей образовательной и профессиональной траектории.

⏸️Отдельный блок составили исследования селективной образовательной среды. Работа Р. Четти, Д. Деминга и Дж. Фридмана рассматривает влияние поступления в высокоселективные университеты на последующие карьерные и образовательные результаты. Исследования К. Хоксби и К. Эйвери показывают, что даже академически сильные школьники не всегда выбирают университеты, соответствующие их возможностям: решение зависит от доступной информации, социального окружения и способности увидеть реалистичный маршрут поступления.

⏸️Полученные в международных исследованиях механизмы мы сопоставили с данными приемной кампании 2026 года. Задача состояла не в том, чтобы напрямую вывести мотивы из конкурсных списков, а в том, чтобы проверить, проявляются ли в российской ситуации те же закономерности: концентрация высоких баллов вокруг конкретных предметных областей, различия между программами внутри одного университета и притяжение сильных абитуриентов к селективной образовательной среде.

А спонсор бессонных ночей база данных https://postupashkin.ru/priem-2026☘️

Alibaba запустила Qianwen.
Это бесплатный ИИ-агент для помощи абитуриентам при выборе вузов и специальностей после сдачи Гаокао - национального вступительного экзамена в Китае.

В этом году  12,9 млн человек сдавали Гаокао. Всего в Китае 3167 вузов и колледжей. Выбор не простой. Консультации семье часто стоят более 5000 юаней, но менее 5% семей нанимают консультантов.

Теперь бесплатно и для каждого. Абитуриент вносит данные, ИИ агент отвечает на вопросы и абитуриент получает отчет.

Скрин одной страницы отчета прикреплен:
- данные абитуриента - балл, рейтинг, регион, предметы в сравнении с другими;
- анализ уровня поступления - оценка куда реально можно поступить с этим результатом и где стоит рисковать;
- подходящие вузы и специальности;
- вероятность поступления;
- деление вариантов на рискованные, стабильные и страховочные;
- описание специальностей и карьерных перспектив;
- сроки и логика подачи заявок.

Получается персональная стратегия поступления.

В примере:
Балл: 560
Место в провинции: 21 423
Регион: Пекин
Предметы: физика / химия / биология
Ваш результат находится примерно в верхних 40% среди абитуриентов бакалавриата данной провинции и относится к уровню «ключевых государственных вузов».
С учетом данных прошлых лет и вашей позиции по баллам, вы уже прошли базовый порог для поступления в такие вузы, как Столичный университет экономики и бизнеса и Пекинский технологический университет.
и т.д. на 15 страниц

Ссылка на продукт: qianwen.com. Выглядит как обычное диалоговое окно обычной ИИ. Источник: QbitAI / Qianwen.

Что важно учитывать региону, если он хочет развивать биоэкономику?

Скажу из практики ИНТЦ «Русский».

Первое. Не начинайте с ресурса. Начинайте с продукта и карты технологий.

У Дальнего Востока есть море, биоресурсы, университет, научные школы, близость к рынкам АТР. Это сильная база. Но сама по себе она ничего не гарантирует.

Если регион хочет получить экономический эффект, нужно сразу отвечать (как мы) на конкретные вопросы: какие продукты должны появиться через 3–5 лет, какие компании будут их делать, какой рынок им нужен, какие технологии для этого нужно собрать.

Без этого инфраструктура, меры поддержки и научные проекты будут жить отдельно.

Второе. Не стройте инфраструктуру «вообще». Она будет стоять пустая.

Лаборатория нужна не сама по себе. Площадка нужна не сама по себе. Оборудование нужно не для, ну вы поняли.

Все это должно закрывать конкретный участок маршрута конкретной компании: исследование, прототип, опытная партия, испытания, сертификация, производство.

Инфраструктура не встроенная в этот маршрут  быстро становится дорогим активом без понятного результата.

Третье. Сразу ищите место, где проект может застрять.

В биотехнологиях чаще всего проблема не в идее. Идей много. Не всегда проблема и в научном результате. Проблема начинается дальше: первая опытная партия, качество, регуляторика, технологический регламент, инженерная команда, первый заказчик.

Именно это нужно проектировать заранее.

Четвертое. Нельзя поддерживать всех отдельно.

Ученых отдельно, компании отдельно, инфраструктуру отдельно, региональные программы отдельно, так общий результат не появится.

Нужен тот (как ИНТЦ) кто собирает всю цепочку: задача компании, научная группа, технолог, оборудование, площадка, требования к качеству, первый потребитель, рынок.

В ИНТЦ «Русский» мы сейчас именно это и делаем, буквально вручную, через конкретные проекты и конкретные разрывы.

Для себя я бы сформулировала главный вывод так: биоэкономика региона начинается не с красивой стратегии, а с способности довести разработку до продукта. Очень конкретного и очень измеряемого. 

До продукта, который можно произвести, проверить, продать и масштабировать.

Вот по этому критерию и нужно оценивать региональную биоэкономику.

Это пока все, что могу сказать по данному вопросу.
#ПМЭФ2026

Нужны контакты ребят из стартапа - авторов статьи, напишите, пожалуйста у кого есть в личку, есть одна идея подкупающая своей новизной:)

Очень увлекла меня сама мысль о том, что современная наука это в первую очередь работа с данными, где правильно обученная нейросеть может заменить десятилетия лабораторной рутины.

В 2025 году в журнале Journal of Chemical Information and Modeling вышла статья, где Bioptic доказали, что их ИИ нашел уникальные ингибиторы для белка связанного с болезнью Паркинсона.
Методика:
🔵Все молекулы можно записать строчками букв и цифр (называется SMILES). ИИ читает их как обычные сообщения.
🔵Внутри системы сидит нейронка. Сначала ее научили просто «понимать» химию на 160 миллионах примеров, а потом натаскали искать именно те молекулы, которые лечат.
🔵ИИ просмотрел 40 миллиардов вариантов молекул за 2 минуты и 15 секунд. Чтобы ты понимал масштаб: если бы человек проверял по одной молекуле в секунду, ему бы понадобилось 1200 лет.
🔵Весь этот глобальный поиск по гигантской базе стоил всего 5$
🔵Системе не нужны суперкомпьютеры, она летает даже на обычных процессорах.
Что получилось на реальном кейсе:
🔵Ученые взяли белок LRRK2 (он «ломает» мозг при болезни Паркинсона) и натравили на него этот ИИ
🔵Из 40 миллиардов молекул ИИ выбрал 87 «кандидатов»
🔵В лаборатории проверили и 4 из них реально сработали!
🔵Самая мощная молекула «прилипает» к цели супер-крепко (на уровне 110 nM). Это очень крутой результат для первой попытки, как говорят наши ученые

Авторы статьи это команда стартапа:
Андрей Дороничев - экс-директор по продуктам Google (создатель приложения YouTube). Он перенес инженерные стандарты Big Tech в медицину, сделав поиск молекул таким же быстрым, как поиск видео.
Влад Виноградов - выпускник ННГУ им. Лобачевского и университета «Иннополис». Главный архитектор ИИ, который научил систему «понимать» химию на глубоком уровне.
Конг Нгуен (Kong Nguyen, PhD). Ведущий биолог, который координировал лабораторные тесты и гарантировал, что предсказания ИИ имеют смысл в реальной биологии.
Саймон Стешин и Иван Измайлов - инженеры, написавшие сверхбыстрый код, позволивший отказаться от использования суперкомпьютеров.

Дизайн лекарств вместо поиска
В биофармацевтике есть печальный «закон Eroom» (слово Moore наоборот): несмотря на прогресс, разработка лекарств становится дороже и медленнее с каждым десятилетием. Стартап Bioptic, созданный командой из Google (Дороничев А.) и ведущих лабораторий (Stanford, UCSF), предлагает решение: переход от случайных открытий к детерминированному проектированию через Agentic AI.

В чем научный прорыв?
Bioptic не просто использует ИИ, они создали систему автономных «цифровых ученых» (агентов), которые оперируют на уровне фундаментальной химии и биологии. Что делают?

🔵Большинство ИИ требуют 3D-модель белка, чтобы понять, как с ним связаться. Bioptic утверждает: активность можно предсказать напрямую из аминокислотной последовательности. Это открывает путь к «недосягаемым» мишеням, для которых у науки еще нет 3D-снимков.

🔵Используя архитектуры, схожие с GPT, но обученные на «языке молекул», система проводит скрининг 40 миллиардов соединений за минуты. Это поиск иголки в стоге сена размером с планету.

🔵Вместо того чтобы проверять токсичность в конце (когда потрачены миллионы), ИИ-агенты Bioptic оценивают метаболизм и безопасность молекулы на этапе ее «зачатия» в коде.

Жизнеспособность Bioptic напрямую зависит от интеграции в академическую экосистему. Если ученые создали "чертежи" новой реальности в области разработки лекарств, то Андрей как техпредприниматель выстроил вокруг них современный завод. Это классический пример трансфера технологий: предприниматель не придумывает биологические законы, он масштабирует научную интуицию ученого до уровня глобального индустриального стандарта.

Stanford и Berkeley поставляют алгоритмическую базу для Agentic AI. UCSF дает доступ к фундаментальным данным о болезнях.

Ученые в стартапе выполняют роль «биологических предохранителей». Они верифицируют выводы ИИ, исключая «галлюцинации» и гарантируя, что предложенная молекула физически может существовать.

Рынок Drug Discovery сегодня - это гонка вооружений. Большинство фокусируются на инструментах для ученых, но Bioptic строит автономный R&D-завод. Здесь ученый превращается из «ручного исследователя» буквально в архитектора процессов.

Биология превращается в инженерную дисциплину (CAD для живых систем). Если раньше мы ждали лекарства десятилетиями, надеясь на удачу, то с такими платформами, как Bioptic, мы будем их вычислять.

Один из наших резидентов ИНТЦ начал подобную разработку.

#DeepTech #Biotech #Bioptic #AgenticAI #DrugDiscovery #Наука

Вышло новое интервью с А.Е.Волковым.

Для меня это из серии "послушал и вернулся". Пересказывать не буду, посмотрите сами, оно как минимум заставит вас задуматься о том, что такое мышление.

Здесь оставлю авторов книг, на которых ссылается АЕ в разговоре о мышлении. Опоры, на которых стоит европейская традиция: язык, риск, группа, дело.

Добавляю на книжную полку от АЕ из этого интервью:

🔵А.Азимов «Профессия». Это вообще лучший вход в тему образования. Там мир, где знания можно загрузить за один день, на чипе (привет Артур Биктимиров) мы близки к этому, как никогда. Но элита, это те, кого заставляют учиться по-старому: самим доказывать, заново открывать, ошибаться и собирать. Про что это: знание можно получить быстро. А способ мышления - нет.

🔵Р.Коллинз «Социология философий». АЕ много раз говорит: в одиночку мыслить почти невозможно. Мышление рождается там, где есть разговор, спор, среда, которая держит вопрос. Коллинз как раз про это: философия появляется не "у гениев в голове", а в живых сетях людей.
Если по-простому: хочешь думать ищи не только книги, ищи среду, где с тобой разговаривают по- взрослому.

🔵М. Фуко «Мужество истины» курс лекций. АЕ показывает, что мышление это риск. Потому что мыслить, значит говорить то, что считаешь правдой, даже когда это невыгодно, неудобно, опасно и страшно. Не прятаться. Фуко это называет "парессией" - прямой речью, за которую платишь своей безопасностью, рискуешь собой. Без этого мышление часто остается "умным трепом".

🔵К. Ясперс. АЕ в интервью про "дело" цитирует Ясперса: человек становится собой через дело, которое он сделал своим.Ты не приходишь в дело готовым человеком. Ты входишь и оно тебя выращивает.

🔵Л. Витгенштейн. Он про границы языка. Мы думаем теми словами, которые у нас есть. И если слов не хватает мы часто даже не можем сформулировать, что с нами происходит. Схемы, знаки точнее, чем обычная речь.

#мышление #образование #делатьсвоедело

🔵Море в ожидании весны🔵

Сведения не превращаются в результат

В СМД-оптике «знать» это не хранить сведения в голове, а быть готовым действовать и включать других.

Знать = (1) иметь способ, (2) видеть объект, (3) понимать, как это знание будет употреблено другими в совместной деятельности.

Полноценное знание рассматривается как триединство, включающее в себя освоение конкретных инструментов, глубокое понимание характеристик самого объекта и видение способов коллективного взаимодействия. Согласно этому взгляду, познание неразрывно связано с совместной деятельностью, где результат зависит от того, насколько эффективно данные могут быть использованы другими участниками.

Поэтому знание у ученика/студента появляется не тогда, когда он "прослушал тему", а когда он освоил способ действовать (решать, измерять, исследовать, писать), попробовал его в задаче, ошибся/сверил результат и понял, как объяснить это другому - иначе остаются просто сведения, которые, кстати, быстро забываются.

#СМД #мыследеятельность #знание

На фото фрагмент рукописи Эдмунда Гуссерля (1859–1938) немецкого философа, которого считают основателем феноменологии (это направление про то, как мы переживаем и понимаем мир).

Оригинал рукописи хранится в архиве KU Leuven в институте философии Католического университета Левена (Бельгия)

Как отличить знание от убеждения в управлении
(по Гуссерлю)

Самая частая управленческая ловушка это когда решение принимается в режиме:
«я так чувствую»
«мне кажется, так правильно»
«мы/он всегда так делал/ли»
«все так говорят»

Гуссерль бы сказал: это не знание, это убеждение.
Иногда полезное. Иногда опасное. Но все равно не знание.

Что такое знание для управленца? Это когда ваша мысль не просто звучит красиво, а имеет подтверждение.

То есть у вас есть:
смысл - что именно мы утверждаем
основания - на чем держится вывод
проверка - что в реальности это подтверждает

Практически: как проверить себя?

Что именно мы утверждаем?
Не "надо усилить”, а что конкретно меняется.
На чем это основано?
Данные? опыт? сравнение? кейсы? анализ?
Или это просто “мне кажется”?
Чем проверим через 2–3 месяца, год?
Каким индикатором мы поймем, что решение было верным?

Если нет пункта 3 - это не знание, а вера (видимо в лучшее)

Почему это важно именно сейчас? Потому что скорость решений выросла, а цена ошибки тоже.

И когда проект большой, сложный, с длинной логикой (университет, ИНТЦ, региональная политика) -
убеждение без проверки превращается в:
“много классных активностей”
“красивые/правильные слова”
“слайды про успех”

и слабый результат на выходе.

Самый сильный вопрос в стратегии: «Что должно быть true, чтобы это было правдой?» (какое условие делает наш вывод реальным, а не желаемым)

Пример:
Если мы говорим "ИНТЦ - точка притяжения талантов" (мое любимое), то что должно быть true?

- рост притока ученых и инженеров
- рост количества технологических команд
- закрепление выпускников в регионе
- реальные кейсы компаний, которые “приехали и остались”
- понятная инфраструктура + сервисы + работа для семьи

Вот тогда это знание.
А иначе - просто отличная идея.

Гуссерль вообще-то писал про философию.
Но можно использовать как методичку по мышлению руководителя (если сможешь прочитать и понять, конечно, там все сложно и только в коллективном обсуждении можно понять)

Не путать уверенность с обоснованностью. В уверенности можно ошибаться. В обоснованности - сложнее

#Гуссерль #знание #стратегия #управление #мышление #доказательность