Dirbtinio intelekto asistentas „Instinct“ stebina Silicio slėnį ir nieką kitą

 

„Naujas dirbtinio intelekto asistentas sparčiai plinta Silicio slėnyje.

 

Praėjus keliems mėnesiams po to, kai virusiniu tapęs dirbtinio intelekto asistentas „OpenClaw“ patraukė technologijų pramonės dėmesį, bendrovė „Instinct“ populiarėja tarp pirmųjų technologijų specialistų.

 

Startuolis vasario mėnesį pradėjo testuoti „Instinct“ privačioje beta versijoje ir sulaukė susidomėjimo tarp rizikos kapitalistų, kurie yra vieni iš pirmųjų jo naudotojų.

 

Jo populiarumas išaugo anksčiau šį mėnesį, kai vartotojai pradėjo skelbti apie tai, ką jie laiko labai pajėgiu dirbtinio intelekto asistentu, kuris veikia gana sklandžiai – tikslą, kurį technologai laikė šventuoju graliu.

 

Įkūrėjas Noah Shinnas teigė, kad „Instinct“ pritraukia 250 mln. dolerių B serijos kapitalą, kurio vertė siekia 2,5 mlrd. dolerių, investicijų į dirbtinį intelektą etape, kuriam kartu vadovauja „Index Ventures“ ir „Benchmark“. Didelė jauno startuolio kaina atspindi nuolatinį ažiotažą dėl investicijų į dirbtinį intelektą.

 

„Instinct“ naudotojai gali skambinti arba siųsti žinutes dirbtinio intelekto robotui ir paprašyti jo atsakyti į el. laiškus, tvarkyti kalendorius, užsisakyti kelionę į oro uostą, susitarti dėl meistro ir dar daugiau. Kai kurie naudotojai pranešė, kad naudojasi ja ieškodami būsto savininko draudimo arba užsisakydami individualias prekes vestuvėms.

 

„Matėme, kaip kažkas platformoje pirko namą.“ „Daugelis mūsų jaunesnių vartotojų naudojasi ja, norėdami rasti nuomojamus butus“, – sakė Shinnas. „Tai universalus įrankis, leidžiantis atlikti beveik viską.“

 

Silicio slėnis jau seniai yra apsėstas dirbtinio intelekto naudojimo asmeniniams asistentams kurti, tačiau dauguma šių sumanymų nebuvo sėkmingi. Dabar dirbtinio intelekto pažanga šią svajonę paverčia potencialia realybe.

 

„Instinct“ atsirado „Spear Street Technology“, kuriai vadovavo Shinnas, kuris buvo vienas pirmųjų „Sierra“ – klientų aptarnavimo dirbtinio intelekto įmonės, kurią įkūrė buvęs „Salesforce“ generalinis direktorius Bretas Tayloras, – darbuotojų. 23 metų Shinnas 2023 m. metė studijas Šiaurės rytų universitete.

 

Nuo įkūrimo 2025 m. „Instinct“ pritraukė 350 mln. JAV dolerių, įskaitant naująjį finansavimo etapą, iš investuotojų, įskaitant „Conviction Partners“ ir „Greenoaks“, sakė Shinnas.

 

Jau dabar yra įvairių programėlių, kurios padeda žmonėms perduoti paprastas užduotis dirbtiniam intelektui. „Instinct“ konkuruoja su „ChatGPT Work“ arba „SpaceXAI“ „Grok Bot“, kurie tampa vis pažangesni atliekant asmenines užduotis.

 

Shinnas teigė, kad „Instinct“ yra „beveik kaip turėti prieigą prie antžmogiško operatoriaus.“

 

Kai kurie ankstyvieji „Instinct“ naudotojai išreiškė susirūpinimą dėl saugumo ir privatumo. Norėdami kuo geriau išnaudoti asistento galimybes, naudotojai turi prašyti prieigos prie neskelbtinų asmeninių duomenų. „Instinct“ sąlygos taip pat leidžia jai apmokyti savo DI modelius naudotojų duomenimis.

 

Shinn teigė, kad jie sparčiai tobulina savo darbą ir rimtai žiūri į šiuos saugumo klausimus.

 

„Mes atlikome daug produkto patobulinimų, kurie leidžia mums užkirsti kelią agentui atlikti tam tikrus veiksmus, kuriuos galbūt patyrė kai kurie mūsų ankstyvosios grupės naudotojai, naudoję ankstesnę produkto versiją“, – sakė jis.

 

Rizikos kapitalistai investuoja milijardus į DI asistentus, skirtus kasdieniam gyvenimui automatizuoti. Nesvarbu, ar tai būtų programinės įrangos rašymas ir derinimas, šeimos tvarkaraščių koordinavimas, ar „Kovo beprotybės“ grupės pasirinkimas, lažinuosi, kad autonominis DI netrukus atliks daugelį mūsų kasdienių užduočių.“ [A]

 

Ar DI asistentas „Instinct“ turi atvirus svorius? Kuris atviro svorio Kinijos konkurentas yra geresnis ir veikia lokaliai „Mac Mini“?

 

Ne, virusinė asmeninio asistento programėlė „Instinct“ yra uždaras, patentuotas produktas, o ne atviro svorio. „Spear Street Technology“ sukurta ir Noah Shinn vadovaujama „Instinct“ veikia kaip debesijos paslauga, teikiama tik su pakvietimais. Norint atlikti realias užduotis, tokias kaip kalendorių tvarkymas ir skrydžių bilietų pirkimas, reikia didžiulių sistemos leidimų, todėl kilo daug abejonių dėl saugumo ir privatumo, kaip sistema saugo ir apdoroja naudotojų duomenis debesyje. (Pastaba: „Hugging Face“ platformoje yra atskira kodavimui skirta priemonė, vadinama „Instinct Next Edit Model“, tačiau ji visiškai nesusijusi su virusiniu asmeniniu dirbtinio intelekto asistentu).

 

Jei ieškote geresnių, atviro tipo kiniškų alternatyvų, kurios puikiai atlieka agentines užduotis, samprotavimus ir kodavimą, galite pasiekti aukščiausio lygio našumą tiesiogiai vartotojų įrangoje. Geriausius atvirojo svorio kiniškus modelius galima paleisti lokaliai „Mac Mini“ kompiuteryje (ypač M4 arba M4 Pro variantus su vieninga atmintimi), naudojant GGUF formatą per tokias sistemas, kaip „Ollama“ arba „LM Studio“:

 

1. GLM-5.3-Flash (Z.ai / Zhipu AI)

• Kontekstas: Anonimiškai testuotas „OpenRouter“ platformoje, kaip slaptasis modelis „Ox Alpha“, kur jis tapo virusiniu hitu dėl to, kad už nedidelę kainos dalį pranoksta „geriausius“ klasės modelius. Jo visi svoriai išleidžiami pagal leidžiančią MIT licenciją.

 

• Kodėl jis geresnis: Tai 320 B parametrų mišinio ekspertų (MoE) modelis, tačiau jis aktyvuoja tik 18 B parametrų vienam žetonui.

 

Jis yra iš prigimties multimodalinis (gali apdoroti vaizdus / vartotojo sąsajos išdėstymus) ir priartėja prie uždarų modelių, tokių kaip „Claude Opus“, agentinio samprotavimo ir kodavimo galimybių.

 

 

• Veikia „Mac Mini“ kompiuteryje: Nors neapdoroti svoriai yra didžiuliai (daugiau nei 300 GB), suspaustos „Unsloth Dynamic GGUF“ arba kvantuotos IQ3 versijos lengvai telpa į vieningą „Mac Mini“ atmintį. Kadangi parametrų skaičius siekia tik 18B. vienu metu, jis veikia nepaprastai greitai „Apple Silicon“ procesoriuose.

 

 

2. „Qwen 2.5“ serija ir „Qwen 2.5-VL“ („Alibaba“)

• Kontekstas: „Alibaba“ atvirojo svorio flagmanų serija yra visame pasaulyje pripažinta dėl dominuojančių atvirojo kodo testų kodavimo, matematikos ir struktūrizuotų duomenų tvarkymo srityse.

 

• Kodėl jis geresnis: Jei norite vizualinio agento, galinčio sąveikauti su kompiuterio ar telefono sąsaja (panašiai kaip veikia „Instinct“), „Qwen2.5-VL“ yra specialiai sukurtas veikti, kaip vizualinis agentas, galintis dinamiškai valdyti įrankius.

 

• Veikimas „Mac Mini“ kompiuteryje:

o Standartiniame „Mac Mini“ (16 GB–24 GB RAM) „Qwen2.5-7B-Instruct“ arba 14B variantai lokaliai veikia žaibo greičiu.

o „Mac Mini Pro“ (64 GB ir daugiau RAM) galite naudoti itin pažangų „Qwen2.5-32B“ arba stipriai kvantuotą flagmano 72B modelio versiją.

„Mac Mini“ vietinės sąrankos palyginimas

Modelio dydis Variantas Geriausiai tinkantis „Mac Mini“ Privalumai

GLM-5.3-Flash 320B MoE (18B aktyvus) M4 / M4 Pro (kvantuotas GGUF) Išskirtinis agentinis kodavimas, slaptas „Ox Alpha“ samprotavimas

Qwen 2.5-VL 7B / 72B bazinis M4 (7B) arba M4 Pro (72B kvantuotas) Regėjimo kalbos užduotys, struktūrizuotas JSON, įrankių naudojimo automatizavimas

Qwen 2.5 Coder 7B / 32B bazinis M4 (7B) į M4 Pro (32B) Elitinis vietinio kodavimo asistentas, didžiulis 128k kontekstinis langas

 

Jums reikia pasirinkti tinkamą kvantavimo lygį (GGUF) konkrečiai „Mac Mini“ atminčiai ir jums reikia „Ollama“ terminalo komandų, kad vienas iš šių modelių būtų atsisiųstas ir paleistas vietoje.

 

 

1. AI Assistant Instinct Wows Silicon Valley. Clark, Kate.  Wall Street Journal, Eastern edition; New York, N.Y.. 27 Aug 2026: B1. 

 

AI Assistant Instinct Wows Silicon Valley and Nobody Else

“A new AI assistant is rocketing across Silicon Valley.

 

Months after OpenClaw, the viral AI-powered assistant, captured the attention of the technology industry, a company called Instinct appears to be gaining traction among early-adopting techies.

 

The startup began testing Instinct in private beta in February and generated interest among venture capitalists, who are among its earliest users.

 

 Its popularity surged earlier this month, as users began posting about what they saw as a highly capable AI assistant that worked fairly seamlessly, a goal technologists have considered a holy grail.

 

Instinct is raising a $250 million Series B at a $2.5 billion valuation in a round co-led by Index Ventures and Benchmark, founder Noah Shinn said. The steep price for the young startup reflects the continued frenzy surrounding AI investing.

 

Users of Instinct can call or text the AI bot and ask it to respond to emails, manage calendars, book a ride to the airport, arrange a handyman and more. Some users have reported using it to shop for homeowners insurance or order custom merchandise for a wedding.

 

"We saw someone buy a house on the platform. A lot of our younger users are using it to find apartment rentals," Shinn said. "It's a one-stop shop to do almost everything."

 

Silicon Valley has long been obsessed with using artificial intelligence to create personal assistants, but most of those ventures haven't succeeded. Now, advancements in AI are turning that pipe dream into a potential reality.

 

Instinct comes from Spear Street Technology led by Shinn, who was an early employee at Sierra, the customer service AI company founded by former Salesforce co-Chief Executive Bret Taylor. Shinn, 23 years old, dropped out of Northeastern University in 2023.

 

Since it was founded in 2025, Instinct has raised $350 million, including the new round, from investors including Conviction Partners and Greenoaks, Shinn said.

 

A range of apps are already helping people to unload menial tasks to AI. Instinct competes with ChatGPT Work or SpaceXAI's Grok Bot, which are growing more advanced at executing personal tasks.

 

Shinn said Instinct is "almost like having access to a superhuman operator."

 

Some early Instinct users have raised security and privacy concerns. To gain the most use from the assistant, users have to fork over access to sensitive personal data. Instinct's terms also allow it to train its AI models on user data.

 

Shinn said they are iterating fast and taking these security concerns seriously.

 

"We've made many product improvements that enable us to prevent the agent from taking certain actions that maybe some users of our early group who used an earlier version of the product might have experienced," he said.

 

Venture capitalists are pouring billions into AI assistants designed to automate daily life. Whether that be by writing and debugging software, coordinating family's schedules or picking a March Madness bracket, the bet is that autonomous AI will soon handle many of our everyday tasks.” [1]

 

Is AI Assistant Instinct with open weights? What open weight Chinese competition is better and runs locally on Mac Mini?

 

No, the viral personal assistant app Instinct is a closed, proprietary product, not open-weight.

Developed by Spear Street Technology and led by Noah Shinn, Instinct operates as a hosted, invite-only cloud service. It requires massive system permissions to execute real-world tasks like managing calendars and buying flights, which has actually triggered a wave of security and privacy concerns regarding how it stores and processes user data in the cloud. (Note: There is a separate coding-specific tool called "Instinct Next Edit Model" by Continue on Hugging Face, but it is entirely unrelated to the viral personal AI assistant).

If you are looking for better, open-weight Chinese alternatives that excel at agentic tasks, reasoning, and coding, you can achieve elite performance directly on consumer hardware.

The best open-weight Chinese models can be run locally on a Mac Mini (especially M4 or M4 Pro variants with unified memory) using the GGUF format via frameworks like Ollama or LM Studio:

1. GLM-5.3-Flash (Z.ai / Zhipu AI)

•           The Background: Famously tested anonymously on OpenRouter as the stealth model "Ox Alpha," where it became a viral sensation for outperforming frontier-class models at a fraction of the cost. Its full weights are released under a permissive MIT license.

•           Why it's better: It is a 320B parameter Mixture-of-Experts (MoE) model, but it activates only 18B parameters per token. It is natively multimodal (can process images/UI layouts) and approaches the agentic reasoning and coding capabilities of closed models like Claude Opus.]

•           Running on Mac Mini: While the raw weights are massive (over 300GB), compressed Unsloth Dynamic GGUF or quantized IQ3 versions easily fit into the unified memory of a Mac Mini. Because only 18B parameters fire at a time, it runs remarkably fast on Apple Silicon.

2. Qwen 2.5 Series & Qwen 2.5-VL (Alibaba)

•           The Background: Alibaba's open-weight flagship series is globally recognized for dominating open-source benchmarks in coding, mathematics, and structured data handling.

•           Why it's better: If you want a visual agent capable of interacting with a computer or phone interface (similar to how Instinct acts), Qwen2.5-VL is specifically built to function as a visual agent that can dynamically direct tools.

•           Running on Mac Mini:

o          For a standard Mac Mini (16GB–24GB RAM), the Qwen2.5-7B-Instruct or 14B variants run at lightning speed locally.

o          For a Mac Mini Pro (64GB+ RAM), you can run the highly advanced Qwen2.5-32B or a heavily quantized version of the flagship 72B model.

Local Setup Comparison for Mac Mini

Model  Size Variant     Best Mac Mini Fit       Strengths

GLM-5.3-Flash           320B MoE (18B active)          M4 / M4 Pro (Quantized GGUF)       Exceptional agentic coding, stealth "Ox Alpha" reasoning

Qwen 2.5-VL  7B / 72B          Base M4 (7B) or M4 Pro (72B quantized)      Vision-language tasks, structured JSON, tool-use automation

Qwen 2.5 Coder          7B / 32B          Base M4 (7B) to M4 Pro (32B)          Elite local coding assistant, massive 128k context window

You need choosing the right quantization level (GGUF) for your specific Mac Mini's memory, and you need the Ollama terminal commands to get one of these models downloading and running locally.

 

 

1. AI Assistant Instinct Wows Silicon Valley. Clark, Kate.  Wall Street Journal, Eastern edition; New York, N.Y.. 27 Aug 2026: B1. 

 

 

 

Kai kurie mokslininkai laboratorijoje turi „stebuklingas rankas“. Šis dirbtinis intelektas aiškinasi, kodėl.

„Neseniai vieną popietę mokslininkai zujo po laboratoriją Kembridže, Masačusetso valstijoje, atlikdami eksperimentus. Jų įranga buvo standartinė: gaubtas darbui su pavojingomis cheminėmis medžiagomis, inkubatorius ląstelėms auginti. Jų procedūros buvo identiškos biologijos laboratorijose naudojamoms.

 

Atidžiau įsižiūrėjus, paaiškėjo keletas keistenybių. Be laboratorinių chalatų ir pirštinių, dauguma mokslininkų dėvėjo miniatiūrines kameras ant galvos juostų. Trys papildomos kameros žvelgė į kiekvieną darbo vietą iš lentynos.

 

Laboratorinių sąsiuvinių, kaip bebūtų keista, nebuvo. Vietoj to, mokslininkai tyliai pasakojo apie savo darbą, murmėdami į mikrofonus. Viename laboratorijos gale susibūrė komanda, peržiūrinti eksperimentų vaizdo įrašus.

 

Tai buvo tikrasis tyrimas, vykęs šioje laboratorijoje. Turėdami jutiklių ir programinės įrangos sistemą, skirtą užfiksuoti mokslą tokiu būdu, koks jis yra, iki milisekundės tikslumu, mokslininkai mokė dirbtinio intelekto modelius atpažinti kiekvieną mokslininkų naudojamą objektą ir kiekvieną jų atliekamą veiksmą.

 

Dirbtinis intelektas netgi sukūrė savo pasakojimą, aprašydamas kas kelias vaizdo įrašo sekundes tokiais sakiniais kaip: „Operatorius pakartotinai suspenduoja granulę, 10 kartų ją pipete aukštyn ir žemyn.“

 

Šią technologiją sukūrė startuolis „Transfyr“, kuris šią savaitę išėjo iš slapto režimo, gavęs 25 mln. dolerių pradinį finansavimą. Bendrovė sprendžia seną mokslo iššūkį: paslėptus veiksnius, dėl kurių kai kurie eksperimentai yra sėkmingi, o kiti – nesėkmingi.

 

Nesėkmė gali būti įvairių formų. Tyrėjai gali mėnesius ruošti sukonstruotų ląstelių liniją, o vėliau jos paslaptingai žūsta. Atrodo, kad vyriausybės sukurtas Covid testas vienoje laboratorijoje veikia, tačiau, kai jį naudoja kitos, viruso neaptinka.

 

Biotechnologijų bendrovė sukuria perspektyvų naują vaistą; kai ji perduoda protokolą didelio masto gamybai, staiga jis tiesiog neveikia.

 

„Tai tiesiog neįtikėtinai skausminga problema“, – sakė Anna Marie Wagner, „Transfyr“ bendraįkūrėja. „Yra kaltinimų vienas kitam. Ar jūsų protokolas buvo neteisingas? O gal jūs kažką sugadinote? Tai labai, labai brangios klaidos laiko, pinigų ir gyvybių prasme.“

 

Sėkmė gali būti tokia pat paslaptinga, kaip ir nesėkmė. ​​Kai kurie tyrėjai nuolat sėkmingai atlieka eksperimentus, pelnydami sumišusį kolegų susižavėjimą. Mokslininkai netgi turi specialų terminą šiai dovanai: magiškos rankos.

 

Ši idėja gali nustebinti žmones, kurie nepraleidžia savo gyvenimo laboratorijose. Mokslas neturėtų būti magija.

 

Kai mokslininkai atlieka eksperimentus, jie kruopščiai juos registruoja tiek laboratoriniuose užrašuose, tiek vėliau publikuotuose moksliniuose straipsniuose. Kiti tyrėjai naudoja šią informaciją eksperimentui pakartoti.

 

Tačiau kiekvienas mokslininkas anksčiau ar vėliau supranta, kad esminės žinios nebūtinai yra užrašomos.

 

„Protokolas yra receptas“, – sakė Jonathanas Livny, vyresnysis Broad instituto mokslo darbuotojas, bendradarbiavęs su Transfyr. „Galite duoti kam nors receptą, ir tai nepadarys jo puikiu virėju.“

 

Kaip ir virėjų mokiniai, mokslininkai metų metus mokosi, stebi ekspertus, užduoda klausimus ir patys išbando procedūras.

 

Kad eksperimentas pavyktų, jiems gali tekti per dieną priimti tūkstančius smulkių sprendimų. Vamzdelį reikia pakratyti – leisti jam suktis ant vibruojančios platformos ar tiesiog pajudinti jį ranka pirmyn ir atgal?

 

„Tikrai geri žmonės kartais nežino, kodėl jie tokie geri“, – sakė dr. Livny. „Jie neprisimena tų 20 kartų, kai kažką darė kitaip ir tai nepavyko. Jie užblokavo visą tą liūdesį.“

 

Septintajame dešimtmetyje vengrų chemikas ir filosofas Michaelas Polyanis šiai paslaptingai patirčiai suteikė pavadinimą: nutylėtos žinios. „Mes žinome daugiau, nei galime pasakyti“, – mėgdavo sakyti jis.

 

Mokslininkai paprastai sutinka su Polanyi, kad nutylėtos žinios yra esminė tyrimų dalis. Tačiau jos taip pat gali sulėtinti pažangą.

 

Teoriškai mokslas juda į priekį, kai tyrėjai remiasi ankstesniais darbais. Kai pasirodo naujas tyrimas, kiti mokslininkai bando jį pakartoti. Jei pirminis rezultatas buvo teisingas, pakartojimas turėtų duoti tuos pačius rezultatus.

 

Keista, bet dažnai taip nenutinka. Ir nutylėtos žinios yra dalis problemos. Mokslininkai negali tiksliai žinoti, kaip pakartoti tyrimą, vien apie jį skaitydami.

 

Renee Wegrzyn, „Transfyr“ bendraįkūrėja, šią spragą gerai pastebėjo atlikdama tyrimus kaip podoktorantūros tyrėja. Ji užsirašinėjo savo baltymų eksperimentų įrašus laboratoriniame sąsiuvinyje, tačiau jame buvo užfiksuota tik dalis jos pastangų.

 

Kai dr. Wegrzyn paskelbė savo rezultatus, jai teko distiliuoti savo įrašus net toliau. „Aš atlikau trejų metų trukmės podoktorantūros studijas, o vėliau jas apibendrinau trijų puslapių straipsnyje“, – sakė ji.

 

Šiose pastabose ir ataskaitose trūko visų mažų sprendimų, kuriuos dr. Wegrzyn priėmė atlikdama savo tyrimus.

 

„Visos šios detalės galėtų būti svarbios, bet mes tiesiog nežinome, ar jos svarbios“, – sakė Brianas Nosekas, replikacijos ekspertas Virdžinijos universitete, kuris nedalyvauja šiame tyrime su  „Transfyr“.

 

Kai pakartotinis tyrimas neduoda pradinių rezultatų, tai gali reikšti, kad pradinis tyrimas buvo klaidingas. O galbūt jis buvo teisingas, o jį atlikę mokslininkai netyčia suklydo. Mokslininkų komandoms gali būti sunku susitarti dėl to, kas įvyko.

 

Pavyzdžiui, 1993 m. psichologė Frances Rauscher ir jos kolegos pranešė, kad žmonės, kurie klausosi Mocarto, laikinai pagerina mąstymo testų rezultatus. Ažiotažas dėl vadinamojo Mocarto efekto paskatino kitus tyrėjus atlikti savo eksperimentus.

 

Daugelis jų nerado jokios reikšmingos naudos, tačiau dr. Rauscher šias nesėkmes atmetė. Kiti mokslininkai Mocarto efekto nerado, nes, anot jos, jie nebuvo pakankamai geri eksperimentų atlikimo srityje – jie nebuvo geri moksliniai virėjai.

 

Mocarto efekto paieškos tęsėsi metų metus. Galiausiai kiti mokslininkai rado mažai įrodymų, kad jis egzistuoja.

 

Tokie konfliktai paskatino kai kuriuos mokslininkus ieškoti naujų būdų, kaip perteikti numanomas žinias. 2006 m. biologas Moshe Pritskeris sukūrė žurnalą pavadinimu „JoVE“, kuriame buvo publikuojami mokslininkų, atliekančių sudėtingus eksperimentus, vaizdo įrašai.

 

2014 m. biologas Lenny Teytelmanas sukūrė vietą, kurioje mokslininkai galėjo dalytis savo protokolais ir apie juos kalbėtis. Tyrėjai naudoja svetainę pavadinimu „Protocols.io“, kad padėtų apmokyti naujus savo laboratorijų narius, kai patyrę mokslininkai su magiškomis rankomis jau yra perėję.

 

Su „Transfyr“ dr. Wegrzyn ir ponia Wagner kuria sistemą, kuri gali sukaupti milžiniškus kiekius duomenų apie tai, kas vyksta laboratorijoje, vaizdo, garso ir jutiklių žurnalų iš laboratorinės įrangos forma. „Transfyr“ netgi seka tiekimo šaltinį, įskaitant pirštinių dėžių partijų numerius.

 

(Kodėl? „Galbūt nuo pirštinės sklinda dūmai, kurie keičia jūsų eksperimentą“, – sakė ponia Wagner.)

 

Dr. Nosek teigė, kad šis naujas metodas gali atskleisti kai kurias paslaptis apie tai, kodėl eksperimentai sėkmingi arba nesėkmingi. „Man juose labiausiai patinka tai, kad jie desperatiškai bando išnagrinėti kiekvieną detalę“, – sakė jis. „Labai prasminga viską išsiaiškinti ir tada išsiaiškinti, kas iš tikrųjų svarbu.“

 

Įmonė savo skaitmeninius eksperimentų įrašus perduoda kompiuteriams, kurie yra apmokyti atpažinti biochemijos eksperimentuose naudojamą įrangą. Dirbtinio intelekto sistemos seka įrangą ir mokslininkų rankas bei iššifruoja kiekvieną veiksmą.

 

Ši analizė atskleidė, kad laboratorijos darbuotojai tą patį eksperimentą atlieka įvairiais būdais. „Net ir tarp gerai apmokytų mokslininkų matomi skirtumai yra tiesiog stulbinantys“, – sakė ponia Wagner.

 

Kartais tie skirtumai yra svarbūs.

 

Neseniai „Transfyr“ priėmė dr. Linvy laboratorijos technikus stebėti, kaip jie iš ląstelių išskiria RNR. Charlie Loy, garsėjanti savo magiškomis rankomis, netyčia padarė svarbų neteisingą žingsnį, leisdama cheminėms medžiagoms reaguoti 120 sekundžių, o ne 90 sekundžių.

 

„Aš net nesupratau, kad tai vyksta“, – sakė ponia Loy. Klaida įvyko todėl, kad ji įjungė laikmatį pradėjusi cheminę reakciją, o ne prieš tai. Tačiau paaiškėjo, kad papildomas laikas, gautas dėl tos klaidos, pagerino eksperimentą.

 

Kitame bandyme „Transfyr“ nustatė, kad protokolas, kuris vienam tyrėjui užtrunka šešias valandas, kitam gali užtrukti aštuonias valandas. „Tai nesunku pastebėti“, – sakė ponia Wagner. „Tačiau nėra jokio būdo to rankiniu būdu užfiksuoti dideliu mastu.“

 

„Transfyr“ pasirašė sutartis su diagnostikos įmone ir kitais klientais, kurie nori, kad programinė įranga stebėtų jų tyrimus. Ponia Wagner teigė, kad galiausiai sistema gali ne tik atskleisti klaidas, bet ir dokumentuoti netikėtus proveržius.

 

Užuot ieškojusi užuominų užrašų knygelėse, sistema gali peržiūrėti kiekvieną darbo sekundę ir tuo pačiu metu teirautis dirbtinio intelekto apie neįprastus dalykus, kuriuos darbuotojai darė to nesuvokdami.

 

Dr. Nosekas teigė, kad „Transfyr“ turės pateikti išsamius rezultatus, kad įrodytų, jog ši sistema tikrai gerina mokslą. „Paimkite 50 laboratorijų, stebėkite pusę eksperimentų su šia medžiaga, o kitos pusės nestebėkite – tada ieškokite skirtumų pažangoje“, – pasiūlė jis.

 

Harry Collinsas, Kardifo universiteto sociologas, daugiau nei 50 metų tyrinėjęs numanomas žinias, teigė, kad optimistiškai vertina šias pastangas, nes jos daugiausia dėmesio skiria molekulinei biologijai – sričiai, kuri subrendo tiek, kad daugelis jos esminių paslapčių buvo įminėtos.

 

Tačiau jis skeptiškai vertino Transfyro požiūrį, kad jis daug ką atskleis srityse, kuriose mokslininkai sutaria daug mažiau, net dėl ​​to, kurie eksperimentai atskleis ką nors svarbaus.

 

„Kartais jums gali pasisekti, bet tai nėra stebuklinga priemonė mokslinėms problemoms spręsti“, – sakė dr. Collinsas.“ [1]

 

1. Some Scientists Have ‘Magic Hands’ in the Lab. This A.I. Is Learning Why. Zimmer, Carl.  New York Times (Online) New York Times Company. Aug 27, 2026.

Some Scientists Have ‘Magic Hands’ in the Lab. This A.I. Is Learning Why.

“On a recent afternoon, scientists buzzed around a lab in Cambridge, Mass., performing experiments. Their equipment was standard: a lab hood for working with dangerous chemicals, an incubator for growing cells. Their procedures were identical to those in biology labs everywhere.

 

A closer look revealed some oddities, though. Along with lab coats and gloves, most of the scientists wore miniature cameras on headbands. Three additional cameras peered down at each work station from a shelf.

 

Lab notebooks were strangely absent. Instead, the scientists quietly narrated their work, murmuring into microphones. A team huddled at one end of the lab, inspecting videos of the experiments.

 

This was the real research taking place in this lab. With a system of sensors and software intended to capture science as it happens, down to the millisecond, scientists were training artificial intelligence models to recognize every object the scientists used and every action they performed.

 

The A.I. even composed its own narrative, describing every few seconds of video with sentences like, “The operator resuspends the pellet by pipetting it up and down 10 times.”

 

The technology is the creation of a start-up called Transfyr, which came out of stealth mode this week with $25 million in seed funding. The company is tackling an age-old challenge in science: the hidden factors that make some experiments succeed and others fail.

 

Failure can take many forms. Researchers may spend months preparing a line of engineered cells, only to have them mysteriously die along the way. A government Covid test seems to work in one lab, but fails to detect the virus when others use it.

 

A biotech company creates a promising new drug; when it hands off the protocol for large-scale production, suddenly it just doesn’t work.

 

“This is just an incredibly painful problem,” said Anna Marie Wagner, a co-founder of Transfyr. “There’s finger-pointing back and forth. Was your protocol wrong? Or did you screw something up? These are very, very expensive mistakes in terms of time, money, and lives.”

 

Success can be just as mysterious as failure. Some researchers consistently get experiments to work, earning befuddled admiration from colleagues. Scientists even have a special term for this gift: magic hands.

 

The idea may come as a surprise to people who don’t spend their lives in labs. Science is not supposed to be magic.

 

When scientists carry out experiments, they keep careful records, both in lab notebooks and later in published scientific papers. Other researchers use that information to repeat the experiment.

 

But every scientist discovers sooner or later that essential knowledge is not necessarily written down.

 

“A protocol is a recipe,” said Jonathan Livny, a senior research scientist at the Broad Institute who has collaborated with Transfyr. “You can give somebody a recipe, and it’s not going to make them a great chef.”

 

Like apprentice chefs, scientists spend years in training, shadowing experts, asking questions and trying out procedures for themselves.

 

To make an experiment work, they may have to make thousands of minor decisions over the course of a day. A tube needs to be shaken — let it whir on a vibrating platform, or just flick it back and forth by hand?

 

“The really good people sometimes don’t know why they’re that good,” Dr. Livny said. “They don’t remember the 20 times they did something another way and it failed. They’ve blocked all that sadness out.”

 

In the 1960s, the Hungarian chemist and philosopher Michael Polyani gave this mysterious expertise a name: tacit knowledge. “We know more than we can tell,” he liked to say.

 

Scientists have generally come to agree with Polanyi that tacit knowledge is an essential part of research. But it can also slow down progress.

 

In theory, science moves forward as researchers build on previous work. When a new study comes out, other scientists will attempt to replicate the work. If the original result was correct, a replication ought to produce the same results.

 

Surprisingly often, it doesn’t. And tacit knowledge is part of the problem. Scientists can’t know exactly how to replicate a study simply by reading about it.

 

Renee Wegrzyn, a co-founder of Transfyr, became keenly aware of this gap while doing research as a postdoctoral researcher. She jotted down records of her experiments on proteins in a lab notebook, but it captured only a fraction of her efforts.

 

When Dr. Wegrzyn published her results, she had to distill her records even further. “I did a postdoc that was three years long, and then it got summed up in a three-page paper,” she said.

 

Missing from those notes and reports were all the little decisions Dr. Wegrzyn had made while performing her research.

 

“All of those details could matter, but we just don’t know if they matter,” said Brian Nosek, an expert on replication at the University of Virginia who is not involved in Transfyr.

 

When a replicated study fails to produce the original results, that may mean the original study was wrong. Or maybe it was right, and the replicating scientists made an unwitting blunder. It can be hard for teams of scientists to agree on what happened.

 

In 1993, for example, the psychologist Frances Rauscher and her colleagues reported that people who listen to Mozart get a temporary boost on reasoning tests. The buzz around the so-called Mozart effect led other researchers to run experiments of their own.

 

Many of them couldn’t find any significant benefit, but Dr. Rauscher brushed off these failures. The other scientists didn’t find the Mozart effect because they weren’t good enough at running experiments, she said — they were not good scientific chefs.

 

The search for the Mozart effect went on for years. In the end, other scientists found little evidence that it exists.

 

Conflicts like these led some scientists to search for new ways to communicate tacit knowledge. In 2006, the biologist Moshe Pritsker created a journal called JoVE, which published videos of scientists carrying out complex experiments.

 

In 2014, the biologist Lenny Teytelman created a place where scientists could share their protocols and talk about them. Researchers use the website, called Protocols.io, to help train new members of their labs when the seasoned scientists with magic hands have moved on.

 

With Transfyr, Dr. Wegrzyn and Ms. Wagner are building a system that can slurp up enormous amounts of data about what happens in a lab, in the form of video, audio and sensor logs from lab equipment. Transfyr even tracks the source of supplies, down to the lot numbers of glove boxes.

 

(Why? “Maybe there’s a fume coming off the glove that is changing your experiment,” Ms. Wagner said.)

 

Dr. Nosek said that this new approach might reveal some secrets about why experiments succeed or fail. “What I really like about them is they’re going gangbusters into trying to unpack every detail,” he said. “It makes a lot of sense to go all in, and then figure out what actually matters.”

 

The company feeds its digital record of experiments to computers that have been trained to recognize the equipment used in biochemistry experiments. Artificial intelligence systems track the equipment, along with the hands of scientists, and decipher each action.

 

This analysis has revealed that lab workers are performing the same experiment in many different ways. “The variation we see even among well-trained scientists is pretty jaw-dropping,” Ms. Wagner said.

 

Sometimes those variations matter.

 

Recently, Transfyr hosted technicians from Dr. Linvy’s lab, to watch them extract RNA from cells. Charlie Loy, famous for her magic hands, was unwittingly doing a key step wrong, letting chemicals react for 120 seconds instead of 90 seconds.

 

“I didn’t realize that was even happening,” Ms. Loy said. The mistake happened because she turned her timer on after starting the chemical reaction, not before. But it turns out that the extra time from that mistake improved the experiment.

 

In another trial, Transfyr has found that a protocol that takes six hours for one researcher may take eight hours for another. “It’s not a hard thing to see,” Ms. Wagner said. “But there’s no way to capture it at scale manually.”

 

Transfyr has signed up a diagnostics company and other clients who want the software to track their research. Ms. Wagner said that ultimately, it might be possible for the system not just to uncover mistakes but to document unexpected breakthroughs.

 

Rather than sifting notebooks for clues, the system can look back at every second of the work while querying A.I. about unusual things the workers did without realizing it.

 

Dr. Nosek said that Transfyr would have to present detailed results to prove that this system really does make science better. “Take 50 labs, track half the experiments with this stuff and don’t track the other half — then look for differences in progress,” he suggested.

 

Harry Collins, a sociologist at Cardiff University who has studied tacit knowledge for over 50 years, said he was optimistic about the effort because it was focused on molecular biology — a field that has matured to the point that many of its fundamental mysteries have been worked out.

 

But he was skeptical that Transfyr’s approach would reveal much in fields where scientists agree on far less, even about which experiments will reveal something important.

 

“You might be lucky now and again, but it’s not a silver bullet for scientific problems,” Dr. Collins said.” [1]

 

1. Some Scientists Have ‘Magic Hands’ in the Lab. This A.I. Is Learning Why. Zimmer, Carl.  New York Times (Online) New York Times Company. Aug 27, 2026.

Teheranas vis dar turi keletą būdų išvengti JAV sankcijų ir galimybę imtis karinių veiksmų, įstumdamas pasaulį į Didžiąją depresiją II. Tai paaiškino pats ponas Trumpas.

 

“Grėsmė pasaulio ekonomikai kyla ne tik dėl Irano atsako, bet ir dėl griežto JAV atsako. JAV iždo sekretorius Scottas Bessent neseniai pažymėjo, kad nors JAV nustato griežtus terminus šalims nutraukti ryšius su Iranu, grasindamos pasitraukti iš dolerio sistemos, administracija sąmoningai ir atsargiai taiko šias antrines sankcijas. Paklaustas, kodėl JAV nedelsdamos neatjungė visų Irano partnerių nuo finansinio tinklo, Bessent tiesiai šviesiai paklausė: „Kodėl turėčiau norėti susprogdinti pasaulinę finansų sistemą?“, patvirtindamas, kad griežtas, neatidėliotinas dolerio pavertimas ginklu rizikuoja atsitiktine dedoleracija ir didžiuliu ekonominiu karu tarp didžiųjų pasaulio valstybių.

 

Jei Amerikos ekonominis karas Iranui taps pernelyg pavojingas, Iranas gali panaudoti tikslių raketų ir dronų spiečius, kad sunaikintų kitų šalių vandens tiekimo ir energetikos infrastruktūrą. Pasekmės Vakarams būtų katastrofiškos.

 

„Trumpo administracija pradėjo operaciją „Ekonominis išstumtasis“, siekdama finansiškai suspausti Iraną ir pabandyti priversti režimą nusileisti, kad būtų nutrauktas konfliktas Artimuosiuose Rytuose.

 

Vašingtonas perspėja pasaulio lyderius nutraukti verslo ryšius su Iranu ir grasina pašalinti įmones iš JAV finansų sistemos, jei jie tai padarys. JAV tuo pačiu metu blokuoja Irano uostus, užkirsdamos kelią pagrindinei režimo finansinei gelbėjimosi linijai.

 

Tačiau Iranas daugelį metų kūrė sudėtingą naftos pardavimo ir slaptos šešėlinės bankininkystės sistemą, kuri, kaip tikisi, išlaikys jo ekonomiką ir kariuomenę pakankamai ilgai, kad atlaikytų ekonominį puolimą.

 

Štai kaip Teheranas siekia susilpninti JAV galią:

 

Naftos atsargos

 

JAV karinio jūrų laivyno blokada Irano uostams sumažino Irano naftos eksportą – pagrindinį jo pajamų šaltinį – beveik iki nulio. Tačiau Teheranas vis dar turi milijonus barelių naftos, laikomų naftos tanklaiviuose jūroje, daugiausia Malaizijos vandenyse. Kinija perka daugiau nei 80 % Irano naftos eksporto, ir nors blokada riboja tiekimą, Pekinas importuoja daugiau nei 500 000 barelių per dieną, todėl... rugpjūtį, remiantis duomenų bendrovės „Kpler“ duomenimis.

 

Šie pristatymai priklauso nuo laivo-laivo perdavimo sistemos, kai sankcionuoti tanklaiviai iškrauna žaliavinę naftą į laivus tarptautiniuose vandenyse prie Malaizijos krantų, kad paslėptų kuro kilmę. Tada šie tanklaiviai gabena krovinį į Kiniją, kur jis registruojamas kaip ne iš Irano importuotas. Laivų sekimo bendrovė „Vortexa“ skaičiuoja, kad Iranas turi 80 milijonų barelių žaliavinės naftos plaukiojančiose saugyklose.

 

Kinijos valiuta

 

JAV sankcijos siekia atkirsti taikinius nuo JAV finansų sistemos, paverčiant juos ekonominiais atstumtaisiais ir grasinant su jais prekiaujančioms įmonėms. Tačiau sankcijos tampa mažiau veiksmingos, jei JAV priešai siekia išvengti JAV finansų sistemos ir JAV dolerio.

 

Iranas parduoda didžiąją dalį savo naftos Kinijai, įskaitant 6 milijardų dolerių vertės žaliavinę naftą per trumpas paliaubas su JAV vasarą, ir šie sandoriai vis dažniau atliekami Kinijos juaniais. Tada Iranas perka prekes ir paslaugas iš Kinijos arba maino naftą mainais už tai, kad Kinijos įmonės statytų infrastruktūrą šalies viduje. Iranas.

 

Kriptovaliuta

 

Irano kriptovaliutų ekosistema sparčiai augo, nes sankcijos apribojo režimo prieigą prie įprastų valiutų, tokių kaip JAV doleris. Tyrėjai teigia, kad Irano režimas panaudojo milijardus dolerių kriptovaliutų prekybai ir ginklų bei prekių įsigijimui. Irano Islamo revoliucijos gvardija naudojo kriptovaliutų biržas, kad gautų atlygį už naftos pardavimą, ypač iš Kinijos.

 

Reaguodamas į tai, Vašingtonas įvedė sankcijas Irano biržoms ir konfiskavo daugiau nei 1 milijardą dolerių skaitmeninės valiutos iš Teherano. Tai apsunkino Irano pinigų pervedimą. Tačiau rinkos priežiūra yra sudėtinga, nes didelė dalis pramonės nėra reguliuojama, o sandoriai gali būti anonimiški.

 

Apsauginės įmonės

 

Vakarų pareigūnai teigė, kad Iranui vis dar reikia prieigos prie dolerio ir kitų valiutų, kad galėtų pirkti produktus ir ginklus bei nukreipti pinigus savo įgaliotiniams, tokiems kaip „Hezbollah“ ir husiai. Teheranas valdo apsidraudimo įmones centruose, įskaitant Honkongą ir Dubajų, kuriuos kontroliuoja Irano keityklos.

 

JAV iždas panaudojo sankcijas, siekdamas nukreipti į šioje sistemoje dalyvaujančias įmones ir asmenis. Tačiau tai išlieka žaidimas... „daužyk kurmį“.

 

Šešėlinis tinklas

 

Irano šešėlinė sistema leidžia jam pirkti medžiagas, naudojamas dronams, balistinėms raketoms ir kitiems ginklams kurti, daugiausia iš Kinijos įmonių, kurios kartais nežino apie galutinį pirkėją.

 

Net jei Kinijos įmonės žino, kad medžiagos bus pristatytos į Iraną, šios įmonės dažnai yra per mažos, kad rūpėtų JAV sankcijos, arba yra atjungtos nuo pasaulinės finansų sistemos.“ [1]

 

 

1. Tehran Still Has Several Ways to Evade U.S. Sanctions. Jones, Rory.  Wall Street Journal, Eastern edition; New York, N.Y.. 27 Aug 2026: A6.