Автор: 纳米柒

Самозанятым россиянам предложили платить по 572 тысяч рублей взносов в Соцфонд ежегодно ради достойной пенсии. Достойная пенсия - это 50 тыс рублей.

Но есть одно НО...  Нужно в течение 30 лет ежегодно перечислять по 572 тыс. рублей в Социальный фонд России (СФР), заявил профессор Финансового университета при правительстве РФ Александр Сафонов.

Общая сумма отчислений за 30 лет составит более 17,1 млн рублей. В итоге, чтобы получить свои деньги обратно, после выхода на пенсию придется прожить еще почти 29 лет.

Воспользуемся калькулятором, Экселем и здравым смыслом.
Если просто копить, то можно за 30 лет собрать 17,1 млн рублей. При доходности в 10% , можно получать пассивно 1,7 млн в год или 143 тыс в месяц.
Таких пенсий почти не существует... Наверное только у чиновников, генералов, судей.
В общем это сильно больше, чем предлагает государство.
Плюс у вас остаются ещё ваши 17,1 млн, которые вы так же сможете тратить, если нужно. В случае с государством, то это уже не факт что ваши деньги.

Можно пойти еще дальше. Предположим, что мы деньги инвестируем, а не храним под подушкой: вклады, облигации, акции и т.д.
Какую можно получить доходность. ОФЗ 26238 и 48 дают доходность более 14 процентов на 14-15 лет.
Думаю, что реально получать около 10 , потому как доходность в 14 % нам никто в течение 30 лет не гарантирует.

Доходность 10 %. Сумма через 30 лет - 103 млн. При доходности в 10 % можно получать пассивно 862 тыс в месяц.
Доходность 7 %. Сумма через 30 лет - 57,8 млн. При доходности в 10 % можно получать пассивно 481 тыс в месяц.
Доходность 5 %. Сумма через 30 лет - 39,9 млн. При доходности в 10 % можно получать пассивно 332 тыс в месяц.

То есть реально получать пенсию в 6-17 раз больше, чем то что предлагает государство. А время выхода на пенсию в 50 к сокращается с 30 до 7-9 лет.
Это ещё при условии, что ваша доходность будет достаточно консервативной 5-10 % в год.
Прочувствуйте разницу.

Группа исследователей из Колумбийского университета, MIT и Гарварда с помощью связки научных ИИ переписали часть рибосомы кишечной палочки так, чтобы она обходилась без одной из 20 аминокислот — изолейцина. 20 аминокислот – это "строительный стандарт" современной биологии. И теперь ученые пусть и не создали микроба, полностью работающего на 19 аминокислотах (помимо переписанных рибосомных белков в геноме остаются еще тысячи других, где изолейцин на месте), но сделали большой шаг в этом направлении.

И здесь, прямо как в известном меме, два вопроса: как и зачем?

Начнем с как. Мы воспринимаем нейросети как инструменты для создания текста, кода и картинок, но похожие методы используются и в науке. Последовательность аминокислот в белке записывается текстом (например, A-цепь инсулина выглядит так: GIVEQCCTSICSLYQLENYCN) – значит, на известных последовательностях можно обучить аналог языковой модели и генерировать новые варианты под нужную задачу..

Но последовательность букв — это не работающий белок. Белок рождается как цепочка аминокислот, а затем сворачивается в трехмерную структуру. Предсказание этих структур долго было одним из главных вызовов в биологии — на один белок уходили месяцы и огромные деньги. В DeepMind решили эту проблему, обучив AlphaFold 2 на известных последовательностях и формах – и вскоре открыли базу предсказанных структур для более чем 200 миллионов белков, то есть практически всех известных науке.

Для создания белка сейчас обычно используют связку из трех ИИ. RFdiffusion получает задачу – например, придумать белок, который связывается с молекулой вируса – и генерирует трехмерную структуру похожим образом как графические ИИ рисуют картинку. Затем структура передается в ProteinMPNN, которая подбирает под нее последовательность аминокислот. А на финальном этапе AlphaFold 2 проверяет, в правильную ли форму сворачивается последовательность. Если нет – задача отправляется на переделку.

В нашей истории форму белков не нужно было придумывать с нуля — рибосома существует четыре миллиарда лет, ее устройство известно. Задача была другая: подобрать новую последовательность под уже известную форму, обходясь без изолейцина. Поэтому в работе использовались только ProteinMPNN и AlphaFold — плюс ещё пара языковых моделей, родственных идеям Бейкера.

Теперь к вопросу зачем. Белки нужны в самых разных областях. В медицине это новые лекарства – от суперантибиотиков до препаратов против рака. В промышленности – например, более эффективные моющие средства или ферменты для переработки пластика. И есть третья причина, самая интересная: проверять гипотезы о том, как устроена жизнь.

Все известные организмы – от бактерии до человека – пользуются одним и тем же набором из 20 аминокислот. Это одно из самых сильных свидетельств того, что вся жизнь произошла от общего предка. Но есть давнее подозрение, что до этого общего предка набор был короче. Часть аминокислот легко появляется в неорганических условиях — а часть, включая изолейцин, требует сложного многоступенчатого синтеза в клетке и, скорее всего, появилась позже.

Единственный способ узнать, возможна ли жизнь с укороченным алфавитом – попробовать построить такую жизнь и посмотреть. Но для этого надо одновременно переписать множество белков, что было нереально без ИИ.
Получившийся в эксперименте штамм Ec19 – это еще не настоящая 19-аминокислотная бактерия, но это первый шаг в ту сторону за всю историю биологии. И возможно – первый шаг к пониманию того, как выглядела жизнь до того, как обрела свой нынешний алфавит.

А отдельно интересно в истории то, что некоторые правки, предложенные ИИ, оказались неожиданными для ученых. “Возможно, эти модели знают аспекты биологии, которые мы можем подтвердить экспериментально, но пока не понимаем”, — сказал один из исследователей.

Кстати, работать с ИИ я учу в подписке на “Бусти”. Новые белки мы пока не открываем, но вот правильный промптинг и развертывание ИИ-агентов уже прошли!

Так что самое время подписаться.