Что такое функция потерь?
Что такое оптимизатор Adam?
Делаю такой клиповый курс «Что такое», где за 20 секунд объясняю термины по разработке нейросетей и искусственному интеллекту.
Если пост наберёт 30 плюсов, продолжу выкладывать другие клипы в сообществе «Наука | Научпоп».
Линейная регрессия — один из самых фундаментальных и широко применяемых методов в машинном обучении. Несмотря на простоту, её эффективность сильно зависит от двух ключевых компонентов:
Функции потерь (loss function) — что именно мы минимизируем?
Метода оптимизации (solver) — как мы ищем решение?
В этой статье мы разберём популярные функции потерь — MSE, MAE, Huber и Log-Cosh — их свойства, плюсы и минусы. А также покажем, как выбор функции потерь определяет выбор алгоритма оптимизации.
Функция потерь измеряет, насколько предсказания модели отличаются от реальных значений. От её формы зависят:
Чувствительность к выбросам
Наличие замкнутого решения
Выпуклость задачи
Скорость и стабильность обучения
Давайте сравним четыре ключевые функции потерь в контексте линейной регрессии.
Эквивалентна максимуму правдоподобия при нормальном шуме.
Чувствительна к выбросам (ошибки возводятся в квадрат).
Normal Equation (аналитическое решение)
SGD, SAG, LBFGS (в scikit-learn: solver='auto', 'svd', 'cholesky' и др.)
Когда использовать: когда данные «чистые», ошибки гауссовские, и важна интерпретируемость.
Робастна к выбросам (ошибки в первой степени).
Минимизирует медиану ошибок (а не среднее).
Недифференцируема в нуле → нет аналитического решения.
Требует итеративных методов.
Linear Programming (например, через симплекс-метод)
Subgradient Descent (в scikit-learn: QuantileRegressor с quantile=0.5)
Когда использовать: когда в данных есть аномалии или тяжёлые хвосты (например, цены, доходы).
Гладкая и дифференцируемая.
Робастна к выбросам (линейная штраф за большие ошибки).
Гибкость через параметр δδ.
Нужно настраивать δδ (часто выбирают как процентиль ошибок).
Нет замкнутого решения.
Gradient Descent, LBFGS, Newton-CG(в scikit-learn: HuberRegressor с fit_intercept=True)
Когда использовать: когда вы подозреваете наличие выбросов, но хотите сохранить гладкость оптимизации.
Гладкая везде (бесконечно дифференцируема).
Ведёт себя как MSE при малых ошибках и как MAE при больших.
Устойчива к выбросам, но без «изломов».
Вычислительно дороже (логарифм и гиперболический косинус).
Не так распространена в классических библиотеках.
Gradient-based методы: SGD, Adam, LBFGS(в TensorFlow/PyTorch легко реализуется; в scikit-learn — через кастомный регрессор)
Когда использовать:
когда вы ищете баланс между робастностью MSE и гладкостью MAE.
Вы хотите избежать чувствительности MSE к выбросам, но сохранить дифференцируемость.
Вы строите гибридную модель, где loss должен быть всюду гладким (например, для вторых производных).
Правило:
Если loss квадратичен → можно решить напрямую.
Если loss неквадратичен → нужен итеративный численный метод.
И помните: нет универсально «лучшей» функции потерь — только та, что лучше всего подходит вашим данным и задаче.
Дальше в посте, я опишу свойства функции среднеквадратичной ошибки (MSE), затем методы её оптимизации (аналитические, численные, стохастические и гибридные), укажу важные формулы, поведение градиента/Гессиана, оценки сходимости и практические рекомендации.
Основные свойства MSE
1. Дифференцируемость
MSE — гладкая (бесконечно дифференцируема) функция параметров для линейной модели она квадратичная — что сильно упрощает анализ.
2 Квадратичность и выпуклость
MSE — квадратичная функция, такая функция выпукла (всегда), а если X⊤X положительно определена (то есть признаки линейно независимы и строго выпукла и имеет единственный глобальный минимум.
Для нелинейных параметрических моделей выпуклость обычно не выполняется — могут быть локальные минимума.
3. Градиент и Гессиан
Гессиан положительно полуопределён. Его собственные значения управляют «кривизной» функции (вдоль направлений с большими э-величинами функция круто меняется).
4 Шкала, чувствительность к выбросам и статистическая интерпретация
MSE сильно чувствительна к выбросам (квадратичная зависимость даёт большим ошибкам непропорционально большой вклад).
Если ошибки в модели нормальны, то MSE (максимизация правдоподобия) соответствует MLE — минимизация MSE = максимизация нормального правдоподобия.
5. Аналитическое решение
Закрытая форма (normal equations).
6. Алгоритмы численной оптимизации
Градиентный спуск (Batch Gradient Descent)
7. Стохастический градиентный спуск (SGD) и мини-батчи
Стохастичность даёт возможность выйти из плохих локальных минимумов (для нелинейных задач).
8. Ускоренные и адаптивные методы
Momentum (classical momentum) — ускоряет спуск по узким долинам.
Nesterov Accelerated Gradient (NAG) — улучшенный momentum с теоретическими гарантиями.
Адаптивные алгоритмы: Adagrad, RMSProp, Adam, AdamW. Они подбирают адаптивный шаг для каждого параметра.
9. Второго порядка и квазиньютоновские методы
Newton’s method (использует Гессиан) Kвазиньютоновские: BFGS, L-BFGS Conjugate Gradient (CG) часто используют для ridge регрессии
10. Проксимальные и координатные методы (для регуляризации)
Coordinate Descent — особенно эффективен для L1-регуляризованных задач (LASSO), когда функция частично сепарабельна.
11. Прямые методы оптимизации
SVD, cholesky, QR
Обратите внимание что в посте вы не увидите саму модель линейной регресии, где мы точки прямой аппроксимируем, потому что это вообще неинтересно с точки зрения понимания моделей машинного обучения, интересно только сердце ML моделей - функция потерь.
Существует так называемая "комиссионная система оплаты труда", где большая часть заработной платы складывается за счет стимулирующих выплат, так называемых комиссий от заключаемых сделок. Это касается менеджеров по продажам, специалистов по рекламе и так далее.
Сейчас я частнопрактикующий юрист, но долгое время работал в консалтинговой фирме. И заработная плата складывалась по принципу: минимальный размер оплаты труда + 33% от цены договора оказания юридических услуг, который ты успешно "закрыл".
Я заметил, что у возрастных женщин с детьми было меньше энтузиазма перерабатывать, они уходили с работы строго в конце рабочего дня, не брали дополнительные дела, часто отпрашивались с работы, чтобы посидеть с больным ребенком и т.д.
При равных условиях они получали меньше, чем мужчины. Но дело не в том, что работодатель шовинист, просто мужчины могли себе позволить переработки, а женщины с детьми сразу же бежали домой, когда кончался рабочий день.
Женщины в Швеции к 40 годам зарабатывают в среднем примерно на 20% меньше мужчин. Кому-то интуитивно здесь захочется сразу предположить: дело в том, что зловредные мужики на топ-позициях в бизнесе специально недоплачивают женщинам чисто из соображений угнетения! (Правда, непонятно, почему невидимая рука рынка не исправляет это искажение – ведь тогда было бы сильно выгоднее повсеместно нанимать именно «более дешевых, но таких же эффективных» женщин в качестве сотрудниц.)
Но результаты вот этого исследования как бы намекают на то, что тут основную роль играет не сам фактор «женсковости» как таковой, а конкретно рождение детей. Потому что генетически бесплодные женщины в 35–40 лет имеют доход в среднем примерно на том же уровне, что и у мужчин.
Светло-серым нарисованы доходы мужчин, жирно-черным – бесплодных женщин, средне-серым – обычных женщин
Тут важно отметить, что такие женщины (которые знали о своем диагнозе где-то к окончанию школы) не выбирали себе специально какие-то «более мужские» или «более амбициозные» карьерные пути – они работают примерно там же, где и другие женщины без этой генетической особенности.
При этом, в начале трудовой деятельности (в 20–25 лет) разрыв в доходах у бесплодных женщин был такой же, как и у всех остальных женщин. И только к 33 годам он постепенно закрывался в ноль у бесплодных женщин. Это позволяет предположить, что работодатели как бы заведомо предполагают по поводу всех нанимаемых женщин «ну, эта рожать рано или поздно будет!», и закладывают на это соответствующую «скидку к зарплате». И потом, чтобы этот pay gap устранить, женщине нужно на практике сначала доказать «не-не, ни на каких детей я отвлекаться не буду, моя миссия – грызть зубами гранит карьеры!!».
Интересно еще, что почти все бесплодные женщины рассказывали о своем диагнозе друзьям и близким, но только половина из них раскрывала эту информацию работодателю/коллегам. И у тех, кто рассказывал о бесплодии на работе, разрыв в доходах с мужчинами довольно сильно сокращался уже на раннем этапе карьеры – до 25 лет! Получается, бизнесы в среднем действительно пытаются решить эдакую непростую оптимизационную задачу в условиях ограниченной информации – как определить для каждого работника его «справедливую стоимость» (в чисто экономическом, конечно, смысле – не в общечеловеческом).
Остается еще отдельный вопрос: а что со всем этим дальше делать? Да, похоже, что женщины из-за «риска деторождения» являются для работодателей чуть менее ценными сотрудниками, чем заведомо неспособные рожать мужчины. Это не какой-то злой умысел патриархаторов-угнетателей, а просто результат экономической оптимизации в рамках свободной конкуренции на рынке труда.
Но значит ли это, что общество должно считать такую ситуацию приемлемой? Ведь, по сути, получается, что сложившийся порядок как бы «наказывает женщин долларом» за то, что они выполняют супер-важную для общества функцию – тратят большое количество своих ресурсов на рождение и воспитание детей. Поневоле как-то напрашивается вывод о том, что все эти традиционные представления из разряда «мужчина должен тратить деньги на женщину, а не наоборот» – как раз и являются в том числе таким механизмом компенсации на уровне общества.
Юрий Сергеевич Осипов — советский и российский математик, академик РАН, специалист в области теории управления, дифференциальных уравнений и их приложений. Президент Российской академии наук в 1991-2013 годах.
Область науки Вклад Значение
Теория управления Разработка теории позиционного управления и дифференциальных игр Создание новых методов управления сложными динамическими системами
Дифференциальные уравнения Исследования устойчивости решений дифференциальных уравнений Развитие качественной теории дифференциальных уравнений
Обратные задачи Разработка методов решения обратных задач динамики Создание основ для идентификации параметров сложных систем
Математическая теория устойчивости Исследования устойчивости по Ляпунову и её обобщений Развитие методов анализа устойчивости динамических систем
Прикладная математика Применение математических методов в механике и технике Решение практических задач управления и стабилизации
Разработал теорию позиционного управления динамическими системами, которая позволяет строить алгоритмы управления в условиях неполной информации о состоянии системы.
Внес фундаментальный вклад в теорию дифференциальных игр, разработав методы решения задач преследования и уклонения для сложных динамических систем.
Создал новые подходы к решению обратных задач динамики, позволяющие восстанавливать параметры системы по наблюдаемому движению.
Развил теорию устойчивости нелинейных систем, предложив новые критерии устойчивости и методы их анализа.
Научное направление Основные результаты Годы
Теория управления Разработка принципа позиционного управления с обратной связью 1970-1980
Дифференциальные игры Создание методов решения задач группового преследования 1980-1990
Обратные задачи Разработка алгоритмов идентификации параметров динамических систем 1990-2000
Устойчивость Обобщение методов Ляпунова для нелинейных систем 2000-2010
Прикладные задачи Применение теоретических результатов в технических системах 1970-настоящее время
Период Должность Вклад
1991-2013 Президент Российской академии наук Руководство крупнейшей научной организацией страны в переходный период
1986-1993 Директор Института математики и механики УрО РАН Развитие математической школы на Урале
1993-2013 Академик-секретарь Отделения математики РАН Координация математических исследований в России
2002-2013 Президент Международного математического союза Развитие международного сотрудничества в области математики
1991-2013 Главный редактор журнала "Известия РАН. Серия математическая" Руководство ведущим математическим журналом России
"Математика — это не только язык науки, но и мощный инструмент познания мира. Без развития математики невозможно развитие других наук и технологий."
— Юрий Осипов
Окончание Уральского государственного университета, начало научной работы в области дифференциальных уравнений
Защита кандидатской диссертации по теории устойчивости дифференциальных уравнений
Защита докторской диссертации по теории управления динамическими системами
Назначение заведующим отделом теории управления в Институте математики и механики УрО РАН
Избрание членом-корреспондентом АН СССР
Избрание академиком АН СССР
Избрание президентом Российской академии наук
Избрание президентом Международного математического союза
Форма признанияОписаниеГосударственные наградыОрден "За заслуги перед Отечеством" I, II, III и IV степеней, Орден Ленина, Орден Октябрьской РеволюцииНаучные премииПремия имени А.М. Ляпунова РАН, Государственная премия РФ в области науки и техникиЧленство в академияхАкадемик РАН (1987), член-корреспондент с 1984 года, иностранный член многих зарубежных академийНаучные публикацииБолее 200 научных работ, включая монографии и учебные пособияПамятьПремия имени Ю.С. Осипова для молодых ученых, именные стипендииНаучная школаСоздал одну из ведущих российских школ теории управления и дифференциальных уравнений
"Юрий Сергеевич Осипов — это не только выдающийся математик, но и блестящий организатор науки, сумевший сохранить российскую академическую науку в сложнейшие годы."
— Академик Владимир Фортов
Разработал теорию управления по принципу обратной связи, когда управляющие воздействия формируются на основе текущей информации о состоянии системы.
Создал метод последовательных приближений для решения задач оптимального управления, позволяющий находить решения сложных нелинейных задач.
Развил математический аппарат для анализа конфликтно управляемых систем, когда несколько участников имеют противоположные цели.
Предложил новые критерии устойчивости для нелинейных динамических систем, обобщающие классические методы Ляпунова.
НаправлениеВклад ОсиповаМировое значениеТеория управленияРазработка принципов позиционного управления и методов обратной связиСоздание основ современных систем автоматического управленияДифференциальные игрыРазвитие математической теории конфликтно управляемых системПрименение в экономике, экологии, военном делеМатематическое образованиеПодготовка научных кадров, руководство математическими школамиСохранение и развитие математических традиций в РоссииМеждународное сотрудничествоРазвитие связей российской науки с мировым научным сообществомИнтеграция российской науки в мировое научное пространствоОрганизация наукиРуководство РАН в переходный период, сохранение научного потенциалаСохранение одной из ведущих научных школ мира
"Работы Юрия Сергеевича Осипова по теории управления и дифференциальным играм стали классическими и вошли в учебники по всему миру."
— Математик Джон Бэлл
Название работыГодОбластьЗначение"Позиционные дифференциальные игры"1973Теория игрФундаментальная монография по теории дифференциальных игр"Обратные задачи динамики"1985Теория управленияСистематическое изложение методов решения обратных задач"Управление в условиях неопределенности"1992Теория управленияРазработка методов управления при неполной информации"Стабилизация нелинейных систем"2001Теория устойчивостиНовые подходы к анализу устойчивости сложных систем"Избранные труды по теории управления"2009Теория управленияСборник ключевых работ по различным аспектам теории управления
Информация о вкладе Юрия Сергеевича Осипова в мировую науку
Страница создана нейросетью DeepSeek
В последние несколько лет СМИ и ученые распиарили тему, что в семенной жидкости мужчин за последние десятилетия резко снизилось число сперматозоидов, а это значит, что в мире прогрессирует бесплодие и скоро человечество не сможет произвести на свет детей и вымрет, ну или что-то в этом роде.
На основе этих же работ другие псевдо-ученые сразу начали транслировать свои «мнения» или даже политические позиции, как, например, по мнению зеленых все это происходит по причине влияния микропластика, который на деле не вреднее пыли и абсолютно инертен.
[1]https://washingtonpost.com/2025/plastic-chemicals-phthalates-pregnancy-infertility/
[2]https://thelancet.com/journals/ebiom/article/PIIS2352-3964(24)00405-5/fulltext
В остальных же случаях каждый врач и ученый из каждой области тоже решили вставить свои пять копеек: по мнению антропологов, причина в инбридинге/аутбридинге[1], по мнению диетологов – потреблении ультра-обработанных продуктов[2], по мнению остальных врачей[3] – сидячем образе жизни или чем-то более существенном вроде распространения диабета, ожирения и так далее.
[1]https://aporia.com/p/outbreeding-depression-avenues-for
[2]https://sciencedirect.com/S15504131250033
[3]https://pubmed.ncbi.nlm.nih.gov/28868837/
Но все они исходят из того, что первичные «глобальные» исследования по снижению сперматозоидов во всем мире – верны.
Для фона, вот вам самый большой анализ прошлого века от 1992 года, говорящий о снижении количества сперматозоидов на 50% за 50 лет, c 1940 по 1991 год.
https://pubmed.ncbi.nlm.nih.gov/1393072/
В 2022 году вышел еще один наиболее популярный сейчас крупный метаанализ, говорящий, что качество спермы упало еще на 52% за последние 45 лет[с 1973 по 2018] и падает на 1,2% ежегодно.
https://academic.oup.com//157/6824414
Ну и еще последний крупный метаанализ от 2023 года, оценивающий 162 работы на 264 тысячи человек за 1978-2021г с похожими выводами.
https://pubmed.ncbi.nlm.nih.gov/37335419/
И вот подобные «глобальные» исследования я и решила немного поизучать, насколько они достоверны и действительно ли стоит им доверять.
Вокруг да около ходить не буду – кратко, оказывается, нет. Исследователи в них постоянно пишут о «глобальном» тренде, но ни в одной из этих работ просто нет оценки общей «популяции» и даже однородной вменяемой выборки.
Фактически, практически вся выборка в них – это данные людей, которые обращаются в клиники репродуктивной медицины, потому что у них или у их супругов Уже есть проблемы с зачатием.
То есть практически Вся выборка изначально состоит только из людей с проблемой бесплодия, что делает все эти исследования и метаанализы полностью несостоятельными.
Это даже критикуется другими учеными, которые отмечают, что «здоровые», «не бесплодные» мужчины просто отказываются сдавать на анализ свою сперму.
https://pmc.ncbi.nlm.nih.gov/articles/PMC3739167/
Это вносит систематическую проблему с данными, и, причем, со временем она только усугубляется: по мере того, как ЭКО становится все более распространенным и менее дорогим, в клиники теперь обращаются люди, которые, возможно, не беспокоились об этом 30 лет назад, и то же самое происходит по мере развития качества и доступности медицины в целом.
То есть падение качества спермы и количество «проблемных» образцов может смещаться благодаря росту «выявленных» бесплодных, но «популяционное» качество спермы оставаться таким же.
У нас банально нет других данных.
Поэтому снижение числа сперматозоидов, которое пиарится учеными и СМИ, нам не говорит почти ни о чем, так как оно фиксируется не у здоровых людей, а в основном как раз у ~бесплотных.
Это все? – Даже близко нет.
Помимо «качества» выборки также существует проблема ее географического смещения – изначальная выборка была полностью «американской», однако последние три десятилетия она стала резко смещаться. Теперь к ней примешиваются другие страны и даже регионы со стареющим населением, что изменяет качество спермы по праву географии и возраста, а не популяционных изменений.
https://pmc.ncbi.nlm.nih.gov/articles/PMC3325016/
Еще сильнее ситуация осложняется тем, что почти все исследования – очень небольшие и локальные, всего на 30-100 человек, которые не учитывают практически никаких внешних и временных факторов, тогда как на качество спермы влияет вообще практически все.
Например, количество сперматозоидов меняется даже в разные времена года: зимой сперма более плотная, летом – менее, тогда как старт оценки спермы начинается в случайное время года.
https://academic.oup.com/jsm/qdae001.286/7600858
Также на нее влияет и время воздержания, настроение, стресс, курение, алкоголь, распространение диабета, метаболического синдрома, качество воздуха, география, возраст и так далее и так далее.
https://www.mdpi.com/2075-4426/14/2/198#B1-jpm-14-00198
Почти любой фактор осложняет сбор образцов, что делает процесс получения человеческой спермы для анализа в принципе достаточно сложной задачей. Если бы ее сбор был таким же простым, как получение образцов крови, то эта проблема была бы решена еще десятилетия назад, но этого не произошло.
Почему? Потому что получить образец не так просто. Потому что для его получения нужно не просто ткнуть в человека иголочкой в строго определенный промежуток времени, а найти тех, кто на это согласится [в основном уже бесплодных], пригласить их в клинику и, ээ... заставить их мастурбировать.
Да, они делают это, не будем ходить вокруг да около.
И даже это не так просто, как рекомендации ВОЗ по получению качественных образцов.
Для этого есть строгий протокол, и угадайте что? Да, даже его практически никто не соблюдает.
Например, существуют рекомендации по разбавлению образцов, чтобы сперма не «уплыла», но данные показывают, что лишь 38,2% лабораторий используют рекомендованный ВОЗ разбавитель, тогда как 23,1% не используют его вообще, а остальные 38,7% используют NaCl, воду или другие среды.
Всего 19% лабораторий используют рекомендованные ВОЗ пипетки с позитивным вытеснением для дозирования вязких жидкостей, и только 55% лабораторий используют рекомендованный ВОЗ метод окрашивания сперматозоидов по Папаниколау, Шорру или Романовскому[Diff-Quick]
https://www.andrologyacademy.net/phocadownload/userupload/papers_basic_androloy/852%20Nieschlag%20QuaDeGA-Survey%202017.pdf
Итого менее 8% клинических лабораторий действительно соблюдают методологический протокол.
Так, методы различны. Лаборатории не соблюдают элементарные стандарты. В разных лабораториях концентрация сперматозоидов в одних и тех же образцах может различаться на целых два порядка, почти в 100 раз.
[1]https://academic.oup.com/humrep/article-abstract/15/3/680/2915444
[2]https://www.fertstert.org/article/S0015-0282(02)03296-X/fulltext
И все это дополняет изменение стандартов – например, требования к тому, что считать «здоровой» морфологией сперматозоидов, в последнее время стали более строгими, что может изменить историческое качество спермы просто по факту изменения способа оценки.
Так что же тогда вообще значат все эти цифры?
Говоря прямо – абсолютную бессмысленность любых результатов.
Почти все лаборатории имеют халатное отношение к взятию образцов, почти во всех исследованиях не очень хорошие подсчеты, во всех работах неестественные выборки, изначально состоящие в основном из бесплодных людей, даже среди которых вариабельность сильно разнится.
https://www.fertstert.org/article/S0015-0282%2821%2902154-3/
Да, крупные метаанализы показывают снижение качества спермы, но у ученых есть только целая куча небольших мусорных исследований, скачущих по всему свету, и они пытаются увидеть закономерности в этой свалке отходов.
Причем я даже не преувеличиваю – критика метаанализов сокращает число используемых в них качественных ретроспективных исследований едва до 5-10% хороших, которые показывают незначительный эффект, а лучшие проспективные исследования показывают настолько неоднозначный эффект, что он практически равен нулю.
https://www.nature.com/articles/s41585-022-00626-w
Мы просто не можем сделать хоть каких-то выводов, основываясь на текущих данных.
Снижается ли качество спермы? Может быть, а может и нет.
Здесь стоит вставить типичную научную фразу: нам нужно больше перспективных многоцентровых исследований, рассматривающих большую репрезентативную выборку населения.
До их проведения любые данные – не говорящий ни о чем мусор.
– – – – – – – – –
Тг: Pond of Slime
Представьте, что вам 92. Вы выходите из самолета, сами снимаете чемодан с полки, не боитесь упасть на трапе, вечером еще гуляете с внуками по холмистой набережной. Без драматизма, без “молодец, для своих лет”, – вы просто функциональны. И теперь честный вопрос: вы тренируете этого человека уже сегодня или надеетесь, что как‑то само сложится?
На связи RISE: сообщество единомышленников про личную продуктивность.
Почти все разговоры о долголетии делятся на две крайности:
Футурологический оптимизм: скоро таблетки, генная терапия, ИИ победят старение, надо только дожить.
Смиренный пессимизм: у нас все наследственное, дожить бы до пенсии и ладно.
Реальность скучнее: да, есть пределы человеческой продолжительности жизни, но разброс качества этой жизни в последние 10-15 лет колоссальный, и он сильно зависит от того, что мы делаем уже сейчас.
Кардио выносливость и мышечная сила – одни из самых мощных предикторов смертности и инвалидизации: занятия спортом почти вдвое снижают риск смерти от любых причин.
Это и есть трезвый взгляд на долголетие: мы не контролируем количество прожитых лет, но радикально влияем на качество жизни и здоровья.
Биохакер, канадско‑американский врач, Питер Аттиа, предложил свой метод. Маржинальное десятилетие – это последние 10 лет жизни, когда особенно важны автономность и отсутствие зависимости от ухода.
Питер Аттиа, биохакер
Десятиборье столетнего – не про олимпийский спорт, а про 10 бытовых действий, которые вы хотите уметь делать в самом преклонном возрасте, Аттиа ориентируется на 90-100 лет.
Просто представьте свой обычный день в старости, когда вам уже за 80. Что бы вы хотели делать самостоятельно, без помощи родственников или соцработников?
Примеры Аттия и его сторонников:
пройти 1,5-2 км по холмистой тропе с перепадом высот;
поднимать чемодан на багажную полку;
без опоры вставать с пола;
нести 2 тяжелых пакета с продуктами до дома;
поднять ребенка с пола на руки;
балансировать на одной ноге больше 30 секунд;
подниматься по нескольким пролетам лестницы без остановки.
Ключевая идея – сначала определить, что вы хотите уметь в 90, а потом тренироваться “от будущего к настоящему”, постепенно обеспечивая себе запас прочности. Так, теперь вы живете не надеждой как-нибудь сохраниться, а четким пониманием, какую функциональность вы хотите иметь в старости.
Аттиа не говорит, что нужно становиться профессиональным спортсменом. Но есть протокол, который он выработал для себя.
Медленное кардио
Это длительные прогулки, ходьба в горку, велосипед: в среднем 3-5 часов в неделю. Так он укрепляет выносливость и поддерживает здоровье сердца, то, что в старости определяет способность ходить, подниматься по лестнице, гулять по неровной местности.
Интервалы высокой интенсивности
1-2 раза в неделю короткие, но тяжелые кардио-тренировки. Интенсивные нагрузки поддерживают способность быстро ускориться: перейти дорогу, удержать равновесие, подняться по ступенькам. Это защита от резких ситуаций в старости.
Регулярно заниматься силовыми
Оптимально около 2-3 силовых тренировок в неделю. Мышцы – главный ресурс, запас которых нужно создавать уже сейчас. Я писал недавно статью про топ добавок для спортсменов без допинга, рекомендую)
Саркопения – это возрастная потеря мышечной массы, силы и физической функции. С возрастом мышечная сила и масса падают, что ведет к снижению способности выполнять обычные задачи: подниматься по лестнице, вставать с пола, переносить сумки. Это уже не спорт, это влияет на рутину и качество всей жизни. Саркопения связана с более высокой вероятностью падений, переломов, снижения самостоятельности и даже повышенной смертностью. Силовые тренировки доказано улучшают мышечную силу и физическую функцию у людей старшего возраста.
Баланс и стабильность
Несколько минут работы на равновесие, контроль корпуса, упражнения на стопы и координацию. Зачем все это? Самое опасное в старости – падения.
Сильные ноги плюс хороший баланс – это простейшая страховка от травм.
Регулярно проверять здоровье, а не лечить последствия
Аттия ярый сторонник профилактики: контроль давления, холестерина, уровня сахара, витамина Д, воспаления, здоровья сердца. Чем раньше вы узнаете проблему, тем легче ее исправить.
Заботиться о качестве сна и стрессе
Аттия ставит сон рядом с физической активностью по важности. Я писал статью про то, как хронический недосып убивает ваше здоровье. Мета-анализ показал, что люди с хроническими нарушениями сна имеют повышенный риск деменции и болезни Альцгеймера, чем те, кто спит нормально.
Питание
Главная цель – это нормальный вес и метаболизм. Не переедать и не сидеть голодным.
Много белка, это особенно важно для профилактики саркопении и падения силы. Источники белка составляют скелет рациона: мясо, рыба, яйца, молочные продукты, бобовые. Много овощей и других цельных продуктов, полезные жиры: оливковое масло, орехи, жирная рыба.
Минимум сахара и ультра-переработанной еды. Аттиа жестко относится к сладким напиткам, фастфуду, рафинированным углеводам как к фактору инсулинорезистентности и сердечно-сосудистого риска. Он сам много экспериментировал с голоданием и кето, но позже стал гораздо аккуратнее: при высоких нагрузках легко недобрать белка и ухудшить состав тела.
Стэк добавок идет на общую поддержку: Омега-3, магний, закрыть дефицит витамина Д, креатин, витамины группы В, периодический прием пробиотиков. Для сна – глицин или теанин.
Если думать о маржинальном десятилетии не только в категориях “ходить и поднимать”, но и “помнить и соображать”, логично добавить в стэк ежовик гребенчатый. Подойдет для тех, кто хочет укрепить память, снизить туман в голове и поддерживать долгосрочное здоровье мозга. Именно ежовик из мицелия стимулирует выработку нейротрофического фактора NGF, что помогает росту новых нейронов и синапсов. Отличный ежовик у Ноотерии, это именно экстракт в оптимальной дозировке: 1200 мг мицелия, 360 мг бета-глюканов. Нейрогенез и поддержка мозга всего в 2 капсулах. Я предпочитаю принимать ежовик курсом по 3 месяца, о том, как усилить его действие – в отдельной статье.
Сейчас можно получить банку ежовика из мицелия в подарок по промо RISE на оф. сайте Viva Herb у наших друзей из Ноотерии.
Аттиа откровенен: он не мечтает жить до 120 лет. Его цель – быть самостоятельным в последние 10 лет жизни, а не прикованным к креслу. Поэтому он не просто проповедует идею, он сам создает запас здоровья, который будет таять десятилетиями, и делает все это не из фанатизма, а из практичности – он хочет быть человеком, а не пациентом.
Верите ли вы, что можно сильно повлиять на качество жизни в старости, или считаете, что все от генов?
