Заметка начинающим, которые часто сталкиваются с подобной непоняткой.
Ситуация следующая, есть список файлов:
names = [
'image.bmp',
'second.txt.bkp',
'data.db',
'.config.cfg',
'file.ext.bkp'
]
И мы хотим убрать у них окончание ".bkp".
Не знаю зачем, пример довольно надуманный) Но суть он показывает, а это главное.
Те, кто еще не очень знаком с библиотекой os.path или pathlib, вероятно решат обработать имена как строки. И тут вполне подойдет метод строки strip().
Что делает этот метод? Он отрезает указанные символы по обеим сторонам строки. Если ничего не указать, то убирает невидимые символы (пробелы, табуляции и переносы строк).
В нашем случае будет выглядеть вот так:
>>> name.strip('.bkp')
То есть просим удалить строку '.bkp' по краям имени файла, если таковая есть.
Можно применить аналогичный метод rstrip(), чтобы отрезать только справа, но для этого примера используем обычный.
>>> for name in names:
>>> print(name.strip('.bkp'))
image.bm
second.txt
data.d
config.cfg
file.ext
Хм, что-то не то с нашими именами! Что случилось??? Видим нежелательное переименование в именах, где и близко не было указанной строки '.bkp'
А дело всё в том, что данный метод ищет не указанную строку, а указанные символы, и не важно в каком порядке.
Для метода strip() строка '.bkp' это не паттерн для поискаа список символов. Потому он отрезал симовол 'p' от '.bmp' и удалил точку из файла '.config.cfg'.
Как тогда правильно заменить именно паттерн? Для начинающего можно посоветовать метод строки replace(), который как раз использует для замены указанную строку целиком. В нашем примере заменим её на пустую строку.
>>> for name in names:
>>> print(name.replace('.bkp', ''))
image.bmp
second.txt
data.db
.config.cfg
file.ext
Уже лучше, но помните, это лишь пример про strip(). Для работы с именами файлов есть способы и более "правильные", дающие однозначно верный результат. Я взял файлы только в качестве примера. Даже replase() тут может сделать не то что ожидаем.
Просто впредь будьте внимательны с этим strip().
#basic
📖Fake Disease Experiment Exposes AI Misinformation Risks
Researchers led by Almira Osmanovic Thunström at the University of Gothenburg created a fictional medical condition, “bixonimania,” and supported it with fabricated academic papers uploaded to a preprint server. The experiment aimed to test whether large language models would reproduce false information as credible medical knowledge.
AI systems subsequently presented the non-existent disease as real, and the fake studies were later cited in peer-reviewed literature, including a journal published by Springer Nature. The case demonstrates how AI-generated or AI-amplified misinformation can propagate beyond initial sources into scientific and medical contexts.
#AIRegulation#AIethics#Misinformation#AIsafety#DigitalHealth
Осторожно: как ошибки ИИ в медицине могут стоить здоровья (и почему «нейросеть сказала» — не аргумент)
Привет! Мы часто пишем о прорывах ИИ, но сегодня — важное предупреждение. Когда генеративный ИИ ошибается в развлекательном контенте — это досадно. Когда он ошибается в медицине — это опасно для жизни.
Всего за последние месяцы произошла целая серия тревожных инцидентов:
➡️Google удалила AI-сниппеты с анализами крови. Расследование The Guardian показало, что ИИ-ответы по запросу «нормальный диапазон показателей печени» давали неточные числовые значения, не учитывали пол, возраст и могли создать у пациента с серьезным заболеванием ложное ощущение благополучия. Это назвали «опасным и тревожным».
➡️Perplexity ошиблась в онкодиагностике. В эксперименте нейросеть сравнила два КТ-снимка пациента с метастазами. Первый ответ гласил, что опухоль уменьшилась. После уточнения ИИ выдал *противоположный* вердикт — прогрессирование. Только врач смог дать верное заключение.
➡️Проблемы в московских поликлиниках. Пациенты жалуются, что врачи, работая с системой поддержки решений «ТОП-3», иногда некритично соглашаются с её предварительным диагнозом. Описаны случаи ложноположительных диагнозов (например, ишемическая болезнь сердца), которые позже не подтверждались.
Почему так происходит?
Главные причины ошибок
1. «Галлюцинации» и уверенная ложь. ИИ, особенно общего назначения, может генерировать убедительно звучащий, но полностью выдуманный ответ, особенно если в запросе есть неточность.
2. Проблемы с данными для обучения. Качество ИИ зависит от данных. Если выборка неполная, нерепрезентативная или содержит искажения (например, публикуются в основном «положительные» исследования), алгоритм унаследует эти ошибки.
3. Эффект «чёрного ящика». Даже разработчикам не всегда понятно, как сложная нейросеть пришла к конкретному выводу, что затрудняет поиск и исправление системных сбоев.
4. Человеческий фактор. ИИ может повторять и даже усиливать когнитивные искажения, свойственные людям (например, эффект формулировки). А врачи, перегруженные работой, могут чрезмерно доверять алгоритму, отключая своё клиническое мышление.
Что делать? Простые правила безопасности
➡️Для всех: Любой ИИ-совет по здоровью — лишь отправная точка для разговора с врачом, не руководство к самолечению.
➡️Для медиков: ИИ — инструмент поддержки, но не замена экспертизе. Окончательное решение и ответственность всегда остаются за специалистом.
➡️Для разработчиков: Нужна максимальная прозрачность, валидация на реальных клинических сценариях и чёткое указание на ограничения продукта.
Вывод: ИИ — мощный помощник в медицине, способный анализировать огромные массивы данных. Но слепая вера в него так же рискованна, как и его полное игнорирование. Ключ — в разумном сочетании технологий и человеческого опыта, критического мышления и проверок.
А Вы сталкивались с явными ошибками ИИ в вопросах здоровья? Доверяете ли вы таким сервисам? Обсудим в комментариях.
#ИИ#искусственныйинтеллект#медицина#здоровье#безопасность#диагностика#DigitalHealth
https://t.me/semasci
💻 Excessive internet use, especially before bed, significantly harms sleep quality, affecting both mental and physical health.
[Learn more]
@googlefactss#DigitalHealth#SleepQuality#InternetUse#MentalHealth#ScreenTime
ИИ-доктор в кармане: как стартапы вроде Death Clock меняют превентивную медицину (и что с этим не так)
Пока одни ИИ-модели соревнуются в генерации картинок, другие нацелены на самую ценную область — наше здоровье. Яркий пример — американский стартап Death Clock с их сервисом Life Lab.
В чем суть?
Life Lab — это персональный ИИ-консультант по долголетию, встроенный в приложение. Система:
1. Агрегирует данные: подключается к тысячам лабораторий, импортирует медкарты, учитывает образ жизни.
2. Считает возраст и риски: на основе исследований вычисляет биологический возраст и прогнозируемую дату смерти (да, именно это и есть их «визитная карточка» — Death Clock).
3. Дает рекомендации: формирует персонализированный план по питанию, добавкам и привычкам для снижения рисков и продления здоровой жизни.
Их цель — сделать превентивную медицину максимально простой и доступной.
Другие примеры на подходе:
* ChatGPT Health (от OpenAI): Пока только в тестировании у врачей, но это шаг к тому, чтобы ИИ-ассистент стал первым пунктом консультации. Модель должна уметь анализировать симптомы, расшифровывать анализы и диалогом вести к диагнозу.
* K Health: Использует ИИ на основе данных миллионов медкарт для первичной оценки состояния.
* Your.MD: AI-симптомчекер и навигатор по системе здравоохранения.
Что важно помнить?🔍
За кажущейся простотой и технологичностью скрываются серьезные вопросы:
➡️Качество данных и исследований: На чем именно основаны прогнозы и советы? Многие методики расчета биовозраста и рекомендаций по долголетию все еще являются областью активных (и коммерциализированных) споров.
➡️Юридическая и этическая ответственность: Кто виноват, если совет ИИ приведет к проблемам? Пока это серая зона.
➡️Риск гипердиагностики и тревожности: Постоянный мониторинг и «цифры смерти» могут скорее навредить ментальному здоровью, чем помочь.
Контекст и важные ссылки:
➡️Я уже подробно разбирал риски слепого доверия медицинскому ИИ в этом посте: Осторожно: как ошибки ИИ в медицине могут стоить здоровья
➡️А здесь анализировали другой подход — мощную специализированную модель от Google для профессионалов, которая работает оффлайн и точнее: Google выпустила MedGemma 1.5
Вывод:
Такие сервисы, как Death Clock, — это мощный драйвер для осознанности и перехода от «медицины лечения» к «медицине предупреждения». Но они остаются инструментами для информирования, а не для постановки диагноза. Их рекомендации — это гипотезы, которые должен проверять и одобрять ваш лечащий врач. Главное правило: Data-Driven, но Doctor-Approved.
Полезные ссылки по теме (англ.):
➡️Анонс Life Lab от Death Clock
➡️Исследование о возможностях и ограничениях ИИ в предиктивной медицине (Nature)
#ИИ_в_медицине#DigitalHealth#превентивная_медицина#HealthTech#DeathClock#ChatGPT#MedGemma#долголетие
https://t.me/semasci