TikTok — самое популярное приложение в России и в мире. Бум ТикТока больше нельзя игнорировать. Поэтому «Системный Блокъ» запускает серию образовательных роликов о языках мира. Лингвист и популяризатор науки Александр Пиперски рассказывает о том, чем интересны разные языки, как эти языки связаны с русским (если связаны), какие в них есть любопытные звуки и слова.
Первый выпуск посвящен сербскому языку. Чем интересен сербский:
— Кириллица или latinica? Не важно! Сербы могут писать на своем языке и так, и так.
— В сербском есть жуткие сочетания согласных с р. «На врх брда врба мрда» — нормальная сербская фраза.
— В сербском много слов, похожих на русские, но некоторые сходства обманчивы: «неделя», «банка», «право» и «позориште» значат совсем не то, что вы подумали.
https://vm.tiktok.com/ZSJnUuHtB/
Первый выпуск посвящен сербскому языку. Чем интересен сербский:
— Кириллица или latinica? Не важно! Сербы могут писать на своем языке и так, и так.
— В сербском есть жуткие сочетания согласных с р. «На врх брда врба мрда» — нормальная сербская фраза.
— В сербском много слов, похожих на русские, но некоторые сходства обманчивы: «неделя», «банка», «право» и «позориште» значат совсем не то, что вы подумали.
https://vm.tiktok.com/ZSJnUuHtB/
UniLM — языковая модель для тех, кому мало BERT
#nlp
Мы уже рассказывали о языковых моделях BERT и GPT-2. Теперь разбираемся, как работает еще одна нейросетевая языковая модель.
UniLM расшифровывается как Unified pre-training Language Model. По архитектуре это многослойный трансформер, предварительно обученный на больших объемах текста. В отличие от BERT, UniLM используют как для задач понимания естественного языка (NLU), так и для генерации задач для NLU — NLG (Natural Language Generation).
Обучение нейросети
Обычно для обучения нейросетей используются три типа задач языкового моделирования (LM, Language Model): однонаправленная LM, двунаправленная LM, sequence-to-sequence LM. В случае с UniLM происходит единый процесс обучения и используется одна языковая модель Transformeк с общими параметрами и архитектурой для различных видов моделирования. Сеть не нужно отдельно обучать каждой задаче и отдельно хранить результаты.
Представление текста в UniLM такое же, как в BERT: сначала текст токенизируется, для этого используется алгоритм WordPiece: текст делится на ограниченный набор «подслов», частей слов. Из входной последовательности токенов случайным образом выбираются некоторые токены и заменяются на специальный токен MASK. Далее нейросеть обучается предсказывать замененные токены — стандартный на сегодня способ тренировки языковых моделей.
Для различных задач языкового моделирования используются различные матрицы масок.
• однонаправленная LM — использование left-to-right, right-to-left задач языкового моделирования.
• двунаправленная LM — кодировка контекстной информации и генерация контекстных представлений текста.
• sequence-to-sequence LM — при генерации токена участвуют токены из первой последовательности (источника), а из второй (целевой) последовательности берутся только токены слева от целевого токена и сам целевой токен. В итоге, для токенов в целевой последовательности блокируются токены, расположенные справа от них.
Архитектура UniLM соответствует архитектуре BERT LARGE. Размер словаря — 28 996 токенов, максимальная длина входной последовательности — 512. Вероятность маскирования токена составляет 15%. Процедура обучения состоит из 770 000 шагов.
Результаты работы UniLM
Нейросетевая языковая модель использовалась для задач автоматического реферирования — генерации краткого резюме входного текста. В качестве входных данных использовался датасет CNN / Daily Mail и корпус Gigaword для дообучения модели.
Так же модель тестировали на задаче ответов на вопросы — QA (Question Answering). Задача состоит в том, чтобы ответить на вопрос с учетом отрывка текста. Есть два варианта задачи: с извлечением ответа из текста и с порождением ответа на основе текста. Эксперименты показали, что при генерации ответов UniLM по качеству превосходит результаты лучших на момент проведения экспериментов моделей: Seq2Seq и PGNet.
Применение модели
Архитектура UniLM подходит для решения задач языкового моделирования, однако для конкретной задачи по-прежнему требуется дообучение на специфических данных для конкретной задачи. Это ограничивает применение языковой модели в практических целях: к примеру, для исправления грамматики или генерации рецензии к короткому рассказу трудно собрать набор дообучающих данных.
Нередко случается, что большие предобученные модели не обобщаются для узкоспециализированных задач. Поэтому появляются модели, для обучения которых используют метод контекстного обучения.
https://sysblok.ru/nlp/unilm-jazykovaja-model-dlja-teh-komu-malo-bert/
Светлана Бесаева
#nlp
Мы уже рассказывали о языковых моделях BERT и GPT-2. Теперь разбираемся, как работает еще одна нейросетевая языковая модель.
UniLM расшифровывается как Unified pre-training Language Model. По архитектуре это многослойный трансформер, предварительно обученный на больших объемах текста. В отличие от BERT, UniLM используют как для задач понимания естественного языка (NLU), так и для генерации задач для NLU — NLG (Natural Language Generation).
Обучение нейросети
Обычно для обучения нейросетей используются три типа задач языкового моделирования (LM, Language Model): однонаправленная LM, двунаправленная LM, sequence-to-sequence LM. В случае с UniLM происходит единый процесс обучения и используется одна языковая модель Transformeк с общими параметрами и архитектурой для различных видов моделирования. Сеть не нужно отдельно обучать каждой задаче и отдельно хранить результаты.
Представление текста в UniLM такое же, как в BERT: сначала текст токенизируется, для этого используется алгоритм WordPiece: текст делится на ограниченный набор «подслов», частей слов. Из входной последовательности токенов случайным образом выбираются некоторые токены и заменяются на специальный токен MASK. Далее нейросеть обучается предсказывать замененные токены — стандартный на сегодня способ тренировки языковых моделей.
Для различных задач языкового моделирования используются различные матрицы масок.
• однонаправленная LM — использование left-to-right, right-to-left задач языкового моделирования.
• двунаправленная LM — кодировка контекстной информации и генерация контекстных представлений текста.
• sequence-to-sequence LM — при генерации токена участвуют токены из первой последовательности (источника), а из второй (целевой) последовательности берутся только токены слева от целевого токена и сам целевой токен. В итоге, для токенов в целевой последовательности блокируются токены, расположенные справа от них.
Архитектура UniLM соответствует архитектуре BERT LARGE. Размер словаря — 28 996 токенов, максимальная длина входной последовательности — 512. Вероятность маскирования токена составляет 15%. Процедура обучения состоит из 770 000 шагов.
Результаты работы UniLM
Нейросетевая языковая модель использовалась для задач автоматического реферирования — генерации краткого резюме входного текста. В качестве входных данных использовался датасет CNN / Daily Mail и корпус Gigaword для дообучения модели.
Так же модель тестировали на задаче ответов на вопросы — QA (Question Answering). Задача состоит в том, чтобы ответить на вопрос с учетом отрывка текста. Есть два варианта задачи: с извлечением ответа из текста и с порождением ответа на основе текста. Эксперименты показали, что при генерации ответов UniLM по качеству превосходит результаты лучших на момент проведения экспериментов моделей: Seq2Seq и PGNet.
Применение модели
Архитектура UniLM подходит для решения задач языкового моделирования, однако для конкретной задачи по-прежнему требуется дообучение на специфических данных для конкретной задачи. Это ограничивает применение языковой модели в практических целях: к примеру, для исправления грамматики или генерации рецензии к короткому рассказу трудно собрать набор дообучающих данных.
Нередко случается, что большие предобученные модели не обобщаются для узкоспециализированных задач. Поэтому появляются модели, для обучения которых используют метод контекстного обучения.
https://sysblok.ru/nlp/unilm-jazykovaja-model-dlja-teh-komu-malo-bert/
Светлана Бесаева
Анализ тональности отзывов о запрещенных веществах
#nlp
Язык интернета имеет свои особенности, и его активно исследуют лингвисты. Однако мало известно о характеристиках русского языка, используемого для нелегальной деятельности в DarkNet'е. DarkNet — это та часть интернета, которая не индексируется поисковыми системами и требует специального софта для входа. Именно там происходит большая часть нелегальной онлайн-активности
Сбор материала
Цель нашего мини-исследования: выявить и описать специфические лексические средства, используемые в отзывах о запрещенных веществах. Для этого мы провели анализ тональности — это автоматическое определение отрицательности или положительности отзыва. С помощью анализа можно выявить эмоционально окрашенную лексику.
Для этого с одной из крупнейших площадок для продажи наркотических веществ в DarkNet'е были собраны тренировочная и тестовая выборки. В тренировочную выборку входят 1000 отзывов о пяти разных наркотических веществах; в тестовую — 200 отзывов. Положительные отзывы были размечены как 1, а отрицательные как -1.
Обучение модели
• приведение всех слов в начальную форму, удаление стоп-слов. Длина всех положительных отзывов составила 10403 слова, а отрицательных — 10624.
• превращение текстов в цифровые вектора с помощью TF-IDF и Count Vectorizer'а.
• разделение отзывов по лексическому составу. Для этого воспользуемся decision_function: функция сообщает, где в пространстве значений, по мнению модели, лежит тот или иной отзыв. Итог: большая часть положительных отзывов имеют схожую лексику — как и большинство отрицательных.
• определение характерных слов для положительных и отрицательных отзывов. Для этого использовали модели логистической регрессии (Logistic Regression) и метода опорных векторов (Support Vector Machines).
Характеристика отзывов
Самым решающим словом для определения отрицательности отзыва является «ненаход», а для положительности — «касание». «Ненаход» обозначает ситуацию, когда покупатель не обнаружил на месте приобретенный товар. Слово «клад» фигурирует в жалобах на неудачные места для тайников. Кроме того, в пределах двух слов от «клада» 35 раз встречается слово «ненаход».
«Касание» наоборот значит, что тайник было легко забрать. «Касание» может употребляться как в качестве самостоятельного слова, так и с предлогом в, а также с глаголами забрать, снять и поднять.
Слово «квест» обозначает сам процесс получения товара. В положительных отзывах «квест» обычно употребляют в контексте того, как легко было найти и забрать товар. Вообще легкость получения «клада» — ключевой фактор для тональности всего отзыва.
https://sysblok.ru/nlp/kladmen-mudak-analiz-tonalnosti-otzyvov-o-zapreshhennyh-veshhestvah/
P.S. От редакции: употреблять наркотики смертельно опасно, а хранить их и тем более торговать ими — еще и уголовно наказуемо. Наш текст посвящен сугубо научному исследованию лингвистических аспектов этой противозаконной деятельности. Редакция против наркотиков, поэтому мы не раскрываем название площадки и способы попасть туда.
#nlp
Язык интернета имеет свои особенности, и его активно исследуют лингвисты. Однако мало известно о характеристиках русского языка, используемого для нелегальной деятельности в DarkNet'е. DarkNet — это та часть интернета, которая не индексируется поисковыми системами и требует специального софта для входа. Именно там происходит большая часть нелегальной онлайн-активности
Сбор материала
Цель нашего мини-исследования: выявить и описать специфические лексические средства, используемые в отзывах о запрещенных веществах. Для этого мы провели анализ тональности — это автоматическое определение отрицательности или положительности отзыва. С помощью анализа можно выявить эмоционально окрашенную лексику.
Для этого с одной из крупнейших площадок для продажи наркотических веществ в DarkNet'е были собраны тренировочная и тестовая выборки. В тренировочную выборку входят 1000 отзывов о пяти разных наркотических веществах; в тестовую — 200 отзывов. Положительные отзывы были размечены как 1, а отрицательные как -1.
Обучение модели
• приведение всех слов в начальную форму, удаление стоп-слов. Длина всех положительных отзывов составила 10403 слова, а отрицательных — 10624.
• превращение текстов в цифровые вектора с помощью TF-IDF и Count Vectorizer'а.
• разделение отзывов по лексическому составу. Для этого воспользуемся decision_function: функция сообщает, где в пространстве значений, по мнению модели, лежит тот или иной отзыв. Итог: большая часть положительных отзывов имеют схожую лексику — как и большинство отрицательных.
• определение характерных слов для положительных и отрицательных отзывов. Для этого использовали модели логистической регрессии (Logistic Regression) и метода опорных векторов (Support Vector Machines).
Характеристика отзывов
Самым решающим словом для определения отрицательности отзыва является «ненаход», а для положительности — «касание». «Ненаход» обозначает ситуацию, когда покупатель не обнаружил на месте приобретенный товар. Слово «клад» фигурирует в жалобах на неудачные места для тайников. Кроме того, в пределах двух слов от «клада» 35 раз встречается слово «ненаход».
«Касание» наоборот значит, что тайник было легко забрать. «Касание» может употребляться как в качестве самостоятельного слова, так и с предлогом в, а также с глаголами забрать, снять и поднять.
Слово «квест» обозначает сам процесс получения товара. В положительных отзывах «квест» обычно употребляют в контексте того, как легко было найти и забрать товар. Вообще легкость получения «клада» — ключевой фактор для тональности всего отзыва.
https://sysblok.ru/nlp/kladmen-mudak-analiz-tonalnosti-otzyvov-o-zapreshhennyh-veshhestvah/
P.S. От редакции: употреблять наркотики смертельно опасно, а хранить их и тем более торговать ими — еще и уголовно наказуемо. Наш текст посвящен сугубо научному исследованию лингвистических аспектов этой противозаконной деятельности. Редакция против наркотиков, поэтому мы не раскрываем название площадки и способы попасть туда.
📮 Сегодня 1 октября — Международный день открытки. В этот день в 1869 году австрийский экономист Эммануэль Херрман написал статью о том, что оформление письма и его упаковка в конверт — это слишком сложно для маленького сообщения.
Идея Херрмана вдохновила австрийскую почту ввести новый тип открытого письма. Так появилась почтовая открытка. С тех пор люди обмениваются открытками уже больше 150 лет, несмотря на появление радио, телеграфа, телефона, интернета и даже телеграма 💁♂️
Весь последний год «Системный Блокъ» делает проект по оцифровке старых почтовых открыток «Пишу тебе». Специально к Международному дню открытки мы сделали две вещи:
1. Подготовили для вас рассказ о самых старых открытках в нашей коллекции. Конечно, открыток 1869 года у нас пока нет, но есть те, которым больше 120 лет. И вы можете их почитать — мы всё расшифровали и оцифровали! Если хотите узнать, как отправители открыток начала XX века рассказывают о путешествиях, жалуются на денежные трудности или дают наставления, то вам сюда.
2. Мы запустили краудсорсинговый сбор открыток. Старые открытки — это ценные документы для истории повседневности, истории культуры и истории страны. И цифровое сохранение истории вашей семьи — очень важно и ценно для потомков! Сфотографируйте и загрузите 10 старых открыток сюда — а мы отправим вам новую крафтовую открытку от «Системного Блока», которую мы задизайнили специально для вас. Не забудьте оставить нам в форме заливки свой почтовый адрес! Ваш вклад в оцифровку нашей общей истории обязательно будет вознагражден!
P.S. Посмотреть всю коллекцию открыток проекта «Пишу тебе» можно на сайте проекта.
Идея Херрмана вдохновила австрийскую почту ввести новый тип открытого письма. Так появилась почтовая открытка. С тех пор люди обмениваются открытками уже больше 150 лет, несмотря на появление радио, телеграфа, телефона, интернета и даже телеграма 💁♂️
Весь последний год «Системный Блокъ» делает проект по оцифровке старых почтовых открыток «Пишу тебе». Специально к Международному дню открытки мы сделали две вещи:
1. Подготовили для вас рассказ о самых старых открытках в нашей коллекции. Конечно, открыток 1869 года у нас пока нет, но есть те, которым больше 120 лет. И вы можете их почитать — мы всё расшифровали и оцифровали! Если хотите узнать, как отправители открыток начала XX века рассказывают о путешествиях, жалуются на денежные трудности или дают наставления, то вам сюда.
2. Мы запустили краудсорсинговый сбор открыток. Старые открытки — это ценные документы для истории повседневности, истории культуры и истории страны. И цифровое сохранение истории вашей семьи — очень важно и ценно для потомков! Сфотографируйте и загрузите 10 старых открыток сюда — а мы отправим вам новую крафтовую открытку от «Системного Блока», которую мы задизайнили специально для вас. Не забудьте оставить нам в форме заливки свой почтовый адрес! Ваш вклад в оцифровку нашей общей истории обязательно будет вознагражден!
P.S. Посмотреть всю коллекцию открыток проекта «Пишу тебе» можно на сайте проекта.
Системный Блокъ
«Я совсем без денег»: о чем писали в открытках 120 лет назад - Системный Блокъ
1 октября — Международный день открытки. В этот день в 1869 году австрийский экономист Эммануэль Херрман написал статью о том, что написание письма и его упаковка в конверт — слишком сложные операции для маленьких сообщений. Его идея вдохновила австрийскую…
Оцифровка сфагновых болот 100-летней давности и новейшее башкирское нейроискусство: обзор блогов «Системного Блока»
«Системный Блокъ» запустил блоги. Теперь у нас регулярно делятся своим личным опытом ученые, преподаватели и эксперты-практики. Они рассказывают об использовании цифровых технологий в исследованиях и образовании, рассуждают о сопряжении культурного и цифрового. Вот какие посты уже опубликованы в наших блогах:
— Зачем генерировать башкирские стихи и картины башкирских художников? Как на это реагируют люди? Почему в нейронно-сгенерированном искусстве все хотят видеть «душу»? Об этом рассуждает в своем блоге цифровой филолог и создатель проекта «Нейробашкорт» Борис Орехов:
Уроки Нейробашкорта
— Как сделать историю Гражданской войны в России или атомной бомбардировки Японии живой для школьников? Учитель истории и обществознания Юлия Папанова проводит уроки с помощью корпуса дневников «Прожито» — и делится опытом в своем блоге. Почитайте, как оцифрованные дневниковые записи помогают не только ученым, но и школьным преподавателям:
Как провести урок истории на основе цифрового архива «Прожито»
— Как нанести на электронную карту атлас флоры Владимирской губернии, вышедший в 1902 году? Почти детективная и очень личная история о том, как современные биологи искали сфагновые болота и лесные урочища, по которым ходил их дореволюционный коллега Александр Флёров. Рассказывает один из авторов этого 15-летнего исследования, доктор биологических наук Алексей Серёгин:
Флёров goes digital
— Как могла бы выглядеть «игра в бисер» из знаменитого романа Германа Гессе? Борис Орехов создал целую python-библиотеку, при помощи которой каждый может насладиться игрой, соединившей шахматы и китайскую поэзию эпохи Тан:
Комбинаторика бисера
Новые посты наших блогеров будут регулярно появляться здесь, а также на главной странице сайта
«Системный Блокъ» запустил блоги. Теперь у нас регулярно делятся своим личным опытом ученые, преподаватели и эксперты-практики. Они рассказывают об использовании цифровых технологий в исследованиях и образовании, рассуждают о сопряжении культурного и цифрового. Вот какие посты уже опубликованы в наших блогах:
— Зачем генерировать башкирские стихи и картины башкирских художников? Как на это реагируют люди? Почему в нейронно-сгенерированном искусстве все хотят видеть «душу»? Об этом рассуждает в своем блоге цифровой филолог и создатель проекта «Нейробашкорт» Борис Орехов:
Уроки Нейробашкорта
— Как сделать историю Гражданской войны в России или атомной бомбардировки Японии живой для школьников? Учитель истории и обществознания Юлия Папанова проводит уроки с помощью корпуса дневников «Прожито» — и делится опытом в своем блоге. Почитайте, как оцифрованные дневниковые записи помогают не только ученым, но и школьным преподавателям:
Как провести урок истории на основе цифрового архива «Прожито»
— Как нанести на электронную карту атлас флоры Владимирской губернии, вышедший в 1902 году? Почти детективная и очень личная история о том, как современные биологи искали сфагновые болота и лесные урочища, по которым ходил их дореволюционный коллега Александр Флёров. Рассказывает один из авторов этого 15-летнего исследования, доктор биологических наук Алексей Серёгин:
Флёров goes digital
— Как могла бы выглядеть «игра в бисер» из знаменитого романа Германа Гессе? Борис Орехов создал целую python-библиотеку, при помощи которой каждый может насладиться игрой, соединившей шахматы и китайскую поэзию эпохи Тан:
Комбинаторика бисера
Новые посты наших блогеров будут регулярно появляться здесь, а также на главной странице сайта
Системный Блокъ
Уроки Нейробашкорта - Системный Блокъ
Вот уже больше полугода существует проект «Нейробашкорт», проект лично для меня необычный и в какой-то мере противоестественный. Проект, меня многому научивший, и его уроками я хотел бы сегодня поделиться.
Тупой пофигизм вместо преглупого индефферентизма: как изменился русский язык за 100 лет
Знаете ли вы, кто такие кокотки, мазурики и филистеры? А кого называли рамольным? Часто ли вам приходится пикироваться или охорашиваться? Все эти слова активно использовались 100 лет назад, но сегодня практически вышли из употребления. И это легко обнаружить статистически.
Чтобы найти слова, которые были популярны в прошлом, но вышли из употребления сегодня, надо сравнить два корпуса текстов — старых и новых. Желательно иметь тексты одного жанра и типа — нельзя же сравнивать законы с рецептами пирогов. В двух корпусах можно посчитать частотности слов и выделить те слова, которые в одном употребляются часто, а в другом редко или вообще не встречаются.
На днях вышло исследование, где ровно так и сделали. Язык прошлого представляли дневниковые записи проекта «Прожито», созданные с 1900 по 1940 годы. Язык настоящего — тексты блогеров «Дзена». Исследователи смотрели на то, какие слова резко потеряли в популярности у авторов, а какие эту популярность приобрели.
Сначала изучим потери. Вместе с исследованием была выложена таблица из 1000 слов, которые сегодня употребляются в 10 и более раз реже, чем в дневниках первых 4 десятилетий XX века. И надо сказать, что среди этой тысячи есть очень обидные утраты. Например, слово «мазурик». Так называли мошенников: «и к чему тут речь о мазуриках и жуликах?», вопрошал в одной из своих статей Салтыков-Щедрин. Или вот слово «дрянность» — им пользовались Добролюбов, Писарев, Достоевский. А теперь оно исчезло. И предсказать такие исчезновения обычно нельзя.
Разумеется, есть и приобретения. Скажем, слово «неадекватный». В краткой форме оно есть уже у Льва Толстого: «употребляемое мною слово неадекватно понято». Но и в XIX, и в XX веке слово использовалось только для несоответствия чему-то терминов, идей, вещей и прочих неодушевленных объектов. Называть неадекватными людей, да еще и без указания, чему именно эти люди неадекватны, начали только в XXI веке.
Больше примеров ушедших, пришедших и изменившимся до неузнаваемости слов ищите на сайте «Системного Блока»:
https://sysblok.ru/news/tupoj-pofigizm-vmesto-preglupogo-indefferentizma-kak-izmenilsja-russkij-jazyk-za-100-let/
Знаете ли вы, кто такие кокотки, мазурики и филистеры? А кого называли рамольным? Часто ли вам приходится пикироваться или охорашиваться? Все эти слова активно использовались 100 лет назад, но сегодня практически вышли из употребления. И это легко обнаружить статистически.
Чтобы найти слова, которые были популярны в прошлом, но вышли из употребления сегодня, надо сравнить два корпуса текстов — старых и новых. Желательно иметь тексты одного жанра и типа — нельзя же сравнивать законы с рецептами пирогов. В двух корпусах можно посчитать частотности слов и выделить те слова, которые в одном употребляются часто, а в другом редко или вообще не встречаются.
На днях вышло исследование, где ровно так и сделали. Язык прошлого представляли дневниковые записи проекта «Прожито», созданные с 1900 по 1940 годы. Язык настоящего — тексты блогеров «Дзена». Исследователи смотрели на то, какие слова резко потеряли в популярности у авторов, а какие эту популярность приобрели.
Сначала изучим потери. Вместе с исследованием была выложена таблица из 1000 слов, которые сегодня употребляются в 10 и более раз реже, чем в дневниках первых 4 десятилетий XX века. И надо сказать, что среди этой тысячи есть очень обидные утраты. Например, слово «мазурик». Так называли мошенников: «и к чему тут речь о мазуриках и жуликах?», вопрошал в одной из своих статей Салтыков-Щедрин. Или вот слово «дрянность» — им пользовались Добролюбов, Писарев, Достоевский. А теперь оно исчезло. И предсказать такие исчезновения обычно нельзя.
Разумеется, есть и приобретения. Скажем, слово «неадекватный». В краткой форме оно есть уже у Льва Толстого: «употребляемое мною слово неадекватно понято». Но и в XIX, и в XX веке слово использовалось только для несоответствия чему-то терминов, идей, вещей и прочих неодушевленных объектов. Называть неадекватными людей, да еще и без указания, чему именно эти люди неадекватны, начали только в XXI веке.
Больше примеров ушедших, пришедших и изменившимся до неузнаваемости слов ищите на сайте «Системного Блока»:
https://sysblok.ru/news/tupoj-pofigizm-vmesto-preglupogo-indefferentizma-kak-izmenilsja-russkij-jazyk-za-100-let/
Системный Блокъ
Яндекс исследовал, как меняется лексика русского языка
Знаете ли вы, кто такой филистер? А кого можно назвать рамольным? Часто ли вам приходится пикироваться или охорашиваться? Все эти слова — примеры уходящей лексики. Они активно использовались 100 лет назад, но сегодня практически вышли из употребления. Рассказываем…
Отличите ли вы живого поэта от электронного?
Сегодня пятница, а значит, можно уже отложить работу и поразвлекаться. Например, поиграть в наш поэтический тест Тьюринга! Вот посмотрите:
спит годами боль из детства
лишь слова кружат и слышат
Кто это написал?Кожаный мешокживой человек — или бездушная машина? Идите по ссылке — и узнаете! Пока одни шутят, что нейросети «пишут лучше Гришковца», а другие занудно твердят, что «компьютер никогда не достигнет высот творчества, на которые способен человек», вы можете поэкспериментировать на себе. Пишите в комментах, сколько угадали:
https://sysblok.ru/test/nejroset-vs-stihi-ru-otlichite-li-vy-zhivogo-pojeta-ot-jelektronnogo/
Сегодня пятница, а значит, можно уже отложить работу и поразвлекаться. Например, поиграть в наш поэтический тест Тьюринга! Вот посмотрите:
спит годами боль из детства
лишь слова кружат и слышат
Кто это написал?
https://sysblok.ru/test/nejroset-vs-stihi-ru-otlichite-li-vy-zhivogo-pojeta-ot-jelektronnogo/
Системный Блокъ
Нейросеть vs Стихи.ру: отличите ли вы произведения нейросети?
Проверьте, сможете ли вы отличить текст с ресурса Стихи.ру от стихотворения нейросети
Приложения, которые сделают из вас эксперта в области искусства — помогут блеснуть эрудицией или даже вовремя заметить украденный шедевр
1. Узнать всё о понравившейся картине или скульптуре
Наведите камеру на произведение искусства, и вы сразу узнаете его название, автора, период создания и несколько интересных фактов.
Приложение Smartify работает на оцифрованных версиях картин, и пока в его базе есть далеко не всё. Например, «Аленушку» Васнецова угадать не получится, потому что Третьяковская галерея не сотрудничает с разработчиками. Зато можно исследовать шедевры Эрмитажа, Петергофа и Пушкинского музея. Кстати, приложение хорошо справляется не только с фотографиями в музее, но ещё с открытками и экраном компьютера.
2. Увидеть своего двойника на картине
Сделайте селфи, и нейросеть Art Selfie от Google Arts & Culture сравнит ваши черты лица с изображениями людей на картинах. На выходе вы получите коллаж со всеми возможными совпадениями и степенью сходства в процентах. Портреты кликабельны, и можно больше узнать о заинтересовавшей картине.
Кстати, приложение улавливает родственные связи: недавно оно сравнило Кейт Стюарт из Сент-Луиса с её прабабушкой, изображённой на картине Джорджа Беллоуза «Эмма в фиолетовом платье».
3. Заняться розыском украденных произведений искусства
Приложение ID-Art от Интерпола открывает доступ к списку украденных картин и скульптур с иллюстрациями и подробными описаниями. Искать можно по фотографии и списку критериев или только по списку критериев — в их числе вид произведения искусства, техника, материал и другие.
Чтобы сообщить о том, где вы столкнулись с пропавшей ценностью, нужно нажать кнопку «Report to Interpol». С момента запуска в мае 2021 года приложение уже помогло найти две скульптуры и две картины, которые были украдены и выставлены на продажу.
Все приложения можно скачать в App Store и Google Play.
Автор: Анастасия Денгаза
1. Узнать всё о понравившейся картине или скульптуре
Наведите камеру на произведение искусства, и вы сразу узнаете его название, автора, период создания и несколько интересных фактов.
Приложение Smartify работает на оцифрованных версиях картин, и пока в его базе есть далеко не всё. Например, «Аленушку» Васнецова угадать не получится, потому что Третьяковская галерея не сотрудничает с разработчиками. Зато можно исследовать шедевры Эрмитажа, Петергофа и Пушкинского музея. Кстати, приложение хорошо справляется не только с фотографиями в музее, но ещё с открытками и экраном компьютера.
2. Увидеть своего двойника на картине
Сделайте селфи, и нейросеть Art Selfie от Google Arts & Culture сравнит ваши черты лица с изображениями людей на картинах. На выходе вы получите коллаж со всеми возможными совпадениями и степенью сходства в процентах. Портреты кликабельны, и можно больше узнать о заинтересовавшей картине.
Кстати, приложение улавливает родственные связи: недавно оно сравнило Кейт Стюарт из Сент-Луиса с её прабабушкой, изображённой на картине Джорджа Беллоуза «Эмма в фиолетовом платье».
3. Заняться розыском украденных произведений искусства
Приложение ID-Art от Интерпола открывает доступ к списку украденных картин и скульптур с иллюстрациями и подробными описаниями. Искать можно по фотографии и списку критериев или только по списку критериев — в их числе вид произведения искусства, техника, материал и другие.
Чтобы сообщить о том, где вы столкнулись с пропавшей ценностью, нужно нажать кнопку «Report to Interpol». С момента запуска в мае 2021 года приложение уже помогло найти две скульптуры и две картины, которые были украдены и выставлены на продажу.
Все приложения можно скачать в App Store и Google Play.
Автор: Анастасия Денгаза
Какими видели женщин писатели из школьной программы?
Создательницы проекта «Толстой сексист? А Пушкин?» проанализировали 19 текстов Льва Толстого, Александра Пушкина, Владимира Набокова, Михаила Булгакова и Федора Достоевского.
Оказалось, что:
• Женщины у русских классиков почти не участвуют в диалогах.
• Женские персонажи у Пушкина чаще мужских показывают слабость — «устают», «плачут», «бледнеют» и «исчезают».
• Для мужчин Пушкин выбирает прилагательные, которые описывают скорее их внешность, чем чувства. Самые эмоциональные прилагательные классик раздаёт женщинам — это «роковая», «глубокая», «прелестная» и «святая».
• Героини Достоевского более смешливы, чем герои: писатель часто использует глаголы «смеяться» и «засмеяться» в отношении своих героинь.
• В произведениях Толстого женщины более сентиментальны и податливы, а мужчины властны и описываются активными глаголами.
https://sysblok.ru/philology/tolstoj-i-pushkin-seksisty-korpusnoe-issledovanie-russkoj-klassiki/
Создательницы проекта «Толстой сексист? А Пушкин?» проанализировали 19 текстов Льва Толстого, Александра Пушкина, Владимира Набокова, Михаила Булгакова и Федора Достоевского.
Оказалось, что:
• Женщины у русских классиков почти не участвуют в диалогах.
• Женские персонажи у Пушкина чаще мужских показывают слабость — «устают», «плачут», «бледнеют» и «исчезают».
• Для мужчин Пушкин выбирает прилагательные, которые описывают скорее их внешность, чем чувства. Самые эмоциональные прилагательные классик раздаёт женщинам — это «роковая», «глубокая», «прелестная» и «святая».
• Героини Достоевского более смешливы, чем герои: писатель часто использует глаголы «смеяться» и «засмеяться» в отношении своих героинь.
• В произведениях Толстого женщины более сентиментальны и податливы, а мужчины властны и описываются активными глаголами.
https://sysblok.ru/philology/tolstoj-i-pushkin-seksisty-korpusnoe-issledovanie-russkoj-klassiki/
Системный Блокъ
Толстой и Пушкин — сексисты? Корпусное исследование русской классики - Системный Блокъ
«Системный Блокъ» писал об исследованиях того, как по-разному мужчины и женщины описывались в литературе XIX и XX веков. Сегодня перейдем к русской классической литературе: как там описывали женщин и мужчин и видно ли гендерное неравенство. Рассказывают создательницы…
Как телефонный ассистент Олег издевается над социологами, и чем цифровая модель художественного текста отличается от волшебной карты Гарри Поттера — обзор блогов «Системного Блока»
Эксперты «Системного Блока» продолжают постить в блоги. В этот раз наши авторы рассказали о культурных искажениях в больших данных, неоднозначности результатов исследований Digital Humanities и влиянии голосовых ассистентов на общественное мнение. Посмотрите:
— Как связана статистика попаданий зениток по бомбардировщикам во времена Второй Мировой и состав Национального корпуса русского языка? И почему дошедшие до нас в цифровой форме стихи — «это и есть вернувшийся бомбардировщик, выбравшийся из зенитного огня истории»? Об этом и о том, почему стандартные статистические критерии репрезентативности не решают проблем филолога, рассказывает специалист по культурной эволюции и количественному стиховедению Артем Шеля.
Сбитые самолеты, русские стихи и другие жестокие вещи
— Вносят ли Digital Humanities однозначность и доказательность в гуманитарные исследования? (спойлер: НЕТ). Почему лингвисты исследуют обширные языковые системы, а филологи стремятся изучать единичные объекты? Опасаются ли традиционные филологи — цифровых? Новый пост в блоге Бориса Орехова — с ответами на вопросы о цифровой филологии.
Digital Humanities: где сидит стрекоза?
— Определители спам-номеров и голосовые ассистенты-автоответчики помогают отбиться от спамеров и телефонных мошенников. Но страдают в этой войне и невинные жертвы — социологи, которым становится все труднее исследовать общественное мнение. Вместо респондентов им все чаще отвечают боты, разработчики которых порой специально глумятся над исследователями, либо не отвечает никто. О том, как переход с домашних телефонов на мобильные влияет на опросы общественного мнения, рассказывает социолог Константин Глазков, автор канала WrongTech.
Как технологии меняют общественное мнение
Эксперты «Системного Блока» продолжают постить в блоги. В этот раз наши авторы рассказали о культурных искажениях в больших данных, неоднозначности результатов исследований Digital Humanities и влиянии голосовых ассистентов на общественное мнение. Посмотрите:
— Как связана статистика попаданий зениток по бомбардировщикам во времена Второй Мировой и состав Национального корпуса русского языка? И почему дошедшие до нас в цифровой форме стихи — «это и есть вернувшийся бомбардировщик, выбравшийся из зенитного огня истории»? Об этом и о том, почему стандартные статистические критерии репрезентативности не решают проблем филолога, рассказывает специалист по культурной эволюции и количественному стиховедению Артем Шеля.
Сбитые самолеты, русские стихи и другие жестокие вещи
— Вносят ли Digital Humanities однозначность и доказательность в гуманитарные исследования? (спойлер: НЕТ). Почему лингвисты исследуют обширные языковые системы, а филологи стремятся изучать единичные объекты? Опасаются ли традиционные филологи — цифровых? Новый пост в блоге Бориса Орехова — с ответами на вопросы о цифровой филологии.
Digital Humanities: где сидит стрекоза?
— Определители спам-номеров и голосовые ассистенты-автоответчики помогают отбиться от спамеров и телефонных мошенников. Но страдают в этой войне и невинные жертвы — социологи, которым становится все труднее исследовать общественное мнение. Вместо респондентов им все чаще отвечают боты, разработчики которых порой специально глумятся над исследователями, либо не отвечает никто. О том, как переход с домашних телефонов на мобильные влияет на опросы общественного мнения, рассказывает социолог Константин Глазков, автор канала WrongTech.
Как технологии меняют общественное мнение
Telegram
Системный Блокъ
Оцифровка сфагновых болот 100-летней давности и новейшее башкирское нейроискусство: обзор блогов «Системного Блока»
«Системный Блокъ» запустил блоги. Теперь у нас регулярно делятся своим личным опытом ученые, преподаватели и эксперты-практики. Они рассказывают…
«Системный Блокъ» запустил блоги. Теперь у нас регулярно делятся своим личным опытом ученые, преподаватели и эксперты-практики. Они рассказывают…
Сегодня проходит суд о ликвидации «Мемориала» — старейшей правозащитной организации России, главного хранителя памяти о репрессиях. Мы хотим напомнить о данных, которые все эти годы собирал «Мемориал» и которым угрожает его ликвидация.
Решением Минюста «Международный Мемориал» внесен в реестр НКО, выполняющих функции «иностранного агента»
Решением Минюста «Международный Мемориал» внесен в реестр НКО, выполняющих функции «иностранного агента»
Кто первым в России решил посчитать размеры стихотворений Пушкина? Что такое «дальнее чтение»? И для чего литературе нужен «сетевой анализ»?
Знаете ответы на эти вопросы? Проверьте себя в новом тесте про цифровое литературоведение. Заодно вспомните, что некоторые методы цифровых исследований придумали задолго до изобретения ЭВМ 🙊
А для тех, кто не искушён, это нескучная возможность узнать, как связан автор романа «Что делать?» с цифровой филологией.
https://sysblok.ru/test/naskolko-horosho-vy-znaete-istoriju-cifrovogo-literaturovedenija/
Знаете ответы на эти вопросы? Проверьте себя в новом тесте про цифровое литературоведение. Заодно вспомните, что некоторые методы цифровых исследований придумали задолго до изобретения ЭВМ 🙊
А для тех, кто не искушён, это нескучная возможность узнать, как связан автор романа «Что делать?» с цифровой филологией.
https://sysblok.ru/test/naskolko-horosho-vy-znaete-istoriju-cifrovogo-literaturovedenija/
Системный Блокъ
Тест про историю цифрового литературоведения
Предлагаем вам пройти тест и узнать об истории цифровой филологии и некоторых ее методах
Кто делает «Системный Блокъ»? Что движет этими людьми?
Медиапроект «Системный Блокъ» существует уже больше трех лет. Мы независимый и полностью волонтерский некоммерческий проект. У нас нет больших бюджетов, зато у нас много свободы.
Мы делаем интервью с интересными людьми и рассказываем о том, что нам интересно, без политической цензуры и коммерческих интересов. А еще нам просто интересно друг с другом — спорить в чатах и зумах, устраивать пикники, отмечать дни рождения и Новый год 🎉
Мы открытая команда, распределенная по разным странам, из людей с совершенно разным бэкграундом. К нам может присоединиться любой желающий. В чем вы можете проявить себя в «Системном Блоке» в 2022 году?
1. Писать тексты в рубрики «Общество», «Урбанистика», «Цифровая история», «Новости» и даже «Мемы»!
2. Делать тик-токи.
3. Продюсировать спецпроекты.
4. Монтировать видео. Мы не ограничиваемся текстами и выходим на новые платформы, приходите делать ролики вместе с нами.
5. Курировать направления — от IT проектов, проектов по оцифровке до спецматериалов и проектов с учеными.
6. Программировать и анализировать данные. Мы ведем разработку сайта, автоматизируем работу редакции, делаем инструменты оцифровки культурного наследия.
7. Помогать с продвижением в соцсетях и SEO сайта, выстраивать партнерские отношения с другими изданиями.
8. Создавать иллюстрации/дизайн/визуализации.
9. Вести соцсети: у нас уже семь соцсетей, каждую из которых надо вести по-своему
10. Редактировать тексты, превращать непонятный материал в понятный.
📝 Присоединяйтесь: goo.gl/qbPJuK
Видео про нас: https://youtu.be/1WwdFtYO5bo
Медиапроект «Системный Блокъ» существует уже больше трех лет. Мы независимый и полностью волонтерский некоммерческий проект. У нас нет больших бюджетов, зато у нас много свободы.
Мы делаем интервью с интересными людьми и рассказываем о том, что нам интересно, без политической цензуры и коммерческих интересов. А еще нам просто интересно друг с другом — спорить в чатах и зумах, устраивать пикники, отмечать дни рождения и Новый год 🎉
Мы открытая команда, распределенная по разным странам, из людей с совершенно разным бэкграундом. К нам может присоединиться любой желающий. В чем вы можете проявить себя в «Системном Блоке» в 2022 году?
1. Писать тексты в рубрики «Общество», «Урбанистика», «Цифровая история», «Новости» и даже «Мемы»!
2. Делать тик-токи.
3. Продюсировать спецпроекты.
4. Монтировать видео. Мы не ограничиваемся текстами и выходим на новые платформы, приходите делать ролики вместе с нами.
5. Курировать направления — от IT проектов, проектов по оцифровке до спецматериалов и проектов с учеными.
6. Программировать и анализировать данные. Мы ведем разработку сайта, автоматизируем работу редакции, делаем инструменты оцифровки культурного наследия.
7. Помогать с продвижением в соцсетях и SEO сайта, выстраивать партнерские отношения с другими изданиями.
8. Создавать иллюстрации/дизайн/визуализации.
9. Вести соцсети: у нас уже семь соцсетей, каждую из которых надо вести по-своему
10. Редактировать тексты, превращать непонятный материал в понятный.
📝 Присоединяйтесь: goo.gl/qbPJuK
Видео про нас: https://youtu.be/1WwdFtYO5bo
Google Docs
Присоединяйтесь к команде Системного Блока.
«Системный Блокъ» — издание о цифровых технологиях в культуре, искусстве, образовании и обществе. Нам интересно писать о том, как трансформируется человеческая культура в век больших данных, беспилотных автомобилей и интеллектуальных алгоритмов. Мы хотим…
Первого виртуального собеседника Элизу написали в 1966 году, а история компьютерного зрения началась ещё в 1951-м. Так почему возможности искусственного интеллекта до сих пор уступают футуристичным картинкам из фильмов и книг?
Спойлер: всему виной недостаток вычислительных мощностей. Ещё какие-то три-четыре десятилетия назад оперативную память компьютеров измеряли в килобайтах. А процессоры компьютеров, при помощи которых запускали людей на Луну, были в миллион раз слабее тех, что стоят в ваших компьютерах.
К счастью, быстрый прогресс в этой области обеспечил закон Мура, согласно которому память и скорость компьютеров удваиваются каждый год. Но лишь недавно машины смогли обрабатывать достаточный объём информации, чтобы начали сбываться технологические мечты человечества.
Роботов Boston Dynamics, алгоритмы подбора любимых видосов на Youtube и другие «плюшки» современного ИИ подготовили десятилетия трудной работы в прошлом. И вот какие:
• В 50-х и 60-х годах учёные открыли возможности ИИ — машинный перевод, компьютерное зрение, первую искусственную нейросеть.
• К концу 70-х разработки застопорились из-за недостатка вычислительных мощностей и других препятствий. Но случались проблески — например, успешная посадка автоматической станции «Луноход-1» на поверхность Луны в 1970 году.
• ИИ вернулся в мейнстрим в конце 90-х, когда IBM Deep Blue победил в шахматы действующего чемпиона мира Гарри Каспарова.
https://sysblok.ru/linguistics/otmorozhennyj-iskusstvennyj-intellekt-zima-ne-blizko/
Спойлер: всему виной недостаток вычислительных мощностей. Ещё какие-то три-четыре десятилетия назад оперативную память компьютеров измеряли в килобайтах. А процессоры компьютеров, при помощи которых запускали людей на Луну, были в миллион раз слабее тех, что стоят в ваших компьютерах.
К счастью, быстрый прогресс в этой области обеспечил закон Мура, согласно которому память и скорость компьютеров удваиваются каждый год. Но лишь недавно машины смогли обрабатывать достаточный объём информации, чтобы начали сбываться технологические мечты человечества.
Роботов Boston Dynamics, алгоритмы подбора любимых видосов на Youtube и другие «плюшки» современного ИИ подготовили десятилетия трудной работы в прошлом. И вот какие:
• В 50-х и 60-х годах учёные открыли возможности ИИ — машинный перевод, компьютерное зрение, первую искусственную нейросеть.
• К концу 70-х разработки застопорились из-за недостатка вычислительных мощностей и других препятствий. Но случались проблески — например, успешная посадка автоматической станции «Луноход-1» на поверхность Луны в 1970 году.
• ИИ вернулся в мейнстрим в конце 90-х, когда IBM Deep Blue победил в шахматы действующего чемпиона мира Гарри Каспарова.
https://sysblok.ru/linguistics/otmorozhennyj-iskusstvennyj-intellekt-zima-ne-blizko/
Системный Блокъ
Отмороженный искусственный интеллект: зима (не) близко - Системный Блокъ
Многие представляют себе искусственный интеллект по фантастике. Альтрон из «Железного человека», ВИКИ Азимова, «Мир Дикого запада» и «Апгрейд» — все это выглядит, как торжество развития технологии, способной и улучшить жизнь человечества, и положить ему конец.…
Помните ли вы, какой президент России провёл первую онлайн-конференцию? Выбор невелик, но ответ вас удивит.
Пройдите тест о том, как информационные технологии проникали в политическую, общественную и личную жизнь. Вспомним вместе, когда вооруженные конфликты превратились в онлайн-войны, какие хэштеги мелькали в социальных сетях и что такое киберпреступление.
Ссылка на тест: https://sysblok.ru/test/znaete-li-vy-kak-informacionnye-tehnologii-povlijali-na-obshhestvenno-politicheskie-processy/
Этот тест — часть большого спецпроекта WWW вместо СССР: 30 лет спустя — мы сделали его к годовщине крушения Советского Союза. Таймлайны и комментарии экспертов проведут вас по 30-летнему пути от первых дней интернета — до эпохи блокировок и искусственного интеллекта. Вы узнаете о том, почему социальные сети появились именно в нулевых, какими проблемами страдает электронная демократия и наблюдаем ли мы сегодня закат мировой политической стабильности.
🤔А как онлайн повлиял на ваши отношения с политикой? Пишите в комментариях!
Пройдите тест о том, как информационные технологии проникали в политическую, общественную и личную жизнь. Вспомним вместе, когда вооруженные конфликты превратились в онлайн-войны, какие хэштеги мелькали в социальных сетях и что такое киберпреступление.
Ссылка на тест: https://sysblok.ru/test/znaete-li-vy-kak-informacionnye-tehnologii-povlijali-na-obshhestvenno-politicheskie-processy/
Этот тест — часть большого спецпроекта WWW вместо СССР: 30 лет спустя — мы сделали его к годовщине крушения Советского Союза. Таймлайны и комментарии экспертов проведут вас по 30-летнему пути от первых дней интернета — до эпохи блокировок и искусственного интеллекта. Вы узнаете о том, почему социальные сети появились именно в нулевых, какими проблемами страдает электронная демократия и наблюдаем ли мы сегодня закат мировой политической стабильности.
🤔А как онлайн повлиял на ваши отношения с политикой? Пишите в комментариях!
Системный Блокъ
Знаете ли вы, как информационные технологии повлияли на общественно-политические процессы? - Системный Блокъ
Реформы, перевороты, вооружённые конфликты, распад СССР… Все это происходило параллельно с развитием интернета и становлением массовой IT-индустрии. Как информационные технологии изменили общество после крушения Советского Союза? Пройдите тест и узнайте,…
Сегодня Верховный суд ликвидировал «Международный Мемориал». Но пока российские власти ведут борьбу с «Мемориалом» и с собственным неудобным прошлым, сам «Мемориал» переходит в новое агрегатное состояние — «НКО в облаке»:
— Оцифровку данных о репрессиях ведут волонтеры, разбросанные по всему миру
— Архивы переводятся в электронное состояние и хранятся распределенно
— Сайты и базы данных ведутся так, чтобы не быть утраченными даже в случае стихийных бедствий (не говоря уже о репрессивных решениях судов и прокуратур).
Глава красноярского «Мемориала» и программист с почти полувековым опытом Алексей Бабий рассказал в интервью «Системному Блоку», как происходит оцифровка и публикация сведений о жертвах репрессий, почему он называет себя «иностранным агентом Шрёдингера», что заставляет программистов превращаться в общественных деятелей, а также почему современным «облачным НКО» не страшны угрозы ликвидации
https://sysblok.ru/interviews/virtualnye-nko-jeto-budushhee-intervju-s-rukovoditelem-krasnojarskogo-memoriala
— Оцифровку данных о репрессиях ведут волонтеры, разбросанные по всему миру
— Архивы переводятся в электронное состояние и хранятся распределенно
— Сайты и базы данных ведутся так, чтобы не быть утраченными даже в случае стихийных бедствий (не говоря уже о репрессивных решениях судов и прокуратур).
Глава красноярского «Мемориала» и программист с почти полувековым опытом Алексей Бабий рассказал в интервью «Системному Блоку», как происходит оцифровка и публикация сведений о жертвах репрессий, почему он называет себя «иностранным агентом Шрёдингера», что заставляет программистов превращаться в общественных деятелей, а также почему современным «облачным НКО» не страшны угрозы ликвидации
https://sysblok.ru/interviews/virtualnye-nko-jeto-budushhee-intervju-s-rukovoditelem-krasnojarskogo-memoriala
Системный Блокъ
«Виртуальные НКО — это будущее»: интервью с руководителем красноярского «Мемориала» - Системный Блокъ
Алексей Бабий — руководитель красноярского общества «Мемориал», а также один из первопроходцев Рунета. Последние три десятилетия Алексей занимается сохранением памяти о жертвах репрессий в Красноярском крае и развитием цифровой инфраструктуры красноярского…
✍️ Независимые исследователи и аналитики ОВД-Инфо признали седьмой созыв Госдумы самым «продуктивным» — несмотря на сокращения заседаний в пандемию.
По статистике, каждый созыв Госдумы принимает больше законов и работает быстрее. Яркий пример — в марте 2020 года «коронавирусные поправки» к статье 236 УК прошли все три чтения за один день, обсуждения заняли меньше десяти минут. Закон вступил в силу через неделю после того, как его законопроект внесли в Госдуму.
Депутаты седьмого созыва приняли 2673 закона — больше, чем кто-либо раньше. Из них только два закона в итоге отклонил президент.
По статистике, каждый созыв Госдумы принимает больше законов и работает быстрее. Яркий пример — в марте 2020 года «коронавирусные поправки» к статье 236 УК прошли все три чтения за один день, обсуждения заняли меньше десяти минут. Закон вступил в силу через неделю после того, как его законопроект внесли в Госдуму.
Депутаты седьмого созыва приняли 2673 закона — больше, чем кто-либо раньше. Из них только два закона в итоге отклонил президент.