16433
5
Как вы думаете, куда тратит деньги от секс-тренингов Александр Кириллов? Он тратит их на науку! Алекс оказался автором и нескольких патентов и разработок, причём не безделушек каких-то, а машины, способной "предсказать" поломку в атомных реакторах, реактивных и газотурбинных двигателях и других механизмах.
Сейчас у Александра Кириллова дела идут не очень хорошо, он находится в Таиланде и ждёт приговора за организацию секс-тренинга и, как оказалось, изнасилование.
Но все эти жертвы были ради науки! Именно деньги от секс-тренингов он тратил на развитие и создание нескольких разработок, которые улучшат жизнь людей.
Но все эти жертвы были ради науки! Именно деньги от секс-тренингов он тратил на развитие и создание нескольких разработок, которые улучшат жизнь людей.
В интервью изданию Life отец Александра, Сергей Кириллов рассказал об этом журналистам:
— Наша система может спрогнозировать неисправности в атомных реакторах, реактивных и газотурбинных двигателях, а также в различных видах транспорта. Кстати, наша технология превентивного мониторинга, которую мы запатентовали в США, России и Китае, применима и в медицине. Например, для кардиомониторинга. В числе наших разработок значится смарт-ЭКГ-рекордер. Он отправляет сигнал ЭКГ на облачный сервис, а дальше полученные данные вычислительные кластер использует для анализа и прогнозирования болезней сердца у пациента, — рассказывает Сергей Кириллов.
×
Кириллов-младший занимался компанией АНО "Исследовательский центр прикладных смарт- технологий", которая хотела внедрить системы превентивного мониторинга в наши компании, такие как "АвтоВаз", КамАЗ, Авиастар.
По словам отца Александра, именно секс-тренинги сына помогли держатся компаниям на плаву. От Сколково они не получали никаких денег на разработку, но зато постоянно требовали какие-то отчёты.
— Я уже в том возрасте, когда к этим тренингам уже никак не отношусь. По сути, это дело Саши. Я где-то читал, как эти тренинги проходят. Ничего такого в них нет. Более того, когда мы только начинали проект, это был единственный способ его финансировать. Были и другие инвесторы, но Саша — основной. В общей сложности он вложил в разработку системы порядка $200 тысяч, и его арест серьёзно отразился на финансировании проекта. Люди, которые над ним трудятся, работают сейчас как волонтеры, — рассказывает Сергей Кириллов.
Именно таким его помнят в МГУ. Он рос отличным мальчиком, любознательным и умным. Читал Шекспира, а в 17 лет уехал в Москву, где по олимпиаде поступил на мехмат МГУ. На первом курсе он написал доклад по результатам моделирования волны высокотемпературного самораспространяющегося синтеза.
Сейчас отец Александра с ним не общается, а все новости узнаёт только из сети.
- Возможно, события в Таиланде его пыл охладят, не знаю, но надеюсь.- говорит он Лайфу.
Источник:
Ссылки по теме:
- В пустыне на Среднем Востоке идёт эксперимент по симуляции жизни на Марсе
- В Китае поймали комара ужасающих размеров
- Пластырь для смартфона: датчане предложили радикальный способ борьбы с зависимостью от гаджета
- Рыбке и Лесли грозит до 20 лет тайской тюрьмы
- Загляните в британскую лабораторию, где создают человекоподобных роботов с искусственным интеллектом
Новости партнёров
реклама
- Поручик, говорят, что Вы были в молодости членом суда?
- Ах, молодость... Членом туда, членом сюда...
Если ты серьезно занимаешься научной деятельностью, то получить гранты на свои исследования не составляет особого труда. Знаю, потому что сам когда-то получал такое финансирование (пока не ушел в другую сферу).
Именно поэтому ответственно заявляю, что ЭТО ВБРОС!
Если нет, то обнародуйте нам, что он фактически сделал: где его изобретения, патенты и т.д.?
Анализ кардиограмм уже делали, есть литература. Сочетание отклонений вольтажа зубцов и интервалов уже давно проанализированы. Главное - интерпретировать каждый элемент, а база уже есть. Это затруднено, если кардиограмма имеет нестандартный вид. В тяжёлых случаях картинка может сильно отличаться от типовой. А если незначительные отклонения, то машинный анализ не вызовет затруднений.
На нейтронную сеть можно смотреть как на маленький кусочек мозга под определённую узкую задачу, но способный обрабатывать больше информации и быстрее.
Так вот развитие нейронный сетей (в том числе и из за GPU сильных) позволяет качественно улучшить качество этого анализа. Это не только в медицине. То же самое произошло уже в распознании изображений (и лиц), в машинном переводе и много где ещё.
А что именно там с нейронными сетями не заладилось, я что-то упустил?