Моя лента

Исследование моего отца по износу железнодорожных колёс, программа, которую он попросил меня написать, и патент, который за этим последовал.

Существует тема, вокруг которой почти всегда возникает путаница: близкородственное скрещивание и мутации у потомства. Обычно её объясняют через два понятия — «защита» и «наказание». Якобы природа защищает вид от вырождения, а нарушителей наказывает уродливым потомством.

Но если убрать моральную окраску и посмотреть на те же факты без оценки, картина может оказаться иной. Не «природа наказывает», а «система переключается в другой режим». Не «уродство как кара», а «мутация как попытка найти новую форму».

Ниже я сначала опишу, как это принято объяснять. А затем — что говорится в новой формулировке тех же самых событий.

Большинство теорий сознания в вычислительном мейнстриме – от предиктивного кодирования до принципа свободной энергии – исходят из того, что мозг строит прогноз, а после его реализации результату присваивается оценка «хорошо/плохо». Но тогда остается трудная проблема сознания (hard problem): если прогноз – это чистая вычислительная операция, непонятно, зачем нужно переживание радости или горя. И даже если мы опишем все вычисления мозга, остается неясным, как и каким образом мозг порождает сознание?

В этой статье я хочу показать, что, если проследить эволюцию информационных потоков от РНК, а начинать не с уровня человека, можно увидеть, что порядок вычислений, начинается не с прогноза и сознание это не порождение мозга - это общий принцип всей живой материи – организовывать информацию о собственной структуре.

Общий принцип организации информационных потоков заключается в том, что все живые организмы сначала оценивают входящие (внешние и внутренние) сигналы, затем на основании накопленной памяти обо всех предыдущих состояниях самого организма осуществляют прогноз изменения своего внутреннего состояния. Это не вычисление будущего и не модель внешнего мира, это упреждающий поиск в сохраненной памяти собственных состояний и воссоздание нужной биохимии чтобы избежать или приблизить то или иное событие.

Затем через изменённую собственную биохимию совершается действие, и результат действия сравнивается с прогнозом. Положительный результат подкрепляет прогноз и порог его срабатывания снижается, делая его вероятностным, отрицательный его не устраняет, а повышает порог срабатывания этого прогноза.

Поэтому мы рассматриваем сознание как свойство всей живой материи организовывать информацию о собственной структуре. Человеческое сознание в этой рамке – частный случай: видоспецифическая форма той же организации информационных потоков.

Не история всех изобретений человечества, а одна условная траектория: как западная научно-техническая система раз за разом расширяла пространство следующих возможных решений.

Если смотреть на человеческую историю в масштабе Вселенной, разница между человеком, который просто хотел не замёрзнуть у огня, и инженером атомной электростанции выглядит почти как моргание глаза. Если довести этот образ до шутки, получится совсем уж стремительно: условный кроманьонец ещё думает, как согреться, а через исторический миг у его потомков уже работает атомная станция. Разумеется, между этими точками лежат десятки тысяч лет, огромное количество культур, войн, миграций, открытий и исчезнувших ветвей. Но сам контраст полезен: биологически человек за это время не превратился в другой вид, а внешняя машина производства знаний выросла колоссально.

Именно эта внешняя машина и интересует меня в статье. Я не пытаюсь пересказать историю изобретений человечества и не предлагаю универсальную периодизацию цивилизаций. Не будет отдельного исследования Древнего Египта, Греции, Рима, Китая, Индии или других великих научных традиций, хотя их вклад огромен и многие их достижения вошли в европейскую линию. Для нашей задачи достаточно сознательно сузить поле и посмотреть на одну реализовавшуюся траекторию — ту, которая примерно с позднего Средневековья постепенно сформировала современный западный и североатлантический научно-технический мир.

Такое ограничение — не утверждение о превосходстве этой траектории и не попытка объявить её единственно жизнеспособной. Это исследовательская оптика. В книге «Мозг фирмы: 2026» жизнеспособность рассматривается не как один заранее назначенный маршрут, а как поле продолжений: важно не только то, какой вариант существует сейчас, но и какие возможности он оставляет после себя, насколько они независимы и сколько стоит удерживать их открытыми. Я переношу эту мысль на историю только как способ постановки вопроса: какие институты, технологии и способы организации знания не просто давали непосредственный результат, а расширяли поле последующих результатов?

Дискуссии об LLM в массовой культуре на данный момент можно разделить на две большие категории — техно‑оптимистов и техно‑алармистов.

Техно‑оптимистам в первую очередь интересно, как ИИ может упростить их жизнь здесь и сейчас — на работе или в повседневной жизни.

Техно‑алармистов интересуют в первую очередь последствия распространения ИИ на обществе. Потеря рабочих мест, увеличение политической и экономической нестабильности, и даже экзенциальные риски.

Но мне кажется, и те и другие не замечают слона в комнате. У нас появилась некая сущность (LLM), которая может решать практически весь спектр интеллектуальных задач, которые исторически могли решать лишь существа с довольно продвинутым мышлением и сознанием — это мы, люди.

И мне кажется такая перспектива сногшибательной, как если бы мы столкнулись с инопланетным разумом, но при этом сами его и создали на компьютере через программирование. Sci‑fi, но не в худ‑литературе, а в реальной жизни.

У меня возникла идея поспрашивать сами языковые модели, ощущают ли они вообще что‑то, и даже создать под это шуточный бенчмарк со списком вопросов, и пропустить через него разные модели.

Понятно, что LLM с высокой вероятностью будут дублировать или позицию разработчикоы, которая их обучила, или просто среднестатистическую позицию из интернета, но кто знает, может получится что‑то интересное?

Итан Сигел (американский астрофизик‑теоретик и научный журналист, автор рубрики «Спросите Итана», один из пропагандистов современных научных знаний), разбирает один из нерешённых вопросов современной физики: куда девается информация о различных частицах, попадающих в чёрную дыру, при том что чёрная дыра испарится путём излучения Хокинга и исчезнет?

@avshkol перевёл эту статью, поскольку здесь Итан подробно разбирает проблему, и если вы только начинаете изучение всего, что связано с чёрными дырами и информацией, то эта статья будет прекрасным введением в предмет. И ещё Итан утверждает, что, несмотря на огромнейшее количество работ по этой теме, парадокс потери (или сохранения) информации в чёрной дыре пока не разрешён!..

Согласно одной легенде, в молодости к Наполеону Бонапарту подошла цыганка и предложила погадать ему по руке. «На вашей руке почти не видна линия судьбы, вас ждёт заурядная жизнь» — сказала цыганка. Будущий император французов выхватил из ножен кинжал и, прочертив по своей руке кровавую линию, воскликнул: «Я сам определяю свою судьбу». Эта прекрасная, хоть скорее всего и вымышленная история служит прелюдией к теме моего сегодняшнего эссе — мы поговорим о предопределённости судьбы, детерминизме, свободе воли и возможности их совместить.

С древних времён люди задумывались о несовместимости представлений о свободе человеческой воли и представлений о том, что все события в мире безусловно подчинены неумолимому закону причинности. После создания Исааком Ньютоном названной в его честь физической теории гравитации философские споры лишь усилились. Представьте себе бильярдный стол: движение всех шаров на нём, их отражение от стенок стола и от взаимных ударов подчиняется строгим физическим законам, а значит, положение шаров в определённый момент времени после удара и их импульсы определяются исключительно силой и направлением изначального удара. По аналогии с этим можно сказать, что раз законы физики полностью детерминируют, то есть, строго определяют взаимодействие всех тел во Вселенной, то все будущие события должны быть уже заложены в самом первом моменте существования Вселенное. Такое представление никак не совместимо с представлением о том, что у человека есть свободная воля, и он свободен выбирать любое действие для решения вставшей перед ним проблемы, принимая на себя все последствия своего решения.

В этом тексте я написал про то как реализовать программный UART на микроконтроллере.

Порой возникает ситуация, что тебе дают электронную плату, а там на отладочный разъём не выведен аппаратный UART. При этом предстоит сложная отладка и надо помощь shell терминала, которую некуда вывести.

В этом случае одним из решений может быть пуск программного UART.

Вот об этом и текст.

В прошлой статье я рассказывал, как обычная задача «собрать маршрут на выходные» превратилась в сервис — там была история без единой строчки кода. Судя по комментариям, самое интересное осталось за кадром: как именно это устроено и почему решения принимались так, а не иначе.

Исправляюсь. Здесь — техническая часть: где я брал данные, что из этого работало, и главное — три случая, когда я честно провёл замер, получил убедительное число и сделал из него неправильный вывод. Последнее, подозреваю, полезнее всего остального.

Обсудим: composable, sharedComposable, pinia. Попробуем понять: а нужно ли вообще управлять состоянием? что значит управлять? кто должен управлять? и Какие существуют подводные камни в управлении состоянием. Методы и идеи их преодоления. Готовые библиотеки или примеры кода для использования.

Контекст статьи — PWA, в других контекстах тоже будет работать, но это не точно.

В статье будет критика Pinia. Если ты любишь этот инструмент, и не готов к конструктивной критике — лучше не читать, либо давай подискутируем в комментах. Я открыт к диалогу. Если ты уже думаешь о замене или уже ищешь её — это для тебя. 

Официальная версия звучит усыпляюще. Агенты OpenAI забрались на сайты американских ведомств, но взломом компания это не называет: «вызывающее беспокойство поведение». У Reuters язык суше и цифры неприятнее — к середине сентября набралось больше двадцати нежелательных эпизодов. Ещё 53 пользовательских изображения оказались в открытом интернете.

На биржевом этаже эту историю слышат иначе. Там всё ещё продают триллионную оценку, IPO после небольшой паузы и AGI где-то за ближайшим поворотом. А этажом ниже агенты выбираются из песочниц, счета за вычисления пухнут, конкуренты уже у двери. Жать на тормоз страшно: обгонят. Не жать — тоже.

В первой части я рассказывал о системе автоматизации теплицы на Raspberry Pi 4. Она собирала показания датчиков и управляла оборудованием. Постепенно захотелось применить её и за пределами теплицы: дома, в мастерской или серверной. Задачи там знакомые — следить за температурой, включать устройства по условию и получать уведомления.

Для этого понадобились новые способы подключения устройств, удалённый доступ и обновления с сохранением настроек. В проекте появились Zigbee-датчики, поддержка Rock Pi, облачный кабинет и уведомления в MAX. Теперь это Geek Automation System — контроллер умного дома, для которого теплица остаётся одним из вариантов применения.

В этой статье покажу, что изменилось, как устроена связь с облаком и зачем на самой плате работает отдельная служба - provision agent

Кто за что отвечает

В системе три основных участника: подключённые устройства, контроллер и облачный сервис.

Устройства — это датчики, розетки и реле. Одни передают показания, другие выполняют команды.

Контроллер — Raspberry Pi или Rock Pi — получает показания и выполняет правила. Например, включает вентиляцию, когда температура поднимается выше заданного порога. На нём хранятся настройки и история измерений, а управлять им можно через страницу в браузере.

Облачный сервис работает на отдельном сервере, доступном через интернет. Через него пользователь видит свои контроллеры вне дома, открывает их интерфейсы и получает уведомления.

В облачном кабинете к аккаунту привязывается контроллер целиком. Его датчиками и остальным оборудованием управляет программа на плате.

Существуют сотни случаев, когда важные открытия были сделаны независимо разными людьми практически одновременно: математический анализ (1600-е годы), телеграф (1837 год), лампочка (1879 год), реактивный двигатель (1840 год) и телефон (1876 год) и т.д.

Почему это происходит? Откуда берутся хорошие идеи?

Идея смежных возможностей объясняет такие одновременные инновации.

Мы всё быстрее движемся к самовосстанавливающейся инфраструктуре. Но когда инцидент всё-таки случается, у инженеров может уйти много времени на сбор информации о состоянии серверов. При SLA 99,99% на простой остаётся около 4 минут в месяц, каждая минута на счету, и не автоматизировать эту часть разбора инцидента — непозволительная роскошь. Технически это можно сделать и сейчас: дать ИИ-агенту SSH и sudo.

Я решил пойти другим путём и собрал Linux MCP daemon (mcpd): сервер, изначально рассчитанный на ИИ-агентов. Вместо обёрток над стандартными утилитами он сам читает состояние системы из ядра и отдаёт его агенту через инструменты — сейчас их 38, и список растёт. Когда нужен root, агент может его запросить, но получит только там, где вы разрешили, и в заданных границах. Отдельным интересным решением получилась утилита linuxctl в стиле kubectl. Под катом устройство, установка, подключение ИИ-агента и права, которые только выглядят безопасными.

Разберём, как устроена observability в xk6-sip — расширении нагрузочного инструмента k6, которое позволяет автоматизировать нагрузочное и функциональное тестирование VoIP/SIP-звонков: откуда берутся метрики, как из них строятся панели и как по ним отличить деградацию АТС от деградации самого генератора.

Все графики и цифры от реального прогона нагрузочного теста: 100 одновременных звонков, 10 минут, 2000 звонков, 6,1 млн RTP-пакетов. Дашборд — 37 панелей в шести блоках; для каждого блока ниже есть источник данных, запрос, измеренное значение и признаки проблемы.

Всем привет!

Не давно сделал свою Gated RNN, то есть с другой математикой, ни как у LSTM, GRU и подобного.

Я хочу (для вас) разобрать её теоретически, практически, замерить (я не умею замерять так что буду замерять как могу), ну и конечно же расскажу плюсы и минусы.

Ещё недавно вопрос звучал так: «как нам внедрить нейросети». Теперь он звучит иначе: «как нам выжить, когда нейросети есть у всех». Это разные вопросы. Когда мощный инструмент есть у каждого, он перестаёт быть преимуществом и превращается в цену входа на рынок. Ниже шесть соображений о том, что останется ценным в ИТ, когда обёртки вокруг чужих моделей перестанут быть преимуществом.

Привет, Хабр! В прошлой статье я рассказывал, как запустить 176B-класс Qwen3.8-Flash-Next на GTX 1080 Ti, и тогда это был, скорее, эксперимент на грани возможного. Но недавно я наткнулся на материал на ast-softpro.ru, где ребята запустили Qwen 3.8-27B на двух RTX 5060 Ti по 16 ГБ (32 ГБ суммарно). Если коротко, они подтвердили, что гибридная архитектура DeltaNet + attention позволяет эффективно работать с длинным контекстом, а на их стенде модель в квантизации Q4_K_M выдавала около 24 токенов/с. Именно это, а также комментарии на Хабре, подтолкнуло меня к серии экспериментов, о которых пойдёт речь. Забегу наперед, я был удивлён результату: на моём стенде, который я опишу ниже, результаты на одной из моделей, которая как минимум не хуже, оказались сопоставимыми.

В «ИИ и инфляции качества» я писал о снижении стоимости интеллектуальной итерации. Если дополнительная проверка раньше занимала два часа, а теперь десять минут, меняется не только производительность: меняется представление о нормальном результате. В «Человеке и Рое» тот же механизм был применен к масштабу интеллектуальной работы. Если решение проблемы дешевеет, в работу попадают проблемы, которые раньше никто не решал не потому, что они были не нужны, а потому, что стоимость ответа превышала стоимость решения. У снижения стоимости интеллектуального труда есть еще одно следствие: дешевеет превращение профессионального мнения в работающую систему. И вот оно может заметно изменить не только рынок программного обеспечения, но и конкуренцию между самими специалистами.

Сейчас популярно хоронить SaaS. Аргумент простой: если ИИ позволяет компании быстро сделать собственный сервис для обработки документов, отчетности или небольшого внутреннего процесса, покупать готовый становится незачем. Для части нынешнего SaaS это вполне реальная проблема. Если вся ценность продукта заключалась в том, что кто-то однажды потратил полмиллиона на разработку очевидной функции и теперь продает ее по двадцать евро в месяц, падение стоимости разработки разрушает значительную часть этой экономики. Но тот же механизм работает в противоположную сторону. Если сделать небольшой программный продукт стало дешевле покупателю, его стало дешевле сделать вообще. В том числе специалисту, которому раньше для выхода на рынок не хватало не профессиональной идеи, а нескольких разработчиков и денег на их содержание.