Бум генеративного ИИ требует всё больше вычислительных мощностей — а значит, новых центров обработки данных. В 2026 году в США работает более 5 000 ЦОДов, по миру — свыше 8 000. По прогнозам Министерства энергетики США, в ближайшие четыре года ежегодно будут вводиться около 450 новых объектов, а суммарная мощность их энергопотребления вырастет с 100 до 200 ГВт.

Но ИИ-инфраструктура — это не только серверы и чипы, а ещё и бетон. Дата-центры требуют массивных фундаментов и инженерных корпусов, а производство цемента даёт около 7–8% мировых выбросов CO₂. Чем быстрее растёт ИИ, тем больше строится ЦОДов — и тем выше углеродный след строительства.

При этом крупнейшие технологические компании — Microsoft, Google, Amazon — декларируют углеродную нейтральность и снижение выбросов. Возникает очевидный вопрос: можно ли масштабировать ИИ и одновременно сокращать углеродный след? В статье разберёмся, как индустрия пытается решить это противоречие.

Много лет назад лауреат Филдсовской премии предложил дерзкую программу, которая могла изменить подход к одной из главных проблем алгебраической геометрии. Многие считали её слишком амбициозной.

В августе 2025 года группа математиков объявила, что решение найдено — причём с опорой на идеи из теории струн. Работа уже вызвала восторг и скепсис одновременно. Теперь математическому сообществу предстоит понять, действительно ли решение работает.

Perplexity тихо выпустила Perplexity Computer — и есть ощущение, что рынок пока не до конца осознал масштаб этого шага. На поверхности это выглядит как ещё один режим внутри знакомого интерфейса. Но по сути — это заявка на новый уровень агентных систем.

В этой статье разберём, что именно представляет собой Perplexity Computer, какие возможности он открывает уже сейчас, чем отличается от OpenClaw и почему этот релиз может оказаться стратегически важным для всего рынка AI‑агентов.

В прошлой главе мы доделали все ключевые моменты DSL, которые были необходимы для более-менее комфортной работы с Godot. Далее я обещал финишировать эпопею заходом в реактивное программирование, но этот блок глав было решено отложить и опубликовать отдельно.

Дело в том, что на зимних каникулах я ходил в народ и внезапно обнаружил, что в данный момент моему циклу нужно не продолжение, а хорошая пачка «чекпоинтов». Поэтому мне пришлось отложить все заряженные ружья на потом, чтобы зафиксировать текущий прогресс в виде нескольких репозиториев с очень простыми проектами. Собственно разбору этих проектов и будут посвящены оставшиеся части цикла.

Сначала мы соберём всю инфраструктуру (упомянутую в рамках цикла) на базе проекта из этой статьи. Потом несколькими способами напишем одну и ту же сцену и в конце добьём всё дело ещё щепоткой инфраструктуры, о которой я упоминал лишь поверхностно, но без которой не могу жить.

В следующий раз мы продолжим возвращением к тайловым мирам. Мне вменяли в вину, что в начале цикла я обещал не совсем то, что сделал по итогу, так что я собрал чистовую версию вот такой песочницы спецом под Хабр:

<Картинка не влезла в превью.>

Она написана с применением только тех приёмов, что уже были хотя бы надкусаны в цикле, поэтому концовка получилась очень щадящая.

В 2024–2026 годах автономные AI-агенты окончательно перестали быть игрушкой для демо. Они научились читать файлы, ходить в API, выполнять команды и жить в инфраструктуре компании. Вместе с этим вырос и класс решений, которые называют «агентными оркестраторами» — прослойками между LLM и реальной средой исполнения.

OpenClaw — один из таких проектов. Он позиционируется как self-hosted шлюз для AI-агента, который можно подключить к локальной системе, мессенджерам и внутренним сервисам. На уровне архитектуры это уже не просто чат-бот, а компонент, получающий доступ к файловой системе, токенам, внешним API и инструментам.

Но чем глубже агент интегрируется в инфраструктуру, тем выше цена ошибки в его модели доверия. Недавно был найден способ атаки, который позволяет «перехватить» поведение агента и фактически переписать его намерения. Разберём, как устроен этот механизм, где именно возникает уязвимость и почему проблема лежит не в конкретной реализации, а в самой логике агентных систем.

Многие слышали про Homebrew Computer Club — группу компьютерных гиков, которые в 1970-х годах регулярно встречались и обменивались идеями. Во многом благодаря этому на свет появились Apple I и Osborne I. 

Подобные объединения назывались клубами. И одним из самых ранних примеров стал RESISTORS, организованный несколькими школьниками из Нью-Джерси в 1967 году. И, по всей видимости, это был первый известный компьютерный клуб, организованный именно школьниками — ещё до того, как подобные сообщества стали появляться при университетах. RESISTORS просуществовал несколько лет — по меркам школьного сообщества срок немалый. Среди участников клуба позже оказались сооснователь Cisco, профессор Гарварда и инженеры крупных технологических компаний.

Расскажем, чем он важен для истории развития компьютеров.

Сегодня электронный впрыск топлива — стандарт даже для самой простой техники. Он устойчив к влаге, точнее дозирует топливо и в целом надёжнее старых механических систем. Но так было не всегда.

В конце 1950-х годов идея управлять подачей топлива с помощью электроники выглядела для автопрома радикальной и рискованной. Первые попытки внедрения закончились неудачей: система Electrojector, представленная в 1957 году, оказалась коммерческим провалом. Тем не менее именно она заложила основу для перехода отрасли от карбюраторов к электронному управлению — процессу, который в следующие десять лет полностью изменил автомобильные двигатели.

Западно-Антарктический ледовый щит содержит достаточно воды, чтобы поднять глобальный уровень моря на 5 метров. Однако когда это произойдёт — и с какой скоростью — пока точно неизвестно. 

В мае 2014 года НАСА заявило на пресс-конференции, что часть Западно-Антарктического ледового щита, по-видимому, достигла точки необратимого отступления. Ледники, движущиеся к морю по периферии двухкилометрового ледяного покрова, теряли лёд быстрее, чем снег успевал его пополнять, в результате чего их края отступали вглубь суши. Таким образом, вопрос заключался уже не в том, исчезнет ли Западно-Антарктический ледовый щит, а в том, когда именно это произойдёт. Когда эти ледники исчезнут, уровень моря поднимется более чем на метр. Это затопит территории, на которых сегодня проживает около 230 миллионов человек. И это будет лишь первый шаг перед полным обрушением ледового щита, которое может поднять уровень моря на 5 метров и изменить береговую линию по всему миру. 

В 2014 году учёные предполагали, что исчезновение этих ледников займет столетия. Но в 2016 сенсационное исследование показало, что обрушение краёв ледяных щитов может спровоцировать их быстрое и необратимое отступление. Межправительственная группа экспертов по изменению климата (IPCC) обратила на это внимание, сформулировав новый, наихудший сценарий: к 2100 году талая вода из ледников Антарктиды, Гренландии и горных районов в сочетании с термическим расширением морской воды может поднять глобальный уровень моря более чем на 2 метра. И это будет только началом. Если выбросы парниковых газов будут продолжаться без ограничений, к 2300 году уровень моря поднимется на ошеломляющие 15 метров.

Распознавание речи решает многие проблемы. Например, улучшает обслуживание клиентов за счёт автоматизированного анализа работы службы поддержки, ускоряет приём пациентов за счет заполнения документов голосом, решает проблемы управления и контроля. В целом распознавание речи облегчает общение между человеком и компьютером.

Если вам нужно распознавать речь, записанную в звуковых файлах или поступающую в реальном времени с микрофона или радиоприёмника, для этого есть готовые коммерческие сервисы. Однако им можно доверить не всё, например, по соображениям конфиденциальности, из-за отсутствия нужных вам возможностей или по другим причинам, о которых я напишу ниже.

Из этой статьи вы узнаете, как самостоятельно сделать автоматические системы распознавания речи ASR (Automatic Speech Recognition) с применением современных нейросетей и программ на Python. Эти системы смогут выделять спикеров при обработке звуковых файлов, а также распознавать речь в потоке, поступающую, например, от микрофона или радиоприёмника.

Современные лифты считаются одним из самых надёжных элементов городской инфраструктуры. Их конструкция изначально рассчитана на отказ отдельных узлов: тормоза, ловители, ограничители скорости и датчики работают независимо и дублируют друг друга. При регулярном техническом обслуживании сценарий свободного падения кабины фактически исключён — в аварийных ситуациях лифт останавливается, а не падает.

Полтора века назад всё было иначе. Ранние лифты представляли собой подъёмные платформы на канатах без автоматических тормозов и защиты от обрыва. Отказ одного элемента напрямую приводил к падению, поэтому использование таких подъёмников долгое время воспринималось как серьёзный риск — прежде всего рабочими и строителями.

Эту ситуацию изменил Элиша Отис. Он предложил простое инженерное решение, которое сделало вертикальный подъём предсказуемым и безопасным. В этом материале расскажем про его изобретение.

В 2026 году обновят JavaScript. Окончательный список изменений сформируется из проектов ECMAScript, достигших 4 этапа к марту. Но многие из них уже на заключительной стадии, а другие готовы и доступны в некоторых браузерах и средах. Под катом — что ждёт разработчиков и какие проблемы будут решены в этом апдейте.  

В предыдущей статье я встроил команды для работы с веб-камерой в код сервиса робота, а также заменил Wi-Fi антенну на более крупную, чтобы повысить стабильность сигнала. Кроме того, я добавил поддержку управления с клавиатуры, чтобы сделать управление роботом более отзывчивым. В результате мне удалось успешно пройти полосу препятствий, управляя роботом и ориентируясь на изображение с веб-камеры.

В этом материале я создам Docker-контейнер для веб-приложения web-robot-control, который упростит и ускорит его запуск. Также я настрою GitHub Actions для сборки артефакта и его последующей автоматической отправки в Docker Hub.

Статья будет полезна веб-разработчикам, девопсам, которые интересуются созданием Docker-контейнеров и работой с Docker Hub.

В XIX веке было достаточно одного факта: прибор работает — значит, он лечит.
Электричество вызывало сокращение мышц, учащало пульс и производило сильное впечатление. Этого хватило, чтобы ток начали применять против всего подряд — от тоски и зубной боли до паралича и гангрены.

Эта история не про наивных врачей прошлого. Она про момент, когда технология подменила собой доказательства, а рынок опередил медицину. Лучше всего это видно на примере популярного электротерапевтического аппарата Ари Дэвиса — инженерно грамотного устройства, превратившегося в «лечение от всего».

В этой статье я продолжу рассказ об использовании GnuRadio. Начнём с лабораторных работ по исследования генераторов и фильтров, амплитудной и частотной модуляции. Это поможет глубже понять возможности GnuRadio. Дальше я покажу, как с помощью GnuRadio можно сделать несложный диктофон, способный записывать звук в формате wav. 

После этого займемся распознаванием речи — сделаем свой собственный блок для GnuRadio на базе нейросети Whisper.cpp. Добавим этот блок в диктофон, а также в FM-приёмник.

Сегодня забронировать билет на поезд проще и быстрее, чем дождаться чашки кофе в кофейне. Открываешь сайт или приложение, видишь свободные места, пару кликов — и место гарантированно за тобой. Но ещё 60 лет назад всё было иначе. Бумажные журналы, ручной учёт и человеческий фактор легко приводили к ошибкам: одно неверное исправление — и билет получал не тот, кто пришёл первым.

С такой проблемой в 1950–1960-х годах регулярно сталкивались пассажиры и в послевоенной Японии, где железные дороги быстро восстанавливались и пассажиропоток рос куда быстрее, чем возможности ручного бронирования. Чтобы навести порядок, в Japanese National Railways начали разрабатывать принципиально новую для своего времени систему — Multi Access Reservation System, или MARS.

Дальше — история о том, как инженеры пытались автоматизировать хаос, задолго до появления интернета, баз данных и привычных нам онлайн-сервисов.

Раньше я думал, что ИБ — во многом история про деньги. Что по-настоящему серьезное внимание информационной безопасности уделяется в крупных организациях, которые могут позволить себе выделить на ИБ бюджет со множеством нулей, нанять дорогих специалистов, купить решения высокого класса, внедрить и администрировать их на экспертном уровне.

Размер бюджета на ИБ, вероятно, действительно напрямую влияет на защищенность компании. У больших компаний с дорогими департаментами ИБ дела с защитой действительно обстоят хорошо: больше персонала, выше квалификация, лучше решения (но это не точно). Однако этот факт никак не доказывает того, что в небольших организациях (условно 150–200 хостов) ситуация с защитой от кибератак должна быть обязательно плачевной. 

Парадокс в том, что даже при полном отсутствии средств на ИБ организация всё равно может — и должна — защищаться. Эта статья — не про идеальную безопасность, а про то, что приемлемую ИБ вполне можно построить с использованием бесплатных и встроенных средств. 

Специалисты по дескриптивной теории множеств изучают узкоспециализированные аспекты математики бесконечности. Теперь они показали, что их проблемы можно переформулировать на языке алгоритмов.

В 2023 году математик Антон Бернштейн опубликовал статью о глубокой и удивительной связи между дескриптивной теорией множеств и современной информатикой. Его результат показал, что язык алгоритмов может описывать даже те бесконечные структуры, которые десятилетиями считались чисто абстрактными. И если это правда, то граница между теорией множеств и информатикой проходит совсем не там, где мы привыкли её проводить.

О том, что Земля имеет форму шара, знали задолго до Нового времени. Но одно дело общее представление, и совсем другое — точные измерения размеров и формы планеты.

Для этого нужны были не рассуждения, а масштабные геодезические работы: измерения углов, расстояний и сложные вычисления на тысячах километров. В XIX веке такую «линейку» создал астроном Василий Струве, построив величайшую геодезическую дугу своего времени — цепочку из 265 треугольников от Северного Ледовитого океана до Чёрного моря.

В этой статье разберёмся, как работала «Дуга Струве» и почему без неё современная геодезия выглядела бы иначе.

В клеточных автоматах простые правила создают сложные структуры. Теперь исследователи могут начать с этих структур и методом обратного проектирования восстановить правила.

Александр Мордвинцев показал мне на экране два скопления пикселей. Они пульсировали, росли и распускались, превращаясь в бабочек-монархов. По мере роста две бабочки столкнулись друг с другом, и одна пострадала сильнее — её крыло отмерло. Но как раз в тот момент, когда казалось, что ей конец, изувеченная бабочка внезапно отрастила новое крыло, подобно саламандре, отращивающей потерянную ногу.

Как на море раньше определяли, где север? В ясную погоду ночью ориентировались на Полярную звезду, а днём — на движение Солнца. Либо использовали компас — тоже полезный инструмент, с поправкой на то, что магнитный и истинный север не совпадают.

Но что делать на подводной лодке? Стальной корпус и электрооборудование мешают ориентированию по компасу. А регулярно всплывать, чтобы сверяться с небом, — сомнительное решение.

С конца XIX века инженеры были буквально одержимы поисками прибора, способного снять эту проблему. В итоге к ней пришли два изобретателя, между которыми вспыхнул патентный спор. А арбитром в нём неожиданно выступил автор теории относительности.