Всем привет! Практически любая организация — от муниципалитета до стартапа — постоянно принимает поток разнообразных обращений. Навести порядок и ускорить их обработку можно с помощью простой заявочной системы: назначить ответственных, быстро подготовить нужные документы. Для этого подойдут готовые Helpdesk- или Servicedesk-системы, но их часто нужно интегрировать с уже имеющимися инструментами. Они хорошо работают для сложных бизнес-процессов с большими объемами заявок, но стоят дорого и требуют затрат на внедрение и поддержку. В общем, это развлечение для крупных и средних компаний. Для более простых кейсов можно собрать свою небольшую систему, используя no-code-платформы.

Меня зовут Иван, я бизнес-аналитик в MWS. В этом материале расскажу о реализации заявочной системы на платформе MWS Tables, где я взял на себя не только свою работу, но и функции всей команды — от архитектора до тестировщика. Таких примеров много, и на этом видно, как no-code и разумное использование нейросетей позволяют быстро автоматизировать бизнес-процесс и адаптировать его под меняющийся ИТ-ландшафт.

Йеллоустоун — один из самых известных вулканически активных регионов в мире. Гейзеры, горячие источники и следы прошлых извержений давно привлекают внимание как туристов, так и исследователей. При этом до сих пор нет полного согласия в том, какие именно процессы поддерживают эту активность на протяжении миллионов лет.

Долгое время основным объяснением оставалась модель «горячей точки», связанной с глубинным источником тепла в мантии. Она хорошо описывает многие подобные системы по всему миру. Однако новое исследование предлагает другой взгляд: вместо глубинного потока ключевую роль могут играть последствия древних тектонических процессов на западе Северной Америки.

Луна покрыта реголитом — слоем пыли, камней и песка от двух метров до десятков. Так вот, из реголита, кажется, научились добывать кислород. Blue Origin заявила о разработке реактора, переплавляющего лунный грунт в кучу полезных минералов с бонусом в виде заветного O₂. 

Детище Джефа Безоса в подобной технологии не пионер, но компания стала первой коммерческой, добывающей кислород таким образом.

И это лишь небольшая часть огромного плана по освоению спутника. Разбираю тему: о кислороде из пыли, будущем лунных миссий и сложностях построения космической инфраструктуры.

Эта история началась со старой карикатуры, которая мне случайно попалась на Reddit. В комментариях ее приводили в качестве примера того, как в конце XIX века люди боялись электричества. Но чем дольше взгляд задерживался на этом сюжете, тем более непростым он казался. Стало интересно: откуда и на фоне чего на самом деле появилось изображение?

Оказалось, за изображением стоит не только страх перед новой технологией, но и война токов, борьба за городскую электрификацию, череда реальных аварий и вопрос о том, кто возьмет под контроль будущую инфраструктуру. Постепенно проступил и знакомый сюжет: там, где есть реальные риски, слабое понимание сложной системы и яркие пугающие образы, общественный страх очень быстро становится инструментом влияния.

Привет! Меня зовут Алиса, и я преподаю писательское мастерство. Немного с опозданием, но все же прочитала отчет Netflix Still Watching 2025 про то, как мы смотрим стриминг. Меня зацепил этот отчет, и я захотела копнуть глубже и узнать, почему наши истории работают иначе, чем десять лет назад, и как именно «Нетфликс» это использует.

Если вкратце, то компания действует как завоеватель, доминирует на рынке и демонстрирует свое превосходство в этом отчете. Они провели глобальное исследование по итогам последних лет работы, рассказали, как и почему Gen Z и миллениалы смотрят стриминг, каким образом это повлияет на бренды в ближайшем будущем. Особое внимание уделяется тому, как стриминг трансформирует процесс открытия нового контента и формирует новые эмоциональные связи, а сама платформа становится культурным феноменом, где участие в фан-сообществах фильмов и сериалов служит формой самовыражения.

«Нетфликс» открыто говорит другим стримингам и кинокомпаниям: мы, мол, первыми перестроили маркетинговую стратегию, и вам, голубчики, нужно подтягиваться под те реалии, что мы, вообще-то, уже создали.

В этой статье разберемся, что это значит для индустрии контента в целом.

Windows давно превратилась в большой слоеный пирог из кода, где рядом с современными технологиями спокойно живут решения, придуманные еще в 80-е и 90-е. Многие из них продолжают работать без видимых проблем, поэтому их годами никто не трогает. Иногда компания вдруг вспоминает о таком куске старого кода и вносит правку. Именно это произошло с поддержкой больших разделов FAT32 в Windows 11. Форматирование через командную строку наконец перестало упираться в потолок в 32 гигабайта, хотя сама файловая система уже давно считается пережитком.

Пользователи, которым по-прежнему приходится обращаться к FAT32 из-за совместимости с игровыми консолями, фотоаппаратами, старым оборудованием или с  кросс-платформенными накопителями, получили возможность создавать тома до двух терабайт прямо из Windows. Изменение в инсайдерских сборках появилось этой весной и выглядит как небольшая правка в инструментах форматирования. Давайте разбираться, что там произошло.

Биометрия в России все активнее регулируется в последние годы. Федеральный закон № 572-ФЗ от 2023 года диктует новые правила. Теперь все биометрические векторы граждан централизованно хранятся в Единой биометрической системе (ЕБС), и чтобы их использовать, нужно обращаться напрямую к государству. А еще появились коммерческие биометрические системы (КБС) — с их помощью компании могут «арендовать» биометрические векторы из ЕБС для реализации своих сценариев аутентификации.

Привет! Я Кузьмин Иван, отвечаю за продукт МТС KYC Платформа — систему для автоматической проверки документов, идентификации пользователей и эффективной защиты от мошенничества. В посте попробовал объяснить в общих чертах, как сейчас регулируется биометрия в России, в чем сложность внедрения биометрических систем и что делать, если и до вас добрались требования регуляторов.

Большинство существующих AutoML-библиотек либо не поддерживают обучение моделей для понимания естественного языка (Natural Language Understanding, или NLU) из коробки, либо не умеют обучать хорошие out of scope детекторы, либо неудобны и требуют расширенной экспертизы для использования.  

Для того чтобы решить эти проблемы, мы в MWS AI разработали OpenAutoNLU — опенсорс-библиотеку для NLU, включающую диагностику качества данных, гибко настраиваемый пайплайн обучения модуля фильтра запросов, которые не относятся ни к одному из известных текстовых классификаторов меток OOD, и функции LLM. Делимся ей на GitHub. 

Под катом разберу, как устроен фреймворк, за счет чего он работает с минимальным вмешательством разработчика и какие результаты уже есть.

Давайте немного пофантазируем. Вы встаете утром, приходите на кухню, а робот уже протягивает вам чашку любимого кофе и вешалку с подходящей одеждой, попутно в пассивно-агрессивной форме напоминая, что легли спать вы в три часа ночи. На кухне уже убрано, собака выгуляна. Сказка, а не жизнь.

Но чтобы так описать свое утро могли не только редкие технологические инноваторы, нужно не просто разработать железку, которая выполняет все эти действия. Надо преодолеть сопротивление новому, недопонимание и некорректное восприятие робота людьми. И здесь есть проблема.

В IEEE Spectrum опубликовали отчет об интересном полевом эксперименте, согласно которому после личного опыта взаимодействия с роботами меняется их восприятие: роботу готовы доверить больше задач. Но все сложнее, если копать глубже. Кажется, именно в этом и кроется основная проблема внедрения роботов. Мы начинаем относиться к ним, как к людям, приписывая чувства и намерения. Это ломает все.

Хабр, привет! Мы в команде маркетинговых и UX-исследований МТС помогаем продуктовым командам проверять гипотезы и ищем ответ на вопрос: будут ли востребованы новые продукты, функции и сервисы? В том числе оцениваем актуальность технологий и возможностей, которых еще нет. 

На практике нужно решить, в какие инициативы стоит инвестировать, а какие отсеять на стадии Discovery. Задача ответственная, и инструмент нужен надежный. Когда мы только начинали проверять инновационные решения, то обнаружили, что привычные инструменты приоритизации с задачей не справляются. И с этим нужно было что-то делать. 

В посте расскажу, почему так происходит и какой подход мы изобрели, а теперь успешно используем для решения подобных задач.

Мода на ИИ-помощников, кажется, достигла своего пика. Даже далекие от этой темы люди начинают интересоваться, что это за OpenClaw такой и как бы его установить. Более прошаренные скупают Mac Mini M4 просто потому, что 16 Гб объединенной памяти + нейропроцессорные ядра позволяют гонять локальные модели, а само по себе устройство тихое и с небольшим энергопотреблением.

Если присмотреться получше, у OpenClaw есть не только достоинства, но и ощутимые недостатки. Речь даже не о безопасности, а банально о системных требованиях. В частности, базовый минимум — 2 Гб ОЗУ, а рекомендованное значение — вообще 4 Гб. Плюс CPU нужен хотя бы 4-поточный, иначе возможны проблемы при работе с параллельными задачами.

Вот тут на сцене появляются наши китайские товарищи из Sipeed. Да-да, те самые, которые делают миниатюрный NanoKVM (о нем мы рассказывали в конце 2025 года). «Подержите наше Tsingtao», — заявили они и выпустили PicoClaw — AI-ассистента, которому надо всего лишь 10 Мб ОЗУ и который работает на любом одноядерном CPU со скоростью 600 МГц. Сегодня мы глянем на это чудо китайской мысли внимательно и запустим его на Arduino Uno Q. 

Привет, Хабр! Меня зовут Владимир Никулин, я технический лидер команды продуктивизации нейросетевых решений в MWS AI. Мы развиваем платформу синтеза и распознавания речи Audiogram, которая, в свою очередь, является частью еще более масштабной платформы для создания ИИ-агентов — MWS AI Agents Platform.

Часто нашим заказчикам нужно компактное коробочное решение, которое можно запустить на CPU при отсутствии GPU или для простой экономии ресурсов. В этом материале по следам своего же доклада на AiConf на примере нашего модуля автоматического распознавания речи (Automatic Speech Recognition или кратко — ASR) я расскажу:

- как мы продуктивизировали модели на CPU, сохраняя качество (WER), сопоставимое с моделями, развернутыми в GPU-кластерах;

- какие подходы для сравнения по производительности и качеству использовали, чтобы не попасть в ловушку усреднения метрик;

- с какими неожиданностями мы столкнулись при смене версий Triton Inference Server и бэкендов (ONNX, OpenVINO).

Соревнование между Intel и AMD на рынке процессоров давно перестало быть просто гонкой за количеством вычислительных блоков. Каждая компания ищет собственный путь к превосходству, особенно когда речь заходит о сценариях, где важна скорость взаимодействия с данными. Игровые приложения в этом смысле стали настоящим лакмусом: здесь процессор постоянно сталкивается с хаотичными обращениями к памяти, и малейшая задержка сразу сказывается на плавности изображения. Именно поэтому последние инновации все чаще касаются не только ядер, но и того, как они получают информацию.

Новые утечки о линейке Nova Lake, которая должна выйти под брендом Core Ultra 400S, показывают, что Intel намерена перехватить инициативу именно в той области. Компания готовит не просто очередное поколение чипов, а полноценный ответ на технологии 3D V-Cache. Давайте разберемся, что именно скрывается за этими слухами и почему они вызывают такой интерес у энтузиастов.

Рост диагоналей экранов смартфонов неизбежно увеличил и размеры самих устройств. Это вынудило производителей искать новые форматы. Одним из решений стали складные модели: они позволяют получить большой дисплей в более компактном корпусе, но расплачиваются за это увеличенной толщиной и заметной линией сгиба. Альтернативой выглядят раздвижные конструкции, где экран расширяется без перегиба и сохраняет ровную поверхность. Такие устройства показывают на выставках уже более десяти лет, однако до массового рынка они пока не дошли. 

Многие компании представляли прототипы раздвижных смартфонов и говорили о смене форм-фактора, но дальше демонстраций дело не пошло. Одним из самых проработанных проектов считался LG Rollable, но и он так и не добрался до серийного выпуска. Зато его недавно разобрали. Разборка показала, насколько изощренной оказалась внутренняя механика. И она стала одним из факторов, повлиявших на решение не выпускать девайс. В этом материале давайте разберем устройство этого девайса и основные причины, по которым раздвижные смартфоны до сих пор не появились в продаже.

Привет, Хабр! Меня зовут Андрей Аврамчук, я редактор блога МТС. Я разбирал наш маленький уютный рынок контента: почему ставка на AI-first — ловушка и как онлайн входит в темную эру. Рассказал про среду, тренды и экономику внимания. Теперь хочу зайти с другой стороны и показать, что вся эта история делает с ролью редактора.

Растущий рынок (а контент был именно таким) многое прощал: линейный рост, узкую специализацию, веру в то, что достаточно делать больше и быстрее. Сжимающийся рынок эти допущения отсекает и болезненно очищает от иллюзий, показывая, что в редакторской роли было наносным, а что остается ядром.

В этом посте делюсь видением ценности редактора для бизнеса: какие качества и навыки на нее влияют и как из них строить карьерный трек. 

Привет Хабр!
Почти весь короткий век триумфального распространения нейросетей главная претензия к ним — галлюцинации. Любая модель может правдоподобно и структурировано выдумать факты, перепутать детали, а признать свою ошибку только тогда, когда ей об этом прямо укажут.

Поколения нейросетей стремительно сменяются, постепенно снижая процент галлюцинаций. Но исследователи начали бить тревогу о новой проблеме — поддакивании нейросетей в диалоге с пользователем. И нашли закономерности в диалогах с ИИ: логика разговора толкает человека все глубже и глубже в ложную уверенность, притом без искажения фактов. 

Так мы получаем людей, глубоко убежденных в своих ложных идеях. В популярных медиа это уже оформили как «диагноз», который назвали ИИ-психозом. Чтобы разобраться в теме, я изучил недавнее исследование, которое и подняло тему о загадочном явлении — сикофантии, которое описывает влияние ИИ на когнитивные возможности человека.

«Светлячок» купается в любви и фанатской преданности. Сложно поверить, что начало его жизни не такое яркое — боссам канала FOX он катастрофически не нравился. На протяжении съемок Джоссу Уидону — создателю — вставляли палки в колеса. То вестерн менеджерам казался не в тему, то герой недостаточно благороден, то часть серий не пустили в эфир. Увы, дальше первого сезона сериал не прожил, а полностью и в верном порядке вышел на DVD в 2003-м.

Культовый статус сериал получил быстро. Но достойного продолжения, мечты фанатов, — нет. Полнометражка и пачка комиксов — не то.

В последние годы разговоры об искусственном интеллекте не утихают ни на минуту. Гигантские модели, которые генерируют текст, картинки и даже целый код, требуют дата-центров с мощными процессорами и терабайтами памяти. Однако если копнуть глубже, основа всей этой магии проста и понятна. Один необычный проект наглядно это доказывает. Причем он реализован на компьютере почти полувековой давности. Автор запустил настоящий, хоть и крошечный трансформер. 

Умные пылесосы у многих дома живут уже давно. Но вот роботы, похожие на людей, пока в повседневности так и не появились. Хотя мы уже минимум столетие читаем про них в фантастических книгах и много десятков лет смотрим в кино. Поэтому нельзя сказать, что человечество не хочет, чтоб с домашними делами ему помогал металлический прямоходящий друг. Хочет! И эта идея уже давно живет в наших головах. Мы представляли роботов именно такими — похожими на нас. Но почему же у нас в домах они до сих пор не появились? 

Новость о том, что американский стартап Sunday привлек 165 млн долларов при оценке в 1,15 млрд долларов для развития домашнего робота Memo, выглядит как очередная монетка в копилку ИИ-хайпа. Инвесторы всё поняли, приняли и начали финансировать саму идею домашнего робота как будущего массового продукта. Наконец-то! Но пока это скорее яркий концепт и мечта компании. Потому что Sunday обещает тесты в реальных семьях уже в 2026 году, но признает, что один робот пока обходится примерно в 20 тыс. долларов, если производство не масштабировать. Экономика индустрии только формируется, но если испытания пройдут успешно, то, возможно, скоро у нас дома будут жить настоящие человекоподобные роботы-помощники. Но это только при условии, что все сложится — успешные испытания, снижение цены за счет масштабирования и устойчивый спрос на рынке.

Рынок производства электроники сейчас нестабилен: цены на компоненты нового поколения растут, а сами эти элементы в дефиците. В итоге платформы, списанные со счетов еще несколько лет назад, неожиданно получают новый шанс. Именно так обстоят дела с материнскими платами, использующими память DDR3: те самые решения, которые многие считали музейными экспонатами, вдруг вернулись в продажу у целого ряда производителей. Давайте разбираться, что происходит.