А задумывались ли вы, почему вооон тот водитель, который объехал вас шашечками по соседней полосе, не прав? С 50-х годов прошлого века об этом много кто размышлял и даже кое-что посчитал. Только начиналось все не с нейросетей и не с анализа миллионов записей с GPS. 

Предлагаю посмотреть на этот вопрос со стороны истории науки. В этой статье пройдемся по тому, с чего начали в описании автомобильного потока, как догадались, что пробки возникают не только из-за аварий и когда ввели в математическую модель “личность” водителя. Пройдемся по результатам вычислений, к которым удалось прийти задолго до появления машинного обучения.

Все мы знакомы с концепцией экзоскелета — устройства, усиливающего отдельные характеристики человека, чаще всего — силу, причем многократно. И у него есть концептуальное отличие от робота: он не пытается заменить собой труд человека, а служит ему инструментом.

Долгое время инженеры шли по одному пути: добавляли к телу пружины, металлический каркас, гидравлику, приводы и много прочих связанных механизмов, которые приводит в действие мощный мотор. Так у нас закрепилось представление, что экзоскелет — это что-то массивное, куда человеку нужно полностью залезть, что-то в духе костюмов из Fallout.

Но недавно появился новый подход: инженеры решили избавиться от мотора и перекинули функции передачи усилия на сам материал. Система называется DEA-волокна, которые сами по себе действуют как привод, по сути, работая как искусственные мышцы.

Сегодня поговорим о том, как технологии дошли от массивных многотонных дредноутов до искусственных мышц весом в несколько граммов и почему последний подход может постепенно сформировать новый класс носимых устройств.

Microsoft Publisher не самый известный элемент общего пакета Office. Многие владельцы Microsoft 365 вообще ни разу его не запускали. Автор этой статьи узнал о нем в 2000-х, после установки очередной версии Office. И почти сразу полюбил, пару лет приходилось регулярно задействовать этот софт. Он реально хорош, в нем можно оперативно делать буклеты, визитки, школьные объявления, открытки, календари и небольшие каталоги. Ну а теперь, спустя много лет, Microsoft решила, что Publisher больше не нужен.

В октябре 2026 года программа исчезнет из Microsoft 365, последняя бессрочная версия останется без поддержки. Для большинства пользователей это будет означать еще и потерю нормального доступа к старым PUB-файлам. Сами-то документы никуда не денутся, вот только открыть и отредактировать их привычным способом уже не получится. Microsoft советует заранее перевести материалы в PDF или Word, хотя, сами понимаете, это не самый удобный вариант. Короче, давайте разбираться. 

В 1959 году энтомолог Пьер-Поль Грассе проводил небольшое исследование того, как термиты строят себе жилища — термитники, которые достигают высоты в несколько метров. Каждое из насекомых таскало глину и клало ее в определенное место, которое изначально выбрал предводитель роя. Благодаря общему делу термитники были детально проработаны, там были даже вентиляционные каналы и подвалы. 

Это явление было названо стигмергией — координацией существ через изменение среды. Десятки лет спустя несколько исследователей из MIT воссоздали тот же механизм в цифровом мире. Однако вместо термитов у них были ИИ-агенты, и построили они не гигантский термитник, а технологическую цивилизацию. О результатах эксперимента мини-терминаторов и о том, чему нам, людям, нужно научиться у LLM, рассказываю в статье.

Даже идеальная модель с бесконечным объемом текста не восстановит ту часть смысла, которая никогда не была закодирована в языковой форме.

Представьте фразу в рабочем чате: «он снова упал». «Он» может означать сервер, сервис, тестовый стенд или процесс сборки. Люди восстанавливают смысл по предыдущим сообщениям и общей ситуации. В самой фразе объекта нет, и без контекста она вообще ничего не сообщает.

Можно ли восстановить смысл, вложенный человеком в фразу, если у нас есть только сама фраза? И изменится ли ответ, если вместо человека будет языковая модель, обученная на триллионах токенов?

Привет, Хабр! Сегодня поговорим о генетике и технологиях. Обе развиваются быстро, но неравномерно. Человеческий геном «прочитали» больше двадцати лет назад, а понять его до конца так и не удалось. Знать последовательность трех миллиардов «букв» ДНК — это одно. Разобраться, за что отвечает каждая из них, — совсем другое. В этом геноме сам черт ногу сломит. Возьмем, например, участки, которые не содержат инструкций для производства белков. Когда я учился в университете, их называли «мусорными». Они занимают около 98% генома, а последствия изменений внутри них до конца не понятны.

Сейчас в Google DeepMind решили во всем этом разобраться в рамках проекта AlphaGenome Atlas. И заодно просчитать все возможные замены одной «буквы» в человеческой ДНК. Таких вариантов набралось около девяти миллиардов. Почему — разберемся ниже.

За годы работы с MES-проектами не раз наблюдал одну и ту же сцену: разработчик показывает отчёты, дашборды, тренды и прослеживаемость. Заказчик — технолог или начальник производства — кивает, видит на экране полезный функционал, но не воспринимает это как отдельную единицу проекта, которая оценивается и закладывается в бюджет.

Разница в понимании базовых слов — «отчёт», «мнемосхема» — не пустяк. От неё напрямую зависит оценка трудоёмкости: сколько процессов и интеграций описывать, сколько экранов и ролей закладывать в смету. Пока стороны по-разному понимают эти термины, границы системы и техническое задание согласовать не получится. А это влечет за собой риски срыва проекта при его старте.

Привет, Хабр! Сегодня расскажу о попытке (вроде как небезуспешной) ремонта ноутбука. Это Lenovo IdeaPad Gaming 3, его я несколько лет назад купил по случаю, причем совсем недорого. Ноутбук не включался, не заряжался, внешне при этом выглядит он очень хорошо, даже экран цел, что удивительно. Но вот беда — никак не получалось попробовать починить, все время был занят. 

И вот недавно все же дошли руки. Ремонт оказался крайне интересным: я обнаружил сразу несколько проблем, которые успешно решил. Это и залитие, и сгоревший чип, и еще пара вещей. Забегая наперед: ремонт почти закончен, осталось только дождаться прибытия любопытного элемента под замену. Это мультиконтроллер, он отвечает на плате за дежурное питание, запуск материнки, клавиатуру, зарядку и другие служебные функции. Как прибудет, сделаю вторую часть статьи с инструкцией по запайке и прошивке. Но это уже, как говорится, мелочи. Подробности — под катом.

Привет, Хабр! Допустим, вы внедрили LLM-агента в финансовый отдел компании. Все хорошо, пока вы не решаете его подправить: добавить инструкцию или сделать тон дружелюбнее. С точки зрения классического инфобеза вам нужно все перевалидировать. 

Личность вашего агента (инструкции, тон, самопрезентации и так далее) живет в одном доверительном домене с действиями агента. Если домен строгий, каждое изменение придется сертифицировать. Если же домен разрешительный, аудит только фиксирует действия в логах, но ничего не блокирует. 

Проблема в том, что некоторые домены обязаны быть строгими. А некоторые из строгих надо менять так часто, что постоянно перевалидировать неудобно. 

В этом материале расскажу подходе PES (Persona–Execution Separation), отделяющем «личность» виртуального агента от задач.

Все мы живем в мире, полном противоречий. С одной стороны, постоянно появляются и очень быстро развиваются новые технологии. В то же время многое остается неизменным просто потому, что оно работает. Магнитная лента — ровесница послевоенных ЭВМ, технология настолько древняя, что впору держать ее в музее рядом с перфокартами. Но удивительный факт: в первом квартале 2026 года суммарная емкость поставок LTO выросла на 57% по сравнению с прошлым годом. Динозавр вдруг ожил, и виноват в этом, как ни странно, искусственный интеллект.

Обучение языковых моделей требует гигантских объемов хранения для исходных датасетов, с чем HDD или SSD не всегда справляются. В отличие от магнитных лент. Современный стандарт LTO-10 упаковывает до 40 ТБ чистых данных (или до 100 ТБ сжатых) на один компактный картридж.

Середина двухтысячных была золотым временем карманных компьютеров — думаю, на Хабре многие ностальгируют по нему. Производители соревновались в мощности процессоров и объеме памяти, автономности работы и возможности расширения устройств. Они экспериментировали со сценариями ежедневного использования, каждый месяц выпуская что-то новое и интересное. Но даже на этом ярком фоне эталоном и ориентиром для остальных стала флагманская серия iPAQ от HP.

Сегодня вспомним HP iPAQ hx4700 — благо, мне достался экземпляр в идеальном состоянии и с рабочей батареей. Поехали!

Проезжая по проспекту Вернадского или выходя на одноименной станции метро, москвичи и гости столицы редко задумываются, в честь кого названы эти объекты. Почему же имя Вернадского носят улицы, научные учреждения, минералы и даже кратер на обратной стороне Луны? Это вполне заслуженно: Владимир Вернадский стоял у истоков электрификации СССР и одним из первых описал Землю как единую систему жизни, вещества и энергии. Но это только часть его огромного наследия.

Владимир Вернадский умер в январе 1945 года, за несколько месяцев до своего 82-го дня рождения и до завершения Великой Отечественной войны. После себя он оставил несколько сотен трудов. Существует отдельное направление исследований его биографии и научного наследия — вернадоведение. Новая волна интереса к нему возникла в связи со 100-летием Вернадского в 1963 году. В эпоху развития ИИ многие из концепций и открытий Вернадского остаются остросовременными. Поэтому сегодня мы вспомним об этой потрясающей личности и о вкладе ученого в науку и философию. 

Представьте ситуацию: администратор стоматологической клиники утром открывает расписание и видит, что пациент отменил прием в 10:00, а следующее свободное окно у этого врача только вечером. Время пропадает, врач ждет. А рядом, в листе ожидания, наверняка есть человек, который был бы рад попасть именно на это время. Надо только, чтобы кто-то ему об этом сообщил. 

Почти каждый пятый пациент на прием не является. Вручную обзванивать долго и неэффективно, а слот нужно закрыть быстро, пока он еще актуален.

Дальше покажем, как автоматизировать управление записями к стоматологу. Голосовой робот МТС Exolve будет сам звонить пациенту, предлагать перенести визит и сохранит изменения в расписании.

Многие, и особенно начинающие, компании не хотят сразу внедрять полновесную CRM: они часто избыточны, а еще изначально диктуют логику работы, порой очень жестко. Если у вас, к тому же, все еще меняются процессы: несколько менеджеров, пилоты, согласования, юристы и финансы — стандартный флоу работы может развалиться.

Поэтому каждый колхозит что ему удобно, и самый распространенный способ сортировки данных ручками — таблицы. CRM в Excel может казаться практичной, но до поры — примерно когда появляется стабильный поток клиентов, которые проходят разные этапы в своем темпе внедрения вашего продукта/услуги и согласований. Еще больше проблем вылезает, если продажников в отделе больше одного и кто-то передал свои задачи из-за отпуска/болезни/увольнения.

Поэтому нужно искать какой-то усредненный, да еще и удобный инструмент для ведения процессов компании: что-то, что сохраняет простой табличный подход, но дает возможность в ней же собирать полноценные рабочие процессы. И такое решение я, кажется, нашел.

Привет, Хабр! На связи команда CVM (Customer Value Management) B2B из МТС — техлид Артём Каледин и ML-инженер Александр Швайко. 

Менеджер должен быстро разбираться, как строить обсуждение с техническим директором компании. Но даже если информация о продукте есть, иногда бывает сложно быстро найти нужные материалы и выбрать плюсы для конкретного клиента. Раньше коллеги готовились к встречам с помощью Telegram-бота, но недавно от бизнеса поступила задача: сократить время на подготовку и повысить качество рекомендаций и контента. 

В статье по мотивам доклада на Inside AI Meetup расскажем про архитектуру нашей системы и этапы работы, поделимся результатами и планами, а еще — как построили надежный RAG, который не галлюцинирует (ну, почти).

В прошлой статье мы остановились на вопросе: какой человек нужен, чтобы не сломался под тяжестью технологий, которые сам же создал? 

Чистая психология здесь буксует. Человек слишком сложен, чтобы изучать его сознание в отрыве от практики и получать применимые выводы. Но стоит приложить психологию к конкретной дисциплине — и результат становится гораздо полезнее. Мы попробуем разобраться, какой человек нужен эпохе ИИ, через экономику: проследим, как экономический уклад веками формировал определенный тип личности. Первым эту связь заметил Эрих Фромм.

В прошлом материале я опирался на Кернберга — он описывал архитектуру личности как универсальную: три этажа складываются в раннем детстве и почти не зависят от исторического периода. Фромм смотрит на ту же структуру с другого расстояния: каждый экономический уклад веками собирает под себя свой массовый портрет. Эту социальную грань личности он назвал характером.

Технологии, которые мы сейчас осваиваем, дают шанс на новый виток личностного роста — хотя рост обычно идет через кризис. Проследим, как менялась личность вслед за экономикой от рабовладения до наших дней, и увидим, чего требует от нас эпоха ИИ.

Айтишники рассказывают, как отправляют сотни откликов на HH и не получают ответа. Компании твердят, что количество резюме выросло в разы, но хороших специалистов по-прежнему днем с огнем не сыскать. Зарплатные ожидания кандидатов и предложения работодателей расходятся, как корабли в море. Джуны не могут получить первый опыт, ведь их никуда не берут, а работодатели ищут людей, способных выйти на место и начать приносить пользу с первого дня. И не находят! Везде гремит один и тот же вывод: все пропало, рыночек сломался!

Забавно, что экономисты уже давно знают, как выглядит «сломанный» рынок, и их такими жалобами не проймешь. Более того, в 2010 году Питер Даймонд, Дейл Мортенсен и Кристофер Писсаридес получили за свой анализ Нобелевскую премию по экономике.

Возможно, если бы мы иногда отрывались от обсуждения нового фреймворка и смотрели, за что раздают Нобелевские премии по экономике, сегодняшний кризис найма выглядел бы менее загадочно…

Давайте попытаемся разобраться, что именно увидели экономисты, какие параметры позволяют описать нынешнюю ситуацию на рынке труда цензурными словами, и в конце даже рискнем сделать выводы, что эта хваленая модель вообще может нам сообщить о ситуации в IT-индустрии.

Вот так будет выглядеть посланник Земли к Альфа Центавра. Источник

В научно-фантастических книгах и кино межзвёздные перелёты выглядят обманчиво простыми. Герои выбирают звездную систему на карте и отправляются в путь на супер-корабле. Он способен путешествовать либо в ином измерении (варп, кротовая нора и т.п.), либо лететь быстрее света, или использовать еще какую-то недоступную нам сейчас технологию. В реальности же законы физики и гигантские расстояния превращают любую подобную затею в пшик, а стоить такая авантюра будет запредельно. 

Но недавно был анонсирован Fermi Explorer -- проект, с амбициозной целью достичь Альфа Центавры -- ближайшей к земле звездной системе. Он должен уложиться в 15 миллионов долларов, правда, аппарат доберется до цели через 77 000 лет. Нам с вами о результатах точно не узнать. Зачем тогда это все? Давайте разберемся, что же хотят его создатели (ну, конечно, кроме 15 млн долларов). 

У тех, кто внедряет ИИ, появилась новая головная боль. Чем больше технология умеет, тем труднее понять, где ее применить. Чат-боту достаточно ответить на запрос пользователя, а агенту уже можно дать доступ к браузеру, корпоративным документам, коду и другим инструментам. И вместе с этим уже недостаточно убедиться, что модель умная. Нужно еще доказать, что она решает конкретную задачу, вписывается в процесс и не тащит за собой новые риски. 

Этому и был посвящен митап «ИИ без иллюзий». Эксперты разобрали корпоративный ИИ с разных сторон — от поиска реальной пользы для человека и первых агентных сценариев до внутренних инструментов и их внедрения в масштабе целой организации. 

Привет, Хабр! Уже несколько месяцев я в роли подопытного кролика автора работаю с редакцией МТС через их сервис MWS TeamStream: через него мне приходят правки, «развивающая обратная связь» и мнение редактора о написанном тексте. Я рассказывал о первых впечатлениях и переходе на работу с короткими видеороликами. 

В рабочей видеотеке быстро наступает момент, когда записей становится больше, чем времени у людей. Созвоны, фидбэки, инструкции, разборы задач со временем превращаются в архив, который лежит мертвым грузом. MWS предлагает решить эту проблему через MCP: дать доступ к записям внутри TeamStream ИИ-ассистенту и позволить ему искать и обрабатывать нужные фрагменты. Что ж, отличный повод попробовать это в деле.

В этом посте покажу, как превратить видеотеку в рабочую базу знаний. Для этого разберу пять кейсов — от инвентаризации и поиска по содержанию до сводки сразу по нескольким записям.