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. 

Дети порой попадают в плохие ситуации, и не всегда есть возможность позвонить родителю. Мы, команда Мой МТС, придумали решение — бесплатный виджет для детских смартфонов, который устанавливается на главный экран через приложение «Мой МТС». Ребенок может в любой момент отправить сигнал бедствия. Одно нажатие на SOS-кнопку — и родитель получает уведомление, что что-то произошло, и точную геолокацию ребенка.

Расскажем, что за это за виджет и как мы его разрабатывали.

Привет, Хабр! В одной из прошлых статей мой коллега упомянул теорию соматических маркеров Антонио Дамасио. Эта гипотеза связывает текущие ощущения с эмоциональными и физиологическими реакциями. В похожих ситуациях мозг использует их для предварительной оценки вариантов, поэтому выбор формируется раньше осознанной аргументации.

Этому исследованию уже больше тридцати лет, и многие современные работы отталкиваются или дополняют его.

В этом материале я разберу, на чем Дамасио строил свою гипотезу, какую видел роль интероцепции и вегетативной нервной системы и что показали эксперименты со знаменитой игровой задачей Айова (Iowa Gambling Task, IGT). Отдельно постараюсь ответить на вопрос, когда телесным сигналам стоит уделить внимание, а когда они отражают тревогу, усталость или ошибочно закрепленный опыт.

Ну что, продолжаем издеваться над Fallout 4. В предыдущих частях я уже разбирался с графикой и производительностью, крупными дополнениями, оружием и одеждой. В принципе, на этом можно было бы остановиться и спокойно играть. Но мир модов Fallout устроен так, что после очередного нормального улучшения обязательно находится человек, который решил добавить в игру что-нибудь совершенно неожиданное. Вообще этих модов — вагон и маленькая тележка, все рассмотреть не получится при всем желании.

Вода, растворённые в ней соли и кислород  — классический набор для запуска коррозии. Именно от него металл прячут под грунтом, краской, лаком, полимерными и оксидными плёнками. Логика у такой защиты предельно простая: пока покрытие цело, вода не доберётся до основания и ржаветь там будет нечему. Разумеется, со временем краска царапается, разрушается под ультрафиолетом и постепенно теряет сцепление с металлом. Но теперь выяснилось, что обычная капля воды способна не только воспользоваться уже готовым дефектом, но и самостоятельно пробить изолирующий слой.

Исследователи из Института исследования полимеров Общества Макса Планка показали, что вода накапливает электрический заряд, когда стекает по листьям, стеклу, пластику и другим поверхностям. Потенциал отдельной капли может достигать нескольких тысяч вольт. При приближении к покрытому металлу она создаёт настолько сильное поле, что в защитной плёнке происходит электрический пробой. Дальше в дело вступает обычная химия: вода достигает металла и запускает коррозию. Результаты исследования опубликованы в журнале Nature.

Производители ИИ-ускорителей продолжают увеличивать количество тензорных ядер и осваивать всё более короткие форматы данных, включая FP8 и FP4. Производительность вроде как растёт, причем впечатляющими темпами, но есть одна загвоздка. Вычислительные блоки нужно постоянно снабжать весами модели и промежуточными данными. Если память не успевает, дорогой чип с десятками миллиардов транзисторов натурально простаивает в ожидании очередной порции данных.

Samsung планирует решить проблему при помощи HBM5. Как именно? Удвоить производительность относительно HBM4E и одновременно на 20% повысить эффективность на ватт. Пропускная способность одного стека в перспективе может приблизиться к 4 ТБ/с благодаря 4096-битной шине. Давайте разбираться, что там и как.

У меня есть YouTube-канал с примерно полумиллионом подписчиков (адрес не указываю: не чтобы набрать аудиторию пишу). Видео выкладываю почти каждый день, работы много. И у меня сложилась «блогерская сборка», то есть железо для записи, анализа и обработки видео. В статье расскажу, какое оборудование использую, зачем каждый элемент и на чем сэкономить без заметной потери качества.

Если у вас есть собственные советы — велкам в комментарии, обсудим.

Если судить по новостям, то мы в шаге от светлого кибернетического будущего. Gartner еще в 2023 году прогнозировал, что к 2026 году генеративный ИИ будут использовать до 80% крупных компаний. Капитализация Nvidia бьет исторические рекорды, а венчурные фонды льют деньги в ИИ-стартапы.

Но если посмотреть макроэкономические отчеты Федеральной резервной системы США или OECD Data, картина будет другой. Глобальная производительность труда топчется на месте, прибавляя лишь по 1–1,5% в год. Никакого скачка или технологического прорыва в масштабах государств в цифрах реального ВВП нет.

Получается парадокс, когда, с одной стороны, есть колоссальные инвестиции и отчеты о превосходстве моделей над человеком, а с другой — статистика, показывающая, что макроэкономика этого бума не замечает.

Кому же верить? Маркетологам, раздувающим очередной пузырь, или государственным ведомствам, которые не научились еще оценивать новые метрики?

Экономические прогнозы сейчас медленно меняются от предположений в духе «ИИ заменит половину профессий» в сторону сдержанного эконометрического анализа. Взвешенную позицию можно увидеть у Национального бюро экономических исследований США (NBER), сформулировавшего идею о том, что экономика столкнулась с феноменом, который уже проходила сорок лет назад.

В этой статье мы рассмотрим свежие научные публикации, где обсуждаются слабые места, из-за которых буксует светлое ИИ-будущее.

Привет, Хабр! Год назад я взял себе гарнитуру Quest 3: думал буду играть, разминаться в спортивных играх типа настольного тенниса или выводить на нее виртуальный экран для работы. Реальность оказалась несколько прозаичнее. Но за это время я хорошо разобрался с Quest 3 и понял, в чем она хороша и чего полезного ей не хватает. 

Аппетит приходит во время еды, и мне стало интересно, что предлагают другие производители. Я выбрал PICO 4 Ultra, Apple Vision Pro и Samsung Galaxy XR. Я сравню их со своей Quest 3 и посмотрю, чем они различаются, кто и в чем лучше и оправдана ли разница в цене.

Привет! Меня зовут Дмитрий Гаврилов, я руководитель центра компетенции аналитики в MWS. Моя команда внедряет ИИ-скиллы в работу дата-аналитиков. Мы посмотрели на типичный рабочий день и поняли: рутина съедает до 75% времени аналитика. А можно ли это передать ИИ-агенту без потери качества? Эту гипотезу проверили на реальных задачах и получили конкретные результаты — делюсь в этом материале.

Для оценки эффективности ИИ уже давно и успешно используют самые разные бенчмарки. Берем модель/агента, выдаем им одинаковый набор задач, считаем долю успешных решений и получаем удобную цифру, по которой можно сравнивать системы между собой.

По результатам используем ту, которая справилась с большим процентом задач. Звучит круто и даже удобно, но, как всегда, есть нюанс: все работает при условии, что сам экзамен составлен правильно. А с этим, как выясняется, бывают проблемы.

Внутри бенчмарка могут оказаться некорректные эталонные ответы, противоречивые условия или правила оценки, которые засчитывают правильное решение как ошибку, и еще много всего, что исказит итоговый результат.

Летом 2026 года исследователи провели независимый аудит четырех бенчмарков для агентов, работающих с внешними инструментами: BFCL v4, τ²-Bench, LiveMCPBench и MCP-Atlas. Эксперты вручную проверили 496 выполненных заданий и в 92 случаях (18,5%) не согласились с автоматической оценкой бенчмарка. Причины оказались разными: от жесткого сравнения с эталоном до нестабильной трактовки критериев самими LLM-судьями. 

Еще одно исследование IBM предлагает использовать LLM, чтобы проверять качество самих бенчмарков. Авторы работают с бенчмарками для task-oriented conversational agents — агентов, которые общаются с пользователем и выполняют конкретную задачу рамках заданных правил. Например, оформляют возврат в интернет-магазине или изменяют бронирование. 

Сегодня будем разбираться, что там наделали IBM и как так получилось, что у нас появляются бенчмарки для бенчмарков и почему в мире уже вовсю разворачивается мебиус-системы ИИ.