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.

Началась новая эра – эра автономных агентов. Пользователь пишет запрос на естественном языке, и агент сразу решает поставленную задачу. Или не сразу. Но в таком случае он самостоятельно ищет способ получить недостающие навыки для выполнения запроса.

Привет, Хабр! Меня зовут Сергей, я занимаюсь исследованиями в MWS и руковожу небольшой, но классной командой инженеров-исследователей. Пока одни с помощью ИИ-агентов ищут способы разгрузить рутину, мы в MWS смотрим дальше и видим больше. А что, если дать ИИ-агенту не только «руки», чтобы бродить по сети и нажимать кнопки в интерфейсе, но и «тело»?  

OpenClaw может физически взаимодействовать с реальным миром даже с помощью устройств «без мозгов». В этом материале разберём, как максимально просто развернуть такую систему самостоятельно. За помощь в подготовке спасибо Артёму @Artem_Lykov из центра R&D TechGov, который отвечает за направление Physical AI в MWS, и стажёру Дмитрию Ярчуку.

Часто полезные данные для обучения ИИ — побочный продукт от действий пользователя в игре, навигаторе или фитнес-приложении. Пользователь делает то, ради чего пришел: ловит виртуальных шушпанчиков, катается на велосипеде, объезжает пробки, вводит капчу — а где-то фоново формируется датасет. Это уже много обсуждали в комментариях к истории использования данных Pokémon Go для обучения пространственного ИИ (spatial AI). 

В этом материале я расскажу о кейсе Pokémon Go и о том, как работает использование данных из приложений.

В 1989 году Дэн Симмонс написал «Гиперион» — роман, который стал классикой научной фантастики. Среди множества идей в книге есть одна, которая с каждым годом, кажется, звучит все актуальнее.

В мире «Гипериона» существует Техно-Центр — сообщество искусственных интеллектов, которое развивалось на протяжении столетий. Первые слои кода писали люди еще на Старой Земле. Потом ИскИны начали надстраивать свой код поверх старого. Слой за слоем, поколение за поколением. Так продолжалось сотни лет.

В итоге получилась система невообразимой сложности, в глубинах которой скрывались вещи, которые не понимали даже сами ИскИны. Никто — ни человек, ни искусственный интеллект — уже не могли объяснить, почему изначально все устроено и работает именно так. И из-за этого цивилизация была на грани вымирания.

Если почти сорок лет назад это была фантастика, то сегодня — скорее яркая метафора, которая заставляет задуматься. И вот почему она меня так зацепила.

В 2014 году на презентации новых гаджетов Lenovo я получил лучший пресс-кит в своей жизни. Вместо блокнотов, ручек, листовок, аккумуляторов и флешек в пакете была красивая коробка. Я не сразу понял, что это был планшет. Тот самый планшет Lenovo со встроенным проектором, разработанный с участием Эштона Кутчера. 

Как и ThinkPad 2011 года, планшет лежал в кладовке и ждал своего часа. Им тоже несколько лет никто не пользовался, так как у всех есть новые гаджеты, а там стоит совсем уж старый Android. 

Предлагаю вспомнить, на мой взгляд, лучший планшет — мне лично подобные гаджеты больше не встречались.

Nvidia готовит к выходу чипы N1 и N1X для ноутбуков — это ее первый серьезный заход в сегмент ARM-устройств, где сейчас доминируют модели Apple и Qualcomm. Компания давно экспериментирует с интегрированными решениями, но теперь речь идет о полноценной попытке закрепиться в массовом сегменте портативных ПК. 

Новые чипы представляют собой SoC с акцентом на графику и задачи искусственного интеллекта, где вычисления, обработка данных и работа с нейросетями объединены в рамках одной архитектуры. В этой статье разберемся, как устроены N1 и N1X, что за технические решения лежат в их основе и какое влияние они могут оказать на рынок ноутбуков. Поехали!