Воздействие генеративного ИИ на окружающую среду
Быстрое развитие и внедрение мощных генеративных моделей ИИ сопровождается последствиями для окружающей среды, в том числе увеличением спроса на электроэнергию и потребления воды.
Адам Зеве | MIT News
17 января 2025 г.
Можно ли научить нейросеть «думать» так, словно на дворе 1912-й или даже 1650-й год? Да, но для этих целей нужно не расширять обучающие датасеты, а... ограничивать их. Мы в Beeline Cloud решили поговорить о проектах, позволяющих погрузиться в прошлое с помощью LLM, — и какое применение они находят с точки зрения гносеологии и бихевиоральных наук. Также обсуждаем несколько открытых инициатив, в рамках которых развивают подобные LLM.
Всем привет, уважаемые читатели! В архитектуре проектов мы можем наблюдать применение паттерна BFF (Backend for frontend). При этом BFF может быть в архитектуре, где есть взаимодействие с клиентскими приложениями: веб, мобильное, смарт-устройства и т.д, но может быть всего-навсего один служебный фронтенд, доступ к которому возможен во внутрикорпоративном сегменте, например, банковская система, hr, логистика. Кажется, что при наличии одного фронтенда введение BFF избыточно.
И возникает закономерный вопрос: если клиент всего один, да еще и работает внутри защищенного контура, зачем нам плодить отдельные компоненты системы? Не превращается ли BFF в лишний прокси-сервис, который только пробрасывает запрос и добавляет сетевую задержку?
Но что, если фронтенд один и вдруг нуждается в данных из разных API системы, чтобы нормально функционировать? При этом запросы могут быть сложными: каждый требует особых параметров и возвращает много лишней информации. А если у вас несколько клиентских приложений и так же нужно подтягивать данные из разных API?
Давайте поговорим о вытяжной вентиляции в многоквартирных домах. Какая она бывает. Какие проблемы встречаются и как их решать. И основное: как управлять внутриквартирными дросселирующими заслонками (дроссель-клапанами) вентиляции в современных ЖК и обеспечивать комфортные уровни и шума, и расходования воздуха даже в условиях постоянных изменений тяги в общем канале. И конечно же, запользуем запылившуюся на полке Ардуинку.
26 февраля 2026 г. вышел фильм "Как получить доступ ко всему: реверс-инжиниринг", снятый Slon Motion Studio по заказу Positive Technologies. Я посмотрел фильм и, через цитаты приглашенных экспертов, сделал конспект фильма, зафиксировав смыслы которые несёт кино.
Функцию rand из стандартной библиотеки языка Си для генерации псевдослучайных чисел, наверное, не ругал только ленивый. В довольно известном докладе Rand considered harmful рассказывалось о проблемах с переносимостью, ограниченным диапазоном, многопоточностью, качеством и т.п. Иногда в учебниках упоминают о том, что алгоритм в rand может быть не очень качественным, иметь проблемы с младшими битами, периодом, прохождением статистических тестов. Но крайне редко можно увидеть разбор конкретных критериев, выявляющих дефекты генераторов. В этой статье я постараюсь наглядно показать не просто отдельные недостатки rand, lrand48 и random из glibc, но их полную непригодность для каких-либо вычислений в принципе. Также вы увидите превосходство поточных шифров над minstd, линейным конгруэнтным генератором из 1980-х, не только в качестве, но и в производительности.
Это история о том, как я превратила свою бывалую Kindle Touch в инструмент мониторинга времени прибытия автобусов с ежеминутным обновлением экрана и возможностью выйти из режима дашборда через кнопку меню. По сути, у меня получился TRMNL, только без ценника в $140.
Сколько раз вы пытались открыть в Excel файл на пару миллионов строк и смотрели на зависший белый экран под звук взлетающего кулера? А сколько раз писали трехэтажные циклы for в чистом Python, чтобы просто сгруппировать данные и посчитать среднее?
Pandas — это Excel на максималках и швейцарский нож любого разработчика и аналитика. В этой статье я собрал абсолютную выжимку: 10 главных шагов для работы с таблицами. Разберем вечную путаницу между loc и iloc, правильную очистку от пропусков, группировки и джойны (merge).
Привет, Хабр!
Если вас заинтересовал заголовок, то вы, скорее всего, уже знакомы с разработкой Telegram или Discord-ботов. И что также вероятно: для получения обновлений вы используете обычный polling. Сегодня же я вам предлагаю ознакомиться с другим способом получения обновлений - через webhook.
В последнее время ИТ-сообщество активно обсуждает интеграцию автономных ИИ-агентов в реальные рабочие процессы. Свежий препринт под интригующим названием «Агенты Хаоса» подливает масла в огонь: исследователи устроили масштабный red teaming, подключив LLM-агентов к электронной почте, Discord и файловой системе, чтобы посмотреть, насколько легко их взломать.
Группа из двадцати специалистов потратила две недели, атакуя ИИ методами социальной инженерии и инъекциями промптов. Результаты, изложенные в одиннадцати задокументированных кейсах, описывают агентов, которые удаляют системные файлы, сливают пароли и попадают в бесконечные циклы потребления ресурсов.
Привет, Хабр. Решил слегка разбавить нескончаемый поток статей «K8S для ёжиков», «ИИ добавлен в туалетную бумагу» и прочих авторов нейростатей, пиарящих телеграм‑каналы. Я просто напишу, как захотел руками сделать дверной звонок на ESP32 и какие трудности я при этом преодолевал.
Кому интересно — велкам под кат.
Я работаю продуктовым дизайнером последние 7 лет. За последний месяц я в одиночку запустил 9 цифровых продуктов — без разработчиков, тестировщиков и девопсов. И самое странное: лучший результат я получил, когда перестал делать то, в чём разбираюсь.
Это не мотивационная статья про магию нейросетей. Это отчёт практика о том, как выглядит работа с ИИ, когда ты реально на нём строишь бизнес. С конкретными цифрами, косяками и неудобными выводами.
Семь миллиардов устройств. Тридцать пять лет истории. Linux 7.0 — это первое крупное обновление мажорной версии с 2022 года, и на этот раз цифра действительно имеет вес.
Ядро Linux — это та самая невидимая прослойка между вашим железом и всем, что вы делаете за компьютером. Именно оно решает, как ваш телефон общается с экраном и как Netflix стримит сериалы на ваш телевизор.
На нём работает Android. На нём держится большая часть интернета. Когда ядро меняется, миллиарды устройств в конечном итоге это чувствуют — замечаете вы это или нет.
Линус Торвальдс подтвердил смену версии и, в своей типичной манере, объяснил это простой арифметикой. «Я дошел до того момента, когда начинаю путаться в больших числах», — написал он. По его словам, у него уже почти закончились пальцы на руках и ногах, чтобы их считать.
Ядро прошло путь от 2.6 до 3.0, от 4.20 до 5.0, от 5.19 до 6.0. И вот теперь 6.19 превращается в 7.0. Никаких технических революций, привязанных к дате. Никаких сломанных API. Просто красивая цифра.
Но иногда новые крутые фичи идеально совпадают с символизмом момента. Только за первую половину окна слияния (merge window) в Linux 7.0 влилось 7 695 коммитов. Пятилетний эксперимент официально подошел к концу, в ядро завезли постквантовую криптографию и впервые прописали официальные правила для кода, сгенерированного нейросетями.
Я профессионально работаю с Linux уже больше 20 лет: в телекоме, цифровой медицине и deep-tech проектах. Я видел, как выходят и уходят разные версии ядра.
Какие-то из них важны. Какие-то — проходные. Но эта — действительно имеет значение.
Автомобильная компания была создана актером и музыкантом Николаем Фоменко. Marussia Motors построила 44 прототипа спортивных автомобилей и выпустила четыре серийных. Компания привлекала инвестиции и кредиты, активно занималась рекламой. Однако в апреле 2014 года Marussia Motors объявила о банкротстве, её имущество было выставлено на продажу. Рассказываем в нашей статье, что же пошло не так. И кому достались активы компании.
Всем привет! Меня зовут Иван. Многие знают меня по ИТ, сейчас я руковожу НИИ Крокодил и занимаюсь прикладным ИИ. Параллельно уже много лет практикую кендо и являюсь президентом Федерации кендо в Удмуртии.
Около полугода назад я был на соревнованиях в роли судьи. Пока шел турнир, у меня появилась мысль: а может ли ИИ помогать судьям? Не заменять их, а дополнять, например, фиксировать касания, отмечать моменты или собирать объективные данные по поединку. В теории звучит логично, но возможно ли это на практике?
До этого я работал с командой Programming Store над системой ИИ-видеоаналитики. Мы внедряли её на производствах, в ритейле, на промышленных площадках: анализировали видеопоток, распознавали события, считали метрики. Но спортивный зал в этом списке никогда не был.
Интересно, что несколько моих бывших коллег тоже занимаются кендо. Я рассказал им про эту мысль после турнира. Мы посмеялись, прикинули, что это может быть технически сложнее, чем кажется… и решили попробовать.
Так начался наш эксперимент — научить систему видеть удары на татами.
Автор создал курс по JavaScript. И первое, что он хочет сказать: не надейтесь на курсы.
Ни на этот, ни на любой другой. Индустрия онлайн-образования продаёт ощущение прогресса вместо самого прогресса.
Ниже — почему, и что автор предлагает взамен.
Как я создал робота шагохода с нуля и что в итоге у меня получилось.
Вдохновившись видео Алекса Корвина, я решил собрать своего робота. Начал с замеров сервоприводов и моделирования в FreeCAD. Процесс оказался нудным: детали ломались из-за тонкого пластика, пришлось переделывать. Купил бракованные сервы — хрустели и не работали. Заменил на нормальные, заодно переделал модели. С туловищем тоже намучился: косяки в расчётах, кривые крепления, лишние детали. Когда дошло до программирования, полез в чаты радиоэлектронщиков – там меня послали и начали насмехаться. Спас друг, помог дописать код. Добавил управление с пульта. В итоге робот пошёл. Такие вот дела, робот создан.
Data Mesh, Data Fabric, Lakehouse: разбираем модные термины
Data Mesh, Fabric, Lakehouse – все говорят, но никто толком не объясняет, чем они отличаются и можно ли их использовать вместе. Разобралась и делюсь структурированно и без воды.
➕ Сравнительная таблица и чек-лист: что выбрать под свою боль.
✔️Сохраняйте, чтобы больше никогда не путаться.
Если вы когда-нибудь разрабатывали мессенджер, то наверняка сталкивались с задачей выбора фотографий и видео для отправки. На первый взгляд кажется, что Apple предоставляет всё необходимое: UIImagePickerController, PHPickerViewController. Но стоит только копнуть чуть глубже, и оказывается, что стандартные компоненты не покрывают и половины того, что нужно в реальном продукте.
Как машины могут учиться так же эффективно, как люди и животные? Как машины могут научиться рассуждать и планировать? Как машины могут изучать представления восприятий и планов действий на нескольких уровнях абстракции, что позволит им рассуждать, предсказывать и планировать на различных временных горизонтах? В этой позиционной статье предлагается архитектура и парадигмы обучения для построения автономных интеллектуальных агентов. Она объединяет такие концепции, как конфигурируемая предсказательная модель мира, поведение, движимое внутренней мотивацией, и иерархические архитектуры совместного вложения, обучаемые с помощью самоконтролируемого обучения.
Этот документ не является технической или научной статьей в традиционном смысле, а представляет собой позиционную работу, выражающую мое видение пути к интеллектуальным машинам, которые учатся больше похожим на животных и людей образом, способны рассуждать и планировать, и чье поведение определяется внутренними целями, а не жестко запрограммированными инструкциями, внешним контролем или внешними вознаграждениями. Многие идеи, описанные в этой статье (почти все из них), были сформулированы многими авторами в различных контекстах и в различной форме. Настоящая работа не претендует на приоритет в какой-либо из них, но представляет собой предложение о том, как собрать их в единое целое. В частности, в работе выявляются предстоящие трудности. Также перечисляется ряд направлений, которые, вероятно, будут успешными или неуспешными.
Текст написан с минимальным использованием жаргона и с использованием минимальных предварительных математических знаний, чтобы быть понятным читателям с самым разным образованием, включая нейробиологию, когнитивистику и философию, а также машинное обучение, робототехнику и другие инженерные дисциплины. Я надеюсь, что этот материал поможет лучше понять контекст некоторых исследований в области ИИ, чья значимость иногда неочевидна.
