
2,5 года назад я работала 5/2 за за ниже 30тыс в месяц с переработками, и знакомые посоветовали - иди в ИТ. Я посидела, подумала, вспомнила свой опыт 3d моделирования в 2018-м и подумала - хочу в дизайн!
2,5 года назад я работала 5/2 за за ниже 30тыс в месяц с переработками, и знакомые посоветовали - иди в ИТ. Я посидела, подумала, вспомнила свой опыт 3d моделирования в 2018-м и подумала - хочу в дизайн!
К написанию этих размышлизмов автора сподвигли несколько статей (Социальный эксперимент: проверяем, торт ли Хабр о деградации Хабра, Хабр мёртв и некоторые другие разных лет выпуска и градуса эмоциональности) и собственный небольшой опыт писательства статей на Хабр и в Пикабу 😂
В январе 2025 года я решил попробовать создать человекоподобного робота. Пока готова только одна рука без датчиков (рецепторов).
Случайно совпало два события. Менял утром в машине картриджи ароматизатора, а в обед нашёл в стандартном трёхкилограммовом мешке картошки одну гнилую. Вонизм от неё, правда, был, как будто полмешка сгнило, на всю кухню амбре стоял. Это и натолкнуло на мысль разобраться, почему одними запахами мы восхищаемся, а другие – просто ненавидим. Нос - один, молекулы, которые рецепторы слизистой принимают на себя, чтобы дать возможность мозгу разобраться в элементах запаха, тоже не блещут разнообразием. В какой же момент и где именно происходит разделение запахов на «хорошие» и «плохие»? И почему так?
Доброго времени суток, «Хабр»!
Сегодня мы погрузимся в мир современных языковых моделей, детально изучим их архитектуру и разберемся в принципах работы. Готовы к захватывающему путешествию в мир искусственного интеллекта? Тогда пристегните ремни — мы отправляемся!
Учёные из Австралии разработали революционный квантовый управляющий чип, который устраняет одно из ключевых препятствий на пути к созданию практичных и мощных квантовых компьютеров. Эта технология, над которой работали более десяти лет, впервые позволяет разместить миллионы кубитов и их сложные системы управления на одном устройстве.
Как структурировать диалоги с LLM: шаблоны, интенты, статусы и архитектура ai-dialog-system
, превращающая хаос в управляемую систему. Подход подходит для аналитики, CI и командной разработки.
Мир искусственного интеллекта стремительно меняет представление о работе с изображениями. То, что раньше казалось фантастикой — например, оживить старый снимок, превратив его в реалистичную анимацию, — теперь доступно каждому. С помощью нейросети можно оживить фото за несколько секунд: достаточно загрузить изображение и выбрать параметры, чтобы получить динамичную версию, где картинка оживает.
В этом материале рассмотрим, как оживить фото с помощью нейросети, чем отличаются популярные онлайн-сервисы и какой инструмент подойдет именно вам — в зависимости от целей и качества исходного изображения.
Пару лет назад я начал коллекционировать интересные гаджеты, в форм-факторе ноутбука. Особое место в моей коллекции занимают устройства на диковинных процессорных архитектурах — и нет, речь даже не об ARM, а о куда более редких MIPS и SH4. Недавно я исследовал китайский аналог Авито и наткнулся на очень интересный предсерийный прототип ноутбука Fujitsu Intertop CX300 всего за 3.000 рублей — и в сегодняшней ретроспективной статье, мы с вами разберем это чудо японской инженерной мысли и познакомимся с ним поподробнее!
Когда-нибудь учёные признают PDF одним из самых коварных форматов в истории документов. Особенно если перед вами 120 страниц с таблицами, скриншотами и… одной крошечной ошибкой.
И всё бы ничего, но вам нужно просто заменить одну цифру. Одну! И тут начинается: скачивание шести разных программ, поиск очередного «лучшего PDF-редактора» — и где-то на десятой попытке рождается мысль: может, ну его? Распечатать, исправить ручкой и отсканировать обратно?
Но, к счастью, времена меняются! В этом обзоре мы собрали пять сервисов для различной работы с PDF-документами.
Более того, чтобы внести каплю приключений, мы вновь достаём старый тестовый файл — «Дорога к Эльдорадо», оставшийся с предыдущего обзора. Посмотрим, какой сервис сможет изменить его содержимое лучше.
Приятного чтения!
Уже не сосчитать, сколько раз мы пытались найти в 50-страничном PDF всего одну цифру, а в итоге получали час бесконечного скроллинга и желание всё бросить. Про невозможность редактирования и копирования текста на многих устройствах даже молчим.
Помню, как иногда приходилось делать скриншоты нужных фрагментов и загружать их в Google Переводчик — чтобы хоть как-то выудить текст, который можно было скопировать.
Но если раньше мучиться приходилось в одиночку, теперь на помощь приходят алгоритмы.
В этой статье мы познакомим вас с пятью охотниками за информацией и протестируем их работу с таблицами, текстом, фотографиями и ссылками внутри этого нелюбимого большинством документа.
А чтобы обзор стал капельку интереснее, сегодня мы отправим нейросети в экспедицию на Эльдорадо. Посмотрим, какая из моделей сможет найти его в стоге PDF-сена.
Приятного чтения!
Давайте начнем с ошибки. Что это?
Непреднамеренное отклонение от правильных действий - не совсем. Ошибка — это часто результат того, что наше быстрое, интуитивное мышление (наша "внутренняя мартышка") берет верх в ситуации, требующей анализа дольше, чем сложить 2+2, или наше медленное, аналитическое мышление ленится. Почему так происходит?
Меня зовут Дмитрий Крапивницкий, CEO digital-агентства OMNIMIX. Вместе с командой мы заметили частую проблему — пины, кнопки и важные элементы пропадают с карточек компаний на Яндекс Картах, и обнаружить это можно не сразу. Как итог, одна пропавшая кнопка стоит 30 тысяч рублей в день, исчезнувший номер телефона лишает бизнес половины звонков, а невидимая витрина уносит 180 потенциальных клиентов.
В материале рассказываю, как мы нашли решение для этой проблемы и усовершенствовали ИИ-инструмент, анализирующий карточки клиентов.
Представьте, что лингвист внезапно стал экспертом по живописи. Именно это произошло в 2020 году, когда архитектура для обработки текста — трансформеры — научилась "видеть" изображения. Vision Transformer (ViT) доказал: для понимания картинок не обязательны свёртки! Разберем "на пальцах" как она устроена и как изображения превращаются в предсказания.
История Таганрогского трамвая до определённого момента текла в совершенно типичном русле: в очередном провинциальном городке тихо кончались остатки более развитой цивилизации. И вдруг — сказочное чудо, Золушка преобразилась в королеву бала. Но русские сказки не могут без нюансов
Подписка Game Pass с каждым годом набирает обороты, и в 2025-м она легко удовлетворит запросы даже требовательного геймера. В ней полно как шутеров и экшенов от 3-го лица, так и стратегий, различных симуляторов, ролевых игр, платформеров и представителей других жанров.
В этой подборке мы расскажем о главных новинках сервиса, которые вышли в первой половине 2025 года. Устраивайтесь поудобнее!
Этот пост для нашего тг-канала Pro AI написал мой коллега Александр Мигаль, специалист по компьютерной лингвистике и один из авторов RuTaR
Все привыкли к тому, что ChatGPT, DeepSeek, Llama и другие коммерческие LLM способны быстро и умеренно качественно генерировать текст практически любого стиля и содержания. Однако, потенциал использования языковых моделей давно не ограничивается лишь пресловутым копирайтингом и написанием курсовых за одну ночь. Современные модели‑трансформеры всё чаще демонстрируют эмерджентные способности, выражающиеся в их способности к сложному пошаговому рассуждению.
Само устройство этих «рассуждений» (англ. reasoning) забавно перекликается с гипотезой лингвистической относительности Сепира‑Уорфа. Её строгая версия предполагает, что человеческое мышление является формой «внутреннего монолога». Но если наш мозг оказался устроен несколько сложнее, чем думали Сепир и Уорф, то в случае с LLM всё буквально так — модель рассуждает, когда «говорит», т. е. генерирует текст.
На текущий момент мы уперлись в потолок развития LLM привычным путём. Данные для их обучения кончились ещё год назад, а продолжать наращивать и без того огромные вычислительные мощности попросту нет смысла. Поэтому самым перспективным направлением разработок в области ИИ выступает развитие того самого reasoning — умения модели рассуждать.
И хотя за последние полгода появилось множество систем, сделавших большой шаг в сторону продвинутого reasoning (например, DeepSeek R1, о1 от OpenAI), тестируются они всё так же — на математике, шахматных задачках и головоломках. А вот насколько хорошо они справляются с задачами в сфере права или, скажем, комплексного текстуального анализа никто не знает — в большинстве бенчмарков полностью игнорируется способность LLM рассуждать в плоскости гуманитарного знания.