Как стать автором
Поиск
Написать публикацию
Обновить
1107.5

Искусственный интеллект

AI, ANN и иные формы искусственного разума

Сначала показывать
Порог рейтинга
Уровень сложности

Эти пугающие производные, градиенты, матрицы Якоби и Гессе

Уровень сложностиСредний
Время на прочтение6 мин
Количество просмотров13K

В этой статье я поясню, как все эти принципы сочетаются, и покажу примеры использования их комбинации.

Читать далее

От Intel 086 до нейросетей: исповедь охотника за бизнес-процессами

Уровень сложностиПростой
Время на прочтение11 мин
Количество просмотров2.1K

🚀 Новая статья: От Intel 086 до нейросетей: исповедь охотника за бизнес-процессами

Почему отличные идеи застревают на бумаге? Почему стратегии теряются в дороге от менеджера до программиста? Проблема не в людях — проблема в инструментах.

🧠 Когнитивная нагрузка — главный враг эффективности. Исследования показывают: наш мозг может удерживать всего 4±1 элемента одновременно. А что мы ему даём? BPMN-схемы с сотнями элементов, UML-диаграммы для разработчиков, текстовые ТЗ, которые никто не дочитывает. Это не управление знаниями — это интеллектуальный терроризм.

Я работал бизнес-аналитиком на крупном предприятии. Описывал бизнес-процессы, улучшал зарплатные схемы, связывал руководителей и программистов. И понял: стандартные инструменты не работают. Они создают "испорченный телефон" — идея искажается на каждом этапе.

Решение оказалось неожиданным — язык ДРАКОН. Созданный в СССР Владимиром Паронджановым, он учитывает особенности человеческого восприятия. Принципы симультанизации (увидеть всю картину сразу) и эргономики делают сложное простым.

В статье я делюсь личным опытом:

✅ Как одна схема ДРАКОН заменила месяцы работы программистов.

✅ Как коллективное обсуждение схемы выявило разногласия между руководителями.

✅ Как непрофессионал создавал CRM-систему визуально.

✅ Как ДРАКОН стал единой платформой вместо BPMN+UML.

ДРАКОН — не просто язык. Это способ мышления, делающий бизнес управляемым. Он устраняет фрагментацию знаний, сокращает время на разработку на 40-60%, повышает качество решений.

Читать далее

OmniTry: виртуальная примерка одежды и аксессуаров без масок — система сама найдёт, куда «надеть»

Время на прочтение4 мин
Количество просмотров654

Онлайн‑примерка одежды без масок и ручной разметки сегодня становится реальностью. OmniTry — диффузионный трансформер, который сам локализует объект на фото и сохраняет идентичность конкретного товара — от очков и серёжек до сумок и галстуков. В статье — разбираемся с двухэтапным обучением, «стиранием без следов» и собственным бенчмарком на 12 категорий предметов.

Читать далее

Первый в мире «микроволновой мозг» буквально думает иначе

Уровень сложностиПростой
Время на прочтение4 мин
Количество просмотров3.5K

Исследователи из Корнеллского университета разработали процессор, который уже окрестили «микроволновым мозгом». Упрощённый чип работает по аналоговым принципам, а не цифровым. И может одновременно и сверхбыстро обрабатывать данные, используя принципы микроволновой связи.

Читать далее

Когда AI упирается не в атомные реакторы, а в нас

Уровень сложностиСложный
Время на прочтение6 мин
Количество просмотров2.1K

ИИ уже делает то, что вчера казалось невозможным: придумывает новые ходы, решает задачи, которые десятилетиями считались неразрешимыми.
Он ускоряется — и уже самостоятельно (пусть пока не во всех областях, но тенденция очевидна).

Но даже если он работает «сам по себе» — он работает для нас. А если мы не вывозим его результаты или они обходят нас — что толку?

Отсюда ключевой вопрос, может преждевременный:

Упрётся ли ИИ в живое сознание и биологию?

В его поэтапность и инертность. В способность различать не сразу, а разворачиваться естественно.

Будет ли AI это учитывать — или просто обойдёт, жадно пожирая киловатты?

Читать далее

Секрет уверенного робота — в умении указывать

Время на прочтение4 мин
Количество просмотров542

Почему роботы так часто зависают между пониманием и действием? Они видят чашку, но не знают, как обойти тарелку рядом и куда эту чашку поставить. Этот разрыв между зрением и действием — главный барьер на пути к по-настоящему автономным системам. Команда Embodied-R1 предлагает неожиданно простой и мощный выход: научить робота языку «указаний» — точкам и следам на картинке. Такой язык одинаково понятен и человеку, и машине, он напрямую связывает восприятие с действием, делая поведение робота предсказуемым, устойчивым и уверенным даже в незнакомых условиях.

Читать далее

Использование нейросетей в разработке игр. Часть 3 — Герои Меча и Магии (ну почти)

Уровень сложностиПростой
Время на прочтение4 мин
Количество просмотров11K

В первой части этой статьи я создал аналог игры «Pong!» с помощью нейросети Qwen, которую сегодня некоторые обзорщики называют одной из лучших нейронок для разработки. Во второй части мы с Qwen создали небольшой платформер. Не без проблем, но в целом справились. А вот для третьей части статьи я приготовил особое задание, которое кажется невыполнимым – создать клона «Героев Меча и магии 3», который бы отражал основные механики оригинальной игры. В конце статьи я добавлю ссылку на то, что у меня получилось, чтобы вы смогли сами оценить результат.

Промпт был такой:

Давай создадим упрощенный клон игры "Герои меча и магии 3". Должны присутствовать три основных механики. 1. Перемещение по карте мира и сбор ресурсов/бой с монстрами 2. Боевая механика аналогично Героям 3. 3. Отстройка города.

Получилось интересно и несколько неожиданно.

Читать далее

King­soft corp: китайский ответ SAP и Oracle

Уровень сложностиПростой
Время на прочтение4 мин
Количество просмотров1.9K

Kingsoft — это крупная китайская корпорация, занимающаяся производством программного обеспечения как для B2B, так и для B2C сегментов. Также компания развивает облачные сервисы и искусственный интеллект. Центры обработки данных Kingsoft распределены по нескольким странам Азии. Крупный дата-центр есть и в Северной Америке. 

Читать далее

GPT-OSS-20B, H100: выжимаем 156 миллиардов токенов в месяц

Уровень сложностиСредний
Время на прочтение3 мин
Количество просмотров204

После релиза GPT-OSS-20B от OpenAI было много новостей, но конкретных бенчмарков с реальными цифрами я так и не нашел.

Решил выжать из модели максимум на H100 PCIe 80GB. Что получилось: до 60K токенов/сек c 91% загрузка GPU. Внутри пишу, как я это сделал по шагам!

Читать далее

CLI-инструмент для фундаментального анализа акций с поддержкой LLM

Уровень сложностиСложный
Время на прочтение22 мин
Количество просмотров1.3K

Всем привет!

Я сделал CLI-инструмент для быстрой "фундаменталки" по акциям с добавочной аналитикой из 10-K через LLM. Он тянет данные из Yahoo Finance, дочитывает 10-K (edgartools + LLM), корректирует EV по fair-value, только страховщиков оценивает по "флоуту", делает SOTP по операционным сегментам и на базе квартилей выдаёт сигналы "КУПИ/ПРОДАЙ/НЕОПРЕДЕЛЁННО" - по метрикам, по группе и общий. Использует метрики: Forward P/E, P/FCF, EV/EBITDA.

Пример запуска:

Читать далее

Тупик chatGPT 5: почему это было неизбежно. И что будет дальше

Уровень сложностиСредний
Время на прочтение17 мин
Количество просмотров61K

OpenAi на острие развития ИИ. Его проблемы, это проблемы всей отрасли ИИ.

ChatGPT 5 это провал? Если учесть, что почти то же самое было в chatGPT 4о, скорее всего да. Но что это значит для будущего ИИ?

Читать далее

Мои впечатления от нового AI IDE — Qoder

Уровень сложностиПростой
Время на прочтение2 мин
Количество просмотров13K

Alibaba (у которых Qwen, AliExpress и Tmall) на днях представила Qoder — свою пока бесплатную альтернативу Cursor.

Я успел провести с ним сегодня свой рабочий день, и вот мои впечатления. Сравнивать его я буду с Windsurf, т.к. им пользовался дольше остальных.

Читать далее

Вы неправильно поняли отчёт MIT об эффективности ИИ в корпорациях. Разбор от Venture Beat

Уровень сложностиПростой
Время на прочтение6 мин
Количество просмотров5.9K

Самая цитируемая статистика из нового отчёта MIT оказалась сильно искажённой. Пока заголовки утверждают, что «95% пилотов генеративного ИИ в компаниях проваливаются», сам документ раскрывает нечто куда более поразительное: самое стремительное и успешное внедрение корпоративной технологии в истории разворачивается прямо у руководителей под носом.

Читать далее

Ближайшие события

Агент с лицензией на ошибку

Время на прочтение6 мин
Количество просмотров1K

Агент с лицензией на ошибку

Как ломают ИИ-агентов. Часть 1: Кейс с Operator ChatGPT

В 2025 году ИИ-агенты стали настоящим медиа-феноменом. Ну а нас больше всего интересует вопрос уязвимости таких систем: у агентов все больше возможностей, а значит и поверхностей атаки. Наша команда работала над отчетом OWASP State of Agentic AI Security and Governance, где был раздел об инцидентах, который не попал в финальную версию отчета. Поэтому несколько инцидентов я хотел бы разобрать в серии статей. Кейс, рассмотренный в этой статье, показывает новый класс угроз, присущих именно автономным ИИ-агентам, и эта проблема носит системный характер, а не является единичным багом.

Читать далее

Почему провалился релиз GPT-5 и каковы перспективы настоящего open AI?

Время на прочтение5 мин
Количество просмотров8.3K

Прошло уже две недели после выхода долгожданной GPT-5, которая, как казалось, должна была стать одной из главных вех в развитии AI индустрии. Но не стала - как бы ни оценивали эту модель, пессимистично или оптимистично, остается очевидным, что принципиальной разницы между ней и o4-mini, и даже DeepSeek R1 0528, нет - если говорить о качественном кратном отличии, которое ключевым образом меняло бы приложение этого AI к реальным задачам. Поэтому и воспринята новая модель была с разочарованием.

Справедливости ради стоит отметить, что как одна из многих GPT-5 - достаточно хорошая модель, точнее, несколько моделей в составе мультиагентной системы - подробнее об этом ниже.

Читать далее

Уже сегодня вечером все проджекты потеряют работу

Время на прочтение4 мин
Количество просмотров37K

Слушай, друг, давай без лишних церемоний. Знаю, что заголовок звучит как очередная паникёрская статейка про то, как ИИ всех уничтожит. И да, понимаю — скорее всего, ты сюда зашёл с лёгким холодком в животе. Мол, блин, а что если правда? Что если завтра утром мне скажут: «Спасибо, Вася, но у нас теперь есть ChatGPT-менеджер»?

Расслабься. Налей себе чай (или что покрепче, если уже вечер), и давай поговорим по душам.

Страх — это нормально, но паника — нет

Я тоже проектный менеджер. За плечами больше 15 лет в проектах и бизнесе, видел взлёты и падения десятков проектов, руководил командами от 5 до 50 человек. И знаешь что? Когда десяток лет назад все начали кричать про ИИ, у меня тоже ёкнуло сердце. Думаю: «А что, если эти алгоритмы действительно умнее меня?»

Но потом я посмотрел на свой последний проект. Помнишь те моменты, когда заказчик звонит в пятницу вечером и говорит: «А давайте всё переделаем, у меня идея»? Или когда два твоих лучших разработчика не разговаривают друг с другом из-за спора о том, какой фреймворк использовать? А может, ты помнишь тот раз, когда проект буксовал месяц, а потом за одну встречу с клиентом всё встало на свои места?

Вот тут-то я и понял: заголовок этой статьи — полная чушь.

Почему ИИ не заменит проектных менеджеров

Человеческий фактор доверия

Представь: ты приходишь к новому клиенту на первую встречу. Садишься напротив него, смотришь в глаза и говоришь: «Слушай, я понимаю, что у тебя сейчас каша в голове с этим проектом. Давай разберёмся вместе». И видишь, как у него расслабляются плечи.

Читать далее

Новая система моделирования генерирует тысячи обучающих примеров для роботизированных манипуляторов

Время на прочтение5 мин
Количество просмотров265

Когда ChatGPT или Gemini дают, казалось бы, экспертный ответ на ваши насущные вопросы, вы можете не осознавать, на каком объёме информации он основан. Как и другие популярные генеративные модели искусственного интеллекта (ИИ), эти чат-боты опираются на базовые (foundation) модели, обученные на миллиардах или даже триллионах данных.

Аналогичным образом инженеры надеются создать базовые модели, которые обучат различные роботы новым навыкам — например, поднимать, перемещать и класть объекты в таких местах, как дома и фабрики. Проблема в том, что собирать и передавать учебные данные между разными роботами сложно. Можно обучить систему, телеманипулируя оборудованием пошагово с использованием технологий вроде виртуальной реальности (VR), но это отнимает много времени. Обучение на интернет-видео менее эффективно, поскольку они не предоставляют пошагового специализированного объяснения задач для конкретных роботов.

Подход, основанный на симуляции, под названием PhysicsGen от Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) MIT и Института робототехники и ИИ, адаптирует тренировочные данные для роботов, чтобы помочь им находить наиболее эффективные движения для задачи. Система может превратить несколько десятков VR-демонстраций почти в 3000 симуляций на каждую машину. Эти высококачественные инструкции затем сопоставляются с точной конфигурацией механических систем, таких как роботизированные руки и манипуляторы.

PhysicsGen создаёт данные, которые обобщаются под конкретные роботы и условия, используя трёхэтапный процесс. Сначала гарнитура VR отслеживает, как человек манипулирует объектами, например, кубиками, используя свои руки. Эти взаимодействия одновременно отображаются в 3D-физическом симуляторе, визуализируя ключевые точки на руках в виде маленьких сфер, которые повторяют жесты. Например, если вы перевернёте игрушку, вы увидите 3D-фигуры, представляющие различные части ваших рук, вращающие виртуальную версию объекта.

Читать далее

Строим корпоративную GenAI-платформу: от концепции до ROI. Часть 2. Архитектура корпоративной GenAI платформы

Время на прочтение13 мин
Количество просмотров2.4K

Вторая статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». На этот раз он разбирает GenAI «под капотом» и шаг за шагом выстраивает корпоративную платформу, которая превращает хайп вокруг ИИ в реальные результаты для бизнеса.

Читать далее

Удивительные приключения сознания в математической вселенной Тегмарка

Уровень сложностиСредний
Время на прочтение15 мин
Количество просмотров1.7K

Несколько лет минуло с того момента, как я опубликовал статью «Сознание и тезис Макса Фрая», довольно тепло принятую сообществом Хабра.

В той статье, чтобы исследовать сознание методами математики, я использовал одну "техническую" аксиому. Была она проста, невзрачна и банальна. И далеко не сразу удалось разглядеть онтологический динамит, коим она оказалось под завязку начинена.

Читать далее

Почувствуй себя рибосомой. Как устроен современный дизайн белков

Уровень сложностиСложный
Время на прочтение18 мин
Количество просмотров2.1K

Привет! Это Маша Синдеева, научный сотрудник группы дизайна белков AIRI. Основное направление нашей группы — это разработка ИИ‑моделей для задач, связанных с дизайном белков.

В этом посте я постараюсь рассказать о том, что такое белки, как устроен процесс их дизайна, и как с этим может помочь наша новая статья AFToolkit: a framework for molecular modeling of proteins with AlphaFold‑derived representations, которая вышла в журнале Briefings in Bioinformatics, и которую мы написали вместе с ребятами из группы органической химии AIRI.

Читать далее