Искусственный интеллект

Нейросети сейчас на каждом шагу, вот и телематика не стала исключением.

На самом деле, эти две технологии многое объединяет – и телематика, и нейросетки делают похожее: обрабатывают и анализируют данные, чтобы оптимизировать рабочие процессы. Когда-то это встреча должна была произойти, поэтому вполне логично, что разработчики начали интегрировать сетки в свои системы телематики. Сегодня предлагаю разобрать практический кейс Exzotron Telematics AI с нейросетевой обработкой изображений для автоматического контроля въезда транспорта на территорию предприятия.

Пока вы апскейлите видео или гоняете LLM, ваш ноутбук может тихо умирать. Ядро GPU показывает комфортные 65°C, а видеопамять в это время жарится на 105°C, ведь заводская логика следит только за ядром. Рассказываю, как я написал утилиту VRAM Guard на Python, чтобы спасти "золотое" железо от деградации с помощью метода импульсного троттлинга. Вот как он работает...

В 22% случаев онкологи не могут назначить лечение из-за рисков, связанных с хроническими заболеваниями. Сегодня разбираем кейс, в котором ИИ помогает врачам решать сложнейшие когнитивные задачи, связанные с лечением различных видов рака. Рассказываем про методологию GraphRAG, разбираем, как устроены и работают решения из кейса и проводим сравнительный анализ всех способов решить эту сложнейшую задачу.

Привет, Хабр! Это Андрей Носов, AI-архитектор из Raft. Я проектирую и создаю системы, которые должны стоять годами — сегодня речь пойдёт именно о них. В этой статье по мотивам моего доклада на AI Сonf 2025 я расскажу, как превратить стандартные RAG-системы из простых источников знаний в управляемый инструмент, способный справиться со сложным контекстом. Вас ждёт не просто технический обзор, а практическое руководство, где мы пойдём от прода к проду.

Привет! Я Никита Щербо, разработчик в компании Битрикс24.

Сегодня поделюсь с вами небольшим кейсом — расскажу, как мы с помощью ИИ нагенерили простых примеров для обучения сотрудников работе с Service Locator. 

Возможно эта идея пригодится тем, кто проводит онбординг новичков, их обучение работе с новыми инструментами или погружение в какой-то продукт. 

Итак, мы все давно знаем, что ИИ может генерить и код, и тесты, и документацию. У нас была обратная задача — имея код, документацию и тесты, создать простые и понятные примеры использования инструмента.

У меня в команде 30 человек — много новичков, которые пришли к нам из «Битрикс24 // Университет», есть те, кто уже давно работали с Service Locator, но не интересовались тем, как устроен механизм. Мы решили организовать общий митап для команды и показать, как можно использовать это решение в наших задачах. 

Но оказалось, что простых и понятных примеров у нас нет. Вытаскивать их из кода внутреннего продукта было нереально — без контекста они не имели смысла.

Последние недели все обсуждают агентов для компьютера: кто-то ставит опенсорсный Moltbot (бывший Clawdbot), кто-то ждет, когда работать в Claude Cowork станет дешевле, а кто-то хочет просто нажать кнопку и получить результат - без всяких серверов, портов и онбординга в терминале.

Я протестировала MiniMax Agent 2.0 на самом понятном кейсе: навести порядок в папках на компе, и делюсь тем, что получилось со всеми нюансами и со стоимостью, а так же своим мнением, что мне больше понравилось использовать.

Можно ли сделать кодового агента уровня Claude Code, но бесплатного и для локальных моделей? Мы разобрали архитектуру конкурентов, нашли слабые места и написали PocketCoder — CLI-ассистент с Agent Loop, XML-контекстом и памятью. Работает даже с qwen-7b, хотя и с приколами.

Самые интересные новости финансов и технологий в России и мире за неделю: Маск подумывает склеить SpaceX с Теслой или xAI, в России всем правительством спасают пекарню «Машенька», Хаби Лейм продал сам себе права на создание своих ИИ-двойников, акции производителя унитазов растут из-за AI, а также лудомания Виталика Бутерина на Polymarket.

Удивительно, что про Telegram Cocoon почти нет практической информации, кроме той, что есть на GitHub и на официальном сайте. В разных СМИ много общей информации о запуске сети, но почти ничего о реальном пользовательском опыте.

Я решил потратить немного времени и разобраться, что на самом деле происходит в сети, как она работает и, самое главное, могу ли я как разработчик использовать её уже сегодня. Поэтому в этой статье я рассматриваю Cocoon с точки зрения разработчика: как установить и как пользоваться.

Современный мир переживает бум развития технологий искусственного интеллекта, помимо чат-ботов, сервисов генерации изображений и т.п. Искусственный интеллект (ИИ) применяется в беспилотных автомобилях, которые уже сейчас ездят по дорогам общего пользования. Это пример того, как ИИ управляет техническим средством, а именно, считывает данные с лидаров и видеокамер и т.п., анализирует их и формирует команды для задания направления и скорости движения автомобиля. На первый взгляд, это мало чем принципиально отличается от управления технологическим оборудованием на промышленных предприятиях. Почему же в современных АСУ ТП не применяют ИИ для формирования управляющих воздействий на исполнительные механизмы?

NVIDIA выпустила отчет о методе QAD, который позволяет квантовать LLM в 4 бита без потери качества на сложных задачах (математика, код). Разбираем, почему привычный QAT «ломает» модели после RLHF, как дистилляция через KL-дивергенцию решает эту проблему и почему метод работает даже на рандомных данных. Личный опыт попыток уместить 49B модель в железо и анализ нового подхода.

Вы знаете, что OpenAI сейчас переживает масштабную турбулентность. Драма в руководстве, хаос в совете директоров - полный набор. Но это не останавливает их от сброса абсолютных бомб.

OpenAI только что выпустила три крупных анонса одновременно. Первый может превратить ваш ИИ в личного врача. Второй может превратить вашего ассистента в сотрудника.

А третий?

Третий вариант потенциально может превратить всех в простых наблюдателей.

То, что вы сейчас узнаете об этом последнем анонсе, может заставить вас совершенно иначе взглянуть на вашу собственную работу.

Введение

В сети сейчас полно «гуру» и коучей, которые обещают запустить собственную LLM почти на ноутбуке. Да, это технически возможно, но обычно речь идёт о моделях в диапазоне от млн до млрд параметров. Такая модель будет работать, однако — медленно, и её практическая ценность будет ограничена. В результате многие пользователи разочаровываются в локальных LLM.

 В этой статье я расскажу, как пошагово развернуть собственный сервер для инференса LLM, чтобы получить действительно полезный инструмент.

 Зачем нужен локальный сервер LLM?

Продолжаем исследовать возможности технологии LLM для повышения эффективности работы человека-пользователя и работы человека-программиста. И делаем это в форме описания тулинга для мини-фреймворка core-kbt: опишем туториал как пользоваться базовыми теймплейтами для Obsidian Templater для развития текущих "знаний".

Всем привет!

Если вы ранее читали мои статьи, то знаете, что я занимаюсь вайбкодингом для разработки полезных в моей оффлайн работе инструментов на основе ИИ. Это не проф разработка, а скорее хобби с практическим применением.

Эта статья не будет про технику (хотя немного технических аспектов поведаю). Просто небольшой обзор небольшого инструмента, который я хочу отдать в массы.
Изначально я разработал этот инструмент (а точнее примитивный агент)  для своего знакомого дизайнера интерьеров. Ему требовалось решение, которое позволило бы согласовать с заказчиком общий визуальный стиль («вайб») и планировку еще до начала сложной технической работы. Инструмент нужен был максимально простой и с конкретным функционалом.

Проблема стандартного процесса в том, что между мудбордом (набором картинок) и первой 3D-визуализацией проходит слишком много времени. Клиент может отвергнуть вариант, на проработку которого ушло несколько дней.

Этот инструмент решает задачу быстрого концепт-дизайна. Он не заменяет профессиональный софт (3D Max, Archicad, Revit) и не делает рабочие чертежи. Его цель — за 5 минут показать заказчику фотореалистичный эскиз: как его комната будет выглядеть в выбранном стиле и с конкретной мебелью, сохраняя при этом геометрию стен.

Знаю, что людям нравится визуал и сразу начнем с него.

Как всегда, это история о политике, крови, грызне и скудоумных менеджерах.

Мне всегда казалось, что C# сильно лучше нашей Java (только LINQ expressions чего стоит — именно expressions, а не применения типа LINQ-to-objects). А в F# (тоже работает на .NET) есть нормальные провайдеры типов и другая функциональщина. И всё это работает чудесно, а не как Haskell, который несколько лет подряд сегфолтился на Windows, и никто это не чинил.

Но всё портит маниакальная борьба Microsoft с конкурентами и из-за этого отсутствие экосистемы вне продуктов Microsoft. Это отсутствие конкуренции и деградация. Какой дурак захочет связываться с технологией, из-за которой тебя может назавтра кинуть создатель этой технологии? Беда, C# нам тоже не подходит.

Способны ли нейронки делать самостоятельные открытия — на этот счет мнения ученых расходятся. Пока одни запускают инициативы вроде The Nobel Turing Challenge, другие применяют LLM в куда более приземленных сценариях. Мы в Beeline Cloud решили посмотреть, чего уже добились «ИИ-ученые» и как использовать их потенциал в мирных целях: в конце статьи есть подборка open source-инструментов, которые могут облегчить анализ и подготовку научных статей и исследований.

2 гигаватта вычислительной мощности. 55 000 GPU. 18 миллиардов долларов инвестиций в один объект.

Эти цифры взяты не из научной фантастики. Они описывают то, что происходит прямо сейчас в Мемфисе, штат Теннесси. И это лишь видимая часть стратегии, которая может переопределить, кто будет контролировать мировую энергетику в ближайшие пять лет.

Мы продолжаем говорить об ИИ, электромобилях, спутниках и роботах. Однако очень немногие видят, как все эти разные области связаны между собой. Но когда вы внимательно изучаете цифры, возникает одна реальность.

Возможно, мы наблюдаем строительство крупнейшей инфраструктурной монополии со времён Standard Oil. И на этот раз ставка - не нефть. Это энергия, которая будет питать искусственный интеллект XXI века.

Я покажу вам точную хронологию этой трансформации и объясню, почему такие гиганты, как Microsoft и Google, уже отстают.

Придумать первую задачу для AI было очень и очень непросто. Десятки статей на Хабре и в прочем интернете не помогали. Со временем все оказалось просто - надо было вывернуть мозг наизнанку и начать думать вероятностями.

Для настройки и сопровождения промышленного IoT уличного освещения нужна привязка к карте. Контроллеры и Шкафы управления - десятки параметров, их комбинаций, визуализация mesh-сети. Так и не получилось создать рабочую схему со слоями, позволяющую сделать карту действительно интерактивной.

С приходом новых технологий (n8n, AI агенты, Claude)  невозможное стало простым.

Чем сегодня измеряется популярность? Мемными картинками и вирусными роликами. Чем больше мемов, тем больше популярность. Это хорошо знают актёры: стоит только выйти новому фильму с Райаном Гослингом или Леонардо Дикаприо, как их образы тут же нарезаются на тысячи мемов. Но с появлением генеративных моделей теперь образ можно воспроизвести, сымитировать или «дособрать» из данных, не копируя ни одного конкретного кадра из фильма или видеороликов. Законы, построенные вокруг понятий оригинала и копии, оказались к такому не готовы.

На этом фоне поступок Мэттью Макконахи выглядит ранним симптомом системного сдвига. Вместо того чтобы бороться с каждым deepfake по отдельности или полагаться на разрозненные законы о праве на публичность, он решил зарегистрировать собственный голос, фразы и внешность как торговые марки. Фактически — превратить свою личность в формализованный бренд, защищаемый так же, как логотип или слоган компании.

Этот шаг важен как прецедент. Если личность можно юридически оформить как объект интеллектуальной собственности, то вопрос уже не в том, защитит ли это конкретного актёра от ИИ. Вопрос в том, что произойдёт с культурой, технологиями и самим понятием человека в цифровой среде, если подобный подход станет нормой.

Не имея возможности самостоятельно двигаться, Хокинг совершил самые невероятные путешествия в пространстве и времени. Он прожил на 50 лет дольше, чем предсказывали врачи, и использовал каждый из этих дней для поиска ответов на фундаментальные вопросы. Можно ли предсказать будущее? Превзойдет ли нас искусственный интеллект? Есть ли другая разумная жизнь во Вселенной?

Что ж, попробуем разобраться и мы.

Меня зовут Костя Дубровин. Я веду канал про книги.