Будущее здесь

После публикации «IT-2025: Реквием по здравому смыслу» произошло то, что обычно происходит, когда тыкаешь палкой в муравейник. Комментарии взорвались, личка — тоже.

Но среди потока сообщений было одно, которое заставило меня остановиться.

Не от джуна, которого в сотый раз завернули на собеседовании. Не от сеньора, уставшего объяснять, почему Java и JavaScript — это не одно и то же. И не от "эффективного менеджера", обиженного за свои миты.

Письмо пришло от человека, который двадцать лет работает в самом сердце системы найма. Карьерный консультант, была директором вузовского центра карьеры. Работала с лидерами IT-рынка, когда рынок ещё был рынком, а не казино. Сейчас — принимает тех, кого это казино выплюнуло.

Я ждал хейта. Я ждал, что мне объяснят, как я неправ и ничего не понимаю в "современных HR-практиках".

Вместо этого мне сказали: ты ещё оптимист.

Оказывается, всё, что я описал — абсурд найма, гонка алгоритмов, смерть экспертизы — это не болезнь IT. Это симптом. IT просто первыми попали в реанимацию. Остальные стоят в очереди.

Привет, это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий. 

Неделя выдалась насыщенной: Z.AI выпустили GLM-4.7-Flash — сверхлёгкую модель для кодинга, которая обходит конкурентов, Google научил Gemini заглядывать в ваши фото и почту, Suno теперь генерит мэшапы, а OpenAI добавляют рекламу в ChatGPT. 

Всё самое важное — в одном месте. Поехали!

После выхода статьи «Сайдлоадинг и оффлоадинг: cоздание цифровых моделей личности с помощью сверхбольших промптов для LLM» у многих (в том числе и у меня) появились вопросы к автору идеи Алексею Турчину.

Неожиданно я узнал, что мы живём в одном районе, и Алексей согласился дать интервью и ответить на вопросы.

Споры о том, «убивает» ли ИИ креативность или, наоборот, усиливает её, обычно сводятся к эмоциональным полюсам. Но если смотреть прагматично, картина проще: генеративные модели ускоряют этап производства вариантов, а ключевые риски и ключевая ценность лежат на этапе оценки. Именно там проходит практическая граница креативности и именно там ИИ пока слабее человека.

Команда AI for Devs подготовила перевод большой статьи команды Cursor о том, как эффективно работать с агентами для написания кода. В материале разбираются практики планирования, управления контекстом, ревью, параллельного запуска агентов и делегирования задач в облако.

Мы живем в 2026 году, когда технологии позволяют оценить глубину и оригинальность текста, но крупные площадки по большей части все еще живут по старинке и судят о качестве по числу лайков и частоте публикаций. Отсюда мы наблюдаем фундаментальный системный сбой, который медленно убивает сложный технический контент.

Хайп не умер — он просто стал дорогим, скучным и незаметно заменился гораздо более опасным беспорядком.

Становится всё сложнее игнорировать смену настроений.

Не потому, что ИИ внезапно перестал работать. Не потому, что модели стали хуже. А потому, что магия испарилась, и кто-то наконец открыл панель расходов.

Год назад всё было про ИИ. Каждое демо, каждый стартап-питч, каждый README на GitHub. Можно было налепить «работает на LLM» на недоделанную функцию, и люди аплодировали, как будто вы изобрели электричество. Ощущение было, как будто нашёл читы в игре, в которую гриндил годами.

Теперь? Те же демо встречают тихим кивком. Круто. Интересно. Сколько это стоит? Насколько быстро? Кто это поддерживает?

Неуверенность в завтрашнем дне, отсутствие финансовой безопасности и ощущение постоянной утекающей жизни, похоже, являются повсеместными проблемами для современного человека. И на этом фоне многие повседневные процессы незаметно геймифицировались, рейтинги, «дни без инцидентов», KPI и бесконечные апдейты.

Но действительно ли знания снижают тревогу? Или мы просто наращиваем стек технологий, пытаясь компенсировать фундаментальную неопределённость?

Любая правовая система, по сути, набор протоколов, которые защищают ценности более высокого уровня. В идеале в демократическом обществе эти протоколы должны отражать ценности большинства, но на практике это не всегда так.

Формально законодатель говорит: каждый имеет право искать, получать и распространять информацию. На практике же всё время возникает конфликт:

Казалось бы, рынок AI-музыки уже окончательно поделен. С одной стороны у нас есть народный любимец Suno, а с другой - Udio, ставший выбором аудиофилов и тех, кто готов часами крутить ползунки настроек ради идеального звучания. Мы уже привыкли, что новые сервисы появляются чаще, чем JavaScript-фреймворки, и обычно проходим мимо очередной кнопки шедевра. Но тут мне в руки попала ссылка на Producer.ai. Я лениво кликнул, ожидая увидеть очередной стартап-однодневку, но в адресной строке мелькнуло предательское «?from-riffusion=true».

Стоп, тот самый Riffusion? Если вы в теме нейросетей дольше полугода, что в нашем безумном мире равносильно званию почетного ветерана, вы наверняка его помните. Это был тот самый дерзкий проект, который генерировал музыку, буквально рисуя её спектрограммы как картинки через Stable Diffusion. Это было странно, это было максимально гиково, и звучало это, честно говоря, как модем, который пытается напеть джаз после тяжелой смены. Но именно это было началом всего.

И вот они вернулись. Сменили уютное худи на дорогой корпоративный костюм, назвались солидно Producer.ai и явно метят в высшую лигу генеративного аудио. Сегодня мы разберемся, действительно ли дедушка выучил новые трюки и способен ли он тягаться с гигантами в 2025 году. А может, это просто попытка продать старую технологию в новой обертке тем, кто не умеет читать URL-адреса? Заваривайте чай и расчехляйте уши, даже если по ним, как и по моим, прошлось стадо медведей, ведь мы начинаем наш обзор.

Приятного чтения!

Языковые модели пишут код, сочиняют стихи, сдают юридические экзамены. Но вот в чём парадокс: они не понимают ни слова из того, что говорят. Потому что они просто предсказывают, какое слово должно идти следующим. А люди учатся иначе — мы познаём, как устроен мир, как объекты движутся и взаимодействуют в пространстве. Модели так не могут. Именно это фундаментальное ограничение объясняет, почему эпоха безудержного хайпа вокруг ИИ подходит к концу. 2026-й станет годом отрезвления.

Реклама - это лишь симптом более серьёзной проблемы

На этой неделе OpenAI объявила, что начнёт тестировать рекламу в бесплатной версии ChatGPT. Это означает, что если я плачу - я в безопасности. Это также означает, что меня заставляют платить, чтобы быть в безопасности. Это также означает, что если я не могу или не хочу платить, инструмент, который я использовал в качестве помощника три года, будет заботиться о чужих интересах прежде моих.

Встреча с одним моим старым другом, имеющим собственный логистический бизнес, напомнила мне о том, что руководители привыкли размышлять масштабными величинами, например — «склад» и «транспорт». То, что между ними есть еще целый ряд других систем, подчас оказывается сюрпризом. 

Именно в разговоре с ним я в очередной раз убедился, как недооцененное управление двором (YMS) становится «слепой зоной» даже для опытных руководителей. Давайте разберемся, почему эта система — не просто удобный инструмент, а фундамент эффективной логистики.

По результатам проведенного LogistiX в 2025 году опроса, из 380 компаний (Российская Федерация), которые запланировали автоматизацию склада, только 32 компании имели систему управления двором, и 80 компаний предполагали ее установить в будущем. Это приводит нас к тому, что более 70% компаний из этой выборки теряют десятки миллионов рублей в год, даже не имея плана, как исправить эту ситуацию.

Ранее в статье "Почему нейросети не заменят прикладных специалистов: простая логика против вероятностных подходов" рассматривались общие вопросы поиска решений управляемого данными. Кратко: это механизм динамического связывания отдельных фрагментов решения в виде информационных блоков в последовательности для определения запрошенных параметров. Эта информационная технология, основанная на простой логике, позволяет оперативно вести диалог с пользователем, используя накопленные в процессе поиска решения данные. Для того чтобы общаться с системой на естественном языке необходим терминологический словарь предметной области.

В статье рассматривается роль терминологического словаря в процессе поиска решений, требования к составу словаря и содержанию словарных статей. Именно словарь позволяет описывать фрагменты решения на естественном языке и создавать прикладные приложения с минимальным привлечением специалистов по информационным технологиям. Отдельное внимание уделяется важности указания иерархических связей терминов, которые по своей сути являются параметрами решаемой задачи.

Терминологический словарь - важный компонент экспертной системы, к созданию которого предполагается привлекать прикладных специалистов узкого профиля.

ПРИМЕЧАНИЕ. В качестве примера выбрана реальная задача из медицинской практики связанная с назначением антирабической помощи. Антирабическая помощь необходима для исключения заболевания бешенством после контакта с домашним или диким животным. Бешенство смертельно опасное заболевание. От правильности врачебных назначений зависит жизнь обратившегося за медицинской помощью. Имеется инструкция, регламентирующая действия по оказанию антирабической помощи, которая и является первоисточником базы знаний. Несмотря, на кажущуюся простоту выбор лечения (профилактики) требует чёткого анализа ситуации и учёта многих факторов. Экспертная система в диалоге управляемом данными не позволит ничего пропустить и предложит безошибочное решение.

Доброго времени суток, «Хабр»!

Нейросети пишут дипломы, рисуют картины, создают разные компьютерные программы, генерируют новости - и это лишь малая часть того, на что они способны сегодня. Мир стремительно погружается в эпоху искусственного интеллекта. Но этот бум порождает множество вопросов относительно правового статуса такого творчества.

Сегодня обсудим проблемы авторского права применительно к современному искусственному интеллекту. Примите стратегически удобное положение, ну а я приступаю к повествованию.

Искусственный интеллект уже давно перестал быть исключительно инструментом добра. Он помогает врачам ставить диагнозы и разработчикам писать код. Но теми же самыми возможностями всё чаще пользуются злоумышленники. 

При этом барьер входа в кибератаки резко снизился: чтобы создать вредоносную кампанию, больше не нужно быть тёмным хакером со знанием всевозможных языков программирования. Достаточно пары нейросетевых сервисов и минимального понимания, как устроена социальная инженерия.

В этом материале поговорим, как искусственный интеллект приносит пользу не только добрякам, но и злодеям. Разберём, как злоумышленники используют ИИ и какие мошеннические схемы применяют, обсудим практические способы противодействия кибератакам и порассуждаем о будущем. Поехали 🤖

Я живу совсем недалеко и от студгородка ННГУ и от «старинных», первых корпусов – это всё центр Нижнего Новгорода. Когда я рассматриваю старые фотографии проспекта Гагарина (до того, как он им стал), мне сложно представить, что эти пустынные рельефные территории на высоком берегу Оки быстро заселились корпусами, садами, инфраструктурой и вот уже много-много лет я, мои одноклассники, наши родители, а у некоторых уже и дети ходим по дорожкам, где авторы аккуратных надписей красочно рассказывают о своих факультетах, а заодно незримо сражаются за звание СЛФ. Но мы-то знаем, что СЛФ – это тот, который ты закончил.

Как человек, постоянно нет-нет, да и связанный с вузовской сферой, я прекрасно знаю, что вуз изнутри определяет многое: сами студенты, преподаватели, атмосфера, дух, состояние корпусов и общежитий… Но главный, кто определяет жизнь вуза, – это ректор. Ситуация простая: если человек пришёл в вуз, смог в него врасти и в то же время привнести что-то своё, характерное, новое, свежее, не ломая при этом того, что сложилось, - ректор на своём месте и у них с вузом всё получится. Ректор ННГУ Олег Владимирович Трофимов именно такой. И, кажется, это первый ректор крупного российского вуза, который рассказал о своём университете специально для Хабра, без перепечаток, компиляций и скучного официоза. Просто сели – и поговорили.

Плагин KodaCode для IDE от JetBrains — это, пожалуй, самый ожидаемый из наших инструментов, о котором нас спрашивали с первого дня релиза. Мы не спешили: запускали закрытую тестовую группу, собирали обратную связь, дорабатывали UX и теперь готовы открыть доступ всем желающим.

Начиная с сегодняшнего дня KodaCode доступна в любой IDE от JetBrains, а также работает в GigaIDE и OpenIDE. Никаких ограничений по регионам — устанавливаете плагин и начинаете работать в привычной среде разработки.

Правду говорят, что «грешникам нет упокоения». Именно поэтому производители гаджетов и техноблогеры собираются в Лас-Вегасе, в свой первый рабочий день после Рождества.

«CES» – это крупнейшая в мире технологическая выставка потребительской электроники. Она настолько большая, что ее не может полностью вместить выставочный центр «Las Vegas Convention Centre». Поэтому выставка берет в свое распоряжение еще множество гостиниц, расположенных вдоль «Стрипа».

Как и всегда, мы находимся в гуще события. Посещаем каждый закоулок выставки, чтобы выявить лучшие и наиболее передовые технологии, которые будут продаваться в 2026 году. А тут чего только нет! От ошеломляющих телевизоров до чудоковатых роботов, которых не захочется держать даже дома.

Предлагаем вашему вниманию устройства, которые мы посчитали лучшими на выставке «CES 2026».

Владимир Крылов, профессор математики, научный консультант Artezio и один из самых глубоких русскоязычных экспертов по применению ИИ в разработке, дал интервью по итогам года. Мы поговорили о том, почему reasoning-модели галлюцинируют вдвое чаще обычных (и это математически неизбежно), почему OpenAI объявил «код красный» и отстаёт от Google, и правда ли, что программисты, умеющие писать код только руками, скоро вымрут как вид. Спойлер: Паваротти не умел читать ноты, и это кое-что говорит о будущем vibe-coding.

Владимир Крылов регулярно проводит лекции о практическом применении LLM в разработке на канале Ai4dev. Если хотите разобраться в теме глубже, чем позволяет это интервью в блоге ЛАНИТ, подписывайтесь.

Кажется, в мире нейрогенераторов сейчас настоящая гонка вооружений. Каждый месяц выходит новая модель, каждая громче предыдущей кричит о “прорыве”, “фотореализме” и “понимании контекста”. OpenAI, Google, Black Forest Labs, Midjourney – все хотят быть первыми. Но кто из них действительно умеет работать со сложными, многосоставными сценами?

Мы решили не гадать, а провести честный эксперимент. Взяли один мегапромпт – с девушкой, двумя необычными спутниками, инопланетной атмосферой и кучей деталей – и прогнали его через пять топовых нейросетей 2026 года. Что получилось? Кто‑то блистательно справился, а кто‑то просто нарисовал милую открытку, проигнорировав половину условий.

Это не просто обзор – это битва алгоритмов, где победит тот, кто не просто рисует красиво, а думает, как художник. Итак, запускаем генерацию – и смотрим, чья нейросеть действительно готова к полету на другую планету в компании Крокодила и Зебры.

Включаем воображение и начинаем тест!