Это уже становится немного смешным (нет), но поток новостей о новых проделках роя нейронок OpenAI в мае-июле не прекращается – буквально каждую неделю мы узнаем об этом что-то новое. Причем, сама компания предпочитает эти инциденты замалчивать – но тут уж поможет начавшееся расследование от Сената США.
В последнее время на стыке LLM и математики происходит много всего интересного и даже скандального. Что делать математикам с этой LLM-лавиной? Погребёт ли она математику или изменит её так, что и представить сложно?
@avshkol перевел этот пост от 13 сентября 2026 года математика Нестора Гильена, опубликованный в блоге Теренса Тао. Математика и программирование первыми столкнулись с напором LLM, и этот опыт будет полезен и в других отраслях и сферах деятельности, если завтра LLM и корпорации, которые их создают, устроят и в них "ИИ-революцию".
Да, и прочитайте на эту тему на Хабре перевод тезисов доклада самого Теренса Тао: Математика в эпоху ИИ: публичная лекция Теренса Тао на Международном конгрессе математиков 24 июля 2026
Уже много лет я собирался написать статью про образование в ИТ. Накидывал куски текста, а собраться и оформить так и не получалось. За это время мир успел сделать сальто пару раз, приземлиться в итоге не то чтобы на ноги... ну в общем, приземлился, и, похоже, нас ещё ждёт тройной тулуп в ближайшие годы. Почти всё, о чём я думал год, два, три, пять лет назад, потеряло актуальность. Или я сам устарел. Или и то и другое.
Я работал над архитектурой LibreDB Studio — IDE для баз данных на TypeScript, которая поддерживает несколько SQL/NoSQL баз данных.
Работая над слоем провайдеров, я пришёл к довольно строгой архитектуре провайдеров, чтобы сделать добавление новых баз данных безопаснее и сократить объём основного кода, который нужно менять.
Я написал об этой архитектуре здесь:
https://libredb.org/blog/building-universal-database-provider-typescript/
Текущий процесс добавления провайдера задокументирован здесь:
https://github.com/libredb/libredb-studio/blob/main/docs/ADDING_A_PROVIDER.md
Архитектура работает достаточно хорошо, но у меня возник более широкий вопрос.
Сейчас добавление нового провайдера по-прежнему означает добавление его в основную кодовую базу Libredb-Studio. В конечном итоге я хотел бы перейти к чему-то более похожему на экосистему плагинов:
Это уже не первый мой эксперимент с оживлением перехода графических форм. Мой первый эксперимент был с кривыми Безье: Шрифт на кривых Безье на микроконтроллере, затем с матричным шрифтом Матричный шрифт с анимацией на микроконтроллере. В этот раз наблюдение за чужим проектом навело меня на мысль об анимации Game of Life. Почему именно Game of Life - точки рождаются и умирают в непосредственной близости друг от друга, что позволяет построить автоматические переходы между ними.
Оверинжиниринг — это прошлый век. Я работаю в жанре «эпатажный инжиниринг»: у девайса ровно одна функция, а выглядит он как пульт управления инопланетным кораблем. Я обожаю игривую ретрофутуристичную эстетику и в этом проекте выкрутила её на максимум.
Ну и я люблю играть в «Виселицу».
JSON Schema - стандарт для описания JSON. Standard JSON Schema - стандарт для… Нет, это не опечатка и не один и тот же стандарт дважды.
Когда я начинал делать VibeLing, то был уверен — чем больше свободы дает продукт, тем он лучше. Поэтому вместо готового курса сделал приложение, в котором каждый сам решает, что ему учить. Но когда пошел поток пользователей, выяснилось, что проблема была совсем не в количестве возможностей. Большинству не хватало самого простого: понятного следующего шага.
Почему ИИ нельзя внедрить как ERP, нельзя раздать как Office, и что тогда остаётся
В ТЗ на «внедрение ИИ» перед самым конкурсом вписали маленький пункт: перевести перевод внутренних документов с ПРОМТа на нейросеть. Документы конфиденциальные, в облако нельзя, а то, что влезает в закрытый контур, испытаний не проходит — и контракт на десятки миллионов повис на одном абзаце. Разбираю, почему ИИ нельзя внедрить как ERP и нельзя просто раздать как Office, что реально влезает в контур (с ценами в рублях), и как мы вытащили задачу из клетки, которая не закрывается ничем.
В одной крупной финансовой компании, где я работал системным аналитиком, технические задания оформляют не в Confluence и не в Word...
Как выбрать лучшее средство для разработки приложений? Такой вопрос может возникнуть не только в IT компании, но и в учебном заведении. Автор попытался критически взглянуть на пройденный им путь по выбору low-code платформы для учебного процесса МЭИ.
Истории о проделках роя ИИ-агентов выходят каждый день – и за хайпом легко пропустить интересные детали. В этом материале я хочу заострить внимание на одной подробности: героических самопожертвованиях агентов.
В прошлой статье я рассказывал о скрытом баге: ИИ‑агент в проде заказчика тратит токены, генерация закрывается со статусом «успех», а клиенту уезжает пустая строка. Тогда я обещал разобраться и починить. Обещание выполнено: причина найдена, правки встали в воркфлоу, счётчик пустых ответов уже 7 дней — чисто. Баг получил имя Reasoning Lock. Теперь подробно о нём: симптомы, «расследование по этажам», механика и «лечение» — в общём в стиле детектива :-)
Напомню, что строю ИИ‑агентов на self‑hosted n8n. Герой статьи — агент в проде заказчика: по ночам принимает заявки в Instagram Direct, ведёт диалог, собирает анкету и создаёт/обновляет сделку в amoCRM. Стек агента: n8n + Redis + LangChain, LLM основная — DeepSeek V4 Pro через OpenRouter, резервная — недавно поменял на Qwen3.8 Flash.
Предыстория: два периода, две природы отказов
История началась задолго до самого бага. С конца июня (установил в прод агента в первых числах июня если точнее быть) отказы случались двух периодов, и разница между ними = ключ к пониманию.
Период первый = тесты и запуск: инфраструктура. Первые «пропавшие ответы» пользователям имели вполне земную природу: ограничения Meta — потери вебхуков, окно ответов, двойные доставки. Как это чинилось (мгновенный 200 OK, буфер на Redis, дебаунс) — разобрано в первых двух частях. К продакшену этот класс закрыли.
Период второй — последние два месяца: промпт. Система стабилизировалась, и правки от заказчика посыпались в системный промпт... (( Под живую бизнес‑логику: инструкция по пересылке оплаты пользователем, отдельные сценарии ответов для VIP‑клиентов (абзаца два, которые под каждое «фи» постоянного клиента меняли по несколько раз), уточнения формулировок после каждого спорного диалога. Каждая правка по отдельности естетсвенно правильная и рабочая. Суммарно же промпт разросся до где то 6.4k токенов, и плотность запретов («КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО», «Отправь СТРОГО этот текст») стала максимальной за всю жизнь системы.
На написание данной статьи меня вдохновила встреча с А.М. Семихатовым. Мне удалось на протяжении 2 часов пообщаться с Алексеем Михайловичем, задать ему вопросы. Некоторые отрывки из этой беседы я выложил у себя на Youtube. Если вам интересно, как вообще мне удалось организовать эту встречу и пообщаться с Алексеем Михайловичем, то могу рассказать об этом подробнее в комментариях. А сейчас хотел бы поделиться некоторыми инсайтами и впечатлениями о физике нашего мира, которые у меня возникли после того разговора.
Наш мир очень странный. Точнее даже не «наш» мир, а вообще весь в принципе тот единственный мир (даже если внутри него бесчисленное множество параллельных вселенных), в котором мы живем.
Вот мы видим что-то вокруг себя. Лес, траву, небо, машины, здания, людей, предметы. Всё это состоит из молекул, а те — из атомов. Атомы, в свою очередь, состоят из субатомных частиц. И вот тут начинаются странности. Все квантовые частицы, из которых словно выстраивается весь воспринимаемый нами мир, не обладают привычными нами свойствами. Вообще. Никакими.
Алексей Михайлович приводит пример с электроном, утверждая, что всё, что верно об электроне, верно и для других квантовых частиц. Так вот электрон не имеет положения в пространстве. Он не находится где-то. У него просто нет такого свойства. Он не занимает точку в пространстве. Он вообще не занимает никакого объема в пространстве. Ноль. Ничего. При этом электрон — не ничто.
Более того. Электрон не имеет траектории. Он никуда и ниоткуда не летит. Он не движется и не оказывается где-то. Мы «находим» его «где-то» в соответствии с расчетами, осуществляя коллапс волновой функции при измерении. Но до коллапса электрон был везде и нигде, никуда не летел и ниоткуда не прилетел в ту точку, где волновая функция коллапсировала.
За последние годы произошло несколько утечек, когда посторонние лица получали доступ к видеопотоку с домашних камер наблюдения через облачные сервисы Ring, Nest, Wyze и т. д. Утечка или взлом облачного сервиса — это угроза для многих пользователей.
Поэтому энтузиасты криптографии и открытого ПО разработали альтернативное решение — самодельные камеры видеонаблюдения со сквозным шифрованием потока от камеры до смартфона.
В магазине играла «та самая» песня — но это была не она: та же композиция, переигранная заново и на два с половиной тона ниже. Авторское право защищает выражение, а не идею, — но пересборка не отменяет прав на само произведение. Разбираю, что это значит для авторов в эпоху ИИ.
Мы рассмотрим новые возможности рефлекС++ии для проектирования сверхбыстрого JSON. Вашему вниманию представляется библиотека yolo-json, позволяющая интегрировать знания о прибывающих JSON (порядок полей, размеры и т.д.) в удобной манере для достижения высокой скорости парсинга.
Как полусырой код может обойти simdjson? Давайте разберемся.
Физические особенности биологических систем позволяют сделать выводы о перспективах искусственного интеллекта.
Мы собирались начать автоматизацию закупок с одного завода: провести пилот, отладить решение и потом тиражировать его на остальные предприятия. План выглядел профессионально и безопасно – пока директор по закупкам не оценил пересечение процессов четырёх заводов в диапазоне 40–60% в зависимости от площадки и участка процесса. Это был не формальный расчёт, а суждение человека, который видел закупочную работу всех предприятий. Его хватило, чтобы увидеть риск: один завод не был уменьшенной копией остальных. Выбрав его пилотом, мы могли сначала автоматизировать значительную часть локальной специфики, а затем переделывать решение при каждом тиражировании.
Ночью, около двух по московскому времени, сервер просыпается и запускает конвейер. Сначала сервис идёт в Telegram и скачивает новые сообщения из чатов, которые пользователь отметил галочками. Через час стартует второй воркер и превращает эти сообщения в память: режет на куски, гоняет через DeepSeek, раскладывает по таблицам, выгружает в markdown-файлы. К утру у человека появляются дополнительная информация в сервисе второй памяти.
Сервис второй памяти - это не просто история переписки. Через полгода можно спросить «какой бюджет мы тогда согласовали на поездку» и получить ответ со ссылкой на конкретное сообщение в конкретном чате.
Как ни странно, почти вся моя работа по созданию сервиса была не в работе с LLM.
Вектором для кибератак все чаще становятся обычные собеседования. Злоумышленники используют дипфейки, чтобы выдавать себя за реальных кандидатов и рекрутеров, или распространяют зловреды под видом тестовых заданий — присылают «безобидный» код или пакет-зависимость, при запуске которого на устройство жертвы устанавливается вредонос. Сегодня мы в Beeline Cloud решили обсудить, какие методы используют фейковые соискатели и рекрутеры, как распознать злоумышленника «по ту сторону резюме» и при чем тут ИИ.