Все потоки

или "Страшная сказка: продолжение"

Когда появляется очередной прогноз катастрофического характера, в ответ всегда поступают возражения определённых типов. Эти возражения повторяются из дискуссии в дискуссию и обычно строятся на исторических аналогиях («раньше тоже боялись, и всё обошлось»), идеологических убеждениях («рынок решит», «государство справится», «технологии всегда побеждают»), психологических защитах («это не может быть так плохо»).

Часть этих возражений содержит зерно истины — соответствующие исторические паттерны действительно работали в своё время. Но автоматическое перенесение паттерна из прошлого в настоящее — это методологическая ошибка. Условия меняются, и то, что работало в одной конфигурации, не обязательно работает в другой.

Начну наверное постепенный сбор таких аргументов и их разбор структурно: что в них верно, что устарело, какие условия должны быть выполнены чтобы они применялись, и почему текущая ситуация эти условия не выполняет.
(Ни для чего... просто из любви к искусству, так сказать)

Это инструмент для дискуссии — чтобы не приходилось каждый раз заново объяснять одно и то же скептику. А также это инструмент для самопроверки — если паттерн применим, прогноз должен быть скорректирован; если нет, нужно понимать почему.

Из моего отдела ушел ключевой специалист. Унес три года контекста. Я начал разбираться и обнаружил, что инструментов для измерения человеческой стоимости задачи не существует. Пришлось делать свой. Через полгода текучесть в команде упала до 10%.

Цепочка короткая: сначала был просто автокомплит, потом появились чаты, в которые надо было руками копировать код туда-обратно (и человек выступал прокси между моделью и проектом — «много ручной работы, контекст рвётся»). Потом пришли агенты, которые живут прямо в проекте, читают и правят файлы, запускают команды. Сверху — агентские системы, которые координируют нескольких агентов и решают проблему перегрузки одного контекста.

Где живёт агент: три класса инструментов

Многие умеют вызывать loss.backward() в PyTorch, но не всегда понимают, что именно происходит под капотом. Как сеть вычисляет, какой из миллионов весов нужно изменить? В этой статье мы развеем магию обратного распространения ошибки (backprop). Разберем алгоритм на простых аналогиях с заводским конвейером, вспомним школьное правило дифференцирования и, чтобы закрепить понимание, напишем свой микро-фреймворк для автоматического вычисления градиентов на чистом Python с нуля.

Асинхронная клиент-серверная библиотека для обмена сообщениями между микросервисами на базе ZeroMQ. Реализует гарантированную доставку сообщений (At-Least-Once) с персистентной файловой очередью при обрывах связи, автоматический failover сервера переадресации (клиенты могут подхватывать роль сервера на лету) и два уровня защиты: шифрование канала (CurveZMQ) и сквозное шифрование сообщений (HMAC). Лёгкая альтернатива брокерам вроде RabbitMQ, не требующая отдельного сервера.

За полтора года я перепробовала огромную вонючую кучу AI-сервисов для редакций. Большинство уже умерло за это время, ещё треть продаёт пустоту с красивым интерфейсом. А какие-то ребзя выжили и пашут вовсю – вот их и разобрала по 14 шагам анонимных алкоголиков работы с текстами. Половина блоков актуальна не только для СМИ. Фактчек, корректура, транскрибация, аналитика нужны всем, кто работает с текстами через нейронки. За грубость и неизящность заранее извиняюсь, уж как могу.

Я долго думал, что главное в IT — это спринты, доски задач и код без лишних встреч. Но после Techday 2026 понял: настоящие решения рождаются не в Jira, а в кулуарах, в метро и за кофе. Делюсь своим опытом — как офлайн-мероприятия меняют связи между командами и экономят энергию

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

Эта статья о том, как я хотел сэкономить несколько секунд при переключении системного прокси в Nekobox, а в итоге уже несколько месяцев пишу мини-программу для управления sing-box.

Началось с того, что для прокси на Windows я стал использовать Nekobox. Про гибкое раздельное туннелирование я еще не знал, и приходилось постоянно включать и выключать системный прокси, чтобы зайти то туда (сайт заблокирован), то сюда (сайт блокирует IP прокси). Много раз в час: клик по значку в трее, режим системного прокси, отключить (а потом обратно). И я подумал, что было бы удобнее просто кликать по значку. Ничего сложного — почему бы не реализовать? Начал я, конечно же, с рисования значка. Решил, что хорошо подойдет портал из «Рика и Морти» как метафора беспрепятственного перемещения между измерениями. Провел целый вечер в Procreate на iPad, замучился, устал и отложил затею на потом.

Всем привет! Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница на курсе «Аналитик данных». В этой статье я подробно расскажу про грейд «мидл аналитик данных»: кто такой мидл (сравнение с джуном и синьором); зачем повышать грейд — зарплата и конкуренция; что нужно знать и уметь — хардскилы; как прокачаться — пять способов.

Для работы с базами данных через наглядный UI-интерфейс есть много профессиональных инструментов. Но что если наоборот — нужен максимально простой способ? Чтобы просто посмотреть данные с фильтрацией по определенным параметрам, а затем отредактировать некоторые записи.

Вроде старого-доброго phpMyAdmin, но ещё проще, удобней и современней. Что-нибудь с дизайном, как в Airtable, но только с подключением к собственной базе данных PostgreSQL.

Хорошая новость — такой инструмент есть, и он называется NocoDB. И его можно без проблем поставить на собственный сервер, чтобы использовать без ограничений.

В этой статье разберём, как NocoDB может пригодится программисту в разработке, а непрограммисту — в организации личного или рабочего информационного пространства. Также посмотрим, как установить Ноко на своём сервере и начать с ним работать.

В техническом департаменте Иви есть отдел, который почти не пишет код. В этом интервью Мария Князева, руководитель отдела операционной эффективности, поделилась, как создавать такие процессы и инструменты, при которых сотрудникам комфортно и интересно работать, есть место творчеству и инициативе, а производительность только растет.

Начну с признания: истории формата «природа оптимизирует лучше людей» меня обычно раздражают, слишком уж часто это все притянуто за уши. Но с муравьями история действительно странная, и мне ее захотелось проверить.

Короткая справка по нашему герою. Аргентинский муравей Linepithema humile в миллиметр длиной, с глазами у него все плохо, а в мозге около 250 000 нейронов (у нас, напомню, 86 млрд). Карты местности он не помнит. 

В 1989 году четверо бельгийских биологов поставили этим муравьям простой эксперимент — гнездо, еда, два мостика, где один длиннее другого в два раза. Через несколько минут вся колония сошлась на короткой ветке в 100% прогонов. И все это без координатора, без плана и без голосования. 

Через три года этот эксперимент превратится в Ant Colony Optimization — алгоритм, который я сегодня натравлю на классический TSP-бенч и получу 0,10% отставания от оптимума. А в 2023, через 34 года после наблюдений в Брюсселе, тот же алгоритм вернулся на NeurIPS в качестве бэкбона для графовых нейросетей. Что же, приступим.

5-я статья из цикла туториалов о кастомизации своего бизнес-портала в Битрикс24.

Сегодня возьмём наш шаблонный репозиторий для AI-разработки и сделаем на его основе чат-бота. Боту можно написать в мессенджере и научить его делать разные полезные вещи: давать информацию по сделкам, задачам и другим деталям бизнеса. 

Ещё бот может обращаться к другим программам по API и возвращать данные оттуда, например курсы акций и облигаций.

Что было в предыдущих туториалах:

1 — Пишем первое приложение с AI-стартером, чтобы видеть прибыли и убытки
2 — Добавляем в бизнес-портал Битрикс24 роботов для автоматизации
3 — Что даёт воспроизводимая среда разработки и как развернуть контейнеры на VPS
4 — Анализ и модернизация коннектора баз данных с помощью AI-агентов

Привет, Хабр! Меня зовут Музафаров Данил, я работаю DS инженером в компании Raft. В этой статье я протестирую OmniVoice — Open Source TTS модель, вокруг которой сейчас много внимания, и проверю, насколько хорошо она справляется с русскоязычными бизнес‑сценариями: числами, датами, ФИО, аббревиатурами, смешанным русско‑английским текстом, а также длинной озвучкой.

В этой статье поговорим про концепцию «второго мозга»: что это такое, где хранить информацию и как ее использовать. Разберу, как собрать минимальную систему знаний в Obsidian, чем подход LLM‑Wiki от Andrej Karpathy отличается от классического RAG, и покажу практический пример реализации «второго мозга».

ИИ-индустрия второй год живет в режиме большой стройки. Крупные компании вроде OpenAI, Amazon и Microsoft обещают рынку все новые и новые кластеры, кампусы, все это с приставками гига- и мега-, а также сотни миллиардов долларов инвестиций в инфраструктуру.

Но не все идет гладко: дата-центр нельзя развернуть так же просто, как облачные сервисы. Его нужно подключить к сети, обеспечить трансформаторами, подстанциями, распределительным оборудованием, водой, разрешениями и согласованием с местными жителями. И тут выяснилось, что ИИ-бум упирается как в дефицит и цены чипов, так и в куда более приземленные вещи: многотонные трансформаторы, электротехническую сталь, медные обмотки и очереди на оборудование до конца десятилетия. 

Тут возникает конфликт: компании обещают резкий рост, а аналитики и журналисты все чаще показывают, как сдвигаются сроки, площадки остаются полупустыми, сети не готовы к гигаваттным нагрузкам, а критическое оборудование приходится покупать у Китая. Это, кстати, самая больная тема для США, потому что американские компании уже несколько десятилетий не вкладывались в экспертизу тяжелых трансформаторов, без которых мегаЦОДы работать просто не смогут.

Последняя громкая новость — исследование SynMax, аналитической компании из Техаса, которая изучила спутниковые снимки крупных площадок под дата-центры OpenAI и Oracle. Их вывод быстро разошелся по СМИ: почти 40% американских ЦОД не смогут сдать к сроку — их должны построить уже к концу 2026 года.

Получается странная картина: самые дорогие модели мира, самые мощные GPU и самые амбициозные планы по ИИ зависят от оборудования, которое нельзя быстро произвести, заменить и нельзя просто заказать с запасом, если ты не забронировал производственные слоты несколько лет назад.

Разберемся, что именно увидели аналитики, почему Bloomberg говорит о трансформаторах, где сходятся разные исследования и почему задержки дата-центров могут стать одним из главных финансовых рисков текущего ИИ-цикла.

Фраза «нам надо поговорить» и в жизни редко предвещает что‑то приятное. А на работе — чаще всего значит «сейчас тебя покритикуют, соберись».

Руководители используют обратную связь как инструмент давления. Или наоборот — смягчают до бессмысленности. Некоторые считают, что обратная связь вообще не нужна: «взрослые люди сами поймут».

Статус 200 OK коварен своей тривиальностью.

Бэкенд-тесты «зеленые», API честно отдает данные, а веб-клиент мгновенно подхватывает изменения. Кажется, что всё в порядке, но в это же время мобильные клиенты теряют работоспособность. Приложение не выдает сетевых ошибок, оно просто не может корректно обработать обновленный DTO: клиент ожидает одну структуру данных, а получает другую.

Это не баг логики сервера, а технический разрыв между живым API и замороженным артефактом — версией приложения, которая ничего не знает о правках в схеме данных, сделанных через полгода после его релиза.

В разработке нативных приложений этот рассинхрон неизбежно приводит к «генеральскому эффекту». Когда у руководства в дороге внезапно перестаёт работать ключевая функция или во время важной презентации интерфейс ведёт себя непредсказуемо на глазах у инвесторов, даже самая детальная диагностика превращается в посмертный эпиклиз.

Мониторинг здесь работает безупречно: мы видим алерты в реальном времени и получаем подробные стек-трейсы. Но толку от этой прозрачности мало, когда сделка под угрозой, а пользователь остался с нерабочим инструментом, катастрофа уже случилась.

Я Алексей Матвеев, директор по мобильным технологиям в «Первой Форме», и в нашей компании, к сожалению, такое тоже происходит. Чтобы ловить такие расхождения до релиза, нам же был нужен прогноз совместимости до того, как изменения на бэкенде затронут пользователей. Мы создали прозрачный конвейер самодиагностики, который подсвечивает нестыковки в данных еще на этапе тестирования бэкенда, гарантируя корректную работу тех версий приложения, которые уже живут на устройствах пользователей. В статье расскажу подробно, как устроено это решение.

Я в Termux (планшет, смартфон) пытаюсь понять, как из нескольких строк на чистом Си рождается свободная и не зависимая личность - Нейрон.

Этот проект об искусственном интеллекте, который начался не с установки библиотек, а с чертежа в тетради. Здесь машинное обучение - это не абстрактный т тоермин, а физическая подстройка " Виртуальных резисторов ".

На нахожусь на периферии трёх миров :