Все потоки

Итан Сигел (американский астрофизик‑теоретик и научный журналист, автор рубрики «Спросите Итана», один из пропагандистов современных научных знаний), рассказывает удивительную историю Эйнштейна, который не показывал никаких успехов, по мнению его самого известного учителя, Германа Минковского. Но в итоге сам Минковский во многом стал известен именно благодаря Эйнштейну...

@avshkol перевёл эту статью, поскольку рассуждения о том бы ли Эйнштейн гением, не был ли, списал ли он свою теорию у более известных математиков, или сформулировал сам, постоянно возникают в интернет-дискуссиях. Статья показывает, какой сложный путь прошёл Эйнштейн, благодаря своему упорству, умению увидеть физическую природу явлений и облечь свои идеи в математическую форму (да, не без помощи своих коллег-профессиональных математиков).

Советский Союз был известен в том числе и тем, что в нём нещадно копировались камеры зарубежного производства. Но сложно представить иную камеру, которая бы именно в виде копии стала популярнее оригинала, создав целый культ на Западе и производящуюся до сих пор!

Обновили скрипты для продавцов, выпустили новый регламент по возвратам, запустили новую акцию. Проходит время, а продавцы продолжают оформлять возвраты по старинке, акцию не предлагают, на вопросы клиентов отвечают как придётся. Наверное, надо изменить подход? Разослать подробные инструкции, провести часовое обучение, продублировать напоминание. И снова итог не утешительный: процент ошибок по возвратам держится на прежнем уровне, конверсия по акции остаётся низкой.

Не так давно группа лауретов премии Филдса (математический анализ Нобеля) написали открытое обращение по поводу опасности решений математических задач, генерируемых ИИ.

Судя по комментариям к этой новости, многие ее поняли превратно — типа маститые математики опасаются конкуренции, и что их заменят роботы. Хотя подобные страхи имеют место быть, однако основное опасение не в этом. Решения от ИИ являются ущербными с точки зрения математиков... но почему?

Данная статья разбирает, что не так с доказательствами, полученными машиной (на самом деле все так, то есть в этих доказательств чаще всего нет логических ошибок), и чем именно они уступают доказательствам, придуманным людьми.

Коллеги, всем привет, меня зовут Алексей и это продолжение предыдущей статьи о проблемах с Ceph возникших после обновления.

Коротко напомню, прошлый раз, я столкнулся с проблемой добавления в кластер Ceph, нового монитора, последней версии и OSD. Как мне казалось тогда, проблема была с пакетами Ceph для Ubuntu 24.04, которые собирают разработчики Ceph, но все оказалось намного сложнее и интереснее. К решению меня подтолкнул наш коллега по habr, который оставил свой комментарий к предыдущей статье. Он дал наводку, что возможно это связано с Cephx и обновлением ключей. Он же и сподвиг меня к написанию продолжения. Надеюсь эта статья принесет пользу и может быть кому‑то поможет. Итак, поехали.

Прочитав документацию по Cephx, я обнаружил, что разработчики рекомендуют после обновления кластера до последней версии провести так же и обновление ключей, используемых для аутентификации и авторизации в Ceph.

В разгар холодной войны существовал настолько засекреченный специализированный компьютер, что остальной мир даже не подозревал о его существовании. Некоторые задачи он выполнял до 200 раз быстрее любого другого компьютера своего времени. Он служил главным криптоаналитическим процессором Агентства национальной безопасности США (АНБ) с Карибского кризиса 1962 года, всю войну во Вьетнаме и ещё после подписания Хельсинкских соглашений 1975 года. Машину остановили только тогда, когда её механические узлы окончательно износились.

Harvest имел огромное значение и благодаря своим возможностям, и благодаря эпохе, в которую работал. На протяжении 14 лет он обрабатывал самые секретные перехваты АНБ, в период, когда радиоэлектронная разведка по своему стратегическому значению уступала разве что ядерному оружию.

IBM спроектировала и построила Harvest специально для АНБ. Это была одна из первых машин, рассчитанных на обработку огромных непрерывных потоков данных. В этом смысле она стала предшественницей современных компьютеров, которые в реальном времени обрабатывают видеопотоки и обеспечивают работу систем безопасности. Кроме того, Harvest стал одним из первых компьютеров, созданных в виде дополнения к универсальной машине, специализированного помощника, который исключительно хорошо выполнял одну конкретную работу. В некотором смысле модульная архитектура Harvest была аналогом современных графических процессоров, которые берут на себя ресурсоёмкие задачи в играх и системах искусственного интеллекта.

Привет, Хабр! Сегодня поговорим о генетике и технологиях. Обе развиваются быстро, но неравномерно. Человеческий геном «прочитали» больше двадцати лет назад, а понять его до конца так и не удалось. Знать последовательность трех миллиардов «букв» ДНК — это одно. Разобраться, за что отвечает каждая из них, — совсем другое. В этом геноме сам черт ногу сломит. Возьмем, например, участки, которые не содержат инструкций для производства белков. Когда я учился в университете, их называли «мусорными». Они занимают около 98% генома, а последствия изменений внутри них до конца не понятны.

Сейчас в Google DeepMind решили во всем этом разобраться в рамках проекта AlphaGenome Atlas. И заодно просчитать все возможные замены одной «буквы» в человеческой ДНК. Таких вариантов набралось около девяти миллиардов. Почему — разберемся ниже.

В коллекции Яндекс Музея очень много игровых приставок, и около 20 из них выставлены в питерском филиале. Поэтому, когда мы водим экскурсии по истории игровой индустрии, о каких‑то экспонатах приходится упоминать мельком, а о каких‑то совсем не рассказывать.

Есть общепринятые столпы индустрии, без которых полноценный рассказ просто не сложится: Atari 2600, Famicom, NES, Sega Mega Drive, PlayStation и так далее. А есть консоли, о которых рассказать очень хочется, но не всегда получается в силу ограниченного времени экскурсии.

Иногда акцентировать внимание на одних экспонатах и обходить другие стороной приходится в зависимости от состава группы: например, семье с тремя маленькими детьми вряд ли будет интересен рассказ про PC Engine, а вот геймерам за 40 наверняка понравится более подробный рассказ про Dendy.

И когда обделяем вниманием приставку с длинным названием Panasonic FZ-10 R·E·A·L 3DO Interactive Multiplayer, становится как‑то особенно обидно. Этому устройству категорически не везло при жизни, и очень хочется воздать ему должное хотя бы сейчас — спустя 30 лет после того, как последняя 3DO сошла с конвейера.

Книга «Разработка приложений на базе больших языковых моделей» Сухаса Пая призвана помочь разработчикам закрыть разрыв между вызовом API языковой модели и построением реально работающего и конкурентного на рынке продуктового приложения. Книга разбирает LLM как компонент сложной системы — от устройства трансформера до RAG-конвейеров и агентов. Для разработчика или ML-инженера, уже прошедшего стадию первого прототипа, это полезное русскоязычное издание, где архитектура LLM-приложений разобрана шаг за шагом, без сведения материала к перечню промптов.

Что бы мы ни делали, в результате генерируются данные. А когда ничего не делаем, тоже генерируются – только другие. Все, что сгенерировали, потом анализируют, проверяют, изменяют, продают и используют для генерации новых данных. В 2026 году глобальный объем данных достиг 200 зеттабайт, около половины из них сгенерировал частный сектор.

При этом данные становятся разнообразнее и сложнее. Двадцать лет назад пользовательский клик фиксировался тремя полями: идентификатором пользователя, временем и самой операцией. Сегодня за тем же действием могут стоять запрос к нескольким сервисам, bounce rate, информация об авторизации, реакция на рекламу, пользовательские сценарии и куча чего еще. И чем больше появляется сценариев, тем больше данных нужно собирать и обрабатывать.

Привет, меня зовут Дмитрий Кузняков, я отвечаю за развитие платформы данных для BI-аналитики в Goodt (ИТ-холдинг LANSOFT), и в этой статье я расскажу, почему мы выбрали подход федерации данных для своего продукта Insight.

«Просто прикрутить вход через Steam и цены из маркета» — примерно так это выглядит из бэклога. На деле: OpenID 2.0 образца 2007 года вместо OAuth, звёздочка ★ в имени ножа, из-за которой одно и то же название готовится для двух соседних эндпоинтов противоположными способами, и цена, приходящая строкой в чужой локали. Собрал все проблемы в одном месте.

Мы разбирали, почему в нашем продукте люди включают режим, который включать не собирались. Перед этим стоит подтверждение с описанием последствий. Оно там появилось именно затем, чтобы этого не происходило.

Я посмотрел записи сессий и посчитал время между появлением окна и нажатием кнопки. Медиана - около трёхсот миллисекунд, и в интервал короче секунды попало больше четырёх пятых случаев. Прочитать текст за это время нельзя даже по диагонали.

Первым делом я предложил переписать текст короче и понятнее. Мы переписали. Время не изменилось.

Салют, Хабр! 

Меня зовут Маркос, я руковожу разработкой аппаратной части устройств Сбер, в том числе интеллектуальных колонок. Особенно их — я более двадцати лет занимаюсь исследованиями и разработкой в области электроакустики (включая разработку линеек активной концертной акустики одного из мировых лидеров индустрии). 

В новом поколении колонок мы поставили себе задачу дать её владельцам уникальный пользовательский опыт и выстроить свой фирменный звук. Так появилась мощная стационарная колонка СберБум 2.0. Устройство премиум-класса, звучащее как Hi-Fi начального уровня.

Сегодня расскажу об акустике колонки: почему у неё не семь динамиков, какой диапазон частот ключевой для стереоэффекта и чем наш пользовательский эквалайзер отличается от других.

Клубника — хороший пример задачи, которая для человека выглядит элементарно, а для робота оказывается довольно сложной. Человек практически одновременно видит ягоду, оценивает её спелость, понимает, где она находится в пространстве, просовывает руку между листьями и другими ягодами, берёт плод с подходящим усилием и отделяет его, стараясь не повредить.

Для робота каждый из этих шагов превращается в отдельную инженерную задачу.

И это не только учебная проблема. Современные обзоры роботизированного сбора отмечают, что сбор свежей клубники по-прежнему сильно зависит от ручного труда, а сама ягода сложна для механизации из-за мягкости, неоднородного расположения и риска повреждения. Отдельная проблема — перекрытие ягод листьями, стеблями и соседними плодами.

Miro продали в 13 раз дешевле оценки 2021 года, и я пошёл считать, что вышло из нашей попытки уйти от подписок. За год мы заменили Tilda, Confluence, Jira и Slack своим кодом, целей было две: экономия и гибкость. Экономии не получилось: по полной ставке сеньора и с учётом владения первый год ушёл в минус около 2 млн. Гибкость, кажется, получилась, и выяснилось, что трекер до рабочего состояния доводит не разработчик, а скрам-мастер. В статье цифры по четырём заменам, инцидент с уязвимостью в авторизации, который заставил поставить ревью второй нейронкой, и критерий из трёх вопросов, что переписывать не стоит.

31 августа прод моего приложения пролежал около часа.

Причина была обидно простой. Агент добавил в коммит все файлы из общей рабочей папки, вместе с чужой недоделанной работой. Потом сделал это еще раз. Во второй раз уже после того, как сам записал в правила, что так делать нельзя.

Дальше он начал чинить. Ошибка, правка, следующая ошибка, еще правка. Каждая починка тянула за собой новую поломку. Я посмотрел на это и написал: «верни просто старую версию» То есть откатись к последнему состоянию, про которое точно известно, что оно работало.

И тут поймал себя на странном ощущении. Я только что провел разбор инцидента. Ровно так, как годами делал это на работе с живыми командами. Мысль, которая крутилась у меня с июня, в тот вечер наконец сложилась: я не пишу приложение с ИИ. Я управляю департаментом.

Для описания архитектуры важно выбрать подход, который будет понятен всей команде. Одним из них является нотация C4, разработанная Саймоном Брауном.

Данная статья — это продолжение и значительное дополнение моей предыдущей статьи по C4, опубликованной в 2023 году. Здесь я детально разобрала для вас каждый уровень и элемент нотации, распространённые ошибки и спорные вопросы, а также инструменты для создания диаграмм, в частности графический редактор Draw.io и Structurizr для создания C4 через код.

Внутри — много схем, картинок и практических примеров для монолитной и микросервисной архитектуры, готовый код Structurizr и промпт для ИИ. Статья организована таким образом, чтобы вы могли открыть её, последовательно пройти все разделы и самостоятельно разобраться с C4.

Статья будет полезна системным и бизнес-аналитикам, архитекторам, разработчикам, менеджерам проектов и всем, кто участвует в проектировании архитектуры систем.

В прошлой статье я закончил на том, что следующая часть серии, скорее всего, уже выйдет за границы самого Obsidian‑плагина, в Companion и MCP. Вышла.

За это время Vault Audit AI успел обзавестись отдельным сервером, MCP‑интерфейсом для AI‑клиентов, механизмом предложений изменений и вторым репозиторием.

А потом стало понятно, что старое название уже довольно плохо объясняет, что вообще происходит. Поэтому теперь проект называется Veynrel.

Сам плагин при этом не был переписан с нуля. Существующим пользователям не нужно ничего переустанавливать, заново вводить API‑ключи или перестраивать semantic index. Я специально постарался сделать самый скучный ребрендинг из возможных с технической точки зрения.

Зато вокруг самого плагина стало заметно интереснее. Сейчас всё это в упрощённом виде выглядит так:

Почтовый аудит-лог Яндекс 360 отдаёт запись о событии структурой ответа AuditLogService_Mail, а в ней 22 поля (справочник Яндекс 360 API, сверка 10 сентября 2026 года). Тема письма и адреса участников среди них есть, а ни суммы, ни контрагента, ни номера договора нет. Ограничения распознавания и рекомендации к качеству входа я привожу по документации Anthropic, а дальше идёт моя инженерная логика: какой шаг создаёт недостающие поля и чего это стоит.

# Сторож на ESP32-CAM

Возникла следующая практическая задача: в ограниченном пространстве (узком коридоре, лестничном пролете или тамбуре), отследить активность, сделать фото пространства и уведомить пользователя, переслав фотографии в телеграм. При этом известно, что в месте наблюдения установлен бытовой датчик движения, который включает освещение.