На чём будут учиться нейросети дальше в 2026-2027, если публичные Q&A-площадки (вроде StackExchange/Stack Overflow "высыхают". Небольшая исследовательская заметка какие источники данных будут доминировать в 2026–2027, и почему “интернет как датасет” заканчивается в привычном виде.
Пока на Хабре пишут очередной лонгрид о том, почему нейронки «никогда не заменят настоящего инженера», EPAM и intive молча переводят 50 000 своих сотрудников на AI-рельсы.
Спойлер: поезд уже ушел. Вы либо в нём, либо стоите на перроне и кричите, что «код грязный».
Ну, грязный. А ваш прям чистый?
Программирование привело меня в режиссуру, а режиссура (и преподавание) привели в психологию (см.предыдущие статьи). Ещё во времена знакомства с первыми компьютерами у меня возникло ощущение – взаимодействия software и hardware очень похожи на взаимодействия сознания и тела. В этой публикации я попробую прокомментировать свою статью (ранее публиковал её на профессиональных ресурсах психологов) о функционале обиды через эти аналогии.
— Расскажите, пожалуйста, о родителях, — начинаю, выслушав клиента на первом занятии, вникать в его ситуацию,
— Опять детство разбирать... — капризно и разочарованно тянет клиент и уже в этом он похож на маленького мальчика лет 3-4х.
— А можно, мы не будем лезть в детство? — с той же интонацией говорит новая клиентка на другой консультации. И тоже в этот момент становится похожей на 3-4летнюю девочку.
Ещё один вариант реакции:
— Ну, почему вы все, психологи, в детстве обязательно копаетесь? Прошлое не вернёшь и не переделаешь.
Для поиска ответа попробуем разобраться, как растёт человек, как формируется его психика.
В первые недели жизни младенец способен выражать только самые примитивные эмоциональные состояния — крик, плач. К концу месяца у него начинает появляться вполне осмысленная улыбка, чуть позже — любопытство, смех, начинает тянуться руками к маме, к игрушкам. С полугода он начинает пытаться ползать. Концу года ребёнок осваивает первые слова, Ещё через год-два начинает изъясняться предложениями — от простых к сложным.
В конце прошлого года обсудили с Head of R&D red_mad_robot Валерой Ковальским, как будет развиваться AI в 2026 году. В статье делимся его прогнозами и разбираем, какие изменения уже формируют индустрию и какие станут критичными в ближайшие годы — с точки зрения инженерии, масштабирования и реального применения в продуктах.
Дополнительный контекст и комментарии дал Саша Абрамов — AI-визионер, руководитель AI/ML-команд и автор Dealer.AI.
Рассказ о том, как с помощью одной матрицы и двух чисел научиться распознавать любые созвездия на небе.
Фоновая музыка, гул, шипение — классические фильтры с этим не справляются. Нейросети справляются, но падают на длинных файлах. Решение: чанкование + сохранение прогресса. Делюсь инструментом.
Теперь легко и просто можно попробовать поиграться в упаковку скиллов - до всяких платных Claude Code и Clawdbot/Moltbot. Напомню, что это способ превращать удачные сессии с агентом в переиспользуемые сценарии /воркфлоу для агента: один раз настроили, дальше запускаете по команде и получаете результат в том же стиле.
В Manus это можно попробовать и бесплатно. К тому же, вы можете даже скачать Skill, который вы сделали совместно с Manus, тоже совершенно бесплатно.
Я проверила это на простом и полезном кейсе: агрегатор свежих AI-новостей с Reddit, который делает выжимки под Telegram. Ниже по шагам и со скринами.
Всем привет! Меня зовут Артём Харченков, я руководитель направления Java-разработки компании Crosstech Solutions Group. В этой статье хочу поделиться практическим опытом построения команды с нуля: от ситуации, когда вся экспертиза сосредоточена в одном человеке, до управления большой командой из пятидесяти специалистов, которые параллельно развивают несколько продуктов в различных классах решений информационной безопасности.
Потребители все чаще ждут от банков не только профильные товары и услуги. Клиентам интереснее участвовать в игровом процессе, а не просто совершать операции или знакомиться с новыми сервисами. В итоге банки создают гейминговые проекты или вступают с коллаборации с другими компаниями. Рассказываем в нашей статье о таких примерах.
Привет, это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
Неделя выдалась насыщенной: куча мощнейших релизов из Китая, которые наступают на пятки GPT-5.2 и Gemini 3. Реалтайм инструменты от Krea и NVIDIA, генеративные модели от Qwen и Hunyuan, а Сэм Альтман честно признал, что OpenAI испортили тексты в последних версиях GPT.
Всё самое важное — в одном месте. Поехали!
На продуктивность влияет много факторов — от погоды до удобного стула. И если со снегом за окном совладать нелегко, то выбрать себе кресло для работы — вполне.
Расскажу о пяти вариантах, которые станут достойной альтернативой классическому офисному стулу. Если работаете лёжа в кровати, тоже не проходите мимо!
Советы в комментариях приветствуются.
Выделили из production-проекта и открыли в open-source PWA-приложение для персонального фитнес-тренера с AI.
Дисклеймер: это open source, в нем могут быть недостатки, заходите, предлагайте идеи, исправления. Публикую тут в ознакомительных и образовательных целях. Выпилил этот кусок в open source из части личного проекта, о котором писал тут. Весь код писал полностью Claude Code на Opus 4.5 с thinking режимом.
Эта статья — описывает проект, по созданию универсальной системы для бизнеса «АIS NP», которая решает проблемы сопровождения налоговых проверок и налогового контроля в целом.
AIS NP это единое рабочее пространство, где проверки, мероприятия, сроки и документы не разлетаются по чатам, почте и «тридцати папкам на диске», а живут в одной логике. Чтобы ты в любой момент мог открыть нужную организацию и быстро понять: что сейчас происходит, какие документы уже есть, что ещё нужно собрать, какие сроки горят, где ответ готовится, а где уже отправлен.
У AIS NP очень конкретная задача: навести порядок в налоговом сопровождении, когда ты работаешь с большим объёмом разрозненной информации и вынужден держать слишком много в голове. По сути это программа, которая помогает:
Доброго времени суток, Хабр!
Ранее я уже выпускала статью с топом инструментов для презентаций, но время идет, появляются новые интересные решения. Поэтому я предлагаю снова детально проанализировать ключевые AI-сервисы для создания презентаций, которые определяют рынок в 2026 году.
Основное внимание мы уделим не просто перечислению функций, а их практической ценности для конкретных сценариев использования. А также рассмотрим, как современные нейросети обрабатывают неструктурированные данные, адаптируют контент под аудиторию и интегрируются в существующие бизнес-процессы.
Я прекрасно понимаю, как много времени и сил уходит на создание презентации вручную, с нуля. Это рутинная и затратная задача. Именно поэтому я считаю важным иметь под рукой ИИ-инструмент, который возьмет на себя основную часть работы. Однако важно помнить о важности человеческого контроля и факт-чекинга. Нельзя слепо доверять нейросетям, поэтому не стоит на 100% отдавать свою работу ИИ.
Приятного прочтения!
Что делать, когда инфраструктура, сдерживавшая злоумышленников, внезапно начинает мешать легитимным клиентам? В Dodo Payments такой момент наступил в 23:00 в четверг — и стал точкой невозврата.
В новом переводе от команды Spring АйО подробно разберем переход с классического ingress-контроллера на полноценный service mesh. Миграция заняла 11 недель и навсегда изменила подход к платформенной инженерии.
Всем здравствуйте, дорогие читатели!
Меня зовут Рамазан, я Frontend-разработчик, энтузиаст и я люблю исследовать грани возможностей современных Web-технологий.
В этой статье мы поговорим о том, нормально ли применять в рамках Atomic CSS подхода рукописный CSS. Бытуют разные мнения по этому поводу. Кто-то считает, что в атомарном подходе нужно использовать только утилиты, а кто-то допускает и произвольные сочетания рукописных CSS классов с ними. Я постараюсь разобраться в этом, аргументируя свою позицию.
Google объявил о прекращении поддержки POP3 для проверки почты из сторонних аккаунтов в Gmail. Также прекратится поддержка Gmailify — защита от спама и автосортировка входящих в стороннем аккаунте электронной почты. Для многих это стало неожиданностью.
Разбираемся, почему POP3 проблематичен и как организовать нормальную работу с почтой через IMAP.
Многомерные базы данных (MDB) — это незаметные, но критически важные механизмы практически всех систем корпоративного управления эффективностью (EPM): Oracle EPM Cloud и Essbase, IBM Planning Analytics (TM1), Anaplan, Microsoft SSAS, Optimacros и многих других. Именно они лежат в основе бюджетирования, прогнозирования, моделей прибыльности и управленческой отчетности, позволяя анализировать показатели в разрезе времени (периодов), бизнес‑подразделений (организаций), продуктов, сценариев, версий и иных измерений. При этом, несмотря на огромную аналитическую мощность, MDB чрезвычайно чувствительны к архитектуре. Разница между кубом (MDB), который отвечает мгновенно, и кубом, который «думает» минутами, чаще всего определяется не железом и не ПО, а тем, как он спроектирован.
В своей основе MDB переводят сложную реальность бизнеса в формализованные измерения, иерархии и элементы. Каждое измерение — время, организация, счет, продукт, сценарий — добавляет гибкости анализа, но одновременно экспоненциально увеличивает сложность. Каждый новый элемент или узел иерархии умножает количество потенциальных пересечений данных. Большинство из них останутся пустыми, но всё равно будут потреблять ресурсы хранения, расчётов и обработки запросов. Поэтому хорошая размерностная модель — это не просто вопрос структуры, а фундамент производительности.
Меня зовут Кирилл Паршин, я ведущий консультант в департаменте EPM «КОРУС Консалтинг». Эта статья посвящена архитектурным аспектам производительности многомерных баз данных: как количество и состав измерений влияют на объём, как иерархии и агрегации нагружают систему, и почему стратегии выборки и расчётов могут либо ускорить модель, либо сделать её неработоспособной. Это не разбор конкретной технологии — здесь собраны универсальные принципы, одинаково применимые к Essbase, TM1, Anaplan, SSAS, Optimacros и другим MDB‑движкам.
Первым, кто продемонстрировал телевидение [с учётом исторической справки выше / прим. перев.], был Джон Лоуги Бэрд, бывший ученик инженера из Хеленсбурга. И хотя есть и другие места, которые могут с полным основанием претендовать на звание родины телевидения, в том числе улица с террасами в Гастингсе, холм в северном Лондоне и универмаг Selfridges, большинство людей [апелляцию к большинству оставим на совести автора / прим. перев.] сходятся во мнении, что решающим моментом стала демонстрация, проведённая для журналистов на Фрит-стрит 26 января 1926 года.
Бэрд, возможно, никогда бы не попал в Лондон, если бы не был болезненным мальчиком. Когда началась Первая мировая война, он хотел поступить на военную службу, но его не взяли из-за плохого здоровья, поэтому он устроился на работу в Clyde Valley Electrical Power Company, где помогал производить боеприпасы. В 1923 году он переехал на южное побережье, чтобы поправить здоровье, поскольку там был более тёплый климат, и снял комнату по адресу Линтон Кресент, 21 в Гастингсе. Здесь он сконструировал первое оборудование для передачи телевизионного сигнала, в состав которого входили шляпная коробка, ящик из-под чая, штопальные иглы и линзы от велосипедных фонарей. Первым изображением, которое было передано, была тень медали скорой помощи Св. Иоанна с характерным шипастым силуэтом, которая до сих пор выставлена в музее Гастингса. Но его эксперименты оказались опасными, и хотя удар током напряжением 1000 вольт, к счастью, привело лишь к ожогу руки, его домовладелец по понятным причинам попросил его освободить помещение.
Семь лет прошло с момента, когда в играх впервые появилась трассировка лучей в реальном времени. За это время технология успела стать стандартной галочкой в настройках, но так и не превратилась в ту самую «революцию», которую обещали. Картинка действительно стала точнее, отражения — стабильнее, а освещение — ближе к реальной физике. Но для большинства игроков разница заметна только при прямом сравнении, а требования к «железу» выросли в разы.
Однако нужно понимать, что рейтрейсинг был лишь подготовительным этапом. Настоящий качественный скачок будет связан с трассировкой пути — технологией, которая не имитирует свет, а моделирует его поведение полностью. Она уже работает в нескольких играх и демонстрирует тот уровень реализма, которого от рейтрейсинга ждали с самого начала.
Далее подробно разберемся, почему именно path tracing считается будущим игрового рендера и что мешает ему стать массовым прямо сейчас.
