В жизни не раз случаются внезапные события, о которых ты даже не подозревал за очень небольшой срок до их наступления. Тем жизнь и хороша, что она не расписана для каждого от начала до конца. Вот и конференция в Минске 22 апреля 2026 года свалилась мне на голову достаточно внезапно и поломала все мои планы. Но обо всём по порядку.
Мы продолжаем рассказывать про краткую историю биометрии. И нам осталось рассказать о распознавании голоса человека.
Историю биометрии голоса обычно начинают с мейнфрейма AUDREY (Automatic Digit Recognizer), созданного в 1952 году в Bell Labs). Голоса разных людей он еще не распознавал, но уже их слышал, что по тем временам казалось чудом. Это устройство для «слышания» номеров, как писали в СМИ и рассказывали о ТВ, может избавить от необходимости набирать номер, но оно работает только при четком произношении цифр номера одну за другой.
Тонкости юзер-стори, устаревшие стори-пойнты, обманывающая команда, токсичность, гайд по дедлайнам, глава из руководства по P3.express и всё самое интересное, что писали за последние 2 недели про управление проектами. Мы прочитали все публикации и выбрали для вас самые крутые и полезные. Читайте, сохраняйте и применяйте!
Когда обсуждают стоимость внедрения генеративного ИИ, разговор часто сводится к цене за токен или цене за арендуемый GPU. Это удобно — одно число. Но в реальном продакшене такая оценка почти всегда обманчива.
Стоимость GenAI-системы — это не только сколько стоит вызвать модель. Это инфраструктура, эксплуатация, безопасность, наблюдаемость, разработка, интеграции, поддержка пользователей и постоянные изменения вокруг моделей. Именно поэтому «мы поднимем open-source модель сами, будет дешевле» часто оказывается правдой только на первом слайде презентации.
Из курса дифференциальных уравнений многие наверняка помнят теоремы существования и единственности для систем обыкновенных дифференциальных уравнений (ОДУ). Не пересказывая учебники, напомню лишь неформально, как выглядит эта задача по существу.
Дана система ОДУ с начальными условиями:
Продолжение первой части, смысл данной статьи сохраняется, а именно показать максимальную производительность, когда вопрос сохранности данных решается репликами или бэкапами.
Цель - протестировать производительность трёх систем объединения физических устройств в одно логическое систем при использовании iSER и NVMe-oF. Так как статья получилась объёмная, она поделена на 2 части. В этой части - тесты с использованием HCIbench и iSER\NVMe-oF
Смысл данной статьи показать максимальную производительность, когда вопрос сохранности данных решается репликами или бэкапами.
Цель - протестировать производительность трёх систем объединения физических устройств в одно логическое систем при использовании iSER и NVMe-oF. Так как статья получилась объёмная, она поделена на 2 части, в первой идут тесты на уровне локального устройства + вступление. Во второй уже тесты с использованием HCIbench и iSER\NVMe-oF
Сперва — откуда взялась идея?
Мы с женой делаем текстовую игру по её фэнтези-вселенной. Что-то вроде совместного хобби: ей интересно писать, мне нравится программировать. Но суть не в этом. Рисовать никто из нас не умеет, а картинки в тексте нужны.
Сейчас это не проблема — нейросетей куча, особенно для генерации изображений. Но есть минусы: на платных сервисах можно хорошо так разориться, особенно для пет-проекта. Есть решение — Stable Diffusion, генерировать на своей видеокарте.
Первые шаги с Stable Diffusion
Для работы с локальным SD есть несколько инструментов. Взял первый и, наверное, самый популярный — Automatic1111. Сгенерировал — получил полную фигню. Начал читать, что пишут. Оказывается, уже создано огромное количество предобученных моделей и LoRA для добавления тех функций, что модель не умеет. Результат стал сильно лучше.
Дальше — промпты, то есть текстовое описание того, что мы должны получить на итоговом изображении. Там тоже есть свои рекомендации. Модель не читает мысли пользователя, ей нужно более точно и в понятном ей виде предоставить описание. Дополнительно разбираемся с настройками генерации — samplers, steps и т.д. Всё осуществимо, но получаем другую проблему: для генерации одной картинки мы очень долго подбираем все эти значения и тексты.
Первая автоматизация
Чтобы упростить процесс, я сделал следующее. Для наполнения контента в игре есть админка — обычный CRUD на Symfony. Дополнительно в отдельной папке лежат файлы со всем лором книги/игры.
В итоге я создал два провайдера. Первый — для общения с локальной LLM, которая по нужному запросу берёт необходимый контент из папки с лором и составляет корректный промпт для SD. Второй — для SD, где заданы предварительные настройки: используемая модель, LoRA и вместе с промптом всё это отправляется в SD, и мы получаем итоговую картинку. Несколько попыток, потому что с первого раза вряд ли получим нужное. Получаем более-менее адекватный результат и идём в Photoshop — убрать лишнее, сжать и т.п.
Для комфортной и безопасной жизни в современном обществе требуется автоматизация. Это самая автоматизация нужна, чтобы выполнять рутинную монотонную работу, исключить человеческий фактор, обезопасить другое оборудование и сделать комфортные условия для людей, животных, растений или техники.
Когда собирают систему автоматизации думают о том, как измерить, как управлять и как регулировать какой-то параметр. Для индикации значения параметров часто используют индикаторные лампочки, дисплеи и сообщения на телефон. На все эти индикаторы нужно обратить внимание, посмотреть на индикатор или дисплей. Но если это аварийный параметр или нужно сообщить сразу нескольким людям, тогда нужен другой более оперативный способ индикации. Один из способов, это как в фильмах ужасов, выключить основной свет и включить красные фонари, ещё и мигающие. На этот световой эффект точно все обратят внимание. Но есть способ лучше и менее тревожный – это звуковое оповещение. Чем бы не занимался персонал и как часто не смотрел на дисплеи, звуковое оповещение точно донесет оперативную информацию. Если аудио оповещение сделано правильно, то не услышать его может только глухой. Когда собирают систему автоматизации не всегда задумываются об функции аудио оповещения. Сообщать можно не только об аварийных ситуациях, но и об текущих процессах, например, переключение режима работы технологического процесса.
Какие устройства оповещения можно применить для этих задач? Один из элементов автоматизации, позволяющий озвучить необходимые процессы — это модуль аудио оповещения DAO2ERA.
В первой части я описал социальное табу на вопрос:
Государство A враг для государства B?
Государство B враг для государства A?
В ответ мне писали:
«Ваши вопросы нарушают социальный договор. Люди не знают, как на них реагировать, поэтому банят или молчат.»
Хорошо. Допустим. Но давайте разберёмся, что это за «договор».
В данной публикации попробуем сформировать простейшую нейросеть. Будем использовать Colab. Данный выбор также хорош тем, что то, что позволено Юpyтеру не позволено быку. Иметь локальные вычислительные мощности. В принципе довольно неплохая инфраструктура для проверки базовых алгоритмов налету. Если есть что то подобное на других платформах или можно сделать с использованием иных агентов, пожалуйста, прокомментируйте.
Целью является демонстрация сохранения информации об обучении в спектре весов, при его фильтрации и постеризации происходит не полное стирание этих данных, что можно использовать для дообучения в качестве начальных условий. При этом, после постеризации, коэффициенты весов выраженные в спектральных составляющих занимают существенно меньшее место. Также этот эффект интересен с точки зрения проектирования ИНС.
Вместо кода будут md-саммари по разделам, их можно использовать для генерации в качестве промптов для ИИ-агента.
Представьте: совещание. Руководитель разбирает чужой проект, но смотрит почему-то на вас. Голос становится холоднее. Пауза затягивается.
Один человек в этой комнате начинает возражать — спокойно, но твёрдо. Другой молча собирает бумаги и говорит, что ему нужно срочно на звонок. Третий замирает, смотрит в стол, и его как будто нет. Четвёртый улыбается и кивает — соглашается со всем, что слышит, даже если это неправда.
Четыре человека. Четыре реакции. Один нейробиологический механизм возрастом несколько сотен миллионов лет.
Не так давно Rockstar поклялась выпустить GTA 6 к 19 ноября 2026 года. Вот только эти же слова мы уже слышали полгода назад — и тогда они не сработали. Между выходом пятой части и ожидаемым релизом шестой пройдет 13 лет — это самый большой разрыв в серии. За это время успели выйти и устареть целые поколения консолей и видюх, а GTA Online до сих пор исправно качает деньги из фанатов. Конкретика вроде есть, дата вроде финальная — вот только опыт подсказывает, что именно в такой момент обычно и прилетает новый перенос. И главный вопрос, который напрашивается сам собой: пришло ли время для очередного переноса? Давайте будем честны и попробуем сами во всем разобраться.
Python уже не просто язык для скриптов и Data Science — в 2026 году он стал «клеем», который связывает микросервисы, тесты и CI/CD в Java‑проектах. Как получилось, что даже консервативные Java‑разработчики всё чаще пишут интеграционные тесты на pytest, запускают контейнеры с Testcontainers и рулят пайплайнами в GitHub Actions с помощью Python‑скриптов?
В этой статье разбираем три реальные причины популярности Python. Если вы до сих пор считаете, что Python не для вас — возможно, это изменит ваш взгляд на инструменты.