Моя лента

Google DeepMind вошла в капитал исландской студии Fenris Creations — бывшей CCP Games, разработчика космической MMO EVE Online. Это часть более крупного перехода для самой CCP Games/Fenris: ее команда выкупила компанию у корейского владельца Pearl Abyss за $120 млн и одновременно сменила имя после почти 30 лет под старым брендом. Доля Google DeepMind в Fenris — миноритарная, ее размер не раскрывается. Параллельно с инвестицией стороны запустили исследовательское партнерство: DeepMind будет использовать офлайн-версию EVE Online на локальном сервере как экспериментальную среду для своих моделей.

Прошедший 2025 год стал периодом, когда регуляторы в лице ФСТЭК и ФСБ России окончательно перешли от политики «общих требований» к формированию жестких, методологически выверенных показателей эффективности защиты. Для специалистов, работающих в сфере мониторинга ИБ, это означает, что главным трендом стали автоматизация контроля и непрерывность взаимодействия с государственными системами.

В статье рассмотрим ключевые изменения нормативной базы, вступившие в силу в 2025 и начале 2026 года, которые трансформируют подходы к мониторингу информационной безопасности объектов критической информационной инфраструктуры. Проведем анализ новой методики оценки уязвимостей от ФСТЭК России, свежих приказов ФСБ России в области ГосСОПКА, а также усиление ответственности за использование средств защиты информации. Покажем ключевые изменения, которые должны реализовать владельцы КИИ и центра мониторинга информационной безопасности.

Универсальный LPE на актуальных ядрах Linux: один бинарь поднимает root на Ubuntu 24.04, RHEL 10.1, AlmaLinux 10, Fedora 44, openSUSE Tumbleweed. CVE пока нет, PoC лежит в открытом репозитории. Разбираем механику, объясняем, почему это не «ещё один Dirty Pipe», и даём чеклист действий для системных администраторов.

В начале мая 2026 года разработчик Стефан Грабер (лидер проекта Linux Containers и бывший технический руководитель проекта LXD) представил резиз проекта Incus 7.0 LTS с долгосрочной поддержкой. Это решение является форком системы управления контейнерами и виртуальными машинами LXD и создан сообществом после перехода оригинального проекта под крыло Canonical и смены лицензии. Исходный код Incus написан на Go и опубликован под лицензией Apache 2.0.

Twitch вводит новую систему наказаний для стримеров, которых уличили в использовании ботов для увеличения количества просмотров. Генеральный директор Дэн Клэнси заявил, что платформа планирует ограничить количество просмотров на каналах, которые неоднократно искусственно завышали свою аудиторию с помощью фейковых зрителей.

Grok — нейросеть компании xAI, которую основал Илон Маск в марте 2023 года. Для разработки он собрал 11 исследователей — всех переманил из DeepMind, Google, OpenAI, Microsoft Research и Университета Торонто. К маю 2026 года абсолютно все 11 сооснователей покинули компанию.

Почему так произошло и кто из этих 11 был самым ценным для Илона Маска, ответы на эти вопросы вы получите в этой статье.

Это рубрика досье SpeShu.AI. Здесь мы составляем психологические портреты людей, которые ведут всех нас в будущее искусственного интеллекта и прямо сейчас меняют мир, как в своё время изменили Лейбниц, Эйнштейн и Курчатов.

Пишете list.pop(0) и удивляетесь, почему решение на LeetCode отваливается по Time Limit? Пора перестать изобретать велосипед.

Модуль collections — это легальный чит-код, который уже встроен в Python. В статье разбираем три главных инструмента (deque, Counter, defaultdict), которые покроют 90% ваших потребностей в алгоритмических задачах, избавят от лишних циклов и покажут интервьюерам, что вы действительно знаете стандартную библиотеку.

Гигант в сфере образовательных технологий Instructure сообщил об утечке данных, в результате которой хакеры похитили личную информацию студентов, включая их имена, адреса электронной почты и сообщения между учителями и учениками.

Microsoft внедрила изменения, чтобы упростить процесс публикации приложений в Microsoft Store. Теперь компания отменяет плату за регистрацию в размере $99 для корпоративных учётных записей разработчиков. В прошлом году Microsoft сделала публикацию приложений бесплатной для индивидуальных разработчиков.

Исследователи Сбера вместе с зарубежными исследователями создали специальный тест HUME, который оценивает, насколько хорошо люди и современные ИИ-модели справляются с анализом текста: классификацией, кластеризацией, поиском похожих текстов, ранжированием.

Кратко: Ученые создали тест, чтобы сравнить людей и самые современные ИИ-модели (те, которые переводят слова в числа — эмбеддинги) в заданиях на понимание смысла. И выяснили, что люди пока что умнее в "тонких" вещах, особенно с неродным для ИИ языком.

Проблема: Мы часто хвалим ИИ за высокие баллы в бенчмарках (тестах). Но как понять, хорош ли результат 85%? Может, для человека эта задача проще, и он справился бы на 95%? Или, наоборот, задача настолько сложна и запутана, что человек показал бы только 60%? Без "человеческого ориентира" цифры теряют смысл.

Авторы создали новый способ оценки (HUME — Human Evaluation Framework for Text Embeddings), который позволяет напрямую сравнить людей с ИИ-моделями в задачах анализа текста.

Результаты и выводы:

Когда разработчик слышит слова “математический анализ”, в голове часто всплывает что-то из университета: пределы, производные, интегралы, бесконечные ряды, многостраничные доказательства и ощущение, что все это находится очень далеко от реальной работы. На практике все устроено иначе.

Большая часть разработчиков действительно не сидит каждый день и не вычисляет производные вручную. Но идеи матанализа при этом встречаются постоянно. Они проявляются в производительности, машинном обучении, графике, обработке сигналов, численных вычислениях, аналитике, моделировании и даже в обычной инженерной привычке понимать, как система ведет себя при изменении входных данных.

Проблема обычно не в том, что матан бесполезен. Проблема в другом: его часто преподают как отдельный мир формальных конструкций, а разработчику нужен другой взгляд, более инженерный. Не “докажите теорему по Коши”, а “объясните, как изменяется функция, почему вычисления могут быть нестабильны и как это связано с кодом”.

В этой статье разберем, что из математического анализа действительно полезно разработчику, где это применяется, что можно знать на уровне понимания, а что стоит изучить глубже, если вы идете в более математические направления.

Взыскание дебиторской задолженности обычно воспринимается как линейный процесс: подача иска → решение суда → получение денег. На практике это неверно.

Фактически речь идёт о последовательности независимых этапов, каждый из которых имеет собственные сроки, риски и механизмы регулирования:

Авантюра на 4× RTX 4090, два блока питания и водяное охлаждение - машину, которую мы собрали для крупного клиента, еле-еле подняли вдвоём.

История о том, как мы собрали махину в 96 GB VRAM.  

Внутри - полная сборка и бенчмарки популярных моделей.

В индустрии есть негласный рейтинг узнаваемости. На верхних строчках — Маск, Альтман, Наделла, Цукерберг. Их лица на обложках, их цитаты разбирают на мемы, их решения обсуждают.

Ниже — люди, которые влияют на индустрию не меньше, а иногда больше. Один из них за $5,6 млн обрушил фондовый рынок на триллион. Другой дважды отказал Apple и запустил один из самых популярных AI-продуктов на десяти людях без единого доллара инвестиций. Третий поднял акции компании на 3 200% и теперь пытается спасти Intel.

Мы собрали пятерых, про которых стоит знать.

Или как мем с котом объясняет проблему контроля геометрии лучше, чем десять слайдов про ОТК.

На первый взгляд – идеальная производственная ситуация.
Объект лег в ложемент.
Зазоров визуально нет.
Перекосов не наблюдается.
Контроль пройден, изделие годное.

Если бы это был настоящий контроль геометрии, мы бы назвали его контролем по калибру: быстро, наглядно, почти без шансов на двусмысленность. Влезло – годно. Не влезло – не годно.
Для кота работает отлично. Для машиностроения – уже не всегда.

Проблема в том, что детали почти никогда не нужен только бинарный ответ «влезает или нет». Производство хочет знать совсем другое:
• насколько ушёл размер
• где именно возникло отклонение
• повторяется ли дефект от партии к партии
• виноват станок, оснастка или температура
И главное, можно ли не просто найти брак, а предотвратить его в следующей партии?

Именно здесь и проходит водораздел между простым контролем и полноценной метрологией.

Проблема: качество в машиностроении все чаще упирается в геометрию

Когда говорят о качестве, часто представляют материал, прочность, сварку. Но огромная часть проблем начинается с геометрии.

Деталь можно сделать из правильного сплава, на отличном станке – и всё равно она не соберётся. Отверстия будут «почти там», плоскость – «почти плоской». На производстве это звучит так: деталь не собирается, появляется ручная доводка, брак растёт, споры с заказчиком «у нас годно, у вас не годно», партии нестабильны.

Проблема не в том, что плохо измеряют. Проблема шире: у предприятий нет современного инструмента, чтобы быстро и доказуемо контролировать сложные изделия. Закупка средств измерения идёт по остаточному принципу – пока не прижмёт.

Этот материал представляет собою перевод любопытнейшей научной статьи Peter Lynch “The Origins of Computer Weather Prediction and Climate Modeling”, которая вдохновляла мои научные изыскания долгие годы. Краткую ее версию я публиковала давно здесь. Вашему вниманию представлен полный вариант.

Разработчики выпустили обновление Telegram с упором на развитие функционала ИИ-ботов и десятками нововведений. Они отчитались, что смогли внести более 200 улучшений в приложения мессенджера для разных платформ.

Чуть больше года назад я в очередной раз листал PubMed в поисках интересных исследований по нутрициологии и случайно наткнулся на статью про компьютерные очки. Первой реакцией было что-то вроде: «А что там вообще можно исследовать? Всем же давно понятно, что такие очки защищают глаза от вредного синего спектра».

Потом я открыл статью. И, как уже понятно из заголовка, выяснилось, что не «всем давно понятно».

Самое неприятное в этой истории то, что я сам когда-то в это верил. Не просто слышал краем уха, а на увернном доказывал другим, что за компьютером нужно сидеть только в специальных очках.

А дальше уже захотелось разобраться в этом глубже и вот, наконец-то я могу с вами поделиться всем тем, что получилось узнать о мониторах, синем свете, компьютерных очках и зрительном напряжении.

Надеюсь после прочтения статьи у меня получится разбить обман маркетинга, который слишком хорошо научился продавать нам тревогу за собственные глаза.

Мы живём во времена высоких технологий, ну, по крайней мере, мы так считаем. Но проблема в том, что эти технологии для большинства это так называемые «черные ящики». Спроси у друга, знает ли он, как устроена микроволновка? Скорее всего нет. И это проблема. Но сейчас не о микроволновках, я хочу сфокусировать ваше внимание на искусственном интеллекте. Я бы назвал это вершиной всех «чёрных ящиков», потому что его влияние в современном мире колоссально. К сожалению, авторы выпустили в мир монстра и до сих пор не поняли, насколько он опасен. Мы разберём механику работы ИИ (а точнее проблемы) и начнём выстраивать новый тип модели искуственного интеллекта с помощью выведенных мной систем: ОСНиУ (онтология согласовательной направленности и удержания) и РОА (рефлексивная онтологическая архитектура, второй порядок).