Моя лента

Представьте: вы дарите дедушке не открытку и не коробку конфет. Вы дарите песню. С его именем. Про его войну. Про то как он вернулся домой.

Или создаёте трек для школьного мероприятия — живой, настоящий, не из YouTube.

Или записываете поздравление для публикации в соцсетях — с голосом, с музыкой, с атмосферой мая 1945-го.

Раньше для этого нужны были композитор, поэт, студия звукозаписи и несколько недель. Теперь — несколько минут и нейросети.

В каждой долгоиграющей франшизе имеется своя «белая ворона»: такая игра, которая пошла вразрез с установленной парадигмой и сделала что-то своё, было то к лучшему или худшему. «Doom 3», «Final Fantasy VIII», «Metroid: Other M». Вот и с флагманской серией Xbox так произошло. Четвёртая «Halo» должна была перевернуть представление о серии осовремененным геймплеем, потрясающей графикой и в целом ориентацией на более широкую аудиторию. К 2012 году «Halo» ещё была на коне: люди активно играли в мультиплеер 3 и «Reach» и в целом в культурном поле серия оставалась одним из столпов мультиплеерного игростроения. Сейчас уже тяжело это представить, но когда-то именно приключения Мастера Чифа ассоциировались с понятием гейминга, не цветастые скины из «Fortnite» или новых «Call of Duty».

Единым мнением, с которым тяжело поспорить, является то, что кризис серии и последующее падение начались именно с четвёртой части. Несмотря на желание Microsoft поддерживать серию на том же уровне популярности, неопределённость в отношении Halo после выхода Reach создала среду, в которой было тяжело создать настоящего наследника оригинальной трилогии. Играя в неё сегодня, нетрудно увидеть все минусы и противоречия. Но есть в этой игре что-то притягивающее: её драйвовость, необычные (гейм)дизайнерские решения, сплетение философии трилогии и популярных в то время других мультиплеерных проектов вроде «Battlefield» и «CoD». Почему «Halo 4» получилась такой и запустила процесс падения гиганта индустрии — расследуем в этом космооперном материале.

По информации представителей IT‑отрасли, на узле связи ММТС-9 (АО «ММТС-9», старейшая и крупнейшая в России точка обмена интернет‑трафиком) отсутствовало электричество некоторое время. Согласно данным текущей статистики, на точке обмена трафиком MSK‑IX, фиксировалось падение трафика 2 мая 2026 года. В настоящий момент ситуация начала стабилизироваться.

На майских удобно проверять не только мангал, но и своё состояние. В тексте — несколько простых мини‑тестов, которые помогают отличить усталость от выгорания, и шаги, с которых можно начать изменения без «уволиться прямо сейчас».

Вы вводили размытые буквы. Кликали на все светофоры. Выбирали велосипеды, автобусы, пешеходные переходы. Злились. Промахивались. Проходили заново.

И всё это время — обучали искусственный интеллект.

Без согласия. Без оплаты. Миллиарды раз по всему миру.

Это не теория заговора. Это задокументированная история одного из самых масштабных краудсорсинговых проектов в истории человечества. Просто вам об этом не сказали.

Четвёртая статья из серии. Предыдущие: манифест, итерация 0, итерация 4 убита.

В прошлом посте я закончил так:

> Эту работу агент не сделает. Реализовать — сделает. Придумать — моя задача.

С того поста — 20 часов и 20 коммитов. На код пришлась небольшая часть. Основная — на методику.

Что не сработало в первой версии

Схема была такая: пользователь отвечает → маленькая LLM классифицирует «вопрос + ответ» в массив сигналов с весами → сигналы накапливаются → детерминированный код назначает карту по порогу.

Технически рабочий пайплайн. Я его удалил, потому что прошёл диалог сам и увидел: это анкета, не зеркало. Адаптивный вопрос на основе предыдущих ответов — механизм, не методика. Разница примерно как между «у меня есть весы» и «я знаю, что взвешивать и почему».

Что такое методика в моём случае

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

Клиентам облачных сервисов Amazon придётся подождать ещё несколько месяцев, прежде чем американская корпорация сможет восстановить повреждённые центры обработки данных и возобновить нормальную работу на Ближнем Востоке. Компания сделала это заявление спустя два месяца после того, как иранские беспилотники нанесли удары по трём дата-центрам Amazon Web Services в ОАЭ и Бахрейне. Полное восстановление работы облачных сервисов может занять почти полгода.

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.

С запуском «Артемиды-2» в апреле 2026 года человечество возобновило историческую традицию, заложенную в конце 1960-х — начале 1970-х годов: мы снова возвращаемся к Луне. С прошлой высадки прошло больше полувека. В эпоху «Аполлона» лишь 24 человека летали в окрестности Луны, удаляясь от Земли на сотни тысяч километров. Двенадцать из них в ходе шести миссий действительно ступили на лунную поверхность. За это время на Луне осталось множество артефактов: флаги, фотографии, сейсмометры, зеркала и даже транспортные средства. А ещё астронавты привезли обратно камни, грунт и настоящие «кусочки» Луны. (В начале этого десятилетия Китай также провёл автоматическую миссию по доставке образцов с обратной стороны Луны.)

Из всех ныне живущих людей менее 25% достаточно взрослые, чтобы помнить эти знаковые моменты истории — как человечество отправилось на Луну и высадилось на неё в конце 1960-х — начале 1970-х. Неудивительно, что некоторые люди — в основном те, кто слишком молод, чтобы пережить те события, — скептически относятся к тому, что высадки на Луну вообще имели место. К счастью, наука позволяет нам не лететь туда лично, чтобы иметь доказательства. Вот четыре независимых аргумента, подтверждающих, что высадки на Луну действительно произошли.

Недавно вышла статья, со скромным называнием "От пептидов к ДНК: Все необходимые шаги могут быть катализированы". Она демонстрирует, что синтез последовательности ДНК, соответствующей последовательности аминокислот в пептиде, по крайней мере, в экспериментальных условиях, возможен.

Согласно решению, опубликованному народным судом промежуточной инстанции Ханчжоу, суд постановил, что технологическая компания на востоке Китая незаконно уволила одного из своих сотрудников после того, как он отказался от понижения в должности из-за того, что его работу автоматизировал искусственный интеллект.

Я работаю программистом уже более 8 лет, и, признаюсь, никогда не понимал, как на самом деле устроены компьютеры. Поэтому я решил попробовать изучить их работу путём эмуляции. Извините, Бен Итер, я пока не собираюсь ничего создавать.

Meta* приобрела стартап Assured Robot Intelligence (ARI), который разрабатывает человекоподобных роботов, пишет TechCrunch. Стороны не раскрыли финансовые условия сделки.

Начитавшись и наслушавшись некоторых статей и видеороликов у меня складывается впечатление, что рекрутеры в глазах кандидатов это некая роль, задача которой максимально тщательно игнорировать соискателей.

Еще они редко перезванивают. И вообще, такие есть рекрутеры, что и двух слов связать не могут.

Как человек, который около 5 лет анализировал данные подбора в крупной компании, который сидел непосредственно внутри такого улья из порядка 100 человек, я сформировал некоторое представление о роли рекрутера в компании.

И сразу скажу, в данной статье речь не идет про HR специалистов, которые в одном лице и рекрутер, и кадровик, и smm-менеджер. Также я разбираю только компании, где есть выделенная функция рекрутмента или эта функция вынесена на аутсорс.

Недавно я наткнулся на список самых дорогих медиа франшиз в истории. И я, мягко говоря, удивился, когда увидел, кто расположился чуть ниже «Покемонов», «Человека-Паука», «Гарри Поттера» и значительно выше «Джеймса Бонда», «Стартрека» и «Форсажа». А там, между прочим, «Черепашки-ниндзя» с суммарной стоимостью в 15 миллиардов долларов! Как из мрачного инди-комикса получилось настолько значимое достояние поп-культуры? Ответ на этот вопрос мы сегодня и постараемся найти.

Опишем базовую информацию по мини-фреймворку для работы со знаниями через LLM и рассмотрим пример n8n workflow для задачи объективного выбора лучшего из двух вариантов

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.

На первой неделе процесса Musk v. Altman юристы OpenAI представили в суде переписку Маска с Шивон Зилис — матерью его четверых детей и членом совета директоров некоммерческого OpenAI с 2020 по 2023 год. Из переписки следует: Зилис годами передавала Маску внутреннюю информацию о компании, причем продолжала это делать и после его официального ухода из совета в феврале 2018-го. Маск судится с OpenAI и Microsoft и требует с них до $134,5 млрд за отход от изначальной миссии.