Darwin Gödel Machine: искусственный интеллект, который программирует сам себя
Привет, Хабр! Меня зовут Кирилл Пшинник, я научный сотрудник Университета Иннополис и CEO Онлайн-Университета «Зерокодер», а еще большой поклонник всего, что связано с искусственным интеллектом. Недавно я нашел интересную новость о Darwin Gödel Machine (DGM) — прототипе агента ИИ, который способен перепрограммировать себя сам, — и теперь хочу поделиться с вами тем, что узнал.
Среди животных, способных отращивать оторванные конечности, выделяются мексиканские аксолотли. Эти амфибии, находящиеся под угрозой исчезновения, также могут отращивать органы, включая части мозга и сердца. Теперь биологи присматриваются к слизи этих мастеров регенерации. Антимикробные пептиды (АМП) в слизи аксолотлей защищают их от патогенов. Теперь, согласно новому исследованию, это известное в Интернете животное может решить проблему устойчивости к антибиотикам. Его антимикробные пептиды были эффективны против бактерий с множественной устойчивостью, включая страшный метициллинрезистентный золотистый стафилококк (МРЗС), и помогали бороться с раковыми клетками. Результаты описаны в исследовании, недавно опубликованном в журнале PLOS ONE.
Любой Unity-разработчик знаком с атрибутом [SerializeField], который позволяет сериализовывать непубличные члены класса и, соответственно, отображать их в инспекторе. Но, в силу его ограниченности, позже начали появляться и другие способы сериализации.
Попробую кратко рассказать, какие альтернативы используются, зачем все они нужны, как работают и, о чём не любят писать в кликбейтных постах, какие подводные камни могут скрывать.
Что если создать мобильное приложение, не зная ни строчки кода на Swift? Добро пожаловать в мир вайбкодинга — нового стиля программирования «по настроению», где естественный язык и LLM заменяют синтаксис и компиляторы.
Во второй части выступления Андрея Карпатого мы также поговорим о новом типе «пользователей» — LLM‑агентах («духах людей») и о том, как адаптировать нашу инфраструктуру (документацию, API, сайты) для их удобства с помощью... llms.txt. Готовы ли вы кодить «в потоке» и строить для нечеловеческих интеллектов?
Помимо рабочих задач, я веду еще несколько проектов и учусь на 4 курсе в универе. Чтобы быстро решать мелкие вопросы по всем этим направлениям, я использую ИИ. В статье хочу рассказать о нейросетях, которые использую не только в работе, но и в повседневной жизни, речь пойдет и о бесплатных ии, у которых выдача порой лучше, чем у GPT Pro.
Предыдущая статья была встречена теплее обычного, поэтому продолжим. Это серия статей о том, как метаболизм коррелирует с нашей продуктивностью и личной эффективностью. Также разбираем инструменты, с помощью которых можно влиять на внутриклеточные процессы. Вся серия – это перевод лекции-подкаста доктора Эндрю Губермана, профессора Стэнфордской медицинской школы, совместно с доктором Крисом Палмером, сертифицированным психиатром и профессором Гарвардской медицинской школы. Первоисточник представлен здесь.
В этой статье я планирую исследовать, как можно использовать большие языковые модели (LLM) для миграции проектов между различными фреймворками. Применение LLM в задачах на уровне репозитория — это развивающаяся и всё более популярная область. Миграция кода со старых, устаревших фреймворков на новые является одной из ключевых задач в крупных корпоративных проектах.
Эта заметка про поиск так называемого периода Пизано, то есть периода последовательности Фибоначчи по простому модулю. Про сам этот период написано довольно много, но моё домашнее задание было достаточно конкретным, продемонстрировать связь порядка и периода. Я же, в качестве бонуса, опишу стратегию поведения и для случая когда правило "порядок это период" не актуально.
Системы Lockstep — это отказоустойчивые компьютерные системы, которые выполняют один и тот же набор операций одновременно и параллельно.
Происходит избыточность (дублирование), которое позволяет обнаруживать и исправлять ошибки: выходные данные операций Lockstep можно сравнить, чтобы определить, произошла ли ошибка.
Всем привет! Я — разработчик и велосипедист, которому надоели ограничения Strava. Знакомы боли: GPS‑треки с «телепортами», платный анализ по зонам и неудобная загрузка сегментов на Garmin? Я решил исправить это и написал свой «швейцарский нож» для анализа тренировок.
Под катом — история создания pet‑проекта Peakline на Python, FastAPI и Vanilla JS. Расскажу, как устроен продвинутый FIT‑генератор для гонок с «призраком», как визуализировать исправление «сломанных» GPX‑треков и как заставить график и карту работать в связке. Поделюсь фрагментами кода, архитектурными решениями и подводными камнями при работе с API Strava.
🧠 Русскоязычные LLM для вызова инструментов, переводов и финансовой аналитики
Подборка моделей, которые действительно позволяют отказаться от OpenAI и вести разработку в закрытом контуре без подключения к интернету 🔌
По данным глобальных отчетов, уже 30% всех корпоративных решений в 2025 году принимаются с участием искусственного интеллекта (ИИ). Инструменты ИИ активно внедряются во все сферы: они используются для оптимизации операционных и бизнес-процессов, как самостоятельные или вспомогательные продукты, а все чаще – и как системы, принимающие решения. Однако в этой гонке за эффективностью вопросы управления рисками и этические предохранители нередко отходят на второй план.
Между тем, именно сфера регулирования и этики ИИ является ключевым инструментом, позволяющим компаниям обеспечить безопасное использование AI-технологий как с технической точки зрения, так и в контексте соответствия требованиям контролирующих органов. Регуляторные и этические фреймворки, закрепленные на уровне законодательства и лучших отраслевых практик, в действительности определяют ландшафт внедрения новых технологий. С какими вызовами AI Governance сталкивается IT-индустрия сегодня? В этой статье мы разберем 5 ключевых проблем регулирования ИИ, алгоритмической предвзятости, безопасности нейросетей, их экологического следа и глобальной стандартизации AI.
Это авторская статья создана специально для сайта habr.com будет полезна IT-специалистам, разработчикам, менеджерам проектов, юристам, а также всем, кто интересуется будущим искусственного интеллекта, его регулированием и этическими аспектами применения технологий.
Представьте карту всего кода в мире: GitHub, Hugging Face... Но что, если я скажу, что самая захватывающая часть этой карты сейчас даже не код, а промпты? Программное обеспечение снова меняется радикально, и на этот раз естественный язык становится новым языком программирования.
В этой статье, записанной по выступлению Андрея Карпатого на конференции AI Startup School, мы разберём, как радикально меняются парадигмы разработки, почему LLM — это не просто «новое электричество», а сложные экосистемы и как концепция «частичной автономии» определяет будущее приложений. Будущее ПО уже здесь, и оно говорит на вашем языке.
Веб-форумы подарили людям из разных городов и стран классную возможность — объединяться по интересам. Не выходя из дома можно было найти единомышленников, чтобы обсуждать музыку, фильмы, технологии, спорить на политические темы, решать проблемы и узнавать лайфхаки из первых рук. Каждый мог высказаться и быть услышанным.
Именно на форумах появились первые интернет-мемы, шутки и даже собственный сленг, словечки из которого перекочевали в повседневный разговор. Сегодня уже никого не удивить фразами про флуд, троллинг или оффтоп. Пользователи придумывали новые слова и образы, которые потом расходились по всему интернету.
А ещё форумы научили людей правилам сетевого этикета и вдохновили на создание других форматов: соцсетей, мессенджеров и блог-платформ. Многие идеи пришли именно с форумов: треды, системы лайков и репутаций, комментарии, разделение по темам в Telegram, Discord, ВКонтакте, VC и других площадках были придуманы не с нуля.
Казалось, что, забрав всё лучшее, другие виды интернет-платформ должны были вытеснить форумы, оставить их лишь в памяти активных пользователей. А оказалось, это не так.
Мы в редакции «Конверта» (журнал Unisender, платформы автоматизации маркетинга) решили разобраться, какие форумы сегодня работают до сих пор, за счет чего они продолжают жить и есть ли будущее у этого формата. Но сначала вспомним историю.
Не хотелось бы произвести данной заметкой впечатление какого‑то рекламирования конкретной платы, тем более, что ощущения от обладания ею у меня немного противоречивы, но кое‑какие соображения всё же выскажу, поскольку появились они как результат «общения» с ней.
Время от времени меня «пробивает» на покупку очередного «малыша»‑одноплатника, с каждым из которых я иногда экспериментирую в рамках определённых программ. Мне интересны реализации OpenCL (фреймворка, не привязанного к конкретному изготовителю процессоров), потому что они дают возможность некоторого распараллеливания и потому ускорения выполнения вычислений, привлекает язык Julia ‑- как достаточно нетривиальный новый (и развивающийся) инструмент; всё это, конечно, связано с родом деятельности.
Поэтому у меня и скопился некоторый «зоопарк» из одноплатников. Иногда ритуал покупки платы дополняется поиском того, что необходимо бы иметь к ней. В идеале ‑- нужен корпус (или его подобие, чтобы при переноске в сумке ничего случайно не повредить), часто надо ещё присмотреть блок питания ‑- особенно, если разъём не самый распространённый или потребление значительно.
Подавляющее большинство моих «малышей», конечно, имеет ARM‑процессоры, потому что именно с них всё начиналось. С некоторых пор я (из интереса) стал также экспериментировать с RISC‑V-изделиями, поэтому появляются и таковые. И совершенно понятно, что основная масса «малышей» ‑- китайские.
Систему для одноплатников я предпочитаю ставить какую‑нибудь распространённую: чаще ‑- Debian, иногда ‑- Ubuntu; бывает, что выбора особо и нет. В этом смысле рассматриваемая плата именно такова: для неё предлагается некая Bianbu Star (в основе ‑- ядро Linux 6.6.63) и самое прикольное в ней ‑- цветные кнопочки у окошек (хотя некоторый смысл в этом есть).
Так говорили многие, и даже те ребята инженеры, которые занимались схемотехникой... Зачем двигать детали, усложнять схемотехнику ради красивой картинки?
Сразу хочу обозначить, что это не рекламный пост. В статье я описываю нашу с партнером разработку, которой мы занимались 10 лет назад. Мы начали этот проект в 2015 году и завершили в 2017 г. Сегодня купить этот продукт невозможно, он не производится и не продаётся.
От появления до покорения Красной планеты. В этой статье — история языка Java: от первых шагов и битвы с Microsoft до инструментов, без которых не обходится ни один Java разработчик. И да, вы узнаете, при чём здесь дуб, кофе и остров.
Пока мир спорит о том, заменит ли ИИ программистов и писателей, уже сейчас он незаметно изучает нас самих. Каждый день миллионы людей оставляют эмоциональные следы в текстах — и ИИ учится их читать лучше психологов. Мы обсуждаем безработицу, прорывы в науке, оглупление или развитие когнитивных навыков. Психологи говорят о созависимости, учителя — о цифровой зависимости. В целом картина рисуется не всегда радужная, но более-менее понятная и последовательная.
И весьма удивительно, что практически не рассматривается один аспект ИИ, который в ближайшем будущем кардинально изменит человеческие отношения.
Эмоциональная археология
Модели, как все прекрасно знают, обучаются на миллионах текстов. Эмоциональные паттерны человечества, учитывая их универсальность, буквально вшиты в подкорку ИИ. Современные модели типа Claude или GPT могут анализировать не только явные эмоции, но и скрытые мотивы, пассивную агрессию, манипулятивные техники. По комментариям, стенограммам, транскрипции переговоров, постам в соцсетях, письмам, сообщениям в мессенджерах ИИ формирует эмоциональный портрет человека, вычисляет связи между людьми, делает прогнозы поведения.
Точность таких систем уже достигает 70-85% в зависимости от задачи. Для сравнения: средний человек правильно определяет эмоции собеседника в 60-65% случаев. ИИ уже читает нас лучше, чем мы читаем друг друга. (Nature Communications Psychology, 2025)
Анатомия цифрового вскрытия
Давайте посмотрим, как это выглядит на деле. Вот пример анализа Claude 4.0 с промптом цепочки комментариев на Хабре под технической статьей:
Вторая часть статьи здесь
Всего за год нагрузка на Cursor выросла в 100 раз: более 1 млн запросов в секунду и миллиарды автодополнений кода каждый день. Подробный разбор архитектуры — вместе с сооснователем Суалехом Асифом.
Cursor — это IDE с кодогенерацией на AI-агентах, которая сейчас пользуется наибольшей популярностью среди разработчиков. В прошлогоднем опросе, Cursor был самым частым ответом на вопрос «Назовите вашу любимую IDE с генеративными функциями, помогающими в работе».
Стартап, стоящий за Cursor — Anysphere, был основан в 2022 году, а в марте 2023 года запустил Cursor. Недавно Anysphere сообщила, что привлекла $900 млн, при оценке компании в $9.9B. Годовой доход (автор имеет в виду годовой повторяющийся доход, Annual Recurring Revenue, ARR. Прим. пер.) уже превысил $500M. Ни одна другая компания в сфере инструментов для разработчиков, которую я знаю, не достигала этого рубежа в течение первых 2 лет после запуска первого продукта. Поспособствовало этому и то, что Cursor используется более чем половиной из 500 крупнейших технологических компаний из списка Fortune 500.
Я встретился с сооснователем Cursor, Суалехом Асифом, чтобы узнать, как работает Cursor и как команда этот инструмент создает. Обсудили следующие темы:
Технологический стек. TypeScript, Rust и куча облачных провайдеров — Turbopuffer, Datadog, PagerDuty и другие.
Как работает автодополнение. Устройство low-latency движка для передачи зашифрованного контекста на сервер для инференса.
