Искусственный интеллект

Самые интересные новости финансов и технологий в России и мире за неделю: дефолт на рынке высокодоходных облигаций в РФ, Госдума хочет еще больше поразить в правах уехавших в эмиграцию под следствием, видеофиксация сделок с недвижимостью, Госдеп признался в любви к Times New Roman, Paramount закусились с Netflix за Warner Bros, Маск готовит супер-IPO для SpaceX, Альтман выкатил чесночный GPT-5.2, а также заключил сделку с Disney.

Некоторое время назад я с позором провалил собеседование на системного архитектора в один банк. Интервьюер просто до глубины души был оскорблен мои низким техническим уровнем. Ему максимально не понравилась схема интеграции со СМЭВ, которую я пытался изобразить. В итоге я решил немного подтянуть теорию, почитать учебники, попроходить Mock‑собеседования... Да, ну, нет, всё это слишком сложно! Вместо этого я решил запилить инструмент моделирования, добавить в него Enterprise Integration Patterns и прикрутить ИИ, чтобы он сам рисовал все эти дурацкие модели.

Затем я давал Gemini 3 Pro тестовые задания на проектирование архитектуры. В процессе я возможно и сам немного подтянул свои знания. Результат вы можете увидеть в статье, возможно эти модели будут для вас полезны. Вручную я их практически не правил, только иногда задавал уточняющие вопросы. Со мной всё итак ясно, а как вы считаете прошла бы Gemini собеседование на архитектора? На сколько удачно она справилась с этими тестовыми заданиями? Возможно на ваших собеседованиях задачи были сложнее и интереснее?

Я юрист, занимаюсь LegalOps, и код пишу редко. В этот раз захотелось сделать для коллег что-то интереснее обычной картинки из интернета. Что-то, во что можно залипнуть, улыбнуться и переслать другу. Так появилась идея Pixel Lawyer Run — игры-раннера, похожей на динозаврика из Chrome. 

За пару вечеров с помощью нейросетей (Perplexity, Cursor, Gemini) я собрал работающую версию. Неожиданно она разошлась по профильным чатам. 

Рассказываю, как это было: от идеи «сделать смешно» до попыток настроить физику прыжка, когда ты «гуманитарий».

У вас когда-нибудь была мечта, которая поднимает посреди ночи, и вы на цыпочках идете через спящий дом к компьютеру — посмотреть, что показывает ваш телескоп? Поймал ли он 3I/ATLAS, с джетами или без, как слабую точку или как большой объект с необычно яркой комой? Эти ночи — мои будни уже 3 месяца. И сегодня я расскажу, как любитель-астроном исследует самый необычный межзвездный объект за всю историю человечества:

Всем привет. Без лишних слов - сегодня хотелось бы поделиться с вами сервисами, которые вы можете использовать абсолютно бесплатно (без всяких подписок) для ваших исследований в области LLM и ИИ-агентов.

Это два веб-сервиса Open Web UI с поддержкой нескольких моделей, развернутых в облаке и Sim AI - для построения воркфлоу агентов без программирования. Оба эти сервиса я разворачивал в облаке для участников воркшопов в моем сообществе, но решил, что многим они могут пригодиться в качестве экспериментов.

Низкая приверженность пациентов к лечению остаётся одной из ключевых проблем современной медицины, несмотря на развитие персонализированных подходов и доказательных протоколов. Во многих случаях пациенты не понимают целей, логики и последовательности назначений, что приводит к несоблюдению рекомендаций и ухудшению клинических исходов. В статье рассматривается концепция heart-дизайна в медицине междисциплинарного подхода, сочетающего клиническое мышление, дизайн информации и поведенческие сценарии. Heart-дизайн направлен на стадийную визуализацию пути пациента к выздоровлению, персонализацию рекомендаций с учётом коморбидности, образа жизни и контекста пациента. Предлагается рассматривать рекомендации врача как проектируемый маршрут, в том числе в формате квестов и пошаговых сценариев. Обсуждается потенциал подхода для повышения приверженности и качества медицинской помощи.

Ноябрь 2025 года стал поворотной точкой в истории ИИ. Без громких анонсов и традиционного хайпа Google представил Gemini 3 Pro.

Цифры, последовавшие за релизом, говорили сами за себя: модель впервые обошла флагманский продукт OpenAI в ключевых независимых тестах.

Представьте, что вы годами качаете одного и того же персонажа, вкладывая в него все ресурсы. Он — неоспоримый топ-1 на сервере, мета, икона стиля. А потом в патче появляется новая фракция. Сперва смешная и неуклюжая, но с каждым обновлением получающая всё более имбовые скиллы. И вот в последнем патч‑ноте скромная строка: «Балансировка моделей ИИ». Вы заходите на сайт с тир‑листами и видите немыслимое: ваш матёрый ветеран неожиданно скатился на второе место. Для OpenAI именно это и произошло: Google выпустил своего «имбу».

Gemini 3 Pro от Google не только догнал, но и по многим параметрам превзошел ChatGPT 5.1. Давайте разберемся, что именно стоит за этими результатами.

Помните, как все смеялись над «хомяками», которые покупают на хаях и продают на низах? Я был одним из тех, кто тратил часы на технический анализ, рисовал треугольники на графиках и все равно ловил стоп-лоссы из-за эмоций. Страх, жадность, банальная усталость — главные враги трейдера.

Но мы живем в 2025 году. Если нейросети пишут код и рисуют картины, почему они не могут торговать лучше меня? Спойлер: могут. И делают это холоднокровно.

В этой статье расскажу, как я перешел на алготрейдинг, что показал эксперимент Alpha Arena и как мой собственный бот сделал +47% к депозиту, пока рынок штормило.

Рынок рекрутинга и поиска работы в России столкнулся с беспрецедентным изменением правил. В начале недели hh.ru, монополист на рынке онлайн-трудоустройства, начал рассылать сообщение о блокировке доступа к своему публичному API для сторонних сервисов. Это решение, по сути, перекрывает кислород десяткам компаний, которые годами строили бизнес на автоматизации. 

Что стоит за этим шагом и как выживут игроки в новой реальности - вопрос, который сейчас волнует всю индустрию и пользователей самих продуктов.

Сегодня хочу разобраться в ситуации и посмотреть, как компании будут выходить из этого положения. Надеюсь, получится интересно.

Запуск больших языковых моделей на своём железе — это всегда поиск компромисса. Либо ты тратишь больше $10 000 на потребительские видеокарты, которые едва тянут модели на 70 миллиардов параметров, либо лишь мечтаешь о серьезном железе корпоративного класса, которое, увы, тебе не по карману. Платформа Grace‑Hopper — архитектура суперчипа NVIDIA, объединяющего CPU и GPU, — это именно та инфраструктура для ИИ, о которой грезит сообщество LocalLlama. Но такие системы обычно стоят от $100 000 и доступны только дата‑центрам и научным институтам.

Поэтому, когда на Reddit я наткнулся на систему Grace‑Hopper за 10 000 евро, первой мыслью было: «Это развод». А второй: «Интересно, получится ли договориться за 7500?».

Эта история — о том, как я купил корпоративное ИИ‑оборудование, изначально рассчитанное на жидкостное охлаждение в серверной стойке, но кое‑как переделанное предыдущим владельцем на воздушное. Затем я вновь переделал его на водяное охлаждение, пережил несколько ситуаций на грани фола (включая работу с GPU, который докладывал о температуре в 16 миллионов градусов) и в итоге получил десктопную систему, способную запускать у меня дома модели на 235 миллиардов параметров. Это рассказ о сомнительных решениях, творческом решении проблем и о том, что происходит, когда пытаешься превратить серверное чудовище в домашнюю рабочую станцию.

Если вам когда‑нибудь было интересно, что нужно, чтобы запускать по‑настоящему большие модели локально, или если вы просто зашли посмотреть, как кто‑то разбирает «железо» за $80 000 с одной лишь надеждой и бутылкой изопропилового спирта — вы по адресу!

AI развивается очень быстро, но основной фокус у большинства - на LLM.

Но кроме LLM есть и другие применения и в этой статье - рассказ про проект синхронного перевода (в реальном времени) между любыми парами языков:

https://github.com/QuentinFuxa/WhisperLiveKit/

Основан этот проект на OpenAI Whisper. Что добавляет WhisperLiveKit?

Одна из проблем при проектировании сверточных сетей (CNN) – несоответствие размеров тензоров. Неправильно заданные padding, stride или dilation могут замедлить разработку модели.

Этот туториал – шпаргалка по формулам расчета размерности преобразованного изображения. Мы разберем, как каждый параметр свертки влияет на ширину и высоту выходного тензора. Материал будет полезен как новичкам, так и опытным разработчикам, желающим освежить ключевые формулы.

Представьте мир, где ваш смартфон не просто запускает нейросеть — он становится частью глобального вычислительного мозга. Мир, где беспилотный автомобиль обрабатывает данные не в далёком облаке, а в динамической сети соседних машин и дорожной инфраструктуры. Мир, где умный завод принимает решения не централизованно, а через коллективный разум тысяч датчиков и роботов, обменивающихся нейронными активациями в реальном времени.

Это не сценарий далёкого будущего — это насущная потребность сегодняшнего дня. Пока гиганты ИИ соревнуются в создании всё более крупных моделей с триллионами параметров, реальный мир сталкивается с жестоким парадоксом: самые продвинутые системы искусственного интеллекта оказываются беспомощными там, где они нужнее всего — на периферии, в условиях ограниченной связи, скудной энергии и жёстких требований к задержкам.

В прошлом квартале я внедрил Microsoft Copilot для 4000 сотрудников.

$30 за место в месяц.

$1,4 миллиона в год.

Я назвал это "цифровой трансформацией".

Совету директоров понравилась эта формулировка.

Они одобрили за одиннадцать минут.

Никто не спросил, что это вообще будет делать.

Включая меня.

Я всем говорил, что это "увеличит продуктивность в 10 раз".

Это не реальная цифра.

Но звучит как реальная.

HR спросил, как мы будем измерять это увеличение в 10 раз.

Я сказал, что мы "задействуем аналитические дашборды".

Вопросы прекратились.

Три месяца спустя я проверил отчёты по использованию.

47 человек открывали его.

12 использовали больше одного раза.

Один из них — это я.

Я использовал его, чтобы пересказать письмо, которое мог прочитать за 30 секунд.

Это заняло 45 секунд.

Плюс время на исправление галлюцинаций.

Но я назвал это "успешным пилотом".

Успех означает, что пилот не провалился явно.

Финдир спросил про ROI.

Я показал ему график.

График шёл вверх и вправо.

Он измерял "AI-enablement".

Я эту метрику придумал.

Он одобрительно кивнул.

Теперь мы "AI-enabled".

Я не знаю, что это значит.

Но это есть в нашей инвесторской презентации.

Старший разработчик спросил, почему мы не используем Claude или ChatGPT.

Я сказал, что нам нужна "энтерпрайз-безопасность".

Он спросил, что это значит.

Я сказал "комплаенс".

Он спросил, какой именно комплаенс.

Я сказал "все виды".

Он выглядел скептически.

Я назначил ему "встречу по развитию карьеры".

Вопросы прекратились.

Microsoft прислала команду для кейс-стади.

Они хотели представить нас как историю успеха.

Я — Зимин Дмитрий Александрович, заведующий отделением пластической хирургии клиники КЛАЗКО. Пациенты всё чаще спрашивают меня, как именно искусственный интеллект оценивает симметрию и можно ли доверять таким алгоритмам. И за этим всегда слышен второй вопрос: «А вы сами этим пользуетесь?».

ИИ-инструменты проникли практически в каждую сферу жизни, в этом контексте интерес пациентов понятен. Трендом этого года в соцсетях на Западе и в России стали «калькуляторы пропорций лица», которые могут якобы объективно оценить привлекательность на основе строения костной структуры.

О популярности таких инструментов говорит и то, что их советует зарубежный Vogue для подбора идеальной челки к определенной форме лица. Вариантов использования ИИ для стандартизации красоты – сотни, но и вопросов появляется не меньше. Насколько бы вы доверяли этим результатам? И насколько этично то, что обученный на «идеале» ИИ судит внешность людей?

Важно сразу обозначить позицию. Я внимательно слежу за развитием AI, анализирую новые решения и постепенно интегрирую их в работу, но не «падаю в омут с головой». Для меня искусственный интеллект — это инструмент, а не заместитель хирурга. Он может усилить наше видение, но не заменить ни клинический опыт, ни ощущение красоты, ни живой диалог с пациентом.

В этой статье я разберу, как устроены современные подходы к морфометрии лица, где AI действительно помогает, а где его возможности ограничены — в том числе из моего практического опыта.

Производительность СУБД — ключевой фактор , однако спонтанные проверки часто искажают реальную картину. PG_EXPECTO — это не просто набор скриптов, а чёткая методология, превращающая анализ PostgreSQL из хаотичного поиска проблем в структурированный, воспроизводимый эксперимент. 

Задача

Используя классическую задачу о влиянии значения параметра shared_buffers на производительность СУБД, подготовить и протестировать общую методологию проведения экспериментов по анализу производительности СУБД PostgerSQL c использованием нейросети для анализа статистических данных, собранных комплексом pg_expecto в ходе нагрузочного тестирования.

Послезавтра, 15 декабря, выходит n8n 2.0. Обновляется он, кстати, достаточно часто. В этом материале я описал безопасный способ обновления при использовании Docker с сохранением данных. Расскажу в том числе как обновится не только на стабильную версию, но и на beta/preview(если вдруг есть желание посмотреть, что станет доступно в ближайших обновлениях). Инструкция актуальна для n8n, развернутого через docker.

Это статья из официального блога OpenAI, но подход меня так зацепил, что решил перевести для всех. Я тоже часто переношу веб-приложения на мобилки примерно таким же способом и было очень здорово увидеть такой же подход (архитектура+рабочее_приложение-как-пример) у по сути создателей сильного AI. Пишу про разные похожие интересные вещи тут

В ноябре мы представили миру приложение Sora для Android, предоставив любому пользователю с Android-устройством возможность превращать короткие текстовые промпты в живые видео. В день запуска приложение заняло 1-е место в Play Store. За первые 24 часа пользователи Android сгенерировали более миллиона видеороликов.

За этим запуском стоит история: первая версия продакшн-приложения Sora для Android была создана всего за 28 дней благодаря тому же агенту, который доступен любой команде или разработчику – Codex.

С 8 октября по 5 ноября 2025 года небольшая команда инженеров, работая бок о бок с Codex и израсходовав примерно 5 миллиардов токенов (вау), провела Sora для Android от прототипа до глобального запуска. Несмотря на скорость разработки и масштаб, приложение демонстрирует показатель стабильности (crash-free) 99,9% и архитектуру, которой мы гордимся. Если вам интересно, использовали ли мы какую-то секретную модель – нет, мы использовали раннюю версию модели GPT-5.1-Codex, ту самую, которую любой разработчик или компания могут использовать уже сегодня через CLI, расширение для IDE или веб-приложение.

Художественная реконструкция реального эпизода 1773 года: охота за султанскими сокровищами в Средиземном море.

Главный герой — Георгий Ризо, греческий капитан, адъютант графа Алексея Орлова и командир корсарской эскадры. Перед ним — карта района плавания. По ней он объясняет экипажу свой замысел и вдохновляет экипаж на рискованное предприятие.

Бизнес — это тоже своего рода поход за сокровищами.

И в такой мощной программе управления, как 1С:ERP, «карта похода» — единый наглядный инструмент планирования — нужна руководителю ровно так же, как капитану — карта района плавания.

Но в 1С:ERP такой карты нет. В подсистеме планирования данной программы отсутствует рабочее место руководителя — нет визуального инструмента, который позволял бы одним взглядом охватить весь бизнес-замысел: стратегию, тактику и связи между ними.

Ниже — о том, как я создавал прототип такой карты. Создавал буквально «на коленке». И как из «карты для руководителя» неожиданно вырос ИИ-помощник по планированию в 1С:ERP.

Инфраструктура для задач инференса и ИИ в целом переживает стремительный рост — возможно, самый бурный за всю историю отрасли. Мощность GPU и специализированных ускорителей растет, постоянно выходят новые модели, а сетевые фабрики переходят на скорости терабитного уровня.

На этом фоне производители постоянно представляют новые решения — от революционных dataflow-ускорителей и гипермасштабных коммутаторов до систем жидкостного и иммерсионного охлаждения, без которых уже невозможно строить современные ИИ-кластеры.

Привет, Хабр! Меня зовут Сергей Ковалёв, я менеджер выделенных серверов в Selectel. В новом дайджесте — ключевые анонсы, большинство из которых завязаны на задачах AI. Подробности под катом!