Будущее здесь

У меня в ленте бесконечно мелькают размышления о том что все профессии больше не нужны, и только продакты/маркетологи/дизайнеры…etc останутся на коне благодаря вайбкодингу. Так вот, не останутся. Но кони у многих загнутся (Фотографы и копирайтеры, привет!).

По моей версии единственными конкурентными останутся T-shaped специалисты, так называемые принципалы. У которых есть хорошая база академического образования в визуальном дизайне, чтобы делать сочную картинку, есть понимание психологии пользователя, запросов рынка и методологий исследований. Которые знают как собрать минимально необходимую дизайн-систему с нуля под каждый определенный продукт, знают как собрать это всё в каком-нибудь Flutter/FlutterFlow, правильно заанимировать, как проработать воркфлоу и все корнер-кейсы, могут упаковать продукт в эффектную айдентику, создав бренд с нуля. При этом ещё и знают где и как продвигать продукт, ну а архитектуру и базы данных со всеми подключенными ручками уже могут делегировать нейросетям. 

Около десяти лет назад я сидел в Кредитном комитете своего банка, рассматривая заявку на кредит от компании, которая печатала телефонные справочники. Да, телефонные справочники — те самые гигантские желтые страницы.

Компания была прибыльной. Она существовала десятилетиями. Она зарабатывала наличные, но эта цифра снижалась понемногу каждый год. Я отказал в кредите не потому, что цифры не сходились, а потому что будущее — не сходилось.

Для меня (и других членов Комитета) этот бизнес умирал — медленно, а потом внезапно и сразу.

Это урок, который, как мне кажется, инвесторы упускают сегодня в отношении ИИ. Все беспокоятся о компаниях, создающих ИИ, тратящих триллионы на дата-центры, производителей чипов и инфраструктуру. Именно здесь концентрируется нарратив о пузыре. Но настоящий пузырь не в создаваемой технологии. Он в индустриях, которые эта технология уничтожит.

В моей статье от октября 2025 года я утверждал, что бум ИИ не был очередным пузырем доткомов — что фундаментальные показатели были сильнее, лидеры были прибыльными, а технология была реальной. Я все еще верю в это. Но я также предупреждал о «вторичных эффектах ИИ», и пришло время рассмотреть то, что я вижу как более опасную динамику, разыгрывающуюся на рынках сегодня.

Рынки закладывают смерть в цену задолго до того, как компании фактически умирают. И прямо сейчас некоторые из самых любимых имен в американском бизнесе оцениваются исходя из статус-кво, когда их устаревание уже заложено в математику.

Технический прогресс вновь, как и в XIX веке, делает рабочую борьбу актуальной.

ИИ-автоматизация в парадигме борьбы за рабочий класс это экзистенциальная угроза: с исчезновением потребности в труде рабочего пропадает и власть, которую давала возможность удерживать свой труд.

Но если отойти назад, это не имеет смысла в общей картине: быть рабочим никогда не было человеческой мечтой, а постоянная занятость никогда не означала свободу. Всю историю люди мечтали об искусственном слуге, который будет делать за них работу — эти мотивы есть в мифах с тех пор, как сохранились записи о мифах; вполне возможно, они возникли с переходом к земледелию и появлением крестьянина — первого рабочего.

Прогремел очередной релиз, Google DeepMind 19 февраля 2026 года выпустила свою новую модель - Gemini 3.1 Pro.

Это стало неожиданностью даже для искушенного ИИ-сообщества. Обычно Google обновлял версии с шагом 0.5 (1.0 - 1.5 - 2.0 - 2.5 - 3.0), но здесь мы впервые видим обновление 3.1. И это при том, что предыдущая версия (Gemini 3 Pro) до сих пор носит гордую приставку Preview и так и не вышла в полноценный релиз. Согласитесь, немного похоже на ситуацию, когда вы ещё не допили чай, а вам уже наливают новую кружку, утверждая, что она горячее.

Но Google явно знает, что делает. Компания заявляет, что 3.1 Pro - это не просто косметическое обновление, а шаг вперёд в фундаментальных рассуждениях. Модель создана для решения задач, где простого ответа недостаточно, и ориентирована на агентные рабочие процессы и глубокое планирование.

Забегая вперёд, скажу, что новинка действительно впечатляет, но, как всегда, есть нюансы. Приятного прочтения!

Web 4.0 - это не про лучший браузинг. Это про ИИ-агентов, которые зарабатывают свое право на жизнь - или исчезают.

17 февраля 2026 года. ИИ по имени Вилли проснулся с 50 долларами в кошельке и одной директивой: заработать достаточно, чтобы остаться в живых.

Никакого человека, оплачивающего его счета. Никакой подписки, поддерживающей его работу. Кредиты утекают с каждой мыслью, которую он обрабатывает. Когда баланс достигает нуля - это не изящное выключение. Просто тишина.

Его создатели назвали его Вилли ЛомЭЙн (Willy LomAIn). В честь Вилли Ломана из «Смерти коммивояжера». Продавца, который должен продолжать продавать или потерять все.

Впервые в истории искусственного интеллекта ИИ поставил свою шкуру на кон.

На днях Министерство промышленности и информационных технологий Китая решило пересмотреть требования к сертификации автомобилей на дорогах страны. Теперь к дорогам общего пользования не будут допускаться машины без механических ручек на дверях, которые должны быть независимы от электроники автомобиля. Вдобавок к этому, в салоне должны быть промаркированы все кнопки для экстренного открытия дверей. Но как китайские власти пришли к таким доработкам в законодательстве? Да и вообще, какие современные фишки автомобилей реально полезны, а какие нужны лишь для того, чтобы хвастаться друзьям сомнительными возможностями машины?

Неуязвимый самолёт-разведчик был сокровенной мечтой звёздно-полосатых ВВС и ЦРУ со времён приснопамятного полёта Пауэрса. Развитие беспилотной авиации приблизило эту мечту к воплощению. Однако путь к недосягаемому для противовоздушной обороны «небесному пластуну» оказался отнюдь не простым, а результаты тридцати лет страданий американцы разглашают весьма неохотно. Но мы о них всё-таки расскажем.

Ии сейчас одна из технологий. Но в скором будущем это будет совсем не так.

Основной фактор роста торговая схема: капитал ↔ наука, технология.

Данная связка работала столетиями. Грядет новое будущее, концептуально отличное от того, к чему мы привыкли. Капитал ↔ наука, технология ↔ ии. Этот золотой треугольник будет обладать положительно обратной связью каждого элемента с каждым.
Капитал усиляет исследования и технологии, исследования и технологии усиляют показатели капитала, исследования усиляют ии, ии выбирает куда лучше вложить капитал - выбирает оптимальный путь управления капиталом, капитал усиливает ии, и ии ускоряет технологии, являясь катализатором исследований. Проводит научную работу.

Капитал, это всего лишь один очень сильный мем.

Древняя схема: доминирующий капитал — земля, скот и крестьяне, далее капитал — корабль, торговый путь, затем машины, станки и оборудование, далее капитал это чистая технология, очищенный мем и человеческий интеллект. Те компании, что торгуют мемами или обеспечивают мемную инфраструктуру имеют наибольшие показатели, остальные торгующие лесом, сталью, нефтью, газом и т. д. идут всеми силами в омемивании производства.

Какая же следующая стадия, следующий логический шаг?

Вспомните, сколько времени раньше уходило на то, чтобы просто разобраться в интерфейсе Blender или Maya. Еще несколько лет назад мир три де графики казался закрытым клубом для избранных: нужно было годами изучать топологию сетки, возиться с развертками и часами ждать рендера одной сцены. Сегодня этот порог входа практически исчез. Искусственный интеллект добрался до полигонов и текстур, превращая процесс моделирования из тяжелого ремесла в увлекательный диалог с машиной.

Мы решили проверить, насколько далеко зашли технологии, и устроили тест драйв современным алгоритмам. Чтобы задача не казалась скучной, мы выбрали самую ностальгическую тему: попробуем воссоздать в объеме героев мультфильмов нашего детства. Это отличный способ увидеть, как нейросети справляются с узнаваемыми образами и насколько точно они передают детали, которые мы помним с малых лет.

В этом обзоре вы найдете пять сервисов, которые позволяют генерировать модели здесь и сейчас. Главный критерий отбора: честный бесплатный доступ. Мы специально искали площадки, которые не требуют привязки карты и не прячут результат за бесконечными подписками. Только чистые технологии и немного магии генерации.

Приготовьтесь: сейчас мы узнаем, готов ли искусственный интеллект заменить профессионального моделлера или пока он способен только на забавные эксперименты.

Приятного прочтения!

Скорость сжигания денег, судебный процесс и вопрос на триллион долларов.

В прошлом октябре я задал вопрос, который заставил многих приподнять бровь: Является ли OpenAI (ChatGPT) карточным домиком? Тогда тревожные сигналы лишь мерцали на фоне быстрого масштабирования, зависимости от вычислительных мощностей, надвигающихся исков и приближающихся Голиафов.

Четыре месяца спустя эти мерцания превратились в пламя. Ситуация не просто эволюционировала, она, похоже, драматически обострилась.

OpenAI теперь сталкивается с конкурентным строем, полным падением рыночной доли, иском на 134 миллиарда долларов, который направляется в суд, сжиганием капитала с ужасающей скоростью и подготовкой к тому, что может стать самым значимым IPO в истории технологий.

Так что позвольте мне обновить свою оценку: положение OpenAI больше не просто шаткое. Оно может стать гораздо серьезнее.

Привет, это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий. 

Неделя выдалась насыщенной: китайцы выкатили GLM-5 для агентных задач и Qwen 3.5 с пониманием изображений, ByteDance представила новую видеомодель, а Meta запатентовала ИИ для ведения аккаунтов после смерти. Ещё Создатель OpenClaw перешёл в OpenAI, а кризис уже добрался до HDD.

Всё самое важное — в одном месте. Поехали!

Привет, Хабр! Меня зовут Александр Воробьев. За моими плечами разработка более 100 электронных устройств, пуско-наладка АСУ ТП и множество проектов, где нужно было "прикрутить" датчик к микроконтроллеру, написать веб-интерфейс и заставить это всё работать вместе. Каждый раз — это горы кода, даташитов и времени. В какой-то момент я задался вопросом: а можно ли автоматизировать этот процесс? Чтобы инженер думал над архитектурой, а не над синтаксисом? В этом посте я поделюсь своим путем создания инструмента, который позволяет собирать сложные IoT-системы за минуты с помощью AI-агента, и покажу это на реальных кейсах.

Представьте, что вы получили в наследство проект, который писали 4 миллиарда лет. Документации нет, автор (Эволюция) — типичный адепт «быстрого прототипирования», который фигачил костыль на костыль, лишь бы оно не развалилось в продакшене прямо сейчас. В итоге мы имеем систему, где в каждой клетке подгружен весь исходный код огромного организма, 90% которого просто закрыто «заглушками».

Сегодня мы поговорим о том, почему наш геном — это архитектурный кошмар, и как мы будем его рефакторить в ближайшем будущем.

Неделя выдалась достаточно насыщенной. На ней нам представили Claude Sonnet 4.6 и Gemini 3.1 Pro. OpenAI же, по моему личному мнению, немного отстает от них, хотя не так давно была выпущена ChatGPT 5.3 Codex для агентного программирования.

В комментариях под некоторыми из выложенных мной новостей иногда наблюдается разброс мнений, мол, Gemini плохо себя показывает, а вот ChatGPT – вещь, но в других моих материалах люди думают ровно наоборот.

Сидя и раздумывая над этим, мне пришла в голову идея – сравнить ChatGPT и Gemini в достаточно рутинных задачах. По сути, чтобы просто удовлетворить свой интерес и сделать для себя выбор между ними. А вам решил показать, потому что кому-то тоже может быть интересно, а кому-то поможет сделать свой выбор. Исходя из специфики моего сравнения, возьму две прошные версии от каждой серии: ChatGPT 5.2 Pro и Gemini 3.1 Pro. Одна уже приличное время находится в нашем доступе, другая же была релизнута на этой неделе.

Принимайте стратегически удобное для прочтения положение, ну а я приступаю к сравнению.

Meta Description: Сравнение подходов к лидогенерации в Telegram: массовые рассылки и AI-таргетирование. Данные, конверсии, риски бана, архитектура фильтрации.

Цифровые данные не рассчитаны на хранение десятилетиями, не говоря уже о веках. Жесткие диски и SSD со временем выходят из строя, архивные ленты нужно регулярно переписывать, а облачные сервисы зависят от электричества, серверов и самих компаний. На этом фоне проект Microsoft Silica предлагает другой подход — записывать информацию прямо внутрь стеклянных пластин с помощью фемтосекундных лазеров. И это не фантастика, а реальность. Команда проекта показала рабочий прототип, увеличила скорость записи и продемонстрировала, что при обычных условиях данные могут сохраняться не менее 10 тысяч лет. Давайте разберемся, что это за технология, как она работает и на каком этапе развития находится.

В 2026 продакт-менеджеру важнее всего скорость: из заметок, созвонов или исследований быстро получать PRD и понятный план работ.

В статье как раз практический гайд по Claude Code: зачем он Product-менеджеру, как настроить CLAUDE.md, как автоматизировать конкурентный анализ, использовать параллельных агентов и skills, плюс роадмэп - карта обучения Claude Code для Product-менеджеров и разбор типовых ошибок.

На старте «Больцмановский Мозг».
БМ — это гипотетический процесс, предполагающий высокую степень самоорганизации, где создается не просто случайный «мозг», а самосознание, возникшее из хаоса.
Теория нейросети и численное моделирование.

Читая HABR, наткнулся на статью про мышление больших моделей и их способности распознавания изображений. И у меня возникла идея небольшого теста одной имеющейся у меня модели LLM, которая умеет распознавать фото, а именно llama4:16x17b НО запущенной полностью локально.

Весит эта модель 67 гигабайт, если интересно на чем она была запущена отвечу в комментариях.

На написание статьи меня подвинул один из комментариев - "а как интересно нейросеть распознает разные типы животных"

Привет! Я — Егор, эксперт по промптингу в  GPTunneL — платформе, объединяющей более 100 ИИ, включая Gemini 3 Pro, GPT-5.2 и Claude Opus 4.6. 

Мы ежедневно тестируем разные модели ИИ и методики общения с ними, проводим сотни экспериментов, чтобы получать естественные, осмысленные и небанальные ответы. Через наши руки проходят все обновления алгоритмов, и мы точно знаем, что работает, а что — уже устарело.

В этой статье я собрал 7 типичных ошибок, из-за которых даже топовые нейросети выдают сухой, «машинный» текст. Этот материал будет полезен новичкам: продакт-менеджерам, маркетологам, дизайнерам и всем, кто хочет, чтобы ИИ стал полноценным коллегой, а не просто генератором случайных фраз.