Будущее здесь

Это сугубо личное наблюдение, но когда при первом знакомстве человек говорит о том, что он «просветленный» или «проработанный», то вероятнее всего вы не встретите в жизни большего психопата. Поездки на Бали, занятие йогой, работа с грибами, не делают тебя «более глубоким». Как писал Виктор Франкл: «если духовные основания подменяются химическими причинами, то следствие будет лишь артефактом. Тупиком». Поэтому в статье разбираю феномен Эго, опасность использования психоделиков и заблуждения, касательно просветленности и «включенного сознания».

Доброго времени суток, «Хабр»!

В предыдущей своей статье я рассматривал разные парадигмы обучения моделей. Однако не всегда при обучении все происходит гладко.

Бывают ситуации, когда на обучающих данных модель работает идеально, но при проверке на новых данных точность резко снижается. Это явление называется переобучением.

Сегодня в статье расскажу об переобучении моделей, как обнаружить это явление и избежать его. Примите стратегически удобное положения, а я приступаю к своему повествованию.

В мире искусственного интеллекта есть исследования, где достаточно нескольких страниц, чтобы понять — это нечто особенное. Engram от DeepSeek — именно такое.

С новой моделью на подходе это может служить доказательством, что их грядущий флагман будет уникальным не только благодаря превосходным характеристикам, но и потому, что он принципиально отличается от существующих подходов.

Этот новый тип моделей не просто многообещающий — он способен полностью переосмыслить слой памяти, а вместе с ним открыть новые перспективы для целого ряда неожиданных публичных компаний.

Ждёт ли нас ещё один «момент DeepSeek», подобный прошлогоднему?

Эти размышления основаны на материалах TheWhiteBox, где я объясняю ИИ с позиции первых принципов для тех, кто невосприимчив к хайпу, но жаждет знаний. Для инвесторов, руководителей и энтузиастов.

Распределенные agile-команды стали организационным стандартом во многих отраслях прежде всего благодаря высокой эффективности разработки. При этом данный формат работы заключает в себе ряд рисков, источником которых является как лидер, так и члены команды. Среди них – утрата коллективной идентичности, размывание статуса, квазилидерство, снижение социализации, «тихий уход», работа 24/7 вместо баланса работы-личной жизни, возрастной ценз. Управление данными рисками возможно благодаря интеграции ценностей и достижений предыдущих уровней организационного развития.

Количество параметров нейросетей уходит в бесконечность. Чипы дорожают. Масштабирование продолжается. Илон Маск обещает рождение AGI к концу этого года. И единственный лимит, который он видит, это количество доступной энергии и сами чипы.

Команда AI for Devs подготовила перевод подробного гайда по Claude Code — от skills и хуков до MCP, субагентов и плагинов. Автор делится реальным сетапом после месяцев ежедневной работы и показывает, как выжать максимум из Claude Code, не убив контекст и производительность.

Для Альтмана игра почти окончена

Как первые клубы дыма, поднимающиеся от «Гинденбурга», ранние предупреждающие знаки о неминуемом и неизбежном катастрофическом разрушении OpenAI теперь неоспоримы. Это проблема, потому что в отличие от «Гинденбурга», который нёс груз богатых элит, груз OpenAI — это экономика США. Мы все видим дым. Однако команда дирижабля OpenAI, его фанатичные пассажиры и недалёкие люди, которым поручено заботиться о его драгоценном грузе, достигли уровня массовой истерии безумного отрицания и утверждают, что всё в порядке и что они на самом деле на курсе к приземлению в раю. Между тем остальные из нас знают, что нет дыма без огня, и даже крошечная искра может взорвать эту гигантскую бомбу прямо нам в лицо. Вот как OpenAI вот-вот рухнет, как «Гинденбург».

Команда AI for Devs подготовила перевод статьи о том, как использовать OpenCode вместе с Docker Model Runner для локальной разработки с LLM. В центре внимания — контроль над кодом, данными и затратами: модели запускаются локально, контекст не уходит во внешние сервисы, а ИИ-ассистент становится частью вашей инфраструктуры, а не сторонним SaaS. Практический разбор для тех, кто хочет использовать ИИ в разработке без компромиссов по безопасности и стоимости.

Продолжаются разговоры о том, что системы ИИ всех сортов и расцветок оставят программистов без куска хлеба. Однако все это может быть частью цикличного паттерна, когда хайповая технология на деле приводит не к безработице, а делает действительно квалифицированных программистов еще более востребованными.

Мы в Beeline Cloud решили разобраться в теме.

Доброго времени суток, «Хабр»!

Вы когда-нибудь задумывались, что такое машинное обучение и как оно вообще учится? Чем это может отличаться от обычного программирования с его главным правилом: не трогай, пока работает? Где заканчивается простой код и где он переходит во что-то более мощное - в ИИ-модели, которые мы используем сегодня.

Сегодня мы разберем основы ИИ - обучение моделей. Посмотрим какие способы обучения бывают, зачем их применяют и как они показывают, на что модель способна.

Принимайте стратегически удобное положение, ну а я перехожу к своему повествованию.

В основе этого материала лежит вопрос о природе коммуникации. В чем суть природы общения между людьми, как не передача ценного опта, мнения или обсуждения идеи? Общий интерес и мотив как к познанию другого человека, таки попытка донести свою мысль. Параллельно с этим общение можно рассмотреть, как акт развлечения. И отсюда вопрос: если искусственный интеллект возьмет на себя управление нашим общением, значит ли это, что мы разучимся доносить свои смыслы? Или внезапно обнаружим, что в разуме конкретного человека или нас самих никогда и не было того, что можно назвать «смыслом»?

Команда AI for Devs подготовила перевод статьи, в которой по полочкам разбирается агентная экосистема. Skills, Prompts, Projects, MCP и сабагенты — что из этого отвечает за знания, что за действия, а что за подключение к данным. Материал помогает понять, какой инструмент когда использовать и как собирать из них сложные, но управляемые AI-воркфлоу.

Привет, Хабр! На связи Лера, технический писатель в Авито. В прошлом году мы с вами разобрали много интересных книг, и кажется, что начало нового года — идеальное время, чтобы оглянуться назад перед планированием, подвести итоги и подумать, каким мы хотим видеть свой 2026-й. Лично я всегда думаю о том, что год — слишком длинная дистанция, чтобы держать фокус на чём-то одном, а планы на 12 месяцев превращаются в списки из разряда «когда-нибудь» в заметках. Поэтому сегодня я хочу разобрать книгу, которая предлагает радикально иной подход к планированию — «12-недельный год» Брайана Морана.

Трехмерные карбоновые, они же углепластиковые, ткани постепенно становятся одним из самых перспективных направлений развития современных материалов. Их структурное строение позволяет создавать изделия, способные выдерживать сверхвысокие механические нагрузки при меньшем весе и увеличенном сроке службы по сравнению с традиционными композитными углеродными материалами. На наших глазах технология выходит за пределы лабораторий и внедряется в производственные процессы. Рассказываем, как она развивается в России, на примере компании «Карбонтекс», пионера в области трехмерных композитных материалов и армированных преформ для последующего промышленного применения.

Последние пару лет ИИ живёт жизнью, о которой большинство технологий могут только мечтать. Он не вошёл на рынок вежливо, как полезное обновление существующего программного обеспечения.

Он ворвался как шторм, который потребовал внимания, перестроил повестки дня залов заседаний, захватил бюджеты, переписал дорожные карты продуктов и заставил целые индустрии внезапно вести себя так, будто они опоздали на гонку, о старте которой даже не подозревали.

Если вы работаете в технологиях, вы, вероятно, это почувствовали. Это ощущение, что в каждом разговоре теперь сидит «ИИ», как неизбежный гость. Слайды квартальных бизнес-обзоров выглядят по-другому. Презентации для инвесторов выглядят по-другому. Описания вакансий выглядят по-другому.

Даже базовые инструменты, которые раньше казались завершёнными и стабильными, теперь поставляются с новыми кнопками, предлагающими «с поддержкой ИИ» то и «с помощью ИИ» это.

И всё же, под волнением, глянцевыми демо и постоянным потоком объявлений, более тихий и более некомфортный вопрос начал появляться чаще, чем люди признают.

Устойчиво ли это?

Если вы продвигаете трек через тиктокеров, то почти наверняка знаете этот сценарий: находишь аккаунты, пишешь в личку, ждёшь ответ, договариваешься, отправляешь деньги, потом неделями пытаешься понять ролик вообще выйдет или нет, а если вышел, то что он реально принёс.

Снаружи это выглядит как просто купить интеграцию.

На деле это набор рисков:

потерянные деньги, отсутствие контроля, ручная аналитика и ноль повторяемости.

Меня зовут Тимур, CEO IWBL (https://iwannabelistened.com/) платформы где музыканты и лейблы выбирают TikTok-инфлюенсеров через витрину, оплачивают и получают ролики с отслеживанием автоматической аналитики в течении месяца.

В этой статье я расскажу, как в целом эффективнее заказывать промо в TikTok и как мы собрали IWBL в веб-версию: витрина инфлюенсеров, эскроу, чаты внутри заказов и “живые” метрики без Excel.

После публикации «IT-2025: Реквием по здравому смыслу» произошло то, что обычно происходит, когда тыкаешь палкой в муравейник. Комментарии взорвались, личка — тоже.

Но среди потока сообщений было одно, которое заставило меня остановиться.

Не от джуна, которого в сотый раз завернули на собеседовании. Не от сеньора, уставшего объяснять, почему Java и JavaScript — это не одно и то же. И не от "эффективного менеджера", обиженного за свои миты.

Письмо пришло от человека, который двадцать лет работает в самом сердце системы найма. Карьерный консультант, была директором вузовского центра карьеры. Работала с лидерами IT-рынка, когда рынок ещё был рынком, а не казино. Сейчас — принимает тех, кого это казино выплюнуло.

Я ждал хейта. Я ждал, что мне объяснят, как я неправ и ничего не понимаю в "современных HR-практиках".

Вместо этого мне сказали: ты ещё оптимист.

Оказывается, всё, что я описал — абсурд найма, гонка алгоритмов, смерть экспертизы — это не болезнь IT. Это симптом. IT просто первыми попали в реанимацию. Остальные стоят в очереди.

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

Неделя выдалась насыщенной: Z.AI выпустили GLM-4.7-Flash — сверхлёгкую модель для кодинга, которая обходит конкурентов, Google научил Gemini заглядывать в ваши фото и почту, Suno теперь генерит мэшапы, а OpenAI добавляют рекламу в ChatGPT. 

Всё самое важное — в одном месте. Поехали!

После выхода статьи «Сайдлоадинг и оффлоадинг: cоздание цифровых моделей личности с помощью сверхбольших промптов для LLM» у многих (в том числе и у меня) появились вопросы к автору идеи Алексею Турчину.

Неожиданно я узнал, что мы живём в одном районе, и Алексей согласился дать интервью и ответить на вопросы.

Споры о том, «убивает» ли ИИ креативность или, наоборот, усиливает её, обычно сводятся к эмоциональным полюсам. Но если смотреть прагматично, картина проще: генеративные модели ускоряют этап производства вариантов, а ключевые риски и ключевая ценность лежат на этапе оценки. Именно там проходит практическая граница креативности и именно там ИИ пока слабее человека.