Искусственный интеллект

Если вы когда-нибудь пытались получить нужный отчет из базы данных с помощью ИИ — скорее всего, столкнулись с забавной загадкой: почему-то даже продвинутые языковые модели то спотыкаются на связях между таблицами, то забывают ключевую фильтрацию, то просто возвращают не тот ответ. Формально запрос работает, а по сути — совсем не то. Почему так происходит? И можно ли научить ИИ писать правильный SQL, а не гадать до бесконечности?

В новой статье исследователи предлагают необычный подход: они учат модель распознавать собственные ошибки и исправлять логику, а не просто механически менять структуру запроса. Заодно выясняем, насколько такая система помогает избежать классических промахов и что изменится для пользователей, которым важно получать не просто рабочий код, а действительно осмысленный результат.

Приведём здесь найденные в архивах древних записей сохранившиеся сведения о древнем чуде света (в буквальном смысле) - хроноскопе. Записи датируются 1177 годом текущей эры. Предположительно, эти сведения были составлены в соавторстве с некоей египетской Фантазией.

Загружая фото в ChatGPT или другие ИИ-сервисы, мы редко задумываемся, что отдаем куда больше данных, чем кажется на первый взгляд. Метаданные, детали фона, лица посторонних людей или даже случайно попавшие в кадр документы могут превратиться в ценный набор информации для компаний и потенциальных злоумышленников. Эксперты по кибербезопасности предупреждают: снимок, который вы считаете безобидным, может продолжить существовать и использоваться компаниями и системами ИИ даже после того, как вы завершите с ним взаимодействие.

Всем привет! Меня зовут Андрей Попов, я SEO-специалист в AGIMA. Сегодня поговорим на тему, которая в 2025 году становится критически важной для любого бизнеса, работающего в диджитал. Поисковые системы и ИИ-ассистенты вроде Алисы, Gemini или ChatGPT меняют правила игры: они теперь не просто ищут страницы, а сами «понимают» контент, анализируют его и выдают готовые ответы пользователям.

Классическое SEO уже не работает без глубокого внедрения структурированных данных. Именно микроразметка превращает ваш сайт в «язык», который понимают машины. FAQPage, HowTo, таблицы сравнений — это не просто технические теги, а прямые мосты между вашим контентом и ИИ. В этой статье разберем, как сделать сайт читаемым для искусственного интеллекта и при этом полезным для живых людей.

Давайте поговорим о самом недооценённом навыке в генерации видео. Нет, это не подбор оформления «в стиле Миядзаки» и не магия идеального освещения. Это — звук. Именно он создаёт то самое неповторимое настроение, ту самую магию, которая заставляет зрителя досмотреть ваш шедевр до конца, а не закрыть через три секунды.

Суть в том, чтобы не перечислять звуки, а погружать нейросеть в атмосферу, описывать мир вокруг так, как будто вы сами в нём находитесь. И знаете, это сработало! Veo 3 оказался куда более чутким слушателем, чем я думал.

Привет! Это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
Меня зовут Вандер, и каждую неделю я обозреваю новости о нейросетях и ИИ.

Неделя выдалась интересной: xAI выкатила Grok Code Fast 1, Microsoft показала первую LLM. Громкий релиз nano-banana, Anthropic тестирует Claude в Chrome, Krea показывает реалтайм-видео, а YouTube тихо апскейлит ролики.

Всё самое важное — в одном месте. Поехали!

Спустя пару месяцев после релиза, в самом конце июля, разработчики Google Veo 3 добавили ту самую кнопочку Загрузить изображение. Я обожал эту фишку в Veo 2, но в третьей версии нейросеть просто взлетела по качеству. В общем, в этой статье — полный разбор, как оживить со звуком всё что угодно: от вашего кота до стрит‑арта Бэнкси.

Последнее время про генеративный ИИ не говорит и не пишет только ленивый (я вот, например, точно не ленивый). Причем это последнее время тянется уже минимум года 2–3 — с тех пор, как, собственно, OpenAI прогремели с ChatGPT 3. И скажу даже больше, если посмотреть на профильные ИИ‑конференции, то 80-90% докладов будет про генеративный ИИ. А если посмотреть на отраслевые конференции, то 80-90% докладов про применение ИИ в той или иной отрасли.

Честно скажу — такое засилье генИИ меня несколько удивляет. Складывается ощущение, что никакого другого ИИ уже не существует и все уже забыли про видеоаналитику, предиктивку и вот эти все непонятные слова.

Что любопытно, если посмотреть на оценки экономического эффекта от внедрения генИИ, то он достаточно скромен — 20%, по данным исследования «Яков и Партнеры». Вот и получается — 80% шума дает нам ИИ, который на самом деле принесет только 20% денег. Такой «принцип Парето» наоборот получается. И эти цифры меня заставили задуматься — а в чем же причина такой популярности генеративного ИИ, и почему так много шума из‑за не самой полезной темы?

Одна из самых распространённых задач для AI-ассистента — поиск ответов на вопросы. Пользователи ожидают, что он сможет находить информацию во внутренних wiki, базах знаний техподдержки, Word-документах, Excel-файлах и других корпоративных источниках.

Сегодня такой поиск чаще всего реализуется с помощью подхода Retrieval-Augmented Generation (RAG). Суть проста: сначала ассистент находит фрагменты документов, которые кажутся релевантными запросу, и уже на их основе формирует связанный ответ.

На первый взгляд схема выглядит логичной. Но на практике у классического RAG есть целый ряд ограничений, которые быстро дают о себе знать при реальных внедрениях. В этой статье мы разберём основные проблемы и покажем, как можно их обойти.

Формула-1 всегда была местом пересечения инженерии и инноваций. В последние годы эта область инноваций расширилась за счёт внедрения искусственного интеллекта и машинного обучения.

От стратегии по выбору шин до аэродинамического дизайна — эти технологии меняют то, как команды планируют работу, реагируют на вызовы и развиваются. Они не заменяют человеческих специалистов, принимающих решения, но трансформируют набор инструментов, с которыми ведут борьбу за результат.

В августовском отчёте Threat Intelligence Report: August 2025 компания Anthropic раскрыла детали новой волны киберпреступности: злоумышленники всё активнее используют ИИ-агентов для автоматизации атак и масштабного вымогательства данных. Исследование показывает, что искусственный интеллект теперь выполняет не только вспомогательную, но и оперативную роль в атаках — от разведки и проникновения в сети до создания вредоносного ПО, анализа украденной информации и генерации вымогательских требований.

Мы подготовили перевод части исследования о том, как злоумышленники используют Claude для вайб-хакинга.

Здорово, когда ты получаешь готовое работающее приложение с одного запроса. Пусть даже долго оттачиваемого, как меч самурая. Это апофеоз одновременно профессионализма и лени: ты смог сформулировать задачу так, что ИИ тебя понял и с первого раза сделал всё верно.

Конечно, в крупных проектах такое стремление к лаконичности совершенствованию ни к чему. Очень часто мы даже не можем заранее сформулировать ТЗ и двигаемся шагами, только постепенно понимая направление совершенствования нашего проекта. Современные среды разработки заточены на диалог с ИИ-агентом, который по шагам добавляет функциональность в наше приложение, исправляет возникшие ошибки и т.д.

Эта статья содержит разбор эксперимента по вайб-кодингу, проведённого oldschool-разработчиком с 20+ летним стажем (Assembler, 1C, C/C++, Go, Pascal, Perl, PL/SQL, Python). Я покажу:

• В каких случаях вайб-кодеру достаточно минимальных знаний предмета, а в каких необходимы экспертные навыки и опыт?

• Что изменилось в инструментах вайб-кодинга за текущий год, и что изменится в ближайшем будущем?

• Сравним обычные и «премиум» языковые модели.

• Поймём, есть ли предел у диалога с ИИ-ассистентом, и как понять, что он достигнут?

Когда к ИИ-инструменту привыкают, его порой начинают воспринимать как разум — будто за ответами скрывается личность с намерениями и логикой. Но это не что иное как ловушка антропоморфизма: мы приписываем моделям человеческие качества и потом удивляемся, когда они выдают банальности или абсурдные советы. В статье предлагается более честная и полезная метафора — «мешок слов». Она объясняет, почему LLM предсказуемо сильны в одних задачах и столь же предсказуемо сыплются в других, а главное — почему сравнивать их с людьми изначально неправильно.

Запуск стартапа — это не только идея, но и понимание, как она станет бизнесом. Lean Canvas, предложенный Эшем Маурья, помогает на одной странице структурировать ключевые аспекты: проблемы клиентов, решения, каналы продаж и издержки.

Но Lean Canvas за пять минут не заполнить: нужны гипотезы, исследования, слаженная работа команды. А что если большую часть рутины возьмёт на себя ИИ-агент? Мы в GigaChain решили попробовать. Рассказываем, что из этого получилось.

В Сбере мы активно внедряем искусственный интеллект для решения сложных бизнес-задач. Одно из перспективных направлений — ИИ-агенты: автономные системы, умеющие рассуждать, планировать и использовать инструменты для достижения цели. Мы подробно разбираем подходы к их разработке в руководстве «Разработка и применение мультиагентных систем в корпоративной среде». А в этой статье мы покажем, как создать такой агент на примере автоматического генерирования Lean Canvas.

Всем привет! В предыдущей статье я поделился своим опытом вайб-кодинга в решении рабочих задач с учетом специфики работы юриста. А сегодня я расскажу, как на протяжении шести месяцев взаимодействия с LLM я использовал нейросети для решения повседневных задач и что из этого получилось. Я не буду затрагивать очевидные сценарии вроде написания макросов для Excel или обработки текста, а сосредоточусь только на реальных примерах применения LLM в повседневной жизни.

Топ составлен на основе моего личного опыта и задач, которые стояли передо мной. Все приведенные примеры и промты использовались мной в бесплатных версиях LLM таких как Grok (в основном), ChatGPT, Gemini, DeepSeek и Qwen. В комментариях к каждому пункту я поделюсь дополнительным контекстом применения нейросетей, чтобы вы могли лучше понять, как адаптировать эти подходы под свои задачи.

Приятного чтения!

1. Составление программы тренировок.

Промт: «Составь персонализированную тренировочную программу на 12 недель в табличной форме, с распределением по дням, циклам и с прогрессией нагрузок для занятий в тренажерном зале. С учетом следующих параметров и целей: Пол – ; Возраст - ; Рост - ; Вес - ; Тренировочный стаж: - ; Уровень подготовки - ; Травмы и ограничения: - ; Доступное оборудование - ; Цель тренировок - ; Периодичность тренировок: - . При подготовке ответа, для составления эффективной тренировочной программы опирайся на последние научные данные, открытия, статьи, опубликованные в достоверных (надежных) источниках, с учетом того, что данные должны быть получены на основании исследований, проведенных в отношении атлетов применяющих натуральный тренинг без использования анаболических стероидов».

Команда AI for Devs подготовила перевод статьи о феномене vibe coding и agentic coding. ИИ позволяет любому — от маркетолога до дизайнера — выпускать рабочие приложения за считанные часы. Но скорость имеет оборотную сторону: код без ревью и тестов становится уязвимостью, а компании сталкиваются с новым классом рисков безопасности.

Всем привет! Меня зовут Руслан Дюсаев, и я занимаюсь машинным обучением в команде Спамообороны Яндекс Почты. Помимо технологий антиспама, мы с коллегами разрабатываем ML-фичи в сервисах Яндекс 360. 

В статье расскажу, как мы делали Нейрофильтр с YandexGPT 5 в Почте. Он работает на базе двух нейросетей. Первая, созданная на основе CatBoost, определяет важность каждого письма, чтобы сделать выборку из главных сообщений. А вторая, построенная на базе YandexGPT, выделяет ключевые тезисы из них и выводит краткое резюме. Подробнее о технологиях отбора и суммаризации говорим в этой статье. 

Привет! Не успел мир договориться, что вообще подразумевать под агентами, как в инфополе обычные агенты заменились аж сразу мультиагентными системами. Обычно большинство статей про агентов начинаются с фразы "на фреймворке X..." — ну так с фреймворком каждый может, а ты попробуй без него.

А вот мы и попробуем! Причем попробуем не самую тривиальную штуку, а замахнемся сразу на эксперимент с агентным управлением браузером.

Искусственный интеллект уже основательно прописался в жизни IT-специалистов. Тогда как, далекий от IT человек, сталкивается с элементами ИИ опосредовано: камеры на дорогах, система "безопасный город", доставшие всех голосовые помощники...

Однако, постепенно влияние ИИ на обыденную жизнь обычного человека становится все больше. Расскажу как я прочувствовал это влияние на собственных примерах из жизни.

Думаете эти примеры были позитивными?

Написать меня эту статью-мнение сподвигла все неутехающая волна хайпа вокруг ИИ (он же AI, он же Исскуственный Интеллект) и огромное число статей, видео и прочего контента на эту тему, который все равно прорывается в мое "инфо-пространство", хотя я прилагаю немало усилий, чтобы беречь его от проявлений любой крайности. Последними каплями стал разговор с хорошим другом-высококлассным ИТ'ником, который делился со мною апокалиптическими сценариями и мыслями о том, "какую рабочую профессию хорошо бы нам, программистам, освоить уже сейчас, чтобы через несколько лет суметь заработать на себе на хлеб?" (предложил ему освоить пчеловодство или переехать в Германию, где до сих пор компании отправлют бумажных писем больше, чем электронных :-)) , и пост в одном популярном канале по Дата-инженерии, где автор канала тащиться от вайб-кодинга и удивляется, что "есть еще люди, которые не верят, что ИИ через два года будет ..." - и далее по списку. Ну а про то, что количество "ура-статей" тут, на хабре, зашкаливает (хотя попадаются и скептические) вообще молчу...