Искусственный интеллект

В стратегии автоматизации наступил критический момент для руководителей предприятий. Потенциальные возможности AI-агентов, способных автономно принимать решения в сложных бизнес-процессах, привлекли внимание советов директоров. Но реальность, стоящая за заявлениями многих поставщиков, отличается. Несмотря на то что вендоры активно используют терминологию ИИ, разрыв между обещаниями и реальными возможностями никогда не был столь велик.

Этот разрыв приводит к реальным последствиям для организаций, принимающих стратегические решения в области технологий. Ошибка в выборе ведет не только к растрате бюджета, но и может надолго затормозить инициативы цифровой трансформации. Чтобы отличить настоящие инновации от искусного маркетинга, нужно выходить за рамки поверхностных функций и исследовать фундаментальные возможности, которые определяют следующее поколение средств автоматизации бизнес-процессов.

Привет, Хабрчане! Меня зовут Катя Зорина, в MWS я занимаюсь молодежными и образовательными проектами. Сегодня хочу рассказать о сотрудничестве нашей компании с RuCode — всероссийским фестивалем по искусственному интеллекту и алгоритмическому программированию. Обсудим, какие перспективы открывает для молодых специалистов участие в фестивале, посмотрим кейсы от МТС с прошлого года и поймем, к чему готовиться в этом. Погнали!

Многие привыкли думать о дипфейках как о полностью поддельных видео: будто кто-то взял, полностью заменил лицо или сгенерировал всё с нуля. Но на деле всё становится куда тоньше — и опаснее. Представьте, если в знакомом ролике тихо изменили всего один жест, переставили предмет на фоне или ловко стерли пару кадров. Такие незаметные правки почти не отличить ни невооружённым глазом, ни специальными программами. И вот это — уже сегодняшняя реальность. Исследователи придумали для таких скрытых подделок отдельный термин, собрали крупный набор примеров и даже показали, почему современные детекторы и мы сами так часто оказываемся в дураках. Как работают эти новые "невидимые" дипфейки, чем они опасны и что вообще с этим делать — в новом разборе.

Разработчики PyTorch предоставили модуль torch.sparse для работы с разреженными тензорами, где большинство элементов – нули. Зачем это нужно? Представьте матрицу смежности графа, сильно обрезанную сеть или облако точек – хранить такие данные плотным массивом без надобности расточительно. Разрежённая структура сохраняет только ненулевые элементы и их индексы, что сильно экономит память и ускоряет вычисления. Например, матрица размером 10,000 на 10,000 с 100 000 ненулевых float-значений в разрежённом COO-формате займёт не 400 МБ, а около 2 МБ.

Несмотря на перспективы, API разрежённых тензоров в PyTorch пока в бете и может менять крошечные детали. Будьте к этому готовы: часть операций поддерживается, часть – нет, и некоторые автоград-ячейки пока работают только для COO, а для CSR, например, градиент не считается. Но обо всём по порядку.

Иногда запрос на слияние (merge request) даже не стоит отправлять на код‑ревью, так как при его составлении кто‑то злоупотреблял искусственным интеллектом, и это повредило как проекту, так и команде. Например:

1. Удалив часть кода, можно значительно улучшить запрос на слияние.
2. Вы не знаете основ языка, на котором подавали запрос.
3. Спам в документации.
4. Вопиющая несогласованность материала.
5. Чрезмерно подробно рассмотрены пограничные случаи.
6. Вы добавили бессмысленные или нежелательные зависимости и сами не понимаете, зачем.

Если я прислал вам обратно ваш запрос на слияние с невычищенным ИИ и без всяких прочих комментариев — значит, какие‑то из этих пунктов вы выполнили.

Несмотря на свежие исследования и дискуссии на эту тему, мне известно, что ИИ действительно помогает писать код. Но злоупотребление ИИ — это новый феномен, и нам нужно чем‑то руководствоваться, чтобы выявлять такие случаи. Оригинал этой статьи написан в 2025 году, надеюсь, со временем улучшится ситуация как с инструментами, так и с регламентацией.

Изображение выше принято рекомендовать как древнюю карту мира римского географа Помпония Мелы. Это не совсем так. Собственно оригинал вряд ли бы сохранился — Мела умер около 45 года нашей эры. До нас дошёл только древний трактат «Описательная география» (De chorographia, также его называют De situ orbis), то есть текстовое описание ойкумены без координат и без графической схемы.

Карту выше в 1898 году реконструировал немецкий картограф Конрад Миллер. Картинка обрезана, там должен быть текст «Orbis habitabilis ad mentem Pomponii Melae» («Обитаемая часть мира по мысли Помпония Мелы»). Лист с картой вышел в шестом выпуске серии Миллера «Mappae mundi. Древнейшие карты мира» (Mappaemundi. Die ältesten Weltkarten) с подзаголовком «Реконструированные карты» (Rekonstruierte Karten), таблица 7.

Карты как распространённый жанр родились в позднесредневековых и в ранненововременных изданиях благодаря появлению ксилографии и гравюр на меди. Мела же занимался описательной хорографией — писал рассказы про территории. Упомянутый трактат — это перипл про разные части света, без координатной сетки, меридианов и параллелей. Грубо говоря, Помпоний Мела составлял текстовый портрет территории, а не рисовал картинки. Как же из этого получился вот этот рисунок?

Команда AI for Devs подготовила перевод статьи о том, какие языки программирования для ИИ стоит учить в 2025 году. TL;DR: Python остаётся стартовой точкой, C++ берёт на себя критические по производительности задачи, JavaScript и TypeScript открывают путь к ИИ прямо в браузере, Java удерживает корпоративный сектор, а Go обеспечивает лёгкость продакшн-развёртывания.

tl;dr. Мы изучаем сублиминальное обучение — неожиданное явление, при котором языковые модели перенимают свойства из данных, сгенерированных другой моделью, даже если эти данные семантически никак не связаны с передаваемыми свойствами. Например, «студент» начинает предпочитать сов, если его обучить на последовательностях чисел, сгенерированных «учителем», который предпочитает сов. Тот же феномен способен передавать misalignment через данные, которые выглядят абсолютно безобидными. Этот эффект проявляется только в том случае, если учитель и студент основаны на одной и той же базовой модели.

Исследование проведено в рамках программы Anthropic Fellows. Эта статья также опубликована в блоге Anthropic Alignment Science.

В этой статье я делюсь личным опытом разработки MVP LLM-агента на базе Google ADK в образовательных сценариях. Рассказываю, как строил архитектуру от монолитного агента до модульной системы, с какими вызовами столкнулся (память, токены, оркестрация) и какие инженерные лайфхаки помогли справиться. Но главное — делюсь философией: почему работа с LLM похожа на экзамен, как меняется роль CTO и чему учат такие проекты. В финале — 10 уроков, которые я вынес из этого «AI-экзамена».

Привет! Сегодня расскажу о том, как и какие инициировать внутренние проекты, чтобы они приносили пользу, а не просто съедали бюджет агентства.

Статья для гуманитариев, решивших освоить вайб-кодинг с нуля. Автор, юрист без опыта программирования, делится 6-месячным опытом работы с Python, Excel и LLM. Рассказывает о трудностях, лайфхаках и результатах, предостерегая от иллюзий и вдохновляя на старт в IT.

Вы тоже видели эти впечатляющие демо‑ролики, созданные Google Veo 3, и хотите повторить?

Генерация видео по текстовому описанию перестала быть фантастикой. Нейросеть Veo 3 уверенно доказывает это, превращая ваши идеи в кинематографичные кадры. Секрет успеха кроется в правильно составленном промпте.

Революционная модель, появившаяся в мае 2025 года, мыслит визуальными категориями, и наша задача — говорить с ней на одном языке. Это подробное руководство расскажет, как составлять эффективные промпты для Veo 3, структурировать их, избегать распространенных ошибок и точно доносить до ИИ свои творческие замыслы.

Искусственный интеллект меняет ландшафт научных открытий и значительно ускоряет исследования. Современные системы могут изучать литературу, строить гипотезы и генерировать экспертные статьи — для этого достаточно ввести пару промтов.   

Привет, Хабр! Меня зовут Алексей Шпильман, я лидер центра «AI для науки» в Сбербанке. В этой статье я расскажу, как AI повлиял на научную среду, какие ИИ-решения сегодня актуальны и какое будущее ждет AI Native Science. 

Современная сфера IT — как бурное море: динамичная и полная вызовов, особенно для новичков. Поймать волну новейших технологий, получить реальный опыт и поддержку менторов можно на хакатоне. Как раз такой сейчас проходит — на More.tech участников ждут практические кейсы из мира большого IT и командная работа. А победителей — призовой фонд 1,5 млн руб. и шанс получить оффер от ВТБ. В статье вместе с лидерами треков расскажем, что ждет участников More.tech 2025, почему задачи хакатона актуальны для IT сегодня и как их преодолеть.

Хакатон стартовал 27 августа, но к нему еще можно присоединиться и успеть побороться за победу. Участники получат реальный опыт, который помогает на старте карьеры. 

Привет! Я Вета — редактор блога Cloud.ru. Я помогаю нашим авторам делиться своим опытом и экспертизой, ну и еще подсказываю, как правильно «сложить буковки в слова». 

Сейчас коллеги готовятся к очередной конференции про облачные технологии и AI — GoCloud Tech 2025. В этот раз я тоже косвенно участвую в организации. И, если честно, вообще не представляю, как можно приподнять эту махину — всё продумать и проконтролировать, а еще свести друг с другом нужные ресурсы и людей. 

Поэтому решила узнать у коллег, что бы они посоветовал тем, кто впервые организует свою IT-конференцию? Спросила у деврела, ведущего трека, менеджера продукта, R&D-специалиста и главного организатора. А что они ответили, вы можете узнать в статье.

Спустя почти три года после того, как генеративный ИИ ворвался в нашу жизнь, США по-прежнему удерживают лидерство, но Китай дышит в спину. Поддерживаемые государством, китайские компании вроде DeepSeek, Alibaba и Moonshot выпускают LLM-модели, которые по возможностям вплотную приближаются к американским. В ответ на это США не сдают позиций: администрация Трампа представила свой «План действий в области ИИ», направленный на ускорение развития технологий, борьбу с бюрократией и строительство новых ЦОД. Кто выйдет победителем из этой гонки, определит технологическую сверхдержаву XXI века.

Разбор заблуждений философов через их определения сознания

Эта статья — не научный обзор. Это попытка оценить концепции через их операционализацию. Я рассматриваю современные философские теории сознания как оторванные от реальности гипотезы, как страх перед свободой, ужас перед трансцендентным и отчаянную (почти религиозную) веру в человеческую исключительность. Пока философы строят свои концепции так, чтобы обезопасить себя от непознаваемого, любой достаточно сложный чат-бот сможет пройти их тест на «сознание» и потребовать паспорт.

Сегодня весь зоопарк теорий удобно делится на два крыла. Первое — зона особого режима: сознание как сложный набор алгоритмов, где свобода и личность «эмерджентно» выпадают из вычислений; любой намёк на иррациональность карается. Второе — одиночные камеры: субъект порождён непознаваемым переживанием и qualia, которые по определению нельзя верифицировать извне; попытка их исследовать — это «побег».
И что нам делать с этим пространством несвободы? Разберёмся на практике.

Сейчас технологии развиваются стремительными темпами – и искусственный интеллект занимает всё более важное место в каждой сфере, включая поисковую оптимизацию. Меня зовут Максим Улендеев, я SEO-специалист Beget и в этой статье расскажу, что изменилось в цифровом поиске в эпоху развития искусственного интеллекта.

Итак, классическое SEO — это набор стратегий и тактик, которые помогают сайту занять высокие позиции в органической выдаче поисковых систем, таких как Google и Яндекс. Основная цель остается прежней — привлечение целевого трафика через релевантные запросы. В традиционном SEO ключевыми элементами были работа с семантическим ядром, техническая оптимизация сайта, улучшение поведенческих факторов и построение ссылочного профиля.

Но поисковая среда стремительно меняется. С развитием искусственного интеллекта привычная модель поиска претерпевает трансформацию: пользователи всё чаще получают готовые ответы, сформированные нейросетями. В Яндексе эту функцию выполняет «Яндекс Нейро» (сейчас интегрированная в Алису), в Google — «AI Overviews». Такие решения всё чаще подменяют классическую выдачу ссылок краткими обобщениями с указанием источников.

По факту это рецензия. На статью, которая показалась мне настолько показательной, что я решил написать на неё развернутый отзыв. Причём показательна она сразу в двух плоскостях: во-первых, идея о том, что генераторы экономят память, всё ещё находит своих приверженцев; во-вторых, тема превращения человека в бессловесный придаток бездушной машины не стояла так остро со времени выхода на экраны фильма "Матрица".

Бизнес, инвесторы и общество готовятся к шоку спроса, вызванному развитием искусственного интеллекта (ИИ). Кажется, все просто: задайте ChatGPT вопрос, и он ответит. Но если присмотреться, выясняется, что каждый запрос к ChatGPT или задача Microsoft Copilot потребляют огромные ресурсы. Миллионы человек занимаются созданием, корректировкой и обучением моделей. Используется такое количество тераватт-часов электроэнергии, которого хватило бы для обеспечения целых стран. По всему миру строятся огромные кампусы дата-центров. Создаются сети линий электропередач и интернет-кабели. Тратятся вода, земля, металлы и минералы. Искусственному интеллекту нужно все это, и в будущем потребуется еще больше.