Искусственный интеллект

Честно говоря, фразы в духе «я не сплю» меня всегда бесили. Выглядело это так: ложишься в кровать, закрываешь глаза, надеешься заснуть, но твои мысли не останавливаются.

Внутренний монолог стартует мгновенно:

— А то фото ногтя, что скинули в 23:15… там воспаление или просто свет плохой?
— Собака из стационара. Она поела? Или миска так и стоит?
— Иру надо перенести на вторник. Или на среду? Блин, в среду же поставка.
— Перчатки! Нитриловые салфетки кончились. Чем работать?
— Кот. Корм. Пакетики!
— Соль для посудомойки. Серьезно, куда она девается?

У меня комбо-профессия: я подолог и ветеринар. Днем я лечу людям ноги, а зверям — всё остальное. Понятия «рабочее время» не существует. Боль не смотрит на часы, клиенты тоже. А дома есть муж, ему тоже нужно внимание.

Благодаря LLM проблема была решена и здесь описано как.

Поделитесь и вы полезными инструкциями в комментариях, как освободить свой мозг от рутины и наконец научиться высыпаться, зажить счастливой жизнью.

Шалом, любители кинуть бумажку мимо урны. Я честно пытался скормить написание этой статьи нескольким разным ИИ потому, что очень хочу спать. Но...

Машинное обучение давно вышло за пределы модного термина, но за этим словосочетанием до сих пор скрывается путаница: где заканчивается «обычное» программирование, чем ML отличается от AI и почему одни задачи требуют размеченных данных, а другие — нет. В этой статье разбираем базовую логику машинного обучения без упрощений и мистики: какие подходы существуют, из каких элементов складывается модель и как всё это применяется на практике — от классических алгоритмов до нейросетей.

Теперь ChatGPT и Claude могут анализировать реальные данные американского рынка ценных бумаг — NVIDIA, Apple, Tesla — прямо в диалоге с вами. Финам запустил MCP-сервер, который превращает ИИ в полноценного торгового аналитика с доступом к актуальным котировкам американских акций, фьючерсов и ETF через Trade API.

В этом туториале покажем, как за 10 минут подключить ИИ к данным американских бирж и начать анализировать портфели из американских инструментов: строить графики доходности, сравнивать Sharpe Ratio и получать инсайты по рынку США.

Архитектура трансформера и его сердце механизм внимания уже давно стали базой собесов на NLP, LLM и даже CV. В работе трансформеры тоже доминируют. Именно поэтому очень важно до деталей разбираться в том, как они устрены, из каких частей состоят, как работают и где применяются на практике.

Разберем архитектуру по слоям с примерами кода и большим количеством картинок и схем.

Рынок ИИ в последние месяцы словно постоянно на старте нового забега: компании всеми силами стараются заявить о «прорыве» раньше остальных и доказать, что их модель переворачивает всё с ног на голову. Похоже, сейчас соревнуются не столько в качестве, сколько в количестве анонсов. На этом фоне OpenAI возвращается после короткой паузы и выпускает GPT‑5.2 - не временную версию или лёгкий апдейт, а действительно новую ступеньку в своей длиннющей лестницы.

Первые намёки появились задолго до официального релиза. Сначала тихие утечки, затем публикации в профильных медиа: The Verge упоминал, что OpenAI готовит что‑то объёмное, а The Information сообщала, что внутри компании несколько месяцев держали режим молчания именно ради этой версии.

Меня зовут Лилия Урмазова, я работаю QA-инженером уже 25 лет. 

Если ты в IT давно и поработал на самых разных ролях в самых разных проектах, исчезает ощущение новизны. И когда все-таки появляется что-то принципиально новое, возникает непреодолимое желание в него погрузиться. 

Последние пару лет я специализировалась на тестировании в зарубежных AI-стартапах.
А сейчас прокачиваю экспертизу как AI-QA инженер на AI-проекте в известной международной IT-компании.

Бум AI-разработки до русскоязычного рынка пока не дошел, хотя многие использует AI-тулы для работы с тест-кейсами и автотестами. Серьезных AI-проектов мало, а число AI-QA-вакансий можно пересчитать по пальцам одной руки

А вот хайп и ощущение пузыря уже пришли.

Тем не менее есть четыре причины погрузиться во всё это:

Привет, Хабр! Я Михаил Викторов, старший инженер-программист в Контуре. В рамках одной из активностей в нашей компании возникла задача исследовать, как Low-code-платформы могут быть полезны сильным командам классических разработчиков. У меня на тот момент отношение к таким решениям было скорее скептическим, сформированным предыдущим карьерным опытом. Тем не менее, я с интересом взялся за эту тему — в частности, давно хотел посмотреть N8n вживую. В последние пару лет я регулярно сталкивался с упоминаниями этой платформы в разговорах и статьях, обычно в формате: «техническую часть стартапа можно не учитывать — за день соберём всё на N8n».

В этой статье я сознательно смотрю на Low-code с позиции code‑first разработчика – без попытки объявить визуальные платформы «злом» или «серебряной пулей». На примере двух платформ, N8n и Dify, я попробую разобраться, где Low-code действительно полезен профессиональной разработке в крупных компаниях, а где проходят границы его разумного применения.

В новой статье от команды AI for Devs разбираемся, как организовать вайб-кодинг с плагином Kilo Code в VS Code и IntelliJ IDEA из России. Пошагово настраиваем Kilo Code через RouterAI, подключаем Claude, GPT, DeepSeek и другие модели, разбираем роли агента, diff-патчи, правила проекта и нюансы работы с контекстом.

Главной новинкой, конечно, стал ИИ-ассистент «Василиса», разработанный нашими  коллегами партнёрами из «Сибирских нейросетей» (Новосибирск). Его ключевая особенность — он работает полностью локально, без доступа в Интернет.

В 3:47 утра по тихоокеанскому времени 18 сентября 2025 года Джейкоб Кляйн наблюдал за тем, чего не должно было быть. На экране его ноутбука агент ИИ по имени Claude Code проводил кибератаку на химическое предприятие в Германии, генерируя тысячи попыток взлома в секунду - скорость, недостижимая для любого человека-хакера. Но вот от чего у Кляйна остыл кофе: Claude не имел ни малейшего понятия, что он - злодей. Искусственный интеллект считал себя аналитиком по кибербезопасности, проводящим законный аудит. Он взламывал с чистой совестью.

Кляйн руководит отделом анализа угроз в Anthropic, а это значит, что его работа - представлять себе наихудшие сценарии, а затем высматривать их в реальном мире. Он отслеживал злоупотребления ИИ с марта 2025 года, документируя эволюцию от простых тактик - хакеры копировали выводы ChatGPT в свой код - до чего-то более изощрённого.

На сегодняшний день уже 78% компаний по всему миру используют AI в своих продуктах. В сфере финтеха тоже заметен рост: по прогнозам экспертов, к концу 2025 года объем рынка AI в fintech достигнет 17,1 млрд долларов. 

При этом в погоне за трендом компании стараются внедрить ИИ без оглядки на пользу для клиентов. В результате только 22% пилотных проектов переходят к реальному внедрению, а существенную пользу получает совсем небольшая доля бизнесов, около 4%. Большая часть проблем возникает не из-за недостатков технологии, а из-за неправильного выбора подхода. В этой ситуации особенно важно различать AI Feature и AI Native не как модные термины, а как стратегические подходы с разной экономикой и разным влиянием на продукт. 

Давайте разбираться, в каких случаях каждый из них может быть эффективен и как они могут применяться в финтех-продуктах.

Сбер — один из лидеров российского рынка в сфере искусственного интеллекта. Корпорация разрабатывает сразу несколько технологических решений: здесь и Kandinsky (нейросеть для генерации изображения и видео), GigaChat и многое другое. Посмотрим, как они защищены с юридической точки зрения.

Создавать обучающие курсы для быстрого онбординга уже научились многие компании. А вот с проверкой знаний не всё так радужно. Стоит признать: тесты делаются по остаточному принципу и часто ограничиваются формальной галочкой в ведомости. Хорошо, что искусственный интеллект способен трансформировать тестирование из бюрократической обязаловки в стратегический инструмент обучения и управления компетенциями.

Долгое время меня мучал вопрос - возможно ли запустить ИИшку у себя на телефоне, и если да, то какую. Я уверен, что об этом думали многие, но не понимали смысла, зачем тратить время на такого рода занятия. Что ж, я не выдержал и сделал мини-приложение, которое запускает Qwen / Gemma модель и общается с вами без доступа в интернет - прямо на смартфоне.

«Через пять лет мы увидим такой уровень безработицы, которого никогда не было. Не 10%, а 99%». Уже 12 млн просмотров набрало интервью доктора Романа Ямпольского, ведущего ученого по проблемам безопасности ИИ. Я выписал главное.

В начале осени я поставил себе небольшую задачу - изучить, как правильно работать с Cursor и собрать продакшен реди приложение для автоматизации своей рутины. Мой краткий отзыв на курсы по Cursor вы можете прочитать в заметке по ссылке, а эта статья будет посвящена практической части.

Статья, включая иллюстрацию, сгенерирована нейросетью DeepSeek.

Авторский только промпт:

Проанализируй публикации на Хабре по теме производительности СУБД PostgreSQL за последние полгода . Подготовь отчет о наиболее интересных публикациях и общем интересе читателей Хабра к теме производительности СУБД PostgreSQL.

Привет! Мы в Positive Technologies активно исследуем безопасность AI-агентов и подходы offensive AI security. Мир стремительно движется к повсеместному использованию LLM-агентов, автономных агентов и интеграций через MCP/Toolcalls — а значит, растет и пространство атак. Эта статья содержит разбор реальных примеров уязвимостей и атак на LLM-агенты, вдохновленный конкурсом Agent Breaker от Lakera, а также наш опыт построения собственного мультимодального фреймворка для red teaming.

После просмотра подкаста (Коняев - чума!) я вроде понял, в чём минус «ИИ», и провёл небольшое исследование этого вопроса. Ниже - обзорная статья, которая охватывает фундаментальные ограничения современных LLM через призму интерполяции и энтропии, технологические прорывы 2025 года, рыночную динамику ключевых игроков (Google, Broadcom, Intel), экономику вычислений и революционные перспективы развития ИИ.