Искусственный интеллект

Открытый в конце ноября 2022 года ChatGPT вскоре перестал быть сервисом только для создания текстов. Ещё 19 октября 2023 в платные тарифы добавили DALL·E 3. 8 августа 2024 года OpenAI расщедрилась: отныне можно было создавать до двух картинок в сутки на бесплатном тарифе ChatGPT. Важно, что это был просто союз с большой языковой моделью: БЯМ переводит нестройную человеческую просьбу в детальный бриф промпта для графического бэкэнда — генеративной нейросети на диффузионных декодерах.

25 марта компания OpenAI объявила, что отныне модель GPT-4o может генерировать картинки. БЯМ способна не только создать новое изображение с нуля по текстовому описанию, но и принять на входе другую картинку с текстовым промптом и сгенерировать что-то на этой основе. Теперь картинки рисовала не чистая диффузия, а авторегрессионный трансформер в связке с мощным декодером, качество поднялось, практическая польза резко выросла.

Почти сразу обнаружился огромный недостаток картинок от GPT-4o — лёгкий коричневый оттенок любых результатов, которому в разной степени были подвержены все результаты. Хотя проблема решается тривиально, сегодня существует целая экосистема платного софта для устранения этого эффекта.

ChatGPT из «бота, который шутит и пишет стихи» превратился в полноценный инструмент. Для одних это замена Google при поиске информации, для других — ассистент по работе с кодом, а кто-то уже использует его как часть рабочей инфраструктуры. В 2025 году говорить «я работаю с ChatGPT» звучит примерно так же естественно, как когда-то «я использую Google Docs».

Но все это работает ровно до того момента, пока речь не заходит о подписке. Бесплатный тариф есть, но он ограничен: скорость падает, в часы нагрузки чат может просто «вылетать», а доступ к GPT-5 и дополнительным функциям остается за пейволлом. Именно поэтому многие рано или поздно задумываются о подписке ChatGPT Plus. Она стоит фиксированные $20 в месяц, но вот как оплатить ее из России — вопрос, который до сих пор вызывает больше всего проблем.

2025 год должен был стать годом триумфа Искусственного Интеллекта. И если смотреть на заголовки, так оно и есть: 78% организаций по всему миру заявляют, что используют ИИ хотя бы в одной бизнес-функции, а общие корпоративные инвестиции в технологию за 2024 год перевалили за $250 миллиардов. Деньги льются рекой: половина лидеров планирует удвоить бюджеты на ИИ, а средние месячные расходы компаний готовятся вырасти с $63,000 до $85,000. Кажется, что машина хайпа несется на полной скорости.

Но если присмотреться к приборам, а не к пейзажу за окном, картина становится куда интереснее. И тревожнее.

Впервые за два года непрерывного роста крупные компании (250+ сотрудников) внезапно нажали на тормоз: уровень внедрения ИИ в их производственные процессы за лето 2025-го снизился с 14% до 12%. В это же время свежий отчет MIT бьет наотмашь: 95% пилотных проектов по генеративному ИИ проваливаются, не доходя до реального использования.

Что происходит?

Добро пожаловать в эпоху "отрезвления". Период, когда эйфория от первых успехов ChatGPT сменяется жестким похмельем от столкновения с реальностью. Реальностью, в которой 42% лидеров втихую признаются, что громкие заявления их компаний об ИИ - просто раздутый хайп, а 82% людей в целом скептически относятся к технологии. Внутри корпораций назревает настоящий раскол между лагерем "скептиков", которые видят риски и провалы, и лагерем "реалистов", которые продолжают верить в технологию.

Эта статья - глубокое погружение в цифры и настроения сентября 2025-го.

Языковые модели — это не магия, а мощный инструмент, который может ускорить работу программистов, аналитиков, маркетологов и менеджеров. В статье — разбор принципов работы LLM, ключевых проблем (галлюцинации, ограниченный контекст) и практик промпт-инженерии с примерами, которые помогают превратить ИИ в надежного помощника.

Как обещали в первом посте, возвращаемся с подробным анонсом осенних курсов. В этом семестре мы организуем большие и малые курсы, охватывающие несколько тем в компьютерных науках, искусственном интеллекте и математике.

Привет, Хабр! Сегодня мы поговорим о технологии, которая незаметно становится частью нашей повседневности — голосовых ассистентах. Но если вы думаете, что Siri и Алиса уже достигли пика развития, приготовьтесь удивляться. Ближайшее будущее обещает нам ассистентов, которые не просто расскажут о погоде или включат музыку, а полноценно заменят человека в телефонных переговорах.

Исследователи из Tencent AI Lab в Сиэтле и Университета Мэриленда представили метод обучения с подкреплением Parallel-R1, который помогает большим языковым моделям (LLM) эффективнее использовать масштабирование на этапе инференса при решении сложных задач рассуждения.

В этой статье я собрал то, о чём люди обычно спорят в комментариях. Мы поболтали с комьюнити про ИИ на июльском фестивале для айтишников. Чтобы приблизить условия к диванным обсуждениям, уселись на пуфиках, а желающим выдали трубку мира.

Никаких регалий, экранов, душной модерации с «нативными» интеграциями. Просто накидывали на вентилятор боли и передавали друг другу микрофон. Это был чистый экспромт без заготовок, даже с матом, но в статье мы его убрали, чтобы не ранить чувства читателя.

Мы очистили обсуждение от корпораций, брендов и даже имён, собрали дебаты в нашем шатре и не афишировали их на лендинге фестиваля. Были сомнения, придут ли люди, будут ли открыты, но я считаю, всё получилось.

Опыты кодирования с ИИ в команде.

Написать эту статью меня сподвигла дилогия уважаемого Александра Антипина aka @alexantipin «Использование нейросетей в разработке игр» и попробовать поделится собственным опытом ИИ — геймдева. Это не совсем геймдев, это про разработку музыкального приложения, осложненное двумя маниакальными идеями: ни строчки кода руками и веб‑прриложение генератор музыки в реалтайм. Сам по себе проект, как законченное приложение, вряд ли представляет интерес, потому что это попытка переосмысления автопилота из другого приложения EtherMusic, тоже написанного ИИ. Там мне так и не удалось победить проблемы производительности на слабых устройствах типа смартфона.

С чего вообще все началось, почему музыка, почему броузер, почему самоделка? Основная идея — помочь приобщить (не научить, а именно приобщить) к музыке людей, которые не умеют играть ни каком инструменте, но музыку любят и хотели бы сыграть что нибудь самостоятельно. Вторая идея — это медитация через музыку. Играя свое настроение сейчас или то, настроение, к которому стремишься, через музыку достичь внутренней гармонии. Ну и третья по счету, но главная по смыслу — помочь своему сыну, у которого музыкальный слух, но который не может слушать музыку. Потеря такого гигантского мира чувств, который дает музыка, больно ранит родительское сердце. Есть идея, что играя сам — научишься не ненавидеть музыку, а возможно, даже и полюбить. Посмотрим. Вдруг получится?

Про что эта статья? Это просто история кодинга вместе с ИИ. Выводы делайте сами. Мне не нужна оценка качества кода и кода в статье не будет. Будет про архитектуру, идеи, взаимодействие и результат.

Кажется, что за последний год ИИ-агенты успели стать полноценными коллегами: они сами планируют работу, пишут код, запускают тесты и даже оформляют pull request как настоящие участники проектов. Их код проходит ревью и конкурирует с работой живых людей. Но насколько они самостоятельны? Что на самом деле происходит в реальных open source-проектах, когда к команде подключается такой ИИ-агент? В свежем исследовании разбираемся, что у ИИ-агентов получается лучше всего, как их работу принимают люди, и насколько часто без человеческой поддержки всё рассыпается.

Чем AI отличается от ML, а LLM — от нейросетей? Почему ошибочно называть любую языковую модель «чатом GPT» и что скрывается за новой аббревиатурой GEO?

Подготовили карту терминов генеративного AI: от общих понятий к конкретным моделям

Всем хорошего дня! На связи с вами Домклик и Денис Захаров из команды чат-ботов. В этой статье я расскажу вам, как можно ускорить нейронки, не прибегая к закупке дорогостоящего оборудования. Статья написана по мотивам моего выступления на конференции HighLoad++ 2024.

Так или иначе, вайб-кодинг становится, — а где-то уже стал, — частью процесса разработки программного кода. Команда PVS-Studio видит в этом новые задачи для статических анализаторов по поиску ошибок в коде, возникающих при использовании ИИ-ассистентов и т.п. Первый шаг — собрать примеры реальных дефектов для изучения.

Отношение к вайб-кодингу и его вариациям неоднозначное. Я разделяю мнение, что использование сгенерированного кода, особенно без полного его понимания программистом, плохо скажется на надёжности и безопасности приложений. Так что работы у статических анализаторов только прибавляется :)

AI-сгенерированный код, возможно, будет содержать новые непривычные виды ошибок. Соответственно, чтобы их изучить и научиться выявлять, необходимо сначала собрать их коллекцию.

Внимание, эвристика и метафоричность для быстрой усвояемости.

Вдохновление: интерпретация Эверетта, фрактал Барнсли и DLA, Зурек, правило Хебба, GFlowNets как политика и прочие.

Междисциплинарность.

Одной из наиболее примечательных особенностей Large Language Models (LLM) является их способность к in-context learning — обучению в контексте. В частности, на этапе инференса LLM может усваивать новые паттерны без какого-либо дополнительного обновления весов, если эти паттерны представлены в виде примеров в промпте, даже если эти паттерны не встречались во время обучения. Механизмы, за счёт которых это возможно, всё ещё во многом остаются неизвестными.

В данной работе мы показываем, что комбинация слоя self-attention с MLP позволяет трансформер-блоку неявно модифицировать веса MLP-слоя в зависимости от контекста. Мы утверждаем на основе теоретического анализа и экспериментов, что этот простой механизм может объяснять, почему LLM способны обучаться в контексте, а не только во время тренировки модели. В частности, мы демонстрируем, что при ряде упрощающих допущений трансформер-блок неявно преобразует контекст в low-rank обновление весов MLP-слоя.

«Workslop» - новая чума офисной продуктивности

Представьте: понедельник, утро. Вы открываете почту, а там - отчет от коллеги из соседнего отдела. Называется «Стратегический анализ синергии рыночных векторов на Q4». Звучит солидно. Вы открываете. Тридцать страниц, графики, красивые диаграммы, текст пестрит выражениями вроде «масштабирование инсайтов» и «кросс‑функциональное взаимодействие». Выглядит профессионально. Даже слишком.

Вы тратите на это два часа. Два часа, Карл! Пытаетесь продраться через словесную шелуху, найти хоть одну конкретную цифру, хоть один дельный вывод, хоть намек на то, что вам, собственно, делать дальше. И в конце понимаете: ничего. Это пустышка. Красиво оформленный, абсолютно бессодержательный текст, который нейросеть сгенерировала за пять минут. А вы потратили на него два часа своей жизни.

Поздравляю, вы только что столкнулись с «workslop».

И если вы думаете, что это единичный случай, у меня для вас плохие новости. Это новая чума 2025 года, которая тихо, но уверенно пожирает нашу продуктивность. Исследователи из Стэнфорда и BetterUp Labs недавно взорвали инфополе своей статьей в Harvard Business Review, где привели шокирующие цифры. Оказывается, уже 40% из нас регулярно получают такой «цифровой мусор». И тратят в среднем по два часа на то, чтобы просто его разгрести и понять, что имелось в виду.

Звучит как сюжет для антиутопии? Увы, это наша новая реальность.

«Workslop»- это не просто технологическая проблема. Это симптом болезни. Болезни, имя которой - слепая вера в «магию» ИИ и прогрессирующая атрофия собственного мозга. Это новый, более изощренный вид лени, который научился очень хорошо маскироваться под продуктивность. И он угрожает не только нашим дедлайнам и бюджетам (а потери, по оценкам, достигают $9 миллионов в год на крупную компанию). Он угрожает главному - доверию внутри команд.

Эта статья - о том, как распознать эту заразу, понять, откуда она берется, и, самое главное, как с ней бороться.

Контекстуальное Примечание для Читателя:

Добро пожаловать в уникальное исследование архитектуры программного обеспечения. Проект Hive Chat построен на философии, которая рассматривает программное обеспечение не просто как инструмент, а как «Живое Приложение» — автономный, развивающийся цифровой организм. Чтобы выразить это видение, мы намеренно используем богатое, биоинспирированное и философское повествование.

// p-e: echo

Вы откликнулись на вакансию, написали сопроводительное. Через пару минут — автоответ: «Спасибо, вы не подходите». Никакого рекрутера, только модель, которая прогнала ваш текст через NLP-алгоритм и решила, что навыков не хватает. 

Меня зовут Татьяна Горбацевич, я руководитель отдела рекрутинга в KODE. В статье расскажу, где и как компании применяют AI в подборе сотрудников, а где модели пока недостаточно хороши. И главное — что про это думают кандидаты.

Приветствуем всех коллег по цеху!

Мы в X5 Tech запускаем опрос, чтобы лучше понять, как живёт сообщество специалистов по работе с данными: какие инструменты используете, какие вызовы встречаете в работе и о чём мечтаете в свободное время.

Если ваша работа связана с данными, помогите нам узнать вас и ваших коллег лучше — пройдите наш опрос. А мы, в свою очередь, проанализируем ваши ответы и поделимся интересными инсайтами о data-специалистах на отдельном лендинге и расскажем об интересных кейсах по управлению данными из жизни data-сообщества X5.

24 сентября прошла конференция Yandex Neuro Scale 2025 — главное событие Yandex Cloud, собравшее более 10 000 участников онлайн и офлайн. Переименование флагманской конференции с Yandex Scale на Yandex Neuro Scale отражает стратегический поворот компании к искусственному интеллекту как ключевому драйверу развития облачных технологий. «Нейро» не случайно появилось в названии конференции — ИИ и ML находятся в фокусе крупнейших компаний и меняют подход к созданию продуктов, — отметил руководитель Yandex Cloud Григорий Атрепьев. Компания представила масштабные обновления своей платформы, сделав ставку на интеграцию искусственного интеллекта во все аспекты облачных вычислений — от инфраструктуры до разработки приложений.

Создание ИИ-агентов теперь доступно каждому

Центральным анонсом конференции стала кардинально обновленная платформа AI Studio с интегрированным конструктором ИИ-агентов Agent Atelier. Новая архитектура решает критически важную проблему современного IT — необходимость глубоких знаний в области машинного обучения для создания ИИ-решений. Платформа использует low-code интерфейс, схожий с сервисом n8n, где логика работы агента выстраивается из готовых блоков. Это позволяет компаниям значительно ускорить внедрение ИИ-решений в свои бизнес-процессы.

Платформа позволяет создавать различные типы агентов, включая голосовых ассистентов для контакт-центров, мультиагентные системы для решения комплексных задач (например, анализ спроса и планирование закупок), а также поисковых ботов на базе технологии AI Search. AI Studio уже интегрирована с сервисами «Контур.Фокус» и amoCRM, а в будущем планируется поддержка ряда других сервисов из экосистемы Яндекса.