Будущее здесь

Позвольте, я начну с чистосердечного признания, которым не особо горжусь. Пару дней назад я поймала себя на том, что «гуглю в ChatGPT» до смешного простой вопрос. Я абсолютно точно знала на него ответ, но набрать запрос в чате показалось быстрее, надежнее и как-то… правильнее. В тот момент, когда я нажала Enter, в животе заворочался тот самый ледяной ком тревоги.

Дело было не в дурацком вопросе. Но сама мысль, что я перепроверяю себя у всезнающего «бога» из кремния, вызывала дискомфорт. Тревога была вызвана другим, куда более серьезным осознанием: я поймала себя на том, что больше не доверяю собственному мозгу. Даже когда знаю ответ.

Не было никакой драмы. Никакого экзистенциального срыва. Лишь тихое, неприятное открытие: я перестала думать за себя… и даже не заметила, как это случилось.

Данный документ описывает систему взглядов и практических правил для интеграции ИИ-ассистентов в процесс разработки программного обеспечения. Цель — не запретить использование ИИ, а превратить его в управляемый инструмент, который повышает эффективность, не компрометируя качество, безопасность и ответственность инженера.

Жировую ткань можно использовать для восстановления костей. Учёные успешно использовали жировые клетки для восстановления позвоночника при компрессионных переломах. Это меняет подход к лечению переломов и повышает прочность костей при таких заболеваниях, как остеопороз.

Я помню тот самый момент в «Матрице: Перезагрузка», когда Агент Смит, уже не связанный правилами системы, смотрит на Нео и говорит:

«Я, я… и я тоже!»

И внезапно их становится сотня. Вся площадь заполнена одинаковыми агентами в одинаковых костюмах, все движутся с одинаковой точностью, и у всех на лице та же самая тревожная улыбка.

Я тогда училась в аспирантуре, и эта сцена меня до смерти напугала. Да, я наслаждалась кунг-фу и спецэффектами, которые до сих пор выглядят потрясающе. Но сама идея машины, кода, способного к самокопированию - к чему-то, что он решает сам, - не давала и до сих пор не даёт мне покоя.

Дисклеймер: Это краткий разбор масштабного исследования о том, как алгоритмы и устаревшие HR-процессы отфильтровывают миллионы талантливых специалистов. 

Представьте себе ситуацию: компании по всему миру (и Россия не исключение) жалуются на острейший кадровый голод, не могут найти сотрудников с нужными навыками, и это ставит под удар их рост и конкурентоспособность. В то же время миллионы людей активно ищут работу, готовы трудиться полный день, но остаются не у дел. Их резюме годами пылятся в базах, не доходя до рекрутера. На Хабре постоянно выходят гневные статьи про то, что даже сверхопытные разрабы, менеджеры и дизайнеры вынуждены откликаться на сотни вакансий ради одного-двух приглашений в течение полугода. Зачастую их резюме или не просматривают, или после пяти секунд оценки ботом приходит стандартный вежливый отказ. Matrix has you! 

Это не сценарий из антиутопии, а суровая реальность, которую в своем исследовании «Скрытые работники: неиспользуемый талант» (Hidden Workers: Untapped Talent) описали эксперты Harvard Business School и Accenture. Авторы вводят термин «скрытые работники» (hidden workers) — это не те, кто прячется от работы, а те, кого система найма по разным причинам «не видит».

В этой статье мы разберем, почему так происходит, кто эти люди и что не так с современными процессами рекрутинга. Опубликовали исследование еще в сентябре 2021 года, но своей актуальности оно, увы, не потеряло. 

Вся история с генеративным ИИ держалась на одном главном мифе - теории о том, что «взрослые всё контролируют». Это была та самая подушка безопасности, которая в умах людей отделяла нынешнее безумие от катастрофического краха доткомов.

Нам внушали, что на этот раз всё иначе, ведь у руля стоят не какие-то хлипкие стартапы, сжигающие венчурный капитал на доставку кошачьего корма. Нет, это Nvidia, Google, Microsoft, *Meta и Amazon. А те немногие лидеры, что всё-таки являются стартапами, вроде OpenAI и Anthropic, надёжно прикрыты сделками с технологическими гигантами.

Команда AI for Devs подготовила перевод статьи о том, как быстро растущие AI-ассистенты меняют саму природу разработки. Их код выглядит безупречно — но всё чаще решает не ту задачу, что стоит перед нами. Где проходит граница между ускорением и самообманом, и какую новую ответственность это накладывает на инженеров?

Роботы сегодня умеют делать сальто и водить такси, но они беспомощны перед куском гранита. Чтобы колонизировать космос, нам нужен не курьер, а Алхимик.В этом лонгриде мы проведем мысленный эксперимент: попробуем собрать реальный зонд фон Неймана (репликатор) из технологий, которые уже существуют (LIBS, CVD, SPM). Мы разберем анатомию гипотетического робота G.R.O.V.E.R. и докажем, что главная преграда к бесконечному изобилию — это не законы физики, а отсутствие правильного софта.

Что если подключение к интернету станет таким же естественным, как зрение или слух? Мы привыкли к тому, что для выхода в сеть нам нужны внешние устройства — смартфоны и компьютеры. Но что, если следующий прорыв в коммуникациях произойдет не в кремнии, а в микробиологии?

В этой статье мы рассматриваем футурологическую концепцию появления новых сенсорных органов, выращиваемых прямо в теле человека и подключенных непосредственно к нервной системе. Мы посмотрим, как прогресс в генетике, белковом дизайне, ИИ, нейробиологии и нейроинтерфейсах постепенно формирует технологический фундамент для подобных возможностей. Уже сегодня расшифровка генома, таргетные вирусные векторы, инструменты редактирования ДНК, а также улучшенное понимание работы мозга приближают момент, когда создание «биологической антенны» перестанет быть фантастикой.

Рынок графических нейросетей расширяется, причём их возможности растут в геометрической прогрессии. Совсем недавно появилась новая версия Nano Banana, чуть раньше - Seedream v4 и Reve.

Я подумал: почему бы не сравнить эти три модели? Уровни генерации у них примерно одинаковы, возможно, получится что-нибудь любопытное.

Итак, сегодня мы рассмотрим: Nano Banana (берём первую версию, вторая была бы слегка не равноценна по отношению к конкурентам), Seedream v4 и Reve. Постараемся осветить некоторые интересные возможности, если они имеются, а также попробуем определить, какая из моделей справляется лучше с поставленными задачами.

Устраивайтесь поудобнее - мой рассказ начинается.

В выходные я просматривал Твиттер, чтобы узнать, что происходит в сфере ИИ. И снова DeepSeek привлек внимание всего мира.

Это не просто очередной инструмент для распознавания текста, а новая технология контекстного оптического сжатия, которая использует визуальные методы для решения проблемы обработки длинных текстов, предлагая новый подход к работе с огромными массивами информации.

Любой, кто пользовался большой языковой моделью (LLM), сталкивался с такой проблемой:

Когда вы просите модель обобщить десятки тысяч слов из конспектов конференций или научных статей, она начинает терять память.

Это происходит потому, что квадратичная сложность длины последовательности по своей сути ограничивает GPT, Gemini и Claude - чем длиннее входные данные, тем больше вычислительной мощности требуется.

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

Неделя выдалась плотной на релизы: Claude Opus 4.5 новый лидер в кодинге, открытые GigaChat 3, Kandinsky 5.0 и другие релизы от Сбера, FLUX.2 против Nano Banana Pro, параллельно обновились Cursor и Perplexity, а в США запускают мега-проект для ускорения науки.

Всё самое важное — в одном месте. Поехали!

Физики из МФТИ и Национального исследовательского центра «Курчатовский институт» разработали новую теоретическую модель, которая разрешает многолетние противоречия в описании одной из самых опасных неустойчивостей плазмы в установках термоядерного синтеза. Предложенный подход позволяет точнее предсказывать поведение плазменного шнура и открывает путь к созданию более надежных систем управления для будущих термоядерных реакторов, включая международный проект ITER. Результаты исследования опубликованы в журнале Physics of Plasmas.

Перевод свежей (ноябрь 2025) и вызывающей споры статьи об оценке роста производительности для разных работ при использовании LLM. Использованы реальные диалоги и оценено время, сэкономленное людьми в связке с LLM.

Когда я был преподом в универе в далеком 2015-том году, то вел также факультативный курс «психология трансгуманизма». На первой лекции приводил пример с секвенированием генома. А именно, что первая процедура секвенирования генома человека обошлась в 3 миллиарда долларов, без поправки на инфляцию, и длилась 13 лет. В 2015-том году секвенирование стоило 1-3 тысячи долларов, и занимало условно неделю. Сегодня искусственный интеллект ставит эту процедуру на поток. Сокращая сроки, цену и увеличивая объемы данных

Команда AI for Devs подготовила перевод статьи о том, как быстро растущие AI-ассистенты меняют саму природу разработки. Их код выглядит безупречно — но всё чаще решает не ту задачу, что стоит перед нами. Где проходит граница между ускорением и самообманом, и какую новую ответственность это накладывает на инженеров?

Каждый, кто делает видео для соцсетей или образовательных проектов, знает: поиск топовых моментов, нарезка клипов, брендинг и публикация отнимает не мало времени. Хорошо, что ИИ уже может сделать 80% работы: автоматический монтаж, субтитры, перевод, нарезка клипов и адаптация для разных площадок. 

Я протестировала 4 топовых сервиса, которые чаще называют “YouTube Shorts & Reels factory”. Так что мы с вами разберемся, какой сервис лучше выбрать под ваши задачи, и что подходит для рынка РФ и СНГ, а что дает лишь ложные надежды.

Мимолётный гость из другой звёздной системы держит в напряжении весь научный мир. Межзвёздная комета 3I/ATLAS, всего лишь третий подобный объект из когда-либо обнаруженных, демонстрирует поведение, которое бросает вызов всем известным моделям. По мере того как она несётся к своему максимальному сближению с Солнцем, её драматичный и неожиданный рост яркости вызвал шквал исследований и догадок, заставляя астрономов спешить разгадать секреты этого загадочного небесного странника, прежде чем он вновь исчезнет в бездне.

Мы решили попробовать в Kaiten новый подход: прежде чем идти с вопросом к коллеге, спроси сначала у нейросети. И это сработало хорошо — взаимодействие в команде стало эффективнее, а точечное использование ИИ превратилось в системную практику. Про наш опыт с нейросетями — ниже.

«Много говорят о пузыре ИИ, - отметил CEO Nvidia Дженсен Хуанг во время недавнего отчёта о прибылях за третий квартал. - Мы видим иную картину».

Легко понять, почему Хуанг так считает. В конце концов, этот отчёт был лакмусовой бумажкой для всей индустрии, и они с блеском прошли проверку. Их выручка взлетела на 62%, превзойдя прогнозы Уолл-стрит. Я уверен, что с вершины своей золотой горы Хуангу всё кажется прекрасным. И впрямь, похоже, мир согласился, что страхи о катастрофическом взрыве пузыря ИИ - не более чем паникёрство. Но я заявляю - это полная чушь, потому что это не гора золота, а карточный домик.

То, что все, кажется, упускают из виду, так это то, что спрос на кирки и лопаты вовсе не означает, что тюльпаномания или золотая лихорадка не готовы вот-вот лопнуть. Точно так же спрос на чипы ИИ, которые продаёт Nvidia, не означает, что нет пузыря, который вот-вот разрушительно схлопнется.

Вопрос закрыт. Но все также упускают из виду ужасающий контекст этого отчёта. Подобно тому, как, потянув за одну ниточку, можно распустить весь свитер, если проследить здесь за деньгами, то ужасающий масштаб пузыря ИИ предстанет во всей своей наготе.

Пристегните ремни - погружение будет глубоким!