Будущее здесь

Неожиданный вопрос: "А зачем нам вообще нужны депутаты?" Сейчас у нас как? Депутаты решают вопросы и детской офтальмологии, и лесоустройства... Это же профанация. Понятно же, что не артисты и спортсмены пишут законы. Пишут профессиональные юристы и профильные эксперты.

Вот и пусть пишут. По техзаданиям, утверждённым на референдумах. И утверждаться законопроекты должны тоже на референдумах: открытое электронное голосование сейчас стоит копейки. И работать составители законов должны не анонимно и келейно, а в доступной для просмотра системе контроля версий, чтобы было понятно, кто что привнёс. Каждый законопроект - отдельный общественный подряд и отдельная рабочая группа. За счёт этого в разработке законов могут принимать участие не депутаты, оторванный от жизни мигалками и прочей неприкосновенностью, а практики из соответствующей отрасли, которым нет смысла отрываться от профессии на 4 года, но это будут те 2-3 человека из всей страны, готовые привнести в закон идеи и наработки, которых нет больше ни у кого.

В идеале финансироваться деятельность таких рабочих групп должна за счёт прямой адресации налогов. И средства для реализации закона должны собираться так же: 1-й шаг - утвердили законопроект на референдуме, 2-й шаг - собираем налоговые отчисления для его реализации.

9 млрд за китайских роботов как новые возможности для российских инжиниринговых компаний

Китайский производитель роботов Unitree Robotics проводит IPO на Шанхайской фондовой бирже. В результате первичного размещения 10% акций среди крупных инвесторов компания привлекла 6,1 млрд юаней, что даёт оценку бизнеса в 9 млрд долларов!

Первоначально аналитики ожидали оценку «всего» в 7 млрд долларов, но спрос на акции Unitree превысил предложение в 5500 раз — соответственно, цифры были подкорректированы. Чем компания так привлекла инвесторов?

Про ИИ мы сейчас слышим из каждого умного утюга, а имена разработчиков ИИ-моделей, такие как OpenAI и Anthropic, оккупировали мировые медиа. Но их предварительные оценки составляют около 1 млрд долларов. Дело в том, что при поистине грандиозных планах они требуют от инвесторов вложений в сотни миллиардов, а прибыль обещают где-то там, в прекрасном будущем наступившей технологической сингулярности.

За это время производители роботов не теряли связи с реальностью и вырастили новое направление — гуманоидных роботов. Они пока чаще развлекают публику, чем занимаются серьёзными работами. Но дело тут в потенциале. Если LLM может подсказать ответ на любую тему, то гуманоидный робот — сделать любую операцию, доступную человеку. И пусть на заводе и в логистике пока экономически эффективнее применять промышленных роботов, но преимущества гуманоидных — именно универсальность.

Пока Илон Маск хвастался роботами Optimus (злые языки говорят — на радиоуправлении) при презентации будущих роботакси, китайцы тихой сапой завоевали этот рынок. По данным Morgan Stanley, в 2025 году доля китайских компаний на рынке гуманоидных роботов составляла 90% — из примерно 15 000 поставленных экземпляров. В этом году она выросла до 97%, и подавляющая часть производства пришлась на китайские компании Agibot и Unitree — 44% и 31% мирового рынка соответственно.

Какое России до этого дело? От 50 до 70% роботов сейчас поставляет в промышленность. Ещё популярные роли — развлечения и другие направления сервисной робототехники. Роботы типа Unitree G1 — это не просто железка, а платформа для разработки. Её базовые возможности можно дорабатывать под конкретные задачи. Так что высокая оценка Unitree показывает потенциал гуманоидной робототехники. А у российских инженеров есть возможность включиться в цепочку между производителем железа и покупателем, интегрировав в конкретные процессы реального бизнеса.

Пользователь захотел заснять солнечное затмение 12 августа на смартфон Xiaomi 17 Ultra, но ИИ-алгоритмы в ПО камеры устройства заменили Солнце на Луну и сгенерировали совсем другой снимок.

Пчёлы против меда или зачем ставить на паузу развитие ИИ

Один из самых влиятельных конгрессменов США Берни Сандерс призвал технологические компании OpenAI, Anthropic и Meta* поставить на паузу развитие ИИ из соображений безопасности. В противном случае он пригрозил добиться этого законодательным путем.

Опасность развития ИИ он обосновал потерей контроля за моделями, которые стали слишком «умными» и слишком хорошо находят уязвимости в системах. В последнее время много событий, связанных со способностями ИИ. Правительство США запретило доступ иностранцам к новой версии ИИ-модели Fable 5, из-за чего Anthropic пришлось просто отключить доступ к ней. OpenAI заявила, что её новая модель смогла «сбежать» из песочницы, найдя уязвимости в системах, с которыми работала. А ведущий венчурный инвестор Марк Андриссен и глава NVIDIA Дженсен Хуанг ещё в начале года говорили о достижении AGI — универсального ИИ, который может всё. Так может, правда, пора остановиться?

Не думаем, что в развитии ИИ можно сделать паузу. Напомним, что ядерные арсеналы ограничили только после того, как они позволяли СССР и США кратно уничтожить друг друга. В случае же с ИИ — это не только военный инструмент, но ещё и прикладная технология, которая используется каждый день. И если одна страна остановится, то другая её обгонит — как Тайвань опередил США в литографии. Выход LLM Kimi K3, которая обыграла в тестах новейшие модели Anthropic и OpenAI, показал, что любое промедление в разработке ИИ в США просто отдаст лидерство Китаю. Неужели американские разработчики не могут этого разъяснить своим политикам? Сомневаемся.

Показательно, что в один день с заявлением Берни Сандерса глава Meta* Марк Цукерберг выступил с манифестом об опасности ИИ. Главные риски он увидел во власти, которую он может дать технологиям одной стране или компании. Читаем между строк — Meta* отчаянно отстаёт в разработке ИИ: не помогли ни найм гуру технологии лично Марком, ни миллиардные вливания. Компания потихоньку умерила амбиции и даже планирует сдавать собственные GPU-мощности — чтобы получить деньги здесь и сейчас, а не когда-то в будущем от более совершенного ИИ. И вот тут опасения Марка Цукерберга и Берни Сандерса становятся понятны — технология уровня атомной бомбы или изобретения транзисторов есть, а контролируют её какие-то «мутные» стартапы с ненадёжными гендирами. Надо их приструнить. И повод есть отличный. Безопасность. На неё можно будет списать любые меры.

*Деятельность Meta запрещена в России как экстремистская.

Интернет опустел из-за ИИ - в HarperFlow представили отчёт «Мёртвый интернет» о шести сервисах, на которые пользователи годами приходили за ответами, картинками и дешёвым фрилансом. Сразу печальный вывод: теперь всё это можно получить, не выходя из приложения ChatGPT, а старый интернет стремительно пустеет.

• Stack Overflow: самый жесткий пример — число новых вопросов упало со 109 301 в месяц запуска ChatGPT до 1 624 в июле 2026-го — онлайн просел на 98,5%;

• Chegg: сервис продавал студентам готовые решения за $15–20 в месяц. После признания CEO, что ChatGPT мешает росту, акции рухнули на 48% за день, а студенты давно выяснили, что на те же вопросы ChatGPT ответит бесплатно;

• Shutterstock: лицензировал свою библиотеку картинок OpenAI и запустил собственный генератор, но всё равно подешевел со $121 до $5,40 за акцию — в 22 раза;

• Fiverr: площадка для фрилансеров держалась дольше других. Первые два года ИИ‑эпохи компания сидела на пороховой бочке, но как только научились прилично писать, переводить, рисовать логотипы и связывать эти действия в цепочки, сработал двухлетний запал и акции рухнули;

• Quora: интерес к ответам снизился на 43% с 2022 по 2025 год. Все вопросы просто переехали в окно ИИ-чата;

• Getty Images: вместо дружбы с ИИ этот фотобанк выбрал тропу войны и начал судиться со Stability AI из‑за Stable Diffusion. Как итог: сервис потеряла 98,6% стоимости с момента выхода на биржу.

Взаимодействие «LLM — Человек»: с чем мы имеем дело — с «псевдоличностью» или алгоритмом?

В спорах о взаимодействии больших языковых моделей с человеком обычно сталкиваются две крайности.

Первая: стоит достаточно долго пообщаться с LLM — и перед нами уже не инструмент, а почти «личность». Появляются устойчивые черты «характера» и что-то похожее на намерения и эмоции. Да, это имитация. Но настолько точная, что некоторые уже говорят о «короткоживущих идентичностях» и едва ли не о новом классе «Я». Потом обычно следуют либо восторги и ожидания прекрасного цифрового будущего, либо алармизм в духе «Скайнет уже близко».

Вторая: да ладно.

Это тупая железяка, которая быстро считает и выдаёт наиболее вероятный ответ. Всё остальное — антропоморфизация. Мы просто приписываем цифровой кукле человеческие свойства.

Обе позиции не безосновательны. Об этом всерьёз говорят философы, психологи, социологи и главы технологических компаний. Позже я вернусь к аргументам обеих сторон.

Но тогда почему одна и та же модель ведёт себя так по-разному?

Она может примитивно отыгрывать роль и легко соскальзывает в генерацию правдоподобного белого шума.

И она же — спокойно принимает критику, не уходит в лесть и остаётся точной, внутренне согласованной системой, способной анализировать собственное поведение. 

Ни «это просто железка», ни «это уже новое „я“» сами по себе этого не объясняют. 

Почему?

Я постараюсь ответить на этот вопрос в следующем посте. Про Дэвида Чалмерса и Андрея Карпати писали уже много. Но где-то в столе у меня лежит диплом психфака - это позволяет взглянуть на проблему с другой стороны.

Если проводить со смартфонов для развлечения по 4 часа в сутки, то можно «потерять» до 10 лет жизни. В этом случае бесконечный скроллинг лент и развлекательного контента негативно влияет на уровень счастья, психическое здоровье, а также даже на семейные отношения и карьеру. При 8 часах экранного времени в день на смартфон уходит почти 22 года – треть жизни.

Представлен открытый конвертер book‑to‑skill для ИИ‑агентов. Проект анализирует книги и документы в PDF, EPUB, DOCX, Markdown, считывает текст, собирает конспекты глав, словарь, паттерны и шпаргалку, а затем превращает это в skill. Инстурмент экономит токены — получается в 24–51 раз меньше затрат, чем если просто закинуть нейросети целую книгу.

ChatGPT помнит меня. И это пугает

Недавно поймал себя на одном нехорошем ощущении.

ChatGPT теперь помнит не только содержание текущего чата. Он помнит мою машину, разговоры с врачами, проекты, над которыми я работаю, статьи, которые писал. Иногда достаточно намекнуть: «мы это уже обсуждали», — и он действительно продолжает разговор с того места, где мы остановились.

И вот тут становится не по себе.

ИИ знает обо мне уже очень много. Слишком много!

Где же приватность, конфиденциальность?

Не разговаривать с ним на эти темы? Шифроваться? Как вариант да. Но и комфортность общения пропадает, разговоры с оглядкой, конспирация…

А что будет через несколько лет? Не окажется ли так, что он будет помнить обо мне больше, чем я сам?

И сразу вспоминаются посты ИИ-энтузиастов, которые строят сложные системы из агентов, моделей, циклов, внешней памяти… А потом неожиданно начинают говорить о создании собственной цифровой копии.

Еще недавно это звучало как фантастика.

Но ведь подобные идеи появляются уже не впервые.

Когда вышел iPod, многие сравнивали плейлисты известных людей и пытались по ним делать выводы об их характере и привычках.

Потом журналисты называли iPhone «вторым Я», потому что в нем оказалась значительная часть жизни человека.

Однажды мой знакомый попросил помочь с компьютером. Больше всего он переживал за жесткий диск. Там были фотографии, музыка, письма — часть его жизни. Потерять диск означало потерять часть самого себя. И что останется без этой части?

Тогда мне пришла на ум еще одна ассоциация. Космонавты перед стартом идут к ракете, а в руках у каждого небольшой чемоданчик, соединенный со скафандром. В нем находится система жизнеобеспечения.

Похоже, человечество постепенно носит такой «чемоданчик» уже много лет. Сначала фотографии и документы. Потом смартфон. Теперь — ИИ, который начинает помнить не только наши файлы, но и наши мысли, проекты, привычки и историю общения.

Возможно, это просто очередной этап развития технологий.

А возможно — начало совсем другой эпохи, в которой цифровая память станет продолжением человеческой личности.

В общем, ассоциаций много, а вопрос один - неужели мы действительно движемся в эту сторону?

С structural уязвимостью оберточного AI-бизнеса: почему следующий уровень — это агрегаторы

Сейчас на рынке AI происходит массовое явление, которое можно описать мемом про «волка в бикини». Один видит успешный продукт, другие начинают слепо копировать его форму, не меняя суть.

Но в случае с ИИ это явление приобрело масштаб эпидемии не из-за человеческой глупости, а из-за падения стоимости разработки до нуля. Давайте разберем, как это меняет структуру рынка и где здесь возникает бизнес-уязвимость.

Шаг 1. Что скопировали все (базовая архитектура)

Посмотрите на 90% AI-сервисов, появившихся за последний год. Их бизнес-модель выглядит максимально просто:

Пользователь → Чат-бот (обертка) → Одна модель (GPT / Claude / DeepSeek)

Предприниматель не строит инфраструктуру. Он делает удобную оболочку, берет API и продает доступ.

Шаг 2. Почему это произошло именно сейчас

Раньше создание такого сервиса требовало денег на разработчиков. Сегодня сам ИИ (тот же Claude) пишет фронтенд, бэкенд и дизайн за неделю. UX паттерны чат-ботов стандартизированы, их легко скомпилировать.

В результате на рынок вылилось переизбыток абсолютно идентичных продуктов. Стоимость входа упала, барьеры исчезли.

Шаг 3. Появление структурной уязвимости

Когда рынок перенасыщен идентичными одноуровневыми продуктами, всегда открывается структурная уязвимость. Она заключается в том, что становится выгодным создать следующий уровень абстракции.

Архитектура меняется с этой:

Пользователь → Чат-бот → (GPT или Claude)

На эту:

Пользователь → Чат-агрегатор → Множество чат-ботов/моделей → (GPT, Claude, DeepSeek, Gemini)

Шаг 4. Почему агрегатор забирает рынок

Пользователю в 2026 году уже в большинстве случаев плевать, какая именно модель работает под капотом. Ему не нужен «доступ к Claude» или «доступ к GPT». Ему нужно решить задачу: написать код, перевести текст, сделать анализ.

Агрегатор снимает с пользователя необходимость выбирать. Он работает по принципу ИИ-агента (то, что сейчас продвигает Microsoft): пользователь не открывает разные программы, он отдает команду, а система сама решает, куда ее направить:

Запрос на код → уходит в Claude.

Поиск и анализ → уходит в Gemini.

Локальная быстрая задача → уходит в локальный DeepSeek.

Пользователь сидит за одним столом и заказывает всё что угодно из всей отрасли.

Шаг 5. Аналогия с парком аттракционов

Представьте парк развлечений.

Текущие оберточные боты — это люди, которые стоят у каждого аттракциона и продают отдельный билет: на колесо обозрения, на тир, на карусель.

Агрегатор — это единое приложение парка. Вы покупаете абонемент, заходите и просто говорите: «Хочу покататься». Система сама ведет вас на свободный аттракцион.

Когда на входе в парк стоит 500 продавцов отдельных билетов (оберточных ботов), спрос на них падает, потому что появился один человек у входа, продающий удобство выбора.

Итог

Бизнес-уязвимость «волка в бикини» на рынке AI не в том, что клоны делают плохой продукт. А в том, что массово копируя устаревающую одноуровневую архитектуру Пользователь-Бот-Модель, они сами подготавливают почву для своего собственного поглощения агрегаторами нового типа.

Строить еще одну обертку под одну модель — это продавать билет на карусель, когда напротив уже открывается касса всего парка. Пишите что не умеет ИИ в 2026 - году).

Инференс трансформеров на чистой Java без Python и JNI

Запуск нейросетей на Java часто воспринимается как компромисс: либо JNI-обвязки, либо Python-стек, либо готовые рантаймы. Но современные JDK уже позволяют строить полноценный пайплайн инференса внутри JVM — без Python, без JNI-слоя и без лишней магии.

Хочу провести технический вебинар и показать, как на чистой Java реализовать инференс трансформеров и оптимизировать его под CPU, используя:

• Foreign Function & Memory API (FFM) — для безопасной работы с нативной памятью и маппинга весов моделей без лишнего оверхеда и давления на GC;

• Vector API — для SIMD-ускорения матричных операций на CPU.

И это не только про LLM.

На вебинаре разберём, как на Java можно запускать и оптимизировать разные классы трансформеров (encoder-only, encoder-decoder, decoder-only):

• RoBERTa — для классификации и NLP-задач;

• MiniLM — для эмбеддингов и семантического поиска;

• T5 — для seq2seq-сценариев и генерации;

• Qwen — для современных LLM-сценариев и практического инференса.

То есть цель вебинара — не показать ещё один способ вызвать llama.cpp по API, а разобраться, как устроен сам Java-слой инференса для трансформеров и где он реально полезен.

Если тема вам интересна — оставьте контакты по ссылке.

Если наберём 20+ заинтересованных, я подготовлю программу и разошлю приглашения с датой.

UPD: Всем, кто заполнит форму предрегистрации, я сразу после вебинара (или даже чуть раньше) скину ссылку на приватный репозиторий с базовым PoC/бенчмарком инференса Qwen на Vector API, чтобы вы могли покрутить код сами.

Самолёт Airbus A350-1000 ULR совершил 24-часовой беспосадочный перелёт протяжённостью 17 тыс км. Рейс вылетел из Мельбурна (Австралия) в Тулузу (Франция) в рамках испытаний для запуска самого длительного рейса в мире, который будет выполнять Qantas на этом специально построенном типе воздушного судна из Лондона и Нью-Йорка в Сидней. Регулярный рейс будет длится 22 часа без остановки. За тестовым полётом следили 125 тыс пользователей на Flightradar.

Во время испытаний самолёт специально пролетел над аэропортом Сиднея Кингсфорд-Смит в 08:20 GMT, а затем над лондонским Хитроу в 06:27. Разница между локациями по времени составила 22 часа 7 минут.

Около €170 тыс. заработал разработчик, создавший приложение, которое позволяет светить вспышкой смартфона в лицо пользователя — за подписку в нём люди платят €70 в год. Автор уверяет, что такие вспышки помогают расслабиться, уснуть и войти в состояние, похожее на транс. За прошлый месяц приложение скачали 70 тысяч раз. Весь продукт состоит из фонарика и таймера.

Собрал 52 гайда по AI: от первой модели в Ollama до своего агента

Дисклеймер: я не AI-исследователь и не senior ML-инженер. Я обычный разработчик, который решил разобраться в теме — и понял, что хороших сводных материалов катастрофически не хватает.

Большинство статей либо «что такое нейросети за 5 минут» (бесполезно), либо «запускаем LLM с нуля на кластере из 8 A100» (неприменимо). Между этими крайностями — пропасть.

Я решил собрать то, чего мне самому не хватало: практический хендбук, который ведёт от полного нуля до работающих агентов. Без воды, без маркетинга, без «ChatGPT заменит программистов».

Весь проект — 52 файла, ~6 часов чтения. Уровни: зелёный (начало) → красный (глубоко).

Репозиторий: https://github.com/bestdeejay-design/awesome-ai-handbook

О чём это вообще

Хендбук покрывает пять разделов:

Zero Level — база. Что такое LLM, как они устроены (без математики), облако vs локальный запуск, как выбирать железо (RAM, VRAM, квантование), глоссарий на 35 терминов. Рассчитан на тех, кто вчера открыл терминал.

Local Models — установка Ollama, выбор моделей под задачу (Qwen, Llama, Mistral…), квантование (Q4/Q5/Q8), сравнение инструментов, бенчмарки на Apple Silicon, продвинутая настройка (Modelfile, кастомные API, окружение).

AI Agents — архитектура, паттерны (ReAct, Multi-Agent), фреймворки (LangGraph, CrewAI), память, system prompts, safety, туториалы: первый агент, команда агентов, кодинг-агент.

Use Cases — реальные сценарии: кодинг с Continue/Aider, RAG с Open WebUI и ChromaDB, автоматизация с n8n, Telegram-боты, контент-пайплайны.

Resources — сообщества (Reddit, Discord), курсы (EN/RU), ссылки на всё полезное.

Почему это не очередной awesome-list

Я намеренно не делал просто список ссылок. Каждый файл — это полноценный материал с:

• Контекстом и пояснениями

• Сравнением вариантов (например, когда выбрать Ollama, а когда LM Studio)

• Командами, которые можно скопировать и выполнить

• Предостережениями (грабли, на которые сам наступал)

Пример. В разделе про квантование не просто таблица методов, а объяснение: на что влияет Q4 vs Q8, как считать VRAM под свою задачу, и когда квантование ломает ответы модели.

Или раздел про агентов — не ссылка на документацию LangChain, а пошаговые туториалы с реальным кодом: от «агент с одним инструментом» до «команда агентов с очередью задач».

Структура проекта

awesome-ai-handbook/
├── basics/           # 🟢 нулевой уровень (9 файлов)
├── local-models/     # 🔵 локальные модели (11 файлов)
├── agents/           # 🤖 AI агенты (17 файлов)
├── use-cases/        # 💼 применение (5 файлов)
└── resources/        # 📖 ссылки и курсы (5 файлов)

Каждый раздел — законченная тема. Можно читать подряд или прыгать в конкретный файл по каталогу (catalog.md). Уровни сложности маркированы цветом — от зелёного (ничего не знаю) до красного (пишу код).

Кому это будет полезно

• Разработчикам, которые хотят использовать AI в работе, но не знают с чего начать

• Тем, кто уже запустил Ollama, но хочет разобраться глубже — с агентами, RAG, пайплайнами

• Тем, кто ищет альтернативу ChatGPT и хочет запустить модель локально, но не уверен в выборе

• Тем, кто читал пять статей про AI-агентов и всё ещё не понимает, как их собрать

Почему Open Source

Хендбук лежит на GitHub под MIT-лицензией. Я планирую поддерживать его актуальным — модели и инструменты меняются быстро, и это не работа одного человека.

Если найдёте ошибку, устаревшую информацию или захотите добавить свой раздел — открывайте issue или PR. Я за мердж-реквесты с чаем и печеньками.

Ссылки

• Репозиторий: https://github.com/bestdeejay-design/awesome-ai-handbook

• Читать с нуля: basics/README.ru.md

• Каталог всех файлов: catalog.ru.md

• Если знаете английский: README.md

Надеюсь, кому-то сэкономит недели поиска. Если понравилось — киньте звезду на GitHub, для проекта это лучшая поддержка.

Совет от Андрея Карпаты для всех пользователей ИИ, которые работают над идеальными промптами: расслабьтесь. Вместо этого просто начните нести что-нибудь — долго, нудно и без остановки. «Иногда LLM просто нужно больше деталей, чтобы понять, чего именно вы хотите добиться», — написал Карпаты. По его словам, такой подход помогает разделить задачи между человеком и ботом. Человек сгружает в модель любые сырые мысли о проекте, а чат-бот уже преобразует сбивчивый монолог во что-то чистое и структурированное.

Карпатый добавил, что часто начинает такие сессии с предупреждения для нейросети — что его ход мыслей может быть путаным, а в распознанном тексте будут опечатки. В итоге модель настраивается на волну пользователя, и ему приходится гораздо меньше поправлять её.

ИИ-актриса впервые снимется в кино. Технологии отправят в утиль ещё одну профессию?

Компания Particle 6 анонсировала фильм Misaligned («Сдвинутая» или «Нестандартная» — как вам больше нравится). Впервые в полнометражном фильме главную роль сыграет актриса Тилли Норвуд, сгенерированная ИИ-моделью. Некоторые актёры протестуют, опасаясь, что нарисованные модели отнимут у них работу. Похоронит ли ИИ ещё одну профессию, как когда-то автоматика убила специальность лифтёра?

Многие визионеры пытаются успокоить, утверждая, что ИИ породит больше рабочих мест, чем заберёт. Они напоминают, что ткацкие станки, автоматические лифты и АТС оставили без работы тысячи человек, но не породили массовую безработицу. Только не стоит надеяться, что история будет повторяться всегда — всё случается в первый раз. И новые рабочие места в других профессиях вряд ли успокоили потерявших работу высокопрофессиональных ткачей, опытных лифтёров и выучивших сотни схем телефонисток.

Правда, и победу ИИ никто не гарантирует. Актёры не первый раз беспокоятся за свою работу — например, двадцать лет назад Джет Ли отказался сниматься в культовой «Матрице», чтобы не отдать свою цифровую копию Голливуду. Прошло четверть века — мы видели образы умерших актёров в фильмах, но они не стали трендом. Цифровой актёр не устроит скандал, не уйдёт в запой, не будет устраивать демарши из-за гонорара. (Хотя после историй о хакерских атаках на ИИ-модели и диких галлюцинациях уже сложно быть уверенным, что модель будет работать хорошо.)

С другой стороны, уже есть ИИ-певицы, ИИ-блогеры и т. п., собирающие миллионы поклонников. С технологической точки зрения ИИ научились генерировать красивое видео, в которое можно добавить реальных людей. Такой уровень вполне позволит сделать полнометражный фильм. Но не гарантирует его успеха. Единицы актёров остаются популярными на протяжении десятков лет. Обычно аудитория находит новых кумиров, возводит их на пьедестал, а потом переключается на новых героев.

Мы не можем представить, смогут ли ИИ-актёры отнять главные роли у живых актёров или провалятся в прокате. Но кто точно пострадает — актёры массовки. Компьютерная графика уже давно позволяет дорисовывать пейзажи, толпы народа и даже доводить живых актёров до нужного образа. ИИ сможет превратить актёров второго плана из статистов в полноценных действующих лиц со своими характером, походкой, мимикой. Зритель меньше внимания уделяет актёрам второго плана, а тем более массовке, поэтому здесь у ИИ есть право на ошибку и возможность реализовать свои преимущества. Как победить ИИ? Ответ прежний — быть лучшим в своей профессии, потому что ИИ-моделям требуется обучающая база. А учиться надо у лучших.

Математик Дмитрий Рыбин вместе с GPT-5.6 опроверг известную гипотезу, которую открыли ещё 30 лет назад — он попросил ИИ «совершить прорыв».

Серьёзно, никаких хитрых промптов для научного исследования не понадобилось: математик просто просил ChatGPT продолжить опровержение. После этого ИИ 80 минут выстраивал цепочку аргументов. Автор поделился чатом с моделькой и называет ситуацию «чистым мемом».

Гипотеза утверждает: если множество грузов можно распределить по сети, дробя их между маршрутами, то можно каждому грузу выбрать один цельный маршрут — и нагрузка на любую дорогу изменится не больше, чем на размер самого крупного груза. Иными словами, «идеальное дробное» решение якобы всегда можно почти без потерь превратить в практическое.

Представлена мини‑камера и персональный тренер BodyPark ATOM, которая следит за техникой упражнений и исправляет ошибки прямо во время тренировки. Камера анализирует технику исполнения пользователя с помощью ИИ и 34-точечной модели скелета. Гаджет сам считает повторения, подсказывает голосом, если пользователь делает упражнение неправильно, и следит за траекторией грифа, амплитудой, центром тяжести и мощностью движений.

Камеру можно закрепить практически где угодно: на стойке, тренажёре, столе или штативе. Заодно встроенный ИИ составит персональные программы для силовых тренировок, HIIT, пилатеса, развития мобильности и восстановления. Стоимость цифрового тренера составляет $219.

Claude Code можно пользоваться на 70% дешевле — вышел инструмент под названием rtk, который позволяет сжимать вывод любой команды, не забивая контекст. Благодаря этому проекту ИИ при каждом запросе видит только суть задачи и важный контекст, а не весь лог на десятки тысяч токенов. Как итог — хорошая экономия. Работает со всеми агентами, включая Claude Code, Cursor, Copilot или Antigravity.

Киберсанкции

Те, кто разгоняет киберсанкции с обеих сторон, вы правда не понимаете, что растите монстров?

Русские всегда были страшны своим нестандартным, незашоренным взглядом на мир. Настолько, что сборник из одностраничной рубрики «Маленькие хитрости» журнала «Наука и жизнь» перепечатывали как отдельную книгу в других странах. Настолько, что русская инженерия вошла в легенды и анекдоты.

А сейчас нас лишили доступа к мировой киберкультуре. Ну как лишили: попытались. Часть продуктов закрыли с той стороны, часть — с этой. И весь народ, коллективным разумом, думает над преодолением преград.

Вдумайтесь:
— с одной стороны — министерства и ведомства, не важно, чьи. Что их, что наши ограничены в ресурсах, мотивации и специалистах;
— с другой стороны — народ, которого весь мир боится за его нестандартный образ мысли.

И в этом народе растёт новое поколение, которое:
— наблюдает постоянные танцы с бубном над доступами;
— с юных лет умеет оплатить что угодно картами откуда угодно;
— воспитывается в осознании, что преодолевать блокировки — это нормально и даже хорошо.

У нас растёт поколение абсолютных хакеров. Самые башковитые нагнут любую систему, если так продолжится. Астанавитес! Хотя, наверно, уже поздно…