Исследования и прогнозы в IT *

Аннотация: В современных дискуссиях об Искусственном Общем Интеллекте (AGI) часто упускается ключевой вопрос: что отличает простой мощный алгоритм от действительно сознающего разума? Данная статья предлагает взглянуть на эту проблему через термины и концепции психологии, в частности, советской школы психологии развития [1, 2], что позволяет структурировать подход к созданию AGI не как к инженерной задаче, а как к задаче «воспитания» искусственной Личности.

1. Эмоционально‑рефлекторный «мозг»: основа, но не разум

Любой сложный вычислительный механизм, лишенный свойств Личности, не обладает сознанием. Он действует на основе:

Команда Python for Devs подготовила перевод статьи о скрытых издержках использования старых версий Python. TL;DR: 83% разработчиков застряли на Python 3.10–3.11, и это обходится компаниям в миллионы долларов ежегодно из-за лишних "облачных" затрат. А ведь казалось бы, обновиться — проще простого.

Если клиент жалуется в соцсетях, от бренда вы с 99% вероятностью увидите один сценарий — извинение и предложение решить проблему в личке. Но что делать, если жалоба откровенно хамская? Разбираем результаты недавнего исследования.

Перед прочтение приглашаю в свой канал про рост продуктов.

Более 50 % приложений вызывают высокорисковые API браузера, что может быть признаком наличия вредоносного кода. Почти 64 % загружают скрипты с хостов за пределами РФ. Более 70% компаний рискуют получить штрафы от 1 до 18 млн. руб. за сбор ПД с использованием баз данных, размещенных за пределами РФ.

Разбираем результаты исследования безопасности frontend-приложений 3000 крупнейших российских компаний за первое полугодие 2025 года.

Прывітанне, Хабр! В 2024 году мы вместе с Хабром впервые провели исследование IT-брендов работодателей в Беларуси. Рынок оказался совсем не похожим на российский: высокая турбулентность, скрытый наем и даже легалайз на гемблинг. Рассказываем, на основе каких критериев айтишники Беларуси выбирают работодателя. Под катом — подробности и выводы.

В недавней публикации мы представили Tau² — инструмент для оценки больших языковых моделей. Сегодня же хотим поделиться неожиданным открытием: простое переписывание промпта увеличило успешность небольшой модели более чем на 20%. Ниже — подробный разбор того, как мы нашли и устранили узкое место в её работе, внеся всего несколько тонких изменений в политику агентов.

В мире ИИ часто ищут нестандартные пути, пытаясь оптимизировать стоимость вычислений.

Одна из таких идей — использование массива потребительских устройств, например смартфонов, для замены дорогостоящих серверных ускорителей. На первый взгляд, арифметика кажется убедительной: сложил мощности — и получил аналог.

Но так ли это на практике? В этой статье мы детально разберем, почему прямое сравнение пиковой производительности в TFLOPS вводит в заблуждение и какие ключевые факторы — от архитектурных особенностей до инфраструктурных издержек — делают альтернативу неподходящей.

На рынке памяти происходят заметные изменения. 26 сентября 2025 года Samsung, один из крупнейших производителей микросхем, сообщил о росте цен: DRAM подорожала примерно на 30%, а NAND — на 5–10% в зависимости от модели. Аналогичные шаги предприняли Micron, Western Digital (бренд SanDisk) и китайская YMTC. Это напрямую отражается на конечных пользователях: дорожают и смартфоны, и компьютеры с большим объемом памяти. Рассмотрим подробнее причины происходящего, опираясь на данные CNews, а также прогнозы TrendForce и Digitimes.

Каждый раз, когда речь заходит о новом проекте, начинается вечный спор: какой фреймворк выбрать? Go или Rust для производительности? Python для скорости разработки? А может, стоит попробовать что-то на Elixir? Муки выбора знакомы многим. Вместо того чтобы в очередной раз теоретизировать, я решил пойти другим путем: взять и протестировать их все.

Так родилась идея проекта Framework DevBox — универсальной песочницы, где десять популярных фреймворков на разных языках упакованы в Docker-контейнеры и готовы к запуску одной командой.

Всем привет! Меня зовут Ирина, я NLP-инженер в red_mad_robot, занимаюсь научными исследованиями интерпретируемости LLM и анализом механизмов внутренних вычислений моделей, чтобы применять полученные результаты на практике. Например, сегодня хочу рассказать, как мы подошли к решению задачи детекции галлюцинаций LLM в RAG системах со стороны исследования графов размышлений модели — с помощью интересного фреймворка от Anthropic.

В статье поговорим, как использовать cross-layer transcoders и атрибуционные графы для детекции галлюцинаций в RAG системах. Рассмотрим пример реализации детектора на графах для анализа модели Qwen2.5-7B и практические примеры использования. Спойлер: на простой реализации получили точность детекции 85% на тестовом датасете.

Стоит ли бизнесу так дорого платить за искусственный интеллект?

По данным отчета McKinsey, 78% компаний внедрили хотя бы пилотные AI-решения. Но есть нюанс: реальную ценность получают далеко не все.

На первый взгляд — это революция. Но массовое внедрение далеко не всегда про эффективность. И для многих компаний ИИ остается скорее витриной для инвесторов и партнеров, чем реальным источником прибыли и оптимизации процессов.

Почему так происходит? Ответ станет очевиднее, если посмотреть на последствия первой волны энтузиазма.

Полупроводниковая индустрия движется вперед стремительными темпами: чипы становятся все компактнее, производительнее и энергоэффективнее, подпитывая инновации от искусственного интеллекта до автономного транспорта. Но EUV-литография, несмотря на свои достижения, сталкивается с серьезными препятствиями: сложные оптические системы, колоссальные затраты и физические ограничения в разрешении.

И тут на горизонте появляется литография B-EUV (Beyond EUV), основанная на мягком рентгеновском излучении. При длине волны 6,5–6,7 нм она позволяет формировать линии порядка 3–4 нм, что делает ее потенциальной альтернативой Hyper-NA EUV-системам. В первую очередь за счет меньшей числовой апертуры в B-EUV. Соответственно, не требуется много зеркал, да и оптика получается проще и дешевле. Давайте разберем, в чем ее уникальность, какие задачи уже решены и что за барьеры еще предстоит преодолеть.

Вы опытный IT-специалист, годами кодили, запускали проекты, возможно, даже управляли командами. Но почему ваши отклики уходят в никуда, а рекрутеры игнорируют? Открываю правду о том, как на самом деле фильтруют резюме на современном IT-рынке и что нужно изменить, чтобы получить оффер.

Привет, Хабр! Меня зовут Роман Изотов. Последние 5 лет я провел по ту сторону баррикад – в роли IT-рекрутера, где отсмотрел более миллиона резюме и провел тысячи собеседований. Сегодня я помогаю IT-специалистам взламывать систему найма, и вот что я вижу: многие по-настоящему сильные Senior-инженеры, тимлиды, архитекторы сталкиваются с одной и той же проблемой – их резюме просто не работает.

«Мой опыт говорит сам за себя!» – Главное заблуждение.

Кажется логичным: если у тебя 7-10 лет опыта, куча проектов, сложные технологии, то резюме должно привлекать. Но в 2025 году это больше не так. Рынок перегрет, конкуренция бешеная. На одну Senior-вакансию приходят десятки, а то и сотни откликов. И вот тут в игру вступают фильтры, о которых вы могли даже не догадываться.

Фильтр №1: Автоматизированные системы отбора (ATS) – ваш первый и самый беспощадный враг.

Забудьте про креативный дизайн и инфографику. Для ATS ваше резюме – это набор ключевых слов. Если вы не используете точную лексику из описания вакансии, не указываете конкретные технологии и метрики – ваша заявка просто не дойдёт до HR. Система не поймёт, что "оптимизировал производительность" означает "сократил время отклика сервиса на 30% на пять миллионов пользователей". А если она не поймёт, то вы в корзине.

Всем привет!

Сейчас много пишут о проблемах с поиском работы в ИТ‑отрасли и массовых увольнениях/«оптимизациях» персонала, в том числе якобы из‑за внедрения ИИ. Однако если открыть LinkedIn, складывается несколько иное впечатление — вакансий, конечно, не «пруд пруди», но и на «зимнюю спячку» это совсем не похоже. По крайней мере, на первый взгляд.

Совсем недавно мой друг искал работу в Германии. Сам он говорит, что «чукча — не писатель», поэтому с его позволения я решил поделиться с сообществом его наблюдениями и выводами по результатам данного «погружения в рынок». Тем более, что был непосредственным свидетелем данного поиска, и мы часто обсуждали его за чашкой кофе или бокалом пива:‑) На объективную оценку ситуации не претендую (или «не претендуем»?), но, наверняка есть немало коллег, которым эта информация может показаться полезной/интересной. Данная статья является компиляцией того, чем делился со мной он и моими собственными вставками и наблюдениями.

Команда AI for Devs перевела статью, в которой автор делится прогнозами о будущем ИИ-агентов в 2025 году. Его выводы: несмотря на шумиху, «автономные агенты» столкнутся с экономическими и техническими барьерами. Почему текущий подход к архитектуре агентов не сработает и какие методы действительно приносят результат — читайте в статье.

Помните ли вы хоть одну технологию, которая обещала изменить мир и... просто исчезла?

На картинке всё смотрится красиво: концепт, прототип, ролик с драматичным саундтреком. В реальности — десятки причин, почему это не стало частью нашей повседневности: регулирование, экономика, человеческие привычки и просто здравый смысл. Что ж, давайте посмотрим, какие вещи не стали мейнстримом и почему. Детали под катом.

Представьте: вы сидите за терминалом, перед вами — гигабайт логов, и нужно за минуту вытащить ключевые паттерны, сгенерировать отчет и не утонуть в коде. Python? Можно. Но есть инструмент, который справится быстрее, лаконичнее и без лишних библиотек. Это Perl — язык, который многие из вас оставили еще в нулевых. Но в 2025 году он неожиданно выстрелил, взлетев с 27-го на 10-е место в рейтинге Tiobe. Что за магия, что произошло? Давайте разбираться.

На протяжении многих тысячелетий существования человечества менялись технологии, социальный строй, политические режимы. И в течение многих веков появлялись и исчезали сотни профессий, менялся рынок, перестраивалась экономика, зарождались, а затем бесследно исчезали целые отрасли и индустрии. В водовороте бесчисленных политических, экономических и социальных революций, потрясений, войн и реформаций профессиональная деятельность человека порой изменялась неимоверно быстро.

В своей статье я хотел бы провести в какой‑то степени необычную параллель между сегодняшними IT‑специалистами и средневековыми рыцарями, а так же другими профессиями из разных эпох, чтобы попытаться предугадать, что ждет индустрию IT в ближайшем будущем, через призму исторических примеров и сравнений.

Не секрет, что многие профессии за время своего существования проходят путь от открытых и свободных сообществ до элитарных структур с собственными ритуалами, барьерами и внутренними кругами. Сегодня IT — одна из самых привлекательных и высокооплачиваемых сфер. Но то, что раньше казалось «входом по интересу», становится всё более недоступным без особой подготовки, опыта, сертификатов, а порой даже и связей. Этот путь напоминает трансформацию рыцарства в Средние века — от свободных воинов до замкнутой и привилегированной касты. Некоторые аналогии между айтишниками и рыцарями удивительно точны — и не только в контексте Средневековья, но и при взгляде на социальные лифты в Новое время.

🚨 MalTerminal: первый вирус, который пишет себя сам — с помощью GPT-4

Представьте: хакеру больше не нужно быть гением ассемблера. Достаточно написать в чат: «Создай вредонос, который обойдёт защиту Windows 11» — и через минуту получить готовый, уникальный, никогда не виданный антивирусами код. Это не сценарий из киберпанка. Это — MalTerminal. Первое в истории вредоносное ПО, которое использует GPT-4 не как помощника, а как мозг всей операции.

Обнаружен он был исследователями SentinelOne — и сразу взорвал мозг экспертам по кибербезопасности. Почему? Потому что это конец эпохи сигнатур.

В последние годы искусственный интеллект стал активно применяться в разработке программного обеспечения. И тому есть причина, ведь теперь любой специалист может набросать запрос своими словами — и вот вам готовый фрагмент на Python или JavaScript. Звучит заманчиво, особенно когда дедлайны горят. Но реальность добавляет ложку дегтя: такой материал часто требует тщательной шлифовки.

Баги, избыточные конструкции, риски в безопасности — все это превращает «быстрое решение» в головную боль для своего создателя. Именно здесь на сцену выходит «чистильщик кода» — эксперт, который берет сырой вывод нейросети и доводит его до ума.

Давайте разберем, почему такая специализация набирает обороты, сколько усилий уходит на доработку ИИ-продуктов и что ждет эту нишу в ближайшем будущем.