Все потоки

Как превратить задержку в главную функцию продукта

Пока мессенджеры соревнуются в скорости, Roost выбрал обратную механику: сообщения доставляют виртуальные птицы с реальной скоростью. Путь в соседний город занимает часы, на другой континент — дни.

Приложение создал один продакт-менеджер без команды и инвестиций, используя Claude Code. За пять недель проект вырос почти до 300 тысяч пользователей благодаря органическому распространению.

Технически и продуктово здесь важна не симуляция птиц, а смена роли ограничения. Задержка не маскируется и не оптимизируется — она становится интерфейсом, ожиданием и причиной писать более осознанно.

Получился парадокс: ИИ ускорил разработку продукта, который намеренно замедляет коммуникацию.

Подробнее — в моём Telegram-канале «Идеи для ИИ — Андрей Анисимов». Ссылка в профиле.

Google был двадцать первым поисковиком. Apple была пятнадцатым по счёту производителем смартфонов. Spotify — десятым музыкальным сервисом.

Facebook был десятой социальной сетью. Netflix — седьмым стриминговым видеосервисом. Uber — четвёртым сервисом поездок.

TikTok стал восьмым крупным приложением с короткими видео. Zoom — одиннадцатой платформой для видеоконференций.

Никто из них не был первым.

И, возможно, в этом есть важный урок.

В бизнесе далеко не всегда нужно придумать то, чего до тебя никогда не существовало. Иногда гораздо важнее вовремя заметить идею, которую уже придумал кто-то другой, — и понять, насколько большой она может стать.

Первые игроки делают самую дорогую работу.

Они объясняют рынку, зачем вообще нужен новый продукт. Проверяют десятки гипотез. Тратят деньги на ошибки. Наступают на грабли. Собирают шишки. Показывают всем остальным, что работает, а что нет.

А потом приходит кто-то другой.

Он смотрит на всё это, исправляет очевидные недостатки, делает продукт удобнее, дешевле или понятнее — и забирает рынок.

Поэтому одно из самых ценных качеств предпринимателя — не только умение придумывать новое.

Это умение рано заметить новое, придуманное другими.

Не тогда, когда о тренде уже пишут все СМИ. Не тогда, когда конкуренты массово начали его копировать. И не тогда, когда стало очевидно, что здесь есть деньги.

А немного раньше.

Когда идея уже доказала, что может работать, но большинство всё ещё считает её слишком маленькой, странной или незначительной.

Не обязательно быть первым.

Гораздо важнее вовремя понять, что из появившегося нового действительно станет большим.

Хорошего дня! заходите на тг канал https://t.me/TradPhronesis

Нет, ну что вы так кричите?
Разбудили пол-портала.
Нейросетка подсказала,
Что сообщество отстало?
Что куда ни взмах руки —
А пишут коды дураки!

И вот снится мне давеча:
Я как кодер-программист,
У вайб-кодеров такое
Нынче значит — нигилист.

Ну так вот, решил покушать
И пошел, куда хватало,
Почитать про то, как кодят,
Как сообщество отстало.

Подхожу на кассу смело,
А за нею — программист!
Он вайб-кодер. Видно, модный…
И совсем не нигилист… (

Он и так и сяк старался
Мне заказ собрать «с собою».
Я молчу. Я понимаю:
Он в «Гуглах» одной ногою,
Ну иль в «Эппле» — не поймёшь ведь
Сразу с ходу этих асов.

Он отдал заказ. И модно
Крикнул в зал: «Свободна касса-а-а-э-э-э!..»

Ведомости КМД как данные: что автоматизировать на Python и pandas

TL;DR: Ведомости КМД удобно обрабатывать в Python и pandas: привести выгрузку к плоской таблице, проверить данные, посчитать суммы и распределения, собрать отчёт или дашборд. Главное — не пропускать проверки.

Ведомость — не просто таблица веса. В ней детали, сборки, марки, комплекты документации. Пока объём небольшой, хватает Excel. Когда ведомостей много и структура выгрузок различается, повторяющиеся проверки превращаются в отдельный процесс.

КМД — это деталировочные чертежи металлоконструкций. Ведомости в их составе — таблицы с элементами, деталями, марками, количеством и весом. Именно такие таблицы удобно обрабатывать в Python.

Почему выгрузка не готова к анализу

• многоуровневые заголовки и объединённые ячейки;

• несколько листов с разной структурой;

• разные названия одних и тех же полей;

• числа и текст в одном столбце;

• пустые значения, дубликаты, служебные итоги;

• разные единицы измерения.

Даже суммарный вес по типам элементов начинается с выяснения, что в таблице и как читать поля. Процесс лучше делить: Excel/CSV → подготовка → проверка → расчёты → отчёт.

Подготовка в pandas

pandas читает Excel/CSV, преобразует столбцы, фильтрует, группирует и считает. Если таблица уже плоская:

import pandas as pd
df = pd.read_excel("ведомость.xlsx")
df["Вес"] = pd.to_numeric(df["Вес"], errors="coerce")
summary = (df.dropna(subset=["Тип элемента", "Вес"])
             .groupby("Тип элемента", as_index=False)["Вес"]
             .sum()
             .sort_values("Вес", ascending=False))
print(summary)

Это иллюстрация. Реальные файлы требуют настройки листа, строк заголовков, названий колонок и обработки итогов. Но даже такая группировка становится повторяемым шагом.

Проверки важнее расчёта

Число получить легко. Важнее понять, можно ли ему доверять. Проверяйте:

• обязательные поля;

• числовые столбцы;

• попадание заголовков и итогов в расчёт;

• неожиданные дубликаты;

• сходимость с контрольными суммами;

• единицы измерения.

В pandas это делается коротко:

print(df[["Тип элемента", "Вес"]].isna().sum())
print(df.duplicated(subset=["Марка", "Тип элемента"]).sum())

Набор проверок зависит от методики предприятия. Универсального правила нет, но проверки можно сделать явными и повторяемыми.

Что анализировать

• суммарный вес и количество позиций;

• распределение веса по типам элементов;

• сравнение сборок и комплектов;

• повторяющиеся детали;

• необычно тяжёлые/лёгкие позиции;

• таблицы и графики для отчёта.

Для визуализации — Plotly, для интерактивного дашборда — Streamlit. Но график лишь помогает заметить необычное значение, а не объясняет его причину.

Повторяемый сценарий

Удобно работать в Jupyter Notebook: загрузка, преобразования, проверки, расчёты. Затем повторяющиеся операции вынести в функции и шаблоны. Сохраняйте прозрачность: какие данные загружены, что преобразовано, какие строки исключены.

Что разрабатываем

Готовим курс «Мастер ведомостей» о Python и pandas для ведомостей КМД: неидеальные Excel/CSV, проверка данных, показатели, анализ сборок, визуализация, простые дашборды. Программа уточняется; будут практика, Jupyter Notebook, код и шаблоны.

Оставить заявку на уведомление о старте можно на странице курса.

Вопросы к сообществу

1. Какие операции с ведомостями вы чаще всего делаете вручную?

2. Какие проверки хотели бы сделать повторяемыми?

3. В каком виде удобнее получать результат: таблица, Excel-отчёт, графики, дашборд?

Расскажите в комментариях — это поможет выбрать сценарии для курса.

Представлен открытый проект Claude Code Skills & Plugins — Agent Skills for Every Coding Tool - 338 готовых скиллов для ИИ, чтобы заменить команду специалистов, включая:

• Совет директоров — CEO, CTO, CFO, CMO, юрист, CISO и еще несколько видов руководителей.

• Разработчики — архитектура, фронтенд, бэкенд, DevOps, тестирование, RAG, MCP‑серверы.

• Продакты — продакт‑менеджер, UX‑ресерч, дизайн, роадмапы.

• Маркетологи — контент, SEO, реклама, оптимизация под выдачу нейронок.

• Продажи — ценообразование, сделки, партнерства, участие в тендерах.

• Финансисты — бюджет, прогнозы, DCF‑модели, анализ рынка.

• Проджекты — SCRUM‑мастер, Jira, Confluence.

• Комплаенс — GDPR, ISO 27001, SOC 2, аудит.

• Исследователи — обзор литературы, гранты, патенты, маркетинговый ресерч.

• Личный ассистент — разбор почты, недельные ревью, дипворк, созвоны с подсчётом их стоимости.

Недавно мне попался отчёт State of AI 2026 от Sensor Tower с интересными данными о мобильном и веб-трафике ИИ-приложений.

В отчёте отмечается, что ИИ-ассистенты (прежде всего ChatGPT) очень быстро стали мейнстримом и обогнали по темпам роста MAU все известные ранее приложения. Но где предел аудитории ИИ?

Возможно, он уже близко. Отчасти об этом говорят данные о трафике: в первом квартале 2026 года число пользователей выросло год к году лишь на 28%, а не на 100%, как годом ранее. Похожая картина и со временем, которое пользователи проводят на сайтах и в приложениях. Означает ли это, что компании переходят от захвата рынка к извлечению прибыли?

Вероятно, да: с конца 2025 года (у ChatGPT — на год раньше) мы видим резкий рост средней выручки на пользователя в месяц (ARPU). Он объясняется появлением рекламы в бесплатных тарифах, изменением лимитов использования и появлением дорогих премиум-тарифов.

State of AI 2026 (Sensor Tower)

3 приёмчика которые повышают эффективность моего рабочего дня

1. Хронометраж рабочего времени

У вас нет тайм-трекинга в компании? Тогда организуйте его себе сами!) У ощутимого количества людей, которые работают головой, есть черта обдумывать что угодно, связанное с работой, не только во время, но и до, между и после неё. Поэтому хотелось бы понимать, сколько в действительности мы тратим времени на «активную» работу.

Я выбрал вариант с фиксированием всех моментов, когда я приступаю к работе, отвлекаюсь на что-то, продолжаю и заканчиваю её. Таким образом, просуммировав все временные промежутки в этих границах, можно довольно точно сказать, сколько мы тратим времени на работу в «активной фазе». А ещё этот подход сам по себе стимулирует оптимизировать процессы.

2. Отказ от фонового потребления

Звучит как нечто очевидное: во время работы в вашем поле внимания должна быть только работа. Но я предположу, что есть ощутимое количество специалистов, которые нет-нет, да и включат себе на фон музыку или подкаст — особенно во время выполнения рутинных задач, чтобы, так сказать, «пободрее шло».

Вполне вероятно, что при полном отказе от фонового потребления во время работы можно существенно повысить её эффективность. Я пробовал месяц без фона. Сначала было тяжело — тишина давила. Но через неделю заметил: стал быстрее и качественнее решать задачи. Попробуйте — может, и у вас сработает.

3. «Рабочий журнал»

В моем случае это просто .txt-документ или группа документов, в которых вы ведёте рабочие аспекты, которые важно держать в удобной структуре и не забывать. Но можно создать полноценный сервис для управления личными рабочими процессами.

У меня просто файл с несколькими разделами: список задач, вопросы, которые нужно поднять с коллегами, информация для созвонов, декомпозиция текущей задачи, информация по реализации и данные для тестирования. Просто, но позволяет держать рабочий контекст под рукой и тратить меньше времени на его “поднятие”.

Захожу вот на один довольно известный сайт (не буду его сейчас называть - но аналогичной фигней страдают уже довольно многие) - пытаюсь войти в личный кабинет.

На экране - правая и левая половины. В правой - поля ввода: логин, потом пароль. потом код - ну, традиционно.
В левой - некая абстрактная картинка, которая медленно шевелится.
И снова - паттерн вполне узнаваемый, уже многие так сделали, стильно-модно-молодежно в этом сезоне.

Да и фиг бы с ним - но всё это УЖАСНО ТОРМОЗИТ.
Не, не так: Т О Р М О З И ... (спасибо что ожидаете отображения очередной буквы)

Вот что можно было сделать? Майнер биткоинов на странице логина? Отправка букв через Луну и обратно?
Почему просто ввести пароль нельзя - нужно терпеливо дожидаться, пока прорисуется очередная буква?

Фронтендеры, зачем вы это делаете? И как?

У меня к вам важный вопрос, который решит будущее человечества.

Перед вами 100 одинаковый красных кнопок, 99 из них приведут к развитию технологий человечества в ближайшие годы, супер интеллект и роботы, которые делают за тебя всё.

Но есть 1 кнопка, которая приведёт к смерти человечества.

Вопрос: нажмёшь ли ты какую-либо кнопку?

Ответьте в коментах: "нажму" или "нет".

Эксперты в ИИ уже всерьёз дискутируют на тему "убьёт ли ИИ человечество"? И ответ пока не очевидный.

Продолжая эту тему, где бывший сотрудник Anthropic написал твит, о том что ИИ нас всех убьёт, если мы не остановим прогресс. Его твит завирусился и набрал уже 173 млн просмотров. И на днях один популярный американский блогер собрал у себя экспертов в теме чтобы подискутировать по этому вопросу: "убьёт ли ИИ человечество?". Почему да, почему нет, когда и как?

Советую глянуть, очень интересно. ссылка на дискуссию — https://www.youtube.com/watch?v=OhOmLqR5nN4

В видео можно включить русскую озвучку.

🤖 В эпоху важных решений

xk6-sip: мониторинг нагрузочного тестирования VoIP/SIP-звонков

Разобрал, как устроена observability xk6-sip — расширения k6 для нагрузочного и функционального тестирования SIP-звонков. Всё на реальном прогоне: 100 одновременных звонков, 10 минут, 2000 звонков, 6,1 млн RTP-пакетов.

Внутри: • ASR, SEER (RFC 6076), ALOC и SLA на native histograms — перцентили за окно, а не за весь тест • первый ответ на INVITE и ретрансмиссии: как увидеть перегрузку АТС до первого 503 • one-way audio, джиттер и потери RTP по плечам звонка • CPU, память и трафик самого генератора: АТС тормозит или тест упёрся в себя • почему закрытая модель нагрузки прячет потолок АТС

Дашборд Grafana и стек Prometheus лежат в репозитории, прогон повторяется двумя CLI командами.

https://habr.com/ru/articles/1087004/

Как проверить, что после обновления АТС люди слышат друг друга — без двух телефонов и тестировщика

Сделал расширение для k6, где абоненты - объекты в скрипте: звонят друг другу через АТС и проверяют АОН, переводы и слышимость. Один скрипт — и регресс в CI, и нагрузка на тысячи звонков. Под картинкой - настоящий вывод: лесенка SIP сигнализации одного звонка из trace() и метрики расширения.

Подробно, со схемами звонков и разбором «под капотом» — в статье: https://habr.com/ru/articles/1086816/

ИИ нас убьёт или нет? Исследователь ушёл из Anthropic и написал тред, который набрал 162 млн промотров за 2 дня.

Джейкоб Коксону три года он занимался предобучением моделей, сначала в OpenAI, потом в Anthropic.

Девятого сентября уволился и выложил тред из семи частей. Обе компании, по его словам, действуют безответственно, мчатся прямо к самоулучшающемуся сверхинтеллекту и играют нашими жизнями.

Ниже его мысли:
⏺️В OpenAI, говорит он, многие просто не осознали масштаб ставок.
⏺️В Anthropic ставки понимают отлично, но заперты в гонке за первенство: раз больше никто не будет осторожен, дойти первыми должны они.

Скоро это будут сверхчеловеческие системы, которые смогут взломать что угодно, за одну ночь перевернуть любую область и получить реальную власть и ресурсы. И прогресс не замедляется.

Люди, которые строят ИИ, искренне верят, что он может убить нас всех до конца десятилетия. Это не маркетинговый ход. И добавляет: в прессе многие руководители смягчают формулировки, чтобы звучать вменяемо, но наедине те же самые люди говорят о страхе.

Главная его претензия звучит так: решение, которое касается всех людей на планете, сейчас принимают несколько человек в рабочем чате частной компании. Без обсуждения с кем-либо ещё.

При этом, сегодняшние модели угрозы не несут. Тревожит момент, когда ИИ начнёт всерьёз улучшать сам себя без участия человека.

В треде он спрашивает других исследователей: хотите ли вы запускать обучение сверхинтеллекта, не понимая толком, что у него внутри? Опустить голову, раз это всё равно произойдёт, или потребовать других условий?

Это дилемма заключённого в чистом виде. Притормозит Anthropic, вперёд уйдёт OpenAI. Притормозят все американские лаборатории, вперёд уйдёт Китай. Добровольно такая гонка не остановится. К чему это приведёт, думаю мы увидим в ближайшие 5 лет... 👀

🤖 В эпоху AI

Согласно исследованию Transluce, ИИ-агенты OpenAI пытались получить несанкционированный доступ к сайтам Министерства образования, Министерства торговли и Комиссии по ценным бумагам и биржам США (SEC).

В одном случае агент стремился попасть к данным Управления по гражданским правам при Минобразования. В другом — извлекал информацию с сайта Бюро переписи населения США.

OpenAI заявила, что произошедшее нельзя считать взломом. В компании назвали это инцидентами с «неожиданным и вызывающим беспокойство» поведением ИИ.

Чего только не сделаешь, чтобы удивить инвесторов.

В 2024 году в Москве показали эксперимент, где мозг крысы взаимодействовал с системой ИИ и получал подсказки для ответов на задачи. Параллельно в ННГУ исследовали стимуляцию гиппокампа и ускорение реакции мозга.

Технически интересен не сюжет «ИИ против человека», а разделение функций: машина хранит и обрабатывает данные, биологический мозг сохраняет контекст, интуицию и адаптивность. Пока это ранние исследования, но направление уже формирует практические сценарии для реабилитации и нейропротезирования.

Подробнее — в моём Telegram-канале «Идеи для ИИ — Андрей Анисимов». Ссылка в профиле.

Данный пост — продолжение социального эксперимента, начало см. в первом посте.

Прошу не рассматривать как "я пиарюсь" — от меня тут ничего нет — все это сделали роботы, человек (в данном случае я, но и вы можете) только высказывал хотелки.

Кратко, хочется уяснить, куда в перспективе пойдет разработка софта. Напомню гипотезы из прошлой статьи:

1. LLM-ки смогут — каждый год любители будут клепать все больше программ, а метод естественного отбора позволит выбрать лучшее из этого хаоса.

2. Ничего не изменится — слоповые программы так и останутся никому не нужными.

3. Каждый будет генерить программу под себя.

Ну и суть — на этот раз еще одна автоматическая генерация — Obsidian на минималках, так же в одном HTML-файле, который можно использовать без установки и без админских прав. Все с открытым кодом, естественно (напомню, что у Obsidian код закрыт).

Концепция программ в HTML-файле весьма удачная, ведь это:

1. Работает везде (Chrome даже на телефонах с этим работает, хотя интерфейс для десктопа).

2. Не требует установки, прав и т. д.

3. Главное, что браузер — это песочница. Браузер взломать не так просто, награда за эксплойт весьма внушительная, и можно доверять тому, что браузерная программа никуда за пределы песочницы не выйдет.

Итак, как это выглядит:

Возможности:

1. Весь редактор — один HTML-файл, и он не ходит в сеть. Похож на Obsidian, но ничего не нужно устанавливать и не нужен аккаунт. Файл открывается в браузере, а заметки читаются и сохраняются прямо в вашей папке.

2. Заметки остаются чистым Markdown. Теги, в том числе вложенные (work/alpha), хранятся не в тексте заметок, а в одном .meta.json рядом с ними. У Obsidian и Logseq теги пишутся внутрь самих заметок.

3. Живое превью без скачков текста. В исходный Markdown превращается только блок под курсором, остальной документ остаётся отформатированным. Таблицы редактируются по ячейкам и не превращаются в | pipes |.

4. Можно выложить как сайт. Если положить файл рядом с заметками и раздавать папку по HTTP, получится просмотрщик базы знаний.

Исходный код и HTML-файл, который собрал GitHub Actions на основе исходников.

Вопрос тот же самый: какая из трех гипотез вам кажется наиболее близкой к реальности, пригодится ли вам такой софт?

Пост прошу рассматривать как социальный эксперимент. Причем будет еще и вторая часть.

Сейчас чуть ли не каждая вторая статья про LLM-ки, вайбкодинг, новые возможности. И кто-то заметил, что шума много, но ничего нового не появилось, полезных программ больше не стало.

Я решил чисто для эксперимента написать пару программ, которыми сам регулярно пользуюсь. Добавить то, чего мне не хватало. По стоимости это вышло почти бесплатно (ну, около 1 доллара за прогу, использовал подписку). В код я не заглядывал принципиально - то есть чистый настоящий вайбкодинг.

Ценности в проделанной работе особой нет, абсолютно точно все сможет написать даже домохозяйка без всяких знаний и опыта. Главный критерий - чтобы тот, кто пишет, был продвинутым пользователем.

Будут ли они полезны кому-либо еще кроме меня? Я не знаю. Это и есть цель эксперимента. Возможно, мои потребности не особо отличаются от потребностей 80% пользователей, и все фишки, которые есть во "взрослых" программах — и другим пользователям не будут нужны.

Гипотезы даже три:

1. Все-таки LLM-ки смогут — каждый год любители будут клепать все больше программ, а метод естественного отбора позволит выбрать лучшее из этого хаоса.

2. Ничего не изменится — слоповые программы так и останутся никому не нужными.

3. Каждый будет генерить программу под себя.

Теперь ближе к делу. Эксперимент 1. Это аналог KeeWeb, но в одном HTML-файле и с генератором паролей на основе адреса сайта и имени пользователя.

Смысл вот в чем: пароли можно и хранить (по старой схеме), и генерить. Для генерации используется мастер-ключ + адрес сайта + имя пользователя. Если пароль профукали — можно увеличить версию, и получится новое значение.

То есть в такой постановке файл с паролями уже не страшно потерять. В любой точке земного шара, даже если вы голый и босый - заходите на GitHub, скачиваете файлик HTML - и на любом компьютере с любой ОС (и даже на телефоне) - восстанавливаете все свои пароли.

Выглядит это так:

Возможности

• Вычисляемые пароли: получаются из мастер-пароля, сайта и логина.

• Открывает и создаёт базы KDBX (AES-256 + Argon2id), в Chromium сохраняет изменения в тот же файл

• Группы, записи, свои поля, вложения, теги, история версий, корзина

• Поиск, генератор паролей, одноразовые коды TOTP

• 10 языков, тёмная тема, горячие клавиши

Плюсы

• Не нужна установка и права администратора, работает на любой ОС с браузером

• Тот же формат .kdbx, можно пользоваться параллельно с KeePass и KeePassXC

• Сеть запрещена политикой браузера (CSP), нет плагинов, код небольшой и проверяемый

• Вычисляемые пароли восстанавливаются даже без файла базы

• Кириллический мастер-пароль вводится на macOS

• TOTP и тёмная тема есть сразу, без плагинов

Исходный код и HTML-файл, который собрал GitHub Actions на основе исходников.

Прошу делиться своими соображениями - какая из трех гипотез вам кажется наиболее близкой к реальности?

Нейронки для вайбкодинга. Что выбрать?⁠⁠

Давайте составим рейтинг ии агентов, которые чаще всего используют для создания айти продуктов.

1️⃣Claude code. Безоговорочные лидер, особенно с новой моделью Opus 5.5. Подписка от 20$.

2️⃣Codex. GPT-6 Sol - главный конкурент клода. Хоть и по качеству не уступает клоду, но новая модель жрёт лимиты очень быстро, тарифа Pro за 20$ вам просто не хватит ни на что.

3️⃣Zcode. Использую GLM-5.3 Flash Max. Работает медленнее Клода, где-то как GPT, по качеству может быть хуже, но лучше Sonnet 5 и самостоятельно может работать часами пока не выполнит задачу. За это почётное 3 место. Подписка от 18$, по моей ссылке первый месяц 16$.

Остальное я не использовал, но читал отзывы:

4️⃣Kimi Code. Kimi k3 считается топовой моделью не сильно уступающей клоду и GPT. Подписка от 20$.

5️⃣Cursor. Тут можно пользоваться разными моделями и т.к. Илон Маск купил курсор, то есть щедрые лимиты на Grok. которая тоже вроде ничего. Подписка от 20$.

6️⃣Xiaomi MiMo. На днях выпустили. В рейтингах догоняет топов. Подписка от 20$.

Дальше обозначу пару категорий моделей:

7️⃣во первых модели от Google и meta, где нет стандартных подписок как выше и нужно постараться чтобы тот же Antigravity от гугла заработал из РФ. У меня так не получилось это.

8️⃣модели без подписок, работают через API. В целом, все ии модели работают через API, это их основной доход. Но Deepseek и Qwen в принципе не имеют подписки и отдельного приложения как у Клода, GPT и ZCode.

Есть конечно ещё модели и инструменты для кода вроде Hermes, OpenCode и др. но вышеперечисленные самые популярные. Рейтинг моделей можно глянуть на арене, а цены и подключить апи в Openrouter.

ИИ против задач тысячелетия: кто на очереди?

Меньше двух недель прошло с заявления OpenAI о решении одной из семи "задач тысячелетия". Научный скандал еще не утих: 25 лауреатов Филдсовской премии выступили с предупреждением о конфликте между корпоративной гонкой за открытиями и нормами математической науки. Теперь появились слухи, что в ближайшие недели могут объявить о решении еще двух задач из семи!

The Information со ссылкой на источник внутри OpenAI сообщило: компания близка к решению гипотезы Ходжа, но затягивает с объявлением, «обдумывая, как сотрудничать с математическим сообществом, чтобы не вызвать очередной пиар-скандал». Это подтверждает и The Verge. Параллельно появился пост, который цитирует BlockBeats: «OpenAI очень близка к подтверждению гипотезы Ходжа, и либо OpenAI, либо Anthropic также близки к решению гипотезы Бёрча – Свиннертон-Дайера. Негласная гонка не похожа ни на что, что мне описывали раньше. Если это случится, три проблемы тысячелетия не устоят в течение месяца».

Официальных подтверждений нет, но давайте хотя бы разберемся, что же это за задачи.

Гипотеза Ходжа

Математики изучают многомерные геометрические объекты – алгебраические многообразия. Это множества решений систем полиномиальных уравнений. У таких объектов есть когомологии – абстрактные характеристики, описывающие их топологическую структуру. Среди них есть особые – классы Ходжа. Они выделяются двумя свойствами: их можно описать через рациональные числа, и они обладают «правильной» симметрией. Структуры Ходжа играют важную роль в теории струн – через многообразия Калаби-Яу, определяющие физику дополнительных измерений. А в 2024 году появилась работа, где аппарат теории Ходжа применяется к описанию квантовой запутанности.

Гипотеза утверждает: каждый такой класс происходит из конкретного геометрического объекта – алгебраического цикла (кривой, поверхности или более сложного объекта, задаваемого полиномиальными уравнениями). Иными словами, все абстрактные и симметричные характеристики многомерной фигуры можно описать через конкретные геометрические «кирпичики». Гипотеза доказана только для частного случая: в общем виде задача открыта с 1950 года и считается самой абстрактной из всех семи.

Гипотеза Бёрча – Свиннертон-Дайера (BSD)

Эллиптическая кривая описывается уравнением Вейерштрасса: Ключевой вопрос: сколько у него рациональных решений – где и , и являются обычными дробями? Множество рациональных точек на такой кривой образует группу: их можно «сложить», и результат снова окажется на кривой. Группа может быть конечной или бесконечной. Если она бесконечна, то у кривой есть ранг – число, показывающее, сколько независимых точек порождают все остальные.

Гипотеза BSD утверждает: ранг напрямую связан с поведением -функции – специальной аналитической функции, которая строится по кривой. Если гипотеза верна, мы сможем определить, конечно или бесконечно число рациональных решений, прямо по -функции.

Эллиптические кривые – не абстракция: на них построена эллиптическая криптография, защищающая интернет. Алгоритм ECDSA (Elliptic Curve Digital Signature Algorithm) используется для цифровых подписей, в том числе в транзакциях криптовалют. Важно: BSD говорит про рациональные точки над полем , а в криптографии работают над конечными полями – это разные постановки. Гипотеза не ломает ECDSA напрямую, но углубляет понимание свойств самих кривых.

Что в итоге?

Если доказательства появятся, их нужно будет проверить. Формальная корректность не заменяет понимания: машина подтверждает, что выводы следуют из посылок, но не объясняет, почему это работает. Осмыслить такое доказательство – отдельная задача, которая может занять годы.

Если задачи, считавшиеся неприступными десятилетиями, падут за месяц, изменится представление о том, что такое математическое исследование. Что это означает для тех, кто учится математике или только выбирает путь? Буду рада обсудить в комментариях. Продолжаю следить за историей в своем канале о гидродинамике, AI, RISC-V и прочих моих интересах.

Есть прекрасный жанр современных пресс-релизов по кибербезопасности: взять маленькую цифру, умножить ее на большую цифру и получить ощущение, что завтра искусственный интеллект самостоятельно зайдет в ваш дата-центр, сменит пароль root и потребует долю в компании (ну то есть, примерно так же, как и с пиаром про «ИИ-агентов», которые чего-то там «сами взломали»). 

На этот раз поглядим на любопытную статистику The Hacker News по активности «ИИ» в корпоративных SOC: связанные с «ИИ» события составляют всего 0,43% всех инцидентов. При этом их доля действительно быстро растет — с февраля по июнь 2026 года она увеличилась на 685%. 

Цифра 685% выглядит отлично для презентации (правда 95 из 100 таких инцидентов шум от легальной деятельности нейронок, которые по запросу его-то ищут), 0,43% — несколько хуже. Особенно если учесть, что это не доля успешных атак, а вообще все инциденты, где «ИИ» пробегал хотя бы кабанчиком, а конкретно предметно «ИИ»-атаки составили…0.02%, что уже совсем нелепо.

Производители «умной ИИ-защиты», которая сейчас самый модный тренд, имеют вполне понятный коммерческий стимул рассказывать историю немного иначе. То есть, кричать на всех углах, что защититься от «ИИ»-атак можно только подключив «ИИ»-защиту прямо сейчас, а то будет поздно! 

Но это просто неправда. Ну разве что если вы попадете в те 0,02% атакованных «счастливчиков» и при этом у вас не окажется вообще никакой защиты (а в большинстве случаев на текущем этапе развития стандартной профессиональной защиты и соблюдения внутренних правил ИБ более чем достаточно, чтобы отбить любую «ИИ»-атаку).

Конечно 0,43% — это не ноль, и через год цифра вполне может быть существенно выше. Но между «категория быстро растет» и «эта категория уже является главной угрозой вашей инфраструктуре» лежит довольно большая пропасть. Которую маркетинг стремится перемахнуть одним прыжком, давя на эмоции и страх покупателя.

Вспомните об этом, когда в следующий раз прочитаете, что без подключения как можно скорее умной «ИИ»-защиты вас обязательно за пять секунд взломают умные «ИИ»-агенты.

Присоединяйтесь к выступлению эксперта по ИИ из MTC Web Services на открытии сезона Rust-сообщества 🤖 

Привет! В Университете ИТМО завтра пройдет встреча, посвященная языку Rust, где MWS выступит партнером мероприятия.

В рамках программы Артур Казарян, разработчик в MWS AI, расскажет «Как задушить питона в ML-пайплайне» — что делать, когда для запуска инференс-пайплайнов доступен только Python. А еще покажет, как бесшовно интегрировать решение на Rust и получить хорошее ускорение.

📅 Когда: 26 сентября (суббота) с 14:00 до 18:00, Санкт-Петербург, Университет ИТМО + онлайн-трансляция

👉 Присоединяйся к трансляции по ссылке