• Хорошо понимает что за сцена изображена и какие взаимосвязи между объектами на ней.
• Читает текст, ориентируется на местности, опознаёт конкретных людей
• Умеет в абстракции и обратно
• Отлично ищет то, чего не должно быть (отклонения от базовой идеи) — дефекты на деталях, дефекты в людях (в особенности на рентгене) и так далее.
• Плохо считает.

В Go 1.20 сделали возможность сбилдить приложение с флагом cover

go build -cover

после чего, если запустить такое приложение, то будет собираться статистика, показывающая, какие части кода были выполнены, а какие нет, и складываться в папочку, указанную в переменной окружения.

Это, конечно, было сделано для интеграционных тестов, когда приложение запускается целиком в каких-то сценариях (а не через go test), но, вероятно, это можно попробовать использовать и по-другому:

запустить такой бинарник прямо на проде, подержать какое-то время и посмотреть, какие участки кода в реальности никогда не запускаются.

Так можно найти недовыпиленный легаси-код, старые эндпоинты API, которые давно никому не нужны, малозначимые проверки if err != nil и прочее. Как минимум, на это интересно посмотреть, можно найти что-нибудь удивительное.

Disclaimer: разумеется, сбор статистики создает какой-то оверхед, поэтому подойдёт точно не всем. Как вариант, можно пустить туда небольшую часть трафика.

Редактор кода здорово упрощает жизнь программисту, такой инструмент позволяет писать, редактировать и отлаживать код. Редакторов достаточно много, и подавляющее большинство позволяет автоматически расставлять отступы, подсвечивать синтаксис, запускать, компилировать и выполнять отладку кода. В этой подборке — проверенные инструменты, которые могут пригодиться многим. Опытные программисты уже давно выбрали редактор себе по вкусу, так что эта статья — для начинающих специалистов.

Многие из вас сталкивались со Stable Diffusion и знают, что с помощью этой нейросети можно генерировать разнообразные изображения. Однако не всем интересно создавать случайные картинки с кошкодевочками, пускай даже и красивыми, и всем прочим. Согласитесь, было бы гораздо интереснее, если бы можно было обучить нейросеть создавать изображения... нас самих? Или наших любимых актёров и музыкантов? Или наших почивших родственников? Конкретных людей, в общем, а не какие-то собирательные образы из того, что было заложено при обучении нейросети. И для достижения этой цели нам потребуется обучить некую модель. Этим мы и займёмся, пытаясь определить наиболее оптимальный воркфлоу и максимально его автоматизировать.

Венчурный фонд «Sequoia Capital», 85 млрд $ активов. Год назад мы предположили, что генеративный искусственный интеллект вскоре затронет все технологические сферы. Но никто из нас не ожидал, что это будет так скоро.

Ученые, историки и экономисты уже давно ломают голову, как ускорить развитие в сфере инноваций. И вот с помощью генеративного ИИ мы достигли современного чуда, сравнить которое можно только с покорением космоса.

Этот момент мы ждали десятилетиями. Вот уже шестьдесят лет закон Мура дает нам вычислительную мощность для обработки экcафлопсных (10¹⁸) объемов данных. Сорок лет мы собирали в Интернете (процесс был ускорен COVID) обучающие данные стоимостью триллионы токенов. Два десятилетия мобильных и облачных вычислений подарили каждому человеку карманный суперкомпьютер. Другими словами, уже накопилось достаточного технологических инноваций для создания необходимых условий для того, чтобы генеративный ИИ смог взлететь.

Расцвет ChatGPT стал той искрой, которая зажгла фитиль, высвободив множество таких чудес, которых мы не видели уже много лет — возможно, с первых дней существования Интернета. Волнение и трепет чувствовались в сообществе Cerebral Valley, где исследователи искусственного интеллекта достигли статуса рок‑звезд, а хакеры каждые выходные изобретали новых автономных агентов и чат‑ботов для общения. Исследователи ИИ превратились из «гаражных разработчиков» в подразделения специального назначения, командующие вычислительными мощностями на миллиарды долларов. Печатный станок ИИ статей arXiv стал настолько плодовитым, что исследователи в шутку призвали приостановить выпуск новых публикаций, чтобы они могли наверстать упущенное.

Hola, Хабр. Я — технический и маркетинговый писатель «в одном флаконе». Пишу примерно 40% технических текстов, а 60% — это маркетинговые тексты о продуктах. На основе опыта 2-х лет работы с нейросетью Jasper AI + Jasper Art, решил сравнить эту нейронку с ChatGPT 4 при написании статей. Вопрос для меня — стоит ли продлевать подписку на Jasper, или полностью уйти на ChatGPT. Причина как в довольно дорогой подписке, $79 в месяц за Jasper, так и в том прогрессе, которое показывает GPT 4.  

Привет, коллеги!

В этой статье я сделаю небольшой обзор NativePHP, который появился на последнем Laracon. Что из себя представляет NativePHP? Перед нами фреймворк, который позволяет нам писать нативные десктоп приложения, используя PHP. Приложения кроссплатформенные - можно писать под Mac, Windows и Linux. И все это с использованием нашего любимого PHP с использованием Laravel. Но как обещают разработчики в будущем появятся и другие драйверы.

Новости о достижениях нейронных сетей появляются практически каждый день — ChatGPT, Midjourney и другие являются суперпопулярными историями в Google Trends. Нейронные сети, похоже, стали всемогущими и могут заменить людей на рабочих местах.

Да, машины в состоянии решить множество задач, но их «мозги» недостаточно хороши. Например, роботы вообще не обладают творческими способностями. Кроме того, у ИИ часто случаются галлюцинации, а потому он не является надёжной заменой человеку. Особенно в тех областях, где речь идёт о жизни и здоровье.

В России так получилось, что студии индустриального масштаба покинули нашу юрисдикцию, но осталось много, очень много инди студий. В попытке продвигать их идеи и игры столкнулся с тем что за пределами игровой тусовки почти никто не знает что такое инди-студии и инди-игры.

В мире видеоигр существует огромное множество независимых разработчиков, которые раскрывают свой творческий потенциал через игры, не имея при этом многомиллионных бюджетов и команды из сотен человек. Часто из больших студий люди уходят для реализации своих идей. Крупные компании ориентируются на маркетинг и не рискуют создавать новые игровые механики – поэтому на выходе получают однообразные проекты. А благодаря тому, что часто в инди-проекты не вложили деньги крупные издатели, продюсеры, инвесторы, они получаются по-настоящему интересными злободневными и свежими. Разработчики ориентируются на игроков и своё видение. И, бывает, выпускают мировые хиты – например, Stray, Among Us и Vampire Survivors.

Новаторские механики могут иногда перехватить интерес пользователей и отвлечь их от крупных проектов. А результатом появления новой инди-команды может стать студия, которая уже может делать дорогие в реализации AAA проекты. И один из примеров - Ubisoft, где i в названии означает  indépendance, что говорит об инди-корнях компании.

Сейчас рынок инди-студий в России довольно силён, в стране много интересных команд, региональных и онлайн комьюнити и мини-акселераторов. 

Несколько инди-игр в процессе разработки, например тут в статье о видеоигровой Москве можно узнать о нескольких таких командах. А сейчас предлагаю окунуться в прошлое и поговорить о нескольких российских студиях, которые создавали видеоигры в последние четверть века.

Привет, Хабр! Если вас заинтересовал заголовок этой статьи, значит, вас интересует созданием телеграм-ботов, и вы стремитесь к совершенству в этом. Разработка телеграм-ботов требует не только креативности, но и правильной архитектуры. В этой статье мы рассмотрим 9 архитектурных антипаттернов, которые могут стать серьезными преградами на вашем пути к созданию бота.

Для многих начинающих разработчиков создание Телеграм бота может показаться достаточно простой задачей. Однако опытные знают, что успех в этой области зависит от многих факторов, включая архитектуру вашего приложения. Архитектурные решения могут определить, насколько ваш бот будет масштабируемым, надежным и легко поддерживаемым в будущем.

Многие люди, когда либо имевшие дело с нейронными сетями, наверняка задумывались, можно ли написать нейросеть, которая сама будет создавать нейросети для решения каких-либо задач. Так вот в этом цикле статей я решил реализовать это. Одним из этапов алгоритма будет генерирование нейросети из списка слоёв. В связи с некоторыми ограничениями, накладываемыми методами реализации (о которых будет сказано в следующих частях, когда мы начнём объединять код из этой статьи с RL ʕ⊙ᴥ⊙ʔ ), входные данные для генератора будут представлены в виде строки случайной длины, содержащей упорядоченный набор слоёв с их параметрами. Генерировать сеть будем для задачи классификации картинок (разобьём это пугало первым).

Ещё на этапе собеседования в текущую команду передо мной поставили вопрос:

Применима ли автоматизация тестирования при проверке функционала чат‑ботов?

Я ответил "Да по-любому", и пошел изучать вопрос.

На дворе 2023 год. На хабре до сих пор пишут статьи по созданию телеграмм ботов, скажите вы, но не спешите с выводами. Во-первых, пожалеем студентов, во многих вузах на программистских направлениях до сих пор заставляют писать ботов хотя бы раз в течение обучения. И многие гайды в интернете немножко outdated в плане деплоя (хероку умер, доздравствует... но об этом немного позже). Т.е. основным уклоном данной статьи будет именно этот аспект. Ну и сам бот у нас будет также не скучный и не самый простой, какие часто в гайдах, а с полноценной привязкой к базе данных, т.е. полноценное Spring приложение.

Ну так о чем же бот и как мне пришла в голову такая идея?

Последние 8 месяцев я занимаюсь менторством дизайнеров на менторской платформе. Чаще всего ко мне обращаются начинающие дизайнеры после годовых курсов в онлайн-школах. Проблема у всех одна — много теоретических знаний, которые непонятно каким образом можно применить на практике. В этой статье я хочу описать ключевые принципы, на которые советую обратить внимание начинающим дизайнерам.

Вообще, я люблю опенсорс - мой голосовой помощник Ирина тому подтверждение.

Тем не менее, в текстовых нейросетях пока опенсорс решений уровня GPT-4 нет - а пользоваться им при написании кода, честно говоря, правда полезно.

Если честно, меня несколько утомило решать вопросы доступа и оплаты OpenAI аккаунта, необходимого для доступа к GPT-4 и API (да, я провожу эксперименты, и API мне нужен).

Я бы с удовольствием поэкспериментировал и с другими сетями - например, Claude, о которой говорят гораздо меньше, но которая, по-видимому, не намного хуже (спойлер: я пробовал - по моему мнению, Claude 2 вполне на уровне GPT-4).

Постепенно реализовывая свои "хотелки", я создал сервис VseGPT.ru, который решает мои основные проблемы - предоставляет общий интерфейс в виде чата и OpenAI API к разным топовым нейросетям - ChatGPT, Claude, Google Palm и опенсорсным Llama 70b, 34b Code и пр.

Конечно, сервис я делал в основном под свои профессиональные потребности, так что давайте посмотрим, чего хотел я, и насколько это подойдёт вам:

В предыдущих постах про рерайтер и суммаризатор мы рассказывали о том, как решали некоторые популярные генеративные задачи с помощью отдельных моделей, и какие возможности дают сервисы на их основе. Однако технологии не стоят на месте. Недавно доступ в GigaChat стал открытым для всех. В этом посте мы решили  исследовать его способности и рассказать вам, как GigaChat справляется с рядом задач в сравнении со «старыми» подходами, ответив на вопросы:

— Может ли модель переписать текст, сохранив его смысл?

— Насколько хорошо GigaChat суммаризирует тексты?

— Умеет ли он стилизовать текст, упрощать, или, например, заменять англицизмы?

Спойлер: оказалось, что GigaChat в формате zero-shot часто обходит классические подходы, использующиеся в наших исходных сервисах, генерируя качественные, осмысленные и грамматически корректные тексты. Так что, кажется, есть все основания полагать, что очень скоро мы все перейдём на GigaChat ;)

Знаете, однажды в какой-то статье я наткнулся на интересное высказывание, которое гласило, что фронтенд-разработчик может стать последним рубежом, который может предотвратить создание «неюзабельного» UI. И это чертовски меткое и выразительное высказывание, которое отчасти и привело меня к созданию этой статьи про базовые принципы UX, которые не помешало бы иметь на вооружении каждому фронтенд-разработчику.

Дизайн превью: Марина Четвертакова

Берём в работу новую задачу или проект. Начинаем со сбора бизнес-требований. Потом архитектура системы и влияние требований на нее, БД, API, интеграции. И вот, в процессе разработки выясняется, что в требованиях опять что-то не учли. Что может быть хуже?

Может, коллеги! Когда через пол года вам же приходится возвращаться к задаче и вы понимаете, что требования к развитию системы по словам разработчиков нереализуемы. Как так?! Элементарная же задача! А потом мне показывают БД. И тут я понимаю, что пришло время делать выбор: дорого переделывать или "костыли" подойдут.

Один раз столкнувшись с такой ситуацией, больше не хочется оставлять без внимания базу данных, даже если её проектированием должны были заниматься разработчики.

Статья о том как установить себе "macOS Monterey" в виртуальной машине на обычном PC без покупки для этой цели макбука или айМака.

По идее это просто туториал как получить у себя на обычном PC систему macOS и Xcode, но так как я тут нахожусь в состоянии "Отхабренный" я могу отправлять статьи только в "Профильные хабы". По этой статье больше бы подошло "Tutorial", но такого хаба я не нашёл и поэтому выбрал наиболее близкие хабы по теме статьи: "Настройка Linux" и "Разработка под iOS". И КДПВ тоже я выбрал идиотскую -- просто сделал скриншот со своего компа где продемонстировал версию macOS и версию установленного у меня Xcode.