Искусственный интеллект довольно сильно изменил мир программирования, став привычным помощником для тысяч разработчиков. Инструменты вроде GitHub Copilot, Cursor и Claude Code помогают писать код, искать решения и осваивать новые технологии. Но есть нюанс: доверие разработчиков к нейросетям падает.

Опрос Stack Overflow, охвативший более 49 000 программистов из 177 стран, показывает, что сейчас лишь 29% верят в надежность ИИ, по сравнению с 40% годом ранее. Почему так? Давайте разбираться. Заодно оставляйте свои комментарии по теме — интересно, доверяете ли языковым моделям вы.

Искусственный интеллект развивается стремительно, новые LLM становятся быстрее, универсальнее плюс менее требовательными к ресурсам. Среди ключевых новинок последнего времени — Grok 4 от xAI, модель Chimera от DeepSeek, а еще открытый проект от ETH Zurich и EPFL, обещающий поддержку более 1 000 языков. Эти разработки отражают три важных тренда: ускорение локальных моделей, расширение мультиязычности и стремление открытых решений догнать проприетарных лидеров. Давайте обсудим новинки и попробуем понять, куда движется индустрия.

Привет, Хабрчане! Это Миша Степнов из центра R&D Big Data в МТС. Сегодня немного новостей из мира ИИ: китайская академия наук представила QiMeng — открытую платформу, где искусственный интеллект берет на себя ключевые этапы проектирования процессоров. Весь путь — от описания требований к чипу до генерации кода на Verilog — занимает считанные дни. Уже есть первые результаты — два чипа, с прогрессом от уровня примерно Intel 486 до архитектуры, схожей с ARM Cortex-A53. Сегодня расскажу, как это работает, зачем Китаю своя платформа и что она может изменить в индустрии.

Искусственный интеллект может казаться чуть ли не сверхразумом, ведь он обрабатывает тонны данных и выдает, как думают многие, истину в последней инстанции. На самом деле большие языковые модели, такие как ChatGPT, страдают от тех же когнитивных искажений, что и мы с вами: они самоуверенны, предвзяты и цепляются за знакомые шаблоны. Почему ИИ, созданный быть рациональным, так похож на нас в своих ошибках? И что это значит для бизнеса, медицины или управления умным городом? Давайте посмотрим недавнее исследование ученых и попробуем разобраться.

Хабр, привет! Я Миша Степнов, руководитель центра R&D Big Data в МТС. Сегодня немного страшилок: обсудим, как ИИ может навредить людям.

Общий искусственный интеллект (Artificial General Intelligence, AGI) способен выполнять любые интеллектуальные задачи на уровне человека и выше. В отличие от специализированных моделей, AGI может обучаться, адаптироваться и применять свои «знания» в любых сферах — от музыки до управления промышленными системами. Исследователи Google DeepMind в своем докладе предупреждают: AGI, вероятно, появится уже к 2030 году. Ученые описывают четыре потенциально опасных сценария развития для человечества и предлагают меры, которые помогут снизить риски и обеспечить безопасное внедрение таких систем.

Всем привет! Меня зовут Миша, я руковожу центром R&D Big Data в МТС Диджитал. В прошлый раз делился с вами подборкой книг по базам данных. Сегодня хочу обсудить, как дистилляция влияет на индустрию ИИ.

Крупнейшие компании в области ИИ, включая OpenAI, Microsoft и Meta*, используют технологию дистилляции — это позволяет им задействовать меньше ресурсов для разработки мощных языковых моделей. Конечно, дистилляция не новинка. Но игроки ИИ-отрасли особенно заинтересовались ею, как только китайская компания DeepSeek создала с ее помощью производительные модели на основе открытых решений конкурентов.

Последствия проявились сразу. После анонса DeepSeek R1 фондовый рынок США потерял за несколько дней свыше 1 трлн $. О причинах тут уже писали — китайцы заявили, что на обучение ушло всего 5,6 млн $. Потом стали известны нюансы, и эту цифру поставили под сомнение. Но в любом случае успех DeepSeek привел к внимательному изучению технологий, используемых китайской компанией, игроками отрасли. Обо всем этом и поговорим в посте.

Привет, хабрчане! Это Миша Степнов, руководитель центра R&D Big Data в МТС Диджитал. Говорят, лучший отдых — это смена деятельности, но полностью уйти от науки и технологий бывает сложно даже в отпуске. Да и зачем уходить, ведь большинство из нас с детства мечтали об этом читая… конечно, научную фантастику. Она позволяет отправиться в путешествие по мирам и вселенным, где работают свои законы физики, математики и логики. В этой подборке — книги, которые мне, как инженеру, понравились. Без магии и мистики, но с крепкой научной основой, живыми идеями и настоящим драйвом. А еще, вы не слышали (если не глубоко в теме) почти ни об одной из них — и зря. Так что, надеюсь, подборка будет полезной!

Всем привет! Это Миша Степнов, руководитель центра R&D Big Data в МТС Диджитал.

Сегодня все говорят о цифровой трансформации и внедрении искусственного интеллекта в бизнес-процессы. Но многие забывают, что ИИ без данных не бывает. Именно качественные, актуальные и правильно структурированные данные определяют успех проекта в области машинного обучения и глубокого анализа.

Чтобы модели не «предвзято учились» и не «выдавали мусор», нужно обеспечивать непрерывные R&D-процессы по управлению данными: от сбора и очистки до хранения и быстрых итераций над ними. И тут возникает важное понятие AI Ready Data: все, что касается доступности данных, их формата и актуальности, должно быть продумано заранее и поддерживаться на высоком уровне качества.

Умение грамотно управлять данными — это уже не «хороший тон», а конкурентное преимущество.  Но как прокачивать навыки работы с ними? Один из способов — читать правильную литературу. Так что в этом посте поделюсь списком книг о базовых принципах реляционных баз данных и SQL, продвинутых инструментах и языках программирования и многом другом. Забирайте в закладки, а при желании дополняйте подборку в комментариях.

Привет, Хабр! Это Миша Степнов, руководитель центра R&D Big Data в МТС Диджитал. Если вы работаете с языковыми моделями или мечтаете создать собственного ИИ-ассистента, важно выбрать подходящие инструменты: они упростят процесс разработки и сделают взаимодействие с моделью максимально удобным. Сегодня поделюсь небольшой подборкой полезных интерфейсов, платформ и шаблонов, которые мы протестировали в МТС, — пользуйтесь на здоровье. А если есть свои «любимчики», напишите о них в комментариях.

Привет, Хабр! Это Миша Степнов, руководитель центра R&D Big Data в МТС Диджитал. Машинное обучение и технологии искусственного интеллекта постоянно развиваются — так что специалистам этой сферы приходится за ними поспевать. Держать руку на пульсе помогают в том числе книги. Сегодня поделюсь подборкой из шести книг по машинному обучению, которые будут интересны начинающим (и не только) специалистам.