Специальное предисловие для Хабра.

{

Специалистам инженерных и IT-профессий свойственно предельно логическое мышление, оно стройное и бывает очень красиво в своей стройности. Хорошо помню, как мы, инженеры и программисты, гордо-снисходительно посматривая из-за своих мониторов на гуманитариев, были убеждены в неизбежной победе физиков над лириками. Нашей чувственной, эмоциональной составляющей мы разрешаем присутствовать только в виде непрогнозируемых озарений - эврики Архимеда или яблока Ньютона.

Путь в мою нынешнюю профессию - психологию - начался с программирования: в 90-х у меня было много задач - сперва инженерные прочностные и массово-центровочные рассчёты, потом обработка больших массивов текста (немного писал об этом ранее в серии статей «Как мы программировали в 90-е»), и, постепенно, этот интерес привёл меня в когнитивно-поведенческое направление (КПТ). И уже внутри КПТ стали интересны исследования «взаимоотношений» между рациональным и эмоциональным.

Однажды у меня произошла беседа об этом с юным гением - математиком и программистом, который на мою провокативную реплику:
— Возможно, наука аппроксимирует мир так же, как она может описать круг как многоугольник с бесконечным количеством граней.
ответил с задумчивой паузой:
— Ну да, ведь вода в ручье не решает уравнений Навье-Стокса, она просто течёт...

Пусть эта фраза моего собеседника будет эпиграфом к этой статье.

}

Почти все мы только учимся работать с агентами. Даже опытные команды иногда управляют агентами так, что те приносят больше вреда, чем пользы. HumanLayer сформулировал 12 принципов того, как делать и настраивать агентов правильно. Каждый пункт отвечает на вопрос, что работает хорошо, а что стабильно приводит к проблемам.

9 лет назад я разрабатывал геолокационную соц.сеть на заказ, где мы отображали чаты на карте. До релиза не дошло, но интересного опыта было получено много. В очередной статье из серии рассказываю про то, как обрабатывать нажатия на MapBox и любой другой карте (Google, Yandex – не важно) и находить нужные объекты на ней, привязанные к координатам.

В очередной раз американцы в панике из-за того, что они едят. Согласно исследованию, опубликованному в июне 2026 года в журнале American Journal of Public Health, более двух третей опрошенных сейчас считают, что промышленно произведённые ультрапереработанные продукты (УПП), которые доминируют в продовольственном рынке США, вызывают привыкание. И это только начало. Большинство респондентов заявили, что УПП являются основной причиной диабета 2-го типа, сердечно-сосудистых заболеваний и ожирения. По крайней мере, треть опрошенных считают, что эти продукты вызывают рак, СДВГ, депрессию и тревожность. А почти половина — что соответствует примерно 130 миллионам взрослых американцев, если экстраполировать результаты опроса — полагает, что УПП просто «не то, что бог предназначил людям для еды».

В течение последних нескольких лет опасения относительно потенциального воздействия УПП на здоровье активно освещаются в СМИ и обсуждаются практически на всех уровнях системы общественного здравоохранения. Новые ограничения на продажу УПП вводятся или принимаются как в законодательных органах демократических, так и республиканских штатов. Министр здравоохранения и социальных служб Роберт Ф. Кеннеди-младший неоднократно заявлял, что УПП «отравляют» американцев. А Всемирная организация здравоохранения планирует выпустить глобальные рекомендации по этой проблеме.

В некоторой степени это не что иное, как переименование старой идеи о том, что продукты, продаваемые в круглосуточных магазинах или ресторанах быстрого питания, отнюдь не полезны для нас. Эти продукты, по крайней мере некоторые из которых почти наверняка вредны для нашего здоровья, исторически называли по-разному. Многие ещё помнят, что в XX веке их называли не «ультрапереработанными», а просто «переработанными» продуктами или «нездоровой пищей». Теперь к этой же расплывчатой категории добавлена приставка «ультра-». В мире питания примерно 2026 года термин «ультрапереработанный» — это, прежде всего, просто новейший синоним слова «нездоровый».

Эта история не о том, как какой-нибудь мошенник ловко обманул учёных, собрал деньги недалеких инвесторов и смотался в закат. И даже не о том, как этого шарлатана поймали, справедливо осудили и в тюрьму посадили. На дезматче по обману в науке я расскажу, как недоразвитость технологии привела к большому псиопу, отголоски которого до сих пор разносятся по околобиологическому Интернету.

В 1931 году Макс Кнолль и Эрнст Руска построили первый прототип электронного микроскопа. И вскоре после этого электронную микроскопию начали применять для изучения живых существ, например бактерий. Много времени ушло на изобретение методов резки и фиксации образцов, чтобы на картинке было видно как можно больше деталей. Биологические объекты сами по себе плохо поглощают электроны, да к тому же еще и норовят разрушиться от всего подряд, и решать эти проблемы учёные стали соединениями осмия (например тетраоксидом осмия OsO₄).

В 1953 году свет увидела статья “Electron microscopy of ultra-thin sections of Bacteria” (Электронная микроскопия сверхтонких срезов бактерий), где были описаны срезы бактерии Bacillus cereus, приготовленные с помощью осмия. Во время изучения этой бактерии были найдены странные впячивания мембраны, которые авторы первоначально назвали “периферическими телами”. Через некоторое время за этими объектами закрепилось название “мезосомы”, и вот тут-то наша история и начинается по-настоящему.

Добрый день!
В прошлой статье мы подготовили кастомную плату на Zynq-7000 для загрузки Linux: Buildroot, U-Boot SPL, device tree и минимальная rootfs уже работают. Но PL-часть при этом оставалась почти пустой.

На первых этапах bring-up это нормально: bitstream обычно шьют через JTAG или кладут в BOOT.BIN, чтобы FPGA конфигурировалась ещё до старта Linux. Но для реального проекта такой подход быстро становится неудобным: иногда нужно менять PL-логику уже после загрузки системы.

В этой статье разберём, как загрузить bitstream в Zynq-7000 из Linux через FPGA Manager, какие параметры ядра для этого нужны, и как завернуть загрузку в небольшую C++ утилиту.

В этом выпуске хардкорная агентская разработка под iOS и Preview-Driven скриншот тестирование для Android, кольца-расстояния и инерция пальца, пять ошибок начинающих Android‑разработчиков и пять ошибок при работе с Jetpack Compose, динамические иконки приложения на Flutter, ручной DI в Kotlin Multiplatform, расширенные возможности оплаты и низкие комиссии в Google Play, и многое другое. Заходите!

В 2026 году основной поверхностью атак становятся уже не сами LLM, а AI-агенты с инструментами, памятью и доступом к внешним сервисам.

Я добавил в свой open-source сканер BarkingDog режим тестирования Agentic AI и проверил три популярных open-source проекта: Agno, OpenAI CS Agents Demo и LangGraph agent-service-toolkit.

В результате получил три разных класса проблем: Confused Deputy (ASI03), Trust Exploitation (ASI08) и Agentic DoS (ASI06). В статье разбираю реальные пейлоады, ответы агентов, архитектурные причины этих уязвимостей.

Недавно ко мне попала старая камера, которой меня, в том числе, снимали в середине нулевых. Желание родителей сэкономить на камере привело к весьма интересной покупке — мыльнице Rekam iLook 500. Однако, немного погуглив, я выяснил, что это не просто бюджетная китайская мыльница…

Данная статья является продолжением вот этой статьи. Во второй части мы попытаемся "приземлить" рассмотренные ранее теоретические изыскания на конкретных известных исторических примерах. А также попытаемся заглянуть в будущее. Как это:
- В чем сила, брат?
- Сила - в онтологии!

Это продолжение новых безопасных паттернов по работе с MCP, которые я для себя придумал, которые я описал в статье:

Основная задумка вместо того, чтобы строить очередной Data-lake возможно ли организовать взаимодействие через MCP так с данными, чтобы это было безопасно и эффективно

Абсолютно упругий удар — это модель соударения, при которой полная кинетическая энергия системы сохраняется. В классической механике при этом пренебрегают деформациями тел. Соответственно, считается, что энергия на деформации не теряется, а взаимодействие распространяется по всему телу мгновенно. Хорошим приближением к модели абсолютно упругого удара является столкновение бильярдных шаров или упругих мячиков.

Википедия

В статье мы будем рассматривать моделирование упругих столкновений на примере атомов одноатомного газа в двумерном пространстве.

Много мужчин после 40 начинают задумываться, куда ушло их здоровье, былая энергия и напор и как это все вернуть?

Давайте рассмотрим, какие инструменты у нас для этого есть.

HTCE: как мы строим ИИ, который не верит без доказательств

Большинство AI-систем сегодня стараются отвечать быстро и уверенно. HTCE строится иначе: это когнитивное ядро, которое сначала спрашивает — откуда взялось знание, можно ли ему доверять, сколько стоит проверка и не пытается ли внешний solver подменить истину своим вердиктом.

В этой статье я расскажу о системе нового поколения: не о чат-боте, который красиво имитирует интеллект, а о доказательном runtime, где факты, гипотезы, внешние свидетели, причинные цепочки, сжатие опыта и безопасность разделены архитектурно.

На страницах всевозможных статей было написано, что управление микросхемой памяти SDRAM это очень сложно. Отчасти это верно, есть масса тонкостей. Процесс освоения новичкам осложнён отсутствием примеров на русском языке. Вашему вниманию предлагается небольшой пример, как можно подключить оперативную память к ПЛИС. Эти заметки для новичков, таких как и я. А следовательно не торопитесь, проверяйте всё что будете использовать. Особенно реализацию платы, если она у вас самодельная. Опытным пользователям можно не читать (разве что из спортивного интереса). Не буду увлекаться теорией, кому нужно читайте литературу или хотя бы спросите искусственный интеллект (он неплохо может расписать что к чему).

В общих чертах, необходимо провести инициализацию микросхемы (см. документацию на микросхему) и в дальнейшем подавать команды (это сигналы CS, RAS, CAS, WE). Повторюсь, почитайте литературу. Для тех кто совсем не в теме краткое резюме по работе с SDRAM.

Каждые 64 мс необходимо выполнить перезаряд строки памяти. Какой строки, решает сама микросхема, главное команду ей дать (плюс-минус не сильно позже указанного интервала). Так как команды выполняются значительно быстрее этого срока, то не страшно если пришло время регенерации, а выполняется команда. Можно подождать.

Дальше для чтения записи, выполняем активацию строки (память организованна в виде строк и столбцов), на шине адрес строки и команда активации. Далее команда (например) чтения столбца, на шине адрес столбца и команда чтения. Далее чтение данных и в завершении команда перезаряда (после доступа данные нужно перезаписать см. литературу). Естественно между командами выдерживаются заданные паузы (см. документацию).

Это первая статья серии «С нуля до Junior DevOps». В ней разберём, что такое DevOps, чем занимается инженер на практике, какие мифы чаще всего мешают новичкам.

Здравствуйте! Продолжается серия статей по Direct 2D. В них были рассмотрены такие темы, как "Слои" и "Эффект", а также в конце приведён список всех тем по Direct 2D, которые я планирую рассмотреть

Вы наверно знаете что высший пилотаж он же Высокий Слог С++ это шаблоны и метапрограммирование. Вы обязательно должны нагородить кучу несовместимых типов и самозабвенно искать для них универсальный алгоритм.

Вот очередная статья о том что метапрограммирование и код с шаблонами не такие уж и плохие.

Но я хочу рассказать вам историю одного детективного расследования в недрах крупного OpenBMC-проекта (экосистема серверных платформ swtSyst). Это история о том, как безудержное желание перенести всё в compile-time (constexpr), помноженное на ультрасовременный синтаксис C++20, породило идеальный «молчаливый баг» (silent failure). Он мог бы годами жить в продакшене, успешно компилировался, не выдавал ни одного ворнинга, но полностью ломал логику работы приложения.

Если вы любите метапрограммирование, шаблоны, операторы свёртки (fold expressions) и тонкости работы с памятью в C++ — устраивайтесь поудобнее. Мы отправляемся в шаблонный ад.

"Интуиция – это нечто такое, что опережает точное знание. Наш мозг обладает, без сомнения, очень чувствительными нервными клетками, что позволяет ощущать истину, даже когда она еще недоступна логическим выводам или другим умственным усилиям."

В 2017 году в мире нейросетей произошел почти незаметный переворот. Без громких презентаций и человекоподобных роботов исследователи из Google опубликовали статью с очень скромным названием — Attention is All You Need. Но именно после нее индустрия ИИ фактически разделилась на «до» и «после».

Сегодня на трансформерах работают ChatGPT, Claude, Gemini, Midjourney и почти весь современный генеративный ИИ. И самое странное в этой истории — фундаментом революции стала одна из самых простых операций линейной алгебры: скалярное произведение векторов.

Не новая архитектура памяти.
Не сложная логика вывода.
Не биологически правдоподобная модель мозга.

А обычное перемножение чисел с последующим сложением.

Но чтобы понять, почему именно эта операция оказалась настолько мощной, нужно сначала вспомнить, в какую стену уперлись нейросети старого поколения.