Kurgan-Telecom Ru | Информационные технологии

Если есть что-то, чем известен Маск, так это его масштабными амбициями относительно Марса. На протяжении десятилетий он хотел не просто высадить людей на Марс, но построить самодостаточный город на бедной кислородом, смертельно холодной, токсичной, радиоактивной Красной планете с опасно низкой гравитацией. Маск основал SpaceX на этой предпосылке, и вся программа Starship была явно создана для обеспечения марсианской колонии. Всего год назад Маск даже критиковал программу Artemis NASA, которая выделила $2,9 миллиарда на разработку Starship, заявляя, что «Луна - отвлекающий фактор» и что «мы идём прямо на Марс». Эта единая точка фокусировки подпитывала большую часть ажиотажа и надежд вокруг SpaceX. С приближением IPO компании можно было бы ожидать, что Маск будет продвигать эту идею сильнее, чем когда-либо. Но нет. Вместо этого Маск, похоже, пересматривает свои марсианские амбиции и переключается на Луну. На первый взгляд это решение кажется нелогичным.

Последние месяцы я вижу одну и ту же сцену.

Кто-то начинает активно применять нейросети в разработке — и первые недели ощущение кайфовое:
код появляется быстрее, задач закрывается больше, “как будто полетели”.

А потом начинаются знакомые фразы:

Статья представляет собой обзор популярных бесплатных нейросетей, доступных на начало 2026 года. Какие ИИ бесплатны, какие лимиты, где потребуется VPN для доступа из РФ. Рассматриваем четыре ключевых категории: видеогенерация, создание изображений, текстовые модели и музыкальные ИИ.

Всем привет! Меня зовут Влад Шатиленко, я продакт-менеджер в команде технической платформы Авито. Раньше я был разработчиком: начинал с аутсорса, затем работал в стартапе, где со временем перешёл в продакты. Сейчас в Авито занимаюсь развитием инструментов backend-driven UI — о них и пойдёт речь дальше. Статья будет полезна командам, которым важны скорость экспериментов, быстрые изменения интерфейса и кроссплатформенность.

Уже несколько лет подряд у всех на слуху ИИ и тезисы о том, что он заменит человечество, а если и не заменит, то ускорит до немыслимых высот. Сегодня я хотела бы подискутировать на эту тему в области обеспечения качества, хотя рискую оказаться в ряду динозавров.

Всем привет, меня зовут Настя, и мне НЕ нравится, когда наши компании требуют от нас повсеместное внедрение искусственного интеллекта во все процессы.

Мэтт Шумер написал, что мы на пороге чего-то огромного. У меня команда из 54 человек и 44 AI-агентов — и я с ним согласен.

Сегодня многие курсы, которые еще продавались в 2024 году, можно заменить ИИ: открыть нейросеть, задать вопрос и получить структурированный ответ с примерами и рекомендациями за 2 минуты.

Но почему и сейчас, в 2026 году есть курсы, которые хорошо продаются даже на высокий чек? В чем секрет?

Если думаете, что дело в «харизме» или «раскрученном имени», — это лишь верхушка айсберга. Мало кто купит доступ к личности, если за ней стоит просто пересказ информации из интернета.

Настоящая причина — смена парадигмы.Такие курсы продают не информацию, а трансформацию. Не знания, а гарантированный результат.

Это не учебник, который можно заменить поиском. Это спроектированный путь, где каждый шаг — это не просто «посмотри видео», а действие, меняющее ситуацию ученика.

ИИ в 2026 — это не конкурент, а инструмент в их руках. Его используют внутри таких курсов для автоматизации рутины, чтобы эксперты могли фокусироваться на главном — на уникальном человеческом вкладе.

Что это за вклад? Именно то, что нейросеть НЕ может сделать:

Провести через личный опыт и «боль». ИИ не знает, каково это — 5 раз провалить запуск или в одиночку биться над проблемой, от которой опускаются руки. Эксперт — знает. И строит маршрут, минуя эти ямы.

Дать обратную связь на уникальный кейс ученика. Нейросеть выдаст общий шаблон. Эксперт (или созданная им система) поможет адаптировать его под реалии ученика, его ситуацию и ограничения.

Принять сложное решение в условиях неопределенности. «Выбрать А или Б, когда оба варианта рискованны?» ИИ перечислит плюсы и минусы. Эксперт даст свою систему принятия решений, основанную на опыте десятков таких выборов - и поддержит!

Стратегическая сессия проведена, сформулированы ориентиры, определены цели, зафиксированы ключевые показатели и инициативы. Результат оформлен в виде схем, таблиц, слайдов или фотографий с флипчартов. Дальше возникает вопрос: «Куда перенести эти данные так, чтобы стратегия была доступна всем участникам, использовалась в управлении и могла обновляться по мере исполнения?». Формат «ватман на стене» для этого не подходит – стратегия должна существовать в цифровом виде и быть связана с операционной деятельностью.

Для фиксации и сопровождения стратегии применяются решения разных классов. Часть из них изначально не предназначена для стратегического управления, но используется в этой роли. Другие – специализированы именно под работу с целями и показателями. В статье рассмотрим 6 инструментов.

Из года в год тема поддержания киберустойчивости не только не теряет актуальности, но и становится все острее. Хакеры не снижают своей активности, несмотря на то что технологии обеспечения кибербезопасности постоянно совершенствуются. 

По данным исследования Positive Technologies, в  период с июля 2024-го по сентябрь 2025 года на Россию пришлось от 14% до 16% всех успешных кибератак в мире. По итогам 2025 года общее количество успешных кибератак вырастет на 20–45% по сравнению с предыдущим годом, в котором их число достигло практически 500, а в 2026-м может увеличиться еще на 30–35%. 

Поделюсь лайфхаком для монтажников терминалов спутникового мониторинга.

Кто занимается установкой этого оборудования в транспортные средства, знает, что терминал ставится под приборную панель. Но бывают случаи, когда нужно оставить устройство снаружи. Зачем? Такое решение облегчает техническое обслуживание терминала. Самое простое – визуальный контроль: по светодиоду водитель сразу определит наличие питания или сможет оперативно поменять сим-карту. Что важнее, установка устройства снаружи улучшит прием данных с BLE-датчиков, взаимодействие между терминалами. Короче говоря, когда все на виду, решение о выпуске машины в рейс принимается буквально за минуту.

Этой статьей не призываю никого отказываться от скрытой установки трекеров!

Мы живем в эпоху, когда ИИ стал доступен каждому. Но за магией PyTorch скрывается колоссальная инженерная работа и сложные вычислительные процессы, которые для большинства остаются черным ящиком.

Я хочу запустить большой цикл статей От MNIST к Transformer, цель которого пошагаво пройти путь от простого CUDA ядра до создания архитектуры Transformer - фундамента современных LLM моделей. Мы не будем использовать готовые высокоуровневые библиотеки. Мы будем разбирать, как все устроено под капотом, и пересобирать их ключевые механизмы своими руками на самом низком уровне. Только так можно по настоящему понять как работают LLM и что за этим стоит.

Приготовьтесь, будет много кода на C++ и CUDA, работы с памятью и погружения в архитектуру GPU. И конечно же математика что за этим стоит. Поехали!

Осенью 2024 года я опубликовал в этом блоге статью «Звездогалактики или история о третьем населении», в которой попытался разобрать вопрос о том, как на протяжении развития Вселенной менялся размер типичных звёзд. Первые звёзды зажглись уже примерно через 300 миллионов лет после Большого Взрыва, а древнейшие галактики образовались лишь в конце первого миллиарда истории Вселенной. Существуют различные модели, призванные ответить на вопрос, были ли эти звёзды велики или, наоборот, компактны, по сравнению с современными. В целом логично выглядит картина, согласно которой из-за низкой (околонулевой) металличности первые звёзды могли быть огромными и напоминать яркие газопылевые облака, в которых поддерживались водородно-гелиевые термоядерные реакции. Но эта картина остаётся во многом гипотетической, поскольку сложно заглянуть так далеко в прошлое. А вот современные звёзды изучены довольно хорошо, и считается, что у звезды должна быть как предельная масса, так и предельный объём. Масса самой крупной звезды, скорее всего, не превышает 250 солнечных, а предельная масса стабильно развивающейся звезды Главной Последовательности — ближе к 150 солнечным. Попробуем разобраться, почему эти величины именно таковы.

Игр каждый год сейчас выходит буквально тысячи, если верить статистике Steam. Разумеется, среди них куча нейрослопа, скама и откровенного мусора от новичков, но инфополе неизбежно забивается всяким ненужным и невкусным. Поэтому я решил поделиться с вами тем, что я уже жду из игорЬ в 2026 году. Может отметите нечто для себя, а может и подскажите, на что я опрометчиво забил большой и толстый болт. Погнали.

Diablo II — игра, проверенная временем и миллионами геймеров. Она прошла очень большой путь — от эпохи, когда онлайн был только по «набору номера», а диски с «пиратками» передавали из рук в руки, до гигабитного интернета и сезонных ладдеров. А еще пережила бум MMORPG, расцвет мобильных игр, взлет и падение кучи клонов в жанре action-RPG. В чем секрет? В простой, но действенной формуле: продуманная система лута, гибкие билды, кооператив и баланс, отточенный десятилетиями. Спустя четверть века мы все еще запускаем ее — кто-то в оригинале с модами, кто-то сам оригинал. Ну а теперь появился повод снова поиграть.

На днях вышло дополнение Reign of the Warlock — спустя 25 лет после выхода Lord of Destruction. Основная его фишка — новый класс, а вместе с ним добавлены и фишки вроде фильтров лута, складываемых рун и самоцветов, а также новых испытаний в зонах ужаса (Terror Zones). Кто такой этот новый герой и как он изменит игру — давайте разбираться. 

ДИСКЛЕЙМЕР: статья написана на основе интервью с П. Баздыревым, основателем компании по производству микрофонов, и Н. Флокси, создателем речевых тренажёров. 

В России решили разработать технологичный продукт. Вот что из этого вышло.

Сейчас вы можете прикрепить к рюкзаку устройство — и вечером посмотреть, как вашего ребёнка травили в школе, какие уроки о важном он послушал и что говорила учительница. Или повесить такой диктофон на бариста и увидеть, предлагает ли он сиропы, как учили на тренинге. Или дать доставщику и понять, вежлив ли он с клиентами.

Умный диктофон пишет речь, анализирует её и даёт рекомендации. Это замкнутый цикл: устройство слушает, показывает проблемы, связывает их с обучением и проверяет, изменилось ли что-то.

Вы когда-нибудь задумывались, сколько всего происходит за кулисами любого сервиса? Компании, которые владеют такими продуктами, частенько публикуют результаты их работы за какой-то промежуток времени, чтобы показать: мол, видите, мы не стоим на месте, а развиваемся, добавляем что-то новое и растём. Наткнувшись на парочку таких материалов, я подумал, а ведь и у нас в BotHub было множество обновлений и событий. Каждый релиз привносил что-то новое или же улучшал уже имеющийся и доступный функционал.

Я решил подвести итог всей той работы, которую проделала наша команда за прошедший год. Целый год постоянной работы и развития для того, чтобы вы могли быстро, удобно и эффективно получать доступ к современным AI-моделям. Сегодня я озвучу ключевые нововведения в нашем агрегаторе нейросетей, а также покажу прибыль и количество покупаемых у нас тарифов.

Google и Microsoft представили в ограниченном превью новую технологию — WebMCP. Это стандарт, который обещает кардинально изменить взаимодействие ИИ-агентов с веб-приложениями. Если вы уже знакомы с Model Context Protocol (MCP) от Anthropic, то WebMCP — это его идеологический наследник, перенесенный непосредственно на сторону клиента (в браузер).

Привет Хабр! На связи снова Дмитрий Крюков, руководитель группы «Исследования биомаркеров» лаборатории «Сильный ИИ в медицине» Института AIRI. Недавно мы с коллегами выпустили статью в npj Aging, в которой изрядно покритиковали калькуляторы биологического возраста (они же часы старения) и попытались поставить под сомнение саму возможность и даже необходимость расчёта биологического возраста. 

О некоторых проблемах часов старения я уже писал здесь, но, по правде говоря, в тот раз я коснулся лишь верхушки айсберга. Чтобы продемонстрировать всю сложность и неоднозначность этого понятия и стоящих за ним математических определений, мне нужно рассказать эту историю в хронологическом и, наверное, логическом порядке (хотя некоторые детали я все же опущу для удобства восприятия) — и выход новой статьи стал для этого отличным поводом. 

Внимательно прочитав этот пост вы наверняка сможете сами рассчитать биологический возраст, при условии, что владеете минимальным кодингом (ну или хотя бы вайб‑кодингом). И, поверьте, у вас получится это не хуже, чем многих из тех, кто предлагают свои решения как сервис (примеры: [1, 2, 3, 4, 5, 6, 7]). С другой стороны, если вы прочитаете пост второй раз, вы скорее всего поймёте, что хорошо оценить биологический возраст на самом деле очень трудно и, возможно, не стоит даже пытаться.

Привет, Хабр! Если интересно проанализировать недостатки инструмента inotify с позиции решения ИБ-задачи контроля целостности (именно самого инструмента в его первозданном виде), то добро пожаловать под кат!

Введение

Давайте поговорим о такой задаче информационной безопасности, как контроль целостности объектов файловой системы.

Какие инструменты контроля целостности в Linux приходят сразу на ум?

AIDE (Advanced Intrusion Detection Environment)
AFICK (Another File Integrity Checker)
tripwire
wazuh
OSSEC

Из перечисленных инструментов aide, afick и tripwire работают по принципу «редкого» мониторинга, а wazuh, ossec — постоянного (более подробно эти понятия раскроются дальше).

В этой статье лишь немного затронем тему принципа работы «редкого» мониторинга, в большей степени поговорив о проблемах, возникающих при работе с inotify, который положен в основу постоянного мониторинга wazuh/ossec.

Мы не будем досконально рассматривать сам механизм ядра Linux, хорошего материала на эту тему достаточно, в том числе и на Хабре. Также не станем проводить глубокий анализ работы прекрасных утилит inotify-tools или incron. Речь пойдет именно про сам inotify в его первозданном виде без каких-либо обвязок и библиотек. Нам важно понять, с какими проблемами можно столкнуться в случае проектирования ПО, использующего сам inotify. Что касается inotify-tools, то здесь мы посмотрим на то, закрывают ли утилиты данного пакета описанные проблемы.

Когда команда выбирает LLM для продакшена, «сравнение по бенчмаркам» — это лишь первый фильтр. Для CTO ключевой вопрос звучит иначе: какую комбинацию качества, стоимости, стабильности API, юридических ограничений и интеграций мы получим на реальной нагрузке. Я разобрал популярные модели через призму двух контуров: качество/бенчмарки и инфраструктурная пригодность.