Kurgan-Telecom Ru | Информационные технологии

23 марта с Плесецка ушла «Союз-2.1б» с 16 серийными спутниками «Рассвета». Я поймал себя на странном чувстве: уважение к инженерам — и одновременно лёгкое раздражение от пресс-релиза.

Сейчас объясню и то, и другое.

Что сделали

«Бюро 1440» основали в 2020-м внутри «ИКС Холдинга». За шесть лет — три миссии, испытания лазерной межспутниковой связи на орбите, и теперь первый серийный запуск. Спутники работают в 5G NTN, умеют передавать данные между собой лазером на расстоянии тысячи километров, обещают 1 Гбит/с пользователю с задержкой около 60 мс.

Почему это не «наш Starlink» — и почему это нормально

Starlink сегодня — почти 10 000 аппаратов. «Рассвет» 23 марта — 16.

Недавно я участвовал в корпоративном хакатоне по обходу ИИ-песочниц. Задача: пройти закрытый бенчмарк PAC1, где ИИ-агенту нужно работать с виртуальной файловой системой (чтение логов, поиск файлов, отправка писем) и обходить ловушки безопасности (Indirect Prompt Injections).

Но реальность оказалась суровой: хваленые reasoning-модели постоянно галлюцинировали, ломали структуру JSON на выходе (выдавая свои "мысли" вместо чистого ответа) и просто сжигали бюджет на API, зацикливаясь на одной ошибке.

Потратив часть бюджета впустую, я решил: если ИИ не справляется, мы заменим его на старый добрый хардкод. Так родился концепт Zero-Cost Agent — алгоритмического лома, который симулирует поведение нейросети.

Наверняка многие и не задумываются: а как на самом деле происходит возврат структур и других типов значений из функций? Что происходит под капотом, какие приемы задействует компилятор? В данной статье я постараюсь дать ответы на эти вопросы и сделать это просто и понятно.

Мой опыт показал, что этот простой на первый взгляд механизм часто вызывает неожиданные сложности в реализации. Когда в дискуссиях меня начинают спрашивать почему, приходится долго объяснять. Поэтому решил создать эту статью как ликбез, да и чтобы в процессе свои мысли структурировать для будущих аргументов.

TLDR;

Использование SaaS в авторизации и аутентификации пользователей для решений не ограниченных контуром предприятия имеют самую большую эффективность и удобство. (можно промотать страницу в самый конец - там будет сравнительная таблица)

Иногда даже у сильной и опытной команды, с бюджетом и желанием работать, нет главного — ясного понимания, какой именно проект должен получиться на выходе. Именно в таком положении в 1998 году находилась Raven Software, оказавшаяся в творческом тупике и пытавшаяся понять, что делать дальше. Но по воле издателя ей досталась лицензия на малоизвестный журнал о наёмниках и боевых действиях, подаривший игре её будущее название — Soldier of Fortune. И хотя у разработчиков за плечами уже был солидный опыт, в процессе создания они столкнулись с множеством трудностей. Стоило принять несколько других решений на разных этапах, и проект вполне мог бы получиться совсем не таким, каким мы его знаем — например, превратиться в клон тактического шутера Rainbow Six.

В сегодняшнем материале я продолжу свою новую рубрику статей и расскажу о том, как появилась Soldier of Fortune — одна из самых ярких, необычных и запоминающихся FPS начала нулевых. Поговорим о том, с чего началась эта серия, как разработчики сумели сделать не просто интересный шутер, а действительно прорывной для своего времени проект с передовыми механиками и мощной визуальной частью, а также о том, какие их находки позже стали нормой для всей индустрии. Заодно разберём, через что игре пришлось пройти до появления на полках магазинов. Ну а в финале, как и всегда, вас будет ждать ссылка на сборку проекта, чтобы сразу после прочтения вы могли примерить на себя роль наёмника, без всякой жалости отстреливающего конечности всем, кто рискнул встать у него на пути.

В 2023 году JetBrains запустил стипендиальную программу в немецком частном университете — с полным покрытием tuition fee, жилья и проживания для студентов CS/AI. Университет этот русскоязычным абитуриентам почти не известен. Ниже — разбор того, что это за место, какие там программы и стоит ли его рассматривать всерьёз.

Все мы проходили через это: скармливаешь RAG‑системе сложный PDF на 50 страниц, а она в ответ либо галлюцинирует, либо вываливает на LLM простыню нерелевантного текста, съедая ваш бюджет на токены быстрее, чем вы успеваете сказать «GPT-4o». Проблема в том, что классический подход со статическим top_k — это костыль, который либо не додает контекста, либо вызывает у модели информационное «ожирение» (заполняет контекст нерелевантным мусором). Нашему RAG нужно помочь адаптироваться к безжалостной среде разрозненных документов!

Я потратил выходные на то, чтобы решить эту проблему фундаментально. В итоге на свет появился DRAG with KNEE (Dynamic RAG with Knee‑point pruning) — алгоритм, который не просто ищет «похожее», а выстраивает иерархию документов и безжалостно отсекает лишнее с помощью геометрического анализа «колена». В этой статье я покажу, как с помощью Qdrant, Python и капли математики сделать ваш RAG адаптивным.

Привет, Хабр! Хочу рассказать про наш опыт разработки манипулятора на 6 степеней свободы. Сейчас проект находится на этапе тестирования прототипа, и я считаю, что накопилось достаточно материала, чтобы поделиться с сообществом - от мотивации и выбора кинематической схемы до борьбы с люфтами бюджетных сервоприводов и топологической оптимизации конструкции.

В августе 2019 года, за несколько недель до выборов в Московскую городскую думу, Пьерик Годри из исследовательского института INRIA опубликовал результаты анализа кода московской системы дистанционного электронного голосования. Вывод был однозначным: параметры шифрования слабы настолько, что расшифровать голоса избирателей в режиме реального времени можно было за двадцать минут на стандартном ноутбуке с помощью общедоступного программного обеспечения Gaudry, Golovnev, 2019. Не взломал — математически решил задачу, которую разработчики системы, судя по всему, считали нерешаемой за разумное время. Ключ шифрования был построен на 256-битных параметрах ElGamal: при таком размере задача дискретного логарифма решается за минуты на обычном ноутбуке.

Годри опубликовал результат, уведомил разработчиков и указал на конкретное исправление: перейти на параметры не менее 2048 бит, или, лучше, на эллиптические кривые с эквивалентной стойкостью при меньшем размере ключа. Уязвимость закрыли за несколько часов. Но сам факт её существования говорит не об ошибке одного инженера — параметры, которые опытный криптограф определяет как слабые с первого взгляда, прошли через все стадии проектирования, разработки и предзапускового тестирования системы национального масштаба. Ни на одном этапе разработки и согласования не было звена, которое проверило бы это независимо от команды разработчиков. Оба изъяна нашли внешние исследователи — по собственной инициативе, до начала голосования.

Чтобы человек доверял ИИ, а тот не имел возможность обманывать людей, необходимо решить проблему объяснимости, то есть описать, как нейросеть пришла к тому или иному выводу. Похожая проблема существует и в мышлении человека, который далеко не всегда может объяснить, как он приходит к тем или иным выводам (вспомним таблицу Менделеева). Решить ее, и довольно успешно, пытался еще Федор Михайлович Достоевский в рамках своего специального проекта «Дневник писателя».

Проблеме объяснимости рассуждений и выводов нейросетей посвящено множество исследований, в частности, книга «Взломать все. Как сильные мира сего используют уязвимости систем в своих интересах?», написанная экспертом по кибербезопасности, криптографом, гарвардским профессором Брюсом Шнайером.

Проблема объяснимости состоит в том, что ИИ, по сути, являются черными ящиками, в которые с одного конца поступают данные, а с другого выходит ответ, и понять, как как получен этот ответ, не могут даже разработчики нейросетей. Более того, ход «рассуждений» ИИ может не соответствовать формату понятных для человека объяснений в принципе. По мнению Брюса Шнайдера, в ближайшей перспективе ИИ будет все более непрозрачным, поскольку системы усложняются, становясь все менее похожими на человека, а значит, и менее объяснимыми. 

Тем не менее, он считает, что «Система ИИ должна не просто выдавать ответы, но объяснять ход своих рассуждений в формате, понятном человеку. Это необходимо нам как минимум по двум причинам: чтобы доверять решениям ИИ и чтобы убедиться, что он не был хакнут с целью воздействия на его объективность». Кроме того, «аргументированное объяснение … считается основным компонентом идеи надлежащей правовой процедуры в соответствии с законом».

cout - плохой отладчик! Как за 30 секунд найти место падения программы? Какие 7 команд GDB нужно знать каждому C++ разработчику? В этой статье я делюсь личным опытом: как я боялся GDB, думал, что это «магия для гуру», а потом понял, что 70% задач решается простыми командами.

Спойлер: главный страх - это неизвестность. А когда знаешь backtrace, break, next, print и info locals, GDB становится лучшим другом. Статья рассчитана на начинающих C++ разработчиков, которые хотят перестать бояться терминала и начать отлаживать системно.

Нашёл способ использовать Claude Sonnet 4.5 бесплатно. В статье — пошаговая инструкция и реальные настройки для быстрого запуска. Подойдёт тем, кто хочет быстро начать работать с моделью и не платить лишнее.

Первая статья + некоторые мало описанные в интернете ошибки Squid с Kerberos и AD, их диагностика и решение

Существует стереотип, что современная наука об экзопланетах — это прерогатива NASA и ученых с миллионными грантами. Мы — команда обычных школьников и наш наставник — решили доказать, что для открытия новых миров достаточно ноутбука, Python и понимания того, что Машинное Обучение (ML) без физики — это просто генератор случайных чисел.

Это история проекта ExoLogica AI: путь от сокрушительного провала на конференции до создания гибридного интеллекта, который видит то, что иногда пропускают профессиональные телескопы.

Смотрим на детали:

Гермошлем, по-видимому, периодически открывается, чтобы можно было сделать глоток пива

Уважаемый читатель! Это моя вторая статья на Хабр, уроки первой были извлечены.

Как мне кажется – я вскрыл чирий, который начал зреть около двух лет назад. В частности в предыдущей статье:"Как я за два часа написал научную статью с ИИ и что из этого вышло" https://habr.com/ru/articles/1016220/,  продемонстрировал конкретный эксперимент на предмет того, что современные инструменты проверки научных статей типа, АНТИПЛАГИАТ.ВУЗ, бессильны против прорывных ИИ-технологий.

В том эксперименте я надиктовал на диктофон голосом содержание научной статьи и обошел антиплагиат, при этом ни слова не напечатав в самом теле статьи. Это история была неправильно воспринята сообществом, но послужила прекрасным заделом для написания новой статьи.

Я хочу поднять проблему научной этики и современных ИИ технологий.

Смотрите ситуация с научными журналами такова, что решение публиковать статью или нет остается за человеком. Почему же тогда некорректно использовать ИИ для подготовки качественного материала для публикации? Ведь посыл научных статей не в том, чтоб демонстрировать остроту пера конкретного автора, а в том, чтобы двигать научно-технический прогресс.

Но как же болезненно все воспринимают текст от ИИ, хотя никто не может отличить писал ли это человек или писал это искусственный интеллект.

Я могу перечислить плюсы использования ИИ в контексте Российских реалий научных:

1.    Мой печальный опыт заполнения заявок РНФ, даже когда получал оценки экспертов все три рецензии положительных – фонд денег не давал, но при этом каждую заявку я писал не менее 3 недель не занимаясь ни чем кроме нее. Я бы мог спокойно с ИИ качественно оформить ее за 1 день. А оставшиеся двадцать дней потратить на новые идеи и гипотезы.

Асинхронное программирование в c# стало стандартом де-факто с выходом .NET FrameWork 4.5 и появление ключевых слов: async и await. В современном мире трудно представить приложение: API, десктопное приложение без асинхронных вызовов. Однако, мне стало интересно самому разобраться, что на самом деле происходит по капотом: как компилятор преобразует асинхронный код, что такое state machine и почему использование .Result/.wait() может привести к deadlock.

История о том, как превратить консольный скрипт в полноценное Windows приложение с GUI на AutoHotkey v2 при помощи нейросетей и вайбкодинга.

Разбираем этапы от поиска инструментов до борьбы с интерфейсом в стиле софта нулевых без единой строчки кода, написанной вручную.

Если вы хотите сделать мобильное приложение для Северной Европы, то предлагаю узнать, что было драйверами самых успешных приложений в 2025 году.

Перевод отраслевого исследования группы компаний продуктовой разработки Framna.

Методология
Мы провели это исследование, используя модель App Pulse — многомерный подход, разработанный для оценки успеха приложений в различных рынках, отраслях и демографических группах. Данный отчет представляет собой основанный на данных ориентир для оценки эффективности приложений, помогая понять, что способствует их долгосрочному успеху. Исследование мобильных приложений в Северной Европе основано на данных 600 приложений и 9000 пользователей.

Хотите OpenClaw на русском? Официальной локализации нет и не планируется. Я написал перевод OpenClaw на русский через reverse proxy — прослойка инжектит JS-оверлей в HTML, переводит интерфейс через MutationObserver и не трогает ни строчки в исходниках. Обновления OpenClaw не ломают перевод. Рассказываю архитектуру, код и грабли.