Kurgan-Telecom Ru | Информационные технологии

Свою первую программу я написал в 1988 году на калькуляторе МК52. Очень хотелось программировать и даже максимально странный интерфейс не останавливал. Утекло почти 40 лет. Были Атари, Синклеры, 286 IBM, Интернет, смартофоны. Но все эти технологии входили как-то постепенно, приспосабливаясь и без шока.

AI ворвался в жизнь бывалого ИТшника как пыльным мешком по голове. После первого шока, скормленных Дипсику результатов анализов, идей подарков, профессиональная «чуйка» потребовала придумать новой чудо‑технологии боевое применение в том, чем я занимаюсь каждый день на протяжении всей сознательной жизни.

Фокус группы не сформулировали внятного предложения куда погрузить AI — было решен что потрачу время и часы штатных программистов на то, чтобы уменьшить свою боль — держать в голове кучу технических нюансов, документации, кейсов и лайфхаков.

Современные кодинг-помощники кажутся магией. Достаточно описать нужное вам на хотя бы немного понятными словами, после чего они сами читают файлы, редактируют проект и пишут работающий код.

Но вот что я вам скажу: в основе этих инструментов не лежит магия. Для них достаточно примерно двухсот строк простого Python.

Давайте с нуля напишем собственный функциональный кодинг-агент.

Согласно гипотезе эффективного рынка, цены в прошлом не могут предсказать будущие. Но есть проблемка: прошлые цены вообще-то предсказывают будущие. И эту проблему, в общем, назвали моментумом. Если вы об этом ничего не слышали, то вкратце моментум — это удивительно живучее семейство инвестиционных стратегий, основанных на техническом анализе, которые позволяют обыгрывать рынок с завидной эффективностью и стабильностью. И это уже давно не секрет. Статистика впечатляющих результатов моментум-стратегий насчитывает более 200 лет, что стало ударом ниже пояса для гипотезы эффективного рынка

В преддверии запуска GameDev курса от GIGASCHOOL мы пообщались с Савелием – разработчиком, который на собственном опыте показал, что вход в геймдев может быть быстрее и понятнее, чем кажется.

Один учебный проект, практика вместо теории – и стажировка в крупной игровой студии превратилась в первую полноценную работу.
Как он к этому пришёл и что действительно важно для начинающего Unity-разработчика – Савелий рассказывает сам.

AI не создёт новый тренд, а делает существующий более очевидным: человеческое взаимодействие сложнее автоматизировать, чем специальные знания.

В новогодние праздники хочется отдыхать качественно, и не только телом, но и духом. Мы в Beeline Cloud подобрали короткие, но «сложные» книги, которые помогут перезагрузить мозг — и порассуждали о том, зачем вообще читать такую литературу.

Сознание – это главный вопрос существования. Ничто не является более важным, чем наш опыт. Однако мы не пришли к единому мнению и, возможно, даже не имеем представления о том, что оно собой представляет.

Проблема отчасти заключается в том, что эксперты обычно привержены одной теории, и не замечают альтернативных объяснений, которые могли бы способствовать прогрессу. Я же в отличие от них принимаю разнообразие теорий сознания в науке, философии и религии — при условии, что они основаны на чётких аргументах. Таким образом, за многие годы я собрал более 350 теорий (и их число продолжает расти), составив «ландшафт» сознания, который я помогу вам исследовать.

По мере того, как мы будем блуждать по этому головокружительному ландшафту, от материализма, где реальны только физические состояния, до идеализма, где реальны только психические состояния, а также включая всё, что находится между ними,
нам станет очевидно, как многое в данном вопросе поставлено на карту. Это потому, что любая теория сознания, которую вы предпочитаете, определяет многие из ваших основных убеждений о мире, такие как ваше мнение о природе свободы воли, возможности жизни после смерти и о том, может ли искусственный интеллект обрести сознание.

В прошлых статьях мы увидели, как во Франции зародилась и позже дошла до практической реализации идея управляемого воздушного шара, он же дирижабль. А также то, как граф фон Цеппелин после долгих стараний и неудач сумел убедить кайзера, военных и общество, что Германской империи обязательно нужны дирижабли, в особенности боевые. К началу Первой мировой войны в августе 1914 года немецкие военные ведомства и гражданская компания DELAG обладали единственным в мире флотом огромных дирижаблей жёсткой конструкции. К этому моменту общее число построенных воздушных кораблей фон Цеппелина достигло цифры 25, и часть из них уже успели погибнуть в авариях и катастрофах. С началом Великой войны, как её называли современники, уникальные военные цеппелины будут считаться важным козырем Германской империи и с точки зрения её руководства, и с точки зрения её врагов — а у британцев в предвоенные годы разовьётся настоящая коллективная дирижаблебоязнь. Вторая половина 1914 года станет временем боевого крещения военных дирижаблей — где окажутся перемешаны трагедии, ошибки и курьёзы.

Продолжаем разбор, часть шестая из семи. Сегодня у нас полный пространных рассуждений и воспоминаний, объёмный текст, посвящённый одному из столпов жанра CRPG, скоростной обзор-пересказ-прохождение минималистичного экшена с акцентом на паркур (снабжённый большим количеством спойлеров), а также краткий сегмент о первой части разрушительных аркадных заездов родом из Финляндии.

В сети интернет можно увидеть множество советов по тому как составлять пароль, но у каждого есть свои плюсы и минусы, какой-то легко взламывается, какой-то сложно запомнить

В этой статье мы разберем все популярные формулы составления пароля, сопоставим их плюсы и минусы и выберем самый лучший.

Привет, Хабр! В этой подборке — пять портативных устройств, которые не укладываются в привычные категории. Это кибердеки и карманные компьютеры, ретро-ноутбук на настоящем DOS-железе, игровой смартфон с выдвижным контроллером и открытая Linux-платформа для сборки своих проектов. Предлагается все это для тех, кому важен сам формат, возможность поэкспериментировать и использовать технику под конкретные задачи. Но в целом, это все ж just for fun, так что имейте в виду. Если готовы, поехали!

Нелегка жизнь геймера! Позволить себе наслаждаться новыми ААА-тайтлами на ультра-настройках могут только зажиточные ПК-бояре. Но и в классику поиграть не так-то просто! Старые игры написаны под старые системы. Их движки не понимают новых технологий, инструкций, заложенных в новые CPU/GPU. Следовательно, приходится танцевать с бубном, чтобы запустить любимый проект из детства. 

Во многом любителям ретро-игр помогают ребята из GOG, которые дают возможность запускать, например, «Героев 2» на современной системе. Но что делать, если в их ассортименте нет нужного вам тайтла? А как быть, если речь идет об играх времен SEGA или PS1?

В данном случае на помощь приходят эмуляторы! В нашем сегодняшнем материале мы решили узнать, как поживают эмуляторы старых приставок в 2026 году. 

Сейчас каждый второй джун пытается генерировать сопроводительные письма через ChatGPT.

И каждый первый рекрутер научился их детектить за секунду.

Стандартный ответ LLM выглядит так:

Меня зовут Виталий и я пишу уже который год самую большую книгу по математике для 4– 11 классов, а так же автор поста (рекомендую почитать) о ней. Пишу я ее в LaTeX и считаю, что современный учебник не должен быть черно-белым, а так же должен быть удобен для использования и учеником и учителем.

Хочу поделиться моей находкой --- пакет `ProfCollege`. Компиляция ТОЛЬКО Lualatex. Как обычно прикладываю полный код в тексте.

Первая часть тут, вторая часть тут, третья часть тут

Привет, Хабр! Продолжаю обозревать GitHub Actions на примере пет проекта для аналитика.

Статья будет полезна начинающим аналитикам в поисках хорошего проекта для своего портфолио. В этой части разбираю подход к выбору проекта и источника данных, к сбору и анализу данных и представлении результатов своей работы. 

Друзья, всем привет! Сегодня у меня для вас необычный эксперимент - тестирование нейросетей в боевых условиях. Какая нейросеть поможет активировать Windows, а кто откажется сразу?

Ещё раз о ЦП для машинного обучения в эпоху дефицита мощностей GPU

Недавние успехи в области ИИ зачастую связывают с появлением и эволюцией графических процессоров (GPU). Архитектура GPU, как правило, включает тысячи ядер для многопроцессорной обработки, высокоскоростную память, выделенные тензорные ядра и пр. Такая архитектура особенно хорошо подходит для рабочих нагрузок, связанных с ИИ и машинным обучением, которые отличаются высоким потреблением ресурсов. К сожалению, из-за резкого роста разработок в области ИИ также наблюдается всплеск потребности в  GPU, из-за чего возник их дефицит. В результате разработчики систем машинного обучения всё активнее изыскивают альтернативные аппаратные платформы, на которых можно было бы обучать и эксплуатировать модели. В таком качестве используются, например, выделенные специализированные интегральные схемы (ASIC) для работы с искусственным интеллектом, такие как облачные тензорные процессоры Google, Haban Gaudi и AWS Trainium. Притом, что эти варианты позволяют значительно сэкономить, они подходят для работы не со всеми моделями машинного обучения и, подобно GPU, также остаются дефицитными. В этом посте мы вновь обратимся к старым добрым классическим процессорам (CPU) и вновь поговорим о том, насколько они адекватны применительно к современным ML-моделям. Безусловно, ЦП обычно не так хороши для обслуживания связанных с машинным обучением рабочих нагрузок как графические процессоры, зато их гораздо проще приобрести. Если бы удалось гонять на ЦП (хотя бы некоторые) из таких рабочих нагрузок, то продуктивность разработки в целом удалось бы значительно повысить.

Зимой 2024 года мне довелось поучаствовать в разработке проекта на Camunda 8. Сразу оговорюсь: проект в итоге реализовали на другом движке. Тем не менее, команда успела сделать стенд, прогнать тесты и замерить производительность.

В этой статье я расскажу об одном эпизоде, когда мне пришлось исправить библиотеку spring-zeebe из Camunda 8, отвечающую за обвязку Job Worker на Spring.

Одной из моих задач было отладить процесс, используя локальные интеграционные тесты с Docker и библиотекой Testcontainers. Мы создали простой процесс, вызывающий наш Job Worker, подлежавший отладке. Сразу столкнулись с плавающей ошибкой: иногда тест проходил успешно, иногда — нет. Несколько тасков работали корректно, однако первый периодически игнорировался без видимых ошибок. Изначально подозревали проблему в собственном коде, проверяли конфигурацию Job Worker, благодаря чему узнали много нового о Camunda 8.

Ларингалы – самые загадочные звуки праиндоевропейского языка, не сохранившиеся ни в одном из живых индоевропейских языков. Звуки-призраки, которых никто из ныне живущих не слышал. И звуки-атланты, на которых держатся все реконструкции праиндоевропейского. Почему учёные так уверены в их существовании? Можем ли мы хотя бы представить себе их звучание? И как их можно записать, кроме нижних индексов? Обо всём по порядку – в этой особой статье по заявкам читателей.

Сейчас нейронки — это не хайп, а мейнстрим. На сколько сильно бы мы не обожглись на них в прошлых годах, к концу 2025го топовые модели типа Gemini, GPT, Opus показывают достойные результаты при условии правильного формирования контекста. Используя любую прослойку между облаком и пользователем, можно голосом в вольном стиле отдавать нейронке даже нетривиальные задачи, которые она автономно решит и пошлет сигнал к действию тому или иному девайсу. Без сервера, полагаясь на облака, тратя пару долларов в месяц на API.

Если ещё недавно ESP32 ассоциировался в лучшем случае с реле, светодиодами и датчиками, то сегодня этот пятидолларовый микроконтроллер вполне может превратиться в такую прослойку.

Рассмотрим пример — ESP32 обвешена цифровым микрофоном, внешней SD картой памяти и RGB светодиодами . Человек говорит в повествовательном стиле, девайс реагирует исполнением его команды ( в предустановленных рамках) включая нужный свет.

Под капотом ESP32 записывает голос пользователя через I2S‑микрофон и сохраняет его во флеш‑память или на SD‑карту. Это принципиальный момент: аудио очень быстро съедает оперативную память, и попытка держать его в RAM с большой вероятностью обрекает на хождение по минному полю. Поэтому пишем голос на флешку, что хоть и даст небольшую задержку, но обеспечивает надежный workflow. Дальше сохранённый аудиофайл отправляется по HTTPS в LLM — чаще всего это Gemini или OpenAI. За подробностями имплементации можно заглянуть в гайд от Google.

Как это работает.

Современные модели умеют не просто распознавать речь, а возвращать структурированный результат. Вместо обычного текста мы описываем набор доступных действий устройства, а нейросеть сама выбирает, что именно нужно вызвать, и возвращает JSON с параметрами. Этот механизм называется Function Calling и именно он превращает голосовое управление из игрушки в инженерно аккуратное решение.