Kurgan-Telecom Ru | Информационные технологии

В 1939 году, опоздав на занятие по статистике в Калифорнийском университете в Беркли, Джордж Данциг, студент первого курса магистратуры, скопировал с доски две задачи, думая, что это домашнее задание. Позже он вспоминал, что задание показалось ему «сложнее, чем обычно», и извинился перед профессором за то, что на его выполнение у него ушло на несколько дней больше, чем обычно. Через несколько недель профессор сказал ему, что он решил две известные нерешённые задачи по статистике. Работа Данцига стала основой для его докторской диссертации, а спустя десятилетия — источником вдохновения для фильма «Умница Уилл Хантинг».

Данциг получил докторскую степень в 1946 году, сразу после Второй мировой войны, и вскоре стал математическим консультантом новообразованных ВВС США. Как и во всех современных войнах, исход Второй мировой войны зависел от разумного распределения ограниченных ресурсов. Но в отличие от предыдущих войн, этот конфликт был поистине глобальным по масштабам, и победа в нём была во многом достигнута благодаря огромной промышленной мощи. США могли просто производить больше танков, авианосцев и бомбардировщиков, чем их враги. Зная об этом, военные были очень заинтересованы в задачах оптимизации, то есть в том, как стратегически распределять ограниченные ресурсы в ситуациях, которые могли включать сотни или тысячи переменных.

Помимо всем известной Apple, на свете существовала еще одна «фруктовая» компания, выпускавшая очень популярные компьютеры.

И сейчас мы цинично оживим и запустим эмулятор этих замечательных машин.

В этой статье я поделюсь с вами очень быстрым руководством, которое покажет, как создать мультиагентного чат-бота с использованием LangGraph, RAG и долговременной памяти для создания мощного чат-бота-агента для вашего бизнеса или личного использования.

Я занимался поиском уязвимостей на основном ресурсе и случайно ткнул на один из его субдоменов. Быстро осмотревшись, я решил переключиться на него.

Первоначальная разведка

Я начал с просмотра исходного кода страницы и одновременно запустил инструмент Katana для извлечения JavaScript файлов.

На данный момент я прохожу 5-дневный интенсив по AI-агентам от Google и параллельно веду собственный конспект. Эта статья представляет собой перевод оригинального материала, выполненный с помощью Gemini и мной. В некоторых местах я немного упростила формулировки или обобщила идеи. Это последний день курса.

Другие статьи:

Интенсивный курс «AI-агенты» от Google День 1

Интенсивный курс «AI-агенты» от Google День 2

Интенсивный курс «AI-агенты» от Google День 3

Интенсивный курс «AI-агенты» от Google День 4

«Опять эти ваши программистские штуки! DI, closures, bundles, декларативная система... Я просто хочу сделать красивую симуляцию частиц, а не изучать Computer Science!»

Если эта мысль промелькнула в голове, когда вы услышали о Closures в Blender — вы не одиноки. Давайте разберёмся, почему разработчики добавляют в ноды сложные концепции и как это в итоге упростит жизнь именно 3D-художникам.

Работа с датой и временем в программировании — это одна из тех «темных» областей, на которой каждый разработчик набивает свои шишки. На первый взгляд все просто: from datetime import datetime, datetime.now(). Что может пойти не так?

А потом в проекте появляются часовые пояса, и начинается тихий ужас.

Вы внезапно обнаруживаете, что стандартная библиотека Python оперирует двумя видами объектов: «наивными» (naive), которые ничего не знают о своем часовом поясе, и «осведомленными» (aware), у которых эта информация есть. И datetime.now() по умолчанию создает именно «наивный» объект, который в лучшем случае бесполезен, а в худшем — источник трудноуловимых багов, когда ваш код запускается на сервере в другом конце света.

В этой публикации я предлагаю верифицируемую и фальсифицируемую модель Единого Поля, объединяющую ключевые принципы квантовой механики, релятивистской физики и философской онтологии Канта.

В отличие от существующих физических теорий, в которых поле рассматривается как объективная данность, предлагаемая модель исходит из фундаментальной субъективности восприятия Мира.

Согласно ей, любой наблюдаемый феномен — это проявление интерференционных процессов лежащих в основе всего ноуменальных полей, которые и порождают феноменальную реальность при достижении порога восприятия субъекта.

Интерференционная модель Единого Поля позволяет интерпретировать четыре основные взаимодействия (гравитационное, электромагнитное, сильное и слабое) как различные формы когерентного или антикогерентного интерференционного взаимодействия ноуменальных полей.

В пределе высокой когерентности возникает гравитационное притяжение, в фазовом антисдвиге — электромагнитное отталкивание, в локальных нелинейных режимах — сильное взаимодействие, а при распаде когерентности — слабое.

Релятивистские эффекты (замедление времени, рост эффективной массы) интерпретируются как фазовые следствия изменения когерентности движущихся узлов ноуменального поля. Устойчивые феноменальные объекты — частицы, атомы — представляют собой стабильные интерференционные волновые пакеты.

Модель открывает возможность философски и формально объединить квантовые и релятивистские представления о Мире в рамках единой системы.

В XVI веке японцы, не отрываясь от бесконечных войн феодальных домов, познакомились с пришельцами из-за морей с далёкого запада. Европейцы обладали многими полезными знаниями и технологиями наподобие мушкетов и заводных механизмов — и японские интеллектуалы стали увлечённо изучать языки, науку и культуру иноземцев. Одной из удививших их вещей стало то, что в английском, голландском и испанском языках дни недели назывались в той же самой смысловой последовательности, что и в японском, и в китайском. Воскресенье везде было днём Солнца (или Бога), понедельник — днём Луны. Далее чуть сложнее, с участием древних богов и даосских стихий, но в целом в той же астрономической логике небесных тел или связанных с ними божеств. Как получилось, что одна и та же схема именования дней недели уже не первое тысячелетие присутствует в языках очень разных и отдалённых друг от друга стран? Попробуем разобраться.

В этой статье нет каких-то революционных открытий, есть только некоторые наблюдения о зеркалах, не совсем очевидные для людей, никогда не создававших эти объекты в играх.

Зеркала в Sims 4 по-настоящему работают! Для этого игре нужно ещё раз рендерить комнату для каждого зеркала в сцене. Разумеется, это затратный процесс.

Команда Go for Devs подготовила перевод статьи о том, как Go отмечает шестнадцать лет в Open source. От новых инструментов для тестирования и профилирования до модернизаторов кода, MCP и прорывов в производительности — язык переживает один из самых насыщенных периодов развития.

Октябрь не подвел: производители серверного железа выкатили сразу несколько новинок. Intel обновила свою линейку Xeon, представив процессоры Xeon® 6+ Clearwater Forest на техпроцессе Intel 18A. Тем временем Huawei экспериментирует с пассивным охлаждением в своем ИИ-ускорителе Atlas 300I Duo™. А Micron выводит на рынок энергоэффективные модули SOCAMM2.

Привет, Хабр! Меня зовут Сергей Ковалёв, я менеджер выделенных серверов в Selectel. Разбираем главные новинки октября — от новых CPU и GPU до инфраструктурных решений для будущих ИИ-ЦОД. Детали под катом.

С помощью ИИ вполне можно сгенерировать сайт‑визитку или игру в крестики‑нолики, составить план отпуска или сделать более сложные вещи. А как насчёт того, чтобы сгенерировать ПО для управления атомной станцией или самолётом? Или как насчёт планирования не отпуска, а проекта на сотни человеко‑лет? Это в принципе возможно и можно ли доверять результатам работы ИИ?

В статье сначала будет немного теоретических рассуждений на эту тему, идея банальная: сложные задачи нужно декомпозировать. Затем рассмотрим это на конкретном примере, разобьём разработку приложения для HR отдела на три шага: 1) описание процесса приёма сотрудников на работу, 2) описание модели состояний для кандидата при прохождении собеседований, 3) генерация кода.

В заключении опишем профит от моделирования, если вы используете ИИ. И профит от ИИ, если вы занимаетесь моделированием.

Привет, я Маша, занимаюсь развитием брендов и увлекаюсь изучением предпринимательского опыта прошлых столетий. Конечно, я не могла обойти вниманием самого богатого американца XIX века Корнелиуса Вандербильта, наследники которого печально известны тем, что промотали рекордное для своей эпохи состояние. И не могла не задуматься — как? Как меньше чем за столетие от 143 млрд долларов (в переводе на сегодняшние деньги) ни один из наследников не смог сохранить даже миллион? В этом стоит разобраться.

Осторожно, спойлер: за крахом благосостояния династии стоит не только банальное мотовство и транжирство, но и решения, задуманные во благо и порой даже сработавшие в моменте — но выстрелившие в ногу со временем. О том, как благими намерениями вымостить дорогу к потере 200 000 000 долларов, — наша сегодняшняя история.

У меня не хватало времени на привычные методы обучения английского — приложения, книги, фильмы и так далее. Поэтому я сделал свою таблицу с Telegram уведомлениями.

Недавняя новость о самом длинном слове русского языка спровоцировала в Рунете (и на Хабре в том числе) обширную дискуссию о том, действительно ли найденное слово - «тетрагидропиранилциклопентилтетрагидропиридопиридиновые» - можно считать таковым. Давайте разберёмся, что не так с этим словом и обоснованы ли сомнения скептиков. А по пути изобретём новое слово и даже взглянем на самое большое число.

Онлайн Патент совместно с Рег.Решениями запустил специальный проект — вы можете бесплатно проверить придуманное вами обозначение: не копирует ли оно уже оформленное в Роспатенте?

Давайте разбираться, какие аккумуляторы мы называем литиевыми, почему это иногда вводит в заблуждение и чем Li-Ion отличаются от LiFePo4.

Давайте начистоту. Для большинства из нас первая встреча с математическим анализом была интеллектуальной травмой. Туман из эпсилонов и дельт, теоремы, падающие с потолка, и тоскливое чувство самозванца, который вот-вот будет разоблачен.

Я здесь, чтобы сказать вам: дело было не в вас.

Проблема не в том, что вы «гуманитарий». Проблема в том, что вам преподавали не математику. Вам показывали вскрытие: препарирование живой, интуитивной идеи до тех пор, пока от нее не оставался лишь скелет формальных определений.

Моя предыдущая статья, где я впервые озвучил этот тезис, стала хитом. Судя по множеству сообщений в личке, эта боль знакома слишком многим. И почти в каждом была просьба:

«Напиши учебник. Тот самый, который мы заслужили».

Что ж, это он. Глава первая. Забудьте всё, что вы знали. Мы начинаем с нуля.

Мы отправимся в путешествие к самым основам человеческого мышления. Мы увидим, как драма, начавшаяся 2500 лет назад с простого вопроса о летящей стреле, породила всю современную науку — от физики до нейросетей.

Пристегнитесь. Мы погружаемся.

Как бы я ни старался учиться электронике, я нахожу занятным освоить в первую очередь аналитическую геометрию, чтобы виртуозно манипулировать векторами и делать разные расчёты.

Я разрабатываю собственный движок, чтобы отработать математические навыки и подготовиться к математическому анализу. Да, мне уже 37 лет, а я всё ещё не знаю как пользоваться правильно дифференциальными уравнениями, хоть и понимаю из одной книги как это было важно для разных открытий, в том числе и для нахождения площади или длины кривых.

Свой путь я начал с линейной алгебры и до сих пор знаю наверное очень мало из этой области. Даже пробовал с утра просить нейросеть давать мне задачки из линейной алгебры и решал их, а потом отдавал на проверку. Эта алгебра показалась более дружелюбной для начала вхождения в изучение математики.

Как только я узнаю какую-то формулу или что-то открываю для себя новое, я тут же воодушевляюсь и очень радуюсь, и конечно не забываю добавлять в игровой движок новые знания, подчерпнутые из книг.

Я бы хотел рассказать как я бросил луч в сцену, на создание которого, а он ещё не доделан, я потратил 4 дня. Движок мой на C и поэтому думаю, что будет понятен каждому.

Я хотел разобраться в этом сам и не боялся времени, которое ускользает у нас каждый день. Больше люблю получать удовольствие от процесса и поэтому я не искал в книгах по началу как правильно бросить луч, но и потом как оказалось, что я не совсем понимаю примеры, которые мне подала нейросеть.

Нейросеть мне подсказала, что можно перемножить обратные (матрицу камеры и проекции) и умножить это на вектор и потом получается что-то, с чем я не понимал как работать и пошёл дальше своим путём.