Kurgan-Telecom Ru | Информационные технологии

В данной статье вы познакомитесь с типичными ошибками и привлекающими внимание подходами, которые можно встретить в разных Open Source проектах. Без воды, только конкретные комментарии. Будет полезно и для своих проектов.

Я долго думал, как будет выглядеть общество в эпоху ИИ.

Похоже, что будут взаимодействовать 3-4 типа интеллекта:

1.       Собственно люди

2.       ИИ (на базе LLM или что их заменит)

3.       Киборги (люди с вживленными нейроимплантами)

4.       Оцифрованное сознание людей (умерших или же просто дубли)

Пункт 4 – это пока фантастика, киборги только появляются, а вот люди с ИИ уже взаимодействуют во всю. И многие профессии начинают исчезать или изменяться. Переводчики уже стонут.

Очередная технологическая революция? Да. Но здесь есть принципиальное отличие. В прошлые разы профессии изменялись (например, ямщики были заменены машинистами паровозов или водителями автомобилей) но в итоге все равно работу выполняли люди. Пусть для этого требовалась иная, зачастую более высокая, квалификация. Сейчас же работу выполняет автоматика. Ей нужно лишь поставить задачу (сформировать промпт).

Но ИИ — это пол беды.

Сейчас начинает появляться ещё один фактор. Роботы. И они реально делают людей не нужными во многих сферах уже. Когда же робот сможет сварит борщ и заменить смеситель, то работы либо не будет, либо станет кардинально меньше. Понятно, что роботы такого уровня могут чинить и производить сами себя.

Как будет тогда выглядеть общество? Если работы нет, а потребности остаются? Армия тоже будет вся автоматизирована. Соответственно государства должны будут людям обеспечить какой-то доход?

Что получается?

1. Верхушка общества власть не отдаст ни за что.

2. ИИ и автоматику кто-то должен контролировать. Это будет весьма немногочисленная прослойка очень квалифицированных людей. Я не знаю есть или будет у ИИ самосознание, но без контроля не работает в этом мире ничего.

Сегодня я хочу рассказать о внедрении финансового генеративного чат-бота в финтех и о том опыте, который был приобретен за время запуска этого проекта. Эта статья написана с целью объяснить концепции и трудности, с которыми мы с командой столкнулись, поэтому постараюсь обойтись без особого погружения в технические детали.

Распознавание речи в реальных условиях представляет собой одну из наиболее сложных задач в области обработки сигналов. Особенно актуальна эта проблема для роботов, которые должны функционировать в разнообразных зашумленных условиях: в толпе людей, на открытом воздухе при сильном ветре, в помещениях с высоким уровнем фонового шума. Традиционные алгоритмы шумоподавления, разработанные для стационарных условий, оказываются неэффективными в таких сценариях.

В данной статье описывается исследовательский проект по разработке и оптимизации алгоритмов цифровой обработки сигналов для обеспечения надежного распознавания речи в экстремальных акустических условиях. В качестве тестовой платформы использована система автоматического распознавания птиц на базе BirdNET-Go, что позволило проводить длительные полевые испытания в естественных условиях с разнообразными типами шумов.

Ключевой задачей проекта был подбор оптимальных алгоритмов фильтрации и их параметров для работы с нестационарным шумом. В процессе исследования были реализованы и протестированы различные подходы к шумоподавлению, включая спектральное вычитание, адаптивные фильтры и алгоритмы на основе минимальной среднеквадратичной ошибки. Особое внимание уделено алгоритму Log-MMSE (Minimum Mean-Square Error Log-Spectral Amplitude Estimator), который показал наилучшие результаты в условиях нестационарного шума.

Выбор птиц в качестве тестового объекта был неслучаен: вокализация врановых (ворон, сойка, сорока, галка, грач) по своим частотным характеристикам близка к человеческой речи, что делает их идеальной моделью для отработки алгоритмов, предназначенных для роботов. Длительные полевые записи в различных погодных условиях позволили собрать обширную базу данных для анализа эффективности различных подходов к шумоподавлению.

Перекличка эпох. Буквально недавно я опубликовал очередную cool-story о лихих математиках из лихих 90-х, как получил живое свидетельство алгоритмов управления прямиком из тех легендарных времен.

Заливаем алгоритмы, созданные 20 лет назад для АСУ ТП нефтепровода, в современные контроллеры .

По работе сейчас нужно сделать стенд-демонстратор. Задача – показать, как, используя среду математического моделирования, можно заливать одни и те же технологические алгоритмы АСУ ТП в контроллеры от разных производителей и на разных аппаратных платформах. Идея в том, чтобы спроектировать алгоритм в SimInTech один раз, а потом, при смене контроллера (привет санкциям и старушке Шапокляк фон дер Ляйен), уже ничего не нужно проектировать заново: ни этот же самый алгоритм, ни создавать его заново в другой среде разработки. Открываем SimInTech с готовым проектом – и пожалуйста:

«…нажми на кнопку – получишь результат,

И твоя мечта осуществится.

Что ж ты не рад?

Тебе больше не к чему стремиться!»

А вот если алгоритм в среде разработки Siemens, то тут уже фигушки, нужно его опять пересобирать в среде разработки от другого производителя. А нам её ещё нужно найти, что нетривиальная задача. Если все разработчики автоматики, за редким исключением, собирали свои алгоритмы в различных импортных Codesys, запрещённых нашими немецкими партнёрами из ЕС.

«…а ещё вчера все вокруг говорили: Siemens – друг, Siemens наш немецкий друг…»

На этом месте возник у меня вопрос: а что, собственно, взять в качестве примера для стенда-демонстратора? Первая мысль, конечно, обратиться к текущим проектам в которых нас привлекают как консультантов:

Мое субъективное мнение о лучших объективах для беззеркальных кроп-камер Sony. Некоторые модели доступны и для других беззеркальных систем.

Когда мы обучаем модели машинного обучения, почти всегда возникает один и тот же вопрос:

Что именно происходит во время обучения?

Обычно мы смотрим на графики метрик и пытаемся вручную интерпретировать происходящее.

Можно посмотреть на learning curves и понять, что происходит:

Но этот анализ почти всегда выполняется вручную или с помощью простейших эвристических правил. А ведь сколько времени, сил и нервов можно было бы сэкономить, если обучить до 100 эпохи а не до 500 (см картинка выше) :-(

Но можно задать интересный вопрос:

А можно ли автоматически определить состояние обучения модели?

В одной из своих предыдущих статей «Как нейросети меняют наш мир и как адаптироваться к новым вызовам» я упоминал, что современные технологии выступают в качестве великого уравнителя. Смартфон у миллиардера и у студента один и тот же, доступ к Википедии равен для всех. Однако революция искусственного интеллекта — это не просто новый гаджет. Это тектонический сдвиг, сравнимый с изобретением парового двигателя или электричества. Только если промышленная революция разделила мир на тех, у кого есть заводы (буржуазия), и тех, кто на них работает (пролетариат), то ИИ-революция грозит создать когнитивный разрыв. Пропасть будет лежать не между богатыми и бедными, а между теми, кто управляет алгоритмами, и теми, кем алгоритмы управляют. Давайте немного поразмышляем над тем, каким будет возможное расслоение общества из-за активного внедрения искусственного интеллекта. Проанализировав текущие тенденции и мнения визионеров, я выделяю четыре основные касты, на которые разделиться общество будущего.

Пару месяцев назад я публиковал отчет об эксперименте по созданию языковой модели на базе модульной архитектуры с ядром на латентных представлениях. Данная статья является отчетом о новых аспектах этого эксперимента. Поэтому для тех, кто не в теме, совсем коротко: классические авторегрессивные LLM оперируют токенами, условно говоря думают на токенном уровне. В модульной архитектуре отдельно выделяется языковой интерфейс в виде энкодера и декодера, а само «думающее» ядро работает уже не с токенами напрямую, а с их сжатыми латентными представлениями. Кому интересно, вот ссылка на статью с предыдущим экспериментом: https://habr.com/ru/articles/985496/

Но в ходе экспериментов быстро выяснилась одна важная деталь...

Наверное вся страна уже знает о том, что власти планируют отменить Телеграм на всех уровнях и вместо Телеграма предлагают нам перейти в довольно сырой мессенджер MAX.

В данном лонгриде я попытался предсказать, что будет происходить в ближайшие месяцы и кому-то реально стоит переживать, а для кого-то это окно возможностей и им надо пользоваться.

В понедельник в 11 утра по тихоокеанскому времени Дженсен Хуанг выйдет на сцену в куртке, которая давно стала мемом, и скажет то, что уже заставило рынок замереть. “Чип, который потрясет мир”. Без оговорок, без “мы надеемся”, без скучных слайдов с оговорками. Просто констатация факта.

Я перечитал стенограммы шести презентаций Nvidia. Пролистал десятки патентов. И чем больше я погружался в технические детали, тем яснее становилось: нас готовят не к очередному апгрейду, а к смене физической парадигмы. Пока все ждут цифр терафлопсов, Хуанг, кажется, собрался пересадить чипы с медных дорожек на световые лучи. И это меняет всё – от планировки дата-центров до глобального баланса сил в ИИ-гонке.

Привет, меня зовут Владимир Голубев, я системный архитектор. Последние несколько лет я занимался системной архитектурой в финтехе. За это время у меня накопилось много опыта и понимание того, чтобы я хотел изменить в работе архитекторов. Я хочу рассказать, как я пришёл к подходу "архитектура как код" и почему в итоге начал создавать свой инструмент для работы с живой архитектурной моделью.

С момента появления следящих и подслушивающих устройств люди стремились разработать надёжный прибор для их обнаружения. Один из самых эффективных инструментов в этой области — детектор радиозакладок на ВЧ-излучении. Любые P-N полупроводники по своей природе будут светиться излучают волны на гармонических частотах исходной волны.

28 февраля 2026 года я стоял у окна на 41-м этаже в JBR в Дубае и смотрел, как системы ПВО ОАЭ перехватывают иранские беспилотники прямо над моей головой. Полез в новости — в Google и Яндексе статья двухчасовой давности, Telegram-каналы противоречат друг другу. Когда это происходит где-то далеко, не придаёшь этому значения. Когда ты в центре событий, то хочешь знать оперативную информацию, желательно с push-уведомлениями.

История Windows: от MS-DOS до Win10 и флэт-дизайна. Как всё так быстро поменялось? Сегодня, в этой статье вы прочитаете, как менялась Win10

Мы привыкли мерять успех текущей зарплатой и стеком технологий. Но если вы разработчик, тимлид или любой другой носитель знаний, ваш главный актив — не количество звёзд на GitHub и не оклад в этом месяце. Это ваша способность приносить доход в будущем. Давайте посчитаем, сколько вы стоите как бизнес-юнит, и почему это знание меняет всё.

Когда я проводил код-ревью или собеседования, я замечал одну странную вещь. Кандидаты отлично знают, сколько стоит их труд в час (RPS — rate per hour), но понятия не имеют, сколько стоит весь их карьерный цикл. Мы оцениваем компании по мультипликаторам (P/E, EV/EBITDA), но себя оцениваем только по остатку на карте «Тинькофф».

В финансах есть понятие DCF (Discounted Cash Flow) — метод оценки актива через сумму всех его будущих доходов, приведённых к сегодняшнему дню. Вы — это и есть такой актив. Ваш код, ваши решения, ваша экспертиза — это завод по производству денег. И у этого завода есть справедливая цена.

Квантовая механика — одна из самых успешных теорий в истории науки.
Она лежит в основе атомной физики, полупроводников, лазеров и современных квантовых технологий.

Однако спустя почти сто лет после её появления остаётся странная ситуация: мы умеем с высокой точностью рассчитывать результаты экспериментов, но до сих пор не до конца понимаем, что именно представляет квантовая теория?

Относится ли она к физической реальности «самой по себе» или к структуре условий, при которых наблюдаемые факты становятся возможными?

В этой публикации я предлагаю рассмотреть следующую гипотезу:

квантовая теория описывает не саму реальность, а условия и механизм, при которых наблюдаемая реальность возникает.

Иногда бывает нужно запустить рабочие программы так, чтобы отделить их от ОС (не устанавливать поверх системы, использовать другие библиотеки, сформировать portable пакет и т.д.).
Например, защитить от нежелательного обновления, или наоборот, потестировать обновление перед тем как применить его в работу.

Простейшее решение - устанавливать и запускать их внутри контейнера docker.

Краткая история о том, как утренняя переписка с моделью превратилась в создание системного промпта на 1000 токенов. Внутри заложен алгоритм размышлений, позволяющий модели работать вдумчиво и объясняющий ей на языке формул, как человек принимает решения (исходя из своего личного опыта и понимания).

То, чего я не ожидал на старте — на выходе получилась очень компактная системная инструкция. В действительности она заменяет огромное количество функций, которые ИИ-гиганты выстраивают вокруг моделей.

https://keepandroidopen.org/ru/
https://keepandroidopen.org/open-letter/
https://www.change.org/p/stop-google-from-limiting-apk-file-usage?recruiter=1370041382&recruited_by_id=fddec6e0-0e30-11f0-a55d-cd0eb0fd0ac4

Уважаемая команда Google и руководство Android, я пишу вам не как случайный пользователь, а как человек, который уже больше 15 лет выбирает Android именно потому, что он был открытой платформой. Платформой, которая отличалась от яблочной тюрьмы iOS тем, что не требовала разрешения корпорации, чтобы я мог установить любое приложение, помочь другу с установкой или поддержать независимый проект. Сегодня я вынужден выразить глубокое разочарование, граничащее с чувством предательства.

С сентября 2026 года вы вводите обязательную централизованную регистрацию разработчиков для всего распространения приложений на Android — даже вне Google Play. Чтобы установить приложение через сайт, APK-файл, альтернативный магазин или просто передать его другу, разработчик должен:

- заплатить вам сбор,
- загрузить паспорт или другой государственный документ,
- предоставить доказательства владения приватным ключом,
- указать все текущие и будущие идентификаторы приложений.

Иначе приложение просто не установится на сертифицированных устройствах. Это не «улучшение безопасности». Это радикальная смена модели Android с открытой на закрытую.