Kurgan-Telecom Ru | Информационные технологии

Если дедлайн плавающий или его нет, обучение и пет-проекты превращаются в вечный "черновик": сегодня читаешь доки, завтра переписываешь пример, послезавтра думаешь про идеальную архитектуру. Это нормальный творческий процесс - пока не заметишь, что за месяц у тебя так и нет ничего, что можно запустить и показать.

Когда я проходил AI Advent Challenge этот режим прокрастинации сломался: 28 дней подряд у тебя есть ровно сутки. В 10:00 приходит задание, а в 10:00 следующего дня - дедлайн. Поэтому каждый день заканчивается одной из двух вещей: либо у тебя есть работающий кусок, либо ты точно понимаешь, где решение не выдержало и почему.

В этой статье пойдет речь об одной из самых сложных и интересных архитектур — трансформере, лежащей в основе современных моделей от OpenAI и Google DeepMind. И это не научпоп для обывателя с наивным уровнем объяснения, а полноценный учебный материал, который поможет вам понять работу трансформера на фундаментальном уровне без черных ящиков типа TensorFlow и Pytorch.

А для того чтобы лучше вникнуть, давайте напишем настоящий мини-трансформер на процедурном Python и обучим его!

Данный материал можно изучать в разных режимах:

* Как объяснение архитектуры для общего представления;

* Как полноценный гайд с чтением кода и самостоятельной практикой;

* Как основу для собственных экспериментов.

Вы сами можете выбрать тот режим, который нужен для ваших целей на данный момент.

Наш трансформер будет довольно простым: со статическим графом и одноблочными энкодером и декодером. Сам код написан в парадигме процедурного программирования (за исключением некоторых модулей) и может быть прочитан на любом уровне и без знания ООП. И все же это будет полноценный обучаемый трансформер с мультиголовым вниманием, батчами данных, параллельным вычислением и множеством параметров.

Для закрепления материала, выполните Домашнее задание, которое ждет вас в конце статьи.

Расскажу, как я собрал прототип газонокосилки, которой можно управлять с телефона. Она понадобилась для моего, совсем немаленького дачного участка (почти полгектара). Толкать косилку впереди себя или даже ходить сзади, держа агрегат за ручку, показалось мне жутко неудобным занятием. Поэтому я решил сделать что-то, наподобие радиоуправляемой машинки. А поскольку с пультами и джойстиками возиться тоже не хотелось, то написал Android-приложение и скетч для управления косилкой по WiFi с телефона.

Декабрь 2015 года. Основание OpenAI. Июнь 2018 года. Релиз GPT-1. Ноябрь 2022 года. Запуск ChatGPT, собравший 1 млн пользователей за 5 дней. Февраль 2023 года. 100 млн пользователей. Март 2023-го. GPT-4. Август 2024-го. 200 млн. Ноябрь 2024-го. 300 млн. Февраль 2025-го. 400 млн. Октябрь 2025-го. 800 миллионов еженедельных пользователей.

За этими цифрами и датами скрывается не просто отчёт о проделанной работе. Это история самого стремительного технологического рывка в современной истории. Рывка, который превратил “безумную идею” горстки энтузиастов в инструмент, без которого сегодня многие из нас не мыслят своего рабочего дня.

История OpenAI и ChatGPT – это не просто хронология релизов. Это история о том, как смелая идея прошла путь от “игрушечного” прототипа до инфраструктуры, которой пользуются миллиарды. Мы решили собрать ключевые вехи этого пути в одной статье, чтобы показать, как именно разворачивалась эта революция.

Пройдём по этой временной линии вместе – от первых моделей до систем, ставших неотъемлемой частью цифрового ландшафта.

Добро пожаловать в историю!

Приобрел AirPods 4 ANC на маркетплейсе, сперва наушники произвели впечатление оригинала, но после пристального изучения стало ясно, что это подделка. Продавец пошел в отказ, но наушники были возвращены ему через жалобу в поддержку маркетплейса. После этого я купил оригинальные в проверенном магазине. Отличить подделку от оригинала стало очень сложно!

Сравним разные варианты реализации блокировок с точки зрения накладных расходов. mutex, ptr, atomic в нескольких вариантах. Рассматриваем случай без контеншена.

Полный обзор нейросети для генерации видео Sora 2 и как использовать ее в России. Разбираем главные фишки, возможности, ошибки и отличия от других ИИ и рабочие способы обхода блокировок в 2026 году.

Всем добрый день!

Сегодня поговорим о цифровизации гальванического производства. На данный момент значительного уровня цифровизации участка гальванических покрытий мне наблюдать не приходилось. Многие производства в России до сих пор работают в ручном режиме, но ситуация меняется, хоть и не быстро.

Статью построю таким образом: сперва обзор того, что уже сейчас широко применяется, а потом краткие соображения, какие решения ещё можно применить.

Привет, Хабр!

В прошлой статье я рассказывал, как с нуля собрал и выкатил в прод Telegram‑бота для (само)дисциплины: aiogram 3, APScheduler, таймзоны, деплой на VDS — классический технарский (хотя сам не особо технарь) pet‑project.

Родилось все как-то само - идея была простая: один фокус на день, утреннее напоминание, вечерний чек‑ин, немного ачивок для настроения — без геймификации «ради фич», без социальных механик, без подписки и смс.

Бот решал мою задачу, просто делать рутинные дела, превращая это в ритуал. Все до противного банально: зарядка, чтение обучающих статей. И поначалу этого хватало, чтобы сказать себе: «ну всё, сделал и можно жить дальше».

Но потом я вошел в азарт. Выложил статью на Хабр, подключились первые пользователи, кто‑то держал серии по 7/14 дней, кто‑то молча уходил, кто‑то присылал честный фидбек, но фидбека было мало конечно.

Февраль 2026 года подвел жирную черту под романтическим периодом развития GenAI. Маски сброшены.

То, что начиналось как научные институты по спасению человечества, к середине месяца окончательно оформилось в жесткий Big Tech. Мы наблюдаем синхронный исход ключевых фигур из OpenAI, Anthropic и xAI. И это не просто смена работы «ради новых вызовов». Это прямые публичные предостережения.

Параллельно OpenAI начинает внедрение рекламной модели. А это, в свою очередь, ставит крест на первоначальной концепции «AI как инструмент».

Попробуем написать игру на Godot силами бесплатного ИИ: Visual Studio Code, Kilo-code, Gemini CLI, Qwen CLI.

Прохождение средней Linux машины на платформе HackTheBox под названием FluxCapacitor. Предварительно нужно подключиться к площадке HackTheBox по VPN. Желательно использоваться отдельную виртуальную машину. Будет рассмотрен WAF и попытки его обойти.

Еще недавно ИИ был набором экспериментальных фич. В 2026 году мы видим, как он превращается в «невидимую инфраструктуру». По прогнозам Goldman Sachs, расходы на ИИ превысили $500 млрд, но главная новость не в деньгах, а в архитектуре: ИИ консолидируется в суперприложения и агентные системы, которые берут на себя управление рабочими процессами.

Разбираем пять трендов, которые определяют, как мы будем кодить, строить бизнес и управлять данными в ближайшие годы.

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!