Kurgan-Telecom Ru | Информационные технологии

Немецкий разработчик с ником bitluni потратил около полугода на создание одной из самых необычных DIY-систем. Вместо того чтобы использовать готовый графический процессор или FPGA, он решил построить аналог графического ускорителя из 8 192 недорогих RISC-V микроконтроллеров. Их он объединил в единую иерархическую структуру.

Энтузиаст хотел показать, насколько далеко можно зайти, используя самые простые и доступные компоненты. По пути нашему герою пришлось решать задачи синхронизации тысяч микроконтроллеров, организации питания, автоматической прошивки и обмена данными между всеми узлами системы. Именно этим проект и интересен. Давайте посмотрим, что здесь и как работает.

Знакомо ли вам ощущение, лежишь в кровати и тут бзззззз, и оно потом улетело, потом снова, и все уже не хочется спать. И не столь от этой бзз, сколь от …, а от чего? Почему это так раздражает и съедает столько внутреннего ресурса?

Куда же уходит когнитивный ресурс?

Ну тут как бы с какой стороны посмотреть. Можно стать сверхчеловеком и даже сложные, пиково сложные дела делать Или длительную когнитивную нагрузку держать. Взять вес и держать и раскачаться, от регулярного упражнения. Или и то и то: и большой вес и долго.

Можно получше сделать восстановление. Кстати, про восстановления я писал(ссылка).

Но стоит смотреть и то что же съедает, куда он тратится, утекает, этот самый когнитивный ресурс. И затем уже как-то так построить бытие, чтобы бесполезные и затратные дал выбросить. А полезные и затратные организовать таким образом, чтобы выхлоп с них был наибольший, а выгорание наименьшее.

Был еще такой парень как Спирмен, создатель концепции g-фактора. Великий ученый говорил о некой ментальной энергии. И хотя по Спирмену это нечто от чего один человек умный, а другой не очень, все же быть может и есть зерно истины в словах гения. Быть может если в роли ментальной энергии рассматривать некий мыслительный ресурс, то в случае его окончания, заканчивается и все возможности, какой бы гений ни был. Без топлива машина не едет, даже если она очень мощная.

Я вот сейчас пишу материал из области философско-био-психо-нейронаук и ещё непонятно чего. Пытаюсь ответить и думаю над вопросом «что такое интеллект?». И я не хочу это открывать. Чем дальше тем страшнее. Потому задался вопросом, а почему, почему именно я не хочу это открывать? Как более точно описать состояние и причину такого дистанцирования?

Жизнь за счёт света — опасная игра. Солнечные лучи не только несут ультрафиолетовые волны, способные разрывать цепи ДНК и разрушать молекулы, но и резко меняют свою интенсивность. Растениям приходится выживать и процветать как в мягком утреннем свете, так и в палящем летнем солнце, то находясь в тени, то под прямыми лучами. Солнечная энергия поступает к ним то тонкой струйкой, то мощным потоком.

«Представьте себе, что облако закрывает солнце, а потом вдруг уходит, и солнечный луч попадает на лист, — говорит Нико Шрамма, биофизик из Медицинского центра Амстердамского университета. — Что-то должно произойти, потому что интенсивность может измениться в сто раз».

Растения не пассивны. Они реагируют на окружение соответственно. Они могут переориентироваться, поворачивая листья и стебли в поисках солнечных лучей или тени, но этот механизм работает в масштабе минут или часов. Для более тонких реакций необходимо, чтобы их клетки также мобилизовались. Внутри каждой растительной клетки находятся хлоропласты — органеллы в форме дисков, которые преобразуют солнечный свет в сахара. И хотя растения вынуждены оставаться в основном неподвижными, хлоропласты — нет.

Когда в конце 2022 года мир впервые массово услышал о ChatGPT, Ричард Мэнсфилд, автор более 45 книг по компьютерной тематике, уже давно следил за развитием искусственного интеллекта. Однако именно с этого момента он посвятил сотни часов изучению всех ведущих систем — GPT, Claude, Gemini, Midjourney, Perplexity — не как сторонний наблюдатель, а как практик, стремящийся превратить их мощь в реальный рабочий инструмент.

Результатом этих изысканий стала книга WordPress Power Toolkit, вышедшая в издательстве Manning. В ней автор рассматривает современные мультимодальные системы, включая GPT-4o, Claude 3.5 Sonnet и Gemini 1.5 Pro, демонстрируя подходы, которые остаются актуальными независимо от того, какая именно модель стоит «под капотом». Мэнсфилд учит не привязываться к конкретному ИИ, а овладеть универсальным навыком промпт-инжиниринга, который работает с любым современным искусственным интеллектом — будь то западный или российский.

Мы с братом вдвоём разрабатываем WorkHub. До этого у нас не было профильного образования и опыта создания цифровых продуктов. Мы не работали внутри IT‑команд и не проходили путь от стажёра до разработчика. Возможность начать появилась во многом благодаря ИИ‑инструментам.

Я, в основном, отвечаю за продуктовую документацию, проработку функций и тексты. Код мы пишем вместе. Брат сильнее влияет на общее видение продукта и занимается аналитикой. Жёсткого разделения ролей у нас нет: небольшие UX‑проблемы, разработку и проверку реализации мы часто разбираем совместно.

Здравствуйте, меня зовут Егор Литвиненко. Я — разработчик с 13-летним стажем. Сейчас занимаюсь заказной разработкой, внедрением и автоматизацией, оптимизацией затрат на ИТ.

В этой статье поговорим о том, как устроено ИТ в Автономной некоммерческой организации "Синяя Птица".

По-настоящему важные данные нельзя держать в одном единственном месте — их нужно диверсифицировать.
Можно хранить всё дома и однажды вернуться с прогулки, а вместо дома и драгоценного компьютера — одни обугленные руины.
Можно носить всё с собой в телефоне, но лишиться его в первом же кафе, где аппарат вытащит у вас из кармана воришка.
Можно загрузить всё на надёжный сервер крупной корпорации, но в один прекрасный день эта корпорация введёт против вас санкции или просто заблокирует доступ к вашему же аккаунту.
У каждого отдельного хранилища есть свой собственный способ вас подвести.

Вот ровно эту проблему я и попытался решить.

Парадокс большинства контакт‑центров банковов: требования к операторам растут, а средний срок жизни сотрудника на линии сокращается. Новичку нужно за несколько недель освоить линейку продуктов, регламенты по страшным аббревиатурам ПОД/ФТ (противодействие отмыванию денег / финансированию терроризма) и ЗСК, оно же KYC (знай своего клиента — know your customer), правила работы с персональными данными, системой управления клиентами (CRM) и телефонией — и при этом научиться спокойно разговаривать с клиентом, который приходит не с учебными кейсами, а с реальными проблемами.

Китайское оборудование иногда просто волшебное. Это обошлось нам в примерно год ада, нежелание механиков подходить к объекту, лютую сложность с поиском людей на поддержку и кучу страданий клиентов боулингов.

Когда вы сбиваете кегли, они выставляются заново на дорожку. Делает это машина за 2 миллиона рублей, похожая на механический аппарат для заряжания. С 2014 года поставка таких аппаратов американского производства в Россию прекратилась. С другой стороны, Россия в 2000 году была №1 по объёмам закупок этого оборудования по миру, поэтому внутри страны ещё очень много таких машин.

Возраст не проблема, там в основном механика, они как самолёты, работают, пока могут.

Запчасти поставляются, целые машины — нет. Но собрать из запчастей не выйдет, поставляются только те, что поддаются износу.

Обычный путь открытия боулинга — найти труп предыдущего боулинга и выкупить оборудование. Но мы только за год построили почти сотню дорожек, и в какой-то момент просто выкупили весь доступный б/у фонд в стране. Вторичный рынок опустел.

Второй вариант по миру — китайский производитель. Они сделали полную копию американского оборудования с полной совместимостью по запчастям и даже наклеили кое-где американские шильдики.

Мы посмотрели на выставке их железо, заглянули внутрь, всё измерили и ощупали. Оно было отличным. Потом мы съездили на завод, осмотрели его, там отгрузки по всему миру и очень большими объёмами.

Подписались, заказали и встряли в ад. 45 миллионов рублей — это не считая сожженных нервов, простоев, зарплат за это время и репутационных рисков.

Естественно, всё, что могло пойти не так, пошло не так. По возможности, не повторяйте наших ошибок )

Привет, Хабр!

Когда вы пишете вот такую строчку:

const N: u64 = fib(50);

внутри компилятора происходит странное. rustc не генерирует машинный код для fib, не зовёт процессор и не подставляет ответ откуда-то сбоку. Он берёт вашу функцию, разворачивает её в промежуточное представление и исполняет шаг за шагом прямо у себя внутри, на маленькой виртуальной машине.

И вот вопрос, на который мало кто может ответить с ходу: а кто конкретно это исполняет? Где живёт тот интерпретатор? Почему 255 + 1 в const падает с ошибкой компиляции, а в рантайме просто паникует? Почему можно посчитать таблицу из тысячи элементов циклом, но нельзя написать if a < b для дженерика? И почему 0.0 / 0.0 в const официально разрешили вести себя недетерминированно?

Погнали разбираться.

Интернет — это зависимость без зафиксированной версии. Сегодня он возвращает одно, завтра — другое, а послезавтра — ничего. Поэтому мы решили сохранить для сборки тот интернет, который она однажды увидела. Для этого пришлось перехватывать HTTPS, выпускать собственные сертификаты, переподписывать индексы Debian и выяснять, почему Docker отправляет «случайные» заголовки.

В этой статье я расскажу, как разрабатывал кеширующую MITM-проксю, которая перехватывает весь HTTP/HTTPS-трафик и отдаёт ранее сохранённые ответы. Разберём также неочевидные технические проблемы, с которыми пришлось столкнуться.

Интернет — это зависимость без зафиксированной версии. Сегодня он возвращает одно, завтра — другое, а послезавтра — ничего. Поэтому мы решили сохранить для сборки тот интернет, который она однажды увидела. Для этого пришлось перехватывать HTTPS, выпускать собственные сертификаты, переподписывать индексы Debian и выяснять, почему Docker отправляет «случайные» заголовки.

В этой статье я расскажу, как разрабатывал кеширующую MITM-проксю, которая перехватывает весь HTTP/HTTPS-трафик и отдаёт ранее сохранённые ответы. Разберём также неочевидные технические проблемы, с которыми пришлось столкнуться.

В статье — набор показателей, с помощью которых можно быстро понять состояние команды и управлять процессом поставки. Он помог нам увеличить пропускную способность на 39% и сэкономить компании 112 миллионов рублей.

Генерация изображений в последнее время заметно продвинулась и справляется даже с тонкими задачами на высоком уровне. За последние два года я с базовыми знаниями в дизайне оформлял книги, готовил иллюстрации для статей, собирал презентации и решал графические задачи в коммерческих проектах — и вынес из этого одно: универсальной модели не существует. Каждая архитектура сильна в своей нише, а выбор инструмента стал такой же частью работы, как и сам промпт.

Работая с Midjourney, DALL-E 3, FLUX, Hunyuan-DiT, Wanxiang и Seedream, я заметил: один и тот же запрос в разных системах давал принципиально разные результаты — и дело было не в стилистике. Одни модели буквально расставляли объекты по местам, как в инструкции. Другие могли проигнорировать часть описания, зато выдавали плотность деталей и сложность ракурсов, недоступную первым.

Сначала я списывал это на языковой барьер — казалось, что западные и китайские системы по-разному интерпретируют запрос. Но список причин быстро расширился: датасеты, токенизаторы, глубина текстовых энкодеров. Каждая деталь что-то объясняла, но общей картины не давала. За различиями стояло нечто большее — две инженерные школы, изначально оптимизировавшие разные ресурсы, а сейчас движущиеся к конвергенции.

Тут я вспомнил старый плакат из дизайн-студии нулевых: «Быстро. Дешево. Качественно. Выберите любые два». Раньше это звучало как шутка, теперь — как точное описание логики развития сложных систем.

Эта статья — попытка понять сложившуюся экономику моделей через их историю: разобрать ключевые развилки последних лет, заглянуть под капот графических движков и понять, в какие ниши сегодня выстраивается конвергенция технологий.

Как всегда, определённая часть общества выступает против развития технологий, эдакие неолуддиты. Раньше они выступали против станков, роботов, телевидения, компьютерных игр и так далее, сейчас — против ИИ и дата-центров.

Молодёжь протестует на бытовом уровне, покупая старые смартфоны и бойкотируя AI-сервисы. В поколении 18–29 лет это реально модный тренд, как плёночные фотоаппараты. Но в целом ненависть к ИИ объединяет очень широкие массы. И уже началось организованное сопротивление. Из-за протестов сорвано строительство десятков ЦОДов.

Мы в «Гельтеке» годами тихо-мирно варили из полиакрилатов медицинские гели, контактные пасты и среды для УЗИ, ЭКГ, ЭЭГ и лазера. Чем-то из этого вас мазали в больницах почти наверняка, либо вы дома пользовались нашими блефарогелями. Если что, мы появились из лаборатории НИИ «Медполимер», сотрудники которой смогли создать своё производство.  Где-то в 2010-х мы занялись другими медсредствами и ещё чуть позже — косметикой, но крупные успехи начались уже в 2020-х.

В 2022 году с рынка ушли западные бренды, и возникли две очень крутые возможности:

— Всем нужны были производители в России под их собственные торговые марки.

— И рынок освободился, можно было зайти туда со своими линейками.

Мы выбрали оба пути и арендовали для производства территорию побольше. Одну площадку в Москве, другую — в Подмосковье. 

Росли объёмы — росли и мы. В 2023 году нас было уже 300 человек, сейчас — больше тысячи. Мы официально стали крупным бизнесом, а в 2025-м перешли порог 5 миллиардов рублей оборота.

В России даже резкий рост до 1–2 миллиардов оборота — это драма и вызов: деньги вроде появились, но надо искать мотивацию, кардинально перекраивать команду и процессы. Льготы улетучиваются, прилетает дополнительное налогообложение.

У нас в стране принято в таких случаях пилить бизнес на куски и дробиться. Мы решили в эту игру не играть. Потому что следующий шаг — IPO, планируем в 2027-м.

Но чтобы выйти на IPO, сначала надо научиться управлять крупным бизнесом. Компания должна быть прозрачной насквозь и не зависеть от конкретных людей.

Естественно, всё, что могло пойти не так, пошло не так — но это часть процесса. У всех так. Поэтому мы начали наводить порядок в условиях, когда мы растём, всё горит и правила игры меняются каждый месяц.

В настоящее время основным направлением развития экономики и производства является повышение производительности труда. В Современном экономическом словаре, Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б., 2-е изд., испр. М: ИНФРА-М. 479 с., 1999, этому понятию дается следующее определение:

Производительность труда – показатель эффективности использования ресурсов труда, трудового фактора. Измеряется количеством продукции в натуральном или денежном выражении, произведенным одним работником за определенное, фиксированное время (час, день, месяц, год).

Из определения явствует, что трудовым ресурсом является человек (работник), который производит продукцию с определенной интенсивностью за фиксированное время. Измерять результат его труда можно как в количественном, так и в денежном выражении. Главным образом этот показатель эффективности использования ресурсов труда применяется в производстве материального продукта, где его расчет не представляет трудностей. А как быть с расчетом производительности труда, когда его продуктом является: услуга, работа, информация? В настоящей статье этот вопрос рассматриваться не будет, так как это отдельная тема, требующая внимательного изучения.

Всю деятельность любой компании можно разделить на следующие ее составляющие:

·  Основная деятельность.

·  Вспомогательная деятельность.

·  Обеспечивающая деятельность.

·  Управленческая деятельность.

1.  Рассмотрим основную деятельность на производственном предприятии.

На производственном предприятии к основной деятельности можно отнести само производство продукции и все, что этому непосредственно относится, а именно:

Если вы Java-разработчик, которому нужно поднять TLS 1.3 на ГОСТ, создать ГОСТ-сертификаты, подписать документ CAdES, создать свой УЦ, сделать шифрование и подпись на Android — эта статья для вас. Все примеры в этой статье одинаково работают что на JVM 21, что на Android 12+.

crypto-gost —   криптографическая библиотека алгоритмов ГОСТ на Java 21+ и Android 12+, а также сопутствующая обвязка вокруг них, позволяющая в полной мере внедрить ГОСТ в инфраструктуру Java. Библиотека предназначена для любых коммерческих проектов, личных проектов и сред тестирования.

Первый профессиональный навигатор по качественным исследованиям в бизнесе – который увлекает, объясняет сложное на конкретных примерах и помогает увереннее ориентироваться в мире исследований.  Авторы – исследователи-практики с профильным образованием: социальный психолог Константин Ефимов и Анастасия Жичкина, кандидат психологических наук.

Полностью книга называется: «Качественные исследования в бизнесе. Практическое руководство для исследователей, дизайнеров, продактов и стратегов». Объем: 392 страницы. Вес – 1 килограмм.

Основная проблема с литературой про исследования – в том, что ее нет. Нет признанных источников, к которым можно адресовать человека, желающего разобраться в теме, если не считать AI. Есть масса статей с описаниями конкретных практик и кейсов, но они касаются каких-то частных случаев: кто-то сделал фишечку, получилось прикольно. До сих пор очень не хватало текста – или текстов – которые объединяли бы эти фишечки в систему и который можно было бы читать как роман – с началом, сюжетом и завершением.

Такого источника нет не только на русском языке, но и на английском – существующие руководства либо слишком академические, либо совсем простые. Не хватало насыщенного описания процесса исследований, со сложностями и подводными камнями. Гладко все бывает только в мануале и в отчете, а в реальности, как правило, происходит непонятно что. Эта книга показывает, как обрабатывать это «непонятно что» - как исследования помогают в принятии решений в бизнесе, со всеми сложностями этого процесса, на конкретных примерах. Масса интересных кейсов разных бизнес-решений, в том числе провальных.

Привет, Хабр! Меня зовут Владимир, и это третья часть цикла статей по написании и обучению небольшой decoder-only LLM с нуля. В первой части мы обучили токенизатор и собрали pretrain-датасет, во второй части реализовали класс Трансформер-блока. В этой части будем собирать и предобучать нашу LLM.