Kurgan-Telecom Ru | Информационные технологии

Приходилось ли вам браться за задачу, из-за которой прошлый разработчик успел выгореть и сменить компанию? Что ж, мне удалось с такой столкнуться — c задачей обеспечения безопасного локального хранения файлов, которые пользователь загружает в приложение, например, общаясь с технической поддержкой в чате. Обо всех деталях и во всех подробностях я и расскажу в данной статье.

Проблема предвзятости или необъективности мнений возникла задолго до создания нейросетей и ИИ, и она имеет несколько вариантов решения, один из которых предложил русский писатель Федор Михайлович Достоевский: он использовал особый способ рассуждений, который он назвал реализмом в высшем смысле. Этот способ вполне подходит для ИИ, хотя, конечно, способ мышления нейросетей значительно отличается от человеческого. Но у них есть много общего.

Проблема предвзятости нейросетей и ИИ (в дальнейшем будем использовать эти термины как синонимы – для удобства) привлекает все большее внимание, что вызвано ростом их влияния на формирование общественного мнения. В частности, этой теме посвящена статья «ChatGPT: Измеряет ли ИИ политическую предвзятость человечнее человека?». Исследователи подчеркнули, что «Необъективный ИИ может усугублять социальную поляризацию, распространять дезинформацию и дискриминировать отдельные группы населения».

Известно, что предвзятость ИИ является следствием предвзятости, присущей человеческому обществу. Однако я не встречал в статьях о нейросетях упоминаний о том, что многие мыслители задолго до возникновения ИИ пытались преодолеть предвзятость человеческого общества, и некоторые в этом деле очень даже преуспели. В частности, это пытался сделать Федор Михайлович Достоевский, который использовал свой собственный способ мышления, который он назвал реализмом в высшем смысле.

Его подход существенно отличается от подхода, который считается эталоном в ИИ, когда под объективностью понимается представление ИИ сбалансированной картины по тому или иному вопросу, для чего нейросеть излагает аргументы разных сторон по спорным вопросам.

Как автоматизировать процесс обработки рекламаций с помощью ИИ?

Кейс о том, как мы внедрили систему отслеживания рекламаций на производстве с использованием искусственного интеллекта.

Kafka часто воспринимается как система, гарантирующая доставку сообщений и Exactly Once Semantics. Однако в реальных распределённых системах эти гарантии заканчиваются на границе брокера.

Сообщение может потеряться между записью в базу данных и публикацией события, а может быть обработано повторно при сбое сервиса.

В этой статье разберём:

Привет, Хабр!

Прикрутил к reley браузеру openclaw навык для поиска, отклика на вакансии и поднятия резюме на HH в топ. Все автоматически, по расписанию, оптимизировано скриптами для меньшего потребления токенов. У меня стало уходить примерно в три раза меньше времени на поиски, и я могу сосредоточиться на выборе вакансий, а не на прохождении ритуалов по типу поднятия резюме в топе. Хотел-бы я так сказать. Как это было на самом деле и что получилось, расскажу подробнее.

Согласно геймерской интерпретации реальности мы находимся в игре, и мы это не мы, а аватары игроков. Данная концепция прекрасно ложится на современный мир, когда религиозные представления кажутся устаревшими, а чисто атеистический подход не снимает страха смерти. Но насколько она соответствует научной картине мира? Или это просто очередная красивая сказка, которую мы сами себе рассказываем?

Главный вопрос как понять является ли наша реальность реальной или виртуальной? Когда играешь в игру на компьютере, то все просто. Вот игра на экране и ее виртуальная реальность, а вот реальная реальность, в которой я нахожусь. Их можно легко и четко отделить друг от друга. А вот когда ты аватар в игре и видишь только свою реальность, то все несколько сложнее. Но не совсем безнадежно. Давайте присмотримся к игроку за компьютером и попытаемся сформулировать принципы, по которым мы можем отличить реальность от виртуальности.

После блокировки Telegram в России потребовалась альтернатива для уведомлений из Zabbix. Разбираемся, как интегрировать отечественный мессенджер Max через Webhook, с какими проблемами столкнулся и как их решил.

В данной статье мы разберем немаловажные регистры бухгалтерии и способы оптимизации запросов к СУБД при работе с ними для решения реальных задач.

Попытка посмотреть на архитектуру систем сетевой безопасности через призму 4 млрд лет эволюционных экспериментов от директора компании Дмитрия Хомутова.

Рассказ технолога о том, как делают сложные платы и почему там все не как в двухслойках.

Мы уже много говорили про проектирование отверстий, про разницу между высокоскоростными и высокочастотными платами. Но сегодня заберемся в самую глубину — буквально. Поговорим о многослойных печатных платах.

Однослойные и двухслойные платы — это классика, с нее все начинали. Но когда устройство становится сложным, миниатюрным и быстрым, без многослойки не обойтись. Четыре, шесть, восемь и больше слоев — это уже не просто «еще одна плата», это совсем другой уровень проектирования и производства.

Почему многослойка — это отдельный мир?

Внешне четырехслойная плата может выглядеть как двухслойная — ну подумаешь, толщина чуть больше, а иногда такая же. Но внутри это пирог, в котором каждый слой живет своей жизнью:

Когда говорят про создание сайтов с помощью ИИ, обычно звучат две крайности: либо магия уровня «нажал кнопку — получил готовый продукт», либо скепсис в духе «потом всё равно придется переписывать руками». А что, если проверить?

Привет! Меня зовут Кристина. Я работаю специалистом по автоматизации в Учебном центре IT-компании «Тензор». Недавно заказчик попросил меня сделать рабочий сайт максимально быстро. Четкого ТЗ и готового дизайна не было — только общее видение. Знакомая ситуация? На практике это происходит сплошь и рядом. Здесь как раз важно уметь работать в условиях неопределенности.

Так как старые решения не подходили, я решила пойти ва-банк и довериться искусственному интеллекту. Получится ли собрать рабочий сайт с помощью ИИ, если умеешь работать с кодом и задавать правильные вопросы?

Спойлер: получится. Но не совсем так, как многие представляют.

Эпоха 1: Точность на обучении 21.10%, на валидации 94.55%
Высокая валидация на первой эпохе — случайное совпадение. Модель ещё не обучилась, но случайная инициализация весов дала хороший результат на маленькой валидационной выборке.

Эпоха 2-3: Точность на валидации упала до 0%
Модель начала переобучаться на обучающей выборке. Это нормальное явление на ранних этапах обучения.

Эпоха 20: Стабилизация на уровне 78.90% (train) и 27.27% (val)
Начало сходимости модели. После этой эпохи точность на валидации начинает расти.
....
и это всё было на ресурсах Goole-Colab, даже не всегда получалось попасть на GPU. От сюда и выбор размерности батча, для обучения

Я давно уже не писал никаких заметок по-русски. А на эту тему - очень давно. Лет десять наверное точно, а может и больше.

Почему решил написать сейчас? Потому что, как я вдруг заметил, практически никто на эту тему уже примерно столько же ничего особо содержательного не писал. Да, продолжались какие-то споры — но всё об одном и том же, по кругу, но все было понятно что все уже давно при своём мнении и обсуждать-то особо и больше и нечего.

Но вот тут недавно в ответ на давно уже доведённые до автоматизма аргументы (не сказать штампы) в комментарии (который я не сдержался и написал, хотя много раз давал себе зарок на такие темы сдерживаться), я увидел очень стандартный и привычный мне ответ. И вдруг обратил внимание на ник отвечающего - в нём был год, можно предположить что рождения. Вполне взрослого и сформировавшегося уже человека, вероятно профессионала, вероятно весьма неглупого. Но год рождения, совпадающий с годом рождения одного из моих детей. И я вдруг подумал, что ни он, ни мой сын - они же никогда этих наших дискуссий не видели, и ничего этого не читали. Они ещё учились в школе. Да, они видели как их родители принимали одни или другие решения, но сами они в этих решениях не участвовали никак. А теперь пришла и их пора возможно задуматься о том же самом.

Благо, задумываться ещё можно, потому что возможности пока ещё есть.

Итак, "тема сегодняшнего занятия" (ц) - эмиграция. Да, то самое "пора валить" (имени давно почившего знаменитого сообщества в когда-то живом журнале).

Дисклеймер - эта заметка не призыв к дискуссии. Пожалуйста, если вам не нравится эта тема или не нравится сама идея - пройдите мимо. Здесь я просто хочу рассказать о собственном опыте и об опыте многих моих знакомых из самых разных стран, уехавших жить в другие страны. У кого-то из них (у большинства) получилось, у кого-то нет.

Компания одного человека в 2026 году больше не означает, что вы делаете всё сами. Теперь это значит, что вы руководите целым штатом ИИ-агентов и сосредоточены на стратегии. Вышедший на пике этого тренда фреймворк Paperclip делает эту модель массовой. Он забирает у соло-основателей хаос из десятков разрозненных скриптов и внедряет для нейросетей то, к чему привыкли люди: жесткую организационную структуру, трекер задач, систему бюджетирования и корпоративное управление.

В начале 2026 года индустрия столкнулась с неожиданным кризисом: искусственный интеллект стал достаточно хорош, чтобы работать без надзора, но слишком хаотичен, чтобы работать в команде. Пока одиночные агенты вроде Felix (создан разработчиком Нэтом Элиасоном) приносили своим создателям более 100 000 долларов выручки, управление роем из пятнадцати или двадцати подобных ботов превращалось в логистический кошмар. Разработчики теряли сотни долларов из-за зацикленных скриптов и забывали, какую задачу выполняет каждая из открытых вкладок терминала.

Ответом на этот «координационный налог» стал запуск Paperclip — системы с открытым исходным кодом, которая переносит принципы корпоративной бюрократии на управление нейросетями.

Каждый пуш в main — и ты зажмуриваешься на 2 минуты: 502 или пронесло? Знакомо? Сотни разработчиков сталкиваются с этим при деплое Next.js на VPS. Решение — буквально замена одной команды и удаление одной строки. В статье: конкретный рецепт zero-downtime с PM2 cluster mode, две главные ловушки (restart vs reload и rm -rf .next), расчёт сэкономленных денег, и честное сравнение с Kubernetes.

Олды-радиолюбители помнят, как когда-то делались печатные платы: цапон-лак, подкрашенный чернилами от шариковой ручки, стеклянный рейсфедр или просто заточенная спичка, банка с хлорным железом...
Потом была Лазерно-Утюжная Технология, испорченные утюги и пригоревшие бумажки.

В наше время, конечно, можно заказать фабричное изготовление - но это сроки.
Если периодически нужны штучные вещи, например, прототип какого-нибудь устройства, и срочно - буквально вот прям сегодня - все это можно сделать самому, и довольно просто.
Нет, ЛУТ это конечно тоже работает, но с нюансами. Гораздо лучше использовать фоторезист, особенно если отработать технологию.

Вам не кажется это странным? Каждый день появляются статьи, в которых неопровержимо доказывается, что колоссальные инвестиции в ИИ никогда не окупятся. Расчеты показывают, что выручка не покрывает затрат, убытки растут, а крупнейшие игроки как будто интернет себе отключили, статей не читают и продолжают инвестировать огромные деньги в то, что скоро, вот буквально на днях, должно неминуемо обрушиться и утянуть за собой всю экономику развитых стран.

Привет всем! Хочу поделиться небольшим личным проектом, который родился из чистой бытовой необходимости. Я давно хотел иметь возможность удаленно поглядывать на свою дачу, особенно когда уезжаю на несколько недель. Готовые решения в духе "умных камер" меня не совсем устраивают: то подписки дорогие, то Privacy Policy сомнительная, то функционал избыточный. В итоге я решил, что проще и надежнее будет написать свою собственную утилиту.

В этом тексте я покажу как собрать прошивку при помощи компилятора IAR и GNU Make файлов.

Собрать прошивку компилятором IAR с помощью GNU Make — это не просто возможно, это стандартный подход для автоматизации сборки, например, на CI/CD серверах, где использование IDE неудобно. IAR поставляется с набором консольных утилит, которые делают этот процесс вполне прямолинейным.

Хорошие статьи на хабре подразделяются на две категории. Задротские экспертные статьи. И статьи для широкого пользователя. И если с первой категорией все понятно, то вторая вызывает вопросы. Что же эта за статья с широким охватом, что может нести ценность. В какой момент она скатывается в обывательство, дешевизну, пустышку, чистый кликбейт без ценности стоящей за кликбейтом?

Далее идет список статей которые я посчитал хорошими. Причем они как хороши по качеству, так и хороши по плюсам закладкам и комментам. То есть их ценит сообщество. Заплюсованная, читаемая статья имеет положительную обратную связь, а значит больше шансов, что эта статья, тема, ее развитие, ее чтение повторится.

Довольно печальная история, которая содержит хорошие статьи, но они не популярны, не читаемы, не заплюсованы, не откомменчены. Это печальная история. Но это уже другая история, не история данного материала — текущей статьи. Я в данном материала полностью сосредоточился на одной теме, как же выглядят хорошие статьи для широкого пользователя?