Kurgan-Telecom Ru | Информационные технологии

26 октября 2026 года компания Axiom Math сообщила о завершении полной формализации Теоремы о классификации простых конечных групп.

В международном математическом сообществе теорема известна как CFSG — Classification of Finite Simple Groups. Эта фундаментальная теорема перечисляет все строительные блоки, из которых состоят конечные простые математические группы.

Теорема утверждает, что любая конечная простая группа относится только к одному из четырех типов и никаких других типов конечных простых групп не существует.

В текущем виде доказательство занимает более 15 тысяч страниц, разбросанных по более чем 500 статьям. За это теорему о классификацию прозвали Огромной теоремой.

Меня всегда интересовало инженерное 3D-моделирование, но руки так и не дошли освоить его в должной степени. Зато я весьма неплохо научился работать с ИИ-агентами. Поэтому было решено перенести весь этот опыт в плоскость инженерных задач.Так появился плагин, через который LLM-агент работает в КОМПАС-3D: открывает модели, строит и правит детали и сборки, оформляет чертежи.

В статье — один сквозной пример от расчёта до комплекта КД + как это устроено (без глубокого погружения), цифры на реальных задачах и честный список того, где агент пока ошибается.

На Хабре уже есть статья о том, как работать с SD-картами в DMA режиме на микроконтроллерах STM32, поэтому я думал, что на STM32H7 будет также просто это реализовать.

На деле же оказалось, что такой мощный чип хранит в себе подводные камни, и реализация работы с SD-картой при помощи DMA требует лучшего понимания архитектуры STM32.

Последние пару лет мы наблюдаем классическую ошибку выжившего на масштабе целой индустрии. Вендоры показывают нам синтетические бенчмарки, где AI пишет микросервис за три минуты, а продуктовые менеджеры требуют сократить time-to-market вдвое. Я руковожу архитектурной функцией достаточно давно, чтобы понимать, что написание кода никогда не было узким горлышком в энтерпрайзе. Узким горлышком всегда была интеграция нового куска логики в существующий ландшафт с его легаси, регуляторикой и ограничениями ИБ.

С приходом LLM-агентов и генеративного ИИ наша профессия не просто изменилась, а дала трещину по базовым абстракциям. Мы всю жизнь строили детерминированные системы, где одни и те же входные данные гарантируют один и тот же результат. А сегодня вынуждены встраивать в ядро банковских систем вероятностные компоненты, которые при каждом вызове могут вести себя немного иначе.

Ниже — детальный разбор того, что на самом деле происходит с разработкой, почему глобальные фреймворки разбиваются о нашу суверенную реальность и как именно мы перестраиваем процессы проектирования (Enterprise, Solution, Software) в 2026 году. Без футурологии. Только то, что работает и ломается на проде.

В ноябре на вебинарах Инфостарта разберём четыре практические задачи: роботизацию рутинных операций, расчёт укладки товаров на палеты, поиск причин сложных сбоев в 1С и автоматизацию учебных центров. В программе - демонстрации решений, технические разборы и опыт внедрения.

Ты решил создать свою первую игру. Ура! Но с чего начать? С изучения матчасти, конечно же. А в ней говорится, что каждый уважающий себя геймдизайнер сначала должен написать дизайн-документ.

Давайте мы сразу договоримся — я знаю, что такое чистый код, ООП, SOLID, KISS и ещё куча других умных аббревиатур (знаю и понимаю всё ещё разные вещи, кстати). Весь код, который тут представлен, не является учебным пособием, примером «как надо» или ещё чем‑то в этом роде. Всё, что тут есть, это лишь риск прострелить себе колени. Осознанно.

Порассуждаем о том, на чём мы будем писать код в ближайшие годы. Появятся ли ещё новые языки, если нейронка умеет хорошо писать только на тех, что видела при обучении? Кто платит за Rust, Python и Zig? Переживут ли PHP и 1С эпоху агентов? И чем будут заниматься те, кто продолжит программировать?

Прошла очередная конференция SQAdays. Половина выступлений была посвящена использованию ИИ, и они носят вполне прагматичный характер освоения нового инструмента, который вошел в арсенал наряду с другими технологиями. Но были и обзорные выступления и круглые столы для осмысления изменений в целом. Мне лично в ходе обсуждений удалось получить картину будущего, когда нынешняя разработка схлопнется между discovery с вайбкодингом прототипов tiny team из бизнеса и технаря с одной стороны, и расширенной devops-командой, которая будет такие приложения подхватывать. И тестировщику надо выбирать свой путь в новом мире. А еще я засек, что для одних качество приложения – прагматичное понятие, описываемое метриками, а для других остается сакральной ценностью и недостижимым идеалом. Люди говорят о разном, но эту разницу не рефлексируют. Обо всем этом читайте в отчете вместе с конспектами выступлений.

Это вводная статья для серии материалов по классическому машинному обучению. Мы поговорим о том, как оно устроено, какие задачи решаются с помощью ML, какие инструменты используют для этого и, конечно, напишем код. Статьи будут раскрывать основополагающие идеи ML. Я предпочитаю интуитивное объяснение алгоритмов и методов формальной постановке задач и их решению, не умаляя важности последних.

Но начнем с главного — со скелета. Разберем, как работает машинное обучение, из каких этапов состоит любой алгоритм и какие задачи вообще существуют. Для понимания материала достаточно базовых знаний математики, статистики и умения работать с данными. Код на Python: pandas и numpy для данных, а в конце покажем тот же алгоритм четырьмя строками на scikit-learn.

Меня зовут Роман Стрельников, я руководитель направления информационной безопасности в 1С-Битрикс. Сегодня разберем, как ИИ изменил кибератаки и способы защиты от них, и какие интересные инциденты раскрыли компании

То, что вы сейчас прочитаете, — полный бред, во всяком случае с точки зрения физики. Но меня это не особенно беспокоит. Теория не обязана быть абсолютной истиной. Важно, чтобы она согласовывалась с наблюдениями, позволяла делать предсказания и выдерживала проверку экспериментом. Моя теория никаких научных проверок пока не проходила, зато удивительно хорошо объясняет то, что я регулярно наблюдаю при работе с искусственным интеллектом.

А началось всё с обычного сайта, нескольких заголовков и моего наивного предположения, что если исполнителю что-то запретить, он не станет этого делать.

Во второй половине октября две критические уязвимости в PHP и GitLab заставили компании по всему миру срочно обновлять серверы, а часть государственных и коммерческих сайтов на время ушла в офлайн. Обе позволяют выполнить код на сервере без авторизации, и обе затрагивают версии, выпущенные больше десяти лет назад.

Почему так произошло и что делать прямо сейчас — рассказываем в статье.

Я собирал измерительный стенд для Musical Fidelity M1, а проверять пришлось Michell Gyro SE. После перевозки и установки новой головки обычная проверка настройки превратилась в исследование медленных колебаний скорости — с советскими пластинками, смартфоном, автомобильной шумоизоляцией и искусственным интеллектом.

Я делаю прототип AR-хоррора для iPhone по «Вию» Гоголя: Home Haunt. Игра ставит историю в вашу комнату: стены кровоточат, из гроба на вашем полу встаёт мёртвая панночка. Делаю на Unity с октября: журнал проекта начинается 2 октября, к 30 октября в нём больше 50 номеров сборок. В статье про монстров: чем они сделаны, что пришлось урезать, чтобы тянул телефон, и что пока не готово.

Когда-то я работал DBA, и одной из самых нелюбимых задач было «сделать копию прода для тестов, только без персональных данных». Заменить значения несложно. Сложности начинаются на колонках с уникальным индексом.

Сейчас мы с небольшой командой разрабатываем сервис для маскирования персональных данных в PostgreSQL и SQL Server. Одной из первых серьёзных задач, с которой мы столкнулись, стала проблема уникальности данных. Ниже расскажу, к каким выводам мы пришли: почему случайная замена может приводить к дубликатам, во что обходится их устранение и как перестановка с сохранением формата (format-preserving encryption, FPE) позволяет сохранить уникальность без проверок на занятость значений. В конце разберём, где заканчиваются гарантии этого подхода и чего он не позволяет добиться.

В понедельник сотруднику понадобился доступ к корпоративной системе. Он написал руководителю, тот отправил его в IT. Там попросили согласование службы безопасности. Безопасность уточнила, какие права нужны, на какую систему и кто её владелец. К среде участники переписки разобрались, кто должен согласовать заявку. Доступа пока нет, работа стоит, зато сотрудник уже многое узнал об устройстве компании.

29 октября из Binance, крупнейшей криптобиржи мира, вывели около $6,3 млрд. По первой версии самой биржи, всё началось со скомпрометированного ноутбука DevOps-инженера.

Через ноутбук атакующий добрался до service container и оттуда отправил транзакции на вывод. Ключи от кошельков не утекли: транзакции подписала сама система биржи, потому что запрос пришёл изнутри.

Криптовалюта здесь вторична. Мне интереснее другое: задачи по безопасности у нас месяцами лежат в бэклоге, а ноутбук инженера с доступом в прод остаётся самым удобным входом в компанию.

Работаете над одним проектом в ChatGPT, Claude и других AI-сервисах? Тогда наверняка сталкивались с необходимостью заново передавать требования, ограничения и ранее принятые решения.

В статье покажу, как организовать общий проектный контекст с помощью GitHub, чтобы разные AI-платформы могли работать с актуальной информацией. В основе подхода - открытый проект AI Context Kit. Разберём его структуру и практический пример передачи контекста между ChatGPT и Claude.

Мы делаем «Сбор» — сервис для детских футбольных школ: расписание, посещаемость, составы на игры. В прошлой статье рассказывали, что болит у тренеров и родителей. Теперь делаем новую роль — «Организатор турнира». И первое, обо что мы споткнулись, — расписание игр. Организаторы называют его главной своей проблемой.