Kurgan-Telecom Ru | Информационные технологии

Большинство из нас, так или иначе, пользуется ChatGPT, Claude, DeepSeek. Мы просим их написать письмо, составить отчет, придумать идею, сгенерировать текст, выдать экспертное мнение, иногда - принять решение. Это удобно, быстро, эффективно.

А теперь вопрос: кто в этой связке принимает решения? Если вы думаете "конечно, я" - задержитесь на секунду. Когда вы в последний раз спорили с ответом ИИ? Когда вы в последний раз говорили: "нет, это неверно, вот почему" - и могли объяснить, почему так считаете? Когда вы в последний раз принимали решение, которое шло вразрез с рекомендацией ИИ?

Если таких случаев нет или они единичны - вы уже в зоне риска. Но есть нюанс, который делает эту проблему еще более коварной. Вы не увидите этого риска сейчас. Вы не увидите его через год. Возможно, даже через десять лет. Потому что разрушение способности мыслить - это медленная катастрофа, которая становится заметной только тогда, когда уже ничего нельзя исправить.

Эта статья возникла как необходимость поделиться результатами проведенного мной математического моделирования в направлении исследования когнитивной эволюции человечества при активном взаимодействии с ИИ, в случае когда человек делегирует самое важное, что у него есть в этом тандеме - агентность. И, как следствие, наглядно вырисовывается контур медленно надвигающейся катастрофы, о которой речь пойдет ниже. Я спроектировал модель и исследовал ее на трех временных горизонтах: 15 лет (значимый отрезок человеческой жизни), 50 лет (два поколения), 150 лет (историческая перспектива). Результаты оказались неожиданными и пугающими.

Энтузиаст Дэвид Шютц рассказал, как в рамках программы вознаграждения Tesla пересобрал бортовой компьютер компании в домашних условиях и с какими сложностями столкнулся в этом процессе.

Привет, Хабр!

Я работаю сетевым инженером в компании, которая занимается разработкой софта. В этой статье расскажу о том, как мы собираем статистику сетевого трафика, и о трудностях, с которыми столкнулись и успешно справились.

Когда речь идёт о расследовании инцидентов, связанных с безопасностью своих ресурсов, «приблизительной» статистики недостаточно — нужны подробности. Однако, встроенные в сетевое оборудование решения (вроде sFlow/NetFlow) с этим, как правило, не справляются:

Статья написана на основе интервью с Артёмом Антосиком, сооснователем производства «Сибирский след», Тюмень.

Я сам из Тобольска — второй по численности город в Тюменской области. У меня там были свои обувные магазины, и я закупал обувь на тюменской фабрике «Восход», а потом продавал её у себя. Так в 2012 году я познакомился с Юрием Федотовым — он тогда работал заместителем директора.

В 2018 году Юрий уже ушёл с фабрики. А я приехал в очередной раз — и директор, Виталий Петрович Кузнецов, говорит мне прямо: собираюсь закрываться, помещение буду сдавать в аренду. Виталию Петровичу было 83 года, и он всё ещё сам руководил производством.

Я понял, что это конец. В начале девяностых в Тюмени работало пять крупных обувных производств. К 2018 году не осталось ни одного — «Восход» догорал последним.

Мы с Виталием Петровичем договорились: я выкупаю оборудование, беру площади в аренду и забираю часть сотрудников. Позвонил Юрию, предложил войти в дело. С 2018 года мы вдвоём шьём обувь в Тюмени под маркой «Сибирский след».

Привет, Хабр!

Temporal tables позволяют следить за историями изменений уровне движка. SQL Server сам хранит полную историю изменений каждой строки — без триггеров, без дополнительного кода и без самописного аудита. Фича появилась в SQL Server 2016 и к сегодняшнему дню обросла возможностями. Разберём, как все устроено и как использовать.

В одной из сессий Claude написал у меня 47 файлов. 1 892 строки. Два новых сценария, рефакторинг шести обработчиков, миграция конфига. 38 минут.

Каждый коммит — автоматический CPG-анализ. Каждый промпт — обогащение контекстом из графа. Каждый пул-реквест — радиус поражения и оценка риска.

Не потому что я не доверяю ИИ. А потому что я не доверяю никакому генератору кода без автоматической верификации. Включая себя.

Термин «вайбкодинг» придумал Андрей Карпати: пишешь промпт — получаешь код — принимаешь результат, не всегда вчитываясь. Модель — генератор. Разработчик — проверяющий. Если повезёт.

Я довольно быстро понял, что проблема не в модели. Проблема в отсутствии конвейера верификации. Линтеры ловят синтаксис. Тесты ловят поведение. Но никто не ловит структурную деградацию — рост цикломатической сложности, расширение радиуса поражения, дрейф числовых утверждений в документации.

Привет, Хабр! Знаете это чувство, когда у тебя одновременно открыто 20 терминалов с Claude Code или Cursor, ты не помнишь, какой из них за что отвечает, какой уже сожрал 50 баксов токенов, а какой просто завис и смотрит в пустоту? Если знаете — вы либо гениальный архитектор ИИ-систем, либо уже готовы сдаться и уйти в монастырь.

Я выбрал третий путь: организовал ИИ-компанию. Целиком.

Хабр, привет! 

На связи команда разработки контейнерной платформы «Штурвал». Недавно мы выпустили новую версию 2.13.

Теперь пользователям доступны установка через YAML и флаги командной строки, профили кластеров по шаблонам, containerd 2.x с шифрованием образов, сводные отчеты по безопасности. Под катом делимся самым интересным.

Я долго относился к кофе слишком просто. Либо как к безобидной привычке, либо как к кнопке: выпил — собрался. Но чем больше читаю про внимание, усталость и когнитивную нагрузку, тем меньше мне хочется смотреть на кофе как на что-то однозначно хорошее или плохое.

Сверхактивное развитие искусственного интеллекта и современных когнитивных наук сформировало концепцию экзокортекса - своеобразного усиленного мозга, напоминающего протез в виде экзоскелета в фантастических фильмах, который даёт человеку невиданную ранее мощь. Что же из себя представляет этот когнитивный буст экзоскелета? Надо понимать, что использование искусственного интеллекта, это также можно считать неким экзокортексом, так как по сути у нас появляется возможность формировать новое знание без стандартного для познания поиска, анализа и синтеза. Интересно, что учёные и эксперты сейчас склоняются к мысли о том, что для взаимодействия если сейчас точкой контакта для взаимодействия человека с искусственным интеллектом является смартфон или компьютер, то должна быть какая-то другая физическая сущность, которая взаимодействует с нервной системой человека более близко.

Часть исследователей считают, что это какие-либо очки, потому что глаз - это, по сути, нервная система (точнее глазной нерв с дополнительными оптическими структурами глаза) выведенная наружу. Уже сейчас у ряда технологических гигантов есть опции очков, в которых человек может видеть какую-то дополнительную информацию в этих очках при помощи средств искусственного интеллекта. Также сейчас есть множество разных устройств, которые помогают человеку в постоянном режиме задействовать AI типа Plaud.

Продолжаем прохождение linux! Сразу уточню что статья может обновляться после адекватной критики и уточнений от сообществ @opensophy(там где офицально статья была опубликована от opensophy), свежие обновления всегда происходят на hub.opensophy.com, если вы только начинаете изучать линукс или хотите освежить память можете вернуться в прошлую серию рубрики “Учим Linux: Файлы, навигация и поиск”. В этой части я попытался расписать довольно кратко т.к. информации и так много и тот же новичок может не сразу все выучить но по комментариям из Хабра я буду создавать что-то вроде чеклиста оперативных вопросов(это если я пропустил что-то из важной информации). Приступим.

Статья объясняет, как в Linux устроена система пользователей и групп и как через неё управляется доступ к ресурсам. Разбирается, что такое UID/GID, как система хранит данные о пользователях (/etc/passwd, /etc/shadow), как создаются и изменяются аккаунты, как работают группы и права по умолчанию.

Отдельное внимание уделено практическому администрированию: useradd, usermod, sudo, управлению доступом, безопасности и типичным ошибкам.

Буквально пару лет назад было весело обсуждать фронтендеров, у которых каждые полгода появлялся новый фреймворк или библиотека. Кажется, сейчас у них всё устаканилось и breaking change изменений в направлении развития уже не видно. Ну или может я о них не слышу.

Зато теперь источником новостей и обсуждений стал великий и ужасный искусственный интеллект и всё, что с ним связано: релизы моделей каждую неделю, новые агенты каждый месяц и инновационные протоколы каждые полгода. Я думаю, вы уже слышали про MCP, вероятнее всего слышали про Skills, но вот с ACP возможно ещё не сталкивались. Сегодня поговорим именно о нём.

Всем доброго дня! На связи Валевич Артем, тимлид в AGIMA. Рано или поздно каждый разработчик сталкивается с необходимостью изучить принципы SOLID. Интернет полон теоретических статей с абстрактными примерами — треугольниками, фигурами и системами заказов. В таких примерах всё выглядит красиво. Но когда дело доходит до продакшен-кода, возникает логичный вопрос: как применять эти принципы на практике и не превратить проект в архитектурный космолет? Разбираемся.

Дисклеймер: статья предназначена для новичков, которые только познают все принципы хорошего кода.

Недавно в популярном Facebook-посте: «GPT работает всё хуже. Просишь пересчитать формулу на 600 грамм, он бодро выдаёт две по 300. Пора, видимо, валить».

Проблема знакомая каждому, кто пытался использовать LLM для расчётов. Но это не деградация конкретной модели. Это фундаментальное ограничение архитектуры. И у него есть решение.

Привет, Хабр!

Я техлид группы разработки шины обмена данных в компании «Передовые Платежные Решения». И помимо этого, неформальный лидер команды внутренних ИИ проектов. В статье хочу поделиться нашим опытом внедрения ИИ с нуля: как за 6 месяцев команда из 12 разработчиков (backend, без опыта с ML/ AI) создала и вывела в пилот голосового ИИ-ассистента.

Статья может быть полезна компаниям, которые с интересом смотрят на внедрение ИИ, и выбирают между «сделать самим» или «нанять/ привлечь экспертизу со стороны». Или хотят сделать похожий внутренний продукт.

За время работы в облаке я убедился в одной простой вещи: сколько бы сервисов ни предлагало облако — Kubernetes, Serverless, базы данных, Big Data или AI-сервисы, — всё это работает только потому, что под ними есть прочный фундамент: виртуальные машины, диски и сети. Этот фундамент и называется IaaS. Он важен и для клиентов, и для самого облачного провайдера: все сервисы строятся поверх него, а уровень этой базы определяет надёжность и скорость создания сервисов.

Всем привет! Меня зовут Родион Цалкин, TPO в MWS Cloud Platform. Сегодня поговорим о IaaS-слое. 

Когда мы начали создавать новую инфраструктурную платформу MWS Cloud Platform, мы решили, что надёжность инфраструктуры и гибкость сервисов — это те требования, от которых нельзя отступать. И чтобы выполнить их честно, мы сделали ставку на два принципа: собственную физическую инфраструктуру и собственную разработку.

Как мы проектировали физическую фабрику и overlay-сеть на SRv6 — отдельная статья про архитектуру сети.

Иногда древность весьма причудливым образом входит в нашу современную жизнь, модифицируясь до уровня современных технологий, и сегодня мы как раз поговорим о таком случае и интересной технологии на базе этого (которая, в теории, имеет перспективу и для электроники!) — сусальном золоте и его преемнике.

Сейчас все, что связано с вычислениями, растет очень быстро. Искусственный интеллект, автопилоты в машинах, роботы — везде и всюду требуются специализированные чипы, и их нужно все больше. И здесь проблема: компании просто не успевают масштабировать производство, а полупроводниковые элементы в дефиците. Илон Маск решил не ждать, пока ситуация сама как-то выровняется.

Недавно он объявил о проекте Terafab — совместной инициативе Tesla, SpaceX и xAI. Суть идеи — не только построить еще один завод, но и собрать весь процесс в одном месте: от разработки чипов до их финальной сборки и тестирования. Давайте посмотрим, что это такое и как Маск собирается воплощать свою задумку в жизнь.

Привет, Хабр! Меня зовут Костя Петров, я руковожу командой Кэмпа — AI-напарника для студентов.

Несколько лет назад я пришёл в Кампус (так раньше назывался Кэмп) с задачей запустить один сервис. Тогда к искусственному интеллекту относились скорее как к опции «на будущее». Обсуждали аккуратно, без спешки: сначала сделаем базовый продукт, а AI добавим как-нибудь потом.

Но «потом» наступило быстрее, чем мы ожидали.

За короткое время AI из дополнительной функции превратился в фактор, который полностью меняет логику продукта, пользовательские ожидания и сам рынок. Стало очевидно: двигаться в прежней модели — значит постепенно терять релевантность.

С тех пор мы несколько раз пересобирали продукт и его стратегию. Где-то сработали вовремя, где-то опоздали, где-то спорили внутри команды и проходили через сопротивление — в том числе своё собственное.

В этой статье я хочу рассказать, как изначально задумывался Кэмп, какие ошибки мы допустили, какие решения пересмотрели и к чему пришли сегодня.

Мы продолжаем серию публикаций, посвященную своду знаний по кибербезопасности - Cybersecurity Body of Knowledge (CyBOK). В Главе 3 данного свода знаний описываются основные регуляторные нормы и принципы международного права, которые имеют отношение к кибербезопасности и могут применяться при оценке киберрисков, управлении ИБ, расследовании киберинцидентов. Сегодня – седьмая часть обзора Главы 3 CyBOK, в которой описываются международные подходы к защите прав интеллектуальной собственности (авторское право, патент, товарный знак, секрет производства) и ответственность за их нарушение.