Kurgan-Telecom Ru | Информационные технологии

Люди уже давно ищут средство от облысения, и пока безуспешно. Однако новая электрическая расчёска показала впечатляющие результаты в экспериментах на мышах: за месяц у животных восстановилась почти вся утраченная шерсть, а результат оказался лучше, чем при стандартном лечении миноксидилом.

Устройство под названием Detangle разработала группа китайских исследователей. Оно использует электрическую стимуляцию, чтобы доставлять терапевтический генетический материал глубоко в волосяные фолликулы, где он способствует восстановлению волос и одновременно воздействует на один из биологических механизмов облысения.

Detangle представляет собой биоэлектронную систему в форме расчёски. Она выполняет две функции: стимулирует волосяные фолликулы электрическим полем и доставляет терапевтические вещества непосредственно в клетки фолликулов.

В отличие от обычной расчёски Detangle оснащена электронными зубцами с электродами разной высоты и встроенными модулями, содержащими терапевтические вещества. Такая конструкция позволяет создавать концентрированное электрическое поле вокруг волосяных фолликулов вместо того, чтобы полагаться на самостоятельное проникновение нанесённых на поверхность кожи веществ.

Разработчик и издатель видеоигр My.Games объявил о проведении сделки по выкупу компании её руководством у единственного акционера, основателя Leta Capital Александра Чачавы. Об этом сообщила пресс‑служба My.Games.

После урока по SQL хочется где-нибудь порешать задачи. Ставить ради этого базу и придумывать себе данные бывает лень, особенно когда ещё путаешься в JOIN.

Собрал шесть тренажёров, к которым можно перейти сразу после теории. Есть обычный задачник, несколько игр и мой бот в Telegram. Пишу с уклоном в QA: я работаю QA-лидом и обучаю тестированию, поэтому смотрю в первую очередь на то, какие задания можно использовать при подготовке.

Мы ведём таблицу: что в России заблокировали, замедлили, разблокировали или сломали, с датой и источником на каждую строку. Сейчас в ней 136 событий, самое раннее — 2016 год: хроника блокировок. Таблица сама по себе скучная, интересное начинается, когда смотришь на неё целиком. Ниже семь выводов, которые видны только по датам.

Последние полгода слежу за внедрением AI-агентов в компаниях, сейчас сталкиваюсь с этим напрямую. И в обещаниях ускориться в десять раз меня смущают две вещи.

Первая — мы покупаем инструмент, а процессы оставляем прежними.

Задача занимала 16 рабочих часов, теперь занимает час. Ревью тоже ускорили: агенты, CI, evals, нормальный harness. Технически все отлично.

Потом результат две недели ждет согласования. Потому что решение принимает один человек, приоритеты противоречат друг другу, а ответственность размазана между отделами.

Если процесс говно, агент поможет быстрее пройти отдельные его участки. Но две недели ожидания сами не исчезнут.

Для ускорения придется менять полномочия, убирать лишние согласования, разбираться с очередями. Возможно, отдавать агентам больше решений — вместе с критериями проверки и границами ответственности. Покупкой лицензий эта работа не заканчивается.

Вторая — мы не всегда понимаем, зачем вообще делаем задачу.

Допустим, перестроили процесс. Теперь все быстро: от постановки до релиза. Только выпущенная фича никому не нужна.

Требования выполнены. Автоматическое ревью пройдено. Тесты зеленые. Тикет закрыт.

А пользователю стало лучше? Выручка выросла? Затраты снизились? Кто-нибудь проверил?

Если никто не измеряет эффект, команда может месяцами производить мусор и показывать красивую динамику закрытых задач. С агентами — еще красивее.

Производство выросло. Нужность произведенного осталась за рамками отчета.

А у вас уже началась AI-гонка? Получилось перестроить процессы и увидеть эффект для бизнеса — или пока вырос только объем выполненной работы?

Говорят, идут тёмные времена, железное изобилие подходит к концу, производители процессоров и видеокарт переходят на производство серверного железа, забыв про обычных пользователей. А большие разработчики и поставщики ИИ-мощностей не умеют дебет с кредитом сводить… И всякие интернет-пророки говорят: «Готовьтесь, идёт закат АйТи времён...». Вот как при таких делах оставаться в рассудительном и спокойном состоянии? Никак :) По этой причине я задумался над созданием домашнего ковчега нейро-вычислителя.

Заметка предназначена для тех, кто ещё не погружался в этот удивительный мир домашних нейронок, а посему делюсь с ними набитыми шишками.

Моё железо на тот момент: Xeon E5-2698 v4 на двадцать ядер, 64 гигабайта DDR4 ECC и материнка JGINYUE X99 Titanium D4 (типичная китайская X99-плата на остатках серверных платформ). Дёшево и сердито.

Центральный банк России рассмотрит возможные условия работы Visa и Mastercard в стране, если платёжные системы решат вернуться на российский рынок. Об этом заявила директор департамента национальной платёжной системы ЦБ Алла Бакина.

В публичном облаке Рег.облака теперь можно самостоятельно заказать серверы с NVIDIA H100 и RTX PRO 6000 Blackwell, оформить предзаказ NVIDIA H200 или подписаться на уведомление о появлении свободных GPU-ресурсов.

В линейке Cloud GPU Pro представлены три ускорителя для разных вычислительных задач. Разберем, какой из них выбрать

Разработка программного обеспечения — многоступенчатый процесс проектирования, написания кода и тестирования продукта. Часть шагов можно автоматизировать с помощью процессов непрерывной интеграции (CI) и непрерывной доставки (CD). 

В этой статье расскажем про установку Gitlab Runner — исполнителя пайплайнов в среде совместной разработки Gitlab.

Google запустила продажи смарт‑метки Pixel Tag, которая позволит пользователям Android‑устройств отслеживать свои вещи через приложение Find Hub. Стоимость трекера составляет $30. Устройство заимствует идеи Apple AirTag и других умных меток, предлагая подключение через Bluetooth и сверхширокополосную связь для точного поиска.

Компании много говорят о безопасном и этичном ИИ. Пользователям запрещают реверсить софт и создавать моды для видеоигр. Нас пугают всемогущим AGI, который вот‑вот выйдет из-под контроля и захватит мир, если мы не замедлим развитие моделей и позволим плохим ребятам бесконтрольно пользоваться LLM.

Но какой толк от послушного искусственного интеллекта, если операторами такой системы становятся военные и спецслужбы, которым AI позволит автоматизировать монополию государства на насилие и принуждение?

ИИ все чаще берется за задачи, которые раньше требовали участия инженера, архитектора или руководителя. Но просто встроить нейросеть в рабочий процесс недостаточно — ее нужно правильно адаптировать и настроить для получения положительного результата.

На одиннадцатом митапе MWS эксперты обсудили применение искусственного интеллекта в разных областях — от обработки голосовых вызовов непосредственно в мобильной сети до автоматизации работы с архитектурной документацией. Отдельное внимание уделили тому, как ИИ может помочь в стратегическом планировании и проверке бизнес-гипотез. В завершение встречи участники предложили собственные идеи сервисов на основе технологий MWS.

Привет! Меня зовут Валерий Почтарёв, я развиваю инструменты антифрода и отвечаю за систему контроля доступов пользователей в Авито. Этот материал будет полезен тем, кто внедряет агентов в разработку и упирается в то, что они забывают процессы. Спойлер: мы заставили агентов работать предсказуемо, когда перенесли контроль на уровень детерминированных runtime-ограничений. 

На старте кажется, что достаточно написать подробные инструкции в AGENTS.md, добавить правила про чистый код и обязательные тесты и дать агенту доступ к кодовой базе. Но в сложном контексте агент легко забывает или обходит текстовые правила в AGENTS.md. Чтобы он их не игнорировал, ему нужен командный слой контекста и жёсткие гейты в runtime, которые он физически не может обойти. 

Мы в команде Checks (Antifraud) собрали такой сетап — af-checks-context. Сейчас мы раскатываем его с моего личного использования на всю команду, чтобы быстро шарить контекст и автоматизировать процессные договорённости. Расскажу, на чём мы обожглись и почему в какой-то момент его пришлось почистить.

Что происходит со сметами, когда разработка идёт с ИИ-агентами? Сопоставил оценки, списания из Jira и историю коммитов. На авторизацию стали закладывать меньше часов, а ставка изменилась скромнее. Разбираю два веб-кейса и показываю, почему «уложились в бюджет» ещё не означает «стали быстрее».

Если еще пять лет назад всех настойчиво звали бросать станки на заводах и “вкатываться в IT”, и каждая кухарка сделала свой курс по трансформации фрезеровщика в программиста на Python, то сейчас даже некоторые программисты ожидают, что ИИ их съест и придется осваивать прибыльную профессию фрезеровщика. А кухарки уже сделали курсы по ИИ. Я открою вам будущее, идите за мной – потому что я знаю прошлое!

Kora — новая настольная операционная система на базе Linux, которую анонсировал гендиректор Кёрт Макмастер (Kirt McMaster). Она выйдет в 2027 году. Система рассчитана на опытных пользователей ИИ, разработчиков и создателей контента, а не на массовый рынок.

Кёрт Макмастер знает, что его новая операционная система Kora подойдёт не всем, и его это устраивает.

Привет, Хабр!

На связи команда «Диасофт». У нас в линейке есть оба слоя, о которых пойдет речь в названии: брокер сообщений Digital Q.MessageBroker на базе Kafka и интеграционная платформа Digital Q.Integration, внутри которой этот брокер работает. Так что в этой теме мы не сторонние наблюдатели.

Cпор на самом деле идет не о Kafka и не о брокерах в целом. Он идет о слое вокруг них: писать его самим или покупать готовый. И в формулировке «у нас есть сильная команда, мы все сделаем сами» обычно скрываются три важных условия: команда действительно есть, она компетентна и у нее есть опыт не только разработки интеграций, но и их многолетней эксплуатации.

Если выполняются все три условия, готовая платформа действительно может оказаться лишней. Если нет хотя бы одного, собственный интеграционный слой довольно быстро начинает обходиться дороже, чем казалось в начале. Именно об этом и пойдет речь - в том числе о случаях, когда вендорская платформа честно проигрывает самописному решению.

Вычислительные мощности Pinterest насчитывают сотни тысяч инстансов, обеспечивающих работу сервиса для 640 млн активных пользователей в месяц. Сервисы компании написаны на языках Java, Python, C++, Go и Node.js. Ранее инженеры применяли разрозненный набор инструментов, куда входили, например, perf, async-profiler и py-spy. Это приводило к фрагментации данных и усложняло сопоставление профилей между разными языками и машинами.

Вместо разработки закрытой внутренней системы Pinterest объединила усилия с Intel, чтобы доработать gProfiler и передать внесенные изменения обратно в open-source проект. Доработки включили динамическое профилирование, сбор телеметрии на аппаратном уровне, wall-time профилирование и построение flame-графиков на основе счетчиков производительности.

Рассказываю о релизе библиотеки SilentJSON для Go: почему дело не только в бенчмарках, а в подходе к обработке данных. Разбираем работу с RawMessage, потоковую десериализацию гигабайтных файлов и распараллеливание массивов без лишних аллокаций.

В прошлый раз я писал о том, что decision-cascade - это локальный движок решений с типизированными ответами (Noul/Choice/Score) и каскадом, который эскалирует сложные случаи к внешней модели. Тогда главным критерием эскалации был порог уверенности: если confidence ниже 0.6 - идём во внешнюю модель.

Честно говоря, после публикации я сам себе задал неудобный вопрос: а почему, собственно, 0.6? Почему не 0.5 или 0.7? И главное - уверенность модели и польза от эскалации - это не одно и то же. Можно быть очень неуверенным в вопросе, где ошибка ничего не стоит. А можно быть уверенным на 0.8 - и ошибиться там, где ошибка обойдётся дорого.

Именно это понимание привело к главному изменению за месяц: benefit-aware эскалация.