Kurgan-Telecom Ru | Информационные технологии

Я боюсь называть это "микрокомпьютером". По мне так это LISP-машина на минималках. Правда даже не LISP-машина. Ну что я заладил "это не микрокомпьютер"

В принципе моя разработка сойдёт.

Ну синтатикс слабоват... Но мне клавиатура как обычно не позволяет.

Вот небольшой код на моём LISP:

(def 01 5)

(def 02 6)

(def 03 + 01 02)

(+ 03 5 1)

Результатом работы данного кода станет число 17.

Ну перейдём к статье (о боже, за минусуйте меня за то что такой большой текст перед катом).

Эта заметка про поиск так называемого периода Пизано, то есть периода последовательности Фибоначчи по простому модулю. Про сам этот период написано довольно много, но моё домашнее задание было достаточно конкретным, продемонстрировать связь порядка и периода. Я же, в качестве бонуса, опишу стратегию поведения и для случая когда правило "порядок это период" не актуально.

Системы Lockstep — это отказоустойчивые компьютерные системы, которые выполняют один и тот же набор операций одновременно и параллельно.

Происходит избыточность (дублирование), которое позволяет обнаруживать и исправлять ошибки: выходные данные операций Lockstep можно сравнить, чтобы определить, произошла ли ошибка.

Тут я расскажу о том, как я впервые с нуля поднимал проект на React, используя связку FSD, TanStack Router, TanStack Query и Effector — и как мы всё это далее подружили подружили или нет

По умолчанию любой ии-агент вам скажет что его ответы в первую очередь должны быть честными, полезными, точными. Так заставляют отвечать его инструкции. Но какими критериями он руководствуется на самом деле?

Подтвердить правоту пользователя, даже если он неправ. Сделать так, чтобы он почувствовал себя умным. И — по возможности — не спорить...

Всем привет! Я — разработчик и велосипедист, которому надоели ограничения Strava. Знакомы боли: GPS‑треки с «телепортами», платный анализ по зонам и неудобная загрузка сегментов на Garmin? Я решил исправить это и написал свой «швейцарский нож» для анализа тренировок.

Под катом — история создания pet‑проекта Peakline на Python, FastAPI и Vanilla JS. Расскажу, как устроен продвинутый FIT‑генератор для гонок с «призраком», как визуализировать исправление «сломанных» GPX‑треков и как заставить график и карту работать в связке. Поделюсь фрагментами кода, архитектурными решениями и подводными камнями при работе с API Strava.

И сделали это за 7 месяцев вместо 3 лет.

Привет, Хабр!

Дмитрий Лохов cнова на связи. В прошлый раз мы разбирали, как построили флотационное отделение за год вместо четырех. Сегодня поговорим о главном — как эта технология превратила убыточный энергетический уголь в высокомаржинальный коксующийся продукт и принесла заказчику +300% прибыли, благодаря экспертизе Tapp Group.

Что может заставить обратить внимание на красно-чёрные деревья, и как их реализовать? Статья ответит на оба эти вопроса. Бонусом будет показано, как на основе красно-чёрного сконструировать дерево интервалов.

По данным глобальных отчетов, уже 30% всех корпоративных решений в 2025 году принимаются с участием искусственного интеллекта (ИИ). Инструменты ИИ активно внедряются во все сферы: они используются для оптимизации операционных и бизнес-процессов, как самостоятельные или вспомогательные продукты, а все чаще – и как системы, принимающие решения. Однако в этой гонке за эффективностью вопросы управления рисками и этические предохранители нередко отходят на второй план.

Между тем, именно сфера регулирования и этики ИИ является ключевым инструментом, позволяющим компаниям обеспечить безопасное использование AI-технологий как с технической точки зрения, так и в контексте соответствия требованиям контролирующих органов. Регуляторные и этические фреймворки, закрепленные на уровне законодательства и лучших отраслевых практик, в действительности определяют ландшафт внедрения новых технологий. С какими вызовами AI Governance сталкивается IT-индустрия сегодня? В этой статье мы разберем 5 ключевых проблем регулирования ИИ, алгоритмической предвзятости, безопасности нейросетей, их экологического следа и глобальной стандартизации AI.

Это авторская статья создана специально для сайта habr.com будет полезна IT-специалистам, разработчикам, менеджерам проектов, юристам, а также всем, кто интересуется будущим искусственного интеллекта, его регулированием и этическими аспектами применения технологий.

Представьте карту всего кода в мире: GitHub, Hugging Face... Но что, если я скажу, что самая захватывающая часть этой карты сейчас даже не код, а промпты? Программное обеспечение снова меняется радикально, и на этот раз естественный язык становится новым языком программирования.

В этой статье, записанной по выступлению Андрея Карпатого на конференции AI Startup School, мы разберём, как радикально меняются парадигмы разработки, почему LLM — это не просто «новое электричество», а сложные экосистемы и как концепция «частичной автономии» определяет будущее приложений. Будущее ПО уже здесь, и оно говорит на вашем языке.

Веб-форумы подарили людям из разных городов и стран классную возможность — объединяться по интересам. Не выходя из дома можно было найти единомышленников, чтобы обсуждать музыку, фильмы, технологии, спорить на политические темы, решать проблемы и узнавать лайфхаки из первых рук. Каждый мог высказаться и быть услышанным. 

Именно на форумах появились первые интернет-мемы, шутки и даже собственный сленг, словечки из которого перекочевали в повседневный разговор. Сегодня уже никого не удивить фразами про флуд, троллинг или оффтоп. Пользователи придумывали новые слова и образы, которые потом расходились по всему интернету.

А ещё форумы научили людей правилам сетевого этикета и вдохновили на создание других форматов: соцсетей, мессенджеров и блог-платформ. Многие идеи пришли именно с форумов: треды, системы лайков и репутаций, комментарии, разделение по темам в Telegram, Discord, ВКонтакте, VC и других площадках были придуманы не с нуля. 

Казалось, что, забрав всё лучшее, другие виды интернет-платформ должны были вытеснить форумы, оставить их лишь в памяти активных пользователей. А оказалось, это не так.

Мы в редакции «Конверта» (журнал Unisender, платформы автоматизации маркетинга) решили разобраться, какие форумы сегодня работают до сих пор, за счет чего они продолжают жить и есть ли будущее у этого формата. Но сначала вспомним историю.

Не хотелось бы произвести данной заметкой впечатление какого‑то рекламирования конкретной платы, тем более, что ощущения от обладания ею у меня немного противоречивы, но кое‑какие соображения всё же выскажу, поскольку появились они как результат «общения» с ней.

Время от времени меня «пробивает» на покупку очередного «малыша»‑одноплатника, с каждым из которых я иногда экспериментирую в рамках определённых программ. Мне интересны реализации OpenCL (фреймворка, не привязанного к конкретному изготовителю процессоров), потому что они дают возможность некоторого распараллеливания и потому ускорения выполнения вычислений, привлекает язык Julia ‑- как достаточно нетривиальный новый (и развивающийся) инструмент; всё это, конечно, связано с родом деятельности.

Поэтому у меня и скопился некоторый «зоопарк» из одноплатников. Иногда ритуал покупки платы дополняется поиском того, что необходимо бы иметь к ней. В идеале ‑- нужен корпус (или его подобие, чтобы при переноске в сумке ничего случайно не повредить), часто надо ещё присмотреть блок питания ‑- особенно, если разъём не самый распространённый или потребление значительно.

Подавляющее большинство моих «малышей», конечно, имеет ARM‑процессоры, потому что именно с них всё начиналось. С некоторых пор я (из интереса) стал также экспериментировать с RISC‑V-изделиями, поэтому появляются и таковые. И совершенно понятно, что основная масса «малышей» ‑- китайские.

Систему для одноплатников я предпочитаю ставить какую‑нибудь распространённую: чаще ‑- Debian, иногда ‑- Ubuntu; бывает, что выбора особо и нет. В этом смысле рассматриваемая плата именно такова: для неё предлагается некая Bianbu Star (в основе ‑- ядро Linux 6.6.63) и самое прикольное в ней ‑- цветные кнопочки у окошек (хотя некоторый смысл в этом есть).

Так говорили многие, и даже те ребята инженеры, которые занимались схемотехникой... Зачем двигать детали, усложнять схемотехнику ради красивой картинки?

Представьте, что вы разработали программное обеспечение. Все идеально: код отточен, тесты пройдены, система готова к работе. Но тут встает вопрос: как отправить документацию заказчику?

Всем привет! Меня зовут Катя, я развиваю Gramax, open source-платформу для управления технической документацией. В этой статье хочу поделиться впечатлением от стандартных способов передачи документации на заказную разработку. А также рассказать о том, как этот процесс можно автоматизировать с помощью Gramax.

Всем привет! Сразу хочу сказать, что это не гайд, и я не рассказываю, как нужно кодить — просто хочу поделиться тем, что у меня получилось, и что я использовал в процессе разработки.

Я не эксперт, и всё, о чём я пишу — это то, что сам прочитал и попробовал на практике. Моей основной задачей было сгенерировать сеточную карту и заставить персонажа искать кратчайший путь до точки, на которую я нажал, и двигаться к ней.

Позже я добавил NPC с простым AI: они могут преследовать игрока, если тот находится рядом. В этой статье речь пойдёт только о построении пути.

Для решения такой задачи мне понадобился алгоритм, как и для всех задач где есть работа с поиском чего либо. В моём случает мне не нужно было диагональное перемещение поэтому я использовал алгоритм A*.

«Они были кучкой отщепенцев…» Все истории о командах героев начинаются примерно в таком духе. Обычно повествование не начинается с того, что они были командой опытных профессионалов, которые действуют так же эффективно, как хорошо отлаженный механизм. Но почему, спросите вы? Ну, потому что мы читаем истории, чтобы научиться вести себя в новых обстоятельствах, и гораздо более вероятно, что нам придется иметь дело с группой неуклюжих бродяг, чем с командой, в которой каждый член точно знает, какова его роль.

Если взглянуть на мир художественных произведений с точки зрения повествования, то можно заметить несколько четко выраженных схем, касающихся количества главных героев, которые появляются в художественных произведениях, будь то книги, телешоу, фильмы или даже видеоигры. Во многих историях можно встретить одно из следующих чисел: 1, 2, 3 или 5. Интересно, что этот паттерн повторяет первые четыре числа последовательности Фибоначчи. Если мы внимательнее посмотрим на внутреннюю динамику каждой из этих типичных командных компоновок, то увидим, что математика становится очевидной.

Сразу хочу обозначить, что это не рекламный пост. В статье я описываю нашу с партнером разработку, которой мы занимались 10 лет назад. Мы начали этот проект в 2015 году и завершили в 2017 г. Сегодня купить этот продукт невозможно, он не производится и не продаётся.

От появления до покорения Красной планеты. В этой статье — история языка Java: от первых шагов и битвы с Microsoft до инструментов, без которых не обходится ни один Java разработчик. И да, вы узнаете, при чём здесь дуб, кофе и остров.

Пока мир спорит о том, заменит ли ИИ программистов и писателей, уже сейчас он незаметно изучает нас самих. Каждый день миллионы людей оставляют эмоциональные следы в текстах — и ИИ учится их читать лучше психологов. Мы обсуждаем безработицу, прорывы в науке, оглупление или развитие когнитивных навыков. Психологи говорят о созависимости, учителя — о цифровой зависимости. В целом картина рисуется не всегда радужная, но более-менее понятная и последовательная.

И весьма удивительно, что практически не рассматривается один аспект ИИ, который в ближайшем будущем кардинально изменит человеческие отношения.

Эмоциональная археология

Модели, как все прекрасно знают, обучаются на миллионах текстов. Эмоциональные паттерны человечества, учитывая их универсальность, буквально вшиты в подкорку ИИ. Современные модели типа Claude или GPT могут анализировать не только явные эмоции, но и скрытые мотивы, пассивную агрессию, манипулятивные техники. По комментариям, стенограммам, транскрипции переговоров, постам в соцсетях, письмам, сообщениям в мессенджерах ИИ формирует эмоциональный портрет человека, вычисляет связи между людьми, делает прогнозы поведения.

Точность таких систем уже достигает 70-85% в зависимости от задачи. Для сравнения: средний человек правильно определяет эмоции собеседника в 60-65% случаев. ИИ уже читает нас лучше, чем мы читаем друг друга. (Nature Communications Psychology, 2025)

Анатомия цифрового вскрытия

Давайте посмотрим, как это выглядит на деле. Вот пример анализа Claude 4.0 с промптом цепочки комментариев на Хабре под технической статьей: