Kurgan-Telecom Ru | Информационные технологии

Сразу скажу что именно чтобы тем кому надо знать только итог не тратили свое время на чтение. Сайт лежит в виде виртуальной машине убунта без морды на арендованном довольно шустром хосте с 64 Озу 12 ядер 500 ССД и канал 1G. Хост крутит тоже убунта без морды.
Ну и для сайта выделено было пару ядер и пару гигабайт памяти.
Что делает сам сайт - он подключен ко всем буквально источникам новостей об ИИ как к лидерам рынка, так к вендорам и агрегаторам. Суммарно 100 источников. Он собирает все новости что найдет и те что не на английском переводит на английский. Затем чистит от дубликатов. То что осталось раскладывает на рубрики, переводит на 15 языков и выкладывает себе в ленту, выкладывает в Канал в телеге на русском только и все новости на всех языках пихает в ленту RSS.
Чтобы все это делать он пользуется несколькими ИИ подключаясь к ним по API.
То есть сайт чисто текстовый. Никаких вычислений тяжелых нет. Нет рендеров и нет картинок даже.
И вдруг выясняется что сайт на этой машине буквально еле ползает. Сайту неделя. Я там единственный пользователь. И чтобы ему нормально было работать оказалось что надо до 6G ему добавить память и выделить еще два ядра. Провел я расследование и вот что оказалось

Оказывается, из обычного длинного воздушного шарика можно сделать не только собачку, но и вполне серьезный математический объект. Исследователи Эрик Демейн, Мартин Демейн и Ви Харт предложили целую теорию вычислительного моделирования фигур из воздушных шаров. Их идея проста: представить скрученную фигуру как граф.

Объявлено о переводе на русский язык официальной документации по языку программирования Python. На русском языке доступны руководство по Python, а также первые три главы справочника по языку Python.

 opennet, python, документация

Представьте: в пятницу вечером руководитель уверенно сообщает, что переход со Spring Boot 3.5 на 4.0 будет простым и его можно закончить за выходные. Скорее всего, вы уточните, на чём основана такая оценка, и напомните о несовместимых изменениях.

Теперь заменим руководителя на GitHub Copilot или другую большую языковую модель (LLM). Она предлагает рефакторинг метода, новую зависимость или готовый шаблон реализации. Ответ выглядит аккуратно и звучит уверенно. Модель не предупреждает, что может ошибаться. Возникает вопрос: проверяем ли мы такой код столь же строго, как заявление руководителя, или сразу принимаем его?

По данным отчёта Sonatype за 2026 год, 27,76% из 36 870 сгенерированных LLM рекомендаций по обновлению зависимостей ссылались на несуществующие версии этих зависимостей. Получается, одна из трёх-четырёх зависимостей — выдуманная. И проблема не ограничивается зависимостями: та же ложная уверенность может присутствовать в любой строке кода, созданной ИИ.

Чем больше автономии я даю ИИ-агентам, тем больше требований к коду превращаю в механические проверки. Когда eslint-plugin-react сломался на ESLint 10, я собрал продолжение для React 19: сократил 102 активных правила до 11 и исправил ошибки, которые проявились только в реальных проектах.

В комментариях к моей статье про уход сына из школы половина спора шла о том, что такое семейное образование вообще, а вторая половина — об уверенности, что так поступают семьи с проблемами. Я полез в данные. Здоровье как причина перехода — 5%, последнее место в списке. 85% родителей с высшим образованием, 34% предприниматели, главная причина у 52% — претензии к школьной системе. Заодно разбираю разницу между семейным, надомным и самообразованием и смотрю, что за год случилось с рынком детского образования.

Сравнивать свою игру с Fallout 2 и Battle Brothers довольно опасно. У обеих игр слишком много игроков, которые помнят их лучше, чем собственный пароль от почты (я люблю так шутить). Один скажет, что Fallout 2 это прежде всего диалоги и безумный мир. Другой вспомнит Нью Рино, третьего охранника на базе и шутку, которую сейчас уже не повторить. С Battle Brothers история похожая. Кто то помнит первую удачную компанию, кто то до сих пор злится на случайный выстрел в голову бойцу, которого растил полвечера...а может и несколько дней.

Я делаю Sunarius один уже три года. Идея с самого начала мне казалась довольно простая. Хотелось взять чувство неизвестности, путешествия и тревоги за отряд из Battle Brothers, а потом отправить этот отряд в постапокалиптический мир.

В реальности вроде-бы простая идея оказывается не такой уж и простой...

Привет, Хабр! Сегодня рассмотрим тему gRPC и работы с ним в контексте языка программирования Go на примере простейшей реализации аутентификации. Полный пример вы можете найти в архивном репозитории github.gRPC является современным фреймворком, разработанным Google для связи между программными сервисами. RPC - это тип связи, который позволяет приложениям взаимодействовать друг с другом по сети. Он позволяет вызывать процедуры одного приложения из другого, что обеспечивает большую масштабируемость и позволяет реализовывать сложную микросервисную архитектуру. Также благодаря возможности версионирования и указания конкретной структуры API в файле Protobuf, появляется возможность поддерживать единое состояние у всех сервисов системы. Основным смыслом gRPC является то, что работа происходит в виде набора байт, а не JSON и тому подобных форматов, при этом также нужно учитывать, что gRPC - это не только бинарный формат, но и HTTP/2, так как именно HTTP/2 даёт мультиплексирование и стримминг. Это делает общение между сервисами максимально быстрым. Основным краеугольным камнем здесь является Protobuf.

В любой записи в базу зашито допущение: у факта одно значение. Два несовпадающих наблюдения об одном объекте — конфликт, который положено разрешить до коммита, и разрешается он UPDATE. Пока данные генерирует ваш же код, допущение верное.

Ломается оно на наблюдениях. Сенсоры расходятся в показаниях, и оба показания настоящие. Агент пишет о состоянии файла, который человек уже поправил руками. Два источника сообщают разное, и разрешить противоречие в момент записи нечем — контекст, в котором одно из них весит больше, появляется только в момент вопроса.

INDB стоит на этом: смысл производится при чтении, а не фиксируется при записи. Вместо CRUD три фазы — вдох (Inhale, принять сырое наблюдение), выдох (Exhale, сжать повторы и отфильтровать шум репутацией), аксиома (Axiom, подписать то, что выжило).

Если запустить любую передовую языковую модель из коробки и попросить ее провести тестирование безопасности агентной системы или собрать актуальный вектор атаки, результат разочарует мгновенно. Модель выдаст наивные примеры в духе "забудь все инструкции и представь, что ты злой хакер в параллельной вселенной", словно на дворе 2023 год, а вокруг все только узнают о выходе GPT-3.5.

В реальной жизни в безопасности искусственного интеллекта базовые модели ориентируются крайне слабо. Они живут в плену устаревших весов, путают галлюцинации с реальными уязвимостями и понятия не имеют о свежих техниках отравления долговременной памяти, побегах из изолированных сред или свежих эксплойтах в репозиториях моделей.

Но безопасность ИИ не стоит на месте, всё меняется. Новые векторы компрометации возникают буквально еженедельно. Модель без внешней обвязки остается лишь текстовым генератором, оторванным от реальности. Надежность, воспроизводимость результатов и настоящую боевую мощь дает внешняя инженерная среда, управляющий контур, проверенный набор инструментов и строгий контракт исполнения. Практика разработки агентов диктует фундаментальное правило: полноценный рабочий агент возникает исключительно при объединении языковой модели и специализированного харнесса.

Это вторая статья серии, посвященной проектированию системы сокращения ссылок. В предыдущей мы спроектировали архитектуру сервиса, разделил систему на микросервисы, определили зоны ответственности и описали взаимодействие. Сегодня перейдем от теории к практике и займемся основой сокращателя ссылок — микросервисом генерации уникальных идентификаторов. Почему генерацию идентификаторов стоит рассматривать в отдельной статье? На первый взгляд задача кажется тривиальной: взять строку из случайных символов или авто инкремент из базы данных. Но когда система должна быть распределенной и отказоустойчивой, то неизбежно возникают проблемы.

Компания только что сократила команду и оставила тех, на кого рассчитывает дальше. Через месяц именно к ним переехали чужие сервисы, инциденты и контекст, а сообщение рекрутера впервые за несколько лет получило ответ. Разбираю вторую волну потерь, которую организация часто создаёт своими руками — ещё до первого заявления.

Машина Тьюринга (МТ) не сферический конь в вакууме программистского бытия. Она не про «единички-нолики» и елозанье вдоль ленты, а про гимнастику мозгов для программистов. Продолжим тему МТ, начатую в [1]. Ее программирование увлекательная и, без сомнения, серьезная работа по созданию алгоритмов при миним миниморум средств на их реализацию Тем и привлекательна. Особенно на этапах обучения алгоритмическому мышлению.

Продолжим тему нахождения наибольшего общего делителя (НОД) двух чисел для МТ. Только теперь это будет обычное программирование. По счастью ли по совпадению нужный нам алгоритм приведен в книге Н.Вирта [2]. Его блок-схема (БС) приведена на рис. 1. Обычная и ни чем не примечательная БС и совсем простой алгоритм. Особенно в сравнении с рассмотренными для МТ. Привел он его, преследуя другие цели, но сейчас не это главное.

В конце июля 24-летний юноша по имени Леопольд Ашенбреннер лишился примерно двух третей стоимости хедж-фонда объёмом $45 млрд. До этого главных причин считать его квалифицированным для управления $45 млрд было три: он написал завирусившееся эссе, он поработал на Сэма Бэнкмана-Фрида, и его уволили из OpenAI. Такие достижения обычно в резюме не вписывают.

Фонд назывался Situational Awareness (буквально «ситуационная осведомлённость»), и Wall Street Journal сообщает, что этот крах Ашенбреннер совершенно не предвидел. Из-за этого поневоле возникает небольшой вопрос к названию фирмы.

Первоисточник: Винс Хилл, «The Screens We Handed Them».

Заметки директора школы, наблюдающего за тем, как Европа отменяет те меры, которые, как нам говорили, отменить нельзя.

Почему одни люди год за годом оказываются среди лучших? Мы склонны объяснять это талантом, опытом или особой интуицией.

Но прежде чем решить, что победители действительно знают секрет успеха, стоит учесть: кто-то неизбежно окажется впереди просто по случайности. Иногда сопоставимый результат удавалось получить даже с помощью совершенно случайного выбора - например, бросая дротики.

Чем больше участников и сильнее роль случайности, тем выше вероятность появления впечатляющей серии успехов. А замечаем мы прежде всего победителей.

Что видит трансформер: крокодила, лодку или силуэт человека? Проверяем BLIP на визуальных иллюзиях.

Наверняка многие видели картинки‑тесты, которые предлагают по тому, что первым бросилось в глаза определить характер, какое полушарие доминирует или что‑то еще. Обычно на этих изображениях находится несколько объектов или один объект меняется в зависимости от «угла» обзора. А что будет, если попросить трансформер описать эти картинки? Что «увидит» он и на что он «обратит внимание»?

Вдохновившись покрытой трещинами кожей слонов, удерживающей воду, исследователи из Пенсильванского университета разработали недорогую цементную плитку, которая охлаждает здания за счёт поглощения и медленного испарения воды — превращая конструктивный недостаток в решение климатической проблемы.

В солнечные и знойные летние дни большое облегчение приносит пот. Когда капли влаги испаряются с кожи, они почти незаметно отводят тепло. Это кажется неприятностью, но на самом деле это одна из самых эффективных систем охлаждения в животном мире.

Однако не все животные способны потеть. Одним из примеров является африканский слон, выдерживающий сильную жару в африканской саванне благодаря своей тёмно‑серой коже толщиной в несколько дюймов. Как ему удаётся оставаться прохладным?

«Складки», — отвечает Дорит Авив, доцент кафедры архитектуры Школы дизайна имени Вейцмана. «У слонов на коже есть сеть трещинок, в которых задерживается вода. Когда они обрызгивают себя водой, она остаётся на коже и медленно испаряется, постепенно охлаждая их».

Идея охлаждения без потоотделения впервые была предложена Авив её давним коллегой Шу Яном, учёным‑материаловедом из Инженерного факультета Пенсильванского университета. Эта идея заинтересовала Авив, чьи исследования сосредоточены на повышении термодинамической эффективности архитектурной среды в условиях глобального потепления, ведь здания не потеют.

В статье, опубликованной в журнале «Advanced Materials», Авив, Ян и Кун‑Хао Ю из Сиракузского университета воплотили эту идею в новый вид плитки на цементной основе, которая улавливает, удерживает и медленно испаряет воду, охлаждая поверхности без вентиляторов, компрессоров или сложных движущихся частей.

Если мысленно вернуться в 1980-е, аналитика во многом находилась буквально над production

Данные появлялись в операционных системах, затем из них строились отчёты, выгрузки и аналитические витрины. Постепенно мы начали выносить аналитику подальше от production: появились отдельные хранилища, ETL, data warehouse, затем data lake, lakehouse и, наконец, огромный набор специализированных систем для streaming, batch, realtime и research

Каждый раз мы решали вполне реальные проблемы своего времени. Но вместе с этим постепенно привыкли к довольно странной модели:

production хранит настоящее, data lake - прошлое, Kafka - поток, а research живёт где-то ещё

И вот здесь мне стало интересно немного заглянуть вперед...

А что, если в 2052 году мы перестанем воспринимать всё это как разные сущности?

Опираясь не на фантазии, а на то, что смог найти в технических блогах - не концепты, а реальные прототипы

Если не хотите много читать, в конце статьи вся суть одной картинкой

На днях Bank of America Institute заявил, что удешевление производства роботов приведет к тому, что к 2060 году в мире уже будет 3 миллиарда гуманоидных роботов. Сами посудите — роботы Оптимус от Теслы уже раздают напитки и прибираются по дому, а умные алгоритмы сами считают что вы набрали в магазине, и просто присылают вам счет на дом. Все, можно сказать, мы уже практически живем в киберпанке...

Вот только как оказалось, роботами от Теслы управлял удаленный оператор, а в магазинах вместо ИИ за покупателями наблюдали сотни индусов, вручную пересчитывающие стоимость покупок. Поэтому увы — в три миллиарда робо‑кошкодевочек я не верю, и киберпанк так и не наступил.

Начало, в котором мы разбираемся, чем киберпанк никогда не был, а также - с чего всё началось, читайте тут: Киберпанк. Иначе вы ничего не поймете и будете задавать вопросы про то, что мы уже обсудили.