Технологии — страница 15

🕵️ Китайский профессор заявил, что Bitcoin — это операция ЦРУИ знаете что? Я не могу это ни подтвердить, ни опровергнуть. 😂Логика у него такая: некий Сатоши Накамото годами в одиночку (или маленькой группой) разрабатывает сложнейшую блокчейн-технологию, в 2008-2009 годах отдаёт её миру бесплатно — и просто исчезает. Профессор называет эту анонимность «институционально подозрительной» и через теорию игр приходит к выводу: за этим стоит мощный государственный актор. DARPA, NSB, ЦРУ — нужное подчеркнуть.Дальше больше: публичный реестр всех транзакций — идеальный инструмент слежки. А где физически стоят серверы блокчейна? Хороший вопрос, кстати.Звучит как конспирология? Возможно. Но вот что интересно: миллионы людей вложили реальные деньги в актив, создатель которого неизвестен, местонахождение которого неизвестно, и управление которым… ну, в теории децентрализовано.Это вам не акция Apple, где есть отчётность, CEO, совет директоров и завод в Купертино. Это не Pepsi, где можно потрогать бутылку. 😀Люди верят в то, чего не могут контролировать и до конца понять. Золото хотя бы можно подержать в руках.Я не говорю, что профессор прав. Я говорю, что вопрос «кто такой Сатоши на самом деле» остаётся открытым уже 17 лет. И это само по себе… любопытно. 🤦🏻‍♂️

Ивона Тау восстанавливает историю своей семьи с помощью инструментов искусственного интеллекта.Молодая нейрохудожница Ivona Tau взяла архивные фото и 8мм-видео своей семьи (60–70-е) и с помощью нейросетей пересобрала прошлое.Если чуть глубже: она обучила DreamBooth и LoRA на семейных архивах, сделала дипфейк-аватар и «впустила» его в старые кадры. В итоге получился диалог с воображаемыми версиями своих предков.Это не реконструкция. Это скорее альтернативная, романтизированная версия прошлого, где её родственники как будто уже знают, что впереди их ждёт свобода. Фактически: смесь архива, генерации и спекулятивного сторителлинга.Мне эта тема откликается. Я в начале года писал, что ищу новые формы работы с архивными фото и видео, как их оживлять не банально. Тут как раз интересный заход.Тема конечно довольно нишевая. Узкий формат, медитативный темп. Есть ощущение, что такое сильнее работает, когда это твоя личная история.Тем не менее, как эксперимент с архивами + AI — очень показательный кейс. Особенно с точки зрения того, как можно работать не с фактами, а с ощущением памяти.

Физический ИИ: как новый этап роботизации меняет найм 🦾Пока основное внимание рынка сосредоточено на генеративном ИИ, в промышленности быстро усиливается другой вектор — физический ИИ. Речь о системах, которые позволяют роботам воспринимать окружающую среду, ориентироваться в ней и выполнять действия с объектами реального мира.По мере развития таких решений меняется сама логика автоматизации: внедрение роботизированных систем становится дешевле, а круг задач, которые можно передать машинам, — шире. Это означает, что вместе с технологией будет перестраиваться и кадровый спрос.💡Что важно знать:— Физический ИИ постепенно выходит за пределы пилотных сценариев и всё активнее применяется в промышленной среде;— По данным World Robotics 2025, мировой парк промышленных роботов уже превысил 540 тыс. единиц, а объём ежегодных установок держится на уровне около 500 тыс.Для России тема особенно актуальна: плотность роботизации составляет около 40 роботов на 10 тыс. сотрудников против среднемировых 177. На этом фоне изменится и структура спроса на специалистов: всё больше рынку будут нужны кадры на стыке ИИ, робототехники и инженерии.Физический ИИ становится не просто новым направлением автоматизации, а фактором перестройки промышленного рынка труда. Следующий этап конкуренции развернётся уже не только за технологии, но и за специалистов, способных соединить ИИ с реальными инженерными задачами.#ric_iot_news

Khomuttsan AI — это AI-плагин для Unreal Engine 5.7, который превращает редактор в полноценного ассистента по созданию и настройке игрового контента.Что реально умеет? Ссоздавать, редактировать и объяснять Blueprint и C++ код, работать с UI, материалами, анимациями и ассетами, а также генерировать 3D-меши и автоматизировать задачи прямо в Unreal Engine.Плагин поддерживает подключение через CLI-агентов и API LLMCodex CLI, Claude Code или Gemini CLI, через API-ключи популярных моделей, а также через локальные / OpenAI-compatible LLM. То есть вы можете выбрать любой удобный формат работы: облачный, локальный или CLI. Лично я рекомендую Codex CLI — на данный момент это один из самых удобных и мощных вариантов для работы с плагином.Пример работы плагина есть на моем YouTube канале https://www.youtube.com/@KhomuttsanПо всем возникшим вопросам может написать мне в ВК или комментарии к видео https://vk.com/khomuttsan#подписчик

Зачем “дочка” Softline идёт на IPO и кто здесь реально выигрывает?ИИ-подразделение группы Softline (FabricaONE.AI) – собирается выйти на биржу уже в апреле. Размещение на Мосбирже с планом привлечь около 2–3 млрд рублей. Хочу обратить ваше внимание на тот факт, что на рынок выходит не стартап “с идеей”, а довольно крупный игрок. Выручка 25,5 млрд рублей, EBITDA 4,8 млрд, долговая нагрузка минимальная. Компания обещает рост на уровне 18-22% в год, а в отдельных сегментах до 30%+. Деньги от IPO пойдут на масштабирование и M&A, то есть мы видим историю “сначала покупаем рынок, потом разбираемся с эффективностью”.Есть плюс – компания сразу заходит с “приманкой” в виде дивидендов. Инвесторам обещают выплаты уже по итогам 2025 года. Это редкий ход для IT-истории, чаще всего продают только рост.Что здесь выглядит сильнымИИ сейчас – магнит для капитала. Даже на российском рынке, где денег меньше, тема работает. Далее – масштаб. FabricaONE.AI -- агрегатор активов с долей около 11% в заказной разработке. Это устойчивость, которой нет у AI-стартапов. В плюсы запишем и низкий долг (около 0,3x EBITDA), и прибыль, что не характерно для компаний роста. Риск “схлопывания” сразу после IPO снижается. И, наконец, дивиденды. Это сигнал: компания хочет привлечь не только спекулянтов, но и долгосрочных инвесторов.Где скрываются рискиНо давайте уберем маркетинг и около него, и тогда картина становится менее однозначной. Возможно, странно прозвучит, но я думаю, что сам “ярлык ИИ” – это и есть главный риск. Анализируем.1. Компания во многом остаётся интегратором и разработчиком ПО, просто с AI-компонентом. Так за что платит рынок, за реальные технологии или за слово “AI” в названии? 2. Есть также зависимость от M&A. Значительная часть привлечённых средств может уйти на покупки. Значит, рост будет “купленным”, а не органическим? Все это может красиво расти на бумаге, но не интегрироваться в реальности.3. К тому же, наш рынок IPO сейчас, мягко говоря, неглубокий. Ликвидности мало, инвесторы осторожны – есть риск, что размещение пройдет “вяло” или с дисконтом.4. Обещанные дивиденды превратятся в ловушку для самой компании. Выплаты на старте – плюс для спроса, но минус для роста. Компания балансирует между историей роста и историей доходности. Такие гибриды рынок часто не понимает.Предположим, размещение пройдёт успешно (был бы рад этому), FabricaONE.AI получит быстрые деньги на экспансию и усилит позиции на рынке. Скорее всего, дальше пойдёт серия сделок, рост выручки и попытка удержать мультипликаторы через “историю ИИ”. Но напомню, что главный риск не в IPO, а после него, я очень много говорил на конференциях и писал об об этом. Компании придется постоянно доказывать, что она реальный технологический игрок, а не просто “сборка активов”.Чего ждать инвесторамКраткосрочно – спрос на старте за счёт темы ИИ и дивидендов. Особенно, если размещение сделают с дисконтом. Среднесрочно – высокая волатильность. Рынок будет проверять историю на прочность, где там реальный AI (есть ли он вообще), а где просто интеграция. Долгосрочно – всё упрется в одно. Сможет ли компания превратить “рост через сделки” в устойчивый бизнес или останется конструктором, который легко собирается, но плохо держится.Отсюда вывод. Это не плохое IPO, но и не “очевидный win-win”. Это ставка на две вещи: на хайп вокруг ИИ и на способность менеджмента быстро покупать и склеивать рынок. Если решите участвовать, помните, что вы покупаете не бизнес. Вы покупаете обещание, что этот бизнес станет чем-то большим.@pro100IPO#FabricaONE.AI

Искренне не понимаю смысла вести канал, если тебе не нравится вести канал и для этого нужен ИИ.Что может быть жалостней зрелища, чем ИИ, пытающийся виртуозно шутить про 🍆 и 💩?

Я понимаю, что не ошибается тот, кто ничего не делает, но и вы же блин не маленькие стартапы из 2-х человек!И самое печальное, что в эру, когда LLM генерит тонны кода а люди доставляют его не читая, мы начнем считать такой аптайм "нормой" 😩 Окно Овертона уже двинулосьСвята место | 10МДК | ВЕБМастер | YHub

ПЕРЕКЛЮЧАТОР

Одна маленькая утилита для Mac и Win, которая экономит мне кучу нервов каждый день.

Больше всего я не люблю повторять рутинные действия. Даже переключение раскладки на MacBook меня бесит — пальцы делают это сотни раз в день, а мозг всё равно спотыкается об опечатки вроде «ghbdtn» вместо «привет».Несколько лет я жил с Punto Switcher. Привык. Считал, что лучше уже не будет.А потом наткнулся на Caramba Switcher — новую разработку того же автора. Поставил из любопытства. Снёс Punto через десять минут.Caramba лёгкая, шустрая и работает тихо — без настроек на три экрана. Просто делает свою работу и не мешает жить.Что она умеет:

- Сама определяет язык и на лету исправляет раскладку.- Переключает язык одной клавишей.- Исправляет уже набранное слово или выделенный кусок текста.- Автоматически ставит «ё» по правилам.

Скачать — тоже бесит переключать языки#продуктивность СпасибоЧатОсобнякАвтор

ИИ может «убить» Авито и другие классифайды?На выходных я опубликовал пост о классифайдах в своем tg–канале и спросил, интересно ли вам узнать мое мнение по поводу будущего классифайдов. Публикация набрала много реакций, за что большое спасибо. Поэтому сегодняшний пост о будущем классифайдов и ИИ-поиск. О чем же это я? С изменением пользовательской концепции поиска сила классифайдов будет сокращаться, так как ИИ-ассистенты ищут автомобиль у продавца, игнорируя промежуточное звено в виде классифайда. Соответственно, они ведут прямо к продавцу, поскольку в карточках классифайдов безусловно видно, кто продает. Не знаю, насколько этим озадачены Авто.ру, Авито и Дром, но на развитых рынках классифайды сейчас максимально озадачены этой историей, потому что они – лишнее звено в цепи потребления. И те, кто постоянно рассказывают, что классифайды победят дилеров, не понимают, что классифайды не являются владельцами автомобилей. Они выставляют чужие машины. Эта же история касается и маркетплейсов, если они продают чужие автомобили, а не имеют прямой контракт с производителем, которого ни у кого из них пока что нет. Даже если есть общие соглашения, то машины все равно продаются дилерские. Поколение, которое использует поиск с помощью ИИ-ассистентов, активно подрастает и постепенно будет переходить в категорию потребителей. Они будут искать не через классический поиск, а с помощью ИИ-ассистентов.

Если мы посмотрим на скрины в публикации, то увидим, что ИИ-ассистенты на первые места ставят конкретных дилеров, даже не сайт производителя. Потому что сайт производителя они тоже воспринимают как лишнее звено . Вот такая хорошая история для дилеров.

Очевидно, не стоит думать, что все будет просто. Производители будут искать решения, так как они хотят иметь клиентов у себя, трафики на свои сайты. Маркетплейсы, в свою очередь, также будут искать способы решения этой проблемы, в том числе обучая ИИ-ассистентов под себя. Поэтому дилерам естественно нужно учитывать эту тенденцию и понять, что старое доброе SEO – хорошо, но нужно адаптироваться к ИИ-поиску. Если вы хотите, чтобы ваши сайты через ИИ-поиск взлетали, то вам следует соблюдать определенные правила. Кроме того, необходимо заниматься обучением ИИ-ассистентов под свои нужды.— А что думаете вы? Пишите в комментариях. Также по возможности отвечу на ваши вопросы . Мой канал в MAX

В НИЯУ МИФИ создали архитектуру нейросети MambaShield, устойчивую к отравлению данныхАрхитектура основана на селективных моделях пространства состояний (sSSM).В ее основе — три компонента: • прогрессивная дистилляция устойчивости (PARD), где несколько моделей-учителей специализируются на разных типах атак;• иерархическое обучение с подкреплением (HRL) — адаптация стратегии защиты в реальном времени;• PAC-Bayesian-сертификация — дает математические гарантии устойчивости.Разработчики отмечают, что по скорости архитектура обрабатывает последовательности в 4,2 раза быстрее классического трансформера благодаря линейной сложности алгоритма. При этом система работает на отрезках до 1 тыс. шагов, но при длине последовательности более 5 тыс. шагов накапливаются ошибки округления, а точность может снизиться.🔗 Источник: https://poisknews.ru/iskusstvennyj-intellekt/v-mifi-razrabotana-arhitektura-nejroseti-ustojchivaya-k-otravleniyam/--- Подпишитесь на Email-рассылки ICT.Moscow по общей ИТ-повестке, искусственному интеллекту и аналитике, чтобы всегда оставаться на связи.

Жиза №1013В 2023 я не по своей воле работал с одним менеджером, повернутом на кибербезе. Причем ладно бы мы банк какой-нибудь пилили. Но это был обычный сервис по доставке еды.Тип на полном серьезе заставлял нас менять пароли от почты и джиры каждые две недели. Причем они не должны были повторяться последние полгода. В итоге у всех на мониторах висели стикеры с этими паролями, потому что запомнить это нереально.Также мужик считал, что телефон в офисе — это потенциальное устройство прослушки. И потому придумал правило: заходишь в кабинет — клади мобилу в специальный ящик на входе. Если тебе кто-то звонит, ты должен выйти в коридор, взять телефон, поговорить и положить обратно.А еще он любил проверять блокировку экранов. Если кто-то отходил от компа и не нажимал Win+L, он садился, и от имени этого человека писал в общий чат: «Я дебил, увольте меня». Так он нас обучал бдительности.Уволили его после того, как он на очередном созвоне с заказчиком отказался шарить экран, потому что это якобы нарушает протокол секретности интерфейса. Заказчик покрутил пальцем у виска, а наше руководство решило, что дешевле нанять нормального прожекта, чем терпеть этот косплей на агента 007.______________Поделиться своей историей — @zhizaIT_bot

Уровни автоматизации в эпоху Сингулярности. Например, ведение соцсетей. Часть 2: делаем то, что раньше было просто невозможно.И тут мы переходим к уровню, перед которым я застрял аж на 2 месяца, ибо вот тут уже непросто контролировать качество, и нужно прям постараться (вот же блин), чтобы всё заработало.4 уровень — полная автономность. Доступ к этому уровню 3 месяца назад был сильно упрощен с выходом OpenClaw. Автономность и есть его главная фича. У меня есть личный OpenClaw ассистент в телеграме и он мне супер помогает в повседневной жизни, но настроить его для управления проектом это куда более объёмная задача...Пока мой OpenClaw умеет только следить за новыми mentions и личными сообщениями — тогда он присылает мне в телеграм уведомление и предлагает текст ответа. Я же могу подтвердить или подредактировать текст, после чего он сам запостит ответ.Однако остальные обязанности я ему пока не выдал, ибо я опасаюсь снижения качества, а у меня в данное время нет достаточно времени, чтобы как следует посидеть и всё настроить. В течение пары недель настрою и обязательно расскажу.Но потолок же был пробит, когда стало ясно, что уже достаточно хорошо работает и...5 уровень или я бы даже сказал последний уровень — оркестрация автономных агентов.Это когда человек по сути вообще не нужен, ты лишь иногда смотришь текущее состояние, чтобы понять, всё ли гуд или надо что-то подправить.Уже создаются компании, в которой все роли исполняются агентами (пока не супер прибыльные, но это дело времени). Я тоже игрался с этим, создав на сервере стартап с CEO, CTO, и так далее — они сами придумывали идеи для проектов, кодили их, создавали лендинг страницу, продумывали маркетинговую стратегию , и так далее. Они могли бы и сами запустить и начать рекламную кампанию, но тут я остановился, ибо не было бюджета.Для Cometa это значит:• я уже не подтверждаю текста, а получаю только отчеты за день• агенты сами фиксят сайт, если пользователи жалуются в твиттере• агент сам придумывает коллаборации и ведет переписки с парнерами• новые фичи сами придумываются, реализуются, тестятся и анонсируются (но вот это прям endgame)Это уже возможно, но у меня сейчас нет столько мотивации и времени, чтобы реализовывать конкретно для этого проекта. Но я буду плавно идти к этому ради эксперимента.Гуманитариям крайне рекомендую Claude Cowork — выполнение долгих процессов с разными интеграциями и даже с полным контролем вашего компьютера. Claude намного обогнал ChatGPT в плане возможностей.Это неизбежное будущее. Это новая парадигма, а не просто "пользоваться чатгпт". Уже скоро абсолютно всё на компе будет автоматизировано, и чем раньше вы это сделаете, тем вам будет лучше (отвечаю). Пробуйте, экспериментируйте. Это весело.А какие занимательные вещи вам удалось автоматизировать в последнее время? Делитесь, интересно :)@cometablog with ❤️🤖☄️#ai #продуктивность #cometa

AI спросили про стратегию — и получили трендслопВсё чаще слышу истории, как продакты и руководители ссылаются на ответы AI в стратегических решениях. AI как напарник по брейнштормам — окей. Но как советник, которому можно доверить финальное решение — ну, такое.Но что именно с ним не так? Группа исследователей решила проверить это буквально. Прогнали тысячи симуляций через GPT-5, Claude, Gemini, Grok. Семь классических стратегических развилок: коммодитизация vs дифференциация, автоматизация vs аугментация, короткий горизонт vs длинный горизонт, централизация vs децентрализация, конкуренция vs коллаборация и др.И вот тут начинается самое смешное. Модели почти единодушно выбирали одну и ту же сторону каждой развилки. Всегда за дифференциацию. Всегда за аугментацию. За долгий горизонт, децентрализацию, коллаборацию, инкрементальные инновации. Неважно, что за компания — стартап, банк, госсектор, китайская стройка. Ответ тот же😎Поменяли промпты — не помогло. Дали другой контекст — сдвинуло ответы на чуть-чуть. Разрешили не выбирать — модели начали радостно предлагать «давайте и то, и другое сразу», что по сути вообще не является решением, а опасный stuck in the middle, ведущий к тупику в обоих направлениях. Авторы назвали это trendslop — модель выдаёт не то, что уместно, а то, что звучит одобряемо и современно😏Как это объяснили исследователи? LLM — это усреднённый голос интернета. Коллаборация и устойчивость там звучат позитивно. Коммодитизация и иерархия — как будто из учебника 80-х. Модели просто предсказывают социально одобряемый ответ. Walmart и Costco росли кратно через лидерство по цепям поставок и снижение издержек, но в обучающих данных этого контекста в разы меньше, чем про unique value proposition🙂В общем то, вывод исследования такой, что LLM способна дать ответ, сформированный контекстом управленческих статей и постов, а не логикой конкрентных продуктов и рынков. Поэтому AI лучше использовать для расширения количества вариантов, поиска аргументов, анализа конкурентов, но задавать фокус, сужать скоуп, делать выбор, принимать решения лучше самому.Но я уверена, вы не писали стратегии с LLM. Не писали же?🤔

Маленький момент с эквализацией.На днях мне довелось посмотреть небольшой кусочек так называемого интенсива от всеми любимого крайне приятного звукорежиссёра с интересной бородой.Он там рассказывал про пространство в миксе и всякое такое разное. В целом докопаться было почти не до чего, кроме одного момента, который я запомнил так, что даже в поезде Новосибирск—Иркутск, после тридцати часов здорового сна, не могу выкинуть из головы.А именно — маленький момент с эквализацией. Он решал частотные конфликты, вырезая фундаментальную частоту инструмента, который, как утверждалось, конфликтует с другим инструментом. Да не просто вырезал, а кромсал прям жёстко и хардкорно. Да и гармоники покромсал. И вот вопрос у меня такой: а не проще ли взять такой славный инструмент, как фейдер, и воспользоваться его невероятной силой? Вы не подумайте, я не докапываюсь прям вот до курсов. Курсы как курсы — в меру бесполезные, в меру хорошие. Просто хорошая привязка того, что я заметил, к действительно существующей тенденции.А именно — резать эквалайзером так сильно, что проще двинуть фейдером вниз. Мы все часто этим грешим.Не то чтобы это была какая-то трагедия или было бы какое-то шибко негативное влияние на микс. Тут скорее вопрос подхода и мышления. Ведь, согласитесь, видеть проблему как «Мне мешают вообще все частоты, и я буду резать их эквалайзером» и как «Сделаю-ка я этот элемент потише, а то вылезает» — в корне разный подход.И, как мне видится, второй подход более рационален, менее времязатратен и более эффективен.

📌 Обучаю ИИ мыслить как я, чтобы не получать дефолтных ответов и рассуждений.Вместе с Клодом я просмотрела сотни своих чатов и рабочих кейсов, чтобы проанализировать то, как я мыслю, и научить Клод мыслить так, как это делаю я. И собрать skill под названием «anya-reasoning».Оказалось, что мое мышление опирается на вполне конкретные исследовательские и философские фреймы. Некоторые из них я знала, некоторые названия своих же методов мышления увидела впервые. Получилась такая реверснутая поговорка про «Назови врага по имени». Соль в том, что для лечения своих травм, важно их знать и уметь назвать. Здесь также, чтобы научить кого-то мыслить как ты, нужно знать, как это назвать и упаковать. Получается, назвать друга по имени. Например, какие принципы в моих запросах и диалогах увидел Клод:📎 Методологическая триангуляцияПринцип из качественной методологии: валидный стратегический вывод требует сходимости минимум трех независимых источников данных. В бренд-платформах это три слоя: видение бизнеса, реальные паттерны аудитории и вектор движения рынка. Точка их пересечения это единственное место, где рождается жизнеспособный инсайт. 📎 Разделение на observation / inference / conjectureБазовый эпистемологический принцип: факт, вывод и допущение, три разных уровня утверждения. Observation: зафиксировано в данных.Inference: логическое следствие с явным основанием.Conjecture: допущение, выходящее за пределы данных. 📎 Stated ≠ revealed preferencesПринцип из поведенческой экономики. Заявленное предпочтение не равно действительному. То, что респондент говорит в интервью, это сигнал, а не факт о его поведении. Реальный драйвер решений реконструируется в разрыве между «сказал» и «сделал».📎 Корреляция ≠ причинностьНаблюдаемая связь двух переменных не является доказательством причинной связи. Перед каузальным выводом нужна проверка трех альтернатив: обратная каузальность, общий фактор, селекционное смещение. «X коррелирует с Y» и «X вызывает Y» принципиально разные утверждения, требующие разного уровня доказательств.📎 Критерий фальсифицируемостиНаучное утверждение должно содержать условие, при котором оно ложно. Гипотеза без теста на опровержение — это мнение. Каждая стратегическая гипотеза формулируется с эмпирическим тестом: какое наблюдение ее опровергнет и при каком пороговом значении. .📎 Системное мышлениеСложные организационные проблемы это петли обратной связи, а не линейные цепочки причин. 📌 Как сделать такой скил для себя по мотивам собственных рассуждений и фреймов мышления:1⃣ Попросите Клод пройтись по вашим рабочим диалогам и рассказать, какие у вас повторяющиеся паттерны мышления. В каких ситуациях они проявляются? Как вы решаете типовые задачи? Какими кейсами это можно подтвердить? 2⃣ Уточняйте, просите себя прожаривать, не пропускайте теневые стороны вашего мышления.3⃣ Попросите упаковать в скилл и объяснить ваши принципы мышления научно, чтобы потом модель реально могла их применять. Зачем все это делать и какие выводы?Для меня проблема пресности ИИ-ответов в том, что дефолтная логика опирается на тысячу чужих рассуждений, которые выливаются в какую-то базовую компиляцию. Моя задача при работе с ИИ — получить не идеальный, выверенный, но при этом базовый и скучный ответ, а тот, что наиболее похож на то, как я сама думаю и принимаю решения. Могу ли я совершать ошибки? Да, могу. Но любое мое решение это тест гипотез.

🚀 Как мы превратили психологию и бизнес в прикладную физику: эволюция одного проектаМногие компании сегодня управляются вслепую: бизнес либо опирается на сухие цифры и KPI, забывая о людях, либо уходит в абстрактный «тимбилдинг», который никак не влияет на систему. Мы задались вопросом: можно ли оцифровать то, что кажется неоцифруемым? Можно ли рассчитать влияние глобального культурного сдвига на конкретного сотрудника? Оказалось, да. Наша гипотеза подтвердилась, и вот как мы прошли путь от фундаментальной философии до создания предиктивной IT-системы.🧬 Шаг 1. Микро-уровень: Исходный код сознанияВсё началось с человека. Мы разобрали на молекулы то, как устроено наше сознание. Как мы воспринимаем реальность? Какие ролевые паттерны включаются в тех или иных ситуациях? Поняв этот «микро-уровень», мы получили ключи к базовым мотивациям и реакциям единицы системы.🤝 Шаг 2. Мезо-уровень: Архитектура группЗная исходный код одного человека, мы смогли объяснить, как происходит взаимодействие. Сначала между двумя субъектами, затем - внутри команд и целых корпораций. Мы научились видеть компанию не как штатное расписание, а как живую нейросеть со своими пропускными способностями, конфликтами и скрытыми ресурсами.🌍 Шаг 3. Макро-уровень: Среда и КультураНи один бизнес не существует в вакууме. На следующем этапе мы интегрировали в систему понимание эгрегоров, культурных кодов и глобальных фазовых циклов. Мы оцифровали «погоду» - время и пространство, где концентрируются энергии и силы, влияющие на всех нас. Это позволило создать точную карту: от локальной до глобальной.💻 Шаг 4. IT-продукт: Вычислительный синтезЗнать всё это - прекрасно. Но человеческий мозг не способен держать в фокусе одновременно микро-показатели сотни сотрудников и макро-изменения мировых рынков. Считать это руками слишком долго и сложно. Поэтому сейчас мы переносим эту многомерную математику под капот нейросетей. Мы создаем программный продукт - эмуляционный вычислительный модуль, который делает эти расчеты за секунды.⚙️ Как это работает на практике?Представьте, что мы берем вашу компанию за «нулевую точку отсчета». Наш продукт позволяет запустить два встречных аналитических потока:* Снаружи внутрь (Влияние среды): Как конкретный мировой кризис, действия государства или тренд в поведении клиентов ударят по вашей бизнес-модели и конкретным людям в вашей команде.* Изнутри наружу (Точная оптимизация): Какие процессы на микро-уровне нужно изменить прямо сейчас? Кого из команды переставить местами, чтобы система выдержала давление среды и выдала максимальный результат?Мы больше не гадаем. Применяя законы фаз и циклов, мы с максимальной достоверностью описываем решения. Будущее управления - это не интуиция. Это точные вычисления на базе глубокой оцифровки человеческого фактора. И именно этим мы сейчас занимаемся.

Новый виток A11y в Apple?Джон Тернус — новый CEO Apple, а также тот человек, который в качестве дипломного проекта в University of Pennsylvania разработал механическую руку для кормления, управляемую с помощью движений головы. То есть пользователь, не имеющий возможности двигать конечностями, мог самостоятельно есть — управление шло через head-tracking без участия рук. Также стоит вспомнить, что именно под его руководством вышли Apple Watch с Double Tap — классический curb cut effect: жестовое управление изначально появилось в 2021 году как AssistiveTouch, фича для людей с особенностями верхних конечностей, а позже та же технология стала фичей для всех. AirPods Pro с hearing aid — наушники массового рынка, работающие как слуховой аппарат. Vision Pro, где eye-tracking — основной интерфейс: формально это универсальный дизайн, но выросший из accessibility-подхода ) И это уже другой уровень доступности — встройка в железо ) Кайф? Кайф! Alt: фотография Джона Тёрнуса на сцене Apple-презентации, за ним крупным планом чипы и схемы.___en<able> - о дизайне в A11y | Наши статьи на VC

ТМХ представил на проходящей в столице Узбекистана, городе Ташкенте VI Международной промышленной выставки «ИННОПРОМ. Центральная Азия» свою перспективную разработку – электропоезд переменного тока ЭП5Н. Главными отличительными особенностями это поезда являются пониженный уровень пола во входной группе, позволяющий сделать более удобной посадку и высадку пассажиров; высокая пассажировместимость и повышенный уровень пассажирских сервисов.Вот, то, что нужно для Белоруссии. Поезд хорошо подошёл бы под текущий тендер БЧ на поставку 30 электропоездов. Но до воплощения и, тем более, серии — далеко. Движение в правильном направлении, однако.

🤔 В чем различие методов call apply bind? Методы call, apply и bind принадлежат к функциональному объекту Function и используются для указания контекста this при вызове функции. Хотя все три метода позволяют контролировать значение this внутри функции, между ними существуют ключевые различия в способе использования и поведении.🚩СallВызывает функцию, явно устанавливая this в первом аргументе. Остальные аргументы передаются в вызываемую функцию как есть.function greet(message, name) { console.log(${message}, ${name}. This is ${this});}greet.call("Earth", "Hello", "Alice"); // "Hello, Alice. This is Earth"🚩ApplyОчень похож на call, но принимает аргументы в виде массива, а не по отдельности.function greet(message, name) { console.log(${message}, ${name}. This is ${this});}greet.apply("Earth", ["Hello", "Alice"]); // "Hello, Alice. This is Earth"🚩BindСоздаёт новую функцию, которая, когда она вызывается, имеет установленный контекст this, указанный в первом аргументе. В отличие от call и apply, bind не вызывает функцию сразу, а возвращает новую функцию, которую можно вызвать позже.function greet(message, name) { console.log(${message}, ${name}. This is ${this});}const greetEarth = greet.bind("Earth", "Hello", "Alice");greetEarth(); // "Hello, Alice. This is Earth"Ставь 👍 и забирай 📚 Базу знаний

Concurrency and Consistency. Non-blocking, lock-free and async. Пост №1. В чем разница между Blocking, Non-blocking, lock-free?После написания десятков постов о традиционном способе синхронизации конкуррентных программ - блокирующей синхронизации, я задумался, а возможен ли другой путь? Я что-то слышал про lock-free алгоритмы, а также слышал что в распределенных системах существуют conflict-free структуры данных. Вдогонку к этому - флешбэки из десятых когда был максимальный хайп вокруг функционального программирования и отовсюда звучал тезис - "только на ФП языках получается трушный concurrency код". Что же там такого под капотом у этих языков чего нет у остальных я разобраться не успел, но у меня закрались сомнения от таких сильных заявлений, ведь какой бы не был язык все что мы пишем превращается в - syscalls для ядра ОС написанного на С.- инструкции для процессора.Поэтому в новом цикле постов будем развеивать туман. Начнем с разбора основных баззвордов.Блокирующий (blocking) вызовПонятие блокирующих функций мы подробно разбирали в прошлых постах. Во время работы один из потоков нашей программы может заблокироваться если наткнулся на блокирующий примитив синхронизации захваченный или например ему понадобилось вызвать системную функцию. В такие моменты исполнение инструкций потоком останавливается, поток засыпает. Разблокировка потока происходит по сигналу ОС или рантайма ЯП.Примеры блокирующих функций:- функции работы с сокетами (send, recv, accept)- функции работы с файлами (fsync, fdatasync)- синхронизация (pthread_mutex_lock, pthread_cond_wait, pthread_barrier_wait)- sleep 😊Неблокирующий (non-blocking) вызовТут все намного проще. Неблокирующая функция - та в которой нет вызовов блокирующих функций. И как следствие остановить выполнение такой функции может только ОС или рантайм языка программирования через вытесняющую многозадачность.Как обеспечивать синхронизацию в случае когда мы не можем себе позволить засыпать и передавать контроль ОС? Ответ - Spinlocks. Потому что это примитив с активным ожиданием, то есть он заставляет потоки постоянно крутится в ожидании освобождения ресурса. Lock-freeПонятие lock-free обычно упоминают в контексте структур данных или алгоритмов. В общем случае это код в котором - Отсутствуют мьютексы. Как следствие невозможно уснуть и передать контроль ОС. Отсутствует блокирующая синхронизация- Отсутствуют спинлоки. Несмотря на неблокирующую логику спинлоков у нас в программе создается ситуация эксклюзивного владения и при захвате примитива одним потоком у остальных нет возможности продвигаться и делать полезную работу. С чем мы в итоге остаемся?Для того чтобы строить lock-free алгоритмы и логику у нас остается только один путь - самостоятельно писать код на атомарных операциях (CAS, TAS, FAA).Без этого с большой вероятностью наша программа будет работать некорректно, так как все равно даже без примитивов синхронизации потоки программы в любое время могут быть остановлены ОС и запущены спустя время. И если поток был остановлен где то посередине важной операции и такой сценарий не учтен в коде нас будут ждать сюрпризы😁Нужно ли стремиться к lock-free коду?Когда мы пишем код, используем структуры данных, алгоритмы мы всегда взвешиваем все за и против. В Concurrency тоже самое.Алгоритм / структура данных построенный на Blocking примитивах работает предсказуемо и понятно, не самый сложный код. Поддержка в любом ЯП и ОС из коробки. Для низконагруженных приложений - обязательно к использованию. Под высокой нагрузкой может стать бутылочным горлышком.Алгоритмы и СД со спинлоками или трушные lock-free без них потенциально позволяют увеличить пропускную способность системы, но все равно существует риск пауз связанных с активным ожиданием. Плюс такие программы все таки сложнее проектировать и реализовывать. Подступаться к снаряду стоит после того как убедились что бутылочное горлышко именно в блокирующих примитивах.На этом первый пост всё, спасибо что читали, оставляйте комментарии и реакции, чтобы я видел что вы ждали посты❤️

Moderation by Elaine Castillo (2025)#WomensPrize_2026Гёрли живет в Лас-Вегасе и работает модератором контента. Каждый день она отсматривает всё то, на что жалуются пользователи, решая, действительно ли это подлежит удалению. Не все выдерживают: Гёрли – одна из самых опытных модераторов, и она не сойдет с дистанции, не сдаст позиций, не уволится. Как самая старшая из многочисленных кузин в своей большой филиппинской семье, она чувствует ответственность, в том числе, финансовую. Их семейная история эмиграции была бы успешной, но ипотечный кризис внес свои коррективы, и теперь Гёрли (это, кстати, не ее настоящее имя) принимает предложение модерировать в реальном времени многопользовательскую игру в виртуальной реальности, которая полностью имитирует погружение, ощущения и опыт. Можно было бы задаться разными вопросами, но новый босс интригующе притягателен, а сумма оклада – еще привлекательнее. Роман написан очень живо и современно, он сразу помещает читателя в сознание Гёрли, весьма обаятельной и многомерной героини. И она функционирует в очень реальном и многолюдном окружении: ее большая семья, коллеги и начальство, корпоративы, дни рождения, спортзал, виртуальное пространство, и, конечно, пространство ее воспоминаний, размышлений и внутренней жизни. Модерация и постоянное столкновение с травмирующим контентом не проходят для героини бесследно, а когда работа переходит в модерацию, по ощущениям, очень реальной жизни, хоть и в виртуальном пространстве, ее последствия тоже выходят на новый уровень. Как и зачем корпорация создает такую реалистичную симуляцию, как использует ее, как распоряжается пользовательскими данными, на что нацеливает этот мощнейший потенциал? Ответ нам даст даже не роман, а всепроникающий капитализм, который может разрушить не только финансовые перспективы отдельно взятой семьи иммигрантов, но и мечты гениев, и человеческие отношения, и психику собственных сотрудников.Но если эта часть романа казалась мне великолепной и напоминала сериал Severance, то второй компонент книги, любовная история, меня разочаровала. Новый босс Уильям кажется героем, который вышел из слр и вошел не в ту дверь ошибся книгой. Споткнувшись о его всестороннее великолепие, Гёрли, с одной стороны, несколько теряет фокус как героиня, с другой – ну, наверное, это и хорошо, потому что она позволяет себе выдохнуть, сбросить с себя ответственность за других взрослых людей (предварительно позаботившись об их благополучии) и отдаться своим чувствам и желаниям. В общем, счастливый союз социального технотриллера, ромкома и любовного романа понравился бы мне больше, не будь в нём такой сиропной концовки. С другой стороны, много ли вокруг книг, от финала которых не хочется пойти топиться? Так что ладно, пусть будет хэппи-энд. #валентина#английский

🔥 Топ-5 TUI-утилит для DevOps инженераПодборка консольных интерфейсов, которые ускоряют повседневную работу — без ухода в браузер или IDE.🔵k9s — TUI для управления Kubernetes: навигация по ресурсам, логи, exec в поды, редактирование манифестов — всё по горячим клавишам и без длинных kubectl-команд. Фактически стандарт для ежедневной работы с кластером в терминале.🔵 lazygit — Интерактивный интерфейс для Git: стейджинг по строкам, interactive rebase, разрешение конфликтов, работа с ветками — всё через хоткеи.🔵 gh dash — Расширение для GitHub CLI, превращающее терминал в дашборд с PR и issue. Секции настраиваются под нужные репозитории и фильтры.🔵 gping — ping с графиком задержек прямо в терминале. Поддерживает несколько хостов одновременно — наглядно видно, где именно теряются пакеты и у какого узла растёт latency.🔵 glances — Кроссплатформенный системный монитор: CPU, память, диски, сеть, процессы, сенсоры, Docker-контейнеры — всё в одном экране. Умеет работать в режиме клиент-сервер и отдавать метрики по REST API или экспортировать в InfluxDB, Prometheus, Graphite.#полезное

Какой у нас "игривый" нац мессенджер) Кстати это не ссылка на востановление пароля, а просто текст.

Если в команде всё плохо, дело не в недостатке инновацийЕсли твоё IT работает как куча говна, добавление к нему "самых последних технологий", превратит ее в кучу говна, из которой торчат обломки космолёта. Скорее всего, это не то, что тебе нужно.Что такое "куча говна"? Это такой адский треугольник: медленно, дорого и некачественно. В отличие от положительной версии, сочетать все три негативные стороны обычно можно с большим успехом. В 100% случаев если выглядит всё именно так – тебе не хватает не <вставь любимое название модной технологии: ai, микросервисы, кроссплатформенная разработка, что-еще-там-было-в-том-блоге>.Если твои разработчики не умеют в код-ревью, а ты всех посадил на claude code, они вместо того, чтобы руками писать плохой код, который делает не то, что нужно, будут его генерировать и уходить домой пораньше. Если твоя инфраструктурная команда не может построить нормальный релизный пайплайн для одного некрасивого и немодного монолита, а ты вместо него запилишь 50 микросервисов – попробуй прикинуть вероятность, с которой 50 раз вместо одного у них, почему-то, получится. Если твои qa недостаточно понимают продукт и пользователей, чтобы протестировать его руками, от того, что ты заставишь их писать автотесты, понимать это они не начнут – просто плохие тесты станут автоматизированными и будут проходить быстрее!В общем – попробуй начать с качества людей (часть придется поменять, часть обучат новые люди) и базовой гигиены жизненного цикла разработки по (спроси у коллег, айти которых работает нормально, что это такое). Еще лет 5-7 назад люди умели поставлять ценность в продакшен за дни и недели, а не кварталы и полугодия, тестировать софт, и, вообще говоря, зарабатывать на IT деньги. Да, новые подходы к технологиям ускоряют эти команды еще больше, но если совсем уж пропустить базовый путь становления и поверх людей, не умеющих работать, натянуть "инновации" – у тебя получися совсем не то же самое, что у топовых игроков на рынке, которые пишут статьи про эти инновации :)

CQRS ≠ MediatR.Перестаньте смешивать CQRS и MediatR.То, что вы используете MediatR, не означает, что у вас реализован CQRS.CQRS — это про разделение операций чтения и записи, часто с разными моделями, стратегиями хранения и иногда с разными хранилищами данных.MediatR — это библиотека для диспетчеризации сообщений внутри процесса. Она удобна для организации команд и запросов, но это не фреймворк CQRS.Можно использовать MediatR в архитектуре, построенной по CQRS.Но не стоит считать, что одно автоматически означает другое.Сначала разберитесь в различии, прежде чем внедрять паттерн или инструмент.👉 @KodBlog

Научить машину видеть лесС конца 1970-х годов спутники накопили огромный открытый архив снимков Земли. Можно буквально «отмотать» историю леса на десятилетия назад и посмотреть, как он менялся. Именно это и делает команда проекта «Стражник» — научного исследования усыхания темнохвойных лесов, которое ведётся в Сихотэ-Алинском заповеднике.Сергей Дудов, исследователь растительности Дальнего Востока из МГУ, куратор проекта, составляет карты темнохвойных лесов для каждого десятилетнего среза — с середины 1980-х годов до наших дней. Это позволит проследить динамику их площадей почти за сорок лет.В основе — методы машинного обучения. Но это, как объясняет сам Сергей, не просто нажать две-три кнопки на компьютере. Нужно приложить экспертный опыт: выделить на картах обучающие полигоны, то есть объяснить машине — вот здесь наши леса, здесь их нет. И сделать это для каждого временного среза. Это кропотливая, интеллектуально ёмкая работа, которая требует не только владения технологиями, но и глубокого понимания территории.Горный рельеф Приморья добавляет дополнительную сложность. Склон, постоянно затенённый из-за углов падения солнечных лучей, может выглядеть на снимке точь-в-точь как еловый лес — хотя на самом деле там совсем другая порода. Такие точки нужно заранее выявлять и исправлять, иначе карта будет искажена. Именно поэтому результаты дешифрирования снимков обязательно проверяются в поле — ногами и глазами.

Читая вчера великих экспертов по энергопотреблению приложений, задумался. Мне понравилось, и я задумался еще. Ни один, ни один из них не догадался залезть в настройки телефона и посмотреть, а что же батарейку жрёт. Или догадался, но тогда со стыдом пришлось бы признать, что мессенджеры в фоновом жрут больше, чем клуб весёлых и находчивых. Эхх. Не возьмут меня в эксперты

🆒 Собрал себе систему знаний, которая работает как нервная система и знает про меня больше чем я самПока все ставят коробочные AI-ассистенты на Mac mini, я уже несколько месяцев собираю другое. Это не один ассистент в коробке. Это многослойная экосистема, где каждый слой видит свою часть мира, а решения рождаются из их взаимодействия.В основании - единая база почти на полмиллиона заметок. Все мои Apple Notes, контакты, переписки, Google Drive, чеки, анализы, разговоры со всеми AI-моделями за три года. Поверх - смысловой поиск, который находит нужное даже если слов запроса в заметке вообще нет. Рядом - карта связей, где видно какие темы между собой притягиваются и где в архиве уже накопилась «масса». Дальше - рой специалистов под каждый тип задач, они работают цепочками. И десятки мостов к внешним сервисам: банк, календарь, почта, задачник, дизайн-инструменты, продуктовые бэкенды. Сверху - слой проактивной памяти, который сам находит в архиве нужное и возвращает мне без запроса.Как это работает на живых сценариях.🎥В 8 утра приходит короткий текст. Не расписание, а полезные связки. Встречи с контекстом - кто это, когда виделись в последний раз, о чём тогда договорились и что до сих пор висит. Динамика вчерашнего дня, погода почасовая, и блок «сегодня важно не забыть» - туда попадает и то что я голосом накидал в чат, и пункты которые система сама заметила в моих разговорах как открытые петли.🎥Набираю в чат имя человека перед встречей. Система поднимает всю нашу совместную историю - переписки, голосовые, мои заметки про него, чем заканчивались прошлые встречи. Находит паттерны: что его волнует, какие темы он повторяет из раза в раз, что обещал и забыл, что я должен ему напомнить. Подсвечивает пересечения с другими проектами и людьми. Прихожу на встречу зная о собеседнике то, что он сам давно не держит в голове - разговор начинается с той точки, до которой обычно добираются через 40 минут смолтоков.🎥И самое неочевидное. В последних разговорах я три раза вскользь упомянул одну тему. Система сама находит в архиве заметку восьмимесячной давности, где я эту идею уже продумывал и тогда отложил - и кладёт в утренний брифинг. «Ты снова возвращаешься к этому, вот что ты решил тогда, вот что изменилось с тех пор, возможно пришло время». Это происходит само, без запроса и именно в такой моментик архив перестаёт быть кладбищем и начинает работать как активная память.Короч, это не вопрос про «поставить правильный ассистент и включить правильные скиллы». Это вопрос скорее того, что под каждым сценарием должно быть несколько лет прицельно собранного контекста и десяток интегрированных слоёв. Коробка типа OpenClaw классная точка для старта. А то что у меня - это скорее результат нескольких месяцев прицельной сборки под конкретную жизнь и конкретный бизнес. Предлагаю посмотреть детальную карту с шестью живыми сценариями и разбором каждого слоя простым языком - http://brain.evdokimov.aiЕсли интересно выстроить такую систему знаний под свой бизнес и свою жизнь - запишись на консультацию:

На одном и том же соединении с VPN: Этажи - выключите VPN, мы не хотим вас видеть! Или заполните сложную капчу, помучайтесь!ЦИАН - добро пожаловать! пользуйтесь сайтом на здоровье. Такими темпами Этажам агрегаторы не победить...

Я ни разу не слышал в рекомендациях музыкальных стримингов ИИ-треки. Ни разу. И нет, дело не в том, что я не могу отличить их от настоящих :)Не отрицаю проблемы с ИИ-треками, но не понимаю, какую музыку и как надо слушать, чтобы они начали попадаться аж в рекомендациях (не тиктока, а музыкального, блин, сервиса).