Kurgan-Telecom Ru | Информационные технологии

Ну что сказать… Продолжаем! Рассматриваем очередную полезную тему - Command Lists - и, как обычно, с объяснениями

В 1931 году, обратив логику против самой себя, Курт Гёдель доказал пару теорем, которые изменили представление о знании и истине. Эти «теоремы о неполноте» установили, что ни одна формальная система математики — ни одно конечное множество правил или аксиом, из которых, как предполагается, вытекает всё остальное, — не может быть полной. Всегда будут существовать истинные математические утверждения, которые логически не вытекают из этих аксиом.

Первые недели пандемии Covid я провела, изучая, как 25-летний австрийский логик и математик сумел этого добиться, а затем написала краткое изложение его доказательства объёмом менее 2000 слов.

Но даже после того, как я разобралась в этапах доказательства Гёделя, я не была уверена, как именно следует трактовать его теоремы, которые обычно понимаются как исключающие возможность существования математической «теории всего». И я такая не одна. В книге «Доказательство Гёделя» (классическом труде 1958 года, на который я в значительной степени опиралась при написании своей статьи) философ Эрнест Нагель и математик Джеймс Р. Ньюман писали, что смысл теорем Гёделя «до конца не постигнут».

Возможно, это и так, но с тех пор прошло шесть десятилетий. На каком этапе мы находимся сегодня с этими идеями? Недавно я попросила логиков, математиков, философов и одного физика обсудить смысл теорем о неполноте. У них было много чего сказать о последствиях этого странного интеллектуального достижения Гёделя и о том, как оно изменило ход бесконечного поиска истины человечеством.

Разберём, что умеют AI survey tools, почему summary уже мало и как выбрать платформу, где ИИ работает во всём цикле обратной связи.

Исторически первый сценарием использования ИИ в опросе был связан с анализом открытых ответов. ИИ анализировал комментарии, группировал темы, показывал тональность и делал краткое резюме. Это полезно, но этого мало. Важно, кому отправили анкету, как сформулировали вопрос и что компания сделала после анализа ответов.

Поэтому рынок движется от отдельной AI-функции к сценарной модели. ИИ помогает не в одном месте отчёта, а во всём контуре обратной связи – от подготовки опроса до действия после инсайта.

Привет, Хабр. Мы уже показывали токенизаторы для изображений и видео, рассказывали про обновление видеомоделей KVAE-2.0, а теперь закрываем третью модальность — публикуем KVAE-Audio, непрерывный полнодиапазонный (48 кГц) токенизатор для звука. По результатам тестов наш VAE (вариационный автоэнкодер, Variational Autoencoder) показывает лучшее качество генераций в задаче text-to-audio (генерирование звука по текстовому описанию) в общем домене, при этом не отставая в качестве реконструкций от моделей конкурентов, и имея заметно меньше параметров и каналов в латентном представлении. Код, инференс — в открытом доступе под лицензией MIT, веса на HF.

Александр Либкинд, руководитель направления развития сервисов управления затратами и эксперт Практики FinOps, поделился материалом о том, почему ручная инвентаризация инфраструктуры редко приводит к устойчивой экономии и как перейти от разовых проверок к управляемой модели.

Поводом могут быть GPU-инстансы, тестовые окружения, неиспользуемые диски, свободные IP-адреса или любые другие ресурсы, которые продолжают потреблять бюджет после завершения задачи. Но проблема почти всегда шире, чем один тип инфраструктуры.

Если у ресурса нет владельца, команды, среды и приложения, компания не управляет затратами. Она просто периодически пытается разобраться, что можно отключить без последствий.

Самый дорогой сотрудник для компании — тот, который уже найден, но еще не может приступить к работе.

Каждый час между принятием решения о найме и фактическим выходом сотрудника означает потерянное рабочее время, дополнительную нагрузку на HR и задержку бизнес-процессов.

И хотя кадровый документооборот давно стал электронным, само оформление сотрудников редко можно назвать быстрым. Причина проста — документы по-прежнему приходится получать, проверять, сопоставлять и переносить в корпоративные системы.

В итоге документы остаются одним из последних бюрократических барьеров между кандидатом и его выходом на работу. Под катом рассказываем, как Smart Engines удалось решить эту задачу и сократить обработку кадрового пакета до нескольких секунд.

Когда эти смешные (на наш взгляд) девушки отошли от нашего стенда, соседи по выставке сразу начали говорить, как нам повезло.

Очевидный путь для бота поддержки на LLM — слать в модель каждый вопрос вместе с куском базы знаний. На демо работает, в проде разваливается: галлюцинации, путаница в похожих сценариях и счёт за каждое «здравствуйте». Рассказываю, как я перевернул схему — вопрос доходит до нейросети в последнюю очередь, а не в первую, — и почему гибридный конвейер из детерминированных слоёв оказался стабильнее «чистого» RAG.

TLS 1.3 с прямой секретностью - это правильный выбор. Если завтра скомпрометируют серверный ключ - прошлые сессии не расшифруются. Эфемерные ключи уничтожены. Все продумано.

Проблема в том, что это защита от одного сценария. Не от того, о котором идет речь.

Если сегодня взять и выставить на 30 градусный мороз всю дизайн команду сервиса ВК Видео, а затем весь менеджмент ответственный за принятие решений и страт развитие, и не нанимать никого лет 5 — ни один пользователь этого не заметит.

Бэкенд кое-как держит нагрузку, но от нормальной монетизации автор отказывается из принципа — пока есть только донаты.

За свои 17+ лет в активной разработке я встречал много проблем, но одна преследовала меня постоянно: JSON. Нет, с самим форматом все ок, но вот с его чтением — не все норм.

Когда я только начинал работать с PHP, я списывал это на скриптовость языка. Отчасти из‑за этого я даже поменял стек. Но когда приходили по‑настоящему большие файлы, это всегда было больно. Иногда — очень. Был проект, где мы ждали не обработку информации бизнес‑логикой, а банального парсинга. Файлы доходили до десятков гигабайт и не всегда влезали в оперативку. Тогда я и заработал себе персональный todo — разобраться с этим раз и навсегда.

Сейчас, находясь в поиске новых возможностей, я решил вспомнить эту старую боль. Я уже давно не PHP‑разработчик, но проблема в индустрии всё та же. Объемы данных растут, требования тоже, а воз и ныне там. Нет, есть море крутых решений. Даже тут, на Хабре. Но для меня всё не то.

Мне нужно решение, а не костыль. То есть: никакой кодогенерации и никаких JIT (я не противник JIT, просто не хочу тянуть эту сложность).

Я ступил на тонкий лед: в Go есть классная штука — пакет unsafe. Почему классная? Потому что она позволяет обойти тяжелые ненужные проверки. Плюс побитовые операции для ускорения всего, до чего только смогли дотянуться руки. Пока изучал чужие парсеры, столкнулся с обманом в репозиториях, подкручиванием статистики (куда же без него?) и перекладыванием ответственности (и аллокаций) на сторону разработчиков.

Привет Хабр!

Современное нефтегазовое производство требует всё более совершенных инструментов для прогнозирования состояния оборудования и предотвращения аварийных ситуаций. Особенно это касается газопроводов-шлейфов — критически важных элементов инфраструктуры, обеспечивающих транспортировку газа от скважин до установок комплексной подготовки газа.

Проблема износа трубопроводов становится всё более актуальной. Эрозионное воздействие потока газа, содержащего воду с механическими примесями, может привести к серьёзным последствиям, вплоть до аварийных ситуаций. Традиционные методы диагностики и принятия решений уже не справляются с растущей сложностью задач.

В этой статье мы подробно разберём, как машинное обучение помогает решать проблему прогнозирования износа газопроводов.

Привет, Хабр.

Хочу рассказать про наш проект Exam AI — внутреннюю платформу для аттестации и тренировки сотрудников.
Это не “ещё один тестик на 20 вопросов”, а система, где:

Градиентный бустинг часто воспринимают как «ещё один алгоритм из sklearn», но за ним стоит простая и сильная идея: модель не пытается сразу угадать правильный ответ, а шаг за шагом исправляет собственные ошибки.

В статье разберём, как этот принцип работает на уровне остатков, антиградиентов и деревьев решений — и почему бустинг до сих пор остаётся одним из самых сильных подходов для табличных данных.

Актуальная нейросеть для улучшения качества фото больше не занимается банальным растягиванием пиксельной сетки — она буквально реконструирует утраченные микродетали с нуля. Избавление от выраженных JPEG-артефактов, стабилизация смазанного при движении кадра, честный апскейл до 4K без появления эффекта «пластикового лица» и деликатное восстановление поврежденных семейных архивов превратились в стандартную рутину. Причем для работы с этими инструментами не требуется профильное образование.

В данном материале мы подробно разобрали 16 востребованных платформ: от систем математически чистого масштабирования до художественной дорисовки по текстовому описанию и архивных реставраторов. Наш рейтинг включает как универсальные агрегаторы с поддержкой российских банковских карт, так и специализированные зарубежные веб-сервисы, чтобы вы легко нашли решение под конкретные задачи и бюджет.

Каждый мой проект на ESP32 заканчивался одинаково: микроконтроллер готов, датчики читаются, реле щёлкают — а дальше надо руками писать HTML, CSS, JS и протокол поверх веб‑сокета, чтобы увидеть пару графиков в браузере. На третий раз я решил, что хватит, и сделал библиотеку RisalDash: интерфейс описывается на C++ в несколько строк, а весь фронтенд и протокол генерируются сами и отдаются самим контроллером.

Привет, Хабр! Меня зовут Александр, я руковожу веб-разработкой в InfoWatch. Мы занимаемся проектированием решений, которые обеспечивают информационную безопасность для разных компаний. 

В этой статье я расскажу, как мы обеспечиваем интеграцию SPA-приложений. Главная цель этого процесса — сохранить стабильность и совместимость приложений, при этом не потеряв по пути скорость поставки функционала. Под катом — о подходах и решениях, которые мы используем, а также пара примеров из практики и немного рекомендаций, если вы по работе занимаетесь подобными вещами.

Пользователи ежедневно сталкиваются с сотнями рекламных сообщений. В этих условиях у брендов есть буквально несколько секунд, чтобы заинтересовать человека, прежде чем он закроет баннер, пролистает пост или переключится на другую задачу.

Современные рекламные кампании все чаще используют подходы, которые раньше ассоциировались с игровым дизайном, продуктовой разработкой и поведенческой психологией. Бренды создают интерактивные механики, используют необычных персонажей, вовлекают пользователей в диалог и превращают рекламный контакт в небольшой пользовательский опыт.

В Авито Рекламе регулярно запускают кампании с использованием различных механик вовлечения аудитории. Мы решили посмотреть шире и разобрать несколько кейсов, чтобы понять, какие подходы действительно помогают преодолевать баннерную слепоту и удерживать внимание пользователей.

За три месяца наш голосовой ИИ-агент успел соврать клиенту про несуществующего администратора, принять всех звонящих за одного человека и месяц выдавать обычный синтез за "клонированный голос". Разбираю, почему это лечится структурой кода, а не промптом — на полностью российском стеке.