Kurgan-Telecom Ru | Информационные технологии

Ученые уже давно ищут способы вернуть в природу животных, исчезнувших по вине человека. Самое интересное, что, помимо теоретических статей, в последнее время появились реальные практические проекты. Один из самых интересных — у компании Colossal Biosciences. Ее основатели вкладывают миллиарды долларов в генетику и биотехнологии, чтобы однажды по лесам Новой Зеландии снова начали бродить гигантские моа, а на островах Индийского океана возродились дронты.

До этого еще далеко, но прогресс постепенно приближает такую возможность. Сейчас компания представила технологию, которая может радикально изменить правила игры в генетике птиц и птицеводстве. В Colossal Biosciences разработали систему, которая позволяет эмбриону полностью развиваться вне скорлупы. Решение снимает целый ряд проблем, сдерживавших развитие генной инженерии у пернатых. Давайте посмотрим, что тут у нас наклевывается. 

Однажды мне потребовалось написать программу на Structured Text для системы автоматизации. И, как любой инженер, который слышит про искусственный интеллект, я в какой-то момент спросил себя: а мог бы ИИ написать код вместо меня?

Попробовал с ChatGPT. Дал ему задание: центральный кондиционер, IOLIST на 40 точек, простое ТЗ на три страницы. Получил код. Красивый. Даже синтаксически правильный. И абсолютно бесполезный.

ИИ выдумал уставки из головы — вместо температуры притока 18°C из моего ТЗ поставил 20°C. Перепутал нормально-замкнутые и нормально-разомкнутые контакты на реле давления. Проигнорировал добрую половину сигналов из IOLIST — просто не заметил их или забыл. Код компилировался, но никакого отношения к реальной установке не имел. Типичный «уверенный галлюцинатор».

Проблема не в том, что ИИ плохо пишет ST. Проблема в том, что его никто не заставляет разобраться в задаче перед тем, как начать писать. И никто не проверяет результат после.

Именно это я и решил исправить!

Представьте, что вы идёте по парковке с ключами в руке. Вы замечаете свою машину — знакомый цвет, знакомая модель — но, подойдя ближе, чувствуете, что что-то не так. Ещё не успев попробовать открыть дверь, вы понимаете, что это не ваша машина. Бывает. Но что, если бы вы открыли своим ключом чужую машину? Что, если бы ваш ключ внезапно подошёл к следующей, а потом и ещё к одной машине? Что, если бы ваш единственный автомобильный ключ открывал абсолютно все машины на парковке? Это было бы похоже на волшебство.

В 1960 году физик Юджин Вигнер написал знаменитое эссе под названием «Необоснованная эффективность математики в естественных науках». Он не говорил об автомобильных ключах, но разговор мог бы идти, так сказать, и в таком ключе. Вигнер указал, что на протяжении последних четырёх столетий науки математика обладала удивительной способностью раскрывать секреты Вселенной. Это ключ, который открывает дверь за дверью. Он назвал это «чудом», «чудесным подарком, который мы не понимаем и не заслуживаем».

ИИ все прочнее входит в работу программиста. Кто-то все еще отрицает его роль, кто-то с энтузиазмом пробует все новые возможности, но квалифицированное большинство все же трезво замечает, что ИИ пока не годится для сложных проектов, хотя простые задачи уже выполняет неплохо.

Расскажу, как я сделал свой первый шаг к большому проекту на ИИ. Он в значительной степени изобретён с нуля, а не скопирован.

Нейросети пока не могут работать с большими проектами. Даже лучшие их образцы начинают тупить, если кода больше 40-100 кб, и галлюцинировать после 10-60 итераций одного и того же проекта (1000 циклов - это пока что грубый маркетинг). Шестьдесят итераций - это много? Если речь об автономной ИИ-разработке, то очень мало. Если о man-in-the-loop, то более-менее уже потянет.

Я выбрал такие условия:

Как из миксинов для валидации форм вырастает полноценная TypeScript-библиотека с плагинами, масками и 500+ скачиваниями в неделю. История рефакторинга, архитектурных решений и работы над ошибками длиной в 10 месяцев.

Выбираем лучший генератор видео по фото с качественной озвучкой. Тестируем мощные ИИ для создания роликов, способные выдать реалистичный результат без артефактов и мыльных текстур.

Claude Code — лучший кодинг-агент в мире. На наших задачах сливается систематически: знает запреты, нарушает в следующем PR.

Что говорят про деловое доверие тридцать лет исследований — от классической модели 1995 года до свежих экспериментов про доверие к алгоритмам.

В медицинском компьютерном зрении есть идея, перед которой трудно устоять: сначала найти патологический объект, а потом классифицировать уже не весь снимок, а только его. Для УЗИ это звучит почти как здравый смысл. В полном кадре хватает всего, что модели, казалось бы, видеть не нужно: подписи аппарата, измерительные маркеры, шум, лишний фон. Логика простая: берём маску опухоли, оставляем область интереса, всё остальное закрашиваем — и даём классификатору «чистую» картинку.

Но с УЗИ быстро выясняется, что «лишнее» — не такая очевидная категория. Клиницист смотрит не только на то, что находится внутри образования. Ему важны контур, стенка, перегородки, акустические эффекты, соседние ткани, масштаб и даже положение объекта в кадре. Поэтому жёсткая обрезка по маске может сработать не как фильтр от шума, а как ножницы: вместе с фоном мы рискуем отрезать часть диагностического сигнала.

Мы проверили это на открытом наборе данных MMOTU / OTU-2D с УЗИ-изображениями опухолей яичника. Суммарно мы обучили 64 модели с различными вариантами обучающих данных, обучение проводили в течении 8 часов на видеокарте A100 в Google Colab.

Коротко:

До 23 лет я боялась грозы. Не то чтобы визжала и пряталась под кровать, но отходила от окна, выключала комп (типа берегу технику, ага, на самом деле просто страшно было), вообще вела себя не очень адекватно. Думала, что все понимаю: грозовая туча накапливает заряд, молния бьет сверху вниз, поэтому под деревом стоять нельзя, в воде быть нельзя, понятно-логично-страшно.

И вот в универе была лекция по физике атмосферы. Сижу я значит, записываю про облака и всякое такое. Препод доходит до молний и выдает: "Молния, которую вы видите, идет снизу вверх".

Привет, Хабр! Меня зовут Андрей, как и многие, я уставал от красных сообщений в консоли, где не видно значений переменных. Приходилось ставить print(), гуглить – терял кучу времени. Поэтому я написал crashprobe – библиотеку, которая делает отладку простой и наглядной.

Нейросеть Илона Маска делает прорыв в генерации видео. Рассказываем, как пользоваться новой версией Grok Imagine, создавать ролики со звуком и получить доступ из России без VPN.

В восьмой части мы завершили изучение SVM и разобрались с Kernel Trick. Теперь пришло время познакомиться с деревьями решений — одним из самых популярных и интуитивно понятных алгоритмов машинного обучения.

Идея дерева решений достаточно проста. Алгоритм последовательно задаёт вопросы о признаках объекта и, в зависимости от ответов, движется по ветвям дерева, пока не придёт к итоговому решению. Именно благодаря такой структуре деревья решений считаются одними из самых интерпретируемых моделей машинного обучения.

В комментариях к прошлой статье часто указывали, что и среди родных осин есть чем удивить и напугать. Каракурты, тарантулы, сольпуги и их менее известные коллеги -- все эти милые зверюшки сейчас будут с нами в одной комнате. Устраивайтесь поудобнее, приятного чтения.

Полгода назад я узнал о крутом инструменте — Apps Script. Это расширение Google для их приложений, например, Таблицы, Документы, Презентации и т. д. Сначала при помощи этого инструмента я автоматизировал выгрузку данных из CRM в Google таблицу для спортивной школы и настроил удобное отображение этих данных, а потом, когда распробовал инструмент на вкус, сделал личного Telegram-бота. Об этом и пойдет дальше речь.

Каждый день миллионы людей разговаривают с системой, про которую не могут ответить на простой вопрос: а что она вообще делает, когда отвечает? Не в смысле философии сознания — в смысле буквально, технически, шаг за шагом. Это странно, если подумать. Мы спорим о том, есть ли у неё сознание, но многие не знают, что такое токен.

Эта статья не про то, опасен ли ИИ и не про то, заменит ли он программистов. Она про механику — про то, что происходит внутри в те несколько секунд между твоим вопросом и первым появившимся словом ответа. Без формул, но и без упрощений, которые врут.

Гайд о том, написание интерпритируемого языка с динамической слабой типизацией на языке Rust с нуля. Часть 1: Написание лексического анализатора.

117 ИТ-инициатив, 10+ лет горизонта реализации и один вопрос к бизнесу: «Ты готов за эту цифру отвечать?» Разбираю, как через реестр, ресурсную модель, P&L и системные ограничения отсеять проекты, которые съедают людей, бюджет и внимание.

Контракт use case должен описывать потребность приложения, а не API выбранного persistence фреймворка.

Spring Data пагинация хорошо работает в CRUD приложениях. Для многих проектов Pageable в application service — это разумный компромисс. Проблема возникает, когда Pageable становится частью публичного контракта use case.

Волна сокращений в IT — реальность, а не угроза. С конца 2024 года к консультантам «большой четвёрки» всё чаще приходят не технические директора, а CEO и CFO с одним запросом: «Айтишников стало слишком много — что-то надо сделать». Для CTO ключевой путь — создание профессиональных команд, усиленных ИИ-инструментами, где CTO становится инициатором изменений, а не их объектом.

Искусственный интеллект кардинально повышает производительность и сокращает численность штата: бизнес требует минимум 30% сокращений, а лидеры рынка достигают 70–80%. Это новая эра, сравнимая с изобретением компьютера, требующая перехода на качественно новый уровень.