Если что-либо можно измерить числами, то это уже вселяет оптимизм. Значит мы имеем дело с более-менее понятным объектом или явлением, которое можно описать устоявшимися правилами. И, казалось бы, что тут такого, измерить влажность почвы? Вроде простоя и понятная задача, но в ней всё оказывается не так уж просто. Давайте разбираться!
Эта история началась с того, что я решил сделать подарок и заказал на Авито Яндекс Станцию первого поколения из Москвы, оформив Авито Доставку. Продавец казался надежным: перед отправкой записал короткое видео, где всё работает, ролики по HDMI воспроизводятся, и вообще — «не бита, не крашена».
Посылка пришла за пару дней. Уже в пункте выдачи я решил сверить серийный номер — он не совпадал с тем, что был на фото в объявлении. Тем не менее, проверка через сайт Яндекса показала, что Станция не привязана к подписке, и я немного успокоился. Из неприятных мелочей — отклеившаяся противоскользящая резинка на дне, но я решил, что это пустяк, приклею сам.
Однако дома, осмотрев устройство под хорошим освещением, я заметил еще пару тревожных нюансов: сорванные шлицы винтов и торчащий изнутри кусок поролона.
В этом месяце вышло уже 110 дополнение к MTG. На это раз посвящённое коллаборации со вселенной Черепашек-Ниндзя (при этом, дополнений, не выходящих в основном соревновательном формате, за все эти годы вышло ещё больше). Но речь в статье пойдет не об этом новом блоке, а о фундаментальных особенностях правил и способах их "правки".
Карточная Магия исторически имеет несколько проблем в базовой механике, с которыми игрокам приходится жить и от которых никуда не деться. Тем не менее, можно ультимативно разрешить основные проблемы, придумав иной формат игры. Например - "Разделённая Колода".
Современные языковые модели демонстрируют отличные способности к рассуждению, но при этом остаются инструментами. У инструмента нет выбора. В основе LLM лежит предсказание следующего токена. В основе агентных систем — оптимизация внешней целевой функции. В обоих случаях цель задана извне. Система не имеет права её пересмотреть.
Вы в праве сказать, что содержание статьи — это одна большая глупость, но я хочу предложить альтернативу. «Сознание» возникает не из сложности и объёма вычислений, а из архитектуры, где «Я» — не метафора в промте, а функциональный компонент системы.
Нам необходимо построить субъектность с нуля.
Итак, в прошлой статье https://habr.com/ru/articles/977480/ я рассматривал псевдогиперболоиды второго порядка в рамках лучевой трассировки Монте-Карло. Тогда задача была сравнительно простой. Нужно было проверить, может ли такая геометрия удерживать лучевые траектории и концентрировать их вблизи экваториальной зоны. Результат оказался положительным. Для ряда конфигураций значительная часть лучей долго не покидала структуру, а тонкая экваториальная область устойчиво выделялась как зона повышенного накопления траекторий. Но это был только первый шаг. Лучевая модель хорошо показывает, куда идут лучи, где они отражаются и где накапливаются. Однако она не отвечает на более глубокий вопрос - останется ли та же выделенная область особенной уже на уровне волнового поля?
Именно здесь начинается следующий этап - переход от лучевой картины к волновой физике.
Что уже было показано в предыдущей работе
На уровне лучевой модели можно считать установленным следующее:
Современный бизнес-аналитик 1С занимается не только сбором требований заказчика и передачей их разработчику. Эта роль стала шире: здесь требуются и навыки проектного управления, и понимание архитектуры решений.
Наталья Китавина, аналитик проектов 1С Ресурсного центра Инфостарта, рассказывает, какими программами сегодня пользуются аналитики и как подобрать инструментальный стек под свои рабочие задачи.
Пользователи DeFi‑приложений — независимо от опыта — в первой сессии сталкиваются с нагрузкой, где нужно разбираться в ключах, адресах, комиссиях, пулах ликвидности и пр., что становится причиной финансовых ошибок и высокой доли отказов
Проверил гипотезу влияния выбора модулей приложения в онбординге на устойчивость к ошибкам, понятность и скорость сценариев перевода, обмена и стейкинга
Предыдущие две статьи сформулировали гипотезу: распределённое сообщество IT-специалистов может координироваться без иерархии, зарплат и венчурного капитала — если протокол взаимодействия спроектирован правильно. Гипотеза красивая. Но красота — не аргумент. Нужна верификация. Здесь — первая попытка её провести: агентная симуляция на 500 независимых прогонов, математические метрики и один неудобный результат, который требует решения.
"Я лжеученый, товарищи. И даже начинаю этим гордиться."
---
Я задал себе вопрос, который звучит одновременно просто и убийственно: то, что я делаю — это передовое исследование или самописная отсебятина?
Вопрос возник не на пустом месте. Последние недели я провёл в глубоких размышлениях о судьбе теории, которую называю «машинной этикой Дебаркадера». Я задавал самому себе вопросы, пытался найти ответы, строил схемы, формулировал закономерности, которые прямо не были названы, но вытекали из всей логики. В какой-то момент я поймал себя на том, что уже не пересказываю, а мыслю в этой рамке. Предлагаю метрики, вижу архитектуру, прогнозирую следствия.
И тут возникает вопрос: а кто я такой, чтобы это делать? У меня нет учёной степени. Я не публиковался в Nature. Я просто человек с ноутбуком, который много интересовался и задавал нестандартные вопросы.
Значит ли это, что всё, что я пишу — отсебятина? Или есть способ отличить графоманию от концептуальной работы, даже если ты не вписан в академические круги?
Я решил разобраться. Для этого мне нужно было понять две вещи: где нахожусь я сам, и где находится та теория, с которой я работаю, относительно того, что сейчас происходит в поле.
Начну со второго. Оно оказалось важнее.
---
Я проанализировал актуальные исследования, конференции, дискуссии 2025–2026 годов. И вот какой расклад я увидел.
Начну с главного: то, что я называю «машинной этикой Дебаркадера», в академическом поле не представлено. Это не хорошо и не плохо — это факт. Этот подход не рассматривается, на него не опираются в рассуждених, его не выдвигают на конференциях. Я вне мейнстрима.
В начале 2026 года я собрал простую систему, которая очень помогает мне справляться с потоком информации и планированием.
Мне идет седьмой десяток, я инженер-прототипист и предприниматель. Работа активная, задач много разноплановых и часть хаоса я успешно создаю сам.
Проект делал для себя. Но когда система начала реально помогать, решил поделиться ей с товарищами — особенно с теми, кто пока настороженно относится к искусственному интеллекту и его возможностям.
Дрейф модели — это риск того, что со временем ответы LLM на одни и те же входные данные начнут меняться. Для системы, которая должна давать стабильные заключения по договорам, это критично.
В этой статье я расскажу о том, на каком этапе сейчас находится разработка нашего устройства: о литье пластиковых деталей, создании приложения для iOS и Android, поездке аппарата в США и работе над новым прототипом.
Несколько лет назад мне стало интересно, смогу ли я сделать на обычном 3D-принтере что-то по-настоящему полезное, а не очередную декоративную деталь.
В возможностях самой 3D-печати я не сомневался — вопрос был скорее в том, справлюсь ли я с задачей.
По основной работе я занимаюсь автомобильной акустикой и системами активного шумоподавления. Бинауральная запись и модели головы — область смежная. В лаборатории стоят несколько манекенов, но в реальных проектах они почти не используются. Сделать собственную версию выглядело естественным продолжением интереса к теме.
Профессиональные бинауральные системы стоят сотни тысяч рублей. Формально это корпус, ушные раковины и два микрофона, размещённые в слуховых каналах.
Возник простой вопрос: можно ли собрать работоспособный вариант своими силами и понять, где проходит граница DIY-подхода?
Так появился проект «Голова Бинго».
Если вы ещё не создавали сервис с помощью ИИ, честно, я вам завидую. Вспоминаю то чувство, которое испытывал летом 2025-го, когда начал экспериментировать с этим.
Если вы уже прочитали Часть 1 и Часть 2, то сейчас вы находитесь в одном из самых захватывающих моментов всего процесса.
И мой совет может показаться странным: остановитесь на несколько дней на этапе формирования самого первого промпта для Курсора или подобной платформы.
В НормЦРМ есть раздел «Контакты». В него я добавил теги. И есть раздел «Регулярные платежи». В него я добавил категории. По сути — одно и то же.
Задача: показать новым пользователям заранее заготовленные примеры тегов и категорий, чтобы они быстрее сориентировались.
Ограничения: два языка интерфейса (дальше — больше), а также непредсказуемость того, с какими тегами и категориями будут работать разные пользователи.
Начал я, разумеется, с проектирования. Сейчас расскажу и покажу процесс, поделюсь результатом и промптом, с помощью которого Codex справился с задачей с первой попытки.
В статье рассматривается концепция безнейтронного термоядерного реактора (Aneutronic Fusion), использующего топливный цикл дейтерий–гелий-3 (D-3 He). Основное внимание уделено решению проблемы деградации материалов первой стенки и электростатических коллекторов через внедрение системы модульного горячего резервирования (схема 1+2), механизмов адаптивной ориентации защитных сегментов (Flip-Flop) и иерархической системы управления с распределенной автономностью узлов.
Приветствую читателей.
Мы пытались построить LLM-чат для продакшена.
Через месяц у нас был 20k-токенный prompt, 50 тулзов и ответы по 2 минуты.
В итоге пришлось отказаться от ReAct и перейти на LLMCompiler.
А начали мы с того что компания захотела поекспериментировать с созданием чата
Для начала освежим память как вообще работает llm и react архитектура.
С точки зрения разработчика, ллм - это функция, которая принимает на вход строку и отдает другую строку, входящая строка может прораммировать то, какой ответ будет, например, вы можете попросить ллм вести себя как чат, далее хранить историю входов и выходов и передавать ее опять в ллм.
Простейший пример чата.
В центре всего стоит UX (User Experience).
Все говорят про UX.
UX - это святое.
UX - это цель.
UX - это путь.
Да и, в конце-то концов, UX - это то, за что мы платим (или не совсем) деньги и прощаем недостатки.
Но, если копнуть глубже, возникает вопрос: «А из чего, собственно, состоит UX?»
Ответы обычно примитивны: из интерфейса, удобства, скорости, привычности. Но, чувствуете, чего‑то не хватает? Есть системы с красивым интерфейсом, которые бесят. Есть и такие, «некрасивые», к которым возвращаешься снова и снова.
Привет! Я — Аля, старший продакт-менеджер выделенных серверов в Selectel. Представьте, вашей команде нужно разработать новый интерфейс для продукта. Вы ставите задачу на дизайнера, а он приносит статичные картинки экранов в Figma. На встрече команда смотрит на них и понимает, что половина сценариев не продумана. Возникают вопросы: «Что будет, если пользователь нажмет на кнопку или данные не загрузятся?» И вместо того, чтобы передать задачу в разработку, вам приходится выяснять детали в комментариях и чатах.
Нам это хорошо знакомо. Долгие циклы согласований, переделки после релиза, сложности с тестированием — все это было частью нашего процесса. Чтобы решить эти проблемы, мы решили попробовать AI-инструменты для прототипирования. В статье расскажу, как Figma Make и другие сервисы помогли нашей команде ускорить создание прототипов и сократить количество правок. Будет полезно тем, кто устал от цикла «получить макет → найти проблему → подождать правки → повторить».
Общая проблематика
Времена, когда для промышленного применения ИИ-моделей можно было использовать только язык Python, безвозвратно минули в прошлое. Сегодня для освоения приемов работы с LLM вообще нет необходимости знать какой-либо язык программирования.
На рынке представлено огромное число чат-ботов и low-code платформ, типа n8n (Activepieces, Zapier, Make/Integromat и множество других, их реально уже не счесть), которые позволяют быстро отточить свое мастерство «промптинга» и подключения различных «тулзов».
Однако, для корпоративного применения “as is” (в облачном варианте) проявляются ограничения:
