Kurgan-Telecom Ru | Информационные технологии

Сегодня многие AI-сервисы требуют наличия иностранной банковской карты или работы через зарубежные платёжные системы. Это создаёт сложности для разработчиков из стран с региональными ограничениями.

В этой статье я покажу, как подключить нейросеть (инференс GPT 5 и LLaMA) в n8n без использования иностранной карты, и разберу работу с ней на простом примере.

В 1983 году восьмидесятилетняя учёная-генетик Барбара МакКлинток стояла за трибуной Каролинского института в Стокгольме. Она была известна своей нелюбовью к публичности — почти отшельницей, — но у нас принято, чтобы люди выступали с речью, когда им присуждают Нобелевскую премию, поэтому она, не без труда, рассказала об экспериментах, которые в начале 1950-х годов привели к её открытию того, как последовательности ДНК могут перемещаться по геному. Ближе к концу речи, моргнув сквозь очки в проволочной оправе, она сменила тему и спросила: «Что клетка знает о себе?»

МакКлинток славилась своей эксцентричностью. Тем не менее, её вопрос скорее мог бы задать философ, чем специалист по генетике растений. Далее она описала лабораторные эксперименты, в ходе которых она наблюдала, как растительные клетки реагировали на происходящее «вдумчиво». Столкнувшись с неожиданным стрессом, они, казалось, адаптировались способами, которые «выходят за пределы наших нынешних возможностей понимания». Что клетка знает о себе? По её словам, выяснить это будет задачей будущих биологов.

Вчера вечером я впервые после детства взяла в руки рассказ «Я, робот» Эндо Биндера, опубликованный в январе 1939 года в журнале Amazing Stories.Именно Эндо Биндера (псевдоним братьев Эрла и Отто Биндеров) — а не Айзека Азимова. Это тот самый рассказ, чьё название Азимов «позаимствовал» одиннадцать лет спустя для своего знаменитого сборника 1950 года, причём сам Азимов протестовал против этого решения издателя, понимая, что название уже занято. А фильм 2004 года с Уиллом Смитом сняли по мотивам азимовского цикла о Трёх законах роботехники, так что связь с оригинальным рассказом Биндера только в названии.

Когда искусственный интеллект только‑только пришёл в нашу компанию, я почувствовал себя стариком не потому, что не знал как им пользоваться, а потому, что поймал себя на мысли: «Это всё фигня и долго этот хайп не продержится». Наверное таким же образом мыслили люди когда на смену лошадям пришли автомобили. Увы, увольнения случились быстро для тех, кто решил пойти по пути саботажа.

Я решил дать ИИ ещё один шанс. И через пару месяцев стало совершенно очевидно, что никуда искусственный интеллект не денется. Он не забирает работу, он меняет наше мышление. Главное же, что я понял — проблема не в технологиях. Главная проблема в корпоративной культуре отрицания ИИ.

На Хабре можно легко собрать сотни лайков за статью, в которой автор утверждает, что ИИ не несёт никакой угрозы рабочим местам программистов, что все начальники, которые заставляют внедрять нейросети — просто дураки, которые ничего не понимают в разработке, а также, что никакого искусственного интеллекта не существует — ведь это просто статистика.

Подобные тексты прекрасно льстят читателю, подтверждают его опыт, поддерживают иллюзию стабильности и позволяют чувствовать себя последним оплотом «чистого инженерного разума». Тем временем, пока мы спорим, существует ли ИИ, — он уже работает на тех, кто перестал спорить.

Сегодня я расскажу как пережил этот переход и что понял о людях, которые против ИИ. Если вам кажется, что ИИ — это хайп, то просто прочтите дальше.

Привет всем!

За последний год я написал много научпоп статей и постов в разных местах по теме ИИ, и поэтому мне удалось стать финалистом премии RuCode в номинации «ИИ Гуру».

Победа в финале определяется народным голосованием в ВК https://vk.com/poll-44001716_1060469820 . Прошу за меня проголосовать, а в этой статье расскажу о том, что за тексты я написал в течение года (я Игорь Воронцов).

Хотя мои тексты распространились широко по интернету, все их можно найти в двух местах - в паблике "Ежик в матане", в котором я являюсь одним из администраторов последние несколько лет (то есть почти с его основания), и в журнале "За науку".

Ниже ссылки на основные мои релизы и посты, связанные с ИИ.

Ранее мы уже с вами поднимали важность общения игрока с игрой посредством связки вопрос-ответ, но в примерах ограничились лишь постановкой цели и определенной степенью свободы действий, и не затронули нарратив. Исправляемся.

В этот раз я хочу акцентировать «ответы на вопросы игрока» не просто как проверку уже созданной ситуации, а как формирующий игру фактор, как способ дизайна уникальной ситуации. В примере у нас будет сцена из Little Nightmares 3 от Supermassive. Посмотрим, как на вопрос игрока ответила сама Supermassive, и разберем поле возможностей, задизайнив сцену по-другому.

Контекст к разбираемой сцене в Little Nightmares 3

Герои игры оказываются в мрачном парке развлечений, вокруг привычные для серии толстяки — главные и единственные посетители сего действа. Одним из основных элементов локации являются тележки с яблоками, которыми этих толстяков кормят. Яблоки продолжают работать с нарративом обжорства и потребительства, начатым еще первой частью, и задействованы в игровых задачах. Например, мы такой тележкой с лакомством отвлекаем толстяка от нужной нам двери.

Asus представила ROG Rapture GT-BE19000AI — первый роутер в геймерской линейке со встроенным искусственным интеллектом. Стоит он как хороший ноутбук — 899 $. За эти деньги пользователь получает систему, внутри которой четырехъядерный процессор на 2,6 ГГц, 4 ГБ оперативной памяти и 32 ГБ хранилища. Девайс раздает Wi-Fi 7 на 19 Гбит/с суммарно и поддерживает контейнеры Docker, чтобы запускать приложения вроде Home Assistant без дополнительного оборудования. Когда дома множество устройств — от консолей до датчиков — такая модель избавляет от лишних коробок и ручной настройки, делая сеть стабильной и удобной. Короче, много всего интересного. Давайте попробуем разобраться. 

События разворачивались в нескольких реальностях. В первой заказ не пришёл. Во второй - произошло несколько списаний средств. В третьей система упала посередине процесса, оставив данные в не консистентном состоянии.

А четвертая оказалось самой интересной. Где даже с неполадками сети и падениями сервиса был сделан лишь один заказ. И произведена одна оплата. Благодаря чему пришла желаемая теплая пицца. Которую хотел наш дорогой покупатель.

Погрузимся в проблематику оформления заказа, консистентности данных. И схлопнем все реальности в нужную с помощью Outbox Pattern.

Коротко:
Мы разработали систему для автоматического определения набора тестов на основе git diff. Связали модули проекта с бизнес-фичами через трассировку выполнения кода во время тестов. Теперь любой релиз можно оценить на достаточность покрытия e2e-тестами. Решили вопрос селективного запуска на всех уровнях пирамиды тестирования. Что важно — маппинг tests->feature->files создаётся и поддерживается автоматически при поддержке тестов, без дополнительной ручной работы.

Задача этой статьи предоставить Вам сухие факты о двух материалах, которые мы используем в своем производстве. Понимая характеристики и сопоставляя их с требованиями Вашего проекта выбор будет сделать проще.

Для тех, кто возможно не знает, гибкие печатные платы - это многослойная структура, которая состоит из основания (базового материала), адгезивов, проводящего и защитного слоя (в некоторых решениях материалы используются без защитного и адгезивного слоя), она тонкая и гибкая.Такая конструкция позволяет осуществлять монтаж в труднодоступных местах и использовать печатные платы в качестве гибких соединителей..

Гибкие печатные платы (FPC, Flexible Printed Circuits) на основе полиимида и FR4 толщиной 0.1 - 0.2 мм используются в компактных и высоконадежных электронных устройствах. Рассмотрим их особенности, сравнение и применение.

Но помимо полиимида, есть также материал FR4, который также тонок, но значительно дешевле?

О сильных и слабых сторонах 2х материалов ниже.

1. Гибкие печатные платы на полиимиде (PI)

Толщина: 0.1 - 0.2 мм (чаще всего 0.1 - 0.15 мм)

Материалы:

· Основа: полиимидная пленка (Kapton, Upilex).

· Проводники: медь (обычная или с адгезионным слоем).

· Покрытие: полиимидный или жидкий фоторезист (LPI).

Преимущества:
- Высокая гибкость и устойчивость к изгибам.
- Рабочий диапазон температур: от -60°C до +250°C.
- Химическая стойкость.
- Малый вес и толщина.

Недостатки:
- Высокая стоимость (по сравнению с FR4).
- Сложность монтажа из-за гибкости.

Применение:

· Мобильные устройства (смартфоны, планшеты).

Когда начинал разработку системы многомерного анализа данных временных рядов Dimension-UI, для внедрения зависимостей в исходном коде решил использовать Dagger 2. Практический опыт показал, что для приложений с большим количеством динамически создаваемых объектов инверсия зависимостей, реализованная в Dagger 2, не подходит.

Да, создание графа зависимостей в compile-time — это, во-первых, очень быстро, и, во-вторых, удобно: получаешь сообщения об ошибках конфигурации уже при компиляции.

Но накладные расходы на сопровождение всего этого хозяйства – прямо скажем, это боль.

Чтобы реализовать scope-зависимости, приходится писать и поддерживать много инфраструктурного кода внутри объектов, куда мы внедряем зависимости. В Dagger 2 такая реализация, во-первых, «загрязняет» код, а во-вторых, серьезно осложняет тестирование. Изолировать методы удобным способом не получается: в тестах нужно писать очень много кода, чтобы прокинуть необходимый контекст и корректно мокировать внешние зависимости. Я туда просто не полез — покрывал unit- и UI-тестами только базовую функциональность, где были Singleton-зависимости.

Даже с одними Singleton’ами приходится поднимать отдельную тестовую инфраструктуру для запуска приложения в тестовом режиме. Это не просто неудобно — это очень затратно по времени. Если сравнить усилия, которые надо потратить на реализацию тестирования подобного функционала в Spring и Dagger… Сравнение будет не в пользу Dagger. В целом я начал думать о переходе на runtime-генерацию графа зависимостей.

В этой статье я расскажу вам, как наша команда — «жыбий рыр» участвовала в хакатоне от DDOS‑GUARD

Рассмотрим, какой кейс мы выбрали, покажу, к какой реализации пришли и покажу наше решение, а в конце подведем итоги.

Дата-центры растут быстрее, чем энергетика успевает за ними. Особенно это актуально для ИИ-отрасли, где обучение моделей требует постоянных мощностей и бесперебойного питания. Возобновляемые источники не дают нужной стабильности, а городские сети часто работают на пределе. Amazon решила развивать собственную генерацию и сделать ставку на атомную энергию, чтобы дата-центры не зависели от внешних поставщиков. Для этого компания использует малые модульные реакторы. Их производят на заводах и монтируют на месте за месяцы вместо лет. Первый такой проект под названием Cascade Advanced Energy Facility появится в Вашингтоне — о нем сегодня и поговорим. 

Представьте, что курьерские доставки добрались до клеточного уровня.

Мы живём в мире, где еду привозят за полчаса, а покупки на следующий день. А что если доставлять лекарства прямо внутри организма, отправляя их точно по адресу, скажем, в труднодоступный уголок человеческого тела? Звучит необычно и на первый взгляд кажется нереальным. Но недавнее научное исследование показывает, что это не такая уж и фантастика. Учёные научились превращать обычные сперматозоиды в миниатюрных биороботов, которыми можно управлять снаружи с помощью магнитного поля и даже видеть их на рентгене. Такой вот управляемый биоробот.

Статья подготовлена на основе научной публикации.

Меня зовут Саша Шилкин, я работаю в Yandex Infrastructure и занимаюсь автоматизацией сети. Сегодня расскажу про обновление конфигурации сетевых устройств и про то, как мы его делаем в нашей команде: как начинали, как менялась конфигурация, какие для этого были предпосылки. 

Мы уже рассказывали о задаче автоматического обновления конфигурации на масштабах сети всего Яндекса. В своей статье я поделюсь опытом, как мы решаем эту задачу именно для облачной платформы. Мы обращаемся к накопленному опыту коллег, однако наши сети хоть и похожие, но отличаются в некоторых местах, особенно процессно. 

Все инструменты, о которых пойдёт речь, выложены в опенсорс. Если у вас возникнет желание попробовать то, о чём я рассказываю, многое вы сможете повторить самостоятельно. Ну и поскольку в каких‑то деталях наша адаптация инструментов имеет свои особенности — мой рассказ будет интересен всем, кто хочет внедрить ту самую Аннушку из опенсорса с учётом своей ситуации. 

Статья написана по материалам моего выступления на nexthop, конференции по сетевым технологиям, — с небольшими дополнениями, которые произошли за год.

В этом году на nexthop 2025 я также расскажу об автоматизации масштабируемой сети для BareMetal‑серверов — так что, если эта тема интересна, заглядывайте к нам 19 ноября.

Храните десятки копий одного файла?

Dedupler — Laravel-пакет, который автоматически предотвращает дубликаты через SHA-1 хеширование. Экономит место, ускоряет бэкапы, предоставляет REST API, одобрен Laravel News.

Рассказываю про возможности, производительность и миграцию legacy-проектов.

Компактный ноутбук, который будет удобен для работы или для учебы – это 13-14 дюймовка. Я больше склоняюсь к современным 14 дюймовым моделям, так как они спокойно помещаются и в небольшие сумки, и вполне себе легкие. Ультрабук Ninkear S14 не стал исключением - это доступный вариант массой всего 1 кг, с USB-C PD 65W зарядкой, и базирующийся на процессоре R5-7535HS. В обзоре будет разборка и основные тесты.

Mobile System Design — один из ключевых навыков мобильного инженера.

Именно он часто определяет уровень зрелости: в реальной работе, на собеседованиях и в матрицах компетенций компаний.

Но вокруг этой темы полно разночтений и разных трактовок — отсюда споры, путаница и хаос.

В этой статье я систематизирую Mobile System Design как дисциплину: покажу, какие навыки действительно важны и как они проверяются. Это не личное мнение, а выжимка из опыта инженеров, требований собеседований, литературы и практики команд.

В конце октября мир облетела новость: исследователи Google впервые запустили на квантовом компьютере так называемый «проверяемый алгоритм». Но что скрывается за этой громкой формулировкой? Компания заявляет, что вычисления заняли на их устройстве в 13 тысяч раз меньше времени, чем потребовалось бы лучшему суперкомпьютеру классической архитектуры. В Google видят в этом ключ к решению практических задач, например, моделирования новых химических соединений. Однако за этим утверждением стоит целый ряд вопросов. Что такое «проверяемый алгоритм» и почему акцент сделан именно на этом? В чем суть расчетов и чем этот прорыв отличается от предыдущего заявления о «квантовом превосходстве», прозвучавшего несколько лет назад?

Первый Docker-образ для моего Go-приложения весил 1.92 GB. Для микросервиса на 100 строк — абсурдно. Решил разобраться, куда именно уходит место и как добиться максимально лёгкого образа.