Kurgan-Telecom Ru | Информационные технологии

Нобелевскую премию по физиологии и медицине за 2026 год присудили Карлу Дейссероту, Петеру Хегеманну, Георгу Нагелю за открытия, которые привели к созданию оптогенетики. Данный метод позволяет с помощью света включать и выключать активность отдельных нервных клеток в головном мозге.

Разбираемся, сколько патентов у нобелиатов этого года, и кому они принадлжат. 

Обычно считается, что механика сплошных сред и классическая термодинамика уже сведены к статистической и квантовой механике. Так, Стивен Вайнберг в книге 'Мечты об окончательной теории' рассматривает сводимость теорий более высоких уровней организации с использованием метафоры стрел объяснений: 'Мы ищем универсальные истины о природе и, когда мы их находим, пытаемся объяснить их, показав, каким образом они выводятся из еще более глубоких истин. Представьте себе пространство научных принципов, заполненное стрелками, указыва­ющими на каждый принцип и исходящими из тех принципов, которыми объясняются последующие. Эти стрелы объяснений уже сегодня выявляют любопытную структуру: они не образуют отдельных, не связанных с другими, скоплений, соответствующих независимым наукам, и они не направлены хаотично и бесцельно. Наоборот, все они связаны, так что если двигаться к началу стрелок, то кажется, что все они выходят из общей точки. Эта начальная точка, к которой можно свести все объяснения, и есть то, что я подразумеваю под окончательной теорией.'

В этой статье я рассмотрю идею Вайнберга на примере горения свечи. Майкл Фарадей в книге 'История свечи' (1861 год) отметил следующее: 'Явления, наблюдающиеся при горении свечи, таковы, что нет ни одного закона природы, который при этом не был бы так или иначе затронут. Рассмотрение физических явлений, происходящих при горении свечи, представляет собой самый широкий путь, которым можно подойти к изучению естествознания.'

Как то раз я листал мемы в вк и наткнулся на мемчик, в котором женщина делилась своей радостью что она не сьела сегодня мяса и тем самым спасла животное. И там же в меме был комент "Я Нурлан и я съел трех коней. Их ты не спасла". И я подумал а ведь веганам важно что они спасли жизнь животного, но ведь им же наверное интересно будет посчитать а сколько они животных не сьели за какой то участок жизни. Я поискал калькуляторы для веганов и не нашел ни один. Поэтому решил почему бы не сделать свой подобный калькулятор в виде приложения. И вот пару часов и калькулятор готов.

Приложение помогает вести личный счётчик животных, которых удалось «спасти» благодаря отказу от продуктов животного происхождения

Продолжаем обзор мартовского коммитфеста 19-й версии. В третьей статье серии рассмотрим изменения, относящиеся к материалам курсов DBA3 и DBS.

Напоминаю план статей о последнем коммитфесте 19-й версии:

Часть 5.1 (QPT)

Часть 5.2 (DBA1, DBA2)

Часть 5.3 (DBA3, DBS) – мы здесь

Я задавал ГигаЧату вопросы из спорта, финансов, B2B и маркетинга двумя способами: через GigaChat API и в самом чате. Всего собрал около 430 ответов, примерно поровну на каждый способ, и в каждом смотрел, стоят ли под ним ссылки на источники. В чате они нашлись в 73% ответов, через API в 4%. Но и в чате мест мало: под ответом в среднем две-три ссылки, и на повторе вопроса часть из них меняется.

PostgreSQL является самой распространённой СУБД согласно исследованию StackOverflow. Но самостоятельный хостинг PostgreSQL сопряжён с риском потери данных и неоптимальной настройки.

В статье мы рассмотрим основных международных и российских провайдеров managed PostgreSQL. Их сильные и слабые стороны и сценарии оптимального использования.

Привет, Хабр. Я соло разработчик: студия из одного человека и ИИ ассистента. У нас есть сайт, и на нём живёт «дело №031»: сезонный детектив в формате ARG (alternate reality game). Игрок находит спрятанную папку с делом, ловит голубя свидетеля, читает чужой дневник 1999 года, разгадывает цепочку шифров и в финале выясняет, что расследование было не совсем расследованием.

Вся игра работает на статическом хостинге. Ни одной серверной строчки, ни регистрации, ни базы. Расходы на инфраструктуру: ноль рублей в месяц. Под катом разбираю, как это устроено и какие компромиссы пришлось принять.

<cut>

К Новому году мы с друзьями договорились, что каждый подготовит по конкурсу. Мне хотелось сделать что‑нибудь музыкальное, а идеи нашлись в воспоминаниях о двух корпоративах: с одного я принёс желание сочинить песню для нашей компании, с другого позаимствовал механику конкурса. Так появилась What The Track, в которой нужно угадать последнее слово оборванной строки.

Первую версию с вопросами, нарезанными вручную, мы довольно быстро опробовали на друзьях. Когда захотелось сыграть ещё, я решил автоматизировать подготовку, чтобы самому не знать все ответы заранее. Оказалось, что между «нейросеть умеет распознавать речь» и «ей можно доверить музыкальный конкурс» помещается отдельный проект по сравнению систем автоматического распознавания речи (ASR, automatic speech recognition).

Прогон аудитора пригодности страниц к ответам ИИ вернул нули по всем адресам батча. Полез в исходники пакета и нашёл шесть мест, где он считает не то, что обещает: доля шаблонного текста, которая бывает больше единицы из-за двойного счёта вложенных узлов, регулярки на латинице, из-за которых русский текст получает ноль, веса, в которые не входит половина печатаемых метрик, и бюджет в десять секунд, отведённый на пятнадцать запросов. Разбор с кодом и минимальными примерами.

Мейнстрим растит модели масштабом. Мы меряем ортогональное: можно ли растить компетентность маленькой модели без роста весов — через верифицированную память и локальное обучение, с жёстким потолком ресурсов (бытовая GPU 12 GB).

«SubcomposeAsyncImage в списках использовать нежелательно, он тормозит скролл» — так написано в документации популярной библиотеки Coil. Действительно ли это так, и во сколько миллисекунд обходится сабкомпозиция на самом деле?

Я провел масштабный бенчмарк: взял 5 разных популярных способов загрузки картинок на тяжелом датасете из 500 элементов с замерами через Macrobenchmark на реальных устройствах, далее сравнил результаты с прогнозами четырех нейросетей (Claude, DeepSeek, Gemini, Qwen), а так же обнаружил неожиданный архитектурный нюанс.

Разбираемся, почему FPS врет, в чем коварство P99, как ошибаются нейросети, и какая стратегия добавления изображения в списки на самом деле быстрее всех.

BeautifulSoup, Scrapy, Selenium и Playwright часто сравнивают как аналоги, хотя это инструменты разных уровней. Я собрала тестовый стенд и сравнила их на статическом HTML, JavaScript-странице, массовом обходе и работе с UI — с замерами времени, памяти и неожиданными результатами.

Облачные платформы, как правило, выглядят одинаково пугающе: открываешь консоль, а там десятки сервисов, виртуальные сети, Kubernetes, базы данных, IAM, какие-то шлюзы… Вообще непонятно, что там делать, — прямо как при первом заходе в «Битрикс».

Мне по долгу службы выпала возможность поработать через MWS Cloud Platform, и я решил изучить ее как нормальный человек (а не от корки до корки по документации): поставить конкретную задачу и пройти весь путь самому. Сегодня миссия простая: взять готовую LLM в облаке, развернуть ее и начать отправлять ей реальные запросы со своего компьютера.

Если вам нужна LLM как часть своего инструмента, а не как очередной чат-бот, приложение, рабочий скрипт или AI-агент, ее нужно где-то запускать и как-то подключать. GPT Model Hub как раз позволяет взять готовую модель и получить к ней API, не разворачивая всю инфраструктуру самостоятельно.

Поэтому в этом обзоре пройдем путь от первого входа в аккаунт до рабочего Qwen: подключим биллинг, создадим деплоймент, получим API-ключ и заведем модель в VS Code. Этим материалом я запускаю цикл обзоров на большой продукт MWS Cloud Platform.

Поехали!

Дистилляция знаний — это техника машинного обучения, при которой более компактная и быстрая модель (Student) обучается воспроизводить поведение, логит-вероятности и пошаговые цепочки рассуждений большой и сложной нейросети (Teacher). Метод используют программисты, чтобы сделать нейросети маленькими и быстрыми, не потеряв при этом их ум и точность.

Всем привет! Меня зовут Игорь Белов, я инженер в команде Мобильной Архитектуры Авито. Больше 6 лет занимаюсь iOS-разработкой, а ещё мне нравится изучать фундаментальные темы Computer Science и разбираться, как те или иные вещи работают под капотом.

В статье я расскажу, как исследовать произвольные приложения macOS с помощью отладчика LLDB и сопутствующих инструментов, и тем самым прокачать свой повседневный инструментарий разработчика. Сначала исследуем произвольно запущенные процессы в macOS с помощью LLDB. Затем на основе собранных знаний сделаем инъекцию своего кода, чтобы изменить их поведение. Ещё немного затронем теорию, подготовим и настроим окружение. В конце я посоветую, что почитать, чтобы углубиться в тему.

Статья будет полезна инженерам любого уровня, которым интересно узнать, как устроены привычные вещи. И да, это образовательная статья, а примеры из неё не предназначены для обхода защиты и несанкционированного вмешательства в чужие сервисы или данные.

На создание этого материала меня вдохновило выступление Дерека Селандера — ему уже около десяти лет, но оно всё ещё актуально. Мне захотелось взять идею оттуда в более прикладном виде и спроецировать на современную повседневную разработку.

Меня достала реклама в торрент-клиентах. Хотелось открывать программу, выбирать нужные файлы и оставлять загрузку в фоне. Так появился Tern: бесплатный клиент для Windows с открытым кодом, светлой и тёмной темами и автообновлением.

Хорошие альтернативы вроде qBittorrent уже существуют. Мне хотелось сделать приложение под себя, а заодно разобраться, сколько работы скрывается за обычной полоской прогресса. На больших торрентах мой собственный клиент начал тормозить, и пришлось заняться движком: убрать повторные обходы частей, вынести загрузки в отдельный процесс и ограничить скорость проверки файлов.

Показываю, что получилось, какие компромиссы остались и что удалось измерить в локальных тестах. Исходники и установщик доступны на GitHub.

В статье подробнейшим образом освещаются практические вопросы связанные с актуальным регулированием и практикой применения соглашений о неконкуренции в России. В частности разбираются вопросы:

Что такое соглашение о неконкуренции?

Зачем работодателю соглашение о неконкуренции (NCA)?

Законно ли заключение соглашения о неконкуренции с работником?

Как защититься работодателю без классического NCA?

Можно ли заключить соглашение о неконкуренции с компанией?

Ответственность за заключение незаконного соглашения о неконкуренции

Что нужно указать в соглашении о неконкуренции?

Что нельзя делать при заключении NCA?

Законные альтернативы соглашению о неконкуренции?

Переписка с близким человеком — одна из самых личных вещей на телефоне. А мы делаем сервис, которому нужно её прочитать. Из файла экспорта получаются карточки: кто чаще пишет первым, как быстро отвечает, в какие часы вы на связи, какие словечки появились у пары и кто из вас их придумал. Просьба «загрузите переписку к нам на сервер» убила бы такой проект в день запуска, и правильно.

Поэтому у «Чатограммы» (это наш пет-проект) одно жёсткое правило: всё считается в браузере, и по умолчанию сервер не видит ни одного сообщения. Ниже — как это устроено технически, во что это обходится по скорости и где у правила есть исключения. Все цифры я замерил на днях, в том числе на своих настоящих переписках, а не только на синтетике.

Как спрятать реальный IP сервера?

В первой части серии разбираемся с iptables: как устроены таблицы и цепочки netfilter, что происходит с пакетом на пути от клиента до бэкенда и как с помощью DNAT/SNAT организовать простой прокси-узел. Покажем рабочую конфигурацию для HTTPS, TCP и UDP, разберём типичные проблемы с FORWARD, conntrack и маршрутизацией, а главное — выясним, почему простой NAT не позволяет одновременно скрыть IP сервера и сохранить реальный IP клиента. В конце сравним подход с nftables и разберём, в какой момент iptables перестаёт подходить для цепочки прокси.

Застройщику нужно было видеть в 1С движение по эскроу‑счетам и расчётным счетам — раньше этих данных в системе не было вообще. Интеграции со Сбербанк API и Альфа‑Банк API написали с нуля: около 24 000 счетов, 30 объектов строительства, у банков разная авторизация, API и форматы. Рассказываю, из каких слоёв состоит такая интеграция, почему документация банка — не последняя инстанция и что проверить в первую очередь.