Вайбкодинг и качество Ещё в прошлом году вайбкодинг мне казался лишь игрушкой. Круто, конечно, что можно что-то там сказать компьютеру, и он сделает. Но результат будет держаться на соплях и сойдёт разве что как прототип. Чтобы сделать качественную, надёжную вещь, нужно держать весь код под контролем. Можно писать его с нейросетями, но нужно понимать, из каких абстракций он состоит, как они связаны, какие события как обрабатываются, что где хранится и так далее. Но сейчас я разрабатываю одну программу под Мак — посложнее, чем Колокол Тарта — и прихожу уже к противоположному выводу. Разрабатывать я её взялся потому, что все существующие, написанные настоящими программистами аналоги, меня не устраивают из-за низкого качества. И даже то, что мне написал Кодекс за первый день (после недели ленивых диалогов для написания первичной спецификации), уже работает быстрее и чётче, чем все аналоги. При этом я вижу много направлений для улучшения: https://ilyabirman.ru/meanwhile/all/tart-bell-mac/ Я вижу, что требуемый мне уровень качества просто недостижим в классическом программировании. Если бы я сам умел такое программировать, у меня бы просто не хватило терпения всё вылизывать. Если бы рядом со мной был опытный программист, у него бы тем более не хватило терпения слушать мои придирки к неидеальности того, что видно только при покадровом просмотре скринкаста. По моим наблюдениям, большинство программистов просто не замечают многие нюансы или не считают их значимыми. Но даже если представить, что мне бы попался один из тех, кто замечает и считает, я бы сам постеснялся просить его попробовать переписать вообще всё по-другому только чтобы проверить, не станет ли чуточку приятнее — это же живой человек, всё-таки! А те редкие программисты, у которых такой же высокий собственный уровень требований к качеству, вряд ли сидят и ждут, что я буду ими командовать — у них своих задумок полно. Короче, теперь мне уже кажется, что высокое качество достижимо только при вайб-кодинге.

Нобелевский лауреат Аджемоглу: причина споров об ИИ — общий кризис либеральной демократии Нобелевский лауреат по экономике Дарон Аджемоглу раскритиковал обе крайности в дискуссии об искусственном интеллекте — безоговорочный оптимизм и отрицание реальных возможностей ИИ. По его мнению, поляризация вокруг технологии отражает более глубокую проблему: кризис либеральной демократии, которая утратила способность вырабатывать компромиссы и обеспечивать широкое участие людей в экономическом развитии. Аджемоглу считает, что ИИ необходимо развивать так, чтобы он дополнял труд и создавал новые возможности для работников, а не заменял их. https://hightech.plus/2026/08/17/nobelevskii-laureat-adzhemoglu-prichina-sporov-ob-ii--obshii-krizis-liberalnoi-demokratii

21 августа, в 19-00, в SAS hotel в рамках проекта Teenageangst я буду читать лекцию Abducted by Audio: on Accelerationism, Acid Communism and Techno Music, основанную на недавно выложенном архиве CCRU. Лекция посвящена исследованию электронной танцевальной музыки — в первую очередь техно — как специфического кибернетического и фармако-сонического аппарата, способного пересобирать человеческую субъективность, когнитивную архитектуру и политическое воображение. Концепт «захвата звуком звуком» (audio abduction) трактует акустическую среду не как эстетический продукт или объект потребления, но как автономную инородную силу, которая вырывает индивида из привычных координат буржуазной повседневности и подрывает монополию антропоцентрического «я». Ницше считал музыку самым дионисийским из искусств, потому что она по сути своей «бесформенна», а её потенциал заключается в том, чтобы разрушить диктатуру репрезентации. В центре внимания — синтез трех ключевых векторов радикальной теории и музыкальной философии: Концептуальный аппарат CCRU (Cybernetic Culture Research Unit): исследование связок между алгоритмическим синтезом, циклической ритмологией и медиацией, трансформирующей восприятие и кибернетическими петлями обратной связи. CCRU рассматривает пространство клуба и рейва как лабораторию, где звук и фармакология образуют единый комплекс для взлома нормативной психофизиологии человека и конструирования гиперверий; «Сонический фикшн» Кодво Эшуна и Sonic Warfare Стива Гудмана: подход к электронной музыке как к не-человеческой технологии и форме афрофутуристского абстракционизма. Эшун переосмысляет синтезаторы и драм-машины как инородные механизмы, превращающие слушателя в интерфейс для ритмических атак и деиндивидуализирующих аффектов. Переход от романтического «прослушивания» к погружению в акустическую иммерсивную среду, которая является оружием воздействия на нервную систему. Кислотный коммунизм Марка Фишера и акселерационизм: проект регенерации эмансипаторного потенциала коллективного экстаза, психоделической культуры и посткапиталистического желания. Рожденная на руинах постиндустриальных пространств (Детройт, Берлин), техно-музыка предстает как акселерационистский двигатель, способный преодолеть депрессивный паралич «капиталистического реализма», а о рейве Фишер высказывался как о барочном солнечном ударе. Лекция предлагает рассматривать тело клуба и звуковые системы как пространства анонимной деиндивидуализации: место, где синтез давления, репетитивности и пси-модуляций растворяет изолированного субъекта в едином человеко-машинном коллективе, подчиненном ноуменальной динамике ритма, где машинные синтезы желания и единства изменяют телесность, утопию будущего, а мышление становится галлюцинаторным процессом. Следуя интуиции Дж. Балларда, мы всегда должны выходить к немыслимым формам отчуждения — отчуждениям, о которых предыдущие эпохи даже не помышляли, — и что их необходимо пройти насквозь.

«Биты и яркий свет, чтобы разрушить ложь. Нервные импульсы для коллективного тела. Мы очень похожи по базовой структуре, достаточно жесткого бита, чтобы пробудить всех к истинному призванию — к единству!».

🐟 Робот, который чувствует предмет, не касаясь его Обожаем истории, где инженеры подсматривают готовое решение у природы вместо того, чтобы изобретать велосипед. Электрический угорь в мутной воде видит не глазами. Он создаёт вокруг себя слабое электрическое поле, и всё, что в это поле попадает по-своему перекраивает его форму. Разные материалы искажают поле по-разному, так что угорь понимает не только где объект, но отчасти и что это такое. Исследователи из Сидяньского университета собрали сенсор ровно по этой схеме. Электрических органов у него, разумеется, нет — вместо них заряженная поверхность из фторполимера. Работает как крошечная статическая батарейка: держит заряд очень долго и всё это время создаёт вокруг сенсора поле. В покое поле имеет предсказуемую форму. Стоит объекту приблизиться — форма плывёт, и это можно измерить. По характеру искажения сенсор вычисляет электропроводность, диэлектрические свойства и геометрию предмета. Металл проводит ток отлично и корёжит поле сильно. Пластик, стекло и дерево проводят плохо, зато поляризуются — и тоже оставляют след. Где это пригодится: аккуратные манипуляции, протезы, заводские роботы и работа там, где камера бесполезна — в темноте, дыму, пыли. Отдельная боль оптических систем — прозрачное стекло: увидеть его тяжело, а вот на электрическое поле оно влияет вполне заметно. Вопросов пока хватает. Точность сенсора не названа, максимальная дальность тоже, и неизвестно, как на него влияют влажность и температура. @droidergram

📉 28 лет спустя: что привело Россию к дефолту 1998 года? 17 августа 1998 года Россия объявила дефолт по внутреннему долгу и сообщила о реструктуризации государственных краткосрочных облигаций (ГКО) и облигаций федерального займа (ОФЗ). Кризис стал одним из самых тяжелых финансовых потрясений в современной истории страны. К этому моменту экономика уже несколько лет жила с дефицитом бюджета, слабым сбором налогов и дорогими заимствованиями. Власти закрывали бюджетные дыры за счет ГКО: их доходность превышала 40%, а объем выпуска с 1995 по 1997 год вырос почти в шесть раз — с 76,6 трлн до 436 трлн неденоминированных рублей. Новые займы все чаще использовались для погашения старых. Для населения последствия оказались особенно тяжелыми. В начале года доллар стоил около 6 рублей, к концу августа — 9,4 рубля, а в сентябре превысил 15 рублей. Годовая инфляция достигла 88,4%, подорожали импортные товары и продукция российских предприятий, зависевших от зарубежных комплектующих. Market Power подробно разобрал историю дефолта 1998 года и события, которые к нему привели. ➡️ Читайте по ссылке 📍 Подписаться на канал | Мы в MAX

Что на самом деле нужно сохранять при сериализации сложной структуры? TL;DR: Важно отделить логические данные от производного состояния: часть структур можно восстановить после загрузки, а часть - вообще заменить другим физическим представлением под нужный сценарий. Вспомним хотя бы слайс: само значение - это дескриптор с указателем на нижележащий массив, len и cap. После рестарта старого расположения памяти всё равно не будет: появится новый массив и новый дескриптор. То же самое относится к lookup-таблицам, оффсетам, кешу и другим производным структурам, которые существуют ради удобной работы с данными в рантайме. Поэтому в вопросе сохранения структур для дальнейшего переиспользования можно отделить основные данные от производного состояния: сохранить то, что нельзя потерять, а всё, что однозначно выводится из данных, построить заново после загрузки. В инвертированном индексе каждый раз заниматься переиндексацией дорого, поэтому были добавлены два варианта экспорта структур в файлы: snapshot, если после загрузки есть необходимость менять индекс (например, дополнять его новыми термами), и sealed segment, если после загрузки индекс используется только для поиска. Возьмём упрощённый пример: "go" -> doc 10: [2, 7] doc 14: [3] go — term, 10 и 14 — документы в posting list, [2,7] и [3] — позиции слова. Например flat.Index состоит из следующих частей: type Index struct { arena []byte // где лежат термы entries []entry // где хранятся оффсеты термов в арене и список документов byHash map[uint64]int32 // поиск entry по его term hash positions [][][]uint32 // позиции слова для каждого документа внутри каждого entry } Snapshot: сохранить данные для восстановления mutable-структуры В snapshot мы сериализуем в отдельный файл термы, документы и позиции слов - то есть логическое состояние индекса. При загрузке по этим данным заново собирается flat.Index, после чего в него снова можно добавлять данные. Чтобы уменьшить размер snapshot, DocOrd сохраняются как разница с предыдущим ordinal, а получившиеся числа кодируются через uvarint. Про uvarint и delta encoding я рассказывала тут. При загрузке декодер восстанавливает абсолютные DocOrd, последовательно прибавляя сохранённые дельты, а затем собирает структуру индекса заново. byHash мапа после этого тоже строится заново по загруженным термам. (де)сериализация на примере flat индекса Segment: сохранить read-only индекс без восстановления структуры вообще В segment режиме сериализации экспортируются те же основные данные: термы, списки документов, позиции термов - в отдельный read-only бинарный формат. Он разделен на области байт по назначению: [header][postings area][positions area][term index][footer] Postings и positions участки лежат подряд, а term index хранит оффсеты и длины диапазонов для каждого терма. Поэтому при загрузке такого сегмента обратного преобразования индекса в структуру flat.Index уже нет. Для запроса "go" мы находим его оффсеты в term index, берём через mmap (или через обычный `ReadAt`) только нужный диапазон данных и декодируем postings: подробнее про построение segment. То есть в snapshot данные сначала декодируются, а производные структуры типо byHash собираются заново - получаем готовую к использованию структуру индекса. В sealed segment эти структуры вообще не нужны: данные сразу раскладываются в компактный формат с оффсетами, который оптимизирован под чтение. Получается, что одни и те же логические данные можно сохранить по-разному в зависимости от того, что нужно после загрузки. Этот вывод не относится только к поисковым системам: при сохранении сложной структуры не нужна ее in-memory копия. Производное состояние можно не сохранять, если его дешевле восстановить. А если после загрузки данные будут использоваться иначе, из одного и того же состояния можно вообще построить другое физическое представление - под запись или только под чтение. PS: finally совесть чиста и можно готовить вторую часть про HSNW #fts #perf #projects

Собираем портативный синий лазер на 70 ватт за вечер Демонтажная матрица лазерных диодов лежит на Таобао как б/у видеокарта десятилетней давности, 260 юаней за экземпляр. Внутри 14 синих кристаллов Nichia и около 70 ватт оптики. Добавляем буст-конвертер за 500 рублей, процессорный кулер, восемь банок 18650 и вечер с паяльником. На выходе фонарик, который воспламеняет дерево на дистанции вытянутой руки, а на фотографиях в статье прожигает и стальную пластину. Это лазер 4 класса, и автор не сглаживает опасность. Зеркальный блик от гайки или стекла прилетает в глаз с полной удельной мощностью и работает быстрее моргательного рефлекса. Отдельная засада поджидает в самой схеме, пусковой выброс при старте тихо убивает кристаллы, и обходится он неожиданно топорным способом. Разберём всю сборку от расчёта драйвера до того, чем гасят этот выброс.