Какие все-таки быстрые времена, что целая технологическая эпоха спокойно укладывается не просто в одну человеческую жизнь — а в одну активную профессиональную жизнь, причем много чего определившую в мире, где мы в итоге живем. Винт Серф, в 1970-е один из разработчиков стека TCP/IP, сооснователь Internet Society и один из руководителей ICANN, человек, проработавший в Гугле с 2005 года, — сейчас в свои 83 решил выйти на пенсию с прекрасной должности chief internet evangelist. Не потому, что не тянет, а просто решил, что можно немного расслабиться. При этом он недавно вполне убедительно спорил с более юными экспертами на тему агентов: пока поклонники универсальности человеческого языка, якобы достигнутой с помощью ИИ, говорили, что нашего языка хватит и для общения агентов между собой, Серф утверждал, что ИИ, наоборот, порождает необходимость новых стандартизированных протоколов. И, как подтверждает его немаленький опыт, именно компании, вносящие активный вклад в разработку новых стандартов и протоколов, получат в итоге непропорционально большое влияние на развитие агентной экономики.

“I don’t think English is going to be the best choice. There’s a flexibility in it, but there’s ambiguity, and I think precision for interagent interaction is going to be very, very important. An agent really needs to be sure the other agent understands what it is that they just agreed to do together”

Можно только поздравить Серфа с новым интересным этапом его насыщенной жизни. https://techcrunch.com/2026/06/30/the-father-of-the-internet-is-finally-retiring/

«Падать дальше уже некуда» (Micro)Strategy – компания, которая идентифицирует себя как копилку с биткоинами – просела почти на 80% от своего предыдущего пика. Глядя на такое, некоторые инвесторы нутром чувствуют «да на таких уровнях надо брать не глядя, куда уж дальше падать-то – почти весь путь вниз уже пройден ведь!» Чарли Билелло делится занимательной историей этой акции как раз в тему: в прошлой жизни MicroStrategy была обычной софтверной компанией, и когда в 2000-м лопнул пузырь доткомов – ее котировки уменьшились на 99,86%. Так вот, чтобы достигнуть такого же падения с предыдущего пика – от текущего уровня акциям MSTR пришлось бы упасть еще на 99% (то есть, в сто раз).

🌞 Июньский дайджест звучен Солнцем – Продакт-менеджмент не профессия – Продакты будущего – Про пессимизм менеджера – Эра нулевого клика – Foundational Mental Models & Skills – 5 когнитивных искажений конверсии – Мотиваторы, потребности и ценность – Как готовить ИИ-фичи: вводный гайд – Когда работа перестаёт учить – Стратегия ≠ План – Целевой клиент ≠ Целевая аудитория – Защитные метрики – Почему вам не нужна ИИ – Отмена – самая дешёвая точка роста – Откуда берутся «источники» в ответах ИИ – 10 причин провала ИИ-трансформации – Не складывайте слабости – Гант маминой подруги – Не весь фидбэк нужно принимать – Команды галлюцинируют о клиенте – Метод Дельфи для брейншторма – Output vs Outcome – Продуктовые собесы с ИИ – Проблемы продукта из вакансий – STAR на собесе: структура ответа – 2026 Product Hiring Trends Report – Чего не хватает ИИ в аналитике – Особенности синтетических фокус-групп – Твой лендинг теперь читают двое – Путь за рамками интерфейса – Как снизить усталость в интерфейсах – What Designers Struggle with on Product – Какие бывают дизайнеры – Путь к ИИ в модели мира – Я выпустил нейросеть в реальный мир – Спасет ли нас Human-in-the-loop – Гравитации как силы нет Вы мантру пропеть могли бы под гул водопроводных труб?

Мы вам тут принесли красоты. Вот тут и там сделали прикольную образовательную модель клетки. Это схема, но довольно точная. И в ней видно, что в клетке пустого места нифига нет, и везде месиво химических фабрик. Началось с чувака, рисующего клетки акварелью. Можно разобрать клетку и посмотреть на каждый компонент, но почти нельзя увидеть, как именно миллионы разных молекул кишат, сталкиваются и работают вместе внутри живой клетки. Мужик решил собирать данные, сопоставлять и рисовать системные взаимодействия. Дэвид Гудселл, работник банка белков, использует свой банк данных белков как библиотеку структур. Раздупляет и другие базы данных белков типа UniProt — там свойства. Чтобы понять расположение — смотрит в электронный микроскоп и читает работы. Чтобы рисунок был чёткий, он полностью убирает с картины воду и самые мелкие молекулы. Иначе была бы каша. Учёный пишет, что бережет старую копирку, доставшуюся ему ещё в детстве от деда, потому что она важная часть процесса. Масштаб миллион к одному. В итоге он так долго рисовал всё это, что его иллюстрации стали золотым стандартом в современной молекулярной биологии. Вот работа в целом про методы визуализации клеток. 4 основных источника: общая архитектура по электронной микроскопии, химический анализ белков (сколько и кто там сидит), их структуры и информация о взаимодействии. Дальше используются софтины CellPACK или CellPAINT. Софту задают границы, засыпают туда нужные белки в пропорциях, потом БЖЖЖ, ХРРР и истошно вопящий кулер — и белки заполоняют пространство, учитывая правила — кто с кем может слипаться, а кто нет. Чтобы такое рендерить, кстати, нужен серьёзный игровой компьютер. NPC в виде вирусов получают скрипты поведения. Потом надо решить проблемы освещения, выбора ракурса камеры, настройки прозрачности массовки (чтобы другие белки не загораживали вид на сюжет). Чаще всего такое снимают в слоу-моушен. Когда ученые собирают все известные данные в одну визуализацию, сразу становятся видны нестыковки. Например, если биологи думали, что какой-то процесс происходит быстро, но в 3D-модели выясняется, что молекуле просто не хватает места, чтобы развернуться в тесноте клетки — значит, старая теория неверна и нужно искать новое объяснение. Студенты плохо усваивают биологию из-за того, что в учебниках процессы показаны кусками. Эти вот штуки тоже решают эту проблему. Но если показать полную 3D-картину клетки со всеми миллионами деталей, студент пугается и окукливается. Если сильно упростить — он думает, что биология это легко, звереет и упускает суть. Поэтому они дают студентам интерактивные сцены, а потом увеличивают сложность, пока она не превратится в сравнимую с диффурами. А потом заставляют их самостоятельно искать структуры, которые убегают. 3D-моделирование занимается всё тот же мужик, Дэвид Гудселл. Но акварель он не откладывает. Если вдруг кто-то будет петь песни или снимать клип про структуру клетки, не сомневайтесь, где-то рядом будет ходить он же. -- Вступайте в ряды Фурье! | Лучшие посты Дети познакомились с микробиологом. Он оказался намного больше, чем они думали.

Что такое парадокс изогнутой трубы и почему интуиция нас подводит Вода течёт по U-образной трубе, и интуиция подсказывает, что на внешнем обводе путь длиннее, значит, там частица ускоряется, а на внутреннем, где короче, замедляется. На деле всё выходит ровно наоборот, и внутренняя частица разгоняется, сильно обгоняя внешнюю. При соотношении радиусов обводов один к трём скорости относятся как три к одному, и это не игра ума на бумаге: живой эксперимент с U-образным коленом, манометром и обычным пылесосом качнул столбики именно туда, куда предсказала теория, а разность давлений на двух обводах составила 500 Па. Узнаем, откуда в повороте берётся эта разность давлений.

Дешёвая заявка — самый дорогой канал В клуб MFS приходил Денис Сметнев — он разгонял международную экспансию Skyeng. И рассказал про ловушку, в которую попадают почти все, кто впервые заходит на чужой (читай "международный") рынок. Обычная ситуация: запускаем рекламу и просим алгоритм оптимизировать на стоимость заявки. Он идёт искать самые дешёвые лиды. А дешевле всего заполняют формы те, у кого больше всего свободного времени: на новом рынке это часто безработные и недавно переехавшие мигранты. Заявок вал, CPL смешной, дашборд зелёный. А потом сейлзы прозванивают базу — и никто не покупает. Алгоритм всегда оптимизирует ровно ту метрику, которую мы назвали. Просим дешёвые заявки — получаете тех, кого дешевле привести, а не тех, кто платит. На домашнем рынке вы поймали бы это чутьём. На новом чутья нет, поэтому вы верите цифре. А цифра врёт. Вывод простой: пока когорта реально не занесла деньги, считайте, что CPL вас обманывает. Целевое действие для рекламы — оплата, а не поднятая рука. Почему привычные CAC и LTV так легко вводят фаундера в заблуждение — разбирал в блоге Всем классных выходных ☀️ Андрей Резинкин | Money For Startup

🌟 TabFM: модель для работы с табличными данными от Google Google Research опубликовала модель машинного обучения для классификации и регрессии на табличных данных. TabFM делает прогнозы на ранее не встречавшихся таблицах без отдельной тренировки под каждый набор данных.

Табличные данные лежат в основе множества прикладных задач - от прогноза оттока клиентов до выявления финансового мошенничества. Десятилетиями здесь доминировали алгоритмы на основе деревьев решений, которые требуют долгого подбора параметров и выстраивания признаков под каждую новую задачу.

TabFM использует подход, заимствованный у LLM - обучение в контексте. Модель получает всю таблицу целиком как единый запрос и определяет связи между столбцами и строками прямо в момент прогноза, не меняя своих внутренних параметров. Эту архитектуру Гугл описывает как гибрид двух ранее опубликованных решений TabPFN и TabICL. TabFM обучалась на сотнях миллионов сгенерированных таблиц, построенных с помощью структурных причинных моделей. Разработку проверили на бенчмарке TabArena, который ранжирует системы по итогам прямых сравнений между собой. Тестирование включало 38 наборов для классификации и 13 для регрессии, размером от 700 до 150 000 строк. По результатам TabFM обошла тщательно настроенные отраслевые решения TabPFN-3, AutoGluon и RealMLP. В ближайшие недели TabFM будет встроена в сервис Google BigQuery, там классификацию и регрессию можно будет запускать одной SQL-командой, без специальных знаний в области ML. 📌Лицензирование: Tabfm Non-commercial 🟡Блогпост 🟡Модель 🖥GitHub @ai_machinelearning_big_data #AI #ML #TabFM #Google