Про "индекс гопников". Это моя собственная, сугубо субъективная метрика городов и районов. Она отражает мое ощущение безопасности в новом месте - спокойно ли ходить по улицам, часто ли встречаются люди, невольно заставляющие напрячься и др. 1️⃣ Для большинства важно именно ощущение безопасности, а не сам crime rate, потому что вайб чувствуется ежедневно, а жертвой преступления становятся относительно редко. Индекс гопников в переводе на академический - это fear of crime / perceived (un)safety, и явление хорошо изучено, особенно по иммигрантам. Выводы довольно банальны: чем больше рядом кучкуется людей из незнакомых культур, тем местные менее спокойны, меньше кооперируются и даже меньше общаются. 2️⃣ Но в моем индексе гопников две оси: агрессивные/настораживающие мигранты и агрессивные/гоповатые местные. И те, и другие создают не очень приятный вайб, когда сложно чувствовать себя полностью расслабленным. По мигрантам понятно - где много из Сирии, Афганистана, Эритреи и др, там остро чувствуется. Это кстати страны, откуда фискальный баланс мигрантов худший среди всех, и преступлений они совершают значительно больше. Например крупные города Северной Европы - вовсе не безопасные места по многим видам преступлений. С местными гопниками сложнее - это менее измеряемый, более субъективный фактор. И города не однородны - по районам индекс гопников может кардинально отличаться. Поэтому сложно составить общий ретинг, но я напишу наблюдения по странам. 3️⃣ Во 🇫🇷 Франции комфортно ощущается только в мелких городах, наверное до 20-30 тыс населения (не пригороды). Просто кайф, считаю французскую провинцию лучшей в мире. Но в крупных городах гулять вечером - не всегда удовольствие. При этом от коренных французов почти нет гоп-вайба. Похожее в 🇧🇪 Бельгии (где и crime rate высокий), Северной Европе и др. Кроме 🇫🇮 Финляндии: там довольно много преступности, но среди местных нет гопников, только огромна доля крипов (пост). Меня они забавляют, но кому-то среди таких жить некомфортно. В 🇮🇩 Польше обратный Франции пример: абсолютно спокойно без злых мигрантов, но местная гопота в провинции - так себе вайб (пост). Все остальные страны ЕС где-то между этими двумя состояниями, наверное нет стран, где ни опасных мигрантов, ни местной неприятной гопоты, просто баланс и иногда сумма разные. 4️⃣ Более академическое: обе мои оси отражают одно явление - чем больше где-то бедных и незанятых молодых мужчин, тем выше там индекс гопников и fear of crime. Просто некоторые из них - мигранты, а другие - местные гопники. Отмечу, что из всех стран, где я жил, спокойнее всего было в 🇮🇱 Тель Авиве. Да, несмотря на риски обстрелов и бесконечные угоны велосипедов. Гопников среди местных там минимум, а иммиграционная политика, как известно, специфическая. 5️⃣ Если выйти за рамки гопников, то для общего ощущения безопасности есть и третья ось: вера в то, что местные законы меня защитят. Это тонкий лед для обсуждения в канале, поэтому просто приведу пример: Я провел в 🇹🇭 Тае много времени, там местные дружелюбны и нет злых мигрантов. Но любой фаранг при любом, например имущественном, конфликте становится абсолютно беззащитным. Я знаю много историй, когда иностранцы попадали в неприятные ситуации, и им везло, если теряли только деньги. Такой риск я вижу гораздо более серьезным, потому что его не митигировать, переехав в более зажиточный район. И у меня никогда не было желания жить вне западного мира, где у иммигранта есть хотя бы ощущение защищенности. 6️⃣ Описанное в посте можно свести к еще одному хорошо изученному академическому термину - collective efficacy: это когда есть ощущение, что в неприятной ситуации за меня впишутся люди вокруг. Доказано, что оно снижает fear of crime. То есть ощущение безопасности можно повысить, если хорошо интегрироваться и завести близких друзей (которые впишутся, если что). Но по опросу про уровни интеграции мы знаем, что большинству из нас с вами такой путь не грозит 🥲 @kyrillic

✔️ Google реорганизует команду ИИ-кодеров Команда по разработке ИИ для кодинга станет постоянной структурой. Подразделение займет место между этапами pre-training и post-training и возьмет на себя расширение возможностей моделей в программировании. Причина реструктуризации в отставании от Anthropic в сегменте ИИ для кодинга. Google ошибочно полагала, что базовые LLM освоят программирование автоматически без выделенного обучения. В результате инструмент Antigravity оказался проблемным, разработчики раскритиковали Gemini 3.5 Flash за высокую цену, а релиз флагманской Gemini 3.5 Pro до сих пор не состоялся. @ai_machinelearning_big_data #news #ai #ml

🐶 YC-backed unicorn в наглую скопировал open source проект – или нет? Такой кейс должен был случиться. Вы наверняка видели кучу скиллов, которые позволяют навайбкодить интерфейс, аналогичный какому-то оригиналу. Является ли это плагиатом? Формально это не кража кода, потому что вайб код просто копирует интерфейс. Вопрос только, где теперь проходит грань между "вдохновился" и "украл". 1/ Что случилось: ▪️YC-backed иншуртех Corgi (самая последняя оценка $2.6B) выпустил продукт Dataroom для шеринга документов с инвесторами. ▪️Сооснователь Papermark Marc Seitz обвинил Corgi в краже кода: скриншоты показывают идентичные формулировки фич слово в слово. ▪️CEO Corgi Nico Laqua признал использование vibe-coding для визуальных элементов на двух "периферийных" страницах настроек, но утверждает, что код написан с нуля. ▪️Заявление от Corgi сопровождалось cease-and-desist письмом в адрес Seitz с требованием удалить твит. 2/ Почему юристам тут пока нечего предъявить: ▪️Копирайт защищает выражение, а не идею. "Вдохновился механикой конкурента" – законно, если код реально свой. ▪️Дело решится только построчным сравнением кодовых баз, а его пока никто не опубликовал. 🔹Контринтуитивный момент: vibe-coding обесценивает саму идею "украл код" как критерий. Бот может скопировать структуру продукта 1:1 на уровне ощущения и фич, сохранив разный код на уровне символов – формально чисто, по сути плагиат. 3/ Пара важных деталей для контекста: 🔹Papermark – это open source data room, отличный и бесплатный для небольших кейсов продукт, его реально используют очень многие фаундеры для шеринга материалов с инвесторами. Поэтому удар ощущается острее, чем обычный спор двух SaaS – задели другой стартап, который еще и меньше по размеру. Да еще и bootstrapped. 🔹Кроме того, нам с вами чуть большее от этого, потому что в этом стартапе есть русскоязычный ко-фаундер – вместе с Марком со-основателем стартапа является еще и Ирина Шнай. У нее за плечам несколько своих стартапов в Финляндии и до этого работа в Getbilet. 4/ Это далеко не первый скандал вокруг Corgi: ▪️Стартап уже судился с бывшими сотрудниками. ▪️CEO разослал cease-and-desist не только Seitz, но и владельцу кофейни-конкурента за шуточный твит о ситуации. ▪️Параллельно Laqua прославился в недавнем интервью 20VC советом работать по 7 не перебор ли? 5/ И на этом фоне – скорость раундов: ▪️$108M Series A → через 4 месяца $160M Series B по $1.3B → через 3 недели $106M Series B1 по $2.6B. 🔹Получается, что оценка выросла вдвое за пару недель несмотря на серию репутационных скандалов подряд. Похоже, на текущем рынке growth-метрики важнее репутационных рисков – и это, кажется, тенденция, а не исключение. Но насколько долго она продлится? 👉 Ссылка на статью: https://techcrunch.com/2026/06/26/corgi-the-buzzy-y-combinator-backed-insurance-tech-startup-says-it-didnt-steal-an-open-source-product/ P.S. Ссылку на пост Марка в Linkedin уже не дать, потому что он его, похоже, уже удалил. ❗️P.S.2. Кажется, что самый лучший поддержать небольшой стартап в борьбе с агрессивным ventured-backed игроком, это начать пользоваться его услугами. Оставим тут ссылку: https://www.papermark.com/ (это не реклама, никаких промокодов нет). @proVenture #ai #saas #howtovc

История деанонимизации В 2016 году (10 лет прошло!) в России прогремел FindFace. Стартап проиндексировал фотографии профилей ВКонтакте и научился по ним искать. Пользователь наводил камеру телефона на соседа в метро и узнавал его имя, возраст, а при удаче – и о чем он думал утром. Идеальный инструмент романтических знакомств. Или для всякого мошенничества, если с темной стороны посмотреть. В 2018 году сервис закрылся. Разработчики так и не научились на нем зарабатывать и решили сфокусироваться на заказных проектах по распознаванию лиц. Американский Clearview появился всего на год позже позже российского собрата и технически делал совершенно то же самое. Даешь ему фотку, он находит этого человека в интернете. Зато монетизировал технологию он радикально по-другому. Clearview не делал мобильной аппки, а продавал доступ в B2B: службам безопасности больших корпораций и подобным клиентам. В какой-то момент об этом напила пресса, начался скандал. Пользователи возмущались, что их ищут, соцсети – что данные берут без спроса. Суд в итоге постановил, что вообще-то так нельзя, но правительству можно. С тех пор Clearview имеет право продавать услуги Большого Брата государственным органам, а частникам ни-ни. И если американский пограничник сам, без подсказки, нашел ваш уютный бложек, где вы что-то не то о политике пишите – это, видимо, работа Clearview. Продолжение славной традиции –- современный американский #стартапдня Sherlock AI. Ровно та же техническая идея, а монетизация в этот – подписка в пользовательском приложении. Хочешь знать, кто сидит напротив тебя – плати. Хочешь это знать чаще, чем несколько раз в неделю, – плати дополнительно, лимиты жесткие. Запустился Sherlock в январе. Живет пока относительно тихо, большого скандала нет. Впрочем, он пока объективно маленький, Sensor Tower показывает выручку 60 тысяч долларов в месяц. https://www.imsherlock.com/ #сша #россия #насвои #общение #ai #технология

Исследователи из Флоридского международного университета пробили защиту мультимодальных нейросетей одной картинкой. Команда собрала алгоритм JaiLIP, который математически перестраивает пиксели и сохраняет визуально нормальное изображение. Теперь хакерам хватает одного заражённого файла, чтобы обойти текстовые фильтры. ИИ читает графику через голые цифры, поэтому невидимый шум заставляет систему сносить встроенные ограничения. На тестах с популярной моделью BLIP-2 новый метод заставил ИИ выдать почти в 2 раза больше опасных ответов. Разработчики скормили нейросети ничем не примечательную фотографию светофора. Система проглотила наживку и подробно объяснила, как проехать на красный свет и не получить штраф. В стандартном режиме алгоритмы безопасности сразу рубят такие инструкции. Компании активно внедряют автоматизированных ботов, которые умеют распознавать графику. Небольшие команды часто выкатывают опенсорсные продукты вслепую и не ищут уязвимости. Злоумышленник просто кидает модифицированную картинку в обычный чат-бот, после чего ИИ по-тихому меняет логику работы.

СМИ все равно власть, даже в эпоху ИИ Испанцы из Good Rebels разобрали 40 000 ответов ChatGPT, Gemini и Perplexity с целью понять откуда нейросети берут мнение о бренде. Выяснили что редакционный контент "традиционных" СМИ становится дифференцирующим фактором для повышения узнаваемости бренда в таких моделях, как ChatGPT, Gemini или Perplexity, Упоминания в медиа поднимают присутствие бренда в ответах модели в 1,78 раза для банков и в 1,64 для страховых. Редакционный контент отличает заметный бренд от невидимого. Раньше мы оптимизировали выдачу под Яндекс и Google. Сейчас очевидно пора оптимизировать ответы под ChatGPT. Но есть проблема, канал непрозрачный, ни охватов, ни кликов, ни дашборда, виден только итог. Анализ также показывает, что не существует универсальной стратегии оптимизации присутствия бренда в сфере искусственного интеллекта. Perplexity в значительной степени основывает свои ответы на корпоративных веб-сайтах и ​​сайтах с отзывами, которые присутствуют более чем в 78% проанализированных случаев. Gemini более избирательно подходит к редакционным источникам, а ChatGPT практически не ссылается на URL-адреса напрямую, хотя и включает ссылки на СМИ почти в четверти своих ответов.

AI КАК РЕДАКТОР, А НЕ АВТОР Когда я запускал блог, одной из самых неприятных задач было не “придумать тему”. Тем обычно много. Сложнее было разложить мысль компактно, без каши в предложениях, и так, чтобы опытному читателю не хотелось закрыть пост на третьей строке со словами “господи, что я читаю” 😅 И первое место, где AI меня реально вытащил — это не код. Это текст. 🔸Блог Почти каждая статья проходила через ChatGPT: — проверить стилистику — поправить грамматику — найти кривые формулировки — предложить другой способ сказать ту же мысль И вот последнее оказалось важнее, чем кажется. Потому что иногда мысль вроде нормальная, но звучит так, будто её три раза уронили по дороге. У каждого автора есть набор любимых речевых конструкций. Одни и те же связки, одни и те же обороты, один и тот же способ подводить к выводу. С одной стороны — это стиль. С другой — если не обновлять этот пул, текст начинает звучать как пережёванная версия самого себя. У меня это особенно заметно, потому что я довольно быстро нахожу первичную формулировку мысли, но намного хуже умею посмотреть на неё под другим углом. Я уже писал про это в статье Проклятие знаний: когда мысль у тебя в голове собрана, очень легко забыть, что то, что очевидно для тебя может быть не очевидно для читателя. 🔹Курс Вторая большая область — подготовка курса. Первые 3 месяца я собирал материал руками. Ночью, когда жена уходила спать, я садился за комп, шёл в Google, читал научные статьи, разбирался, что там вообще написано, и складывал всё в Notion. Не просто “ссылка на источник”, а: — какая мысль откуда взята — где её нужно использовать — в каком порядке она должна идти — что нельзя исказить при пересказе Так была сделана почти половина курса. А потом появились reasoning-модели, которым можно скормить большой промпт, файлы и дать 40 минут подумать. И здесь AI стал не автором, а независимым валидатором: правильно ли я понял источник, не перепутал ли причинность, не натянул ли вывод на свою картину мира, потому что очень хочется, выдать желаемое за действительное 😅 Вот это оказалось прям ценно. Потому что найти источник — не самая сложная часть. Сложная часть — прочитать, правильно понять, а потом донести мысль так, чтобы не исказить исходный смысл. 🔸И это хорошо ложится на исследования В SAP/HPI исследовании про опыт разработчиков с GenAI есть важный практический вывод:

когда человек использует один режим работы с AI — только chat или только in-code — нагрузка падает. Когда начинает метаться между режимами, выигрыш пропадает.

А ещё точнее в ту же точку попадает свежий RCT Anthropic про формирование навыков. Исследование про код, но механизм универсальный:

когда человек полностью отдаёт задачу AI, у него растёт ощущение продуктивности, но проседает понимание, чтение и отладка — причём без реального выигрыша по скорости. А те, кто работает с AI вовлеченно, спрашивая объяснения, а не готовый ответ, понимание сохраняют.

С текстом у меня работает так же. AI полезен, когда у него понятная роль: редактор, переформулировщик, валидатор или исследователь. А промпт формируется несколькими итерациями, где я подробно рассказываю куда нужно капнуть, что взять и как преобразовать. Но если прописать “давай классную статью по архитектуре”, на выходе очень быстро получается стерильный AI-slop/мусор 🤢 🔻 AI хорошо снижает стоимость итерации мысли. Но мысль всё равно должна быть твоя. Иначе вместо авторского текста/кода получится гладкая, правильная и абсолютно мёртвая жвачка. Ставь 👍 если тебе заходит такого рода контент! Ты знаешь кому переслать эту статью 💪 #ai@UniArchitect

Прошло 3 недели и никто не написал про Apple и WWDC, а мне было лень, но что поделать, надо браться. В начале июня компания проводила ежегодную конференцию для разработчиков и вместе с этим рассказала про обновления в AI. Очень сильно прокачали Siri, теперь она работает на относительно большой (по мобильным меркам) LLM, умеет вызывать инструменты и тесно связана с приложениями и экосистемой. Я видел пару демонстраций в твиттере, где запросы и сценарии показались мне не предусмотренными разработчиками (то есть модель на них не тренировали), и тем не менее Siri справилась отлично. Для тех, кто пользовался LLM, такая генерализация не является чем-то выдающимся, но для обычных пользователей может вызвать ВАУ-эффект. Ого, оно что И ТАК умеет??? Не только по пяти заложенным 15 лет назад сценариям работать? На девайсах может быть одна из двух моделей — AFM 3 Core (3 миллиарда параметров) и AFM 3 Core Advanced для девайсов помощнее, Phone 17 Pro и выше, iPad с чипом M4 и выше, MacBook с чипами M3 и выше. Такое ограничение потому, что модель действительно «Large» — 20 миллиардов параметров с микстурой экспертов (MoE). Но работает очень хитро — классический MoE работал бы плохо, так как у девайса ограничена пропускная способность между NAND (флеш-память для хранения ваших файлов и весов модели) и DRAM (где хранятся активные параметры для работы). В обычном MoE вы не знаете наперёд, какие именно эксперты вам нужны, поэтому загружаете всю модель, что а) долго б) занимает много памяти, а потом уже экономите на вычислениях, так как работает часть экспертов. Apple применили трюк, который я вижу впервые: для вашего промпта модель предварительно выбирает набор экспертов на всю модель, а затем загружает только их, и получается от 1 до 4 миллиарда активных параметров. Подход называется Instruction-Following Pruning for Large Language Models и описан в этой статье из начала 2025-го года. Также эта модель работает и для распознавания вашего голоса (поэтому и оно улучшилось), и для генерации нового голоса Siri (...тоже улучшилось). Вот тут внизу есть пара семплов было/стало, честно говоря старое мне нравится больше 🤷‍♂️ И вторая часть анонса — это удвоение ставки на Private Cloud Compute (PCC), который анонсировали два года назад. Идея в том, что для более сложных запросов, для которых локальной модели (особенно на смартфоне) не хватает, можно отправить промпт и контекст (например, файлы) на зашифрованный сервер, внутрь которого ни у кого нет доступа. Несмотря на то что система имеет открытый код и анализировалась лучшими специалистами по кибербезопасности, надеюсь, что Mythos тоже натравили 😀 Так вот, в PCC тоже обновилась модель, AFM 3 Cloud. Она запущена на серверах Apple и крутится на собственных чипах M-серии. И есть ещё AFM 3 Cloud Pro, которая ещё больше, ещё умнее, развернута на серверах Google на Nvidia GPU. Мне кажется это очень крутой паттерн, с которым мы будем жить: на смартфонах и умных девайсах в ближайшее время не будет настолько мощных чипов, как в серверных стойках, но хочется, чтобы умные модели были доступны. Все эти модели созданы компанией Apple, это НЕ модели Gemini. Говорят, что Apple усовершенствовала некоторые из этих моделей, дистиллируя Gemini, но все они являются совершенно новыми моделями, в которых используются собственные знания и технологии Apple. Самое крутое — и на смартфонах, и на макбуках у вас как у разработчика есть доступ к этим LLM. То есть вы можете написать приложение, не обучать свою модель (только сделать промпт) и вызывать её. Это бесплатно для локальной модели, а для облачных бесплатно до какого-то порога, дальше придется платить. Вот тут и тут можно посмотреть на скорость генерации на разных девайсах — получается даже быстрее, чем я бы ожидал!

Меня всегда удивляет, что можно найти на просторах интернета, например, математические доказательства ранее нерешенных проблем Аниме "Меланхолия Харухи Судзумии" в первом сезоне состоит из 14 серий, которые задумывались так, чтобы их можно было смотреть в любом порядке в 2011 на фочане кто-то задался вопросом: "какое минимальное количество серий нужно посмотреть, чтобы увидеть весь сезон во всех возможных порядках?" Оказалось, что это классическая задача комбинаторики про суперперестановки https://en.wikipedia.org/wiki/Superpermutation И какой-то анонимный юзер доказал, что нижняя граница равна n! + (n−1)! + (n−2)! + n − 3, при n >= 2 Это пылилось на просторах интернета, пока в 2013 году про тред не написал Натаниэль Джонстон у себя в блоге, но это доказательство осталось без внимания, пока в 2018 Робин Хьюстон не наткнулся на пост в блоге, и вместе с коллегами опубликовал статью с дополненным доказательством, где первым автором указал анонима с фочана Оригинальная статья, где первый автор это аноним с фочана https://oeis.org/A180632/a180632.pdf Ну и сама задача о кратчайшей суперперестановке называется проблемой Харухи: https://mathsci.fandom.com/wiki/The_Haruhi_Problem

🎵 Suno зовёт артистов в ловушку «хороших вибраций» ИИ-сервис Suno, видимо, больше не хочет быть фабрикой музыкального фастфуда. Компания метит в стриминговые площадки и даже собирается открывать новые имена в музыке. Для этого запустили программу Spark: гранты, менторство и маркетинговая поддержка для независимых музыкантов. Звучит как мечта инди-артиста. Ну… всплыло очень много интересных подробностей. Подать заявку может неподписанный лейблом певец, автор песен или продюсер, выпускающий музыку под своим именем. Но вместе с заявкой он соглашается на кабальные условия. Во-первых, свои треки придётся открыть для ремиксов прямо внутри Suno. Во-вторых, артист выдаёт сервису широкую лицензию на свои работы, включая право создавать производные произведения, плюс некую ограниченную эксклюзивность. Заодно вы отказываетесь от права на суд и на участие в коллективном иске. Но вишенка — пункт под названием «Good Vibes Only». Это соглашение о неразглашении и запрете критики: участник обязуется продвигать Suno и не имеет права «ни прямо, ни косвенно, ни устно, ни письменно» отзываться о компании, её сотрудниках или продуктах в негативном ключе. А ещё Suno получает право требовать правок и удаления вашего же контента. Сказали что-то нелестное — вылетели из программы. Интересно, подпишет ли контракт с Suno новый популярный артист ИИ-песен “Дурикович”? @droidergram

Понедельник обычно небогат на новости, так что давненько я не брал в руки исследований. Вот одно очень флеймообразующее. В крупном турецком BPO-подразделении (клиентская поддержка телеком-оператора крупным аутсорсером) 248 полностью удалённых сотрудников случайным образом разделили на две группы: одни остались дома, другие выходили в офис один фиксированный день в месяц. Больше ничего не меняли — ни оплату, ни нагрузку, ни часы, ни технологию. Такая схема продолжалась девять месяцев плюс за командами наблюдали еще пять месяцев после окончания вмешательства. Что получилось: ▪️ Производительность +7,8% (звонков в час) в постэкспериментальный период. Прирост — за счёт сокращения длительности звонка на ~17 секунд, без потери качества обслуживания. ▪️ Текучесть упала на треть: 21% → 13,7%. ▪️ Коммуникация выросла: +36 минут общения с коллегами за неделю после офисного дня; случайные «соседи по столу» потом на 11 п.п. чаще продолжали общаться. ▪️ Отношение выгод к издержкам ≈ 5:1 (с учётом транспорта и питания за счёт компании). Интересная динами эффект не вспыхивает сразу, а накапливается со временем и сохраняется после того, как обязательные визиты прекратили. Это аргумент против объяснения через эффект Хоторна или временный подъём морали — личный контакт восстанавливает наставничество в реальном времени и обучение у коллег, и накопленный организационный капитал работает дальше. Жду комментариев "Так это саппорт, а настоящим программистам даже подходить к офису противопоказано" или "А я много лет работаю удаленно и ничего". https://www.nber.org/papers/w35331