Раньше ПО работало шустро, потому что иначе было никак Пайплайн упал — подняли память. Сервис затупил — добавили ядер. Дежурный заложил буфер, потому что никто не хочет подрываться ночью. Через полгода исходного контекста уже никто не помнит, и эта конфигурация становится строгим требованием. Парадокс в том, что сервис при этом выглядит здоровым. Он использует 10% от выделенных 64 ГБ, мониторинг светится зелёным, команда эксплуатации спокойна. Мы научились поднимать тревогу при перегрузке, но почти никогда не создаём алёрты на структурную пустоту. Разберёмся, где именно проходит граница между неизбежной сложностью и накопленным суеверием.

Как мозг «переписывает» то, что видят глаза Почему то, что мы видим, — не фотоснимок реальности, а её интерпретация? Нейробиологи из Университетского колледжа Лондона подобрались к этому вопросу с неожиданной стороны: они восстановили ролики, которые смотрели мыши, опираясь только на активность их зрительной коры. Любопытнее всего здесь метод. В отличие от опытов с людьми в МРТ-сканере, где сигнал усреднён, тут активность отдельных нейронов считывали поштучно — с помощью микроскопии, которая ловит вспышки кальция в момент, когда клетка «выстреливает». За основу взяли модель-предсказатель (её создали для конкурса Sensorium ещё в 2023-м): по показанному фильму она угадывает, как поведут себя нейроны, учитывая даже движения зверька и диаметр его зрачка. Дальше — изящный трюк. Учёные сравнили два состояния: как нейроны реагировали бы на пустой экран и как они реагируют на самом деле. Отталкиваясь от этой разницы, алгоритм стартовал с «пустого» ролика и пиксель за пикселем подкручивал его, пока тот не совпадал с тем, что видела мышь. В итоге по одной лишь нервной активности удалось воссоздать 10-секундное видео, которого модель раньше не видела, а точность росла с числом задействованных нейронов. Совпадение картинок оказалось не идеальным — и это не ошибка, а само устройство зрения. Мозг не транслирует мир один в один, а искажает и достраивает его. Понять, где и зачем он это делает и есть следующая цель команды: разглядеть разрыв между реальностью и тем её образом, что живёт у нас в голове. @vselennayaplus

DXVK 3.0 вышла, но владельцам Radeon RDNA 1 и RDNA 2 на Windows лучше остаться на версии 2.x Состоялся релиз DXVK 3.0 — крупного обновления слоя трансляции Direct3D в Vulkan, используемого в Proton, Wine и других проектах совместимости. Новая версия получила компилятор шейдеров dxbc-spirv, который уменьшает потребление памяти (до 1 ГБ в отдельных играх), улучшает стабильность и ускоряет компиляцию шейдеров. Однако разработчики предупредили, что владельцам видеокарт AMD на архитектурах RDNA 1 и RDNA 2 под Windows лучше не переходить на DXVK 3.0. Причина в том, что драйверы AMD для этих GPU больше не получают поддержку новых возможностей Vulkan, из-за чего возможны проблемы с производительностью. Для таких систем рекомендуется остаться на ветке DXVK 2.x.

Ломка Раньше, когда я хотел запустить проект, в голове щёлкал один и тот же паттерн: кого нанять. Нужен проектный менеджер. Нужен человек на операционку. Нужен ещё кто-то под это. Любая новая задача начиналась с вопроса «какие люди мне нужны». Сейчас паттерн другой. Я думаю не «кого нанять», а «какие инструменты ИИ применить, чтобы это запустить или решить задачу». И специально не нанимаю, запретил себе это делать. Либо решу с ИИ, либо не буду решать вообще. «Закодировался» от найма, чтобы перестроить своё мышление. Ломка жуткая, но выхода другого нет. Звучит как мелочь возможно. Но это смена точки входа в процесс. Старый рефлекс добавлял к каждой идее людей, зарплаты, согласования, управление и отсутствие гибкости и скорости. Новый — добавляет связку инструментов, которую один человек собирает за вечер. И если не получилось — быстро выкинул, а при успешном старте быстро масштабировал. И знаете, что меняется в голове? Идеи перестают казаться дорогими и долгими. Раньше «а давай запустим вот это» автоматически означало «а давай наберём под это команду и найдём деньги». Теперь — «а давай я соберу это за вечер и завтра потестируем». ИИ сам по себе не делает предпринимателя богаче. Он просто позволяет одному сильному человеку создавать намного больше и ещё намного быстрее. Весь вопрос в том, какой рефлекс срабатывает у тебя первым. И хочешь ли ты перестроиться на новый.

Valve готовит релиз Steam Frame: Portal 2 адаптировали под новый шлем Анонсированный в конце 2025 года автономный шлем Steam Frame готовится к выходу. Пользователи заметили, что Portal 2 получила в Steam официальный статус Playable (играбельно) для VR-устройства от Valve. Игра работает с ограничениями по нативному разрешению, но полностью функциональна. Обновление каталога указывает на то, что старт продаж Steam Frame может состояться до конца года. Новое устройство работает на базе ARM-процессора Snapdragon 8 Gen 3 и операционной системы SteamOS. При этом шлем сможет запускать стандартные Windows-игры за счет встроенных слоев совместимости Proton и FEX.

Зачем футболисты заряжают мяч? И ещё любопытная штука "около" ЧМ-2026: Чемпионат мира 2026 (который разогнался и стал поинтереснее - так и быть, признаю) - это не только голы, болельщики и феерическая рекламная жадность FIFA, которая уже успела стать мемом. Это ещё и целая гора технологий, умных устройств и данных: Внутри мяча сидит сенсор, который гонит данные про каждое касание. Всем арбитрам повесили специальную Referee Cam. Аналитические системы автоматически строят 3D-модель всех 22 игроков, пока мяч ещё летит. А у каждой из 48 сборных есть персональный ИИ-ассистент от FIFA и Lenovo (даже у Гаити и Кюрасао). Для чего эти данные нужны? Ну, для чего только не. Тренерскому штабу команд - для тактики и поиска брешей в обороне соперника, телевизионщикам - для корректности статистических реплик и тепловых карт внизу экрана, букмекерам - для пересчёта коэффициентов в реальном времени, компаниям - для обсчёта эффективности рекламных баннеров и вставок. И т.д. и т.п. На самом ЧМ с его гигантскими бюджетами и кучей камер и датчиков в каждой дырке - всё более менее автоматизировано (хотя не всегда). Но за его пределами каждую неделю играется 100500 матчей. И данные с них - это целая индустрия, где заняты тысячи бро из "третьих стран". Есть такая профессия - "аннотатор". Это человек, который профессионально смотрит матч и вручную тегируют каждое действие: пас, удар, подкат, угловой, карточка и т.д. За 90 минут он размечает тысячи событий. Таких трудяг целые армии - он Манилы и Ченнаи до Каира и Лагоса. Среди них немало футболистов низших лиг (что логично): Rest of World рассказывает о филиппинском футболисте, который год тегировал матчи из 2-й/3-й немецкой лиги (он работал на немецкую аналитическую компанию) и, по его словам, стал лучше разбираться в тактике. Будет эпично, если с этого начнётся его тренерская карьера, и в итоге он возглавит лондонский Арсенал. Ну окей, хотя бы тульский. В той же статье есть и более удивительный кейс. Некий Адам из бразильского Рио тегирует для иностранной конторы бразильские матчи, которые вообще никто не транслирует. Он получает 60 евро за игру "плюс транспортные расходы". То есть, он ездит их смотреть на стадион, сидит на трибуне с приложением и в реальном времени отстукивает события. Зачем? Ну, потому что это третьесортные полулюбительские игры, которые вообще не показывают. Но букмекеры принимают на них ставки (они принимают вообще на всё). И чтобы быстро считать и корректировать кэфы - им нужны лайв-данные прямо с матча, пока он идёт. Автоматизировать это нереально (роботы пока не умеют ходить на футбол), а экономика за $60 у буков, видимо, сходится. И самое интересное, что умные алгоритмы и ИИ-примочки, которые трекают топ-матчи ЧМ, наверняка обучались на данных, собранных вот такими пацанчиками с сельских стадиков. Получается, генерация ИИ-данных кожаными - это уже не просто целая индустрия, там даже есть свои ниши. Хочешь - наклей на лоб телефон и шей индийский текстиль, хочешь - убирай хаты на камеру, а хочешь - фиксируй, кто попал в офсайд на матче 4-го дивизиона Албании. Получается, прогресс создаёт больше рабочих мест - шах и мат, технодумеры 😈 Дизраптор

Экс-глава AI в Databricks придумал, как снизить энергозатраты в 1000 раз Навин Рао, бывший руководитель AI-направления Databricks, строит стартап Unconventional AI. Компания обещает радикально снизить стоимость инференса за счет новой компьютерной архитектуры на основе осцилляторов На днях показали первую модель Un-0. Это генератор изображений, который должен доказать, что на такой архитектуре могут работать обычные диффузионные модели. Компьютер на новой архитектуре ещё не построен, так что модель пока живёт в симуляции. В конце прошлого года Unconventional AI привлёк 475 миллионов долларов с оценкой 4.5 миллиарда. https://techcrunch.com/2026/06/25/databricks-former-ai-chief-thinks-he-can-cut-ais-power-bill-by-1000x/

Приглашаем на ИИшную — бесплатный митап про нейросети в IT от ЮMoney и Сбера 🔥 ✅ 30 июня, вторник, 18:30 (мск) — приходите на митап в Санкт-Петербурге или подключайтесь онлайн. Спикеры из ЮMoney и Сбера расскажут, как искусственный интеллект меняет индустрию разработки, а после докладов ответят на вопросы зрителей. Темы митапа: — Агентные инструменты разработчика для задач вне разработки. Поговорим о Claude Code, Cursor и других агентах в контексте повседневных рабочих задач. — Не доверяй, а тестируй: проверяем, подходит ли LLM для вашей задачи. На примере нашего инструмента расскажем, как выбрать оптимальную модель для конкретного таска. — AI-Driven PDLC: от Copilot к агентным платформам. Трансформация разработки в Сбере. Разберём эволюцию ИИ и рассмотрим ключевые метрики: как AI увеличивает количество pull request, экономит до часа времени в день и вдвое ускоряет адаптацию новичков. — Агентный LLM-сервис для доступа к аналитической информации. Покажем архитектуру, возможности и основные компоненты сервиса, а также затронем сложности реализации и планы развития новых фичей. Для участия необходима регистрация. Все подробности — на сайте ИИшной 👈

Faraday Future получила патент на умную трансмиссию для электромобилей Гибридные автомобили всегда были искусством компромисса: сложная механика, дороговизна и задержки при переключении между бензином и электричеством. Калифорнийский стартап Faraday Future утверждает, что нашел способ обойти эти ограничения. Компания получила патент на «Гибридную трансмиссионную систему с увеличенным запасом хода», которая разделяет двигатель, генератор и ведущие колеса. Это позволяет им работать независимо или синхронно без механических потерь. https://hightech.plus/2026/06/29/faraday-future-poluchila-patent-na-umnuyu-transmissiyu-dlya-elektromobilei

Развитие искусственного интеллекта (ИИ) привело к тому, что классические студенческие работы перестали отражать реальный уровень подготовки учащихся, заявил министр науки и высшего образования России Валерий Фальков на форуме «Технологии ИИ в высшем образовании» в Тюмени. «Массовая технология проверки знаний, как у нас контрольно-измерительные материалы, — [это] написание дипломных или курсовых работ. То, что было 20–30 лет назад и работало вполне себе хорошо, сегодня по целому ряду направлений [изменилось]. <...> Дипломные работы уже не выполняют той функции, которую они выполняли в высшем образовании еще 10–15–20 лет назад», — подчеркнул Фальков (цитата по ТАСС). Как отметил министр, формат учебных работ будет меняться с учетом развития цифровых технологий. По его словам, ИИ должен стать помощником в учебе, однако единых правил использования искусственного интеллекта в вузах пока нет.

https://www.rbc.ru/rbcfreenews/6a422cbc9a79474c3ffc75d9 Интересно, что официальная пресс-служба министерства об этом скромно умолчала.

В Сколтехе запустили серийное производство фотонных чипов В Сколковском институте науки и технологий (Сколтех) перешли от сборки единичных прототипов к заводскому выпуску фотонных интегральных схем, которые используют свет вместо электрического тока. На базе института объединили исследовательские лаборатории и технологические линии для литографии, травления и осаждения оптических структур. Собственная площадка позволяет выдерживать размеры волноводов и микрорезонаторов с точностью до нанометров, а также быстрее собирать готовые устройства для рынка. Для снижения брака при массовом изготовлении инженеры внедрили автоматический контроль геометрии элементов и общие технологические карты. Это помогло добиться одинаковых характеристик деталей от партии к партии.