🐱 Чистые отношения ч.2 Через что проходит человек, когда отделяется от семейной системы В прошлом тексте про чистые отношения описал механику того, почему выход из ролевой семейной модели так тяжел: система защищает свой гомеостаз, граница читается как предательство, а напряжение уходит в триангуляцию. Как психотерапевты, так и многие тексты про сепарацию и психологическое взросление описывают, что делать в таких ситуациях — ставь границы, не входи в треугольник, говори напрямую. Почти никто не говорит, как выход из системы лояльности переживается изнутри, и этот пробел часто приводит к болезенным разворотам на середине пути. Поэтому сегодня продолжаю эту важную тему и пишу не про технику постановки границ, а про этапы, которые предстоит пройти.

🟡Этап первый: становится тяжелее, а не легче Ставить границы, выходить из триангуляций и говорить прямо — и правда верные действия, которые в моменте могут давать облегчение. Но, если выполнять их последовательно, то скоро человеку может стать гораздо хуже, чем было — он оказывается в конфликте и теряет поддержку. Триангуляция и слияние, при всей токсичности, выполняли функцию — связывают нас с системой, давали принадлежность и, парадоксально, снимали часть тревоги. Пока ты внутри игры, ты хотя бы знаешь правила и свое место. Выход — потеря всей этой стабильности, и тело переживает ее именно как потерю. На физиологическом уровне сепарация почти неотличима от утраты. Отсюда частая бессонница, разбитость, ощущение, что стало только хуже. Это не сигнал об ошибке, а цена выхода. 🟡Этап второй: вина без преступления Человек не сделал ничего плохого — поставил нормальную границу. Но чувствует себя предателем. Это не совесть, это интериоризированный голос системы, иногда проговариваемый прямо: ты же сын, не обижай мать, мы же семья. Система учит нас чувствовать вину за отдельность раньше, чем мы учимся ходить, и поэтому часто первая реакция на здоровый поступок — я плохой. Это самый опасный этап, потому что именно здесь люди разворачиваются: принимают вину за доказательство, что граница была ошибкой. Но это не так, вина — тоже часть цены выхода, которая со временем проходит. 🟡Этап третий: горечь и злость Они приходят не по расписанию, а волнами, которые иногда накатывают годами. Горечь от того, сколько лет и сил ушло на бессмысленную борьбу и абсолютно непродуктивные конфликты. Что поддержки не было тогда, когда она была нужнее всего. Что упущено время. Что все живы, но нет отношений. Этот этап неприятный, но он конструктивнее вины, потому что возникает больше сил на полезные дейсвтия. Терапевты говорят, что его важно не проскочить — злость надо прожить, а не подавить. И не застрять в нем — злость, которая не двигается, превращается в хроническую горечь — и тогда ты рискуешь повторить тех самых родственников, которые тридцать лет ходят по кругу обид. 🟡Этап четвертый: горе Это основной узел трансформации. Горе — не худший этап, а тот, после которого становится легче. Потому что горюешь ты не по реальным родителям, они живы, а по фантазии о них — по тем, которые могли бы услышать и принять. Пока эта фантазия жива, ты привязан к системе надеждой, и каждый контакт становится в той или иной форме новой ставкой в игре, новой попыткой достучаться. Когда фантазия оплакана, происходит странное: реальная семья перестает так ранить. Не потому что меняются, но просто ты перестаешь ждать того, чего в них нет. Горе — это то, что отвязывает, и в некотором смысле поэтому его надо приветствовать.

Последствия этого ПП РФ Учитывая регулярные утечки данных и техническую возможность изменения IMEI на ряде устройств, реализация этого постановления может привести к следующим последствиям: ↗️Массовое клонирование и "подмена" IMEI. Злоумышленники смогут брать легальные IMEI из утекших баз данных и прошивать их на украденные, серые или заблокированные устройства. В результате в сети будут одновременно появляться десятки телефонов-двойников с одинаковыми идентификаторами. ↗️Блокировка добросовестных пользователей. Если IMEI легального телефона будет скопирован на запрещенное устройство, автоматическая система блокировки может отключить от сети как аппарат нарушителя, так и оригинальный телефон ничего не подозревающего гражданина. ↗️Новые схемы шантажа и мошенничества. Доступ к базе или ее утечка позволят злоумышленникам удаленно вносить IMEI "жертвы" в список запрещенных (например, через поддельные заявления об утере или фальсификацию данных). После этого владельцу придется доказывать операторам (ну не Минцифры же?), что устройство принадлежит ему и находится у него на руках. ↗️Черный рынок "чистых" идентификаторов. Появится теневой бизнес по продаже верифицированных IMEI-адресов, извлеченных из утекших баз или со старых неиспользуемых телефонов, для последующей перепрошивки нелегально ввезенных аппаратов. ↗️Угроза деанонимизации и слежки. Корреляция базы IMEI с Госуслугами, биометрией и абонентскими номерами операторов в случае утечки даст злоумышленникам полный профиль гражданина: связку паспортных данных, биометрического слепка, используемых сим-карт и конкретных физических устройств со всей историей их регистраций в сети. ↗️Существуют исследования, показывающие, что в странах со строгим контролем IMEI (например, в Турции или Пакистане) резко вырос спрос на услуги криминального изменения идентификаторов и кражи персональных данных для регистрации устройств. ↗️Внедрение подобных систем часто бьет по рынку б/у техники, так как покупатели лишаются возможности проверить, не станет ли купленный с рук телефон "кирпичом" через час после смены сим-карты из-за скрытых проблем со статусом IMEI в госбазе. ↗️Техническая привязка к IMEI исторически признана международными экспертами по безопасности уязвимой, так как сам стандарт GSM изначально не проектировался с расчетом на то, что этот номер будет являться единственным и неизменяемым юридическим идентификатором устройства. И я не смог придумать ни одного кейса, чтоб введение этого "закона" (ПП РФ, точнее) хоть как-то повлиял на "борьбу с мошенничеством". Ну, потому что мошенники будут просто использовать дешевые аппараты с перепрошитыми IMEI, которые будут регулярно изменять. Они, впрочем, давно уже так и делают.

На портале Maker's Pet появился проект oomwoo — открытый робот-пылесос для ручной сборки. Новинка блокирует связи с проприетарными облаками и переносит всю логику на плату Raspberry Pi 5 с 4 ГБ памяти. Пользователи печатают элементы шасси на 3D-принтере и заказывают готовые лидары с вакуумными модулями на китайских маркетплейсах. Чек на детали укладывается в 500-600 долларов и бьётся с ценой закрытых фабричных аналогов. Всё управление сбором пыли ложится на тяжёлую операционную систему ROS 2 с нативной интеграцией в Home Assistant. Алгоритмы навигации строят маршрут локально без обязательного подключения к сети. Пока создатель собрал один рабочий прототип и призывает комьюнити писать код. Финальные версии получат поддержку платформ LeRobot и OpenClaw вместе с магазином кастомных сценариев уборки.

Про эту статью уже написали многие ведущие ML-блогеры, поэтому я просто хотел бы на неё обратить ваше внимание — она имеет отношение ко всему вышесказанному. А то мне тут в комментах написали, что «байесы это левацкая дребедень». Не то чтобы я был не согласен, я вам больше скажу — всё машинное обучение, матстат и в принципе технологический прогресс это вещи глубоко левацкие по сути, но за байесы пусть отдельно товарищи из Antropic пояснят Подсознательное обучение: языковые модели передают поведенческие черты посредством скрытых сигналов в данных [Subliminal Learning: Language models transmit behavioral traits via hidden signals in data] Мы изучаем подсознательное [subliminal] обучение — удивительное явление, при котором языковые модели передают поведенческие черты через семантически не связанные данные. В наших основных экспериментах модель «учителя» с некоторой чертой T (например, симпатия к совам или несоответствие общепринятым нормам) генерирует набор данных, состоящий исключительно из числовых последовательностей. Примечательно, что модель «ученика», обученная на этом наборе данных, перенимает T. Это происходит даже при фильтрации данных для удаления ссылок на T. Мы наблюдаем тот же эффект при обучении на коде или траекториях рассуждений, сгенерированных той же моделью учителя. Однако мы не наблюдаем этого эффекта, когда у учителя и ученика разные базовые модели. Чтобы объяснить наши результаты, мы обосновываем теоретический результат, показывающий, что подсознательное обучение происходит во всех нейронных сетях при определённых условиях, и демонстрируем подсознательное обучение в простом многослойном перцептроне (MLP). Мы приходим к выводу, что подсознательное обучение — это общее явление, представляющее собой неожиданную ловушку для разработки ИИ. Дистилляция может распространять непреднамеренные черты, даже если разработчики пытаются предотвратить это с помощью фильтрации данных. https://arxiv.org/abs/2507.14805 https://t.me/gonzo_ML/3876 https://t.me/boris_again/3325 https://t.me/seeallochnaya/2686 В общем, если коротко резюмировать: учились на цифровых последовательностях, сгенерированных учителем, и в результате переняли его любовь к совам

Artemis показа первый в мире полностью электрический гидрофойл для лоцманов Работа лоцмана — одна из самых опасных в судоходстве и требует не только мастерства, но и надежной техники. Традиционные лоцманские боты — это тяжелые дизельные машины, которые буквально пробивают волны силой двигателя. Ирландская компания Artemis Technologies предложила кардинально иное решение: полностью электрический катер EF-12 Pilot на подводных крыльях, который не разрезает воду, а парит над ней, обеспечивая плавность хода и безопасность экипажа. https://hightech.plus/2026/06/30/artemis-pokaza-pervii-v-mire-polnostyu-elektricheskii-gidrofoil-dlya-locmanov

Британский регулятор CMA предложил разрешить разработчикам приложений направлять пользователей к альтернативным способам оплаты в обход магазинов Apple и Google. Любые комиссии за такой «стиринг» должны быть ниже текущих ставок App Store и Play Store. CMA предполагает, что такая экономия перейдет к потребителям или будет направлена в развитие продуктов. Параллельно CMA рассматривает требование к Apple открыть доступ к NFC, что позволило бы британским финтех-компаниям строить собственные платежные сервисы, включая переводы со счета на счет и цифровые валюты. Предложения вынесены на консультацию в рамках режима strategic market status, присвоенного обеим компаниям в прошлом году. Google утверждает, что они что-то такое уже сделали и CMA обещает это учесть. Apple привычно сопротивляется. Наивность CMA с предположениями, что снижение комиссий приведет к снижению цен на подписки или продукты, в общем, тоже не особо удивляет. https://www.reuters.com/world/uk-regulator-proposes-easing-apple-google-app-store-payment-rules-2026-06-30/

Оборот рынка SEO Традиционно прикинем оборот рынка SEO на данных Рейтинга Рунета. Прошлая серия - тут. Методика простая: РР показывает долю каждого аг-ва в рейтинге, как следствие можно прикинуть общую емкость и цифры лидеров. Топ-1: 2,18 млрд Топ-2: 2,27 млрд Топ-3: 0,75 млрд Общий оборот: около 20 млрд. Допустим, что покрытие у РР 30-50%, т.е. в целом общая емкость рынка 40-60 млрд вместе со ссылками, ПФ-щиками, текстами и всем, что продается "рядом с SEO". Выводы: 1) рынок не растет, как видите в прошлый раз цифры были +- те же 2) п.1 логичен, так как мсб помирает и режет бюджеты/мигрирует на авито/маркетплейсы, а вот крупняк уже в свою очередь бюджеты как раз сохраняет/увеличивает 3) новых клиентов на рынке нет. Любой клиент - это клиент, которого ты у кого то забрал, и у кого то команда осталась без работы. На этом фоне достаточно забавно выглядят тезисы "давайте объединятся в кризис". Объединимся, угу, именно это люди и делают, когда пирога перестает хватать на всех.

Ускорение генерации роллаутов с помощью спекулятивного декодинга Самая времязатратная часть в GRPO — это генерация траекторий модели, на которую приходится около 72% всего процесса. Поэтому хочется ускорить генерацию роллаутов — и в сегодняшней статье NVIDIA рассказано, как это можно сделать. По большому счёту, генерация роллаутов — это обычный инференс модели. При наивном инференсе видеокарты используются не на полную. Помочь решить эту проблему способен спекулятивный декодинг. Его суть заключается в том, что маленькая драфт-модель, учится предсказывать, какие токены сгенерирует основная модель. Последней остаётся лишь верифицировать, правильную ли гипотезу выдала драфт-модель. В режиме спекулятивного декодинга разрыв между компьютом и трансфером памяти сокращается. Авторы проверяли свою гипотезу на небольшой модели — Qwen3-8B. Обучали её на математическом датасете DAPO-Math-17K, а валидировали — на AIME-2024. При этом других наборов данных не использовали, что немного подозрительно. Возможно, именно из-за такого выбора сетапа получились хорошие результаты. Кроме того, замеры проводили на Qwen3-235B, но в симуляции, из-за чего полученные результаты могут отличаться от реальных. Модель обучали в двух режимах. Первый, RL-Think, предполагает простое обучение после SFT (или продолжение RL-стадии поверх уже ризонящей модели), а второй, RL-Zero, — RL сразу поверх претрейн-модели. Во втором случае спекулятивные модели вроде EAGLE дают лучший acceptance. Касательно самого предсказания: авторы пришли к выводу, что наибольшее ускорение получается при трёх спекулируемых токенах. Интересно, что при предсказании уже пяти токенов генерация, напротив, замедляется. В RL-Zero ускорение генерации — 1,77x против 1,54x в RL-Think: драфтеру проще предсказывать распределение менее обученной политики. На общем времени GRPO-шага разрыв уменьшается, потому что спекулятивный декодинг ускоряет только генерацию, а пересчёт log-prob и шаг оптимизатора занимают примерно то же время, что и без него. В симуляции с Qwen3-235B ускорение составило 2,5х. Но, опять же, в реальных рабочих сценариях прирост может быть скромнее. В дополнение авторы предлагают доучивать драфт-модель во время GRPO, чтобы она не отставала от меняющейся политики основной модели. Делается это так: берутся скрытые представления основной модели, на них навешивается .detach() , после чего они отправляются в драфтер. Такая система позволяет обучать драфтера вместе с основной моделью, не оказывая на неё влияния (схема на приложенном изображении). Разбор подготовил Павел Васильев Душный NLP

North-Mini-Code-1.0-w4a16 Квантованная версия (4-бит вес, 16-бит активации) первой модели Cohere для разработчиков: управление подзадачами, анализ архитектуры, code review. * Архитектура: Sparse MoE на базе Transformer. 30B параметров всего, 3И активно. Высокая скорость, низкие требования к GPU. * Контекстное окно: 256K токенов для анализа репозиториев целиком. * Максимальный вывод: до 64K токенов. * Поддержка: нативные инструменты, чередующееся рассуждение (interleaved reasoning) через JSON-схему. * Обучение: платформы SWE-Agent, mini-SWE-agent, OpenCode, Terminus 2 для устойчивости в реальных средах. Сценарии использования: * генерация кода и тестов * рефакторинг legacy-кода * автоматизированный code review в CI/CD * локальный AI-ассистент для приватности * создание агентных пайплайнов для аудита безопасности и unit-тестов #MoE #reasoning #coding

✔️ OpenAI переманила главного разработчика Apple Vision Pro Вице-президент Apple по аппаратному обеспечению Пол Мид, 7 лет работавший над проектом Vision Pro, перешел в OpenAI. Он присоединится к разработке физических ИИ-устройств. Мид будет работать в команде с дизайнером Джони Айвом и еще двумя бывшими топ-менеджерами Apple. Спецификации будущих гаджетов не раскрываются. По словам Сэма Альтмана, задача нового оборудования - обеспечить взаимодействие с ИИ вне интерфейса смартфонов. Мид уволился из Apple на фоне реструктуризации. Из-за изменения цепочки подчинения он потерял прямой доступ к высшему руководству корпорации. Пост Мида в Apple занял его бывший заместитель. bloomberg.com ✔️ Южная Корея инвестирует $650 млрд в ИИ и полупроводники Президент страны анонсировал 10-летнюю программу развития микроэлектроники, ИИ и робототехники с бюджетом $650 млрд. Центральный элемент стратегии - строительство нового полупроводникового кластера на юго-западе страны. Проект реализуют Samsung Electronics и SK Group. Правительство обеспечит базовую инфраструктуру: электричество, воду, транспортные сети, а также строительство жилья и подготовку инженерных кадров. firstpost.com ✔️ Amazon дистиллирует модели Anthropic для внутренних задач Компания создает компактные модели, обучаемые на инференсе Claude, чтобы избежать скачка расходов. Со следующего года Amazon откажется от почасовой оплаты за компьют Anthropic и перейдет на тарификацию за токены. На данный момент платформа Amazon Bedrock предлагает клиентам услугу дистилляции для моделей Nova и Llama. Использование семейства Claude для аналогичной процедуры пока доступно только инженерам самой Amazon. Параллельно корпорация развивает собственную линейку моделей, чтобы диверсифицировать риски и снизить зависимость от одного вендора ИИ. theinformation.com ✔️ Институт Аллена обновил открытую модель для анализа спутниковых снимков до v1.2 В мажорном обновлении OlmoEarth отказались от стандартных позиционных сигналов в пользу RoPE. Переход устранил артефакты в выходных эмбеддингах и улучшил качество представления данных. Рост производительности зафиксирован в бенчмарках kNN и linear-probe для всех версий модели. Архитектура OlmoEarth поддерживает мультимодальный анализ и обрабатывает мультиспектральные снимки Sentinel-2 и Landsat, радарные данные Sentinel-1, глобальные карты рельефа и индексы растительности. Семейство включает 4 размера: Nano, Tiny, Small и Base. Веса моделей опубликованы на Hugging Face. Код и скрипты для дообучения доступны на GitHub. Ai2 с сети Х ✔️ ИИ разрушает классическую бизнес-модель консалтинга Руководство Deloitte прогнозирует отказ от почасовой оплаты консалтинга из-за развития ИИ-агентов. На внутреннем собрании в компании заявили, что к 2035 году автономные модели займут основную долю рынка профессиональных услуг. Вместо продажи человеко-часов консалтинговые корпорации переходят на IT-модель - подписки и решения с фиксированной ценой. McKinsey и Boston Consulting Group внедряют ценообразование, привязанное к результатам работы. По данным WSJ, на подобные контракты у McKinsey приходится более 30% выручки. wsj.com @ai_machinelearning_big_data #news #ai #ml

Греф сказал вслух то, о чём молчат советы директоров Сбер создает антропоморфных роботов, которые смогут заменить человека в физическом мире. И это необходимость, люди работать руками не хотят, производительность труда стоит на месте, рук не хватает. Выступая на ГОСА-2026, Герман Греф заявил: - экстенсивный рост экономики исчерпан, а загрузка производственных мощностей находится на пределе. По оценкам, снижение объема инвестиций по итогам года составит от 2% до 4%. - ИИ — единственный инструмент, способный дать качественный прирост там, где количественный исчерпан - Без инвестиций в технологии и модернизацию переход невозможен — не как опция, а как условие выживания - Компании, которые не адаптируются сейчас, потеряют конкурентоспособность в горизонте 3–5 лет

В текущих условиях для дальнейшего роста критически необходимы инвестиции в повышение производительности труда и модернизацию производства. Главным драйвером в условиях высоких ставок становится масштабное внедрение новых технологий, в основе которых лежит ИИ.

ИИ в менеджменте это не "автоматизировать рутину", а пересмотр самой логики работы: какие задачи вообще должен решать человек, а какие — ИИ.