ИИ

Как беспилотный трактор видит препятствия, ориентируется без GPS и толкает корм в коровнике Три независимых источника зрения: нейросеть детектит людей и технику, семантическая сегментация размечает проезжую зону, сырой лидарный поток ловит всё, что нейросеть проморгала. Машина с таким набором сенсоров в коровнике, по логике, должна прежде всего уверенно видеть корову. А отдельного детектора «корова» в системе попросту нет. Трактор катается вдоль кормового стола, набитого животными, и ни одна нейросеть не размечает то, что перед ней, как корову. При этом никто не оказывается под колёсами. Узнаем, как система выкручивается без класса, который вроде бы напрашивался первым.

Интересное в мире хай-тек 19 августа 2026 Кратко о событиях за прошедший день 🛍 В коде приложения Gemini для Android нашли неанонсированную функцию Remember this with Gemini. Она позволяет сохранить данные с фотографии через меню «Поделиться» и затем использовать сохраненную информацию в новых диалогах. 🧮 Microsoft сломала сканирование «Защитника Windows» после исправления уязвимости нулевого дня ShieldBreak. Быстрое и полное сканирование завершаются ошибкой, а автономное зависает на 91 %. Проблема затрагивает несколько последних версий антивирусного движка и обновлений Security Intelligence. 🍎 В сети появились снимки упаковки чехла Otterbox из магазина Best Buy, где указана совместимость одновременно с iPhone 17 Pro и iPhone 18 Pro. На утечку обратил внимание инсайдер Марк Гурман; совпадение габаритов косвенно подтверждает, что Apple сохранит дизайн и размеры смартфона в новом поколении. ⌨️ Gboard Rambler в Pixel 11 имеет ограничения при работе с облачными ИИ-функциями. После исчерпания лимита или без интернета клавиатура переходит в офлайн-режим, но продолжает удалять слова-паразиты, расставлять знаки препинания и менять регистр текста. 📺 Bilibili объявила о выходе на мировой рынок, но дату глобального запуска пока не назвала. Приложение уже доступно для скачивания, однако интерфейс в основном остаётся на китайском. Платформа сочетает видеохостинг и каталог аниме. #хайтекзадень

#Нейропрожарка “Exquisitely Empty” Автор: @BaroVilgotsky Музыкальный клип для группы OMEGA DARK на песню “Exquisitely Empty” с альбома ‘Anhedonia’ (2026). Жанр - darkwave/industrial. Клип выдержан в стилистике horror/arthouse (не совсем для слабонервных) Генерация изображений - NanoBanana 2, NanoBanana Pro Генерация видео - Seedance 2.0 Монтаж - Movavi Video Editor Музыка - FL Studio 21, доработка в Suno Запись вокала - Cockos Reaper. Липсинк - встроенный в Seedance 2.0 В целом работа над клипом заняла около двух недель, с учётом того, что велась она нерегулярно. Бюджет ~ 3500 рублей. Ссылка на клип на YouTube: https://youtu.be/EkbxN5afefs Альбом ‘Anhedonia’ на VK Music: https://vk.com/music/album/-2000269457_28269457_e2b0b5f24aa699ae59 Альбом ‘Anhedonia’ на Яндекс.Музыке: https://music.yandex.ru/album/42823842 @cgevent

/Как ИИ уже заменяет фрилансеров - свежие данные/ Последние годы мы много рассуждали, «кого на самом деле заменит ИИ», а теперь на данных видим, как он меняет целые форматы работ. Например, фриланс-рынок труда превращается в песочные часы. Раньше спрос на фрилансеров был распределен близким образом к нормальному - много запросов умеющим делать миддловые задачи - вроде уже и с опытом, но вроде и руками и без грандиозных амбиций на захват мира. А теперь вот эта середина, наоборот, исхудала в распределении. С одной стороны остаются простые и дешевые задачи, которые либо делает ИИ, либо человек с ИИ делает почти мгновенно. С другой — дорогие специалисты, которым платят за экспертизу, решения и ответственность. Цифры такие: после появления ChatGPT спрос на копирайтинг снизился на 33%, на переводы минус 19%, на клиентскую поддержку минус 16%. При этом спрос на видеомонтаж и видеопроизводство вырос на 39%, AI-видео на 329%, интеграцию нейросетей на 178%. [источник] И гланый критерий риска предельно простой: можно ли целиком описать вашу задачу словами? Чем лучше задача помещается в промпт и чем проще проверить результат, тем меньше причин иметь между постановщиком задачи и нейросетью отдельного человека. Поэтому в целом уже бессмысленно обсуждать, какая профессия исчезнет. Скорее исчезают конкретные куски работы внутри профессий. А вот вам все чаще надо понять плохо сформулированную проблему, выбрать между несколькими нормальными решениями и отвечать за результат, тем больше ИИ становится не конкурентом, а экзоскелетом. Неприятный, но гипер важный вопрос для рефлексии: за что конкретно мне платят деньги? За производство результата? За скорость? За знание инструмента? Может быть за энергию или связи? Или за то, что я могу зайти туда, где никто толком не понимает, что происходит, разобраться и решить, что вообще нужно делать. Если вы ждали бесплатных карьерных советов - надо постепенно делать свою работу менее описываемой одним хорошим промптом.

Вперед к монорепам Практика показывает, что эффективнее всего с агентами работать тогда, когда весь контекст есть по рукой и можно просто погрепать, причем речь идет не про один какой-то конкретный сервис/проект, а когда все репозитории проекта, лежат в одной папке, а возможно даже в одном репозитории. В таком случае и дока общая (это важно для спек) и все просвечивается насквозь и пулреквесты можно сразу бахнуть везде. Но многое зависит от размеров. Понятно что вообще все сервисы в одно место может быть перебором, скорее это правило применимо к командам и тому что у них там внутри. Но это не мешает теоретически заливать и чужие сервисы рядышком, чтобы по ним можно было погрепать если это имеет смысл. Объединения можно добиться двумя способами. Один это тупо все свалить в одну репу (что не заставляет нас собирать все как единый проект) и работать всегда из корня. Более того, в некоторых языках системы сборки поддерживают прямо такой режим работы, поэтому в какой-нибудь Java, получается двойной выигрыш. Второй, это сделать единую высокоуровневую репу, в которой хранятся спеки и любые другие общие доки, а дальше с помощью настроенных команд все клонируется внутрь по подпапочкам. Делать это кстати не обязательно ручками/скриптами, для этого уже есть готовая утилита ghorg. Ну а дальше, эта репа постепенно обрастает артефактами: доками и скриптами, которые помогают работать на всем объеме репозиториев. Если еще на это насадить openspec так вообще красота. Кстати у последнего появилась такая штука как Store, это как раз подобный репозиторий, но без необходимости все складывать внутрь одной папки. Там идея такая что репа со спеками (Store) кладется в домашнюю директорию, а в репах проекта на нее дается ссылка. Дальше команды openspec все это знают учитывают и работают со Store отдельно. И расскажу про наш кейс. На хекслете много практик и проектов. Каждая сущность это своя репа (потому что свой релизный цикл) и даже каждый курс (тексты) это тоже своя репа. Суммарно это под 8000 репозиторев. Плюс для них есть набор базовых образов и разных проверочных скриптов. Так вот у нас всегда существовал подход, когда есть одна базовая репа с общими штуками и туда с помощью make clone добавлялись все эти репы. Но правилось это ручками. А сейчас мало того, что ии может менять все пачками (например связано обновить версию react в курсе + практиках + проекте), так мы еще добавили туда редактор (на него завязана часть логики) и сотни наших реп с гитхаба, куда мы выкладываем разного рода библиотеки и базы данных для курсов. То есть теперь в одном месте практически 100 процентный контекст (осталось еще mcp на хекслете завести, чтобы еще фидбек по курсам и вопросы в ассистента связать). У нас бывают дни, когда мы можем за раз поправить 500-1000 реп.

OWASP Agent Memory Guard - новая защита от отравления памяти ИИ-агентов. Буду звать его теперь AMG (не mercedes 👍). 📦 помнится говорил про спящих агентов. Это способ атак отложенных во времени и работающих по триггеру в рамках разговора. А-ля стоп слово в bdsm 🤣. AMG в тч работает против таких отложенных инъекций, но в глобал памяти. Если ваш агент хранит память между сессиями, он уязвим к memory poisoning. Атакующий может переписать цели, внедрить промпт-инъекции или инициировать утечку данных, и это переживёт очистку контекста. Что умеет AMG? ✅ Перехватывает все чтения/записи в память агента ✅ Детектирует промпт-инъекции, утечки секретов/PII, модификацию защищённых ключей ✅ Применяет политику: allow, redact, quarantine, block ✅ Работает без внешних API, всё локально ✅ Готовый middleware для LangChain, LlamaIndex. Уже вижу, как безопасники ликуют 😜 Цифры, которые заявляют: · Детекция реальных эксплойтов - 92.5% (recall), малова-то, над бы охваты держать на уровне 95+, а лучше девяток. 😮‍💨 · Точность - 100% (precision), 0% false positive, эти уже хорошо. 🍷 · Задержка ~59 микросекунд на операцию. Итого F1 - 0.961. В общем, есть ещё над чем поработать, но это лучше чем гварды из коробки с 0.67-0.71 уровнем метрик, что я видел на ру рынке. 😐 Уже в pip:

pip install agent-memory-guard

Проект, как заявляется, уже используют Microsoft и OWASP как стандарт. В планах ML-детекция аномалий и защита векторных хранилище, ещё бы в планы ап метрик добавили. 🔗 Репозиторий: https://github.com/OWASP/www-project-agent-memory-guard Безопасность агентов становится обязательной, поэтому не забывайте внедрять защиту памяти в тч. 💪

⚡️ Liquid AI выжала почти BF16-качество из 4-битных моделей Компания выпустила новые Q4_0-чекпоинты для LFM2.5-230M, 350M, 1.2B и 2.6B, обученные через Quantization-Aware Distillation. Суть QAD простая: высокоточная модель выступает учителем для уже квантованной 4-битной версии. В итоге сохраняются низкое потребление памяти и высокая скорость Q4_0, но заметно возвращается качество, потерянное после обычной квантизации. По тестам Liquid AI новые модели сохраняют примерно 96,5–97,4% качества BF16. Для младших моделей QAD закрывает больше 70% разрыва между обычным Q4_0 и BF16. При этом скорость инференса остается на уровне обычного Q4_0, потому что формат GGUF, layout тензоров и runtime не меняются. Тестировали в том числе на MacBook Pro с M5 Max, Galaxy S26 Ultra и Raspberry Pi 5. https://liquid.ai/blog/qad

(c) Это та самая архитектура, которая позволит запускать Fractal MAS R=3, плодя сотни и тысячи субагентов по разным проектам и воркспейсам. Все их запросы, как через воронку, будут элегантно проходить через единый MCP-сервер, гарантируя отсутствие багов, DB Corrupts и спама интерфейса! Готов перевести эту концепцию в реальный код MCP-сервера, если вы дадите зеленый свет на реализацию. // Fractal MAS R=3 • это фрактальная / рекурсивная декомпозиция задачи большой над подзадачи и если задачу нельзя отдать какой-то "тупой" модели, мы дальше ее дробим фрактально. R=3 это когда таких дроблений может быть 3 уровня. это типа 3*3*3 дроблений (если на 3 подзадачи делить на каждом проходе) -> 27 агентов/процессов в конце будут в итоге и каждый из процессов / узел предыдущий работают через спекулятивные роутеры. Всего узлов 1+3+3*3+3*3*3 -> 40 узлов которые декомпозируют большую задачу - при этом максимально абстрактную, которую по пути надо изучать/делать исследования / делать MVP, A/B тесты, выбирать разные решения и упаковывать в конечную архитектуру решения/ответа. Интересно у меня агенты сами решили так проапдейтиться за счет саморефлексии и моих уточнений / жалоб во время работы в разных чатах. Держу вас в курсе. Пока "на чай" Арни и Сара не заходили. 🤖

✔️ Апдейт ChatGPT: изолированный контекст в Projects, тесты для проверки знаний и правки для Android У проектов появился переключатель контекста - модель может брать общую память или работать только с тем, что загружено внутрь проекта, игнорируя историю остальных чатов. Пересоздавать проект для этого не нужно. Проекты с общим доступом работают только во втором режиме. Пользователи платных тарифов стали видеть на стартовом экране персональные подсказки, которые собираются из прошлых чатов и истории использования инструментов. Бесплатным и образовательным аккаунтам добавили генерацию тестов для самопроверки. В приложении для Android починили сброс фокуса при подключении физической клавиатуры, а кнопка голосового ввода больше не пропадает после того, как прикрепишь файл. @ai_machinelearning_big_data #news #ai #ml