Анатолий Шарий
Реальний Київ | Украина
Лёха в Short’ах Long’ует
Мир сегодня с "Юрий Подоляка"
Труха⚡️Україна
Николаевский Ванёк
Инсайдер UA
Реальна Війна | Україна | Новини
Лачен пише
Анатолий Шарий
Реальний Київ | Украина
Лёха в Short’ах Long’ует
Мир сегодня с "Юрий Подоляка"
Труха⚡️Україна
Николаевский Ванёк
Инсайдер UA
Реальна Війна | Україна | Новини
Лачен пише
Анатолий Шарий
Реальний Київ | Украина
Лёха в Short’ах Long’ует
Технооптимисты
Технооптимисты: о будущем, о технологиях и о людях.
TGlist рейтинг
0
0
ТипАчык
Текшерүү
ТекшерилбегенИшенимдүүлүк
ИшенимсизОрдуРосія
ТилиБашка
Канал түзүлгөн датаOct 22, 2020
TGlistке кошулган дата
Oct 08, 2023Тиркелген топ
Чат технооптимистов
20
Рекорддор
16.04.202523:59
1.8KКатталгандар18.01.202523:59
200Цитация индекси19.01.202512:33
4.2K1 посттун көрүүлөрү19.01.202512:33
4.2K1 жарнама посттун көрүүлөрү26.04.202523:59
9.29%ER19.01.202512:33
251.15%ERRӨнүгүү
Катталуучулар
Citation индекси
Бир посттун көрүүсү
Жарнамалык посттун көрүүсү
ER
ERR
09.05.202507:56
⭐ С Днём Победы ⭐
Всех читателей нашего уютного канала, всех слушателей подкаста, всех людей доброй воли мы поздравляем с днём Великой Победы. Ура!
Зловредный запад примерно раз в сто лет пытается лезть к нам, чтобы в очередной раз получить люлей. Побеждали всегда, победим и теперь. Мы русские, мы идём до конца! Победа будет за нами!!!
Всех читателей нашего уютного канала, всех слушателей подкаста, всех людей доброй воли мы поздравляем с днём Великой Победы. Ура!
Зловредный запад примерно раз в сто лет пытается лезть к нам, чтобы в очередной раз получить люлей. Побеждали всегда, победим и теперь. Мы русские, мы идём до конца! Победа будет за нами!!!
09.05.202510:33
🔥🔥🔥 КОНКУРС 🔥🔥🔥
С пылу, с жару — моя новая книга «Генеративный искусственный интеллект» (ISBN 978-5-93700-374-4), отпечатана на бумаге, приятная на ощупь обложка, внутри картинки. 228 страниц моего сконцентрированного опыта работы с генеративными моделями за 2.5 года, как они появились в общем доступе (и немного раньше, но раньше они были маленькими и неказистыми).
Экземпляр № 1 с моим автографом получит тот из читателей, кто оставит самую крутую рецензию на любую из моих книг на ЛитРес: https://www.litres.ru/author/roman-viktorovich-dushkin/
Дата подведения итогов — 12:00 по московскому времени 16.05.2025. Каждый участник может сделать столько рецензий-комментариев, сколько посчитает нужным, в конкурсе участвуют те из них, ссылки на которые вы пришлёте в комментарии к этой записи.
Победителя выберет DeepSeek, которому в отдельном чистом контексте мы скормим все комментарии и попросим выбрать самый лучший.
Книгу с автографом отправлю Почтой России или Яндексом на любой адрес в России или в Белоруссии, в другие страны отправлять не буду.
P. S.: Пересылайте своим друзьям, коллегам, товарищам — любой желающий может получить приз. Важное дополнительное условие — быть подписанным на канал @drv_official.
С пылу, с жару — моя новая книга «Генеративный искусственный интеллект» (ISBN 978-5-93700-374-4), отпечатана на бумаге, приятная на ощупь обложка, внутри картинки. 228 страниц моего сконцентрированного опыта работы с генеративными моделями за 2.5 года, как они появились в общем доступе (и немного раньше, но раньше они были маленькими и неказистыми).
Экземпляр № 1 с моим автографом получит тот из читателей, кто оставит самую крутую рецензию на любую из моих книг на ЛитРес: https://www.litres.ru/author/roman-viktorovich-dushkin/
Дата подведения итогов — 12:00 по московскому времени 16.05.2025. Каждый участник может сделать столько рецензий-комментариев, сколько посчитает нужным, в конкурсе участвуют те из них, ссылки на которые вы пришлёте в комментарии к этой записи.
Победителя выберет DeepSeek, которому в отдельном чистом контексте мы скормим все комментарии и попросим выбрать самый лучший.
Книгу с автографом отправлю Почтой России или Яндексом на любой адрес в России или в Белоруссии, в другие страны отправлять не буду.
P. S.: Пересылайте своим друзьям, коллегам, товарищам — любой желающий может получить приз. Важное дополнительное условие — быть подписанным на канал @drv_official.
18.04.202508:33
И ко мне в очередной раз обратились коллеги с Бизнес ФМ по поводу того, что там что-то брякнул Эрик Шмидт относительно замены программистов на искусственный интеллект. Давайте разберёмся, что к чему...
🔥 ИИ против программистов: конец эпохи или новая реальность?
Когда экс-глава Google Эрик Шмидт заявляет, что ИИ заменит большинство программистов к 2026 году, это звучит как сценарий из антиутопии. Но давайте отложим панику и разберёмся, насколько эти прогнозы соответствуют действительности.
История технологий знает множество примеров, когда автоматизация не уничтожала профессии, а трансформировала их. Вспомните, как появление высокоуровневых языков программирования в 60-х не отменило работу кодеров, а лишь изменило их инструментарий. Сегодняшние ИИ-ассистенты вроде GitHub Copilot — это естественное продолжение той же самой эволюции. Они берут на себя рутинные операции, освобождая разработчиков для решения более сложных задач.
Главное заблуждение апологетов «блицкрига ИИ» — представление о программировании как о механическом наборе кода. На деле 80 % работы разработчика-сеньора — это проектирование архитектуры, анализ требований и коммуникация с заказчиками. Большие языковые модели пока неспособны заменить человеческое системное мышление, особенно когда речь идёт о нестандартных задачах. Даже самые продвинутые модели вроде GPT-o3 и o4 mini допускают ошибки в относительно простых алгоритмах.
Интересно, что сам технологический прогресс создаёт парадоксальный эффект: чем мощнее становятся инструменты ИИ, тем больше спрос на квалифицированных разработчиков. После бума генеративного ИИ рынок труда увидел взрывной рост вакансий в области машинного обучения и науки о данных — именно потому, что компании осознали необходимость специалистов, способных ставить задачи нейросетям и интерпретировать их результаты.
Особенно показателен российский контекст, в котором дефицит ИТ-специалистов оценивается в миллион человек. В таких условиях ИИ выступает не конкурентом, а «умножителем когнитивных способностей» — технологией, позволяющей небольшим командам решать задачи корпоративного масштаба. Вместо массовых увольнений мы видим обратный процесс: компании активно внедряют ИИ-инструменты, но параллельно наращивают штаты, осваивая новые ниши.
Ключевое изменение, которое действительно происходит, — это смена роли программиста. Если раньше ценность заключалась в умении писать код, то теперь важнее становится способность проектировать системы, формулировать задачи для ИИ и контролировать их выполнение. Это напоминает переход от ремесленника, вручную вытачивающего детали, к инженеру, управляющему автоматизированным производством.
Что касается апокалиптичных прогнозов Шмидта о «самосовершенствующемся ИИ» к 2031 году, здесь стоит вспомнить фундаментальное ограничение: даже самая продвинутая нейросеть остаётся инструментом без собственной целеполагающей воли. Она может генерировать код, но не может решить, зачем этот код нужен. Пока не изобретён искусственный интеллект, способный самостоятельно ставить бизнес-задачи, программисты останутся у руля цифровой трансформации.
Вместо страхов перед «восстанием машин» разумнее сосредоточиться на адаптации. Уже сегодня успешный разработчик — это не тот, кто быстрее всех пишет код, а тот, кто умеет:
🔹Формулировать задачи для ИИ на естественном языке.
🔹Анализировать и дорабатывать сгенерированные решения.
🔹Интегрировать автоматизацию в сложные потоки работ (workflow).
Это не конец профессии, а её закономерная эволюция. Как когда-то компиляторы не отменили ассемблер, а лишь подняли планку, так и современные ИИ-инструменты задают новые стандарты работы. Те, кто освоит этот симбиоз, окажутся в выигрыше — остальные действительно рискуют остаться за бортом.
Так стоит ли бояться прогнозов Шмидта? Скорее нет, чем да. Но определённо стоит готовиться к миру, в котором ценность разработчика определяется не количеством написанных им лично строк кода, а умением мыслить системно и управлять интеллектуальными инструментами. В этом смысле ИИ не отменяет программирование — он делает его сложнее и интереснее.
🔥 ИИ против программистов: конец эпохи или новая реальность?
Когда экс-глава Google Эрик Шмидт заявляет, что ИИ заменит большинство программистов к 2026 году, это звучит как сценарий из антиутопии. Но давайте отложим панику и разберёмся, насколько эти прогнозы соответствуют действительности.
История технологий знает множество примеров, когда автоматизация не уничтожала профессии, а трансформировала их. Вспомните, как появление высокоуровневых языков программирования в 60-х не отменило работу кодеров, а лишь изменило их инструментарий. Сегодняшние ИИ-ассистенты вроде GitHub Copilot — это естественное продолжение той же самой эволюции. Они берут на себя рутинные операции, освобождая разработчиков для решения более сложных задач.
Главное заблуждение апологетов «блицкрига ИИ» — представление о программировании как о механическом наборе кода. На деле 80 % работы разработчика-сеньора — это проектирование архитектуры, анализ требований и коммуникация с заказчиками. Большие языковые модели пока неспособны заменить человеческое системное мышление, особенно когда речь идёт о нестандартных задачах. Даже самые продвинутые модели вроде GPT-o3 и o4 mini допускают ошибки в относительно простых алгоритмах.
Интересно, что сам технологический прогресс создаёт парадоксальный эффект: чем мощнее становятся инструменты ИИ, тем больше спрос на квалифицированных разработчиков. После бума генеративного ИИ рынок труда увидел взрывной рост вакансий в области машинного обучения и науки о данных — именно потому, что компании осознали необходимость специалистов, способных ставить задачи нейросетям и интерпретировать их результаты.
Особенно показателен российский контекст, в котором дефицит ИТ-специалистов оценивается в миллион человек. В таких условиях ИИ выступает не конкурентом, а «умножителем когнитивных способностей» — технологией, позволяющей небольшим командам решать задачи корпоративного масштаба. Вместо массовых увольнений мы видим обратный процесс: компании активно внедряют ИИ-инструменты, но параллельно наращивают штаты, осваивая новые ниши.
Ключевое изменение, которое действительно происходит, — это смена роли программиста. Если раньше ценность заключалась в умении писать код, то теперь важнее становится способность проектировать системы, формулировать задачи для ИИ и контролировать их выполнение. Это напоминает переход от ремесленника, вручную вытачивающего детали, к инженеру, управляющему автоматизированным производством.
Что касается апокалиптичных прогнозов Шмидта о «самосовершенствующемся ИИ» к 2031 году, здесь стоит вспомнить фундаментальное ограничение: даже самая продвинутая нейросеть остаётся инструментом без собственной целеполагающей воли. Она может генерировать код, но не может решить, зачем этот код нужен. Пока не изобретён искусственный интеллект, способный самостоятельно ставить бизнес-задачи, программисты останутся у руля цифровой трансформации.
Вместо страхов перед «восстанием машин» разумнее сосредоточиться на адаптации. Уже сегодня успешный разработчик — это не тот, кто быстрее всех пишет код, а тот, кто умеет:
🔹Формулировать задачи для ИИ на естественном языке.
🔹Анализировать и дорабатывать сгенерированные решения.
🔹Интегрировать автоматизацию в сложные потоки работ (workflow).
Это не конец профессии, а её закономерная эволюция. Как когда-то компиляторы не отменили ассемблер, а лишь подняли планку, так и современные ИИ-инструменты задают новые стандарты работы. Те, кто освоит этот симбиоз, окажутся в выигрыше — остальные действительно рискуют остаться за бортом.
Так стоит ли бояться прогнозов Шмидта? Скорее нет, чем да. Но определённо стоит готовиться к миру, в котором ценность разработчика определяется не количеством написанных им лично строк кода, а умением мыслить системно и управлять интеллектуальными инструментами. В этом смысле ИИ не отменяет программирование — он делает его сложнее и интереснее.
10.05.202507:50
Преподавательская печаль...
Иногда приходишь на лекцию, а в аудитории вот так. А ведь такую тему лекции подготовил — огонь же. Действительно, у нас на программе мы внимательно следим за тем, что происходит в индустрии и вокруг неё, а потому пытаемся мгновенно адаптировать новое, что происходит в области искусственного интеллекта.
Вот и давеча вышел доклад Google о принципах промпт-инженерии, и буквально на следующей неделе я прочитал лекцию по этому докладу, адаптировав и структурировав в ней всё, что написано в этой книге. И это здорово, поскольку это даёт моим студентам самую актуальную информацию, которую они преобразуют в свои самые востребованные навыки.
Конкретно на этой лекции я рассказал про то, как:
🔹Искать боли клиентов, чтобы предложить им автоматизацию на основе современного агентного подхода в искусственном интеллекте.
🔹Научиться этому самому агентному подходу, пройдя некоторые курсы и получив сертификаты, чтобы не просто предлагать, а подтверждать свои навыки официальной бумагой.
🔹Перестать использовать термин «промпт-инженерия» в обывательском смысле, поскольку это про программирование и разработку программных систем, а не про то, как «девочка из отдела маркетинга с утра задала вопрос чатику».
Работаем дальше.
Иногда приходишь на лекцию, а в аудитории вот так. А ведь такую тему лекции подготовил — огонь же. Действительно, у нас на программе мы внимательно следим за тем, что происходит в индустрии и вокруг неё, а потому пытаемся мгновенно адаптировать новое, что происходит в области искусственного интеллекта.
Вот и давеча вышел доклад Google о принципах промпт-инженерии, и буквально на следующей неделе я прочитал лекцию по этому докладу, адаптировав и структурировав в ней всё, что написано в этой книге. И это здорово, поскольку это даёт моим студентам самую актуальную информацию, которую они преобразуют в свои самые востребованные навыки.
Конкретно на этой лекции я рассказал про то, как:
🔹Искать боли клиентов, чтобы предложить им автоматизацию на основе современного агентного подхода в искусственном интеллекте.
🔹Научиться этому самому агентному подходу, пройдя некоторые курсы и получив сертификаты, чтобы не просто предлагать, а подтверждать свои навыки официальной бумагой.
🔹Перестать использовать термин «промпт-инженерия» в обывательском смысле, поскольку это про программирование и разработку программных систем, а не про то, как «девочка из отдела маркетинга с утра задала вопрос чатику».
Работаем дальше.
17.04.202510:28
Ещё немного новых важных материалов по новым подходам к разработке интеллектуальных информационных систем для вас, наши читатели: https://teletype.in/@romanus_otiosus/chunking
09.05.202507:12
Пятница — время для очередного «лонгрида» (на этот раз совсем не длинного) по мотивам моих комментариев для СМИ. На этот раз радио «Бизнес ФМ» спросило, станут ли ChatGPT и нейросети новым Google. Подумал, наговорил, а из самого интересного сделал для вас этот текст. Поехали!
🔥 «Нагуглил? Нет, чатжупитил»: как ChatGPT переписывает правила поиска
Приложение ChatGPT обогнало TikTok по скачиваемости — и это не просто хайп. Большие языковые модели вроде DeepSeek и Grok меняют сам подход к поиску информации. Вместо сотен ссылок — краткий ответ, вместо кликов — диалог. Но смогут ли системы искусственного интеллекта вытеснить Google и Яндекс?
Ключ — в гибридной технологии RAG (Retrieval Augmented Generation). Это не «галлюцинации» нейросети, а симбиоз классического поиска и генерации. Пример: Яндекс уже внедрил «нейропоиск», когда алгоритм находит данные, а GPT-модель структурирует их в понятный ответ со ссылками на источники. Такой подход уже работает в Bing, Google и даже в самом ChatGPT, а также в сонме агентов и платформ для их производства (например, довольно широко известный в узких кругах Perplexity). Пользователь получает не «возможно, это где-то здесь», а точный ответ за секунду.
Поколение Z vs «бумеры»:
Молодёжь до 20 лет охотнее доверяет своим ИИ-ассистентам. Зачем листать 10 сайтов, если можно спросить голосом: «Найди почтовый индекс для отправки посылки на улицу Пушкина»? Но старшее поколение пока ещё цепляется за привычный Google — как когда-то за бумажные карты против GPS.
А что с доверием?
Раньше ChatGPT выдумывал факты, но сегодня RAG-системы опираются только на проверенные данные. Это как адвокат, который цитирует законы, а не фантазирует. Но есть нюанс: нейропоиск выбирает «авторитетные» источники по своему алгоритму. А кто решает, что авторитетно — нейросеть или её создатели?
«Чатжупитить» вместо «погуглить»?
Глагол «гуглить» прижился за пару лет. С ChatGPT сложнее: «джепитить» звучит странно для русского уха. Но язык — живой. Может, вместо «найти в интернете» мы скоро будем говорить «сгенерировать через ИИ»?
Главный вопрос: станет ли поиск через нейросети удобнее или опаснее? С одной стороны — мгновенные ответы. С другой — невидимый алгоритмический фильтр, который решает, какую информацию вам показать.
P. S.: А вы уже перешли на нейропоиск? Или всё ещё листаете ссылки, как в 2010-х? Делитесь в комментариях — пока ChatGPT не начал генерировать их за нас.
🔥 «Нагуглил? Нет, чатжупитил»: как ChatGPT переписывает правила поиска
Приложение ChatGPT обогнало TikTok по скачиваемости — и это не просто хайп. Большие языковые модели вроде DeepSeek и Grok меняют сам подход к поиску информации. Вместо сотен ссылок — краткий ответ, вместо кликов — диалог. Но смогут ли системы искусственного интеллекта вытеснить Google и Яндекс?
Ключ — в гибридной технологии RAG (Retrieval Augmented Generation). Это не «галлюцинации» нейросети, а симбиоз классического поиска и генерации. Пример: Яндекс уже внедрил «нейропоиск», когда алгоритм находит данные, а GPT-модель структурирует их в понятный ответ со ссылками на источники. Такой подход уже работает в Bing, Google и даже в самом ChatGPT, а также в сонме агентов и платформ для их производства (например, довольно широко известный в узких кругах Perplexity). Пользователь получает не «возможно, это где-то здесь», а точный ответ за секунду.
Поколение Z vs «бумеры»:
Молодёжь до 20 лет охотнее доверяет своим ИИ-ассистентам. Зачем листать 10 сайтов, если можно спросить голосом: «Найди почтовый индекс для отправки посылки на улицу Пушкина»? Но старшее поколение пока ещё цепляется за привычный Google — как когда-то за бумажные карты против GPS.
А что с доверием?
Раньше ChatGPT выдумывал факты, но сегодня RAG-системы опираются только на проверенные данные. Это как адвокат, который цитирует законы, а не фантазирует. Но есть нюанс: нейропоиск выбирает «авторитетные» источники по своему алгоритму. А кто решает, что авторитетно — нейросеть или её создатели?
«Чатжупитить» вместо «погуглить»?
Глагол «гуглить» прижился за пару лет. С ChatGPT сложнее: «джепитить» звучит странно для русского уха. Но язык — живой. Может, вместо «найти в интернете» мы скоро будем говорить «сгенерировать через ИИ»?
Главный вопрос: станет ли поиск через нейросети удобнее или опаснее? С одной стороны — мгновенные ответы. С другой — невидимый алгоритмический фильтр, который решает, какую информацию вам показать.
P. S.: А вы уже перешли на нейропоиск? Или всё ещё листаете ссылки, как в 2010-х? Делитесь в комментариях — пока ChatGPT не начал генерировать их за нас.
08.05.202517:39
Добрый вечер, уважаемые коллеги!
Раз уж сегодня нет выпуска подкаста «Технооптимисты», то выхожу на всех с предложением. Если вы хотите внедрить технологии искусственного интеллекта в свой бизнес, оптимизировать процессы или даже разобраться, как это всё поможет в личных проектах — я открыт для персональных консультаций. Провожу вебинары, обучающие и стратегические сессии по видеосвязи. От анализа данных до создания цифровых двойников — помогу найти точки роста и превратить технологии в ваши конкурентные преимущества.
Неважно, стартап вы или крупная компания, педагог или исследователь — сегодня искусственный интеллект доступен каждому. Пишите мне в личные сообщения: @romanus_otiosus запрос на персональную консультацию, и мы вместе постараемся составить план, как сделать технологии вашим надёжным инструментом. Даже сложные задачи решаются просто, когда есть правильный подход. Жду ваших запросов!
P. S.: Первые 5 обратившихся получат скидку 20 % на первую сессию.
Раз уж сегодня нет выпуска подкаста «Технооптимисты», то выхожу на всех с предложением. Если вы хотите внедрить технологии искусственного интеллекта в свой бизнес, оптимизировать процессы или даже разобраться, как это всё поможет в личных проектах — я открыт для персональных консультаций. Провожу вебинары, обучающие и стратегические сессии по видеосвязи. От анализа данных до создания цифровых двойников — помогу найти точки роста и превратить технологии в ваши конкурентные преимущества.
Неважно, стартап вы или крупная компания, педагог или исследователь — сегодня искусственный интеллект доступен каждому. Пишите мне в личные сообщения: @romanus_otiosus запрос на персональную консультацию, и мы вместе постараемся составить план, как сделать технологии вашим надёжным инструментом. Даже сложные задачи решаются просто, когда есть правильный подход. Жду ваших запросов!
P. S.: Первые 5 обратившихся получат скидку 20 % на первую сессию.
10.04.202508:32
Всем привет и всякого добра!
Конечно же, в четверг выходим с очередным выпуском подкаста «Технооптимисты» на канале «Медиаметрикс», и даже несмотря на то, что Роман Викторович у нас подзабил, выпуск выходит, поскольку из своего дальнего плавания вернулся Владимир Юрьевич. Так что они с Катериной Григорьевной в 12:00 поразмышляют из студии о пиратах XXI века, искусственном интеллекте и его компании, про плавание в обычном и информационном океане. Подключайтесь:
ВК Видео: https://radio.mediametrics.ru/Texno/74520/
YouTube: https://www.youtube.com/watch?v=RLmMnpIOtbQ
Комментарии, как обычно, отслеживаем здесь.
Конечно же, в четверг выходим с очередным выпуском подкаста «Технооптимисты» на канале «Медиаметрикс», и даже несмотря на то, что Роман Викторович у нас подзабил, выпуск выходит, поскольку из своего дальнего плавания вернулся Владимир Юрьевич. Так что они с Катериной Григорьевной в 12:00 поразмышляют из студии о пиратах XXI века, искусственном интеллекте и его компании, про плавание в обычном и информационном океане. Подключайтесь:
ВК Видео: https://radio.mediametrics.ru/Texno/74520/
YouTube: https://www.youtube.com/watch?v=RLmMnpIOtbQ
Комментарии, как обычно, отслеживаем здесь.
05.05.202507:02
Но настоящая магия D-Wave раскрывается в практических применениях. Например, крупнейшая канадская розничная сеть Save-On-Foods использовала компьютер D-Wave для оптимизации маршрутов доставки в свои 150 магазинов. Классические алгоритмы требовали 25 часов вычислений, в то время как квантовый отжиг справился за 2 минуты — ускорение в 750 раз. В аэрокосмической отрасли компания Lockheed Martin интегрировала компьютер D-Wave в систему анализа рисков для самолётов F-35, где необходимо учитывать миллионы возможных сценариев отказов.
Финансовый сектор также активно экспериментирует с этой технологией. Один из крупнейших европейских банков использовал компьютер D-Wave для оптимизации портфеля из 5000 активов, сократив время расчётов с нескольких дней до часов. В фармацевтике компания Siemens Healthineers применяет квантовый отжиг для управления глобальными цепочками поставок лекарств, учитывая десятки тысяч переменных — от производственных мощностей до логистических ограничений.
Однако за этими впечатляющими результатами стоят принципиальные ограничения архитектуры D-Wave. Главное из них — невозможность выполнения произвольных квантовых алгоритмов. В отличие от универсальных систем, при помощи которых можно программировать любые последовательности квантовых операций, компьютер D-Wave работает только с задачами, которые можно сформулировать в терминах поиска минимума функции.
Ещё одно фундаментальное ограничение связано с коррекцией ошибок. Универсальные квантовые компьютеры используют сложные схемы квантовой коррекции ошибок, в которых несколько физических кубитов объединяются в один логический. Компьютер D-Wave же полагается на физические свойства своих кубитов и специальные методы подавления шумов, что ограничивает масштабируемость системы. Хотя последние модели демонстрируют впечатляющую стабильность, они всё же уступают в этом отношении универсальным системам.
Кластерная архитектура D-Wave — это одновременно и сила, и слабость. С одной стороны, она позволяет эффективно решать определённые классы задач оптимизации. С другой — ограниченная связность между кубитами (каждый соединён только с 15 соседями) создаёт сложности для некоторых типов задач. Для сравнения: в универсальных квантовых компьютерах IBM или Google кубиты могут быть связаны виртуально через последовательности операций, что обеспечивает большую гибкость.
Интересно, что сам подход компании D-Wave вызывает споры в научном сообществе. Некоторые исследователи утверждают, что наблюдаемое ускорение — это результат не квантовых эффектов, а специальной аппаратной оптимизации. Однако независимые тесты, проведённые NASA и Google, подтвердили наличие квантового ускорения для определённых классов задач. Споры продолжаются, но практические результаты говорят сами за себя — там, где классические компьютеры «захлёбываются», компьютер D-Wave демонстрирует впечатляющую эффективность.
Будущее технологии выглядит многообещающе. Сегодня компания D-Wave активно работает над гибридными системами, в которых квантовый отжиг сочетается с классическими алгоритмами машинного обучения. В партнёрстве с автоконцерном Volkswagen они разрабатывают системы оптимизации дорожного движения для «умных» городов. Другое перспективное направление — интеграция с нейронными сетями для ускорения обучения сложных моделей.
Таким образом, хотя компьютер D-Wave и не является универсальным квантовым компьютером, он представляет собой важный шаг в коммерциализации квантовых технологий. Его специализированная архитектура демонстрирует, что для решения реальных задач не всегда нужно ждать создания идеального универсального квантового компьютера. Иногда достаточно «квантового лазера», точно настроенного на конкретную проблему, чтобы уже сегодня добиться прорывных результатов.
Финансовый сектор также активно экспериментирует с этой технологией. Один из крупнейших европейских банков использовал компьютер D-Wave для оптимизации портфеля из 5000 активов, сократив время расчётов с нескольких дней до часов. В фармацевтике компания Siemens Healthineers применяет квантовый отжиг для управления глобальными цепочками поставок лекарств, учитывая десятки тысяч переменных — от производственных мощностей до логистических ограничений.
Однако за этими впечатляющими результатами стоят принципиальные ограничения архитектуры D-Wave. Главное из них — невозможность выполнения произвольных квантовых алгоритмов. В отличие от универсальных систем, при помощи которых можно программировать любые последовательности квантовых операций, компьютер D-Wave работает только с задачами, которые можно сформулировать в терминах поиска минимума функции.
Ещё одно фундаментальное ограничение связано с коррекцией ошибок. Универсальные квантовые компьютеры используют сложные схемы квантовой коррекции ошибок, в которых несколько физических кубитов объединяются в один логический. Компьютер D-Wave же полагается на физические свойства своих кубитов и специальные методы подавления шумов, что ограничивает масштабируемость системы. Хотя последние модели демонстрируют впечатляющую стабильность, они всё же уступают в этом отношении универсальным системам.
Кластерная архитектура D-Wave — это одновременно и сила, и слабость. С одной стороны, она позволяет эффективно решать определённые классы задач оптимизации. С другой — ограниченная связность между кубитами (каждый соединён только с 15 соседями) создаёт сложности для некоторых типов задач. Для сравнения: в универсальных квантовых компьютерах IBM или Google кубиты могут быть связаны виртуально через последовательности операций, что обеспечивает большую гибкость.
Интересно, что сам подход компании D-Wave вызывает споры в научном сообществе. Некоторые исследователи утверждают, что наблюдаемое ускорение — это результат не квантовых эффектов, а специальной аппаратной оптимизации. Однако независимые тесты, проведённые NASA и Google, подтвердили наличие квантового ускорения для определённых классов задач. Споры продолжаются, но практические результаты говорят сами за себя — там, где классические компьютеры «захлёбываются», компьютер D-Wave демонстрирует впечатляющую эффективность.
Будущее технологии выглядит многообещающе. Сегодня компания D-Wave активно работает над гибридными системами, в которых квантовый отжиг сочетается с классическими алгоритмами машинного обучения. В партнёрстве с автоконцерном Volkswagen они разрабатывают системы оптимизации дорожного движения для «умных» городов. Другое перспективное направление — интеграция с нейронными сетями для ускорения обучения сложных моделей.
Таким образом, хотя компьютер D-Wave и не является универсальным квантовым компьютером, он представляет собой важный шаг в коммерциализации квантовых технологий. Его специализированная архитектура демонстрирует, что для решения реальных задач не всегда нужно ждать создания идеального универсального квантового компьютера. Иногда достаточно «квантового лазера», точно настроенного на конкретную проблему, чтобы уже сегодня добиться прорывных результатов.
07.05.202507:22
Work-life balance: рукоделие как часть продуктивности
Каждый вечер, если погода позволяет, я отправляюсь на променад — будь то сосновый бор, берег реки или парк в соседнем городе. Эти 30 минут на свежем воздухе стали моим ритуалом перезагрузки. Гуляю с собаками, наблюдаю за природой, позволяя мыслям течь свободно. Это не просто прогулка, а медитация в движении. Результат? Снижение тревожности, ясность ума и неожиданные решения рабочих задач. Как-то раз во время такого променада ко мне пришла идея оптимизировать алгоритм для одного из проектов компании — проблема, над которой бились неделю, решилась за время, пока я обходил небольшое лесное озеро.
Домашний досуг — это холст, краски и эксперименты. Рисую маслом или гуашью, иногда подключая нейросети для генерации эскизов. ГенИИ предлагает необычные цветовые сочетания, а я дорабатываю их вручную, добавляя объём и эмоции. Бывает, пишу и без цифровых помощников — просто переношу на холст то, что накопилось внутри. Это не хобби, а терапия: кисть в руках переключает мозг с аналитики на чувственное восприятие, давая отдых нейронам, уставшим от формул и стратегий.
Ключевой принцип баланса — осознанность. Я не выделяю строгие часы для творчества, но вечерами, когда дом затихает, вместо скроллинга соцсетей берусь за кисть. Даже 20 минут такого занятия хватает, чтобы восстановить энергию. Ручной труд, будь то живопись или создание арт-объектов из подручных материалов, — это не побег от реальности, а способ перезагрузить те участки мозга, которые не задействованы в ИТ-проектах или лекциях по линейной алгебре.
Как говорил один древний мудрец: «Otium cum dignitate». Важно не просто отдыхать, а наполнять паузы смыслом. Мой совет: начните с малого. Выберите занятие, в котором руки работают, а голова отдыхает — лепка, сборка моделей, клейка танчиков, вышивка. Но помните: без жёсткой дисциплины даже творчество может стать прокрастинацией. Рисую только тогда, когда основные задачи дня выполнены.
Променады и краски не сделают вас продуктивнее сами по себе. Но они создают пространство, в котором рождаются идеи, которые не придут в шуме офисной суеты. После вечернего этюда с видом на сосны я возвращаюсь к работе с ощущением, что успел прожить два дня в одном — насыщенный делами и наполненный тишиной.
Подписывайтесь на канал: @drv_official.
Каждый вечер, если погода позволяет, я отправляюсь на променад — будь то сосновый бор, берег реки или парк в соседнем городе. Эти 30 минут на свежем воздухе стали моим ритуалом перезагрузки. Гуляю с собаками, наблюдаю за природой, позволяя мыслям течь свободно. Это не просто прогулка, а медитация в движении. Результат? Снижение тревожности, ясность ума и неожиданные решения рабочих задач. Как-то раз во время такого променада ко мне пришла идея оптимизировать алгоритм для одного из проектов компании — проблема, над которой бились неделю, решилась за время, пока я обходил небольшое лесное озеро.
Домашний досуг — это холст, краски и эксперименты. Рисую маслом или гуашью, иногда подключая нейросети для генерации эскизов. ГенИИ предлагает необычные цветовые сочетания, а я дорабатываю их вручную, добавляя объём и эмоции. Бывает, пишу и без цифровых помощников — просто переношу на холст то, что накопилось внутри. Это не хобби, а терапия: кисть в руках переключает мозг с аналитики на чувственное восприятие, давая отдых нейронам, уставшим от формул и стратегий.
Ключевой принцип баланса — осознанность. Я не выделяю строгие часы для творчества, но вечерами, когда дом затихает, вместо скроллинга соцсетей берусь за кисть. Даже 20 минут такого занятия хватает, чтобы восстановить энергию. Ручной труд, будь то живопись или создание арт-объектов из подручных материалов, — это не побег от реальности, а способ перезагрузить те участки мозга, которые не задействованы в ИТ-проектах или лекциях по линейной алгебре.
Как говорил один древний мудрец: «Otium cum dignitate». Важно не просто отдыхать, а наполнять паузы смыслом. Мой совет: начните с малого. Выберите занятие, в котором руки работают, а голова отдыхает — лепка, сборка моделей, клейка танчиков, вышивка. Но помните: без жёсткой дисциплины даже творчество может стать прокрастинацией. Рисую только тогда, когда основные задачи дня выполнены.
Променады и краски не сделают вас продуктивнее сами по себе. Но они создают пространство, в котором рождаются идеи, которые не придут в шуме офисной суеты. После вечернего этюда с видом на сосны я возвращаюсь к работе с ощущением, что успел прожить два дня в одном — насыщенный делами и наполненный тишиной.
Подписывайтесь на канал: @drv_official.
06.05.202507:19
Желязны Р. «Ружья Авалона»
Оценка: 5️⃣5️⃣3️⃣0️⃣
Рецензия: Ну вот и вторая книга из цикла Корвина Хроник Амбера. Её я тоже читал в далёком отрочестве, причём так получилось, что папенька купил мне только первые две книги — если кто помнит, то это были такие тонкие книжечки, похожие на тетрадки, и на обложке второй книги была изображена горящая кошка. Когда я прочитал её в те времена, мне показалось, что всё закончилось — Корвин стал королём, то есть было написано только две книги. И только через несколько лет я узнал, что там ещё восемь есть и куча рассказов к ним. Вот я обрадовался-то. Ну а сейчас я так же с удовольствием прочитал и эту книгу. Всё же этот цикл по-любому кажется мне наивным, но для своего времени это реально было какое-то откровение. Так что я в любом случае рекомендую эти книги всем, кто их по той или иной причине не читал. И очень жаль, что фильмов или сериалов по Хроникам так и не снято. Как тогда давно не понимал — почему, так и сейчас не понимаю.
Краткое содержание: После того как Корвин вырастил себе новые глаза и напитал себя яростью для будущей мести, он поехал искать Отражение, в котором когда-то данным давно правил — Авалон. Там имелся полировальный порошок, который взрывался в Амбере (а порох там не горел), так что его можно было использовать для создания огнестрельного оружия, которое обеспечило бы Корвину небывалое преимущество. По пути он заехал в Отражение Лоррейн, где нашёл своего старого боевого товарища Ганелона. Вместе они нашли нечто похожее на Авалон (первоначальное Отражение с этим названием было разрушено — вот этот момент мне не очень понятен), а там сидел брат Корвина Бенедикт, а у него была правнучка Дара, которая соблазнила Корвина, а потом увязалась за ним в Амбер и прошла по Образу, оказавшись совсем не правнучкой. В общем, проклятие Корвина привело к тому, что из Хаоса к Амберу пролегла Чёрная дорога, по которой шли орды каких-то немыслимых тварей. Эрик был полностью поглощён борьбой с ними. И когда Корвин пришёл со своей армией, вооружённой ружьями Авалона, Эрик получил смертельное ранение в очередной битве. Они помирились и кое-как простили друг друга. Корвин отбил нападение тварей из Хаоса и занял трон.
Оценка: 5️⃣5️⃣3️⃣0️⃣
Рецензия: Ну вот и вторая книга из цикла Корвина Хроник Амбера. Её я тоже читал в далёком отрочестве, причём так получилось, что папенька купил мне только первые две книги — если кто помнит, то это были такие тонкие книжечки, похожие на тетрадки, и на обложке второй книги была изображена горящая кошка. Когда я прочитал её в те времена, мне показалось, что всё закончилось — Корвин стал королём, то есть было написано только две книги. И только через несколько лет я узнал, что там ещё восемь есть и куча рассказов к ним. Вот я обрадовался-то. Ну а сейчас я так же с удовольствием прочитал и эту книгу. Всё же этот цикл по-любому кажется мне наивным, но для своего времени это реально было какое-то откровение. Так что я в любом случае рекомендую эти книги всем, кто их по той или иной причине не читал. И очень жаль, что фильмов или сериалов по Хроникам так и не снято. Как тогда давно не понимал — почему, так и сейчас не понимаю.
Краткое содержание: После того как Корвин вырастил себе новые глаза и напитал себя яростью для будущей мести, он поехал искать Отражение, в котором когда-то данным давно правил — Авалон. Там имелся полировальный порошок, который взрывался в Амбере (а порох там не горел), так что его можно было использовать для создания огнестрельного оружия, которое обеспечило бы Корвину небывалое преимущество. По пути он заехал в Отражение Лоррейн, где нашёл своего старого боевого товарища Ганелона. Вместе они нашли нечто похожее на Авалон (первоначальное Отражение с этим названием было разрушено — вот этот момент мне не очень понятен), а там сидел брат Корвина Бенедикт, а у него была правнучка Дара, которая соблазнила Корвина, а потом увязалась за ним в Амбер и прошла по Образу, оказавшись совсем не правнучкой. В общем, проклятие Корвина привело к тому, что из Хаоса к Амберу пролегла Чёрная дорога, по которой шли орды каких-то немыслимых тварей. Эрик был полностью поглощён борьбой с ними. И когда Корвин пришёл со своей армией, вооружённой ружьями Авалона, Эрик получил смертельное ранение в очередной битве. Они помирились и кое-как простили друг друга. Корвин отбил нападение тварей из Хаоса и занял трон.
05.05.202507:02
Почему «квантовый компьютер» D-Wave не является универсальным квантовым компьютером? (и почему это всё равно круто)
Когда вы слышите о «квантовом компьютере D-Wave», представляете устройство, способное взламывать шифрование и моделировать Вселенную? Увы, реальность прозаичнее — но от этого не менее удивительна. Компания D-Wave создаёт не универсальные квантовые компьютеры, а узкоспециализированные квантовые ускорители для одной конкретной задачи: поиска оптимальных решений в гигантском пространстве возможностей.
Квантовый отжиг: физика вместо программирования
В отличие от IBM или Google, где кубитами управляют через последовательности квантовых вентилей, D-Wave использует принцип квантового отжига. Посмотрим, что это такое...
Оптимизационные задачи представляют собой важный класс вычислительных проблем, связанных с поиском экстремальных значений целевых функций при заданных ограничениях. Типичными примерами являются задачи маршрутизации транспортных сетей и распределения вычислительных ресурсов в распределённых системах. Такие задачи характеризуются NP-трудной вычислительной сложностью, когда временные затраты на решение растут экспоненциально с увеличением размерности пространства параметров, что делает их обработку на классических вычислительных архитектурах крайне ресурсоёмкой.
Метод имитации отжига (Simulated Annealing) представляет собой стохастический алгоритм оптимизации, основанный на термодинамической аналогии с процессом отжига металлов. Алгоритм инициирует поиск при высоком значении параметра, аналогичного температуре, допуская переходы между состояниями с увеличением целевой функции. Последовательное снижение этого параметра обеспечивает сходимость к глобальному экстремуму. Однако эффективность метода существенно снижается для высокоразмерных задач вследствие необходимости перебора значительного количества состояний.
Квантовый отжиг (Quantum Annealing) реализует принципиально иную вычислительную парадигму, основанную на квантовомеханических принципах суперпозиции состояний и туннельного эффекта. В отличие от классических методов, этот подход позволяет одновременно исследовать множество возможных решений, а туннелирование обеспечивает преодоление локальных экстремумов. Важно отметить, что область применения квантового отжига ограничена классом задач, допускающих формулировку в терминах поиска основного состояния гамильтониана Изинга, что исключает его использование для универсальных квантовых вычислений, включая реализацию алгоритмов Шора и Гровера.
Жёсткие ограничения: цена специализации
Суть подхода компании D-Wave становится понятной, если взглянуть на фундаментальные различия между универсальными квантовыми компьютерами и квантовым отжигом. Универсальные системы используют квантовые вентили и алгоритмы, позволяющие решать широкий класс задач — от факторизации чисел до моделирования молекул (именно к этому стремятся гиганты Google и IBM). Но компания D-Wave фокусируется исключительно на задачах оптимизации, применяя принципиально иной физический подход.
Итак, сердце системы D-Wave — это исключительно реализация процесса квантового отжига. Последняя модель Advantage2 (2024) представляет собой эволюционный скачок в технологии D-Wave. С её 1200+ физическими кубитами, организованными в кластерную архитектуру Pegasus, система способна решать задачи оптимизации с беспрецедентной сложностью. Каждый кубит в этой системе соединён с 15 другими, что значительно расширяет возможности постановки сложных задач. Технические характеристики впечатляют: увеличенное время когерентности (до 200 микросекунд), улучшенная точность управления и сниженный уровень шума.
Когда вы слышите о «квантовом компьютере D-Wave», представляете устройство, способное взламывать шифрование и моделировать Вселенную? Увы, реальность прозаичнее — но от этого не менее удивительна. Компания D-Wave создаёт не универсальные квантовые компьютеры, а узкоспециализированные квантовые ускорители для одной конкретной задачи: поиска оптимальных решений в гигантском пространстве возможностей.
Квантовый отжиг: физика вместо программирования
В отличие от IBM или Google, где кубитами управляют через последовательности квантовых вентилей, D-Wave использует принцип квантового отжига. Посмотрим, что это такое...
Оптимизационные задачи представляют собой важный класс вычислительных проблем, связанных с поиском экстремальных значений целевых функций при заданных ограничениях. Типичными примерами являются задачи маршрутизации транспортных сетей и распределения вычислительных ресурсов в распределённых системах. Такие задачи характеризуются NP-трудной вычислительной сложностью, когда временные затраты на решение растут экспоненциально с увеличением размерности пространства параметров, что делает их обработку на классических вычислительных архитектурах крайне ресурсоёмкой.
Метод имитации отжига (Simulated Annealing) представляет собой стохастический алгоритм оптимизации, основанный на термодинамической аналогии с процессом отжига металлов. Алгоритм инициирует поиск при высоком значении параметра, аналогичного температуре, допуская переходы между состояниями с увеличением целевой функции. Последовательное снижение этого параметра обеспечивает сходимость к глобальному экстремуму. Однако эффективность метода существенно снижается для высокоразмерных задач вследствие необходимости перебора значительного количества состояний.
Квантовый отжиг (Quantum Annealing) реализует принципиально иную вычислительную парадигму, основанную на квантовомеханических принципах суперпозиции состояний и туннельного эффекта. В отличие от классических методов, этот подход позволяет одновременно исследовать множество возможных решений, а туннелирование обеспечивает преодоление локальных экстремумов. Важно отметить, что область применения квантового отжига ограничена классом задач, допускающих формулировку в терминах поиска основного состояния гамильтониана Изинга, что исключает его использование для универсальных квантовых вычислений, включая реализацию алгоритмов Шора и Гровера.
Жёсткие ограничения: цена специализации
Суть подхода компании D-Wave становится понятной, если взглянуть на фундаментальные различия между универсальными квантовыми компьютерами и квантовым отжигом. Универсальные системы используют квантовые вентили и алгоритмы, позволяющие решать широкий класс задач — от факторизации чисел до моделирования молекул (именно к этому стремятся гиганты Google и IBM). Но компания D-Wave фокусируется исключительно на задачах оптимизации, применяя принципиально иной физический подход.
Итак, сердце системы D-Wave — это исключительно реализация процесса квантового отжига. Последняя модель Advantage2 (2024) представляет собой эволюционный скачок в технологии D-Wave. С её 1200+ физическими кубитами, организованными в кластерную архитектуру Pegasus, система способна решать задачи оптимизации с беспрецедентной сложностью. Каждый кубит в этой системе соединён с 15 другими, что значительно расширяет возможности постановки сложных задач. Технические характеристики впечатляют: увеличенное время когерентности (до 200 микросекунд), улучшенная точность управления и сниженный уровень шума.
05.05.202507:02
Көбүрөөк функцияларды ачуу үчүн кириңиз.
![[ Зарубин без нейросетей ] Avatar](/_next/image?url=https%3A%2F%2Fstatic-storm.tglist.com%2Fda1b354b28a3cd215fbc5731e8fd06cb%2F5e85d0ff-ed28-4bb0-8a01-4f6d964becda.jpg%3Fw%3D64%26h%3D64&w=128&q=75)
