BrainTools - Методики для развития мозга - страница 738

Почему RAG — фундамент любой AI-трансформации

За последние годы большинство AI-проектов в компаниях стартуют одинаково: сначала делают чат-бота, затем добавляют агентов, автоматизируют отдельные процессы и ожидают роста эффективности.На практике такие проекты часто не дают устойчивого результата. Модель может корректно генерировать текст, демонстрации выглядят убедительно, но в реальной работе ответы оказываются нестабильными, противоречивыми и не связанными с внутренними стандартами компании.Основная причина — отсутствие единого слоя знаний.

продолжить чтение

Персонализация как баг

Кейс о том, как хорошая гипотеза ломает базовый UX, обещание продукта и бьёт по выручкеКак родилась гипотеза

продолжить чтение

После ИИ писать код руками ощущается уже не как норма

TL;DR: ИИ не заменяет инженерный контроль, но меняет базовую планку разработки. С ним проще удерживать скоуп, тесты, техническое качество и в режиме дедлайна. Главный риск - потерять ownership, поэтому уровень автономности должен зависеть от проекта, стадии и зрелости инженерного процесса.У меня есть один личный проект

продолжить чтение

Языковые модели без машинного обучения

ВведениеЭта статья про мои эксперименты с языковыми моделями, в которых не используется машинное обучение и аппаратное ускорение. Чтобы избежать недопонимания поясню, что я имею ввиду под языковой моделью (ЯМ).

продолжить чтение

От плановых ремонтов к предиктивному обслуживанию: дорожная карта для главного инженера

Ограничения ППР и почему переход к прогнозной модели становится необходимымПланово-предупредительные ремонты (ППР) — стандарт для большинства промышленных предприятий. Логика проста: замена узлов или материалов через фиксированный интервал времени или наработки. Однако на практике этот подход всё чаще приводит к трём проблемам:Избыточное обслуживание — ресурс подшипника или ремня может составлять 10 тысяч часов, а регламент требует замены каждые 5 тысяч «для надёжности». Прямые потери на запчастях и трудозатратах.Внеплановые отказы

продолжить чтение

Топ-5 лучших нейросетей 2026 года: полный список на любой случай в SpeShu.AI

Если кто-то уверенно называет одну лучшую нейросеть, он либо продает подписку, либо давно не открывал ничего кроме этого чат-бота. Авторитетные медиа перестали смотреть на ИИ как на один общий рейтинг. TechRadar пишет, что доминирование ChatGPT в AI-chatbot рынке снижается, а Gemini, Perplexity, Copilot и Claude забирают часть аудитории. Люди начали пользоваться несколькими нейросетями под разные задачи, а не одной моделью на всё.Artificial Analysis сравнивает популярные нейросети не только по «умности», но и по цене, скорости, контексту и другим параметрам. Arena Leaderboard показывает модели отдельно по тексту, изображениями и другим направлениям. 

продолжить чтение

Обзор изменений в законодательстве ИТ и ИБ за апрель 2026 года

В обзоре изменений за апрель 2026 года рассмотрим следующие темы:1. Критическая информационная инфраструктураРассмотрим отраслевые особенности категорирования объектов КИИ в сфере связи, а также ракетно-космической промышленности.Разберем изменения в приказах ФСТЭК России № 235 и № 239.Рассмотрим порядок взаимодействия операторов ГИС с ГосСОПКА.Разберем изменения в уголовной ответственности за причинение вреда КИИ и введение административной ответственности за нарушения правил доступа к объектам КИИ и их и эксплуатации.2. Иное

продолжить чтение

Новый патент Sony: загрузочные экраны в PlayStation могут стать лентой с рекламой и ИИ-видео

Sony запатентовала новую функцию, которая превратит загрузочные экраны консолей PlayStation в ленту с рекламой и видеороликами, сгенерированными искусственным интеллектом. Речь идёт как о перемещении по меню, так и об экране ожидания следующей сессии в многопользовательской игре.

продолжить чтение

«Рейтинг Рунета» выпустил прогноз для бизнеса на 2026–2027 годы

«Рейтинг Рунета» представил второй ежегодный прогноз «Что нас ждёт в 2026–2027 гг.»

продолжить чтение

Масштабирование LLM: от одного чипа до ЦОДа. Глава 3. Сколько ресурсов нужно для LLM?

Это продолжение цикла статей о масштабировании тренировки и инференса LLM. Предыдущая главаСчитаем количество операцийА теперь перейдем к чему-то более практическому, а именно к тому, сколько нужно FLOPs и байт для работы трансформера, той самой архитектуры, которая лежит в основе практически всех современных LLM. Подразумевается, что у вас уже есть представление о том, что такое архитектура трансформера, как работает механизм внимания и т.д.Давайте начнем с векторов x, y и матриц A, B, имеющих вот такие размеры, допустим один элемент занимает при этом один байт.

продолжить чтение