искусственный интеллект. - страница 207

Мы научили песок думать

Один из главных вопросов сегодня: не забегает ли развитие искусственного интеллекта слишком далеко?Венчурный инвестор Марк Андриссен недавно сформулировал происходящее одной фразой:«Мы научили песок думать».

продолжить чтение

Разработчик оставил Claude проводить исследование. Вернулся — и обнаружил, что ИИ запустил себе 16 виртуальных машин

Разработчик дал Claude задачу самостоятельно провести исследование небольшой модели для настольной игры и оставил агента работать. Когда он вернулся, оказалось, что за это время ИИ успел запустить 16 GitHub Actions runners — виртуальных машин, на которых можно параллельно выполнять вычисления.

продолжить чтение

Внедрение AI в продукт: 9 ошибок продуктового менеджера

Привет, Хабр. Меня зовут Андрей Коптелов, я бизнес‑архитектор, много лет работающий на стыке управления бизнес‑процессами и корпоративной архитектурой. Одним из направлений моего развития является обучение, где я являюсь менеджером нескольких образовательных продуктов. Последние годы применяю LLM и AI‑агентов в своей практике. В этой статье я разобрал 9 ошибок продуктового менеджера при внедрении AI в продукты.

продолжить чтение

Программирование с нуля бесплатно: 10 курсов, демодоступов и вебинаров — от тестировщика до ИИ и безопасности

Гайдов о том, как войти в IT, — вагон. Беда в другом: почти все ведут в платный марафон или предлагают выучить десять языков за месяц, а с главным вопросом оставляют один на один — в какую сторону двигаться и что из этого можно попробовать бесплатно.

продолжить чтение

Долговременная память для ИИ-ассистента: как превратить переписку в Telegram в структурированную базу знаний

продолжить чтение

Нейросети для бизнес‑аналитика: разбор ТЗ, оценка проекта и план‑график за 15 минут

Сегодня бизнес‑аналитику доступны ИИ‑инструменты, которые экономят часы работы. Нейросеть может проанализировать техническое задание, построить интеграционную архитектуру, оценить трудозатраты и подготовить данные для план‑графика. Главное — правильно сформулировать задачу, собрать рабочий пайплайн и критически проверить результат.Давайте проверим возможности искусственного интеллекта на реальном кейсе. Чтобы не выбирать один ИИ на все случаи жизни, мы будем работать в BotHub

продолжить чтение

Не получается доверять ИИ пока…

Хотел сделать это как пост, но символов не хватило...Пишу на RPG под IBM i. И вот возникла проблема на вход некоей функции приходит дата в виде строки в формате ISO (YYYY-MM-DD). Ее надо проверить на корректность и перевести в формат CYMD (CYYMMDD где C - век, 0 для 1900Б 1 для 2000 и т.п.) в число zoned(7) (формат с фиксированной точкой, 7 знаков). Да, формат экзотический, но на IBM i используется, поддерживается и достался нам в наследство от разработчиков нашей АБС - компании MySys.

продолжить чтение

Правда ли, что медицинский ИИ точнее врачей? Наш фреймворк помогает это выяснить

Привет, Хабр! Меня зовут Илья Копаничук, я старший научный сотрудник лаборатории «Сильный ИИ в медицине» AIRI. Мы с коллегами создаём ИИ‑инструменты, задача которых сделать качественную медицину доступнее. Например, основанное на нашей технологии приложение «Помощник по здоровью» стало лучшим ИИ‑решением в клиентском сервисе по версии Generation AI Awards 2025. Но речь сегодня не об этом.

продолжить чтение

Параллельные AI-агенты: что проверил на практике и когда они действительно полезны

Когда в работе появляется несколько независимых задач, возникает очевидная идея - "почему бы не поручить их разным AI-агентам одновременно, вместо того чтобы ждать, пока один агент закончит все по очереди?"И у этой идеи сразу два преимущества: работа завершится быстрее, каждая задача получит отдельный контекст и не будет перегружена результатами предыдущих этапов. Но у такого подхода есть обратная сторона - несколько агентов могут потреблять больше токенов, стоить дороже и оставлять после себя результаты, которые еще нужно правильно собрать и проверить.

продолжить чтение

Локальный ассистент для зумов, часть 3: кто это говорит — и почему я трижды ошибся, отвечая на этот вопрос

В конце второй части я пообещал честный замер новых локальных моделей распознавания. Обещание пришлось выполнять целый день, и результат оказался самым обидным из возможных: менять нечего. Ни модель, ни эмбеддер, ни алгоритм. А три дефекта, которые я за этот день торжественно нашёл, оказались дефектами не системы, а моего измерительного стенда.Эта часть — про диаризацию: как ассистент отвечает на вопрос «кто это сказал» и почему на рабочем созвоне этот вопрос сложнее, чем разобрать слова. Предыдущие части читать не обязательно: первая

продолжить чтение