искусственный интеллект. - страница 375

Как объяснить вайбкодеру, что “работает” — не значит “сделано нормально”

Привет, Хабр!Я фрилансер! ТГ-боты, бэкенды, AI-интеграции, с недавних пор embedded. В прошлой статье я показывал, как биржу залило вайб-кодерами и как просели цены на базовые проекты. Но там я говорил про цену. А есть вопрос следующий: а код-то у них рабочий? В смысле — рабочий по-настоящему, а не «вроде запускается».Сразу дисклеймер: я каждый день работаю через Claude Code, я на них построил весь свой процесс. Именно поэтому мне интересно где у них системный предел.И я внутри этого рынка, объективности не обещаю.

продолжить чтение

Вышла GPT-5.6 Sol: уровень Mythos (Fable), но дешевле по токенам

Новое семейство GPT-5.6 разбили на три тира: Sol (флагман), Terra (на уровне GPT-5.5, но вдвое дешевле) и Luna (быстрый и самый дешёвый). Цифра теперь обозначает поколение, а Sol/Terra/Luna задают уровень по интеллекту, скорости и цене.

продолжить чтение

Формулы и функции в Excel: подробное руководство для начинающих

продолжить чтение

Новые модели ChatGPT пугают даже правительство США: почему вслед за Fable 5 не вышла GPT-5.6

продолжить чтение

Ford вернула бывших инженеров для устранения недочётов, допущенных автоматизированными системами

Ford вернула в штат бывших инженеров, чтобы обучить молодых сотрудников и перепрограммировать инструменты искусственного интеллекта, которые не справлялись со своей задачей, пишет Bloomberg. За последние три года американский автопроизводитель нанял 350 опытных инженеров, многие из которых уже работали в компании, а остальные пришли от поставщиков. Ранее проблемы с качеством новых автомобилей обошлись Ford в миллиарды долларов.

продолжить чтение

Добавили ИИ-консультанта в BILLmanager

В платформе BILLmanager появился новый инструмент — встроенный ИИ-консультант. Это комплексный механизм, который в дальнейшем позволит решать широкий круг задач с помощью ИИ. На старте решение помогает пользователям быстрее находить ответы и снижает количество обращений в поддержку.Сейчас ИИ-ассистент сокращает путь пользователя от вопроса до получения ответа благодаря встроенному чату в интерфейсе BILLmanager. В качестве базы знаний в чат можно заложить необходимую справочную информацию или документацию через LLM. ИИ-консультант подскажет релевантные разделы и поделится ссылками на материалы.

продолжить чтение

Что такое нейросети и как они устроены под капотом (на пальцах, с примерами на python)

Привет, Хабр! Недавно я писал статью "Что такое искусственный интеллект (не нейросети) и какие у него есть виды", в которой кратко рассказал, какие разновидности искусственного интеллекта существуют и чем они отличаются. В этой статье я хочу более подробно рассмотреть нейросети: как они обучаются, как работают и из чего состоят.Архитектура нейросетиСамым простым примером для начала погружения будет нейросеть, которая угадывает рукописные цифры, поэтому именно её мы и будем рассматривать.Посмотрите на эти цифры: 

продолжить чтение

Как измеряют LLM: параметры, бенчмарки и тесты на коленке

В комментариях к моей предыдущей статье о тестировании трех флагманских LLM моделей были примерно такие мысли и вопросы:Я взял простую бесплатную LLM, запустил локально и она тоже справилась.А почему вы в свое сравнение не взяли никого от DeepSeek, они же тоже хороши?А зачем всем один и тот же промпт, они же по-разному их воспринимают?

продолжить чтение

Доклад Microsoft: 92% учеников уже используют ИИ для учёбы, но 77% не получили никакой подготовки

Школы массово внедряют ИИ, но не успевают готовить к его использованию учеников и учителей. К такому выводу пришла Microsoft в ежегодном докладе об ИИ в образовании за 2026 год.Для учёбы ИИ используют уже 92% учеников и 88% педагогов, а 58% директоров и администраторов уже внедряют или масштабируют ИИ‑инициативы в ученбный процесс. Однако при этом 77% учеников и 53% учителей заявили, что не получили никакой формальной подготовки по работе с ИИ.

продолжить чтение

Мы автоматизировали поиск работы в IT — и поняли, где теряют оффер ещё до первого отклика

Привет, Хабр.Пока мы строили сервис для автоматизации поиска работы, неожиданно накопили большое количество данных о том, как люди вообще принимают решения во время поиска.За год через систему прошло больше миллиона откликов на IT-вакансии. Мы наблюдали не только за тем, какие вакансии получают больше откликов или какие резюме чаще проходят дальше, но и за тем, какие возможности люди отсекают ещё до того, как их увидит рекрутер.И вот что оказалось самым интересным.

продолжить чтение