Как создали ИИ: путь от первых идей до современных нейросетей
У искусственного интеллекта нет даты рождения и изобретателя. ИИ — это путь, длинною в 100 лет. Математическая модель нейрона появилась в 1943 году, термин «искусственный интеллект» — в 1955-м, трансформер — в 2017-м, ChatGPT — в 2022-м. Между ними две «зимы», десятилетия забвения и споры о приоритете, которые не утихают до сих пор.
AI для PHP‑разработчиков. Часть 8: Свёрточные нейронные сети: ищем границы на изображениях с помощью чистого PHP
Это восьмая часть проекта.Часть 7: Экосистема AI‑агентов в PHP — от вызовов OpenAI до мультиагентных платформЧасть 6: Bag of Words и TF‑IDF — как компьютер превращает текст в математикуЧасть 5: От массивов к GPU: как PHP‑экосистема приходит к настоящему MLЧасть 4: Практическое использование TransformersPHPЧасть 3: Практика без Python и data scienceЧасть 2: Собираем простейшую RAG‑систему на PHP с Neuron AI за вечер
Критерии приемки AI-ML-проекта: как определить качество результата и что закрепить в договоре
В разработке большую часть функционала оценивают бинарно — либо кнопка работает, либо нет. А вот в алгоритмах с нейросетями результат всегда остается вероятностным и зависит от n-го числа параметров.Я Евгений Макутин, ML-инженер в веб-продакшене Далее. В статье расскажу, как договориться о способах измерения качества и условиях, при которых результат AI/ML-решения считается принятым. Главные судьи в оценке качества AI/ML-продуктов — измеримые показатели
AI‑Less Habr — Чистим Хабр от ИИ (теперь ML моделью)
Несколько месяцев назад я выложил расширение AI‑Less Habr, скрывающее на Хабре нескончаемые статьи про ИИ бенчмарки и тому подобное (см. пост: Расширение AI-Less Habr — Чистим Хабр от ИИ
Машинное обучение на PHP: Rubix ML 3.x – большое обновление экосистемы
В PHP-экосистеме не так часто происходят заметные изменения в области машинного обучения. Пока основное внимание разработчиков сосредоточено на Python, PyTorch и больших языковых моделях, инструменты для ML на PHP продолжают развиваться, хотя и остаются нишевым направлением.Поэтому выход Rubix ML 3.x – важное событие для PHP-разработчиков, которые хотят использовать машинное обучение в своих проектах. Это не просто очередная версия библиотеки: обновление затронуло производительность, обучение нейросетей, обработку данных и возможности параллельных вычислений.
Я попробовал заменить разработчиков ИИ-агентами
Четыре ИИ-субагента нашли ошибку, которую пропустил одиночный агент. После успешной оплаты заказ всё ещё можно было оплатить повторно. В скрытом наборе тестов одиночный запуск набрал 7/8, а агентная команда получила 8/8. При этом обе версии успешно прошли production build и свои тесты. Значит ли это, что команду разработчиков уже можно заменить?Что именно я проверялРазработчику всё чаще предлагают не одного ИИ-помощника, а группу исполнителей. OpenAI описывает Codex
Ошибки RAG: 6 причин, почему лагает память ИИ-агента, и как провести диагностику retrieval
RAG (Retrieval-Augmented Generation или генерация с дополненной выборкой) — это технология, которая объединяет большую языковую модель (LLM) с внешней базой знаний. Вместо того чтобы полагаться только на заученные во время обучения данные, ИИ сначала ищет точную информацию в корпоративных документах, справочниках или интернете, а затем пишет ответ на её основе.
ИИ-гид по обществознанию
Чат-бот по обществознанию: поиск по учебникам с Qwen и FAISSВ России вводятся единые государственные учебники. В моей текущей версии бота загружены два учебника по обществознанию - за 9 и 10 класс. Я хотел сделать помощника, который ищет определения и объяснения именно в этих материалах, а не в интернете и не в общих знаниях модели.
LSWM 2.0 is all you need
Снова всем привет!Прошло всего несколько дней с того момента как я выложил LSWM .В общем я протестировал и поэкспериментировал эту сеть ещё раз и нашёл СТОЛЬКО проблем, сколько даже ванильный RNN не видел.В этой статье я попытаюсь их исправить.Содержание.В этой статье будет:Теория.Бенчмарки.Плюсы и минусы.Вывод.Теория.Начнем с теории.Хочу сказать - тут будут те же softsign и scaled softsign .И так... Начнём с первой формулы:Что такое
Роадмап ML 2026: полный путь до оффера за 36 недель
36 недель. Столько, по моему мнению, занимает путь от нуля до выхода на рынок ML-инженером. Не 2-3 месяца, как обещают курсы, — чуть дольше. Зато на выходе у вас будет фундамент, с которым можно пройти не только собеседования, но и испытательный срок.В этой статье — весь маршрут по неделям: что учить, в каком порядке, сколько на это уходит времени и что можно смело отложить до первого оффера. Это текстовая версия первого выпуска моей серии «Roadmap ML 2026» на YouTube: видео.Сразу оговорюсь.
