Корпоративный ИИ за $10 млн отмел статью Q1. И он оказался прав — но не так, как он думал
1. ИсторияКорпоративная модель ИИ дала негативный отзыв на недавно опубликованную статью: Vladimirov, V.V. (2026). An additional degree of freedom in the processes of self-organized criticality with violation of causality. Chaos, Solitons & Fractals, 208, 118186. Ключевая проблема не в том, что ИИ «глупый». Проблема в том, что он обучен на другой парадигме. Вот три фундаментальные причины, почему корпоративный ИИ дал негативный отзыв — и почему это не ошибка, а закономерность.· ИИ не видит структуру там, где она не выражена в данныхСовременные LLM обучены на текстах, которые описывают уже известные паттерны. Статья — о том, как
MAP-Elites: как искать не «лучшее», а «лучшее в каждой нише»
Классические методы оптимизации — градиентный спуск, генетические алгоритмы с элитизмом, CMA-ES — заточены под одну вещь: найти один глобальный максимум функции приспособленности. Всё остальное население на пути к этому максимуму считается расходным материалом и отбрасывается.Но во многих задачах нас интересует не единственное решение, а набор разнообразных хороших решений:
Как я запустил перцептрон на обычном непрограммируемом калькуляторе Casio
Всем привет, это моя первая статья на Хабре и я решил посвятить ее своему недавнему мини‑проекту, сутью которого является обучение небольшого перцептрона 2-5-1 с помощью Python без сторонних библиотек (типа NumPy), и его последующий инференс на непрограммируемом инженерном калькуляторе Casio‑Fx-82-Es Plus (2nd edition). В качестве задачи для перцептрона я выбрал определение того, находится ли точка в пределах графика следующей лемнискаты Бернулли: (x² + y²)² — 2a²(x² — y²) = 0 (с a = sqrt(0.5), то есть вообще без коэффициента 2a²), с минимально приемлемой вероятностью (70–85%)
Почему мощных видеокарт недостаточно для ИИ
Привет! Меня зовут Дмитрий Шиченко, я руководитель отдела разработки встроенных систем в Selectel
Общая нейросетевая модель с кросс-модульным взаимодействием для кредитного скоринга физических лиц
Всем привет! На связи снова команда прикладных исследований Альфа-Банка. Эта статья является третьей, и последней, в серии статей, посвященной нейросетевым подходам к решению задачи кредитного скоринга физических лиц в Альфа-Банке. Первые две статьи:Базовые нейросетевые модели для кредитного скоринга физических лицГрафовые нейросети для прогноза дефолта физических лиц: как мы попробовали новый подход и не прогадали
Как мы построили сервис компьютерного зрения на базе внешних VLM для контроля выкладки и ценников: опыт Fix Price
Привет, Хабр! Меня зовут Кристина Истратова и я руковожу центром аналитики данных в Fix Price. В нашей Сети более 8 000 магазинов, а в каждом из них — множество товаров. Думаю, все из нас знают, как покупатели реагируют на отсутствие ценника или неверную цену на нем, какие чувства вызывает пустая полка, где нет товара, за которым приходишь в магазин.
Как мы реализовали оптимальное обучение моделей в Luna Line. Часть 1. Классификация
Привет, Хабр! Меня зовут Анастасия Белозерова, я тимлид исследовательской команды, работающей над продуктом Luna Line
GPUGO: простая облачная платформа для ML-задач
Привет, Хабр!На связи Николай Жмуров, я являюсь сооснователем GPUGO — сервиса аренды видеокарт среднего сегмента в России.TL; DRМы предлагаем GPU-серверы в аренду с посекундной тарификацией. На данный момент в сервисе представлены готовые PyTorch и ComfyUI образы. У нас уже есть пул пользователей, и часть из них является постоянными клиентами. Сейчас мы активно развиваемся и хотим получать больше подробного фидбэка о нашей работе.Как всё началось
