Черепаха-винтовка: как обмануть ИИ
Представьте: вы потратили полгода на обучение нейросети для распознавания изображений. Точность на тестовой выборке — 99.2%. Модель идеально отличает панду от гиббона, кота от собаки, дорожный знак "Стоп" от знака ограничения скорости. Вы довольны, заказчик счастлив, модель уходит в production.А потом кто-то добавляет к фотографии панды едва заметный шум — буквально несколько пикселей, которые человеческий глаз даже не замечает. И ваша модель с железобетонной уверенностью в 99.3% заявляет: "Это гиббон".
Как работать с Claude Code, Antigravity и Codex в 2026: база вайбкодинга
Сейчас все обсуждают Claude Code, Antigravity, Codex
Лучшие нейросети для решения задач по фото: Как решать примеры и уравнения с помощью ИИ
Узнайте, какая нейросеть для решения задач по фото справляется лучше всех. Мы разобрали, как искусственный интеллект помогает решать примеры и уравнения за секунды, экономя ваше время.Нейросети для решения задач по фото
«Галлюцинации LLM — это не баг»: профессор математики объясняет, почему ИИ не перестанет врать
Владимир Крылов, профессор математики, научный консультант Artezio и один из самых глубоких русскоязычных экспертов по применению ИИ в разработке, дал интервью по итогам года. Мы поговорили о том, почему reasoning-модели галлюцинируют вдвое чаще обычных (и это математически неизбежно), почему OpenAI объявил «код красный» и отстаёт от Google, и правда ли, что программисты, умеющие писать код только руками, скоро вымрут как вид. Спойлер: Паваротти не умел читать ноты, и это кое-что говорит о будущем vibe-coding.Владимир Крылов регулярно проводит лекции о практическом применении LLM в разработке на канале Ai4dev
Трёхстрочный Deep Learning: 20 примеров нейросетевой магии
В 2012 году команда из Торонто потрясла мир компьютерного зрения: их нейросеть AlexNet распознавала объекты на фотографиях лучше любого алгоритма, написанного вручную. Код занимал тысячи строк, требовал двух видеокарт и недель обучения. Сегодня вы можете превзойти AlexNet одной строкой кода, а модель загрузится за секунды.
Нейросети и трейдинг, и новый способ тестирования стратегий
Ранее видел много публикаций и скептических комментариев на тему использования нейросетей в трейдинге, и хотелось бы поделиться своими наработками и мнением.Всем, кто имеет большой опыт в торговле, знаком такой термин, как «тестирование стратегии на истории», а что, если я скажу, что с приходом к нам нейросетей мы можем тестировать наши стратегии на будущем?То есть на будущем для нейросети и прошлом для нас. Такой метод будет наиболее эффективен для результатов, кроме того, мы можем использовать неограниченное количество индикаторов и выявлять те из них, которые бесполезны.
Что нас ждёт с AI в 2026 году — выжимка из 50+ отчётов
Последний месяц я читал всё подряд: отчёты Goldman Sachs, Gartner, McKinsey, интервью Дарио Амодеи и Сэма Альтмана, анонсы с CES 2026. Пытался понять, что реально изменится в этом году и что из этого следует для меня и моих клиентов.
Как мы разработали систему машинного зрения для детектирования СИЗ и техники
Привет, Хабр! Меня зовут Виктор Прусаков, я ведущий разработчик в команде DSML в ГК Юзтех и уже четыре года занимаюсь data science. Эта статья написана по мотивам моего выступления на AIConf и посвящена системе машинного зрения, способной распознавать наличие СИЗ, опасные действия и перемещение персонала в зонах риска. Модульная архитектура с гибким ядром обеспечивает быструю кастомизацию решения под производственные задачи, что критично для реализации концепции нулевого травматизма.
Данные реальных логов за 7 месяцев на 527 человек — что люди делают с LLM на работе и что с ними не так
Я внедрял всё это, и мы договорились, что можно использовать статистику по обезличенным логам. Это прямые подсчёты транзакций. Не прогнозы аналитиков, не презентации вендоров — а конкретные реальные логи.Компания решила возглавить безобразие и дать всем сотрудникам внятный сервис, попробовать все модели рынка и вообще посмотреть, что это даст на практике в приросте производительности и так далее.Они выбирали между подпиской и моделью с оплатой за токены, и, к счастью, выбрали второе.Потому что в среднем пользователь использует LLM далеко не так, как может показаться.
Как реальность разрушает миф об «ИИ-революции»?
Увольнения из-за ИИ - полная чушь Фото: Glitch Lab App, Unsplash
