Статья от прозорливого старца айтишника из 2010 года про #режим_работы
Он тогда ещё все понял, но на дворе 2025 год, а воз и ныне там.
Он тогда ещё все понял, но на дворе 2025 год, а воз и ныне там.
Xpinjection
Должны ли программисты работать в офисах? – XP Injection
Два начальника и написание/поддержание легаси сервисов на FastAPI для дата-инженера сеньорского уровня - это
Anonymous Poll
29%
Норма
71%
Пора валить
На Хабре вышел разбор, который собрал бурное обсуждение.
Автор с более чем двадцатилетним стажем сравнил вайб-кодинг с ИИ с обычной разработкой. Итог: код получить можно, но без опыта любая отладка отнимет у вас гораздо больше времени, чем сэкономит LLM на написании кода.
Главные наблюдения:
🔹 Промпт из 15 пунктов дает работающее приложение, но только после десятка итераций.
🔹 LLM все еще любит «галлюцинировать». Модель придумывает библиотеки и API, которых нет.
🔹 Лучшие практики вшиты не всегда. Иногда приходится буквально уговаривать модель: «Пиши как senior python developer».
🔹 Claude справился с рефакторингом и задачами «фронт плюс бэк» лучше GPT-4.1.
В комментариях спорят:
💬 «Вайб-кодинг это все-таки такой же неэффективный процесс сейчас, как и чисто кодинг без использования нейронок вообще».
💬 «Тут нет правильного решения. Каждый решает для себя, по какой дороге он пойдет дальше».
💬 «Если код за тебя может написать LLM, то тебе явно нечего делать в программировании, иди в курьеры, там сейчас больше платят».
Комментарий от админа: вайб-кодинг кал, ты дебажишь больше чем пишешь и бойлерплейтом репы засираешь. Но если тебе дают сеньорскую питонячью бэкендерскую задачку, то вайбкодинг - это твое спасение.
Автор с более чем двадцатилетним стажем сравнил вайб-кодинг с ИИ с обычной разработкой. Итог: код получить можно, но без опыта любая отладка отнимет у вас гораздо больше времени, чем сэкономит LLM на написании кода.
Главные наблюдения:
🔹 Промпт из 15 пунктов дает работающее приложение, но только после десятка итераций.
🔹 LLM все еще любит «галлюцинировать». Модель придумывает библиотеки и API, которых нет.
🔹 Лучшие практики вшиты не всегда. Иногда приходится буквально уговаривать модель: «Пиши как senior python developer».
🔹 Claude справился с рефакторингом и задачами «фронт плюс бэк» лучше GPT-4.1.
В комментариях спорят:
💬 «Вайб-кодинг это все-таки такой же неэффективный процесс сейчас, как и чисто кодинг без использования нейронок вообще».
💬 «Тут нет правильного решения. Каждый решает для себя, по какой дороге он пойдет дальше».
💬 «Если код за тебя может написать LLM, то тебе явно нечего делать в программировании, иди в курьеры, там сейчас больше платят».
Комментарий от админа: вайб-кодинг кал, ты дебажишь больше чем пишешь и бойлерплейтом репы засираешь. Но если тебе дают сеньорскую питонячью бэкендерскую задачку, то вайбкодинг - это твое спасение.
Data Lakehouse с разделением на compute и storage - ВСЁ
⚡️ Магнитный транзистор от MIT: электроника будущего
Инженеры MIT создали новый тип транзистора - магнитный транзистор.
Обычные транзисторы работают только за счёт электричества, а здесь добавлен магнитный контроль.
Что это даёт:
- транзистор может быть и переключателем, и памятью одновременно
- работает быстрее и потребляет меньше энергии
- размеры схем можно сделать ещё меньше
Почему это интересно:
- Сейчас в компьютерах логика и память разделены: процессор считает, память хранит.
- Новый подход объединяет эти функции прямо в одном элементе. Это может упростить схемы и ускорить работу устройств.
Вызовы:
- нужно научиться производить такие транзисторы массово
- переключение пока требует магнитного поля, а в будущем его хотят делать электрическим током
Перспективы:
Если технология выстрелит, мы получим мощные и экономичные чипы, что особенно важно для смартфонов, носимой электроники и систем с ограниченными ресурсами.
https://news.mit.edu/2025/mit-engineers-develop-magnetic-transistor-more-energy-efficient-electronics-0923
Инженеры MIT создали новый тип транзистора - магнитный транзистор.
Обычные транзисторы работают только за счёт электричества, а здесь добавлен магнитный контроль.
Что это даёт:
- транзистор может быть и переключателем, и памятью одновременно
- работает быстрее и потребляет меньше энергии
- размеры схем можно сделать ещё меньше
Почему это интересно:
- Сейчас в компьютерах логика и память разделены: процессор считает, память хранит.
- Новый подход объединяет эти функции прямо в одном элементе. Это может упростить схемы и ускорить работу устройств.
Вызовы:
- нужно научиться производить такие транзисторы массово
- переключение пока требует магнитного поля, а в будущем его хотят делать электрическим током
Перспективы:
Если технология выстрелит, мы получим мощные и экономичные чипы, что особенно важно для смартфонов, носимой электроники и систем с ограниченными ресурсами.
https://news.mit.edu/2025/mit-engineers-develop-magnetic-transistor-more-energy-efficient-electronics-0923
Please open Telegram to view this post
VIEW IN TELEGRAM
Полезная статья для понимания того как хранилище S3 может отдавать 1 петабайт в секунду и не падать
#обзоры
#обзоры
2Minutestreaming
how AWS S3 serves 1 petabyte per second on top of slow HDDs
Learn how Amazon built the backbone of the modern web that scales to 1 PB/s and 150M QPS on commodity hard drives
Apache выкатили SedonaDB, написанную на Rust.
ScyllaDB возможно ВСЁ.
Пока ничего не понятно, но очень интересно.
#базы_данных
ScyllaDB возможно ВСЁ.
Пока ничего не понятно, но очень интересно.
#базы_данных
sedona.apache.org
Introducing SedonaDB: A single-node analytical database engine with geospatial as a first-class citizen - Apache Sedona
Apache Sedona is a cluster computing system for processing large-scale spatial data. Sedona extends existing cluster computing systems, such as Apache Spark, Apache Flink, and Snowflake, with a set of out-of-the-box distributed Spatial Datasets and Spatial…
Forwarded from e/acc
ИИ — пузырь?
Разбираем легендарнейшую и величайшую статью последней недели.
- ИИ (а конкретно - строительство датацентров) ответственны за 33% роста ВВП в США в этом году. 3 триллиона в США, еще 1 по миру.
- но в абсолютных цифрах это меньше 1% от ВВП, тогда как телеком был 1.2%, а железные дороги в 1870х аж 4% (пузырь больно лопнул тогда)
- амортизация у GPU самая большая. как сказал легендарнейшая легенда Билл Гёрли "чипы амортизируются как рыба". остаточная стоимость неудачного компьют проекта - это бетон, трансформаторы и если повезет охлаждение.
- выручки от ИИ в этом году около $60B против примерно $0 пять лет назад
- на каждый доллар выручки приходится $6 инвестиций - больше чем в 1999 в интернет
- при этом и в отличии от пузыря ж/д и доткомов, выручка от ИИ растет. примерно удваивается каждый год, и скорость увеличивается.
- это кардинально отличает текущую ситуацию от прошлых пузырей, где рост доходов замедлялся перед крахом
- оценки большие, но не критически: на пике пузыря доткомов в 2000 году P/E индекса Nasdaq достигал ~72, сегодня около 32
- инвесторы делают ставку на будущий рост, но оценки еще не "оторвались от гравитации"
- все предыдщие пузыки финансировались в долг или от неопытных фондов
- подавляющее большинство инвестиций в ИИ — free cash flow ИТ-гигантов, почти без долговой нагрузки
- для дальнейшего роста понадобится около $2.9 трлн, собственных средств гигантов хватит лишь на половину
Итого: сегодня ИИ — это интенсивный, основанный на реальном спросе инвестиционный бум, а не финансовый пузырь. Основная причина и отличие — беспрецедентный рост доходов, который оправдывает огромные инвестиции.
Разбираем легендарнейшую и величайшую статью последней недели.
- ИИ (а конкретно - строительство датацентров) ответственны за 33% роста ВВП в США в этом году. 3 триллиона в США, еще 1 по миру.
- но в абсолютных цифрах это меньше 1% от ВВП, тогда как телеком был 1.2%, а железные дороги в 1870х аж 4% (пузырь больно лопнул тогда)
- амортизация у GPU самая большая. как сказал легендарнейшая легенда Билл Гёрли "чипы амортизируются как рыба". остаточная стоимость неудачного компьют проекта - это бетон, трансформаторы и если повезет охлаждение.
- выручки от ИИ в этом году около $60B против примерно $0 пять лет назад
- на каждый доллар выручки приходится $6 инвестиций - больше чем в 1999 в интернет
- при этом и в отличии от пузыря ж/д и доткомов, выручка от ИИ растет. примерно удваивается каждый год, и скорость увеличивается.
- это кардинально отличает текущую ситуацию от прошлых пузырей, где рост доходов замедлялся перед крахом
- оценки большие, но не критически: на пике пузыря доткомов в 2000 году P/E индекса Nasdaq достигал ~72, сегодня около 32
- инвесторы делают ставку на будущий рост, но оценки еще не "оторвались от гравитации"
- все предыдщие пузыки финансировались в долг или от неопытных фондов
- подавляющее большинство инвестиций в ИИ — free cash flow ИТ-гигантов, почти без долговой нагрузки
- для дальнейшего роста понадобится около $2.9 трлн, собственных средств гигантов хватит лишь на половину
Итого: сегодня ИИ — это интенсивный, основанный на реальном спросе инвестиционный бум, а не финансовый пузырь. Основная причина и отличие — беспрецедентный рост доходов, который оправдывает огромные инвестиции.
Эн+ построит крупнейший ЦОД в России (в Иркутской области).
Вся инфраструктура постепенно переезжает за Урал и ближе к Алтаю.
А значит тотальной движухе против Европы быть, а значит админ не совсем параноик, а скорее всего прав насчёт #эмиграч 'а (альтернатива в виде окопа ну такое себе)
Вся инфраструктура постепенно переезжает за Урал и ближе к Алтаю.
А значит тотальной движухе против Европы быть, а значит админ не совсем параноик, а скорее всего прав насчёт #эмиграч 'а (альтернатива в виде окопа ну такое себе)
Коммерсантъ
Миллиарды на ЦОД
В Иркутской области готовится к строительству крупнейший в России ЦОД для ИИ
Forwarded from Алексей Хохлов
В газете The Guardian опубликован весьма интересный очерк о китайском ученом Song-Chun Zhu, который достиг выдающихся успехов, работая в США в области искусственного интеллекта (ИИ), но затем в 2020 году решил вернуться в Китай и возглавить там институт общего искусственного интеллекта:
https://www.theguardian.com/news/ng-interactive/2025/sep/16/song-chun-zhu-why-one-of-the-worlds-most-brilliant-ai-scientists-left-the-us-for-china
Очерк включает несколько тематических слоев . Тут и интересные биографические детали о мальчике, родившемся в Китае в разгар «культурной революции», которому благодаря своим уникальным способностям получить хорошее образование сначала в Китае, а затем в США и вырасти в одного из ведущих американских ученых в области искусственного интеллекта. И рассказ о том, как Song-Chun Zhu постепенно разочаровался в мейнстриме развития инструментов ИИ в США (да и во всем мире). И как он вернулся в Китай, чтобы развивать свои оригинальные идеи в области общего искусственного интеллекта (artificial general intelligence, AGI). Для затравки интереса к очерку (который я рекомендую прочитать) приведу в сокращении некоторые фрагменты.
«Философия Song-Chun Zhu разительно отличается от преобладающей в США парадигмы. Американские компании, такие как OpenAI, исходят из того, что, обладая достаточным объёмом данных и вычислительной мощностью, модели, построенные на нейронных сетях, могут привести человечество к Святому Граалю общего искусственного интеллекта (AGI). В широком смысле, AGI — это система, способная выполнять не только узкие, но и любые задачи на уровне, сопоставимом или превосходящем уровень самых умных людей.
Чжу настаивает, что эти идеи построены на песке. Признаком настоящего интеллекта, утверждает он, является способность рассуждать о достижении цели с минимальными затратами – то, что он называет подходом «малые данные, большая задача», в отличие от подхода «большие данные, маленькая задача», используемого в больших языковых моделях, таких как ChatGPT. AGI должен обладать такими качествами как находчивость в новых ситуациях, социальная и физическая интуиция, а также понимание причинно-следственных связей. Большие языковые модели, по мнению Чжу, никогда не достигнут этого.
Марк Ницберг, друг Чжу на протяжении 20 лет и однокурсник по Гарварду, был удивлён внезапным возвращением Чжу в Китай. По воспоминаниям Ницберга, Чжу ответил: «Они дают мне ресурсы, которые я никогда не смог бы получить в Соединённых Штатах. Если я хочу создать систему, которую задумал, то это возможность, выпадающая раз в жизни. Я должен это сделать».
На прошлогоднем технологическом форуме BigAI (руководимая Чжу компания) представила виртуального гуманоидного ребёнка по имени ТонгТонг, который обладает способностями, которых не хватает большинству ИИ. Интуитивное понимание принципов работы физического и социального мира — одна из самых сложных вещей для нейронных сетей. ТонгТонг был разработан, чтобы имитировать когнитивные и эмоциональные способности трёх-четырёхлетнего ребёнка.
В этом году команда BigAI представила робота TongTong 2.0, который, по их словам, обладает возможностями пяти-шестилетнего ребёнка. На большом видеоэкране TongTong 2.0 принял форму анимированной девочки, играющей в виртуальной гостиной. Когда ведущий попросил TongTong найти игрушку вместе со своей подругой Леле, другим агентом ИИ, TongTong, похоже, избегала областей, которые её подруга уже обыскала. Позже, когда TongTong попросили достать пульт от телевизора с книжной полки, которая была вне досягаемости, она использовала подушку, чтобы придать себе дополнительную устойчивость. (При выполнении аналогичных задач ChatGPT теряется, когда требуется просто включить здравый смысл».)
https://www.theguardian.com/news/ng-interactive/2025/sep/16/song-chun-zhu-why-one-of-the-worlds-most-brilliant-ai-scientists-left-the-us-for-china
Очерк включает несколько тематических слоев . Тут и интересные биографические детали о мальчике, родившемся в Китае в разгар «культурной революции», которому благодаря своим уникальным способностям получить хорошее образование сначала в Китае, а затем в США и вырасти в одного из ведущих американских ученых в области искусственного интеллекта. И рассказ о том, как Song-Chun Zhu постепенно разочаровался в мейнстриме развития инструментов ИИ в США (да и во всем мире). И как он вернулся в Китай, чтобы развивать свои оригинальные идеи в области общего искусственного интеллекта (artificial general intelligence, AGI). Для затравки интереса к очерку (который я рекомендую прочитать) приведу в сокращении некоторые фрагменты.
«Философия Song-Chun Zhu разительно отличается от преобладающей в США парадигмы. Американские компании, такие как OpenAI, исходят из того, что, обладая достаточным объёмом данных и вычислительной мощностью, модели, построенные на нейронных сетях, могут привести человечество к Святому Граалю общего искусственного интеллекта (AGI). В широком смысле, AGI — это система, способная выполнять не только узкие, но и любые задачи на уровне, сопоставимом или превосходящем уровень самых умных людей.
Чжу настаивает, что эти идеи построены на песке. Признаком настоящего интеллекта, утверждает он, является способность рассуждать о достижении цели с минимальными затратами – то, что он называет подходом «малые данные, большая задача», в отличие от подхода «большие данные, маленькая задача», используемого в больших языковых моделях, таких как ChatGPT. AGI должен обладать такими качествами как находчивость в новых ситуациях, социальная и физическая интуиция, а также понимание причинно-следственных связей. Большие языковые модели, по мнению Чжу, никогда не достигнут этого.
Марк Ницберг, друг Чжу на протяжении 20 лет и однокурсник по Гарварду, был удивлён внезапным возвращением Чжу в Китай. По воспоминаниям Ницберга, Чжу ответил: «Они дают мне ресурсы, которые я никогда не смог бы получить в Соединённых Штатах. Если я хочу создать систему, которую задумал, то это возможность, выпадающая раз в жизни. Я должен это сделать».
На прошлогоднем технологическом форуме BigAI (руководимая Чжу компания) представила виртуального гуманоидного ребёнка по имени ТонгТонг, который обладает способностями, которых не хватает большинству ИИ. Интуитивное понимание принципов работы физического и социального мира — одна из самых сложных вещей для нейронных сетей. ТонгТонг был разработан, чтобы имитировать когнитивные и эмоциональные способности трёх-четырёхлетнего ребёнка.
В этом году команда BigAI представила робота TongTong 2.0, который, по их словам, обладает возможностями пяти-шестилетнего ребёнка. На большом видеоэкране TongTong 2.0 принял форму анимированной девочки, играющей в виртуальной гостиной. Когда ведущий попросил TongTong найти игрушку вместе со своей подругой Леле, другим агентом ИИ, TongTong, похоже, избегала областей, которые её подруга уже обыскала. Позже, когда TongTong попросили достать пульт от телевизора с книжной полки, которая была вне досягаемости, она использовала подушку, чтобы придать себе дополнительную устойчивость. (При выполнении аналогичных задач ChatGPT теряется, когда требуется просто включить здравый смысл».)
the Guardian
‘I have to do it’: Why one of the world’s most brilliant AI scientists left the US for China
In 2020, after spending half his life in the US, Song-Chun Zhu took a one-way ticket to China. Now he might hold the key to who wins the global AI race
👍1
Рукожопый дизайн путем многих миллионов лет перебора эволюционным путем vs. Разумный дизайн как он должен быть
#system_design
#system_design
😁1
This media is not supported in your browser
VIEW IN TELEGRAM
Неоценимое преимущество надёжного мессенджера MAX - это селфи не только в лифте и на фоне Эйфелевой башни, а вообще везде.
Инста-бляди -богинюшки, налетаем и срочно устанавливаем!
#memes
Инста-
#memes
Раз среди дата-инжиров в некоторых каналах становится модным раздавать инвестиционные советы, то вот мои советы:
- Копим побольше, ибо после повышения НДС станет жить сильно немного дороже.
- Влошиваемся во все связанное скосмической энергией и ЦОДами.
- Дополнительно можно влошиться в производителей запчастей для роботов. Но для этого надо изучить и компоненты, и поставщиков для конкретных моделей.
- В крипту можно, но стрёмно.
Такие вот советы от гуру инвестиций.
#инвестиции
- Копим побольше, ибо после повышения НДС станет жить сильно немного дороже.
- Влошиваемся во все связанное с
- Дополнительно можно влошиться в производителей запчастей для роботов. Но для этого надо изучить и компоненты, и поставщиков для конкретных моделей.
- В крипту можно, но стрёмно.
Такие вот советы от гуру инвестиций.
#инвестиции