Знакомо чувство, когда программист говорит: «Подключу API, и данные сами подтянутся», а у вас ощущение, что он сейчас сказал что-то на эльфийском? На самом деле все не так страшно, и мы попробуем вас в этом убедить 😎

Представьте ресторан. Вы — клиент (ваша программа или ноутбук), а на кухне шеф-повар готов приготовить любое блюдо из меню (сервер, где хранится вся информация). Вам нужно конкретное блюдо — например, «все стихи Цветаевой в открытом доступе». Чтобы получить его вы не идёте на кухню сами, а подзываете официанта. Официант передаёт заказ на кухню, ждёт, пока приготовят, и приносит вам готовое блюдо. Этот официант и есть API. Он тоже не владеет точным рецептом блюда и не может его приготовить, но знает, как правильно обратиться к базе, оформить запрос и вернуть результат так, чтобы вы могли его легко съесть использовать. Вы не обязаны знать, как устроена кухня, чтобы получить блюдо из меню. API открывает доступ к огромным массивам данных, которые иначе пришлось бы собирать вручную ✏️

Вот несколько примеров, использования API, которые пригодятся любому гуманитарию:

🌿 Библиотеки и архивы. Хотите получить все оцифрованные документы по вашей теме из открытых коллекций Европейской библиотеки (например, Europeana)? У них есть API. Напишите запрос и получите список ссылок, метаданных, а иногда даже текстов

🌿 Анализ текстов. Нужно быстро обработать корпус из тысячи новостных заметок? Многие лингвистические сервисы (например, Google Cloud Natural Language) предоставляют API. Вы отправляете текст, а они возвращают анализ тональности, выделенные ключевые слова, сущности

🌿 Геоданные и карты. Хотите нанести на карту места рождения всех декабристов? API Яндекс.Карт позволяет это сделать без рисования маркеров вручную

🌿 Социальные сети. Если вам нужно собрать публичные посты по определённому хештегу за определенный период, то API соцсети — единственный легальный и структурированный способ

И вам даже не обязательно писать код. Можно пользоваться конструкторами и визуальными средами, в которые уже встроена работа с API. Например, Google Apps Script позволяет собирать данные из открытых API прямо в таблицы Google, выполняя запросы с помощью простых скриптов (готовых примеров полно в интернете)

Если API открытый (публичный) — любой разработчик может подключиться к сервису и использовать его данные или функции в своём приложении. Если закрытый — только для внутреннего использования

Где искать информацию об API на сайте? Обычно информацию о нем можно найти в «подвале» сайта (самый низ страницы) или в меню. Ключевые слова, на которые стоит обратить внимание: «API» (самое очевидное), «Developers» / «Для разработчиков», «Documentation» / «Docs» / «Документация», «Partners» / «Партнёрам», «Integrations» / «Интеграции». Если ничего не нашёл — гугли: «название сайта API». Если API существует, разработчики обычно пишут о нём публично

А вы когда-нибудь использовали API в своих исследованиях или хотя бы знали, что это возможно?
🔥 Да, я уже колдую — регулярно тяну данные через API
💀 Слышал, но не пробовал — боялся, что сложно
🤯 Не знал, что это нужно гуманитарию — спасибо, просветили!

#Ликбез@digital_optimist

Давненько не рекомендовали вам интересные статьи. Исправляемся и предлагаем поразмышлять на тему того, может ли искусственный интеллект помочь исследователям понять, как мыслил человек прошлого, чего он боялся и о чем мечтал?

Современные большие языковые модели генерируют текст только на основе тех данных, на которых они были обучены. Они не смогут рассказать нам о научных концепциях будущего, поскольку у них просто нет об этом данных (разве что прогнозы футурологов). Еще в 2022 году Адам Мастроянни в своей статье «Почему умные люди не чувствуют себя счастливее?» обозначил, что если бы в Древней Греции уже существовал сверхумный искусственный интеллект, обладающий всеми человеческими знаниями и его спросили, как высадиться на Луну, он бы ответил: «На Луну нельзя высадиться. Луна — это бог, парящий в небе» 🌟

А что, если обучить большую языковую модель только на исторических данных, относящихся к определенному хронологическому периоду? Будет ли она тогда отвечать на наши вопросы так, как ответил бы житель той эпохи? По сути, это новый способ репрезентации исторических источников и генерации гипотез

Такой эксперимент провел Айк Григорян, создав проект TimeCapsuleLLM (документы проекта на GitHub можно посмотреть здесь), обучив модель исключительно на текстах, написанных в Лондоне в XIX веке. Вслед за этим любительским проектом ученые задумались: можно ли на основе исторических больших языковых моделей (Historical Large Language Models (HLLMs)) изучать психологию и поведенческие реакции представителей прошлых обществ? О возможностях и ограничениях подобных моделей рекомендуем прочитать в работе Николаса Бомара, Мохаммада Атари и Курта Грея «Большие языковые модели, основанные на исторических текстах, могут стать информативными инструментами для поведенческих наук» 📚

Напоминаем вам также о том, что вы можете следить за новостями "Цифрового оптимиста" в MAX и ВК 🥰

#ЧитAI@digital_optimist

🚀 С Днём космонавтики!

12 апреля — это не просто дата, а напоминание о том, что человечество умеет выходить за пределы возможного. Когда Юрий Гагарин сказал своё легендарное «Поехали!», он открыл не только космос — он задал вектор технологического оптимизма, который мы продолжаем до сих пор. И вот — новый виток: Экспедиция Artemis II стала первой пилотируемой миссией к Луне за более чем 50 лет. И это уже не просто «повтор прошлого», а совершенно другой уровень технологий.

🔵 Корабль выполнил облёт Луны по гравитационно рассчитанной траектории, при которой сама механика движения обеспечивает возвращение к Земле. Это означает, что даже при отказе двигателей экипаж всё равно вернулся бы домой — ключевой элемент надёжности для миссий дальнего космоса

🔵 Корабль удалился на расстояние свыше ~370–400 тысяч км от Земли. Это дальше, чем летали корабли после эпохи «Аполлонов». В этих условиях проверялась работа навигации, связи и автономных систем вне стабильного влияния магнитосферы Земли

🔵 Сигнал между Землёй и кораблём шёл с задержкой до нескольких секунд. Поэтому часть решений принималась бортовыми системами: навигация опиралась на комбинацию инерциальных датчиков, звёздных трекеров и наземных корректировок

🔵 При входе в атмосферу скорость достигала ~11 км/с (≈40 000 км/ч). Теплозащитный экран выдерживал температуры около 2 700 °C. При этом использовалась траектория с «подскоком» (skip re-entry), позволяющая снизить перегрузки и точнее контролировать точку приводнения

🔵 На Земле параллельно существовал цифровой двойник миссии - цифровая модель корабля и полёта: данные телеметрии синхронизировались с симуляцией, что позволяло прогнозировать поведение систем и заранее выявлять потенциальные отклонения

🔵 Камеры высокого разрешения на борту передали детализированные изображения: Земля — как яркая «голубая точка» на фоне чёрного космоса, Луна — с рельефом, видимым в мельчайших деталях. Эти кадры не только впечатляют, но и используются для калибровки навигационных систем и визуального анализа траектории

Космос XXI века — это уже не только про двигатели и топливо. Сегодня полёт начинается не на стартовой площадке, а в модели. Ошибки ловятся не в полёте, а в симуляции. Решения принимаются не только человеком — а человеком вместе с системой.

Мы не просто продолжаем путь.
Мы переизобретаем его.
И, возможно, следующее «Поехали!» уже звучит где-то за пределами орбиты Земли 🛸

А красивые снимки из космоса можно посмотреть тут

#ПраздникID@digital_optimist

Сегодня в Сибирском федеральном университете стартовали V Степановские чтения (V Международная научно-практическая конференция памяти первого губернатора Енисейской губернии А.П. Степанова), в которых приняли участие представители ведущих и образовательных учреждений из России, Беларуси, Киргизии, Китая, Эквадора и Азербайджана 👍

Основной темой конференции стал кризис исторической науки и образования из-за коренной трансформации мирового сообщества, связанной с развитием цифровых технологий и искусственного интеллекта

Казанский федеральный университет на конференции представила руководитель магистерской программы «Искусственный интеллект и цифровая история», доцент кафедры регионоведения и цифровой гуманитаристики Луиза Каримова, выступив с двумя докладами. В рамках пленарного заседания она выступила с докладом «Цифровой разрыв как вызов профессиональной подготовке историков». Кроме того, в рамках секции «Цифровая история: новое направление или новые методы исторической науки?» был представлен доклад «Проблемы применения искусственного интеллекта в образовательном процессе (на примере кафедры регионоведения и цифровой гуманитаристики КФУ)» 🥳

📷 Фотография из официального канала конференции «V Степановские чтения» в МАХ

#Бесплатный_кофе@digital_optimist

Сегодня в рамках Лаборатории цифровых технологий Колледжа «Академия ТОП» проводим «Битву цифровых стартапов» 😎

#ИИнтеграция@digital_optimist