Вернемся к видеорегистратору на Java и сделаем для него "профессиональный" запрос

Вот интересное продолжение темы https://t.me/llmsource/307

Как преобразовать последовательность цифр в какой-то связанный текст, который можно отослать, получить и превратить обратно в набор цифр. Если раньше надо было бы сидеть и пыхтеть, то теперь достаточно написать запрос к ИИ. Главное - знать как.

Запрос:

Создай набор текстовых переменных с значениями и поставь им в соответствие символы так, как показано в таблице №1:

0=Н
1=О
2=Дв
3=Т
4=Ч
5=П
6=Ш
7=С
8=В
9=Де

Основная часть задачи:

Преобразуй заданное текст в кавычках "35762084" в последовательность отдельных символов В ТОМ ЖЕ ПОРЯДКЕ:

3 5 7 6 2 0 8 4 и замени каждый символ с цифрой на любое слово, которое начинается с буквы, соответсвующей цифре, как указано в таблице №1.

Например

"3" заменить на "Требование" или "Траст" или "Типовой"
"5" заменить на "Простой" или "Первый"
и так далее...

Регистр букв выбирай сам исходя из необходимости.

Причём, должен получиться небольшой связанный текст на любую тематику. Для облегчения задачи создания осмысленного текста, текст может дополнительно содержать слова, НЕ НАЧИНАЮЩИЕСЯ с "Н", "О", "Дв", "Т", "Ч", "П", "Ш", "С", "В", "Де" в любом нужном месте
Не вставляй в текст цифры и не используй слова, означающие цифры.
Например, не используй слова "пять", "пятый", "шесть", "шестой" и т.д. В тексте ничто не должно указывать на цифры


И что это сгенерит в ИИ. Смотрим текст для преобразования числа 35762084:

Традиционный праздничный снежный шар для двух новых вечеров, и часы бьют (полночь).

Это буквально второй вариант запроса. Его можно совершенствовать.
Direct Link: https://www.perplexity.ai/search/sozdai-nabor-tekstovykh-pereme-R.E8.y58QHWu9D6P4SrFUQ#2

Фрагмент сгенерированной энтропии https://t.me/llmsource/310

Попросим Perplexity оптимизировать запрос https://t.me/llmsource/312

Напиши свой, оптимальный и правильно оформленный вариант запроса для выполнения таких действий.

Вот как получилось:

Создай набор текстовых переменных по таблице №1:

0=Н | 1=О | 2=Дв | 3=Т | 4=Ч | 5=П | 6=Ш | 7=С | 8=В | 9=Де

Задача: Преобразуй последовательность "[ВСТАВИТЬ_ЦИФРЫ]" → [3 5 7 6 2 0 8 4]

Замени каждую цифру на слово, начинающееся с соответствующей буквы.
Требования:
• Получить связный текст (2-3 предложения)
• Любая тематика
• Допускаются слова вне таблицы
• Без цифр и слов, обозначающих числа ("пять", "третий" и т.д.)

Пример результата:
"Традиционный праздничный снежный шар двух новых вечеров часы бьют."


Можно попробовать. Хотя у меня есть сомнения

Как эту задачу решил ИИ Google в броузерном варианте:

Ниже приведено решение задачи согласно заданным условиям и таблице соответствий.
Шаг 1: Определение переменных
Создадим текстовые переменные, где каждой цифре соответствует определенный символ (начальные буквы будущих слов):
var0 = "Н"
var1 = "О"
var2 = "Дв"
var3 = "Т"
var4 = "Ч"
var5 = "П"
var6 = "Ш"
var7 = "С"
var8 = "В"
var9 = "Де"
Шаг 2: Преобразование последовательности и создание текста
Для последовательности 3 5 7 6 2 0 8 4 подберем слова, начинающиеся на соответствующие буквы (Т, П, С, Ш, Дв, Н, В, Ч), и составим связное предложение.
3 — Тёмное
5 — пламя
7 — свечи
6 — шипело,
2 — движениями
0 — наполняя
8 — воздух
4 — чудом.
Дополнительные слова для связки (не начинающиеся на зарезервированные буквы): вокруг, как, будто, магическим.

Ответ:
Тёмное пламя свечи шипело, движениями наполняя воздух вокруг магическим чудом.

Наиболее гармоничный ответ. Но есть ошибка

Это самые простые задачи. Гораздо интереснее решение с фазовым шифрованием и локальными ИИ (изолированными от Интернет)

После того, как Гуглу указал на ошибку, он выдал новый ответ:

Согласно вашему алгоритму (Т-П-С-Ш-Дв-Н-В-Ч) и запрету на использование зарезервированных букв в связках, представляю исправленный вариант:


Тихое пепелище страха шевельнулось, дверь неспешно выпустила мрачное чудовище.



Разбор последовательности:
3 (Т) — Тихое
5 (П) — пепелище
7 (С) — страха
6 (Ш) — шевельнулось,
2 (Дв) — дверь
0 (Н) — неспешно
8 (В) — выпустила
4 (Ч) — чудовище.
Связующее слово: «мрачное» (начинается на «М», которой нет в таблице №1, что соответствует условию).


Получилось очень интересно.

В этой технологии есть несколько трудностей.

1. Необходимо использовать ИИ. Использовать ИИ в Интернет бессмысленно, т.к. это сразу рушит всю безопасность.
Надо использовать локальные серверные версии ИИ. А значит, их надо обучать и иметь большие Дата Сеты.

2. Количество слов даже для такого примитивного преобразования, как выше, не достаточно для получения большого количества осмысленного текста. Как вариант - можно использовать тексты на биологическую, химическую тематику или что-то из области фантастики t.me/freemoviescenario
Там можно создавать свои термины и названия, в которых нужные буквы будут занимать нужные позиции в словах. И мы рассмотрим такие примеры и напишем для них запросы.

PS. Все материалы не имеют источников и носят только исследовательский характер

Вот, что сгенерировал QWEN по запросу https://chat.qwen.ai/s/2fbd9acf-c110-4763-96f1-457a1387cc26?fev=0.1.27

Сгенерированный текст для числа 35762084

Современные инженерные решения всё чаще зависят от сложного взаимодействия аппаратных и программных компонентов. Особенно это заметно в сфере автономных транспортных средств, где каждая деталь должна работать как единый организм.
Технология, лежащая в основе нового поколения автомобилей, позволяет управлять множеством параметров в реальном времени. Ключевой процесс в этом — непрерывный анализ данных от сотен датчиков. Вся информация обрабатывается через распределённую систему, способную адаптироваться к изменяющимся условиям. Для защиты личных данных пользователей применяется многоуровневое шифрование, соответствующее международным стандартам безопасности.
Центральным элементом платформы стал специально разработанный двигатель нейронных вычислений, оптимизированный для работы в условиях ограниченных ресурсов. Его главное преимущество — исключительная надёжность даже при экстремальных нагрузках. Перед каждым запуском выполняется полная верификация всех модулей, чтобы исключить малейшие сбои. В завершение цикла система оценивает свою чувствительность к внешним помехам, корректируя алгоритмы на лету.
Такой подход позволяет не только повысить безопасность, но и значительно улучшить пользовательский опыт — делая его одновременно интуитивным и предсказуемым.

Казалось бы - красиво. Но на самом деле - ошибка на ошибке

Qwen3-Max таки справился с задачей. Подробное описание получилось очень большим. Лучше его смотреть прямо у них по прямой ссылке https://chat.qwen.ai/s/t_d4403ae0-bb07-4733-8630-d1d6b8350530?fev=0.1.27

Получился довольно странный текст:

Тарантул лежал. Плутонгений дымился. Сиропакс дал сигнал.
Шармута извергал золу. Двуликий заполнил воздух. Нейтринофон мигнул. Вулкеллий закружил. Чармидон замер над руинами.

Эта технология преобразования числа в текст исчерпала себя. Пора переходить к другой технологии преобразования. И для этого надо писать совсем другой запрос.

Вот пример нового запроса и сгенерированного текста. Совсем другое дело

Запрос:

1. Задано число "832916547". Преобразуй это число (как текст) в последовательность отдельных символов В ТОМ ЖЕ ПОРЯДКЕ. Например, для "832916547" это будет так "8 3 2 9 1 6 5 4 7"
2. Далее, надо использовать таблицу соответствия цифр и текста (спец-текста):

0=ТОР
1=НАК
2=СТОИ
3=НОС
4=НИК
5=РАН
6=КОР
7=ВОЛ
8=ПОН
9=ЛЕЗ

Текст в таблице представляет собой слог русского языка и следующую часто используемую с ним букву (только один из многих вариантов).
Таким образом последовательность цифр "8 3 2 9 1 6 5 4 7" из п.1 можно представить как набор текстов, заменяющих цифры в соответствии с таблицей.
3. Можно подобрать много слов, содержащих такие тексты и тем самым преобразовать цифры в текст. Например - 4=праздник, 7=буйвол, 9=пролез и так далее. Назовём такие слова спец-словами.
4. Необходимо составить связанный по смыслу текст на любую тему, в котором спец-слова должны быть расположены так, чтобы они кодировали заданное число. В данном запросе - это число "832916547". Для составления связанного осмысленного текста можно использовать любые дополнительные слова, которые не содержат спец-текста.
Т.е. в готовом тексте содержать спец-текст могут только спец-слова.
Регистр букв выбирай сам по необходимости. Можно использовать имена собственные, специальные термины. Нельзя использовать аббревиатуры или использовать придуманные слова, не существующие в используемом языке.
Выдели спец-текст в общем тексте жирным шрифтом.

И далее - ответ ИИ:

Вообще-то получается некая технология Water Mark, подписи в тексте. Защита копирайта.
Это ещё даже не полпути...

Длинно

Использование ИИ открывает совершенно новые уровни «выживаемости» водяных знаков, превращая их из простой замены символов в глубоко интегрированные статистические и семантические паттерны. По состоянию на конец 2025 года выделяются следующие передовые возможности:
1. Инварианты на уровне векторов (Embedding Watermarks)
Вместо изменения слов ИИ-модели могут внедрять подпись непосредственно в векторные представления (эмбеддинги).
Как это работает: Алгоритм подбирает слова так, чтобы их математические значения в семантическом пространстве в сумме давали определенный «цифровой отпечаток».
Устойчивость к переводу: Поскольку смысл (вектор) при качественном переводе сохраняется, водяной знак остается детектируемым в более чем 95% случаев даже после смены языка.
2. Динамическое адаптивное маркирование (STA-1 и WaterPool)
Новые методы (например, STA-1, актуальный на 2025 год) позволяют сохранять водяной знак без потери качества текста даже в сложных сценариях.
WaterPool: Использует поиск на основе семантики для восстановления ключа водяного знака при детектировании. Это повышает устойчивость к правкам на 12–20% по сравнению с классическими методами.
Topic-Based Watermarks: Система адаптирует выбор слов под конкретную тему (топик). Переводчику крайне сложно изменить тему текста, не разрушив его смысл, что делает такие знаки очень живучими.
3. Пост-процессинг через перефразирование (WATERFALL)
ИИ может не только генерировать текст с меткой, но и «накладывать» её на уже существующий текст (post-hoc watermarking).
Технология WATERFALL: ИИ перефразирует исходный текст, внедряя в него водяной знак через специфические синтаксические конструкции. Такой метод показывает высокую стойкость к попыткам «смыть» метку обратным переводом или редактированием человеком.
4. Кросс-модальное и многослойное маркирование
Согласно стандартам 2025 года (например, черновику EU Code of Practice), внедряются многослойные метки:
Текст может содержать одновременно статистический водяной знак (в вероятностях токенов) и метаданные о происхождении. Даже если перевод уничтожит один слой, второй может сохраниться в структуре данных или специфических артефактах, характерных для конкретной модели.

Qwen3-MAX

PHP сервер

Сгенерируй самый простой PHP 6 код сервера для одного подключения, слушающего и получающего сообщения по порту 4444 и выводящего текст в веб страницу (перезаписывает информацию в веб странице). Каждое последующее сообщение затирает предыдущее сообщение. Сервер должен воспринимать команду [end] в квадратных скобках в входящих сообщениях, после чего корректно завершать работу

<?php

$webFile = DIR . '/index.html';
$socket = stream_socket_server("tcp://0.0.0.0:4444", $errno, $errstr);

if (!$socket) {
die("Не удалось запустить сервер: $errstr ($errno)\n");
}

echo "Сервер запущен на порту 4444...\n";

$client = stream_socket_accept($socket, -1); // ждём подключение

if (!$client) {
die("Ошибка при приёме подключения\n");
}

echo "Клиент подключён.\n";

?>

while (!feof($client)) {
$data = fgets($client);
if ($data === false) break;

$data = trim($data);

if ($data === '[end]') {
echo "Получена команда [end]. Завершение...\n";
file_put_contents($webFile, "<html><body><h1>Сервер остановлен</h1></body></html>");
break;
}

// Перезаписываем веб-страницу новым сообщением
$html = "<html><head><meta charset='utf-8'><title>Сообщение</title></head><body><pre>" .
htmlspecialchars($data) . "</pre></body></html>";

file_put_contents($webFile, $html);
echo "Обновлено: " . $data . "\n";
}

fclose($client);
fclose($socket);
echo "Сервер остановлен.\n";

Полный форматированный запрос на генерирование Android Studio Java приложения, читающего заголовки новостей из RSS ленты ( Новости Lenta.ru) и озвучивающего их "синтезированных" голосом (Text-to-Speech). Читаются 40 первых заголовков. Циклическое выполнение каждые 15 минут.
Приложение для тех, кто за рулём и нет возможности/желания отвлекаться.
Можно сделать опрос нескольких RSS лент.
Код генерировался в Deepseek
Текст запроса: