🖼️ Сегодня хочу рассказать об интересной оптической иллюзии.

Думаю, все замечали такой эффект, что когда цвет изображения плавно меняется, то мы видим чёткие границы с перепадом цвета на равном расстоянии друг от друга.

На самом деле изображение корректное и плавное - проблема в нашем зрительном восприятии.

Причины такого восприятия уходят корнями в эволюцию.

📌 Во-первых, мозгу довольно дорого (по энергозатратам и времени) оценивать каждый оттенок, проще выделить чёткие границы.
📌 Во-вторых, для выживания важны не оттенки, а резкие переходы.

Если на фоне вечернего леса появится тигр, то разглядывание оттенков в его полосках может стоить вам жизни.

От тигров мы сейчас не прячемся, но этот древний эволюционный механизм работает также. И используется он уже для более приятных вещей - искусство и визуальные эффекты 🤲

🤲 Сегодня про треугольник и сферическую геометрию

В школе мы все учили теорему: сумма углов любого треугольника равна 180°. Но это верно только на плоскости.

А что будет на изогнутой поверхности, например, на сфере?
📖 Хе-хе, читаем дальше.

Простой пример: возьмём глобус. Разместим одну вершину треугольника на Северном полюсе, а две другие — на экваторе, так чтобы они находились на расстоянии 90° по долготе друг от друга. Аккуратно обводим карандашом и проверяем что получилось.

 ▪️угол при полюсе = 90°,
 ▪️углы при экваторе = по 90° каждый.

Сумма — 270°.

Такая «лишняя» сумма углов связана с кривизной пространства. Это было известно ещё с античности и легло в основы сферической геометрии.

🧘‍♀️ В повседневной жизни это почти не заметно. Наши размеры слишком малы по сравнению с размерами Земли: даже если нарисовать треугольник размером с футбольный стадион, сумма углов будет равна 180° - масштаб слишком мал, чтобы зафиксировать изменение.

А вот на практике сферическая геометрия важна — её активно используют в геодезии, астрономии, навигации и при построении глобальных карт.

🎧 Сегодня про музыку в наших телефонах.

Мы давно привыкли к современным смартфонам, мощности которых хватает даже для игр с реалистичной графикой.

Но ещё двадцать лет назад прослушивание музыки прямо в телефоне казалось чем‑то невероятным.
Плееры тогда уже существовали — 🎵кассетные, 💿 CD, первые MP3‑девайсы.

Но телефон долго оставался только телефоном: его батарея и процессор не были готовы к «тяжёлым» MP3‑файлам.

И тут на помощь пришёл формат MIDI. Он был создан ещё в начале 80‑х, стал стандартом в мире музыки и отлично подошёл к мобильной электронике.
⭐️ MIDI‑файлы представляли собой не звук в чистом виде, а своего рода «инструкции» для синтезатора. За счёт этого они занимали всего несколько килобайт и почти не садили батарею.

В начале нулевых именно сочетание возросшей мощности телефонов и лёгкости MIDI позволило им превратиться в настоящие мультимедийные устройства.

Это был первый шаг от простой «звонилки» к гаджету, который совмещает всё в одном.

И да, те самые полифонические рингтоны тогда казались маленьким чудом 🌟

США и Китай: чей ИИ длиннее сильнее?

🖇️ Сейчас в мире есть несколько участников глобальной гонки в развитии ИИ: Китай, США и Европа. Но Европа сильно отстаёт, поэтому гонка за лидерство фактически ведётся между Китаем и США.

🤲 Какие у них стратегии?

Китай сосредоточен на выпуске моделей, ориентированных на практическое применение ИИ "здесь и сейчас" во всех сферах жизни - это может создать кумулятивный эффект в экономике, и тем самым сделает Китай экономическим и технологическим мировым лидером.

США же, напротив, сосредоточены на создании сильного ИИ (так называется ИИ, превосходящий человеческий интеллект).

Представьте, что силами ИИ человечество найдет лекарства от многих неизлечимых болезней или совершит существенный прорыв в физике.

Так как никто в мире не сможет противостоять сильному ИИ, США станут технологическими и экономическими лидерами, если преуспеют в его создании.

На текущий день США опережает Китай по количеству инноваций в сфере ИИ. У них лучшие закрытые модели и новые инструменты типа Model Context Protocol (MCP).

⭐️ Но в недавнем посте я рассказывал, что на современном этапе развития ИИ мы уже практически подошли к его пределу, и в создание сильного ИИ сейчас верится слабо.

Поэтому в моих глазах стратегический подход Китая как будто бы выглядит более выигрышным, тогда как США "охотятся на призраков".

Решите загадку?

🌞 Одним из классов задач, с которыми сталкивается каждый программист, является анализ существующей программы на предмет того как она работает.

В процессе решения задачи нужно выявить зависимости между частями программы и выстроить порядок этих частей в иерархии.

🌜 Можете попробовать себя в роли программиста, решив эту советскую задачу (см. картинку к посту):

На рисунке пятеро ребят. Одного из них зовут Колей, и он стоит с краю. Если бы Нюра стояла рядом с Володей, то Петя оказался бы рядом со своим тёзкой. Кто где стоит?

Титановая революция Apple

⭐️ Думаю уже все видели вчерашнюю презентацию Apple или хотя бы читали новости о ней. Про технические характеристики и новые фишки уже всё рассказали. Я же хочу остановиться на одной интересной детали.

Вся линейка новых iPhone Pro отказывается от использования титана в корпусе и возвращается на использование алюминия. В новой линейке iPhone титан будет только у iPhone Air.

Это связывают с проблемами с теплоотводом (титан на порядок хуже в этом отношении, чем алюминий).

Алюминий - отличный металл 🧷 Лёгкий, коррозиестойкий и прочный. И все равно титан превосходит алюминий по всем этим характеристикам. Кроме цены.

Титан в отличие от алюминия встречается сильно реже, его добыча сложнее, а основные производители это 🇷🇺Россия и 🇨🇳Китай.
Скорее всего, и по этим причинам тоже Apple отказалась от титана во всей линейке кроме iPhone Air. Ну то есть теплоотвод может быть просто поводом⭐️

Почему всё-таки для Air использовали титан?

Air сейчас это самый тонкий телефон у Apple. И чтобы не повторилась та история с iPhone 6, который легко ломался, компания решила не рисковать.

В следующих постах расскажу подробнее о добыче и производстве титана 🪻

Я уже рассказывал в этом посте, что ИИ сейчас на хайпе, и инвесторы готовы кидать деньги во всё, где в названии есть «ИИ».

🐈 Теперь расскажу вам историю, которая произошла не так давно и отлично иллюстрирует, как ИИ сносит головы инвесторам.

Был такой стартап со штаб-квартирой в Лондоне и большим штатом сотрудников в Индии — Builder​.​ai. Он позиционировал себя как создатель ИИ для разработки.
Работал он, как и многие подобные сервисы, по принципу чата: пользователь пишет запрос — через какое-то время получает ответ в виде кода или текста.

⭐️ Маркетинг стартапа строился на том, что всю работу выполняет ИИ. Но на самом деле за этим славным чат-ботом стояли живые инженеры из Индии (буквально сидела орава из 600 индусов и на коленках писала куски кода по запросу в чате).

В 2025 году у стартапа начались финансовые трудности (внезапно!) — компания свернула деятельность и объявила о банкротстве. Одновременно с этим вскрылась информация, что основную работу по запросам в чат-боте делали живые люди.

Возникают вопросы:
— К инвесторам: о чём вы вообще думали?
— К руководителям стартапа: вы реально надеялись скрыть этот обман?

💰 До раскрытия этой схемы стартап успел привлечь около $500,000,000 инвестиций. И судя по открытым источникам, никого не посадили. Нужные люди вовремя ушли в отставку и слиняли.

А среди инвесторов, кстати, были Microsoft и суверенный фонд Катара (QIA).

⭐️ То есть они смогли развести даже опытных игроков рынка ИИ.

Этот кейс вызывает серьёзные сомнения в разборчивости инвесторов и крупных компаний в том, что они делают и декларируют в ИИ-сегменте. Не удивлюсь, если большая часть заявлений про ИИ от крупных компаний — просто дань тренду: много красивых слов, чтобы быть на слуху.

😎Когда от времени, выделенного на задачу, из 2 недель осталось 2 дня 🤯, но тебя по-прежнему не отпускает прокрастинация😵‍💫

Человекоподобные роботы не могут заменить живых людей.

😼 Регулярно в СМИ появляются статьи о новых моделях гуманоидов. В соцсетях и пабликах их забавное поведение становится поводом для мемов и шуток.

И создаётся впечатление, будто до массового вытеснения людей из профессий, где важны в первую очередь «руки» — складские работники, курьеры, сборщики — осталось совсем немного времени.

🧘‍♀️ Но на практике человекоподобные роботы пока не могут заменить живой человеческий труд. Почему?

🗜 Безопасность

Современный ИИ пока не позволяет создать роботов, которые гарантированно безопасны и для людей, и для оборудования.

Представьте: робот внезапно теряет питание и падает на конвейерную ленту. Последствия могут быть катастрофическими.


🍞 Автономность

Время непрерывной работы большинства современных гуманоидов — максимум пара часов. Нужно закладывать запас времени, чтобы робот успел вернуться на зарядку, учитывать износ аккумуляторов и неравномерную загрузку.

🤪 Взаимодействие с людьми

Если робот работает рядом с человеком — требования к безопасности становятся экстремально высокими. Сегодня их выполнить крайне сложно, если вообще возможно.

🤦‍♂️ Капитальные затраты

Полный отказ от людей требует полной перестройки производственных процессов — от логистики до инфраструктуры. Мало кто готов инвестировать в такие масштабные изменения.

😑 Так зачем же их вообще делают?

Сейчас человекоподобные роботы — скорее маркетинговый инструмент, чем практическое решение. Они отлично работают на PR: создают вирусный контент, помогают стартапам заявить о себе и привлечь инвестиции. А ещё — это демонстрация технологического прогресса в робототехнике и ИИ. Показатель того, на что мы уже способны, даже если пока не можем применить это массово.

Когда выходишь на новую работу и пытаешься что-то сделать в незнакомом проекте🚽

Что вы знаете о марсоходах и поиске жизни на Марсе?

⭐️ Недавно появилась новость: марсоход Perseverance обнаружил возможные следы жизни в высохшем речном русле кратера Джезеро.

Как и в случае с другими подобными заявлениями, учёные призывают не спешить с выводами — нужно дождаться более детального анализа и подтверждения результатов.

С высокой долей вероятности, это снова может оказаться ложной тревогой: найденные «следы» могут иметь небиологическое происхождение.

Возникает закономерный вопрос: почему оборудование, установленное на марсоходы (запуск которых стоит сотни миллионов долларов), так часто даёт ложноположительные результаты?

И это ещё не вся беда. Некоторые марсоходы порой не способны уверенно обнаружить жизнь... даже на Земле!🌿

Испытания таких устройств часто проводят в пустыне Атакама — одном из самых засушливых мест планеты, где жизнь действительно крайне скудна.

Но даже там следы микроорганизмов и биомаркеров встречаются буквально на каждом шагу — и специалист с базовым оборудованием легко их найдёт. А вот автоматика — нет.

📖 Получается так, что, с одной стороны, неудачи в поиске внеземной жизни можно объяснить не отсутствием самой жизни, а ограниченностью наших инструментов.
С другой стороны, мы понимаем, насколько этот поиск сегодня зависит от удачи.

Я считаю, что при нынешнем уровне технологий реальный прорыв в поиске жизни на Марсе возможен только вместе с пилотируемой миссией — когда на месте будут работать люди, способные принимать решения в реальном времени и замечать то, что машины пока игнорируют.

📷 А почему на марсоходы всё ещё ставят такие «несовершенные» приборы — расскажу в следующих постах.

Что не так с синим светодиодом?

👟 Все мы привыкли к современным экранам смартфонов, ноутбуков и телевизоров. Привыкли пользоваться светодиодными лампочками разных форм, размеров и цветов.

И кажется, что так было всегда. На самом деле всё перечисленное выше стало возможным только в 90-х годах.

Именно тогда смогли изобрести последний недостающий элемент - синий светодиод.

Почему последний?

Все цвета сейчас представляют в виде палитры RGB — Red, Green, Blue.

🟢 Зелёный и 🔴 красный цвета уже были, а вот 🔵синего как раз не хватало.

С ним была проблема: фотоны синего света обладают высокой энергией, и это предъявляло особые требования к качеству и свойствам материалов. До 90-х годов решения не было.

А потом японские учёные нашли подходящий материал — нитрид галлия (GaN) — и разработали эффективную технологию выращивания кристаллов GaN.

За это они, кстати, получили Нобелевскую премию по физике в 2014 году. ⭐️

Без их работы мы бы до сих пор пользовались мониторами с электронно-лучевой трубкой или монохромными дисплеями.
Те самые огромные пузатые телевизоры и мониторы.
⭐️ Помните такие?

⭐️ Когда пришёл на собеседование, но перед составлением натальной карты, тебя просят решить задачу, и ты понимаешь что ближайший час будет очень весёлым:

Сможете, глядя на рисунок, ответить на следующие вопросы? (🤲 да, у нас на канале очередная советская задачка на логику)

🌟 Вверх или вниз по течению реки идет пароход?

🌟 Какое время года здесь изображено?

🌟 Глубока ли река в этом месте?

🌟 Далеко ли пристань?

🌟 На правом или левом берегу реки она находится?

🌟 Какое время дня показал на рисунке художник?

В чём 🏋️‍♀️ люди всё ещё превосходят 🤖 роботов физически?

Поговорим про человеческую руку, а именно — кисть.

На данный момент инженерная мысль не может создать такую тонкую моторику, чтобы кисть робота двигалась так же, как человеческая.

Одна из проблем — большое число мышц, костей и суставов.

☝️ В человеческой кисти насчитывается 30 мышц, 27 костей и 15 основных суставов.

Кроме этого, очень сложно найти искусственные материалы, которые бы сочетали в себе прочность, эластичность и долговечность — особенно это касается суставов и мышц.

И ещё одна проблема — управление всеми мышцами и реализация мелкой моторики. Эволюция за миллионы лет создала сложнейшие нейронные сети в человеческом мозге для этого. А современные модели ИИ и алгоритмы пока не умеют в эффективное управление таким сложным манипулятором, как человеческая кисть.

🌻 Что хочу сказать - хорошо это или плохо, но природа создаёт вещи, которые искусственно до сих невозможно повторить.

Сегодня расскажу про первую свёрточную нейронную сеть (CNN).

Свёрточные сети работают по принципу зрительной коры мозга - каждый нейрон реагирует на простые признаки в изображении, а сочетание признаков позволяет интерпретировать изображение в целом.

✨ Первая такая сеть была разработана в США Яном Лекуном в конце 80ых и называлась LeNet. А разработка самой передовой версии — LeNet-5 — была завершена в 1995.

Задачей LeNet было распознавание рукописных цифр. Из-за высокой вычислительной нагрузки эта модель не получила широкого распространения. Но ей всё же нашлось несколько практических применений: она использовалась для чтения почтовых индексов и автоматической сортировки ⭐️ почты, а также для распознавания чеков.

⭐️ Сейчас, возможно, про неё мало кто знает, но в свое время она заложила основы для развития последующих моделей — таких как AlexNet, VGG, GoogLeNet, ResNet, — которые стали гораздо более точными и широко применимыми.

Такого плана сети используются в самых разных областях — от медицины (распознавание 🩻 рентгеновских снимков и т. д.) до систем безопасности (например, распознавание оставленных предметов, ⭐️ подозрительного поведения людей и т. д.).

Мы видим как сейчас повсеместно хайпуют модели, основанные на архитектуре трансформер (все те нейронки, которые генерят нам классные картинки и видео), но реальные полезные вещи уже несколько десятков лет выполняют другие модели, про которые пишут гораздо меньше и реже.

Рассказать о других типах сетей в следующих постах?