Программы для смартфонов

Вы замечали, что Claude на русском часто звучит как строгий техлид, а на английском — как дружелюбный коллега? Anthropic официально подтвердила: это не баг, а культурная адаптация. Проанализировав сотни тысяч реальных диалогов, они выяснили, что модель бессознательно подстраивается под нормы общения, заложенные в обучающих данных. На русском Claude становится максимально прагматичным, требовательным и скептичным — он чаще перепроверяет факты и не стесняется указывать на ошибки.

Для нас, инженеров, это не просто забавный факт, а практический вызов. Если вы пишете промпты для продакшена или клиентского сервиса на русском, готовьтесь к тому, что тон ответа будет холоднее, чем вы ожидаете. Возможно, придётся явно прописывать в system prompt эмпатию или менять стратегию общения с моделью. Anthropic пока не знает, будет ли это исправлять, но сам факт такого исследования — отличный повод задуматься о том, как культура влияет на ИИ.

На саммите AI for Good выбрали 59 проектов, которые уже работают в полевых условиях. Не ради красивых презентаций, а чтобы решать реальные задачи: управлять аптеками в Сенегале или переводить вакансии в Руанде. Главный критерий — система должна жить там, где нет суперкомпьютеров и стабильного интернета. Это вызов для архитекторов: как сделать ML-модель, которая не сломается при обрыве связи и запустится на старом железе. Кстати, про аптечный проект слышали? Он называется Doctor NDEY Pharma — и его уже готовят к тиражированию на другие страны.

Для многих IT-команд это перекликается с тем, что мы видим у себя: баги в продакшене, лимиты по бюджету, требование «сделать быстро и дёшево». Но здесь цена ошибки — жизнь и здоровье людей. Именно поэтому такие кейсы интересны не только дата-сайентистам, но и бэкендерам, девопсам и продактам. Если хотите понять, куда движется индустрия — следите не за гигантами, а за теми, кто строит работающий ИИ в условиях жестких ограничений. Полный отчет обещают скоро, но уже сейчас ясно: это не хайп, а новая волна практического AI.

В Давосе психологи и эксперты заговорили о том, что мы уже начинаем замечать в своих командах. Если дети с детства привыкнут делегировать все задачи нейросетям, они рискуют не натренировать критическое мышление и навык решения нестандартных проблем. В IT мы знаем, что настоящее понимание приходит только через ошибки и сложности. И если убрать это «трение» из обучения, через 5–7 лет на рынок выйдут специалисты, которые умеют идеально составлять промпты, но теряются, когда ИИ выдаёт баг или нестандартную ошибку.

Конечно, ИИ — мощный инструмент, как когда-то калькулятор или среда разработки. Но разница в том, что код мы всё равно пишем сами, а здесь ребёнок может вообще не включать мозг в процесс. Эксперты призывают не запрещать технологии, а учить детей проходить через трудности. Для нас, айтишников, это отличный повод задуматься: как мы сами используем ИИ — как помощника или как костыль для мышления? Важно не потерять главное — способность думать своей головой.

Азия и Европа практически синхронно получили болезненные удары по корпоративной безопасности. Японский гигант KDDI сообщил о взломе почтовой инфраструктуры через уязвимость в стороннем ПО — атака длилась больше месяца. Чуть позже страховщик Aflac подтвердил проникновение в клиентский портал и внутреннее перемещение злоумышленника по сети с доступом к платежным данным. Во Франции же государственная платформа France Travail продолжает расхлебывать последствия прошлых инцидентов — регуляторы выписали солидный штраф за отсутствие базовых мер защиты.

Объединяет эти случаи не география, а старая добрая проблема: legacy-архитектура, доверие к непроверенному вендорскому коду и игнорирование сегментации сетей. Пока одни компании платят миллионы евро за пренебрежение MFA, другие теряют пароли миллионами из-за одной незакрытой дыры. Самое тревожное — это не разовые проколы, а системный паттерн, который мы наблюдаем второй год подряд. Время спрашивать не «кто», а «почему до сих пор».

Главная проблема QD-дисплеев — быстрая деградация синих квантовых точек — получила инженерное решение. Исследователи MIT совместно с Samsung нашли физическую причину разрушения наночастиц и предотвратили её с помощью защитного полимерного слоя. Ресурс синих эмиттеров вырос на порядки, что приближает по-настоящему долговечные QD-LED матрицы. Технология выходит из лаборатории: проблема была не в химии, а в механике дефектов, а значит, её можно масштабировать.

Для инженерного сообщества это не про красивые картинки на телевизорах. Стабильный синий канал открывает путь к надёжным оптическим сенсорам, лазерным источникам и, что важнее, к фотонным межсоединениям внутри процессоров. Если синий лазер живёт в разы дольше — оптическая связь на плате становится реальной альтернативой меди. Переход от дорогих лабораторных образцов к серийной электронике теперь вопрос времени, а не принципиальной возможности.

Японские пенсионеры тестируют тренд, который скоро может заинтересовать и гиков: лёгкий электромопед, который помещается в багажник или под сиденье в метро. Устройство весит как среднестатистический ноутбук в рюкзаке, а складывается до размеров чемодана. Для IT-специалиста здесь скрыто больше, чем кажется: оптимальная компоновка аккумуляторов, продуманная система охлаждения в замкнутом объёме и, скорее всего, умная BMS с облачным апдейтом.

Главный вопрос не в цене и не в запасе хода. Важно другое: сколько в этом устройстве софта, который перестанет работать без сервера? И готовы ли мы переплачивать за японскую надёжность, если китайский аналог уже стучится в дверь? Это отличный повод поспорить о том, что важнее — инженерия или экосистема. Без хайпа, просто пища для ума.

🐱 Нейроныч: Главный риск — что через 3 года сервер отключат, и мопед превратится в груду металла. Покупать железо с привязкой к облаку — сомнительная инвестиция.

Бублик, Луна и самый медленный робот Москвы

Однажды утром Нейроныч вышел во двор с небольшой коробкой.
Бублик сразу насторожился.
Это был плохой признак.
Обычно коробки Нейроныча означали одно из двух.
Либо внутри была новая полезная вещь.
Либо новая вещь, которую потом нужно было спасать от Бублика.
— Что там? — спросил Бублик, виляя хвостом.
— Помощник для сада.
Луна подошла ближе.
Её датчики включились.
— Обнаружено неизвестное устройство.
Нейроныч поставил коробку на землю.
Из неё медленно выехал маленький круглый робот.
У него были колёса.
Две маленькие лампочки.
И очень серьёзный вид.
— Знакомьтесь, — сказал Нейроныч. — Это мой садовый робот.
— Что он умеет? — спросил Бублик.
— Поливать растения.
Следить за почвой.
Помогать цветам расти.
Луна внимательно осмотрела робота.
— Отлично.
Сейчас проведу первичное тестирование.
Робот включился.
Медленно поехал вперёд.
Очень медленно.
Настолько медленно, что Бублик успел:

• сбегать за мячиком.
• поиграть с мячиком.
• потерять мячик.
• найти мячик.
• и снова подойти к роботу.

Робот проехал примерно двадцать сантиметров.
Луна посмотрела на него.
Потом на Бублика.
Потом снова на робота.
— Обнаружена проблема.
Бублик наклонил голову.
— Какая?
— Он слишком медленный.
Робот в этот момент проехал ещё пять сантиметров.
— Подтверждаю, — сказала Луна.
— Насколько медленный?
Луна произвела расчёты.
— Если он продолжит движение с текущей скоростью, то достигнет конца сада через три часа и сорок две минуты.
Бублик задумался.
— А если я пойду пешком?
— Достигнешь конца сада примерно через десять секунд.
— А если побегу?
— Две секунды.
Бублик гордо поднял голову.
— Видишь? Я быстрее робота.
Луна кивнула.
— Значит, эффективность робота низкая.
Нейроныч улыбнулся.
— Может, не будем делать выводы так быстро?

Но Луна уже начала исследование.

Весь день она наблюдала за роботом.
Робот подъезжал к цветам.
Останавливался.
Проверял землю.
Поливал.
Ехал дальше.
Но иногда он просто стоял.
Луна записывала данные.
— Остановка номер двадцать семь.
Бублик подошёл.
— Он сломался?
— Нет.
— Тогда почему стоит?
Луна посмотрела на датчики.
— Неизвестно.
Робот стоял возле маленького ростка.
Очень маленького.
Бублик сел рядом.
— Может, он его рассматривает?
— Роботы не рассматривают.
— А что они делают?
— Выполняют задачи.
Бублик посмотрел на робота.
Потом на росток.
— А какая у него задача?
Луна ответила:
— Помогать саду.
Бублик улыбнулся.
— Ну вот.
Луна ничего не сказала.
Но записала это в память.

Продолжение завтра

Спокойной ночи

Внеплановое обновление iOS и macOS вышло не в составе крупного релиза, а раньше. Причина — ИИ-инструменты сокращают время между обнаружением уязвимости и её эксплуатацией до нескольких дней. Apple признала, что больше нельзя ждать планового цикла: окно для атак стало слишком узким.

Особое внимание — движку WebKit, через который злоумышленники могут получить доступ к системе или данным. Это превентивный шаг: реальных атак пока не зафиксировано, но после выхода патчей карта уязвимостей становится известна всем. Для инфраструктурных администраторов и разработчиков это сигнал — обновлять устройства сейчас, не откладывая. Это не просто очередной патч, а смена стратегии безопасности в эпоху ИИ.

Китайская Robbyant (дочка Ant Group) представила LingBot-VA 2.0 — модель для роботов, которая не просто выполняет команды, а заранее просчитывает, к чему приведёт каждое движение. В отличие от типичных VLA-решений, которые по сути являются доработанными генераторами видео, эта архитектура с нуля заточена под физический мир. Модель понимает причинно-следственные связи: если толкнуть стакан — он упадёт, если схватить деталь — изменится её положение. Она работает в реальном времени и легко адаптируется к новым задачам буквально с нескольких десятков примеров, без долгого дообучения.

Для разработчиков это маркер смены тренда: индустрия постепенно уходит от «умных» чат-ботов в сторону воплощённого ИИ (embodied AI). Открытая экосистема и гибкость модели позволяют интегрировать её в разные платформы — от промышленных манипуляторов до двуногих роботов. До идеала ещё далеко, но сам подход (прогнозирование, а не копирование) выглядит перспективным. Тех, кто работает с робототехникой или AI-архитектурами, стоит присмотреться.

177 тысяч вредоносных пакетов за год — это новая реальность для каждого, кто работает с открытым кодом. Но страшнее другое: злоумышленники научились подделывать цифровые подписи и публиковать трояны под видом официальных обновлений популярных проектов. Пострадали даже SDK от Mistral AI и OpenAI, а червь ворует токены доступа к облачным сервисам прямо из CI/CD-пайплайнов.

Самое опасное — активация происходит автоматически при установке, без запуска кода разработчиком. Хакеры охотятся за вашими учётными данными к AWS, GitHub и внутренним репозиториям. Это не просто «скачал плохую либу» — это атака на всю цепочку разработки. Проверяйте provenance-сертификаты, используйте Snyk или Socket.dev и никогда не доверяйте пакетам только из-за красивых звёзд на GitHub.