zwuck

Продолжаем погружение в бездну высоких (или глубоких) технологий и новостей о них.

«Сбер» планирует сократить до 20% сотрудников, признанных неэффективными искусственным интеллектом.

Ссыль. «Сбер» собирается уволить до 20% сотрудников, работа которых была признана неэффективной в результате оценки искусственным интеллектом, сообщает «Коммерсантъ».

О сокращении сотрудников объявил глава банка Герман Греф на конференции по искусственному интеллекту AI Journey-2025. По словам Грефа, «Сбер» закрывает неэффективные проекты и неэффективные места. В результате организация получает освобождение ресурсов, заявил глава банка.

Греф пояснил, что оценка эффективности проводится с помощью мультиагентной системы. Сокращения планируется завершить к 1 января.

Мюсли. Сбер, как ни странно, в отношении языковых моделей мне напоминает гугл. Что у одного, что у другого это не основной вид деятельности и каждая, достаточно неплохо, внедряет эти языковые модели в свои продукты.

«Архив Интернета» уже более суток не работает без объяснения причин.

Ссылка (на 24.11.2025 заглушка открывается). При попытке зайти на web.archive.org или основной сайт archive.org можно увидеть сообщение: «Сервисы “Архива Интернета” временно недоступны. Пожалуйста, проверьте наши официальные аккаунты, включая Twitter/X, Bluesky или Mastodon, для получения актуальной информации. Приносим извинения за доставленные неудобства».

В соцсети X размещено такое сообщение: «Wayback Machine, http://openlibrary.org и некоторые другие функции http://archive.org недоступны из-за сбоя сетевого оборудования. Приносим извинения и работаем над этим. Информация будет обновляться».

Сбой произошел всего через несколько дней после масштабного шатдауна 18 ноября 2025 года, связанного с отключением сервисов Cloudflare. Подключение ко многим сайтам было восстановлено в течение нескольких часов, но «Архив Интернета» пока открыть не удаётся либо по этой причине, либо из-за других проблем.

Мюсли. С учетом последнего абзаца в голову приходят такие мысли.

Квантовые компьютеры только что смоделировали физические процессы, слишком сложные для суперкомпьютеров.

Ссылка. Квантовые вычисления предлагают многообещающую альтернативу, поскольку в принципе могут представлять и моделировать эти системы гораздо более эффективно. Однако основной проблемой является поиск надёжных методов для установления начального квантового состояния, необходимого для моделирования. В двух новых работах исследователи достигли первого результата: они создали масштабируемые квантовые схемы, способные подготовить начальное состояние столкновения частиц, аналогичное тому, которое создаётся в ускорителях частиц. Их тест сосредоточен на сильных взаимодействиях, описанных Стандартной моделью.

Мюсли. Ничего не понятно, но очень интересно. А по факту, это вроде как получился совсем даже не компьютер, а физическая модель. Поэтому не удивительно, что эта модель как-то себя ведет, что ученые интерпретировали как моделирование.

Yandex B2B Tech представил «Нейроюриста» — ИИ-помощника для юристов.

Ссылка. Yandex B2B Tech запустил «Нейроюриста» — нейросетевого чат-бота, который помогает юристам решать рутинные задачи и экономить время. Сервисом уже пользуется 75% сотрудников юридического департамента «Яндекса». Тесты компании показали, что ИИ-помощник ускоряет работу с договорами в 1,5 раза, а поиск и анализ информации — в 3 раза.

Мюсли. Вот это круто, у меня были уже мысли, что из языковых моделей будут делать узкоспециализированные системы. Сначала начали с программирования (всякие coding версии LLM-ок), теперь вот нейроюрист. Круто.

На этом вроде все, бобраны, на следующей неделе ждите порцию новых новостей, интересных и как получится. Чао!!!!

Еще во время разработки конкурента авито (три раза ХА!!!), появилась мысль о возможности разработки системы извлечения ключевых слов (ключевого смысла) для решения задачи категоризации, каталогизации, установки тегов и т.д. Так как разработка не дошла даже до этапа релиза (не удивительно), об идее такого продукта пришлось забыть. Через некоторое время мне попалась статья на хабре, где в достаточно понятной форме было написано о том, как задача извлечения ключевых слов, с использованием языковой модели ruT5 может быть решена. Прочитав статью, я вспомнил о своей затее и осознал всю глубину глубин предстоящей задачи.

Было принято решение вооружиться этой информацией и изобретать свой собственный велосипед, дабы разобраться и контролировать процесс/продукт.

Я давно уже разбираюсь в этих ваших искусственных нейронных сетях и понимал, что для достижения хорошего результата обучающих данных, которые были представлены в статье (около 7000 экземпляров), будет недостаточно. Поэтому первым делом перед мною встала задача по увеличению датасета в несколько раз. Первоначально я думал, что порядка 15-20 тысяч примеров будет более чем достаточно, как же я ошибался.

По итогу мне удалось собрать порядка 39000 примеров, что в два раза превышает ранее определенное количество примеров. Добавлю, что такой объем датасет имеет после фильтрации, когда я убираю все лишнее. До фильтрации датасет содержит порядка 60000 примеров. Да, пришлось пожертвовать количеством примеров, ради итогового качества модели.

Может возникнуть вопрос, зачем городить свой велосипед если текущие языковые модели прекрасно справляются с этой задачей? Конечно, скажу я вам, но (!!!), подразумевается, что объём обрабатываем данных будет огромным. Если использовать версию языковых моделей в виде чата, то данная задача не автоматизируется (плохо) и не масштабируется (очень плохо). А за доступ по апи надо платить, не миллионы конечно, но в случае миллионов, а то и миллиардов входных токенов (даже без учета выходных токенов) сумма может набраться существенная. Тогда используй локальные модели, о которых ты писал тутачки.  Да, это вариант, но (!!!), чтобы модель давала приемлемый результат (запускалась и давала хорошую скорость токенов в секунду), количество параметров в ней должно быть несколько миллиардов, а для запуска такой модели вам понадобиться соответствующее железо (которое тоже не бесплатно), а в случае обработки большого количества данных и множественных запросов, задача может оказаться не масштабируемой. Давайте не буду мудрить и просто скажу, что ruT5-base (которую я использовал для дообучения) обладает 240 миллионами параметров. Не миллиардов, миллионов. Если взять языковую модель даже в миллиард параметров, то ruT5-base требует в 4 (!!!!!!!!!!!!!!) раза меньше ресурсов. Что положительным образом сказывается на конечной стоимости генерации токенов. Все просто, экономика рулит.

Поэтому конкурентами для модели ruT5-base-keywords (назовем дообученную модель так) являются не большие (средние и малые) языковые модели, а классические инструменты извлечения ключевых слов, такие как YAKE и keyBert. Перейдем к практическим результатам.

Исходный текст: Питомец в доме — это счастье и... много забот. Шерсть на мебели, крошки от корма, постоянная стирка подстилок — все это требует времени и сил. Рассказываем о технике, с которой уход за любимцами перестанет быть утомительным.

Ключевые слова от:

keyBert – питомец доме, много забот, доме это, сил рассказываем, доме, на мебели, быть утомительным, времени сил, корма постоянная, за любимцами;

YAKE – Питомец, доме, счастье, забот, постоянная стирка, стирка подстилок, Шерсть, мебели, крошки, корма;

ruT5-base-keywords – домашний питомец, уход за домашними животными.

Исходный текст: Раскрываются проблемы оценки эффективности деятельности таможенных органов Российской Федерации на современном этапе. Обосновывается тезис о том, что повышение эффективности государственного управления требует смещения приоритетов системы оценки деятельности таможенных органов в сторону определения эффективности создания институциональных условий для осуществления, повышения прозрачности и открытости системы оценки для участников.

Ключевые слова от:

keyBert – эффективности государственного, таможенных органов, деятельности таможенных, оценки эффективности, определения эффективности, приоритетов системы, государственного управления, институциональных условий, управления требует, российской федерации

YAKE – Российской Федерации, Обосновывается тезис, деятельности таможенных, таможенных органов, органов Российской, Раскрываются проблемы, современном этапе, повышения прозрачности, системы оценки, государственного управления;

ruT5-base-keywords – таможенные органы, система оценки эффективности, институциональные условия, институциональная открытость.

Исходный текст: Активная хозяйственная деятельность человека приводит к изменению состава и структуры видов, входящих в естественные и искусственные биоценозы...

Ключевые слова от:

keyBert – биоценозы, искусственные биоценозы, естественные искусственные, входящих естественные, структуры видов, деятельность человека, естественные, активная хозяйственная, хозяйственная деятельность, видов входящих;

YAKE – Активная хозяйственная, структуры видов, искусственные биоценозы, хозяйственная деятельность, деятельность человека, человека приводит, изменению состава, Активная, видов, входящих;

ruT5-base-keywords – биоценозы, природные биоценозы, естественные биоценозы, искусственные биоценозы.

Вроде, вы вполне можете уловить разницу, ruT5-base-keywords выявляет ключевые слова/смысл сильно лучше двух других методов и совершенно без шума. На этом для вводной первой части все. В следующей части расскажу об обучении и других особенностях модели ruT5-base-keywords.

Продолжаем немного гуидерастить в мире высоких и не только технологий. Как и всегда, новости за прошедшую (и не только) неделю. Правда, немного с опозданием.

Стартап Беффа Джезоса показал чип, который обещает удешевить ИИ в тысячи раз.

Ссылка. Стартап Extropic представил первую рабочую плату с собственным "термодинамическим" чипом, который должен ускорять и удешевлять вероятностные вычисления — класс задач, на котором сейчас тратится большой объем энергии при запуске генеративных моделей, симуляций и погодных расчетов.

Мюсли. Использование графических ускорителей (как от нвидии, амд, хуавей) приводит к феноменальным возможностям, как по обучению искусственных нейронных сетей, так и их работе. К сожалению, архитектура графических ускорителей совершенно не оптимизирована под решение таких задач и построенные, или планируемые, датасеты потребляют гигаватты мощности, а в некоторых случаях десятки гигаватт. Как итог, ищутся альтернативные архитектурные решения (фотоника/оптика, нейроморфные процессоры и т.д.), данная новость как раз об этом, когда универсальные решения пытаются заменить специализированными решениями.

Настольный дата-центр: как NVIDIA упаковала целый ИИ-кластер в корпус 15×15 см.

Ссыль. Совсем недавно NVIDIA представила DGX Spark — компактный AI-компьютер формата 150×150×50 мм. Внутри установлен Grace Blackwell Superchip GB10, объединяющий 20-ядерный ARM-процессор и GPU Blackwell, 128 ГБ единой LPDDR5X-памяти и накопитель до 64 ТБ. По уровню вычислительной мощности устройство сопоставимо с RTX 6000 Ada, но не требует серверной стойки, отдельного охлаждения и сложного подключения.

Мюсли. Анонсировали давно, а вот выпустили недавно. На реддите вроде как пишут, что работоспособность отличается от заявленных, увы, в худшую сторону. Плюс к этому решения от AMD, в виде рязани 300 серии, показывает очень хороший результат при запуске локальных языковых моделей. Поэтому данный продукт уже не выглядит как прорывное и уникальное решение, но, тем не менее, радует, что можно взять готовое решение и совершенно не заморачитваться над сборкой сервера под задачи запуска языковых моделей.

Вышел Cursor 2.0 и Composer – новая агентная модель, которая в 4 раза быстрее GPT-5.

Ссылочка. Команда Cursor представила обновление 2.0 – основной акцент в свежем обновлении на multi-agent интерфейс, в котором несколько моделей пишут код вместе. Кроме того, ребята зарелизили Composer – новую agentic-LLM, которая работает в 4 раза быстрее аналогов.

Мюсли. В общем и целом, так как у меня нет возможности (и желания) устанавливать курсор и поработать с ним, пришлось смотреть видосики о том, что из себя вторая версия данного ПО представляет. На самом деле, выглядит круто. Насколько понял, встроили свой браузер, чтобы сразу в реальном времени отображать изменения и, более того, задавать какие-либо вопросы по отдельным элементам, что сильно помогает языковой модели понять, что от нее хотят.

Сбой Microsoft Azure.

Тыц. 29 октября 2025 года в 16:00 UTC в платформе Microsoft Azure произошел глобальный сбой, который повлек за собой недоступность сервиса в течение 3-4 часов. Инцидент повлиял на Azure Portal, Microsoft 365, Xbox Live и многие другие приложения. Это второй крупный сбой Azure Front Door в октябре 2025 года.

Мюсли. Максимально неприятная новость. Буквально недавно сервера амазона отлетали, сейчас вот майкрософт. Сразу появляются мысли о собственном сервере в кладовке. И это не шутка, есть вполне себе аргументированные расчеты, когда собственный сервер оказывается экономически целесообразнее.

Дуров анонсировал децентрализованную сеть для работы AI.

Чпоньк. Основатель Telegram Павел Дуров анонсировал новый проект Cocoon (Confidential Compute Open Network) — децентрализованную платформу для работы с искусственным интеллектом, объединяющую технологии AI и блокчейн-сети TON. По словам Дурова, сеть позволит разработчикам запускать свои модели без передачи данных в централизованные хранилища, что повышает конфиденциальность и снижает расходы на вычислительные мощности.

Мюсли. А вот это необычная новость, ничего не понятно, но очень интересно.

YouTube представил функцию Super Resolution, которая увеличивает разрешение старых видео с помощью ИИ.

Бадум-с. Видеохостинг YouTube представил функцию Super Resolution, которая использует искусственный интеллект для увеличения разрешения старых видео. Если ролик имеет разрешение ниже 1080p, то платформа автоматически создаст версии этого видео в более высоком качестве.

Мюсли. Круто, это же реально круто.

Не одними языковыми моделями богаты искусственные нейронные сети, есть куча других технологий и архитектур, которые умные дядьки применяют для решения различных задач.

Ссылка на мой telegram канал t.me/socionyxchannel, you are welcome too, где я пишу про будни разработчика.