Проблема 70/30, или почему ИИ не улучшает продукт джуниор-разработчиков

Наткнулись на интересную статью инженера Google Эдди Османи, где он ищет ответ, почему нейросети не помогают всем программистам писать код одинаково хорошо. Все дело в разнице подходов сеньор и джуниор-специалистов к использованию ИИ. Эдди назвал такие команды «загрузчиками» и «итераторами».

🚀 Загрузчики используют эффектные инструменты для создания кода — например, среду разработки на базе ИИ Bolt, которая за пару минут из макета Фигмы выдает готовое приложение. Оно, правда, еще не работает, как надо, но нет предела совершенству.

💻 Итераторы не перекладывают на нейросети всю работу и не ждут MVP за пару минут. Они используют ИИ для автоматизации ежедневной рутины — создания тестов и документации, рефакторинга кода.

Вот в последнем пункте и кроется разница: сеньоры не просто принимают на веру код от ИИ, они его перерабатывают, разбивают на более мелкие модули и вообще критически оценивают предложения нейросетей, в особенности архитектуру кода. То есть сеньоры используют ИИ как помощника, который знает меньше них. Сеньоры уже набили руку за годы работы и используют опыт, которого у джуниоров просто нет. Поэтому вторые, по словам Энди, часто создают на ИИ карточный домик — красивый, но крайне неустойчивый в использовании продукт.

Вот так и возникает парадокс знания
Сеньоры используют ИИ для ускорения того, что они уже умеют делать. Джуниоры — чтобы научиться тому, что нужно делать. Но главное волшебство ИИ — делать 70% работы быстро — препятствует обучению джуниоров. Потому что без этих 70% остальные 30% оказываются порой нерешаемой проблемой — нельзя написать работающий код, не понимая его основополагающих принципов построения архитектуры и не развивая навыки рефакторинга.

Именно поэтому нейросети не демократизируют разработку, пока не изменятся подходы в образовании. Энди также отмечает тренд на ИИ-агентов — системы, которые будут автономно выполнять отдельные ИТ-задачи: писать документацию, проводить тесты и т.п.

➡️ Главный совет статьи для программистов и бизнеса: не стоит пренебрегать изучением базы — математики, алгоритмов, знать шаблоны и архитектуру.

Правительство утвердило Единый план по достижению наццелей развития РФ до 2030-го и на перспективу до 2036-го

К 2030 году страна должна достигнуть «цифровой зрелости» в государственном и муниципальном управлении и в ключевых отраслях экономики. Для сфер стройки и ЖКХ главным инструментом для этой цели названы информационные технологии.

Как и что будем делать
⚫️Намечено снизить стоимость жилья, сократить сроки его ввода и увеличить объем за счет повышения квалификации и производительности кадров, роботизации, цифровизации и внедрения искусственного интеллекта.

⚫️Также повысить эффективность стройки предлагается за счет сокращения количества проверок, согласований и документов, подаваемых в госорганы.

⚫️Отрасль полностью перейдет на ТИМ с помощью единой информационной системы жилищного строительства.

⚫️Для ИЖС будут развивать суперсервис «Цифровое строительство» от ДОМ.PФ, который должен повысить интерес людей к частным домам. На сервисе уже собрано более 840 проектов с детальными сведениями по технико-экономическим показателям, конструктивным и планировочным решениями, рендерами и фото, а также планом и экспликациями помещений по каждому этажу. Сервис должен стать витриной, где покупатели будут находить подрядчиков.

⚫️Инструментами цифровой трансформации экономики названы облачные технологии и цифровые платформы, отечественное ПО и «железо», автоматизация бизнес-процессов, обучение сотрудников использовать технологии, поддержание кибербезопасности.

⚫️Намечены показатели роста производительности в отрасли:
2024 — 103,3%, 2025 — 106,2%, 2026 — 109,4%, 2027 — 112,8%, 2028 — 116,3%, 2029 — 119,6%, 2030 — 122,8%.

Полный План прикрепили выше ⬆️⬆️

Байден перед уходом хочет ввести ограничения на эспорт ИИ-чипов Nvidia и других производителей

Уровни ограничений просты:
🔵Страны-союзники США получат неограниченный доступ к технологиям.
🟠Страны из второй группы — не более 50 тысяч чипов в год.
🔴Россия, Китай и еще около двадцати стран не смогут покупать чипы.

Хорошо, что у нас курс на импортозамещение и технологический суверенитет, а также есть дружественные поставщики.

⚡️По данным Всеостройке.рф, ГК ТОЧНО, «Железно» и «Донстрой» стали самыми надежными застройщиками России по итогам 2024 года

1️⃣ГК ТОЧНО — надежность девелопера на 10.01.2025 составила 4,79 балла.
В прошлом году компания стала триумфатором всероссийской премии «ТОП ЖК-2024», взяв сразу пять наград конкурса новостроек. Также застройщик впервые вошёл в ТОП-3 ведущих девелоперов страны по объему текущего строительства.

2️⃣«Железно» — 4,7 балла
До этого компания также получала награду «Надежный застройщик России» в рамках IX Всероссийского саммита застройщиков и производителей строительных материалов, организованного Фондом развития механизмов гражданского контроля.

3️⃣«Донстрой» — 4,67 балла
Проекты компании не раз были отмечены множеством премий. Например, «Остров» и «Символ» победили в трех номинациях на Urban 2024. Также ЖК девелопера часто попадают на первые места подборок нашего портала.

4️⃣«Страна Девелопмент» — 4,64
При создании своих проектов придерживается концепции 15-минутного города, когда все важные объекты для комфортной жизни находятся в шаговой доступности. На сегодняшний день у компании одиннадцать офисов в Тюмени, Москве, Санкт-Петербурге и Екатеринбурге, а в 2024-м застройщик получил право на застройку «Сити-2» в Пресненском районе столицы.

5️⃣«Группа Голос» — 4,61 балла
Это крупный девелопер Южного Урала, в портфеле которого более 1 млн «квадратов» различной недвижимости. У компании есть проектный институт, собственный парк техники, подрядные организации, управляющая компания и производство, которое обеспечивает потребности застройщика.

📍Также в десятку самых надежных застройщиков России 2024 года вошли: «Эталон» (4,57 балла), Setl Group (4,54), DOGMA (4,52), «Девелопмент-Юг» (4,4) и ПИК (4,39). Подробнее про девелоперов — в статье.

Справочно:
Информация о надёжности девелоперов собирается как средняя оценка жителей проектов застройщика, оставленная в отзывах на платформах Яндекс, 2GIS и портале Всеостройке.рф. Рейтинг обновляется в моменте с каждой поставленной оценкой.

Подборка движков для обучения роботов, беспилотников и стройтехники по методу Sim2Real

Sim2Real — это метод обучения в виртуальной среде от моделирования к реальности. Например, если нужно обучить беспилотный грузовик ездить по пересеченной местности, то в симуляции его тестируют на огромном датасете всех возможных преград и только потом выпускают на дороги. В каждой симуляции свои физические параметры — перепады высоты, вид покрытия, трение, погода и т.д.

В основе сред обучения физика реального мира — если посадить там Ньютона под яблоню, то яблоко упадет ему на макушку, и он снова откроет закон всемирного тяготения — поэтому такие движки называются физическими. Движки разрабатывают производители машин и ИИ и вполне себе логично — производители игр. Потому что они уже натренированы, и есть инфраструктура. Игровые движки, как правило, отличаются очень реалистичной картинкой. Картинка неигровых порой выглядит как первый Симс, но зато там прокачена физика.

Из движков выделяют:
⚫️Игровой от Unity, интегрированный с инструментом для прототипирования роботов ROS (Robotic Operation System).

⚫️Игровой от Unreal Engine с реалистичной картинкой — его используют для обучения беспилотных машин.

⚫️PyBullet — open-source со слабой картинкой, но хорошо проработанной физикой мира.

⚫️Mujoco — проект с открытым кодом, настолько хороший, что его купил Google для своего DeepMind, а также используют OpenAI, Nvidia, Boston Dynamics, Dyson.

⚫️NVIDIA Flex, где можно тестировать деформирующиеся объекты и жидкости.

⚫️Симуляторы CarCraft, Simulation City и Waymax от Waymo. По ним машины концерна проехали 5 млрд миль — так обкатываются все релизы перед выпуском в свет.

⚫️Infinity Simulator и Ghost Gym от Wavve. Первый сразу создали на игровом движке, для второго собирали реальный датасет — фото, видео реальных улиц, размечали, создали цифровой двойник.

Как происходит обучение
Создают нейросеть под определенную задачу. Например, как controller на видео. Потом ее обучили в симуляторе Isaac по методу подкрепления и выпустили робота в свет — ходить по улицам, как вот этот из видео.

65% респондентов из бизнеса считают, что ИИ не несет опасности для их работы — Вышка

Главные выводы из исследования ВШЭ:

⚫️Все целевые аудитории солидарны — ИИ несет больше возможностей, чем угроз: госслужащие (70%), бизнес (69%), ученые со специализацией в области ИИ (62%) и разработчики ИИ (57%). Респонденты также уверены, что угроза полного замещения профессий ИИ несущественна.

⚫️Главными же угрозами в ближайшие 5 лет считают рост киберпреступности с применением технологий ИИ, социально-экономическое расслоение общества.

⚫️Новая угроза ближайших 5-10 лет — «ИИ-крепостничество». В связке «ИИ-человек» ведущий — ИИ, ведомый — человек. ИИ планирует, назначает задачи и отслеживает их выполнение человеком. Но рано или поздно мы к этому привыкнем.

А дальше нас поработит скайнет😁

Полное исследование прикрепили выше👆

«Миссией генеративного ИИ будет не восхищать, пугать или давать надежду, а зарабатывать»

Евгений Черешнев, вице-президент по стратегии и инновациям МТС, в колонке на Форбс рассказал о трендах развития мирового и отечественного ИИ в 2025 году.

🔺 Эффективный ИИ. Все успокоятся по хайпу, будут смотреть на результаты и более осмотрительно вкладываться, внимательно оценивая потенциальную эффективность инноваций. Это касается и венчурных инвесторов, и руководителей бизнеса, и самих разработчиков.

🔺 Энергичный ИИ. Из-за того, что ИИ увеличивает нагрузку на вычислительную инфраструктуру, компании начнут искать возможности подготовиться к дефициту ЦОДов. Первый вариант — развивать собственную инфраструктуру, строить ЦОДы и прочее — это доступно только крупным игрокам. Например, для Гугла строят несколько ядерных реакторов. Второй вариант — использовать платформу распределенных вычислений.

🔺 Узконаправленный ИИ. Чтобы ИИ-продукты начали работать, их начнут делать более узкоспециализированными, для решения конкретной задачи. Например, ИИ-ассистенты врачей, обученные на профильной информации. Также повысится запрос на ИИ-агентов.

🔺 Распределенный ИИ. Одно из решений от пауз в работе для интернета вещей с большим количеством подключенных к одной сети устройств — развернуть малые и средние ИИ-модели непосредственно на устройствах. Сейчас говорят о телефонах с ИИ на борту: моделька там совсем крошечная, но для телефона ее достаточно. Также этот рынок в 2025-м будет развиваться из-за роста рынка человекоподобных роботов, которым «в голове» такие распределенные модели пригодятся.

SberDevices представила умную систему защиты от протечек

Новый продукт для умного дома Сбер разработал вместе с компанией Gidrolock.

Работает всё стандартно

💙Если на датчики на мокрых зонах попадает вода, сигнал отправляется на блок управления, который перекрывает с помощью электропривода краны на стояках ГВС/ХВС.

💙Владельцу придет смс о протечке. Управлять системой можно через приложение или умную колонку Салют голосом.

💙Система подходит для труб двух типов: 1/2 и 3/4 дюйма. К одной системе можно подключить до 20 шаровых кранов с электроприводом, до 200 проводных датчиков и до 21 радиодатчика.