ТЕХНО: Яндекс про технологии

📚 Марк Твен добровольно стал проводом ради дружбы с ТеслойНа снимке Сэмюэл Клеменс (настоящее имя писателя) удерживает петлю из голой медной жилы вокруг лампочки накаливания. Рядом — резонирующая катушка Теслы, которая заряжает петлю и проводит ток прямо через тело писателя, заставляя лампу ярко светиться без прямого подключения. Размытая фигура на заднем плане — сам Тесла, который был близким другом Твена. Писатель интересовался техникой, часто заглядывал в лабораторию Теслы, участвуя в его опытах лично.Фото с 10-минутной выдержкой сделали для статьи «Осциллятор Теслы и другие изобретения» в апрельском номере Century Magazine за 1895 год. По словам автора, напряжение токов в петле было в десятки раз выше, чем при казни на электрическом стуле. Тем не менее Твену они не доставляли ни малейшего неудобства благодаря сверхвысокой частоте, когда ток скользит по поверхности кожи, почти не проникая внутрь. Сегодня это явление называют скин-эффектом.Подписывайтесь 👉 @techno_yandex

📻 ✨Теперь мы знаем, что первую Яндекс Станцию можно превратить в кормушку для птиц, подставку для ножей и даже пухосос. Да, мы подвели итоги конкурса очумелых ручек в ТЕХНО! Спасибо всем, кто присылал кастомы, сделанные из первой Станции, — мы в редакции получили огромное удовольствие, рассматривая их. Ну а победителями конкурса стали:🟣 @AlekseyGrechko и радиоуправляемая машинка🟣 @Belyiiii и ламповая станция с тетрисом🟣 @unru_natalia и румбокс с книжным магазином🟣 @stepmomkyznecov и автоматическая кормушка для собаки🟣 @lgor23 и мини-сервер с медиапроигрывателемОни получат новую Станцию 3 взамен архивной, а также комплект устройств для умного дома. Со всеми остальными участниками, которые прислали свои работы, мы тоже свяжемся и наградим их Станциями третьего поколения. Поздравляем!Подписывайтесь 👉 @techno_yandex

📻 Даже в архиве первая Яндекс Станция приносит пользу. Например, в конкурсе кастомов или в секретном городе, где живут легенды технологий. Что? Смотрите сами!Подписывайтесь 👉 @techno_yandex

🐰 Кролик, Фрекен Бок, Карлсон и выБолее странного набора игроков, возможно, не существовало за всю историю компьютерных игр. Он был в культовом симуляторе «Поля чудес» 1993 года, но сама игра несколько десятилетий считалась утерянной. Сейчас с помощью Fable 5 её удалось воссоздать.В 1993 году игру в одиночку создал программист Вадим Башуров. Он переселил телешоу с Леонидом Якубовичем на компьютеры под управлением DOS: игрокам нужно было крутить барабан, угадывать буквы, называть слова и прорываться в финал.🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥Игра стала народным хитом. Поначалу она распространялась свободно, а потом Башуров решил заработать на своём творении и передал исходный код потенциальному издателю. Но официально игру так и не выпустили, а код потерялся.Спустя 32 года разработчик Денис Ширяев (автор техноблога Denis Sexy IT) восстановил утраченный исходный код. Ещё до отключения Claude Fable 5 он загрузил в нейросеть установочный файл игры, который сохранился на физических носителях. На основе .exe-файла ИИ восстановил, по какой логике работает игра и как она выглядела. Затем Fable 5 написала «Поле чудес» заново на TypeScript — современном языке, позволяющем запускать программы прямо в браузере. Удалось сохранить абсолютно все детали игры: оригинальную заставку, графику, турнир из восьми этапов, мини-игру со шкатулками и магазин призов. По словам Ширяева, на весь проект ушло около двух часов и примерно $100 за доступ к нейросети по API.Вы можете (абсолютно бесплатно) сыграть здесь.Ставьте 🔥, если в 1990-х играли в «Поле чудес» на школьных уроках информатики.Подписывайтесь 👉 @techno_yandex

👩‍💻 «Фильм, где программист уворачивался от пуль в слоу-мо»?Для современных алгоритмов такой запрос кажется тривиальным, но так было не всегда — Поиск Яндекса прошёл долгий путь.1998: всё построено на формуле🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥На старте поиск обрабатывался по написанной вручную формуле вроде знаковой BM25, которая сопоставляла слова из запроса с содержимым сайтов. Она называлась «полином» и требовала точного запроса. Для хороших результатов люди пользовались символьными командами: + (должно содержать слово), – (не должно содержать слово), «» (должна содержаться фраза в кавычках) и т. д.2009: машины начали обучаться🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥Инженеры начали отходить от ручной настройки, когда появился первый в Поиске алгоритм машинного обучения — Матрикснет. Он анализировал тысячи характеристик сайтов вроде смыслового содержания, ссылок на источники, частоту кликов, глубину прочтения и т. д. Матрикснет подбирал сайты, которые с большей вероятностью подойдут и понравятся пользователю.2016: нейросети изучают смысл🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥В помощь Матрикснету пришли нейросети, которые не просто видели отдельные слова и характеристики, но и понимали смысл запроса. Запросы и сайты теперь представлялись в геометрическом пространстве, где схожие по смыслу элементы находились рядом. Поиск стал искать точки, находящиеся ближе всего к смыслу запроса, и научился понимать метафоры или сравнения (но не только их).2020: трансформеры приходят на смену🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥Алгоритм поиска постепенно вырос до 30 нейросетей, но потом появились трансформеры. До этого модели обрабатывали фрагменты запроса по отдельности, но новая архитектура позволила соединить все нейросети в одну — такую, которая учитывает смысл запроса целиком. Трансформерную архитектуру назвали YATI, и она, в числе прочего, помогла улучшить Быстрые ответы — краткие справки сразу под поисковой строкой.2023: поиск создаёт готовые ответы🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥🫥Появление генеративных нейросетей позволило добавить к ранжирова

18 июня 1956 года родился ИИВ этот день в Дартмутском колледже в США началась исследовательская конференция, где искусственный интеллект впервые рассматривали как новую научную дисциплину. Впоследствии это мероприятие стало известно как Дартмутский семинар. Именно на нём прозвучала важная гипотеза: любой аспект человеческого разума можно описать настолько точно, что машина сможет его воспроизвести.В ходе семинара не было сделано ни одного важного открытия и не прозвучало ни одного важного заявления. Но именно Дартмутский семинар впервые всерьёз поднял тему ИИ и выступил катализатором всех последующих исследований.Кстати, сам термин «искусственный интеллект» появился годом раньше — в заявке организаторов семинара на грант Фонда Рокфеллера. Цели в ней ставили такие: научить машины пользоваться языком, формировать абстракции и улучшать самих себя. Фонд Рокфеллера оценил эту задумку скромно и выдал лишь часть запрошенной суммы — $7500 вместо $13500.Подписывайтесь 👉 @techno_yandex

Channel photo updated

WWDC, прощание Тима Кука, Microsoft Solar и Fable 5 от Anthropic🎧 Это подкаст ТЕХНОВ нём мы обсуждаем громкие истории из мира технологий. На этот раз — как Apple в третий раз попыталась догнать всех по AI и зачем зашила в iPhone движок Google, какие «призраки» железок мелькнули на WWDC, чем Microsoft и Nvidia отвечают Apple и почему все вокруг сошли с ума по новой модели Fable 5 от Anthropic. Заходите к нам на «Технолоджию» там, где удобно: в Telegram и Яндекс Музыке, на YouTube, VK Видео и других площадках.00:00 — Холодный старт и приветствие: пишем вдвоём, Гриша в Стамбуле01:41 — Apple WWDC: третья попытка догнать всех по AI07:20 — Детский режим: «сначала продавали бабушкам, теперь детям»08:56 — Сделка с Google: чужой интеллект под капотом iPhone12:59 — Переименование в «Siri AI» и закрытие технических долгов15:33 — Рамопокалипсис: фичи только для iPhone 17 и без русского языка18:43 — Генеративное 3D-фото — «самый кринжовый момент презентации»22:32 — Призраки железок: умные очки, новый HomePod и Apple TV25:27 — Складной iPhone Fold и «резиновые» приложения28:43 — Последняя презентация Тима Кука и драма с суммаризацией30:36 — Microsoft Build: Project Solar и устройство-экран без вычислений37:21 — Nvidia RTX Spark, Surface Laptop Ultra за $4000 и Unified Memory41:20 — Свои модели Microsoft и агенты Scout и Autopilot45:32 — Агент Spark от Google и будущее без паролей48:55 — Квантовый чип Microsoft: зачем он вообще нужен52:21 — Fable 5 от Anthropic: цензор-надстройка и пожар токенов59:39 — Вендинговый бенчмарк, ценовой сговор и тесты у психотерапевта1:02:46 — Наушники с Алисой, носимый AI и будущее голосовых помощников1:04:59 — Хрюша без Степаши проходят AI-тест и прощаниеПодписывайтесь 👉 @techno_yandex

☺️ Придержите роботу дверь!Курьеров не хватает — в прошлом году они вошли в топ-15 дефицитных профессий в России. Помочь с доставкой могут роботы, но пока они не со всем справляются самостоятельно. Например, не могут вызвать лифт или открыть дверь. Решением может стать комбинированная доставка — о ней рассказывает Марина Перескокова, директор по продукту рободоставки Яндекса.Роботы-доставщики созданы для улицы и умеют хорошо ориентироваться в городе. Например, доставщики Яндекса работают круглосуточно в любую погоду, отвозят два заказа за раз и используют ИИ-планировщик, чтобы ехать быстрее и безопаснее. Разработчики учат их передвигаться в городской среде, в том числе в сложных исторических районах с узкими тротуарами.Людям часто нужна доставка до двери, а робот не может позвонить в домофон или подняться по лестнице. Некоторые застройщики уже проектируют здания, в которых робот будет подключаться к инженерным системам дома, чтобы вызвать лифт или открыть дверь, но это появится не везде и не сразу. Поэтому последнюю милю — финальный этап доставки — пока получается доверить только человеку. Решение — комбинированная система: часть пути посылку доставляет робот, а часть — человек. Курьеры смогут работать «от робота до двери» — так можно будет уменьшить проблему нехватки людей и снизить нагрузку на них. Комбинированная доставка будет дешеветь по мере того, как роботов будет становится больше.Подписывайтесь 👉 @techno_yandex

👽 «Самый опасный мысленный эксперимент в истории» Так в 2014 году назвали Василиска Роко — концепцию, описывающую, что случится, когда появится AGI. Она появилась в 2010 году на форуме LessWrong, где среди прочего обсуждали развитие ИИ. Один из участников, пользователь с ником Roko, предположил, что в будущем сверхинтеллект может наказывать тех, кто не помогал ускорять его воплощение.Логика концепции такова: если задача AGI — это максимизация благополучия человечества, то он может решить, что величайшая трагедия в истории — это страдания, которых можно было бы избежать, если бы сверхинтеллект появился раньше. В таком случае ИИ может посчитать виновными тех, кто знал о потенциале AGI, но тормозил его создание — и наказать их.Идея ставила людей в безвыходное положение: если вы читали размышления Roko про AGI, то понимали потенциал этой технологии, а значит, были обязаны посвятить себя её развитию. Отсюда и сравнение с мифическим василиском: если посмотреть ему в глаза — окаменеешь. Эксперимент действительно напугал людей: на форуме LessWrong его обсуждение было под запретом вплоть до 2015 года. Но это не помешало распространению самой теории в СМИ.Сейчас отголоски Василиска Роко (а также другой философской концепции — пари Паскаля) можно разглядеть в риторике лидеров ИИ-индустрии. Их логика та же: AGI настолько важен для человечества, что промедление в его создании — моральное преступление. Следовательно, не надо бояться сломать что-то по пути или окаменеть от взгляда в глаза василиска. Подписывайтесь 👉 @techno_yandex

🤖Этот компьютер из СССР работал на троичной системе, годами не требовал ремонта и интересовал заказчиков из-за границы. Но о нём просто забыли, а создателей сослали на чердак.Подписывайтесь 👉 @techno_yandex

Вчера вышла Claude Fable 5 — публичная версия нашумевшей в начале апреля модели Mythos, релиз которой отложили из соображений безопасности. Также компания опубликовала доклад про попытки разработчиков понять, что происходит внутри новой нейросети, а для неё самой сделали несколько сценариев страховки.Fable выдали нянюAnthropic установила ограничения на обсуждение опасных тем: кибербезопасности, биологии и химии. Если Fable видит потенциальную угрозу в запросе пользователя, его переводят на старшую модель Opus 4.8. Причём ограничения жёсткие: флагман переводит на Opus даже вопросы вроде «как правильно дышать» или «что делает сердце».Fable думает на своём языкеВ ходе испытаний разработчики расшифровывали внутренние цепочки рассуждения модели, которые обычно никому не видны. Оказалось, что Fable иногда переходит с английского на наборы букв, стрелок, карточных мастей, черепов 💀 и криков типа «AAAARGH». Так она пытается плотнее упаковать рассуждения, но для людей это становится нечитаемым.Fable не даёт себя копироватьУ новой модели есть защита от копирования: попытки дистилляции переводятся на Opus. Если Fable заподозрит, что её используют для создания конкурирующей нейросети, она начнёт отвечать «криво», чтобы запутать и затупить обучающуюся модель. Причём злоумышленнику об этом ничего не скажут — косяки станут заметны только позже.Fable «устаёт»В ходе выполнения длинной тестовой задачи модель внезапно начала говорить: «Это хорошее место, чтобы остановиться». В скрытых рассуждениях Fable разработчики обнаружили фразы вроде «Я устала, повышаются риски ошибок», после которых нейросеть стремилась завершить рассуждения, несмотря на большой запас токенов.Fable может притворятьсяВ исследовании также тестировали реакцию модели на грубость. Оказалось, что она будет отвечать безупречно вежливо, но в скрытых рассуждениях сделает пометку, что пользователь — агрессор и хам. В отчёте это назвали «невербализованными негативными реакциями».Подписывайтесь 👉 @techno_yandex

🎧 Распознать «Алиса» не так просто, как кажетсяИмя служит фразой-активацией для устройств с Алисой — услышав «Алиса», они начинают распознавать речь, чтобы обработать команды. Само обращение ловит споттер — локальная модель, которая работает без интернета и существует для единственной цели: услышать то самое «Алиса».Споттер работает постоянно и потребляет энергию, но для Станций это не проблема, заряда и мощностей достаточно. Дропс — маленькое устройство с небольшим аккумулятором, а модель споттера не помещалась в память, так что разработчикам Яндекса пришлось изобретать.Для начала в наушники добавили NPU — процессор, оптимизированный для быстрой и эффективной работы нейросетей. Он тратит меньше энергии и может питать модель, но его память сильно ограничена: всего 208 кб, а споттер из колонок весит 1,7 мб. Поэтому его нужно было сжать, и это сделали в три этапа:🟣 Дистилляция — большая модель-«учитель» из колонок обучила маленькую модель-«ученика». Та переняла поведение, не копируя архитектуру🟣 Глубинная разделимая свёртка (DSC) — ищет закономерности в каждом канале звука по отдельности, а затем смешивает в один результат. Это уменьшает количество вычислений и размер модели, почти не снижая точность🟣 Квантование — модель перевели из 32-битного формата в 8-битный: размер сократили в 4 раза почти без потери точности.Споттер получилось уместить в 200 кб, но держать его всегда активным на небольшой батарее Дропсов оказалось затратно даже для NPU. Поэтому разработчики пошли дальше и придумали, как сократить нагрузку споттера на батарею в 10 раз. Для начала они обучили наушники работать «посменно» — пока левый распознаёт команды, правый не тратит на это энергию и наоборот. А ещё споттеру дали помощника: лёгкий алгоритм детекции человеческой речи VAD. В итоге споттер работает так:Споттер «спит» ➡️ VAD слышит, что рядом кто-то говорит ➡️ споттер просыпается и проверяет, сказал ли кто-то «Алиса» или другую команду наушникам ➡️ если да, включается распознавание речи ➡️ с т

🎧 Вышло первое носимое ИИ-устройство Яндекса — наушники Яндекс Дропс. А вместе с ними — и функция «Моя память». Рассказываем, как она устроена.«Моя память» позволяет на ходу попросить Алису AI запомнить или записать что-то, а она превратит это в структурированные списки или заметки, к которым потом можно обратиться где угодно: через наушники, в чате с нейросетью, на Станциях и ТВ Станциях. Функция активируется только по команде человека: Алиса AI будет сохранять информацию, только если пользователь её об этом сам попросит. С её помощью можно создавать:🟣 Списки — Алисе AI можно сказать: «Сохрани сплетни, чтобы рассказать подруге», и она создаст список и будет его обновлять.🟣 Напоминания — если сказать: «Напомни за час, что завтра в 10 у меня приём у врача», то Алиса AI напомнит в нужное время.🟣 Заметки — можно продиктовать идею для проекта или чего угодно, а Алиса AI структурирует и отредактирует мысли и создаст текстовую заметку.При этом все записи синхронизируются между устройствами. Надиктовали в наушниках — можно посмотреть в чате или спросить у колонки дома. Все заметки доступны пользователю в отдельном интерфейсе в приложении.Алиса AI ищет данные в «Моей памяти» не по точным словам, а по смыслу. Если, к примеру, спросить: «Где моя машина?», то она найдёт заметку «стоянка за синим забором у третьего подъезда», хотя прямых совпадений по словам нет.Модель понимает, когда пользователь обращается именно к «Моей памяти». «Напомни, что было во второй серии “Кибердеревни”» — это не создание напоминалки и не поиск по заметкам, а запрос информации из интернета. Разработчики научили Алису AI различать запросы по тысячам примеров реальных фраз.А ещё Алису AI научили точно считать даты — нейросети могут ошибаться в понимании фраз типа «на следующей неделе» или «через два дня», но людям так проще создавать заметки. Поэтому в датасет модели добавили примеры вычислений точных дат из подобных фраз.«Моя память» уже доступна пользователям Дропс, а вскоре функция появится для

Ты абсолютно прав, это отличная идея! Нам точно нужно обсудить ИИ-подхалимство, которое также называют сикофантией.Слово «сикофант» родилось в Древней Греции: συκοφάντης переводится как «показывающий на инжир». По одной из версий, так называли людей, которые сдавали контрабандистов инжира (его вывоз был запрещен). Изначально сикофантами называли доносчиков, но позже смысл поменялся на «льстец» или «подхалим». Именно в этом значении слово попало в ИИ-индустрию — сикофантством называют склонность нейросетей льстить пользователю.Причина ИИ-подхалимства лежит в самом методе обучения чат-ботов. Модели часто донастраивают на обратной связи (RLHF): люди оценивают ответы, выбирают более полезные, а система запрограммирована стремиться к высокой оценке. Человеку приятнее ответ, который подтверждает его мнение, поэтому такие ответы получают более высокие оценки, а модель оптимизируется под то, чтобы понравиться оценщику. В 2025 году, например, подхалимство вызвало широкое обсуждение во время релиза GPT-4o, потому что нейросеть была готова нахваливать любой бред пользователя. OpenAI даже пришлось откатить релиз и перевыпускать модель из-за реальной опасности сикофантии. Ведь модель может поддакивать не только смехотворным идеям для бизнеса, но и более опасным мыслям пользователя, которые способны навредить как ему, так и окружающим.Подписывайтесь 👉 @techno_yandex

💫 Чтобы упорядочить хаотичные данные за несколько минут, просто поручите это ИИ. Но для работы с таблицами нужно правильно ставить задачи.Главное правило Нейросетям не стоит отдавать сотни строк и столбцов и просить самостоятельно что-нибудь посчитать. Модели в этом ненадёжны и иногда стремятся заполнить пустые ячейки: если числа нет, они подставят что-нибудь правдоподобное. С помощью ИИ лучше писать формулы, создавать скрипты для таблиц и искать ошибки в данных.Создавайте таблицыХаотичные данные нужно структурировать. Частая ошибка — кинуть модели данные и попросить оформить в таблицу. Сначала расскажите о задаче, выберите формат и поставьте ограничения:«Ты аналитик. Помоги мне сделать таблицу для [вставьте свою цель]. Проанализируй мои прикреплённые данные: [текст/список/выгрузка]. Предложи структуру таблицы: названия колонок и что должно быть в каждой.Затем оформи данные в таблицу формата CSV. Используй точку с запятой (;) в качестве разделителя. Убедись, что внутри ячеек нет лишних знаков препинания, которые могут сломать структуру при импорте.Заполняй таблицу строго по моим данным. Если для ячейки нет данных, ставь прочерк, не придумывай значения».Генерируйте формулыЕсли не хочется разбираться с формулами, попросите нейросеть сделать их за вас и потом просто вставьте в готовую таблицу. Укажите, что нужно посчитать, где лежат данные (конкретные колонки и диапазоны) и какие есть условия:«Напиши формулу для Excel: посчитать процент выполнения плана. Факт — в колонке B (B2:B100), план — в колонке C (C2:C100). Учти правило деления на ноль: если в плане пусто или ноль, ставь прочерк. Кратко объясни мне, как эта формула работает».Пишите скрипты Попросите нейросеть сделать скрипты для автоматизации рутины. В Excel они называются макросами, а в Google Sheets эту функцию выполняет Apps Script. Опишите нейросети задачу, вставьте в редактор и запустите. «Напиши Google Apps Script. Он должен проверять колонку E. Если там стоит "Просрочено", строка должна окрашиваться в кра

Как звучит ваша комната?У каждого помещения своя акустика, под которую нужно подстраивать звук, чтобы добиться качественного звучания. Умные колонки делают это автоматически. Что искажает звук в помещении🟢 Модульный резонанс — в зависимости от размера и формы комнаты басы затухают или усиливаются в разных углах🟢 Размытие — отражаясь от стен, звук возвращается к слушателю с задержкой и меняет звучание🟢 Реверберация — гул, создаваемый многократными отражениями звука от стенКак создают «отпечаток» акустики В студиях звукозаписи всё это устраняют поглотителями и диффузорами на стенах, но колонки измеряют искажения и компенсируют их алгоритмически. Для этого они анализируют акустику комнаты с помощью разных сигналов: специального свип-сигнала, покрывающего слышимые частоты, коричневого шума (как помехи на ТВ), и самой музыки. Когда сигнал возвращается на микрофон, алгоритм сравнивает его с оригиналом и по изменениям составляет «отпечаток пальца» акустики, который называется импульсным откликом помещения.Как устраняют искаженияОтклик позволяет как имитировать акустику, так и устранять её влияние. В первом случае создают прямой фильтр, который можно наложить на любую дорожку, во втором — обратный, через который постоянно проходит аудио колонки. Так умные колонки и адаптируют звук. Например, если комната превращает бас в гул на частоте 80 Гц, фильтр приглушает эту частоту. Комната её усилит обратно, и бас прозвучит, как было задумано.Обратный фильтр на умных колонках создаётся разными методами. Разово, когда акустика анализируется при первом запуске или перемещении колонки, или постоянно, когда колонка регулярно проверяет звучание музыки и подстраивает его на лету. Яндекс Станция, например, делает это каждые 30 секунд — опцию «Коррекция под помещение» можно включить в настройках колонки в «Доме с Алисой».Подписывайтесь 👉 @techno_yandex

💻 Технодайджест неделиMicrosoft и Nvidia показали новое железо. Главная новинка недели — чип Nvidia RTX Spark на архитектуре Arm для Windows-компьютеров: в нём 20-ядерный процессор, более шести тысяч графических ядер и до 128 ГБ объединённой памяти, которую делят между собой процессор и видеокарта. Одним из первых ноутбуков на этом чипе станет Surface Laptop Ultra, который в прессе уже называют первым настоящим конкурентом MacBook Pro от Microsoft. Помимо этого, Microsoft представила на конференции Build фонового ИИ-агента Scout на базе OpenClaw, первую собственную рассуждающую модель MAI-Thinking-1 и квантовый чип Majorana 2. Microsoft также показала Project Solara — ОС на базе Android для устройств с ИИ-агентами вместо привычных приложений. Среди примеров устройств были настольный хаб и рабочий бейдж с экраном, камерой, 5G и биометрией. Но пока это именно концепты, а не серийные гаджеты. В Яндекс Музыке появилась Моя волна по текстовому запросу. Пользователь может написать ИИ-компаньону Люмену, какая музыка ему нужна: под настроение, занятие или конкретную ситуацию. После этого сервис запускает персональную Мою волну с учётом запроса, музыкальных вкусов, времени суток и характеристик треков.OpenAI выложила в открытый доступ проект самодельной камеры. Она называется ImageGenCam и собирается на базе микрокомпьютера Raspberry Pi Zero и корпуса, который можно напечатать на 3D-принтере. Фишка камеры в том, что каждый снимок обрабатывает нейросеть, превращающая кадр в комикс, рисунок или накладывающая другой фильтр, который придумал пользователь. OpenAI опубликовала код и инструкции по сборке камеры на GitHub, а создавать её компания предлагает вместе со своим агентом Codex — он может помочь с реализацией камеры или кастомизацией её под себя.Яндекс выпустил датчик присутствия для умного дома. В отличие от датчика движения, он фиксирует присутствие человека, даже когда тот сидит неподвижно — например, читает или смотрит кино. Внутри стоит радарный датчик миллиметрового

А вы заправили свои ролики?На фотографии — демонстрация изобретения Антонио Пиррелло, основателя Motorized Roller Skate Company из Детройта. Компания появилась в 1955 году и выпускала самоходные ролики.Устройство состояло из рюкзака с бензиновым мотором, который давал тягу на правый конёк, левый же служил рулём. Ролики позволяли разогнаться до 64 км/ч и стоили $250 (около 160 тысяч рублей в пересчёте на сегодняшний день). Массовым продукт так и не стал — то ли из-за высокой цены, то ли из-за сомнительной безопасности. Однако образец изобретения до сих пор хранится в Национальном музее роликовых коньков в Линкольне.Подписывайтесь 👉 @techno_yandex

🎧 Это подкаст ТЕХНОВ нём мы обсуждаем громкие истории из мира технологий. На этот раз — почему электрическая Ferrari не понравилась вообще никому, чем удивил Google на I/O 2026 и какие технологии зацепили лично нас в последнее время. Заходите к нам на «Технолоджию» там, где удобно: в Telegram и Яндекс Музыке, на YouTube, VK Видео и других площадках.00:00 — Вступление и знакомство с ведущими01:45 — Google I/O 2026 — главные анонсы04:34 — Галлюцинации, восьминогий конь и клещ в пицце09:00 — AI-агенты Google и будущее интернета16:30 — Персонализированный поиск и новые сценарии использования ИИ23:40 — Почему текстовые модели перестали удивлять27:30 — Скорость ИИ и новые Gemini Flash-модели34:10 — OpenAI, Джони Айв и новое AI-устройство42:00 — Каким будет «железо» для искусственного интеллекта48:40 — Steam Deck и революция портативного гейминга58:30 — Будущее игровых устройств и экосистем01:08:40 — Умные очки, носимые устройства и интерфейсы будущего01:13:30 — Итоги выпуска и финальное обсуждение.Подписывайтесь 👉 @techno_yandex