Product × Science

Яндекс переносит суперкомпьютеры «Ляпунов», «Галушкин» и «Червоненкис» на новые площадки После запуска оборудование снова войдёт в инфраструктуру сервисов Яндекса. Кроме того, на нём продолжат обучать фундаментальные языковые модели.

Яндекс переносит суперкомпьютеры «Ляпунов», «Галушкин» и «Червоненкис» на новые площадки После запуска оборудование снова войдёт в инфраструктуру сервисов Яндекса. Кроме того, на нём продолжат обучать фундаментальные языковые модели.

Фуф, отлегло. Работаем-с дальше

❤️️️️️️️ https://yandex.ru/company/news/09-10-2026-01

Немного робоогонька вам в ленту

Маршак про цифровую трансформацию и искусственный интеллект.

Это мы включаем

FT: Uber объединяется с профсоюзами водителей, чтобы замедлить внедрение роботакси – Столкнувшись с конкуренцией Waymo, Uber нашел неожиданных союзников – Обычно Uber обходил стороной регулирование и права работников – Недавно Uber присоединился к профсоюзам, чтобы помешать роботакси – Uber выступает за более медленное внедрение роботакси в США – Компания хочет обязать платформы использовать «гибридные сети» – Платформы должны сочетать водителей-людей и роботакси – Когда-то Uber пренебрегал правами работников во имя инноваций – Однако теперь Uber столкнулся с кризисом на основном рынке – Uber заявил, что из-за Waymo доходы водителей-людей снижаются – Конкуренты считают, что Uber преследует корыстные интересы – Uber давно занимается роботакси, но отстает от конкурента Waymo – Компания хочет раздробить рынок, оставив себе роль агрегатора – Uber не хочет потерять свои комиссионные доходы от водителей и др. @ftsec

Диптеч Найт И несу больше фактуры про deep tech night, который пройдет в начале сентября! 👀 О чем новость 5 сентября пройдёт онлайн-конференции Яндекса о технологических вызовах в эпоху AI. В эфире эксперты Яндекса, российских и международных IT-компаний обсудят технологии, которые сегодня определяют развитие индустрии: как AI меняет инфраструктуру, архитектуру и подходы к разработке. 📌 Формат мероприятия Программа делится на три трека — Hard (технические доклады с акцентом на сложность задач), Practice (демо и воркшопы с акцентом на конкретные прикладные навыки) и Experiment (лайтнинги и доклады с акцентом на тренды и новые форматы). • Основной формат — онлайн-трансляция для всех зарегистрированных участников. В онлайне можно подключиться к треку Hard и Experiment, а также к Q&A-сессиям со спикерами. Регистрация открыта для всех. • Места в офлайн ограничены. Поэтому регистрация в офлайн проходит по персональным приглашениям программного комитета конференции. Если вы хотите, можно упомянуть про офлайн и возможность оставить заявку в форме. Организаторы вернутся с ответом не позднее чем за неделю до события. Записи выступлений всех докладов опубликуют после мероприятия. 📷 Доклады в онлайне Полную программу и доклады можно посмотреть на сайте. Полезные ссылки: • Лендинг • Баннеры и анимация P.S. Если вы хотите прийти на deep tech night очно, напишите об этом в чате или мне в личку! P.P.S. Если вы готовы поддержать с UTM-меткой, напишите — все пришлю.

Кулуарные посиделки, тех.тренды и вижн топовых экспертов индустрии https://deeptechnight.ru/ Настоятельно рекомендую подать заявку на оффлайн часть посетить мероприятие лично. Или как минимум послушать онлайн. Докладчики огонь, со многими работал/работаю или слышал о них много хорошего. В онлайн-программе два трека: - Hard про техническую нутрянку и масштабирование AI-продуктов; здесь порекомендую Сергея Мельника - он курирует трек роботов и автономного транспорта в Яндексе (это искренняя реклама моего босса) - Experiment про кейсы внедрения искусственного интеллекта; здесь нужно послушать Александра Сафронова про Мою волну (раньше мы с Сашей много и плотно думали про формализацию и оценку счастья слушателя); за последний год персонализация в Музыке сделала еще один шаг, о котором интересно послушать из первых уст. Ну и, имхо, хедлайнер - Мо Гавиад, ex-Google X - это подразделение Alphabet, которое продумывает технологии и продукты с 20+ летним горизонтом окупаемости. Яркий пример в контексте моей работы - Google Self-Drive Group ныне известный как Waymo. Лично с Мо не знаком, но ранее работал с его коллегами и слушал их кейноуты на других конференциях. Вот мой любимый пример одного из выступлений от сотрудников Google X, который вдохновил меня думать дальними горизонтами. В оффлайне еще будет трек с практикой, но тут оставлю завесу тайны. Регистрируйтесь и приходите. Количество мест на площадке ограничено, на след неделе последний шанс получить инвайт.

Великий и могучий на страже экономии токенов и повышения эффективности внедрения искусственного интеллекта в ежедневные процессы: https://github.com/smixs/pohuy

Добавляю коммерческую нотку к инфе выше в виде слайда от Дмитрия Долгова (CEO Waymo) из лекции для Y Combinator (это такой большой, популярный, богатый и престижный акселератор в Долине). Метрики, медологии верификации и валидация (V&V), интерпретируемость и объяснимость моделей – это ценнейший актив компаний, которые разрабатывают ИИ-системы, влияющие на критически-важные структуры повседневности. В самой лекнции повествуюется о семи уроках, которые получены в процессе построения бизнеса в Physical AI. https://youtu.be/Gp4zrV3-6N8?si=Ed6A3XeE98Fb75Jl Дмитрий выделил целый блок про то, что "методологии оценки и валидации - это конкурентное преимущество компании". Только здесь он использует термин moat (ров), которое ввёл Уорен Баффет - оно чуть шире и интереснее. Более глубоко описано у моего любимого тех инвестора (ссылка на мой пост из 2019-го).

Мы выпускаем образовательный ресурс open-xai. Привет, друзья! Я шла к этому очень долго и наконец-то готова выпустить образовательный ресурс open-xai!

Ресурс построен как точка, где можно учиться просто всему, что есть в интерпретируемости. От классических методов, до геометрии и математики в моделях.

Сейчас в нем: ⁃ 2 трека. XAI Practitioner — объяснять поведение моделей руками, от классики до LLM. Math of LLMs — математика и mechanistic interpretability изнутри модели, на уровне весов и схем. ⁃ 17 тематических блоков — сквозняком от линейной регрессии до Sparse Autoencoders. ⁃ 50+ методов интерпретируемости. Мы открываем ресурс и открываем первые два модуля (часть ресурса будет бесплатной и такие блоки будут открываться первыми сейчас).

Открытые с сегодня блоки погружают в термины и мир интерпретируемых моделей. После модулей вы никогда больше не сможете смотреть на них прежними глазами)

Это только начало галактики — и новые модули будем докатывать. Для понимания апдейтов можно завести аккаунт: https://open-xai-platform.web.app/register (письмо-подтверждение может упасть в спам — гляньте туда, если не пришло). Тыкать, пробовать и делать баг-репорты (мы надеемся, что последнего будет мало) сюда: https://open-xai-platform.web.app

На прострах интернета найден интересный курс по ExplainableAI (редкие материалы, а тут еще и на русском!) Вот емкая фраза из начального модуля, которую важно осознать всем, кто занимается аналитикой в ML-продуктах:

Хорошая метрика не гарантирует, что модель работает правильно.

Ниже про сам курс. Низкий поклон людям, которые приложили к этому руку.

Кто в ответе? Напряжённый союз автоматизации и человеческого поведения Выдержки из статьи Who’s in charge? The fraught union of automation and human behavior Автоматизация повсеместна — от автопилота в самолётах до циклов стиральной машины у вас дома. А с появлением современного искусственного интеллекта компьютеры и машины берут на себя всё больше задач. https://knowablemagazine.org/content/article/mind/2026/design-automated-systems-with-human-psychology-in-mind Это не обязательно означает исчезновение человеческих рабочих мест, но они меняются — от непосредственного выполнения задачи к контролю за машиной, которая её выполняет, говорит Рон Маклеод из Глазго, Шотландия. Отставной специалист в области «человеческого фактора», Маклеод всю карьеру изучал, как человеческий мозг и автоматизация работают вместе — или не работают — в промышленных условиях, например в пультах управления нефтеперерабатывающих заводов. В феврале 2026 года Маклеод выпустил книгу на эту тему: Transitioning to Autonomy: The Psychology of Human Supervisory Control («Переход к автономности: Психология человеческого супервизорного контроля»). Переход к роли супервизора несёт как технологические, так и психологические вызовы, считает Маклеод. Человеческий разум быстро скучает и отвлекается, и не всегда готов мгновенно вмешаться, если машине потребуется помощь. Но дело не только в этом. Системы — будь то пульты управления, кабины пилотов или автоматические спортивные судьи — должны проектироваться так, чтобы эффективно работать вместе с людьми, а не исключать их из процесса. А инженеры и дизайнеры не всегда понимают, как сбалансировать датчики и действия автоматизированных систем с потребностями и возможностями людей, которые за ними наблюдают. Это распространённая проблема: в каких условиях человеку разрешено вмешиваться в работу автоматизации или когда автоматизация может отменить решение человека? Например, в автомобиле: когда включён автопилот, если я нажимаю на тормоз, система отключается и я возвращаю управление себе. Она позволяет мне перехватить управление. Что должны делать автопроизводители, чтобы облегчить водителям этот переход? В моём автомобиле, как только я убираю руки с руля, я сразу оказываюсь в супервизорной роли. Мне нужна другая информация. Мне не нужно знать, на какой передаче я еду; мне даже не обязательно знать текущую скорость. Мне нужно понимать: кто контролирует — я или машина? И мне нужно знать, о чём «думает» машина, видит ли она приближающуюся угрозу? Когда контроль за автоматизацией даёт сбой - либо в момент работы, либо ещё на этапе проектирования или обучения, то последствия могут быть катастрофическими. Одна из ключевых проблем — это баланс полномочий между людьми и автоматизацией. Кто на самом деле контролирует? Это проявилось во время теннисного чемпионата Уимблдон в 2025 году. Впервые Уимблдон передал полные полномочия автоматизированной системе определения попадания мяча — Hawk-Eye — решать, был мяч «в» или «аут». Это был четвертьфинал женского одиночного разряда: Анастасия Павлюченкова против Сонай Картал. Картал ударила мяч, который явно был аутом, но автоматика не зафиксировала это как аут. Игроки видели это, судьи видели, весь мир, смотревший трансляцию по телевизору, видел, что мяч был аутом, но главный судья не имел права отменить решение автоматизированной системы. Судья заставил пару переиграть очко, и Павлюченкова проиграла эту игру, хотя в итоге выиграла матч. Оказалось, что это была человеческая ошибка: систему случайно отключили. Организаторы были очень смущены, и их первой реакцией — вместо признания, что они имеют дело со сложной системой, зависящей от человеческого поведения, — стало общее заверение, что они внесли изменения, чтобы предотвратить повторение ошибки. Но на следующий день произошёл ещё один ошибочный вызов. Они не извлекли правильный урок: система не на 100 % надёжна, поэтому люди всё равно нужны. Конкретно для автомобилей Национальный совет по безопасности на транспорте США (NTSB) недавно провёл совещание по итогам расследования двух смертельных аварий 2024 года, в которых внедорожники Ford Mustang в режиме частичной автоматизации врезались в остановившиеся на трассе автомобили. В обоих случаях водители Ford были не в состоянии или отвлеклись от контроля за автоматизированным вождением. NTSB рекомендовал автопроизводителям устанавливать системы, снижающие риск потери бдительности или самоуспокоенности водителей при работе автоматизации. Эти системы должны отслеживать состояние самих супервизоров-человек, которые supposed to следить за автоматизированным вождением. Уже проведено много исследований и разработок продуктов для мониторинга уровня бодрствования. Они делают это, например, отслеживая движения глаз, положение головы. Похожий пример: многие годы в железнодорожной отрасли некоторых стран использовали устройство «бдительности», чтобы убедиться, что машинист не уснул — ведь его задача очень монотонная. Это простой звуковой сигнал, который срабатывает каждые 30 секунд. Машинист должен нажать кнопку, чтобы отключить звук. Технология очень простая, но, похоже, эффективно гарантирует, что машинист не спит. (В СНГ - это тест точка на кругу для машинистов метрополитена и РЖД - В.Б.) И не у всех есть когнитивные способности, необходимые для вождения в роли супервизора. Стоит ли включать в экзамен на права проверку, способен ли человек принимать такие решения? Я не знаю, но в этом направлении нужно больше исследований. Что ещё можно сделать, чтобы помочь человеческим супервизорам оставаться вовлечёнными и эффективными в других автоматизированных ситуациях? Суть проблемы на самом деле не так сложна. Всё сводится к хорошему дизайну. Если вы понимаете, что переводите людей из роли исполнителя в супервизорскую роль, то на стороне системы нужно проектировать пользовательский интерфейс, исходя из понимания: в чём заключается задача человека? Какая информация ему нужна? Как это оптимизировать? Для пользователя важно учитывать обучение, системы мотивации, рабочую нагрузку и конкурирующие задачи. Компании должны обеспечить, чтобы люди, контролирующие автоматизацию, прошли обучение и понимали, что входит в их супервизорскую роль: например, какие признаки или информацию они должны искать, где эта информация находится и что может произойти, если что-то пойдёт не так. И, например, не создавать стимулов, которые отбивают у супервизора желание принимать правильные решения. Когда я работал в нефтегазовой отрасли, было несколько случаев, когда сотрудники в пультовых вмешивались и останавливали или снижали производство — а у этого есть прямая долларовая стоимость. Они поступили правильно, но их за это винили.

После долгого перерыва мы возвращаемся с полностью новой версией Retentioneering 5.0. Мы переписали библиотеку с нуля и ускорили основные инструменты в примерно в 100 раз - теперь даже на обычном Mac можно за секунды исследовать датасеты из нескольких миллионов событий. Но скоростью дело не ограничивается: • все основные визуализации стали интерактивными; • появились сегменты, diff-режим в большинстве инструментов и визуализаций и новый кластерный анализ; • Step Matrix и Sankey умеют показывать, что происходит между этапами воронки; • Claude и ChatGPT хорошо понимают новый API и могут проводить анализ ивентстрима - мы детально протестили библиотеку разными кейсами с автономными агентами и будем шарить тут интересные результаты и туториалы по следам этой работы; • мы добавили MCP-сервер (пока beta, есть нестабильности, скоро он будет гораздо круче); • открыли JavaScript-код визуализаций и перешли на Apache 2.0; • мы упростили экспорт визуализаций и это позволяет агентам собирать неплохие аналитические отчеты с интерактивными визуализациями. Сейчас доступен release candidate:

pip install --pre retentioneering

github: https://github.com/retentioneering/retentioneering-tools (rc новой версии уже в мастер ветке) docs: https://retentioneering.com/docs/quick-start Попробуйте на своих данных. Особенно интересно посмотреть, какие исследования теперь можно поручить AI-агенту целиком. Баги, обратная связь и PR приветствуются. И это только первый анонс этого релиза, в следующем немного больше подробностей про изменения. Кроме того, мы с Володей Кукушкиным ( @wowone который проделал гигантскую работу над этим релизом) формируем коммьюнити лабораторию (в которую легко присоединиться, нам очень нужны контрибьютеры, пишите нам) и нас будут этим летом еще релизы инструментов для использования совместно с основной библиотекой, так что stay tuned).

Никогда не думал, что буду работать в автоиндустрии. Делаем машины на любой вкус: электро, автономные, большие, маленькие. Даже призовой фонд делаем из автомобилей.

Сегодня идет конференция YoungCon – там всякое полезное. Включаем стрим на фоне и наблюдаем за трендами: https://yandex.ru/youngcon/#stream Ближайшее в программе: 〰️ 13:40 — Андрей Холодный, Руководитель подразделения HW‑разработки роботакси и грузовиков «Автономную машину нельзя купить — её нужно создать: настоящая история роботакси» 〰️ 14:00 — Олег Шипитько, CPO Яндекс Роботикс «Как превратить робота в универсального помощника человека: от программирования к обучению физического ИИ» 〰️ 14:20 — Александр Букин, Менеджер продукта Яндекс Байк «Велосипед как сервис: как устроен Яндекс Байк для курьеров» 〰️ 14:40 — Леонид Ясиновский, Руководитель сервиса Самокаты Яндекс Go «Зачем Яндекс разрабатывает свой самокат и что у него общего с холодильником» 〰️ 15:00 — Тембот Керефов, СЕО Яндекс Электро «Автомобиль и его экосистема: как Яндекс приближает эпоху электромобилей»

Ваши идеи в коменты: как замерить качество технологии в такой ситуации?