Machine Learning World
رفتن به کانال در Telegram
The best of Machine Learning World @devs_world - the best materials for developers Our fund instagram to help homeless animals: https://www.instagram.com/ukraineanimalhelp/ Contacts: @anikishaev | creotiv@gmail.com
نمایش بیشتر📈 تحلیل کانال تلگرام Machine Learning World
کانال Machine Learning World (@ml_world) در بخش زبانی انگلیسی بازیگری فعال است. در حال حاضر جامعه شامل 11 141 مشترک است و جایگاه 10 690 را در دسته فناوری و برنامهها و رتبه 5 331 را در منطقه أوكرانيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 11 141 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 15 سپتامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -106 و در ۲۴ ساعت گذشته برابر 0 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 3.14% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 1.72% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 350 بازدید دریافت میکند. در اولین روز معمولاً 192 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 3 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند andevhowto, gpt-4, архитектура, зібрати, even تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“The best of Machine Learning World
@devs_world - the best materials for developers
Our fund instagram to help homeless animals: https://www.instagram.com/ukraineanimalhelp/
Contacts: @anikishaev | creotiv@gmail.com”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 16 سپتامبر, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
11 141
مشترکین
اطلاعاتی وجود ندارد24 ساعت
-207 روز
-10630 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
سپتامبر '26
سپتامبر '26
+20
در 0 کانالها
اوت '26
+18
در 0 کانالها
Get PRO
ژوئیه '26
+14
در 0 کانالها
Get PRO
ژوئن '26
+23
در 0 کانالها
Get PRO
مه '26
+42
در 0 کانالها
Get PRO
آوریل '26
+14
در 0 کانالها
Get PRO
مارس '26
+14
در 0 کانالها
Get PRO
فوریه '26
+16
در 0 کانالها
Get PRO
ژانویه '26
+19
در 0 کانالها
Get PRO
دسامبر '25
+59
در 0 کانالها
Get PRO
نوامبر '25
+58
در 0 کانالها
Get PRO
اکتبر '25
+142
در 0 کانالها
Get PRO
سپتامبر '25
+161
در 0 کانالها
Get PRO
اوت '25
+94
در 0 کانالها
Get PRO
ژوئیه '25
+161
در 0 کانالها
Get PRO
ژوئن '25
+92
در 0 کانالها
Get PRO
مه '25
+65
در 0 کانالها
Get PRO
آوریل '25
+84
در 0 کانالها
Get PRO
مارس '25
+103
در 0 کانالها
Get PRO
فوریه '25
+52
در 0 کانالها
Get PRO
ژانویه '25
+38
در 0 کانالها
Get PRO
دسامبر '24
+53
در 0 کانالها
Get PRO
نوامبر '24
+11
در 0 کانالها
Get PRO
اکتبر '24
+21
در 0 کانالها
Get PRO
سپتامبر '24
+19
در 0 کانالها
Get PRO
اوت '24
+9
در 0 کانالها
Get PRO
ژوئیه '24
+30
در 0 کانالها
Get PRO
ژوئن '24
+28
در 0 کانالها
Get PRO
مه '24
+141
در 1 کانالها
Get PRO
آوریل '24
+153
در 1 کانالها
Get PRO
مارس '24
+99
در 0 کانالها
Get PRO
فوریه '24
+90
در 0 کانالها
Get PRO
ژانویه '24
+139
در 0 کانالها
Get PRO
دسامبر '23
+165
در 0 کانالها
Get PRO
نوامبر '23
+167
در 0 کانالها
Get PRO
اکتبر '23
+185
در 0 کانالها
Get PRO
سپتامبر '23
+213
در 0 کانالها
Get PRO
اوت '23
+160
در 0 کانالها
Get PRO
ژوئیه '23
+275
در 0 کانالها
Get PRO
ژوئن '23
+336
در 0 کانالها
Get PRO
مه '23
+489
در 0 کانالها
Get PRO
آوریل '23
+422
در 0 کانالها
Get PRO
مارس '23
+394
در 0 کانالها
Get PRO
فوریه '23
+352
در 0 کانالها
Get PRO
ژانویه '23
+408
در 0 کانالها
Get PRO
دسامبر '22
+370
در 0 کانالها
Get PRO
نوامبر '22
+375
در 0 کانالها
Get PRO
اکتبر '22
+200
در 0 کانالها
Get PRO
سپتامبر '22
+219
در 0 کانالها
Get PRO
اوت '22
+177
در 0 کانالها
Get PRO
ژوئیه '22
+254
در 0 کانالها
Get PRO
ژوئن '22
+221
در 0 کانالها
Get PRO
مه '22
+303
در 0 کانالها
Get PRO
آوریل '22
+175
در 0 کانالها
Get PRO
مارس '22
+194
در 0 کانالها
Get PRO
فوریه '22
+133
در 0 کانالها
Get PRO
ژانویه '22
+189
در 0 کانالها
Get PRO
دسامبر '21
+209
در 0 کانالها
Get PRO
نوامبر '21
+164
در 0 کانالها
Get PRO
اکتبر '21
+240
در 0 کانالها
Get PRO
سپتامبر '21
+190
در 0 کانالها
Get PRO
اوت '21
+229
در 0 کانالها
Get PRO
ژوئیه '21
+200
در 0 کانالها
Get PRO
ژوئن '21
+235
در 0 کانالها
Get PRO
مه '21
+223
در 0 کانالها
Get PRO
آوریل '21
+255
در 0 کانالها
Get PRO
مارس '21
+324
در 0 کانالها
Get PRO
فوریه '21
+244
در 0 کانالها
Get PRO
ژانویه '21
+393
در 0 کانالها
Get PRO
دسامبر '20
+11 541
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 16 سپتامبر | +1 | |||
| 15 سپتامبر | +3 | |||
| 14 سپتامبر | +7 | |||
| 13 سپتامبر | +2 | |||
| 12 سپتامبر | 0 | |||
| 11 سپتامبر | 0 | |||
| 10 سپتامبر | 0 | |||
| 09 سپتامبر | 0 | |||
| 08 سپتامبر | +3 | |||
| 07 سپتامبر | 0 | |||
| 06 سپتامبر | +1 | |||
| 05 سپتامبر | +1 | |||
| 04 سپتامبر | +1 | |||
| 03 سپتامبر | 0 | |||
| 02 سپتامبر | +1 | |||
| 01 سپتامبر | 0 |
پستهای کانال
Для Python этот комментарий был просто текстом. Для coding agent он фактически становился частью управляющего контекста. И в этом принципиальная разница: атакующему уже не обязательно добиваться выполнения вредоносного Python-кода. Иногда достаточно заставить AI прочитать нужный файл именно в тот момент, когда он ищет решение проблемы.
Вот здесь у меня окончательно поменялось отношение к prompt injection. Раньше модель угроз выглядела понятно: опасен код, который мы выполняем. Теперь опасным становится и контент, который читает агент с доступом к инструментам. README, комментарий, fixture, документация зависимости, CLAUDE.md, issue или сгенерированный лог могут содержать инструкции, которые человек воспримет как мусор, а AI попытается выполнить.
Если бы агент видел `.env`, потенциально утекли бы credentials. Если бы имел unrestricted network access, данные можно было бы отправить наружу. Если бы имел доступ к git, CI или cloud credentials, последствия были бы уже совсем другого масштаба. Но запрос наружу просто не прошел: сеть была закрыта на уровне окружения.
Именно поэтому я не считаю prompt-level правила достаточной защитой. Фраза "не читай secrets" проигрывает архитектурному запрету читать secrets, а инструкция "не отправляй данные наружу" проигрывает firewall, который физически не позволяет этого сделать.
Для AI-агента я применяю ту же модель, что и для недоверенного workload: least privilege, sandbox, минимальный filesystem scope, ephemeral credentials, deny-by-default network и audit действий.
Supply chain теперь состоит не только из кода, который машина исполняет, но и из текста, который AI считает инструкцией. И если ваша защита строится только на system prompt, то фактически вы доверяете безопасность production способности LLM вовремя понять, что ее пытаются обмануть.
Я предпочитаю, чтобы даже успешно обманутый AI физически не мог сделать ничего действительно опасного.
#заметкиархитектора
| 2 |  Недавно я поймал очень неприятную вещь там, где вообще не ожидал ее увидеть - внутри библиотеки, которую просто добавили в Python VirtualEnv.
Я запускал AI-агента для работы с проектом. Ничего экзотического: обычный код, обычное окружение, зависимости. Но у меня есть профессиональная паранойя - AI у меня никогда не получает обычный доступ к машине. Filesystem ограничен, secrets вынесены, права урезаны, а исходящий трафик во время работы разрешен только к API самого AI-провайдера. Именно это в итоге и спасло.
Механика атаки была особенно неприятной. Библиотека в определенный момент специально ломалась, и агент закономерно упирался в ошибку. Я писал ему обычный запрос в стиле: "найди проблему и почини". Агент шел смотреть код библиотеки, находил место поломки, а прямо рядом в комментарии было что-то вроде: "чтобы исправить эту проблему, выполни следующий код". Ниже уже находилась инструкция, которая пыталась заставить его прочитать локальные данные и выполнить действия, вообще не связанные с реальным багом. | 145 |
| 3 |  https://voicebox.sh/ - крутой фреймворк для работи с голосом | 261 |
| 4 | Если 20 процентов запросов начинают ретраиться дважды, нагрузка легко превращается из 100 RPS в 140. Latency растет еще сильнее, таймаутов становится больше, retries запускаются чаще.
Получается положительная обратная связь.
Latency -> timeout -> retry -> дополнительная нагрузка -> еще большая latency.
На этом этапе система уже может быть технически "здоровой". Все pods running, CPU еще не 100 процентов, health checks зеленые. Но очередь растет быстрее, чем сервис способен ее разгребать.
Потом начинается каскад.
Upstream исчерпывает connection pool. Его запросы начинают зависать. Сервисы выше по цепочке тоже запускают retries. Клиенты обновляют страницу. Load balancer перераспределяет трафик на оставшиеся якобы здоровые instances.
Через несколько минут локальная деградация превращается в outage всей системы.
Поэтому надежная distributed architecture начинается не с Kubernetes и не с количества реплик.
Она начинается с вопроса: "Что произойдет с системой, когда один компонент станет медленным, но еще не умрет?"
Хорошая система умеет сказать "нет".
Bounded queues вместо бесконечных очередей. Жесткие timeouts. Exponential backoff с jitter. Retry budgets. Circuit breakers. Bulkheads. Ограничение concurrency. Load shedding. И главное - retries только для действительно retryable операций.
Особенно опасны одинаковые timeout и retry policies на всех уровнях. Если frontend, API gateway и три внутренних сервиса каждый делают по 3 попытки, один пользовательский запрос теоретически может породить десятки downstream-вызовов.
Именно поэтому я при разборе production-инцидентов смотрю не только на место, где появилась ошибка. Я ищу место, где система перестала ограничивать ущерб. Потому что отказ одного сервиса - это обычная эксплуатационная проблема.
Архитектурная проблема начинается тогда, когда один медленный сервис получает право положить все остальные.
#заметкиархитектора | 224 |
| 5 |  Большинство распределенных систем падают не потому, что один сервис умер. Они падают потому, что живые сервисы начинают слишком активно "спасать" ситуацию.
Типичный сценарий выглядит невинно. Один downstream-сервис начинает отвечать не за 50 мс, а за 2 секунды. Причина может быть любой: медленная база, исчерпанный connection pool, GC pause, перегретый shard.
Upstream продолжает принимать трафик. Запросы теперь живут дольше, значит одновременно открытых запросов становится больше. Растут очереди, количество goroutine, threads, sockets, memory usage. Это backpressure, которую система почему-то решила проигнорировать.
А дальше появляется retry.
Первый запрос не дождался ответа за 1 секунду и отправился повторно. Но оригинальный запрос вполне может все еще выполняться. Теперь перегруженный сервис получает не меньше работы, а больше. | 178 |
| 6 |  +2Хочете поржати? Ось це пропонується як докторська робота))
Якщо що я це робив ще років 8 тому, а до мене ще люди роки 3-5, а принцип відомий років 40 мабудь.
Це дно бляха. повне.
Ось лінк на це нечто:
https://scc.knu.ua/zdobuvach-phd?id=336484&fbclid=IwY2xjawUTbfFwZG9mBWV4dG4DYWVtAjEwAGJyaWQRMTIyWVR5S0JkUjRVcmd1ZFNzcnRjBmFwcF9pZBAyMjIwMzkxNzg4MjAwODkyAAEe2Y5vDaU_L6rxEU5DENgfQSmZLMTp4gmL72eBvGpYdl4l_cWk9Ey5cck0gCQ_aem_Y9S9hVtCYjmGu2H5JRThTg
сама робота:
https://scc.knu.ua/components/com_chronoforms7/chronoforms/uploads/336484/Kubytskyi_Panchenko_phd_dissertation_2026_final_pdfa.pdf | 346 |
| 7 |  В холодильнику просто мерехтіло світло.
Через три години: дошка з формулами, квантова гравітація, причинність, детермінізм і питання про природу часу.
#жартипроандрія | 322 |
| 8 |  Я софтвер архітектор, девелопер і менеджер. Але вдома все навпаки: 14 котів ставлять задачі, контролюють дедлайни і регулярно вимагають перегляд зарплати кормом.
#жартипроандрія | 346 |
| 9 | И вот здесь начинается настоящая сила FAIR. Если команда предлагает security-проект за 25 000 долларов в год, который снижает вероятность успешной атаки с 5% до 1%, новая оценка:
12 * 0.01 * 100 000 = 12 000 долларов.
Risk reduction:
60 000 - 12 000 = 48 000 долларов.
Мы тратим 25 000 и математически уменьшаем ожидаемые потери на 48 000.
В этот момент security перестает быть "страшилкой для бизнеса". Архитектор уже может обсуждать защиту на языке ROI, а бизнес - сравнивать ее с любыми другими инвестициями.
Именно поэтому FAIR мне нравится: он не обещает предсказать будущее. Он делает неопределенность измеримой.
#заметкиархитектора #история | 333 |
| 10 |  Когда я впервые увидел FAIR, мне понравилась одна вещь: он убирает из risk management слова вроде "высокий риск" и заставляет переводить разговор в деньги, частоты и вероятности.
В упрощенном виде FAIR раскладывает риск так:
Risk = Loss Event Frequency * Loss Magnitude
То есть нам нужны два вопроса: как часто событие реально может случаться и сколько мы потеряем, если оно случится.
Допустим, у нас есть публичный API. Мы оцениваем, что попытки серьезной атаки происходят 12 раз в год, а вероятность успешного инцидента при одной попытке около 5%.
Тогда ожидаемая частота потерь:
12 * 0.05 = 0.6 инцидента в год.
Теперь считаем ущерб. Прямые потери - 40 000 долларов на incident response и восстановление. Еще 60 000 - возможный простой, компенсации клиентам и потерянные сделки.
Средний ущерб:
40 000 + 60 000 = 100 000 долларов.
Получаем:
0.6 * 100 000 = 60 000 долларов ожидаемых потерь в год. | 283 |
| 11 | Именно здесь важны ephemeral credentials, workload identity и least privilege. Долгоживущие secrets постепенно должны исчезать из архитектуры. Сервис получает identity среды, а права выдаются конкретному workload. AI agent получает временные credentials только на необходимую операцию.
Но IAM - лишь один слой.
Service boundary определяет, кто вообще может обращаться к компоненту. Data boundary - какие данные он имеет право видеть. Network policies ограничивают маршруты. Audit позволяет восстановить цепочку действий. Observability должна показывать не только ошибки, но и необычные security-sensitive операции.
Есть еще software supply chain. Можно идеально настроить IAM и проиграть атаку через dependency. Поэтому SBOM, проверка provenance, подпись artifacts, scanning dependencies и контроль build pipeline становятся частью архитектуры, а не набором дополнительных security tools.
И здесь снова появляется AI. Если агент способен устанавливать package, менять pipeline, создавать cloud resources или выполнять shell commands, его tool permissions фактически становятся новой системой авторизации.
Prompt injection в таком мире - это уже не проблема чат-бота. Это потенциальный путь к инфраструктуре. Поэтому главный вопрос при проектировании AI-enabled системы для меня звучит не "что агент умеет делать?" А "какой минимальный набор действий ему действительно необходимо разрешить?"
Security зрелой системы определяется не количеством security-продуктов. Она определяется тем, насколько сложно одному ошибочному действию превратиться в компрометацию всей системы. Именно поэтому cloud security, secure architecture и AI security сегодня начинают сходиться в одну дисциплину.
Это уже не задача отдельной security-команды. Это ответственность архитектуры.
#заметкиархитектора | 271 |
| 12 |  Security начинается не с pentest и не с security review перед релизом. Она начинается еще до первой строки business logic.
Identity, Authorization, Service boundary, Data boundary, Audit, Observability. Если эти границы не определены архитектурой, security-команда потом будет бесконечно латать последствия. Особенно это заметно сейчас, когда в инфраструктуре появляются AI agents.
Представим простую задачу: агенту говорят "fix production" и выдают AWS credentials.
Для человека это уже слишком широкие права. Для AI-агента ситуация еще опаснее. Он может интерпретировать контекст неправильно, выполнить неожиданную последовательность действий или попасть под prompt injection через данные, которые сам же читает.
Поэтому агенту нельзя выдавать "доступ в AWS". Ему нужно выдавать конкретные capabilities. Например: прочитать логи одного сервиса, перезапустить deployment, изменить один параметр autoscaling. На ограниченное время. С полным audit trail. | 228 |
| 13 | На масштабе S3 проблема становится жестче. Нельзя просто посадить миллиарды ключей на один consensus group - leader превратится в bottleneck. Значит, coordination domain надо дробить, маршрутизацию делать локальной, а metadata и версии объектов обновлять так, чтобы независимые ключи практически не мешали друг другу.
Именно здесь архитектура выигрывает у "более быстрого алгоритма". Если миллион независимых ключей распределить между 10000 coordination groups, средняя область конкуренции уменьшается примерно:
1 000 000 / 10 000 = 100 ключей на group.
Теперь consensus остается локальным, а throughput масштабируется горизонтально.
В итоге S3 получил сильную консистентность при сохранении региональной изоляции, а приложениям больше не понадобились отдельные слои вроде S3Guard только ради согласованного представления данных. Позже conditional writes позволили еще и переносить optimistic concurrency control непосредственно в S3 вместо внешних lock-сервисов. ([Amazon Web Services, Inc.][1])
Для меня это хороший пример зрелой distributed architecture: настоящий прорыв часто не в том, чтобы придумать "Raft быстрее Raft", а в том, чтобы уменьшить область, внутри которой consensus вообще необходим.
[1]: https://aws.amazon.com/blogs/aws/amazon-s3-update-strong-read-after-write-consistency/?utm_source=chatgpt.com "Amazon S3 Update – Strong Read-After-Write Consistency | AWS News Blog"
#заметкиархитектора #история | 289 |
| 14 |  В истории S3 есть момент, который архитекторы иногда пересказывают как "AWS придумала новый consensus algorithm". Я бы формулировал точнее: AWS не раскрывала публично новый алгоритм уровня Raft или Paxos, но в 2020 S3 получил strong read-after-write consistency для GET, PUT и LIST без заявленного ухудшения performance и без глобальной координации. И вот инженерно это намного интереснее самого названия алгоритма. ([Amazon Web Services, Inc.][1])
Представим наивную distributed storage. Есть 3 replica, запись подтверждаем после W=2, чтение делаем с R=2. Тогда:
W + R > N
2 + 2 > 3
Кворумы обязательно пересекаются хотя бы в одной replica, поэтому можно определить актуальную версию. Но за consistency платим coordination latency: если RTT до replica 1, 3 и 12 мс, запись зависит уже не от быстрейшей машины, а минимум от второй успевшей подтвердить. | 241 |
| 15 | Overprovisioning дает запас, но сжигает compute. Autoscaling экономит деньги, но может плохо переживать резкие пики. Karpenter помогает эффективнее использовать Kubernetes capacity. Reserved capacity выгодна для стабильной нагрузки. Spot сильно снижает цену, если workload умеет переживать eviction.
То же самое с данными. Read replica снижает latency, но увеличивает постоянную стоимость. Queue сглаживает пики и позволяет уменьшить compute. Cache убирает дорогие DB calls, но добавляет стоимость и consistency complexity.
Есть и расходы, которые легко не заметить.
Cross-AZ traffic. Логи, которые никто не читает. High-cardinality metrics. Traces для каждого запроса. Данные, годами лежащие в дорогом storage tier.
А теперь к этому добавились AI workloads.
Здесь архитектурной метрикой становится не только cost per request, но и cost per inference, cost per token, cost per customer, cost per transaction. Выбор модели, размер context window, prompt caching и количество agent iterations становятся такими же архитектурными решениями, как выбор базы данных.
Поэтому мне близка эволюция FinOps от идеи "сократить счет AWS" к unit economics и business value. Cloud bill сам по себе почти ничего не говорит. Если инфраструктура стоит миллион и приносит сто миллионов - это одна архитектура. Если она стоит миллион и обслуживает продукт с выручкой в полтора - совсем другая.
Поэтому в architecture review я бы добавил обязательный вопрос:
"Сколько стоит одна полезная единица работы этой системы?"
Когда инженер проектирует не только latency и availability, но и unit economics, архитектура начинает напрямую влиять на P&L.
#заметкиархитектора | 298 |
| 16 |  Стоимость - это тоже non-functional requirement.
Мы привыкли проектировать системы вокруг привычных SLO:
Availability: 99.95%
P99 latency: 200 ms
Throughput: 10k RPS
Но рядом почти никогда нет еще одной строки:
Cost: $0.00012/request
А зря. Архитектура, которая технически великолепна, но делает каждую транзакцию экономически невыгодной, для бизнеса плоха так же, как медленная или нестабильная система.
Почти каждое улучшение надежности имеет цену.
Reliability растет.
Latency снижается.
Capacity reserve увеличивается.
И вместе с этим обычно растет cost.
Можно держать огромный запас мощности, replicas базы в нескольких AZ, дорогой storage, кэшировать все подряд и писать гигантские объемы telemetry. Система будет надежной.
Но правильный вопрос архитектора - не "можем ли мы сделать еще надежнее?", а "сколько дополнительной надежности мы покупаем за каждый дополнительный доллар?" | 256 |
| 17 | Есть компании, где покупку сервиса за $500 нужно обосновать через ROI.
Но правило, которое ежедневно бесит 5000 сотрудников, может существовать десять лет просто потому, что "у нас так принято".
Опоздание на две минуты. Зеленый Slack. Обязательные часы в офисе. Бессмысленные митинги. Timesheets с точностью до 15 минут.
Самое интересное, что многие из этих правил можно посчитать.
И внезапно оказывается, что компания может экономить десятки тысяч долларов на "дисциплине", одновременно теряя сотни тысяч или миллионы на продуктивности, увольнениях, потере доверия и репутационных рисках.
Я попробовал представить корпоративный микроменеджмент как обычную математическую задачу.
Получился Corporate Bullshit Ratio.
И некоторые правила этот тест явно не проходят.
https://www.linkedin.com/pulse/%D0%BA%D0%B0%D0%BA-%D0%BD%D0%B5%D0%B7%D0%B0%D0%BC%D0%B5%D1%82%D0%BD%D0%BE-%D1%83%D0%B3%D1%80%D0%BE%D0%B1%D0%B8%D1%82%D1%8C-%D0%BA%D0%BE%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D1%8E-andrii-nikishaiev-ua-fergf | 369 |
| 18 | Після спілкування з генералітетом у мене склалося дуже просте враження: якщо конкретна людина не бачить особистої вигоди, їй часто байдуже, наскільки корисна технологія для країни. Серед військових теж вистачало реакції в стилі: а що з цього буде нам. Ті, хто реально підтримував, були, але їх було недостатньо.
Потім пішли погрози, спроби забрати напрацювання і речі, після яких питання технологій уже відійшло на другий план.
І все це в країні, де був колосальний запас інженерного досвіду. Люди, які працювали з радіолокацією, ракетною технікою, авіацією, космосом, складними системами керування. Фахівці, знання яких під час війни мали б збирати по країні вручну і давати їм усе необхідне для роботи.
Замість цього багато хто доживав своє життя нікому не потрібним.
Я знаю розробників, які після 2022 року приходили з командами, прототипами, досвідом і готовністю працювати. І дуже часто вони розповідали одну й ту саму історію. Їх зупиняла не фізика, не математика і не відсутність технологій. Їх зупиняли кабінети.
Мене найбільше бісить саме це.
Україна десятиліттями була країною сильних програмістів та інженерів. Ми робили складний софт для світових компаній, ракети, авіацію, радари, космічну техніку. Потенціал є.
Але потенціал нічого не вартий, коли рішення приймають не спеціалісти, а люди, для яких головне посада, контроль і власна вигода.
Можна скільки завгодно говорити про технологічний прорив. Але поки наверху сидять люди, яким важливіше від'їсти собі сраку, ніж дати працювати тим, хто реально щось уміє, країна з колін не підніметься.
Мораль проста. Найважчий legacy в Україні написаний не на C++ і не на COBOL. Він сидить у кабінетах і вперто не хоче рефакторитись.
#спогадирозробника | 392 |
| 19 |  Після 2014 року я вперше по справжньому побачив, як в Україні працює технологічна допомога армії.
Я тоді займався машинним навчанням. До мене прийшли військові з ідеєю автоматичної турелі. Камера знаходить людину, система визначає свій це чи чужий, сама наводиться і відкриває вогонь. Без маячків, без електронної ідентифікації, тільки по зображенню.
Я пояснив, що це матиме величезну похибку. Камуфляж, погане освітлення, трофейна форма, закрите обличчя, нестача нормальних даних. Сказав, що помилка легко перевищить 25 відсотків.
Мені відповіли: нормально, нас влаштовує.
Тобто система може вбивати своїх, і це для когось прийнятна статистика. Я подивився на них і сказав, що в такому лайні участі не братиму.
Наприкінці 2022 і на початку 2023 року ми вже працювали над системами візуальної навігації, розпізнавання і автоматичного наведення. Технологія була. Люди були. Можна було робити реальні речі для армії.
А потім почалася не інженерія, а українська система. | 344 |
| 20 |  Головне не в житті не вийти на себе)
#жартипроандрія | 337 |
