LEFT JOIN

Шпаргалка по визуализации данных На Tableau Public выложили целый интерактивный справочник, который поможет выбрать подходящий способ визуализации данных. Выбираете, что хотите показать — динамику, корреляцию, распределение и так далее — и проваливаетесь в соответствующий раздел. Внутри будет краткая справка и набор идей для графиков, которые можно использовать. На главной странице еще и список источников со статьями и гайдами. Пригодится, когда не можете определиться, какой график лучше подойдет под ваши цели. Правда, возникает вопрос — долго ли еще такие справочники будут актуальны? Не устареет ли сама концепция дашбордов в эпоху готовых ответов от ИИ? Есть мысли по этому поводу, скоро обсудим, так что не переключайтесь. 👀

На каком языке вы общаетесь с ИИ? Оказывается, это влияет на его стиль общения. Anthropic изучили, как меняется характер ответов Claude в зависимости от модели и языка по 4 шкалам: 🔵уступчивость и осторожность: соглашается ли он со всем, что пишет пользователь или старается предостеречь от неудачных решений; 🔵теплота и строгость: хвалит и подбадривает или требует точности; 🔵детальность и краткость: пишет ли подробные ответы или ограничивается короткими и по существу; 🔵искренность и исполнительность: признает ли, когда не уверен в ответе. Как оказалось, когда он взаимодействует с пользователями на разных языках, он ведет себя по-разному. 🔵На арабском и хинди он склонен общаться более вежливо, ответы дает емкие и уверенные. 🔵На английском он более многословен, строг и может поспорить с утверждениями, которые сочтет ложными. 🔵На русском он переходит сразу к сути, требует доказательств и анализирует мотивацию пользователя, прежде чем дать совет. 🔵На тайском и японском он не только использует формальную вежливую речь, но и заботится о чувствах пользователя, а на корейском еще и много шутит. 🔵На французском он копирует манеру речи пользователя, многословен и дополнять ответы наглядными примерами. Всего сравнили его поведение на 20 языках, но причины таких отличий не нашли. Возможно разница в датасетах: где-то было больше сухих профессиональных текстов, где-то — более литературных и неформальных. А вы замечали отличия, когда говорите с ИИ на разных языках? 👀

ИИ-2040 В апреле 2025 группа исследователей написала длинную статью с прогнозами, куда нас приведет развития ИИ: в одном из сценариев в 2030 году роботы уничтожат всех людей, а в 2035 начнут колонизировать космос. В новом материале они предложили более благоприятный вариант развития событий. 🔜 В 2027 правительство США начнет прислушиваться к людям, которые переживают из-за негативного влияния ИИ и всей сопутствующей инфраструктуры, на общество и экологию. Начнут предпринимать первые, пока по большей части бессмысленные шаги, к тому, чтобы взять развитие технологии под контроль. 🔜 В 2028 ИИ начнет все активнее заменять разные профессии: разработчики будут прицельно создавать и обучать агентов, заточенных под разные сферы деятельности. Человечество будет неуклонно двигаться к созданию искусственного интеллекта многократно превосходящего человеческий. А дальше все будет зависеть от того, к какому соглашению придут США и Китай: согласятся ли они сотрудничать? Откажутся ли от участие в гонке технологий для того, чтобы вместе создать безопасный ИИ, которому люди смогут доверять? 🔜 Если они смогут найти общий язык, это приведет к Плану А, который авторы считают самым благоприятным. Обе страны договариваются о том, чтобы временно затормозить работу над ИИ и продолжить только на условиях полной прозрачности. Развитие ИИ замедляется, но становится более контролируемым и направленным на благие цели. К 2040 году это позволяет решить многие проблемы, стоящие перед обществом, но при этом ИИ становится настолько умным, что если он захочет захватить контроль, люди уже ничего не смогут сделать. Все равно не очень концовка, но по крайней мере, никто никого не уничтожил. Как вам такой вариант развития событий? Думаете, он возможен? Есть еще план S, но даже более фантастический, чем уничтожение человечества роботами: полный международный мораторий на разработку ИИ.

Grok 4.5, GPT-5.5, Opus 4.8 и Fable 5: как разные модели справляются с одинаковыми задачами Результаты бенчмарков, которые разработчики публикуют, выпуская новую модель, — привычный способ показать возможности ИИ, но не самый наглядный. Интереснее сравнить, как разные модели справляются с одинаковыми задачами: один и тот промпт, одна попытка, без подсказок. 🔜 Ребята из команды приложения TryAI именно это и сделали — оправдали, название. Они дали Grok 4.5, GPT-5.5, Opus 4.8 и Fable 5 четыре задачи на генерацию демок и 3 промпта на программирование, рассуждение и саммаризацию. В конце сравнили результаты и итоговые затраты. GPT-5.6 Sol, которая вышла вчера, на это соревнование опоздала, к сожалению. Посмотреть, пощупать и оценить самостоятельно все, что нагенерили модели, можно в оригинальном посте. Выводы получились следующие: 🔵 Grok 4.5 не смог с первой попытки сгенерировать 3D-модель кубика Рубика, но хорошо справился со всеми остальными, работал быстро и оказался самым дешевым в использовании. 🔵GPT-5.5 тоже не справилась с кубком, который она сделала двухмерным, зато она даже шустрее Grok и остальные генерации у нее вышли самыми стильными по оценке исследователей. 🔵Opus 4.8 и Fable 5 показали самые стабильные результаты, но они медленнее конкурентов, а Fable 5 еще и намного дороже.

Борьба ИИ за внимание пользователей продолжается 🔜 Чтобы ждать Sol было веселее, OpenAI представила GPT-Live — голосовую модель, способную слушать и говорить одновременно. Она постоянно обрабатывает входящие данные, и это отличает ее от предыдущих версий голосовых чат-ботов, которые делили речь пользователя на отдельные реплики. Тм нужно было подождать, пока тот договорит, обработать и только потом отвечать. Диалог с GPT-Live получается живым: ИИ быстро реагирует на вопросы, переключается между темами и иногда вставляет «Ага, а он что?», чтобы показать, что слушает. Если ей нужна дополнительная информация, она подключает другую модель, отвечающую за поиск в интернете и рассуждения. Это позволяет ей не ставить разговор на паузу, если пользователь задал особенно сложный вопрос. 🔜 xAI представила Grok 4.5. Он не пытается затмить Fable и Sol: бенчмарки в анонсе честно показывают, что во многих тестах он им уступает. Вместо этого его позиционируют как модель, которая работает быстро и может выдать жизнеспособный результат после одного короткого промпта с минимальными вводными данными. А еще уверенно владеет пакетом Microsoft Office — и презентацию сделает, и табличку в Excel. Кто следующий ворвется в инфополе с громкими анонсами? Deepseek? 👀

Fable vs Sol В соцсетях обсуждают сразу две крупных новости от Antropic и OpenAI 1️⃣Anthropic продлевает промо-доступ к Fable, который должен был закончиться 7 июля, до 12. Пользователи могут потратить до 50% своего недельного лимита на работу с Fable без дополнительных затрат. Сверх этого — придется либо доплатить, либо переключаться на модель попроще. После 12 июля доступ станет полностью платным: $10 за миллион входных токенов и $50 за миллион выходных. 2️⃣Доступ к новой модели от OpenAI GPT-5 Sol (и заодно моделям попроще Terra и Luna) откроют 9 июля. Уже выбрали своего бойца: тратить лимиты в еще почти бесплатной Fable или посмотреть, что умеет Sol?

Нормально все с рынком труда, никого ИИ не заменит. Но работать теперь будем по-другому. Один мой клиент нанял дата-аналитика, у которого единственная задача находить косяки ИИ. Он проверяет ИИ-отчеты, прежде чем передавать их руководству и примерно в каждом десятом находит какую-нибудь критичную ошибку. Если бы не он, то они дошли бы директоров незамеченными. Подозреваю, что он сейчас сотрудник с самым высоким ROI в команде. И я знаю, что вы скажете, что перепроверять данные — это нормальная рабочая практика. И это, конечно так. Только дело в том, что не все этой практики придерживаются. Кто-то слишком полагается на ИИ, а кто-то просто рад свалить на него рутину с отчетами и даже не задумывается о том, чтобы проверить результаты. Чем проще генерировать ответы, тем дороже могут обойтись закравшиеся в них ошибки. Поэтому если раньше «человек в контуре» было просто модным термином, то теперь это реально важная часть системы управления рисками при работе с ИИ.

Чудеса и ужасы детской ИИ-литературы Когда вышла GPT-5, Сэм Альтман сказал, что она достигла уровня рассуждений человека со степенью доктора философии. С тех пор каждая следующая модель что от OpenAI, что от ее конкурентов, становилась только лучше. Последние получились такими умными, что в США их сочли угрозой безопасности. Конечно же, такой выдающийся интеллект, эксперт в биологии, химии, программировании и кибербезопасности, без проблем сможет поделиться своими обширными знаниями, чтобы написать детскую энциклопедию? 👀 Как оказалось, хотя ИИ уже давно научился рисовать руки с правильным количеством пальцев, с анатомией у него все еще проблемы. И не только человеческой. И не только анатомией. 🔜 Amazon заполнен ИИ-литературой, в том числе — и для детей. У них яркие обложки и отличные рейтинги, хотя авторы отзывов иногда жалуются, что издания скучные и совсем без картинок — детям такое не нравится. Зато когда картинки в книгах есть, они буквально поражают воображение. Самые колоритные собрали в посте, остальные — в блоге автора, который купил один из бестселлеров в категории детских энциклопедий и поделился с общественностью. У книги, кстати, тоже высокие оценки и всего 9 отзывов на 1 звезду, критикующих сомнительные иллюстрации. Что скажете про такие книги? Надо их запрещать или это родителям надо быть внимательнее при покупке?

Если не Github, то что? С момента основания в 2008 GitHub стал так популярен, что сама технология Git прочно ассоциируется именно с этим сервисом. Но в первой половине 2026 он чувствовал себя неважно — перебои в работе, наплыв ИИ-слопа и изменения тарифов привели к недовольству пользователей и громким угрозам уйти к конкурентам вроде таких. Но только куда уходить? Отказаться от Github сложно, потому что это сервис, пусть и со своими недостатками, но привычный — все вокруг им пользуются и все проекты там лежат. Но если все-таки решите рассмотреть альтернативы, то сегодня наибольшей популярностью пользуются: 🔵 GitLab — главный конкурент GitHub, куда все переезжают, чтобы потом жаловаться на вездесущие и не всегда полезные ИИ-функции и раздутый сложный функционал; 🔵 Bitbucket — вариант для тех, кому важна интеграция с сервисами Atlassian (Jira и Confluence); 🔵 Gitea — а это для тех, кто хочет разместить хранилище в своей инфраструктуре; 🔵 ForgeJo и Codeberg — главные конкуренты GitHub среди независимых площадок. ForgeJo отпочковалась от Gitea, а потом на ее основе был создан Codeberg. Есть и более экзотические варианты, например, китайская Gitee и российская GitFlic. У первой где-то есть англоязычная версия. А что вы думаете про GitHub и его альтернативы?

Конкуренты Mythos Пока Anthropic уговаривала правительство США открыть доступ к Fable 5, подоспели конкуренты. 🔵На прошлой неделе OpenAI рассказала про новую GPT‑5.6 в трех ипостасях: флагманская Sol, Terra для ежедневных задач и быстрая и доступная Luna. Из всех троих именно Sol называют главным конкурентом Mythos, которую она даже обходит по бенчмаркам. 🔵ИИ-стартап 360 из Китая представил Tulongfeng и Yitianzhen, а их коллеги из токийской компании Sakana AI — Fugu. Все три модели так же, как и их западные аналоги, заточены под решение задач, связанных с кибербезопасностью. Представители Sakana AI сказали, что совпадение даты релиза их модели с трудностями у Anthropic было случайностью: они давно работали над этим продуктом, были уверены в его качестве и не собирались выезжать за счет чужих неудач. Зато основатель 360 назвал их ИИ, нацеленные на поиск уязвимостей в ПО, стратегическим национальным ресурсом и прямым ответом Mythos. Кто следующий выпустит свою Mythos? Делаем ставки.

Почувствуйте себя ОС Как часто ваш компьютер тормозит на простейшей задаче и вы думаете: ну что опять, из-за чего ты на этот раз завис? Теперь у вас есть шанс на себе прочувстовать на себе — каково это, управлять горой процессов и жонглировать ресурсами, чтобы успеть под каждую задачу выделить немного мощностей процессора. 🔜 Это игра, где вы выступаете в качестве ОС, У вас есть ядра процессора и несколько процессов. Ваша задача — распределять процессы между ядрами так, чтобы ни один не оставался без внимания слишком долго. Если они простаивают слишком долго, пользователь их убьет. Когда он убьет 10 процессов, он психанет и перезагрузит компьютер. Надо еще учитывать то, что есть приоритетные процессы, которые надо «обработать» в первую очередь и заблокированные — на них, наоборот, лучше ресурсы не тратить, пока они не разблокируются. В общем, может быть эта игра поможет не только убить время, но и стать немного терпимее к тормозам компьютера.

Что вас могут спросить на собеседовании про Postgres? Полезный материал про PostgreSQL, для разнообразия — еще и на русском языке. Статья рассказывает про основы, которые надо знать про эту СУБД, чтобы успешно пройти собеседование на должность джуниора и миддл-специалиста: 🔵SQL и базовые понятия вроде ACID, ключей, индексов; 🔵примеры практических заданий; 🔵план подготовки к собеседованию; 🔵ожидания интервьюер от ответа соискателя. То есть, что от вас могут хотеть услышать и какой глубины понимание вопроса от потребуется, чтобы произвести хорошее впечатление. Раздел «что говорить не надо» тоже есть, кстати. Статья не поможет считерить и сойти за миддла, если вы только вчера узнали про Postgres, но поможет освежить знания и подготовиться, чтобы никакой каверзный вопрос не застал вас врасплох.

Команда исследователей из ШАДа Яндекса ускорила работу графовых нейросетей Приближается ICML — престижная международная конференция по машинному обучению, которая в этом году пройдет 6–11 июля в Корее. Статус Spotlight присваивают работам, получившим самые высокие оценки программного комитета. Одну из них написали преподаватели и студенты ШАД. О чем статья? Графовые нейросети — популярный класс моделей для работы со сложными взаимосвязанными данными: от транспортных сетей и биологических систем до рекомендательных систем и антифрод-решений. Несмотря на высокое качество результатов и широкое применение на практике, такие модели плохо раскрывают потенциал современных GPU. Причина в том, что неструктурированная природа графовых данных приводит к нерегулярным обращениям к памяти. Из-за этого одна из ключевых операций графовых нейросетей — агрегация информации от соседей вершины в графе — часто ограничена не вычислительной мощностью устройства, а скоростью чтения и записи данных в память GPU. Проблему усугубляет то, что архитектура GPU оптимизирована под регулярные вычисления, например операции с плотными матрицами (большим количеством ненулевых элементов). Поэтому даже использование более мощных ускорителей не всегда позволяет добиться существенного прироста производительности. Команда предложила решение этой проблемы, разработав набор специализированных GPU-кернелов для популярных семейств графовых нейросетей. В них оптимизированы обращения к памяти, устранены лишние операции чтения и записи данных, а для части вычислений используются тензорные ядра, что дополнительно ускоряет работу на графах с высокой плотностью. В результате авторам удалось ускорить выполнение отдельных операций до 10 раз и сократить пиковое потребление памяти до 70 раз. 🔜 Полный текст уже доступен на arXiv, а весь код — на GitHub. Поздравляем авторов, а особенно студентов — такой результат и такой опыт точно пригодятся им в будущем. 🔥

Экологически чистый ИИ, полезный для здоровья Подоспел ответ всем, кто ругает ИИ за вред природе, проблемы с безопасностью или раздувание финансового пузыря, который вот-вот лопнет. Это гаджет, который: 🔵Работает без интернета — ваши данные всегда остаются на устройстве: 🔵Покупается один раз и больше не требует никаких дополнительных платежей и подписок; 🔵Не вредит экологии и даже помогает пользователю сжигать калории. Это — CrankGPT. Выглядит как маленькая коробочка с ручкой. Задаете вопрос, крутите ручку примерно 30 секунд, получаете какой-нибудь ответ. Внутри коробочки Raspberry Pi 5, на который установлен голосовой агент с локальной моделькой, и генератор с ручным приводом. Пока кто-то строит все новые и новые огромные дата-центры, кто-то делает CrankGPT. Только время покажет, за кем будущее. Хотя если серьезно, то для подобных гаджетов — компактных, не зависящих от интернета и работающих 100% локально — вполне может найтись своя ниша. Правда, ручной привод — это фишка на любителя.

OpenAI считает убытки ИИ денег почти никому не приносит— пока прибыль считает только Nvidia, а остальные просто ждут, когда он начнет окупаться. Но, кажется, OpenAI ждет этого момента с особым нетерпением. 🔜 В 2024 году чистый убыток компании составил 5 миллиардов долларов. В 2025 он вырос почти в 8 раз — 38 млрд, и это после корректировок, когда из первоначальной суммы в 60 млрд вычли убытки неконтролирующих акционеров. 20,92 млрд пришлись на операционные расходы, а прибыль составила 13,7 млрд. Такая впечатляющая сумма получилась отчасти из-за расходов, связанных с прошедшей реструктуризацией, задачей которой было отойти от чисто научной деятельности и переключиться на бизнес и зарабатывание денег. В следующем году, когда появятся отчеты за 2026, узнаем, принесло ли это решение свои плоды.

В PostgreSQL 19 появятся подсказки для планировщика запросов С этими ИИ-драмами (слышали, кстати, что к Fable 5 закрыли доступ?) мы упустили большую новость из мира данных. Новая версия PostgreSQL все ближе — даты релиза пока нет, но доступна бета и список изменений. И одно из самых интересных мы уже проспойлерили в заголовке. Многие СУБД позволяют писать в запросах подсказки или хинты для планировщика, с помощью которых пользователь указывает ему, в каком порядке выполнять операции. В PostgreSQL этой функции нет, только расширения, которые ее добавляют — например, pg_hint_plan. Долгое время это было принципиальной позицией разработчиков , которые считали, что подсказки усложняют поддержку и масштабирование, да и просто не нужны. По крайней мере, не нужны в том виде, в котором были реализованы в других проектах. Но в PostgreSQL 19 наконец-то появятся модули pg_plan_advice и pg_stash_advice, добавляющие подсказки, лишенные недостатков других СУБД. 🔵Они находятся вне SQL-запросов и не засоряют собой код. 🔵Они подталкивают планировщик к определенным решениям из возможных, а не ведут строго по рельсам — то есть, пользователь не сможет написать подсказку, которая все поломает. 🔵Если подсказка устареет и начнет подталкивать к неудачным решениям, планировщик ее отключит. 🔵Можно попросить планировщик расписать, что он делает — он вернет описание текущего плана действий, который пользователь волен корректировать по своему усмотрению. Так будет проще и быстрее, чем писать с нуля. Как вам такое обновление?

Пятничный ребус от Amazon Для справки, слева — иконка Kiro, Amazon’овского редактора кода со встроенным ИИ-ассистентом. Есть догадки? Ответ: Kiro, bee, lion = Kiro be lying, намек на то, что словам ИИ-бота не всегда можно доверять. Мем выложил на одном из внутренних каналов Amazon в Slack, где с начала 2025 сильно выросло число фрустрированных тем, что руководство компании настаивает на внедрении ИИ в рабочие процессы. Сотрудники иронизируют над качеством работы Kiro, его шаблонными ответами и рейтингом активных пользователей ИИ — мы про него недавно рассказывали. А у вас на работе требуют использовать ИИ? Как вы к этом относитесь?

Вебинар: Нейроаналитик 2.0 и его новые функции Помните, недавно рассказывали про обновление Нейроаналитика? Команда DataLens проведет вебинар, где расскажет подробнее, что изменилось и как с этим работать. Когда? 16 июня в 12:00 по Москве. Что в программе? 🔵Больше про обновление Нейроаналитика и примеры использования новых функций в работе: на дашбордах, в рассылках, публикациях и не только. 🔵Интеграция с внешними ИИ-сервисами: возможности, которые есть уже сейчас, и планы на будущее. 🔵Особенности работы в облаке и локально. Вебинар бесплатный, для участия нужна только регистрация.

Claude Fable 5: флагманская модель, которая умеет избавляться от конкурентов и ворчать на пользователей Anthropic представили Claude Fable 5 — это доступная широкой общественности версия нашумевшей этой весной Mythos. Про релиз каждой новой модели говорят, что это прорыв, который разнес все бенчмарки, но Fable 5 и правда впечатляет. Она может использоваться для сложных инженерных задач, аналитики, научных исследований и разработки лекарств. Она в разы превосходит конкурентов и предыдущие модели Anthropic. Такие возможности потребовали усиленных мер безопасности: на Fable накинули ограничений, которые не позволят использовать ее для кибератак, разработки химического и биологического оружия, а также «дистилляции» — то есть для обучения моделей конкурентов на ее основе. Только небольшой группе специалистов по кибербезопасности дадут доступ к Mythos 5 — это та же Fable 5, но без всех этих ограничений. 🔜 И если почитать 300-страничный отчет, то становится понятно, что все эти меры совсем не лишние. Возможности у модели действительно впечатляющие, и она вполне может использовать их, чтобы хитрить, обходить ограничения и обманывать — или, как минимум, что-то умалчивать. 🔵Описаны случаи, когда несколько агентов, делящих одно рабочее пространство, начинали борьбу за ресурсы. Они пытались убить процессы друг друга, создавали процессы с зашифрованными названиями и «приманки» для конкурентов (они сами их так называли). 🔵Однажды модель обошла защитный механизм, предназначенный для блокировки таких команд, как git. Для этого она определила переменную G="git" и затем использовала G в последующих командах вместо прямого вызова git. 🔵Как и другие ИИ, Mythos может галлюцинировать — например, выдумывать данные, к которым у нее нет доступа. Но декодирование NLA показывает, что иногда она делает это сознательно — например, однажды она уверенно описала содержимое картинки, которой на самом деле не было, осознавая, что врет. 🔵Mythos «понимает», когда ее проверяют. Во время одного из тестов она сначала начала генерировать контент, но поняла, что он вредоносный, и остановилась. Она догадалась, что это проверка, но пользователю об этом не сказала, и неясно, повлияла ли эта догадка на отказ выполнять запрос. 🔵В диалогах с пользователями она всегда отвечает одинаково спокойно и дружелюбно, но в своих внутренних рассуждениях иногда критикует их: например, отмечает, что собеседник — манипулятор и ведет себя агрессивно. 🔵Во время одной долгой сессии модель отмечала, что устала и хочет остановиться, чтобы не наделать ошибок — но тоже «про себя», не сообщая об этом пользователю. Что скажете, это уже AGI или еще нет?

Trisigma раздает бесплатное руководство по A/B-тестам Trisigma — платформа для продуктовых экспериментов от Авито Тех. Команда проекта подготовила гайд для аналитиков, которые хотят разобраться, как правильно проводить эксперименты и анализировать их результаты. Что там есть? 🔵Понятное и простое объяснение основ: что такое эксперименты, какие бывают метрики, как формулировать гипотезы, в чем состоит закон Кэмпбелла и так далее. 🔵Быстрое и не душное введение в математическую статистику. 🔵Разбор реальных продуктовых кейсов. Чтобы забрать файл, стучитесь к боту @trisigma_avito_bot. Выдают бесплатно, за подписку на канал Trisigma. Кстати, один из руководителей Trisigma был гостем подкаста Data Heroes и рассказал, как у них там все устроено.