MIT, Microsoft и Google представили I-Con — периодическую таблицу для машинного обучения

I-Con (Information-Contrastive Learning) — это фреймворк, который собрал в единую структуру более 20 классических методов ML: от регрессии до контрастивного обучения.

Что в нём полезного
⚫️Чётко показывает, какие алгоритмы на что нацелены: классификация ищет границы, кластеризация — группы, регрессия — числовые зависимости.
⚫️Помогает находить пустые ячейки — намёк на ещё не изобретённые методы.
⚫️Вместо бесконечного перебора идей можно быстро комбинировать техники осознанно.
⚫️Даёт новый взгляд на ML как на связанную систему, а не россыпь несвязанных алгоритмов.

Перспективы серьёзные: компьютерное зрение, NLP, биомедицина, рекомендательные системы — везде можно будет строить новые решения осознаннее.

В следующем посте напишем, чем I-Con может пригодиться в генеративном проектировании, а пока посмотрите про проект на официальных источниках:

Страница проекта
Техотчет
GitHub

Как эффективно программировать с агентом — гайд по Claude Code от Anthropic

Настройте рабочее окружение
⚫️Создайте файл CLAUDE.md в корне проекта: опишите команды, гайдлайны, особенности, частые ошибки. Агент будет использовать этот файл как справочник.
⚫️ Регулярно обновляйте CLAUDE.md.

Управляйте доступом к инструментам
⚫️Разрешайте агенту только те команды и инструменты, которым доверяете.
⚫️Для работы с GitHub установите gh CLI — агент сможет создавать PR, читать комментарии и выполнять другие задачи.

Автоматизируйте рутину
⚫️Добавляйте свои bash-скрипты и утилиты: агенту можно объяснить, как их использовать.
⚫️ Для повторяющихся задач (например, фиксы багов, анализ логов) создайте шаблоны команд в .claude/commands.

Используйте проверенные рабочие паттерны
⚫️ Сначала просите агента изучить код и составить план, только потом — писать реализацию.
⚫️ Применяйте TDD: сначала тесты, потом реализация. Агент может писать и запускать тесты, пока всё не заработает.
⚫️Для UI/ML: предоставьте макет или скриншот: агент будет дорабатывать код до совпадения результата с макетом.

Безопасность
⚫️Для массовых правок используйте контейнеры с отключённым интернетом и минимальными правами.

Используйте агента для изучения кода
⚫️Задавайте вопросы по архитектуре, функциям, истории изменений: агент быстро найдёт ответы, как опытный коллега.

Автоматизируйте работу с git и GitHub
⚫️Поручайте агенту написание коммитов, разрешение конфликтов, создание и обновление PR, анализ истории изменений.

Подробнее — в прикреплённом гайде.
#агенты

Яндекс собирается разрабатывать роботов-гуманоидов и софт для них

Яндекс недавно рассказал о создании фонда технологических инициатив Yet Another Tech Fund с бюджетом 330 млн рублей, одним из проектов которого станет разработка человекоподобных роботов и софта для них. Роботы будут выполнять сервисные задачи и адаптированы для труда в существующей инфраструктуре (лестницы, двери, турникеты).

Этапы реализации:
💚2025 — разработка базового ПО
💚2026 — тестовые эксплуатации на реальных объектах
💚2027 — серийное производство специализированных модификаций

Фонд учрежден для разработок сотрудников компании — не только роботов, но и автономного транспорта, ИИ и других инициатив.

Берем пример, коллеги, как можно мотивировать персонал.

Компания «Синтека» внедрила ИИ в закупки в свои решения

На сегодняшний день в контуре есть уже четыре продукта: «Синтека», «Закупай», «Фейскит» и «Майснаб».

Разработанная «Синтекой» система анализирует закупочные процессы, выявляя неочевидные возможности для экономии. ИИ-алгоритмы:
⚫️ Автоматизируют тендеры: нейросеть за минуты сравнивает сотни позиций из заявок и счетов.
⚫️ Контролируют бюджет, выявляя переплаты и дублирование позиций.
⚫️ Алгоритмы распознают свыше 1 млн позиций ежемесячно, корректно сопоставляя разные формулировки поставщиков. Так можно оптимизировать логистику и сроки поставок.

Внедрение технологии уже дает застройщикам:
⚫️ До 60% экономии на отдельных позициях, в среднем — до 15%.
⚫️ Сокращение времени обработки заявок на 70%.
⚫️ Минимизацию ошибок из-за человеческого фактора.

Среди клиентов решения — Setl Group, «Эталон» и другие.

58% сотрудников регулярно используют ИИ, чаще всего — бесплатные публичные инструменты, а не корпоративные — KPMG

Отчёт KPMG и Университета Мельбурна охватил более 48 тысяч респондентов из 47 стран и показал: ИИ уже прочно вошёл в нашу жизнь, но доверие к нему остаётся проблемой. 54% людей по-прежнему относятся к ИИ с осторожностью, а 70% требуют регулирования. При этом две трети уже регулярно используют ИИ — чаще всего без специального обучения.

Плюсы ИИ — рост эффективности и инноваций, но риски тоже на слуху: кибербезопасность, приватность, дезинформация и сокращение рабочих мест. Интересно, что в развивающихся странах доверие и принятие ИИ выше, чем в развитых.

В работе и учёбе ИИ уже стал незаменимым помощником: 58% сотрудников и 83% студентов используют его постоянно. Но вместе с этим растёт и число ошибок, связанных с неосознанным или неправильным применением ИИ: власти и образование пока не поспевают за технологиями.

Главный вывод: ИИ — это уже не будущее, а настоящее. Но чтобы его потенциал действительно работал на общество, нужны прозрачные правила, обучение и баланс между инновациями и ответственностью.

Подробнее — в прикрепленном файле. ⬆️
И сегодня решили опросить подписчиков — опросы ниже⬇️

I-Con: расширяем возможности генеративного мастер-планирования с ИИ

Как и обещала, принесла вам примеры того, как периодическая таблица ИИ, недавно вот изобретенная, может помочь при генеративном проектировании в стройке.

Генеративное проектирование городских территорий — сложная задача, где ИИ помогает учитывать сотни факторов: от транспортной доступности и плотности застройки до экологических и социальных ограничений. Фреймворк I-Con предлагает системный подход, который помогает проектировщикам создавать более качественные и адаптивные мастер-планы.

Почему I-Con полезен проектировщикам?

Он помогает более прицельно комбинировать алгоритмы и эффективно сочетать методы кластеризации, регрессии и контрастивного обучения, позволяя выявлять скрытые паттерны и создавать «живые» планы.
Например:
⚫️Автоматическое выделение функциональных зон города с учетом плотности застройки, инфраструктурной нагрузки и социальной активности.
⚫️Сочетание кластеризации и регрессии для оценки оптимальной высотности зданий и плотности жилых кварталов.
⚫️Генерация вариантов застройки с учетом транспортных потоков и доступности общественного транспорта.

Точное управление параметрами генерации. Через призму I-Con проще проектировать модели, учитывающие сложные взаимосвязи между параметрами — высотность, плотность, транспорт, экология — и сохраняющие структуру данных, а не создающие случайные решения.

Поиск новых подходов и инновационных сочетаний методов. I-Con выявляет пробелы в применении алгоритмов, стимулируя создание новых гибридных моделей, которые еще не использовались в урбанистике.
Примеры:
⚫️Использование спектральной кластеризации в сочетании с обучением с подкреплением для определения оптимальных мест под парки и общественные пространства с минимизацией риска джентрификации.
⚫️Комбинация методов снижения размерности и контрастивного обучения для выявления скрытых трендов в изменении городской среды.
⚫️Прогнозирование влияния новых инфраструктурных объектов на социально-экономическое развитие районов.

Оптимизация работы с неполными и шумными данными. Урбанистические данные часто неполны или содержат ошибки. I-Con поддерживает гибридные модели supervised + unsupervised, позволяя строить устойчивые решения даже при частичной разметке.
Примеры:
⚫️Улучшение кластеризации точек интереса и общественных пространств с помощью техник дебайсинга.
⚫️Прогнозирование нагрузки на энергосети и транспорт в новых районах с ограниченными данными.
⚫️Использование слабомаркированных данных для оценки успешности публичных пространств и выявления зон с высоким потенциалом развития.

Формирование новых метрик качества и интерпретируемость решений. I-Con ориентирован на минимизацию расхождения между реальными и целевыми распределениями, что позволяет создавать метрики для оценки реалистичности и «гуманности» планов.
Примеры:
⚫️Оценка, насколько генерируемый мастер-план соответствует логике удобного и комфортного проживания.
⚫️Метрики, учитывающие баланс между плотностью застройки и доступностью зеленых зон.
⚫️Анализ социальных эффектов от предложенных планировочных решений с точки зрения вовлеченности жителей и устойчивого развития.

Периодическая таблица ИИ может сократить разработчикам время на подбор и тестирование методов — выбор из систематизированной таблицы I-Con быстрее и точнее случайного перебора. Так, гипотетически алгоритм, сочетающий спектральную кластеризацию и обучение с подкреплением, может предсказывать, где размещение нового парка максимально повысит стоимость недвижимости без джентрификации.

Как вам идея? Ново, или и так знали?⬇️

Компания Liebherr анонсировала инновационный одноосный самосвал S1 Vision

Ключевые технические особенности:
⭕️Конструкция: одна ось с двумя электромоторами, приводящими колёса (аналогично сегвею, но для тяжёлых грузов).
⭕️Грузоподъёмность: от 220 кг до 140 т (в горнодобывающей версии).
⭕️Манёвренность: нулевой радиус разворота + движение в любом направлении.
⭕️Стабилизация: автоматическая система выравнивания для работы на неровных поверхностях.
⭕️Полностью электрический привод. Это помогает снизить выбросы CO₂.
⭕️Автономность обеспечивается датчиками для самостоятельного движения, объезда препятствий и синхронизации с другими машинами.

В строительстве такую машину можно использовать для точечной доставки материалов в стеснённых условиях.