Kurgan-Telecom Ru | Информационные технологии

В новом релизе Pizza Legacy v0.1.0 появилась возможность выиграть игру, как в оригинале.

Когда я играл в Pizza Tycoon (1994 год) в детстве, то не особо задавался вопросом, как победить. Мне просто нравилось открывать рестораны и придумывать пиццы, а также приторговывать оружием для финансирования роста моей империи пиццы. Но выигрыш? Я никогда до него не доходил и, вероятно, даже не задумывался о нём.

Когда я принялся за проект воссоздания этой игры, то начал изучать файлы данных Pizza Tycoon, обнаружив графический файл ENDE.VGA и текстовый файл ENDE.E, сообщающий нам, что происходит в случае выигрыша:

Первая строка ENDE.E:

Вы достигли немыслимого! Вы — король всего западного рынка фастфуда! Вы — тот самый, МАГНАТ ПИЦЦЫ.

Это даёт нам понять, что игру как-то можно выиграть, но не как именно.

Я просто забыл об этом вопросе, ведь мне предстояло реализовать столь многое до того, прежде чем задумываться о победе игрока, но однажды наткнулся на пост «Я "выиграл" в Pizza Tycoon? (Как это произошло?)». После нахождения этого поста мне стало любопытно, но не настолько любопытно, чтобы заниматься расследованием, поэтому я поискал условия конца игры в ассемблерном коде и попросил Claude проанализировать их. Он сказал следующее:

end_of_week_processing раз в неделю проверяет, есть ли у текущего игрока >= доля рынка 5% во ВСЕХ 10 городах.

Это соответствует моим представлениям: логично с точки зрения геймплея и текста, найденного в ENDE.E. Однако это не соответствовало написанному пользователем Reddit: он утверждал, что у него были рестораны только в Париже и Берлине; возможно, он опустил какие-то подробности или у него просто был повреждённый файл сохранения? Я написал ему, но не получил ответа...

28 мая мы провели в Альпине закрытую мастер-встречу про то, как растить ИИ-компетенции в команде без миллионных бюджетов. На встречу подключились более 150 специалистов из фармы, ритейла, IT, логистики и банков. Я рассказывал про наш путь в AlpinaGPT, коллеги показывали свои кейсы в маркетинге, продажах и разработке, в зале задавали вопросы CTO и L&D-директора крупных российских компаний. После трёх часов разговоров у меня осталось одно главное наблюдение — то, ради чего я и пишу эту статью.

Меня зовут Жемал Хамидун, я CPO AlpinaGPT, Head of AI Alpina Digital и автор тг-канала «Готовим ИИшницу». Главное наблюдение простое: разрыв в ИИ-компетенциях растёт. Одни сотрудники работают с моделями ежедневно, у них уже свой стек, свои шаблоны, своя память между сессиями и встроенные в рабочий процесс агенты. Другие открыли ChatGPT один раз, написали что-то вроде «составь мне отчёт», получили шаблонный текст без контекста, решили, что инструмент бесполезный, и закрыли вкладку. Между этими двумя сотрудниками разрыв растёт каждый месяц быстрее, чем компании успевают его закрывать обучением. 

Разрыв в компетенциях растёт быстрее, чем обучение его закрывает

Главная цифра, которую я показывал на мастер-встрече, — из свежего отчёта DataCamp и YouGov State of Data & AI Literacy 2026 (опрос 517 enterprise-руководителей в США и Великобритании, декабрь 2025 — февраль 2026). 82% компаний уже предоставляют ИИ-обучение для сотрудников, и при этом 59% этих же компаний сообщают, что разрыв в ИИ-компетенциях у них всё равно сохраняется. 23% опрошенных заявили, что программы обучения не адаптированы к конкретным должностным обязанностям, 21% опрошенных говорят, что сотрудникам сложно понять, с чего начать. То есть деньги в обучение пошли, программы запустили, лицензии раздали — а сотрудники в массе своей по-прежнему не владеют ИИ на нужном уровне.  

Большинство инструментов для замены лица на видео выдают приемлемый результат на фронтальном кадре с равномерным освещением — и начинают сыпаться при повороте головы, смене выражения или тени от источника света сбоку. Артефакты на границах, мерцание между кадрами, потеря текстуры кожи при движении — это не случайные баги конкретных реализаций, а следствие архитектурных компромиссов.

Взяли три инструмента с разной архитектурой, прогнали через одинаковые сценарии и разобрали, где каждый из них ломается и почему.

DLQ — это просто топик. Сложное — всё, что вокруг него.

Эта статья — про практическую архитектуру обработки событий из Kafka с отправкой данных во внешний REST API.

Главная проблема такого сценария — нестабильность внешнего API. Он периодически деградирует по latency или начинает отвечать с ошибками, и это напрямую влияет на пропускную способность всего консьюмера.

Привет, Хабр!

Мир безопасности телекома для многих IT‑специалистов кажется закрытым клубом, спрятанным за проприетарными вендорами, дорогим оборудованием и тысячами страниц спецификаций 3GPP. Но порой, чтобы положить ядро мобильной сети целого региона не нужна квантовая физика, а достаточно базового понимания бинарных протоколов и одного вырезанного байтика.

В этой статье я расскажу, как я исследовал уязвимости в популярном open‑source ядре мобильной связи Open5GS и почему слепая вера в стандарты ломает код. Мы напишем изящный эксплойт, жонглируя битами в кодировке ASN.1 APER

В продажу поступил новый гаджет «Яндекс Дропс» — наушники со встроенной Алисой AI. Это первое носимое устройство компании с Алисой. AI-ассистент в наушниках записывает идеи, мысли, напоминания и задачи в «Мою память», чтобы ничего не забыть.

Попытки повышения эффективности деятельности в компаниях часто не приводят к желаемому результату. Причины этому может быть разными, но в большинстве случаев это происходит потому, что игнорируется внесение своевременных изменений в управленческую деятельность или при изучении и разработке планов по совершенствованию каких-либо операционных процессов (при выполнении проектов) совсем не учитываются сопутствующие им процессы управления. Как результат – достижение запланированного результата часто оказывается под вопросом.

1.  Что такое управленческая деятельность и что к ней относится.

Посмотрим какие определения даются «управленческой деятельности», в некоторых словарях (см. https://big_economic_dictionary.academic.ru/3548/:

Кафедра компьютерных наук Калифорнийского университета в Беркли на днях опубликовала худшие показатели неуспеваемости за последние годы. В весеннем семестре 2026 года 35,3% студентов курса CS10 получили неудовлетворительные оценки, тогда как в предыдущие годы этот показатель не превышал 10%.

Профессор Дэн Гарсия считает, что главная причина — резкий рост академической нечестности, связанной с использованием ИИ. Студенты поручают языковым моделям выполнение домашних заданий, не осваивают материал, а затем проваливают экзамены.

Получается парадоксальная ситуация. Компании увольняют опытных инженеров, рассчитывая повысить эффективность с помощью ИИ, а система подготовки новых специалистов одновременно разрушается под воздействием той же технологии.

Студенты используют ИИ, чтобы обойти самую сложную и важную часть обучения — процесс самостоятельного понимания материала. В результате они приходят на экзамены без фундаментальных знаний и терпят неудачу. Один из преподавателей отметил, что многие студенты, обучавшиеся на курсе линейной алгебры с «политикой открытого использования ИИ» при выполнении домашних заданий и сдаче экзаменов, впоследствии не смогли решить базовые задачи по линейной алгебре на следующем уровне обучения.

В итоге одновременно деградируют оба сегмента кадрового конвейера. Старших инженеров сокращают, чтобы финансировать расходы на ИИ. Молодые специалисты выпускаются без необходимых навыков, потому что значительную часть учебной работы за них выполнял ИИ. И компании, вкладывающие миллиарды в эти технологии, пока ещё не связали эти два процесса в единую картину.

Два года по вечерам в одиночку пилю текстовую MMORPG в Telegram — мрачный остров, по которому ходят выжившие. В прошлой статье рассказал, как заброшенный на полтора года проект сам собрал игроков. Обещал показать техническую кухню — показываю. Без позы сеньора: где нормальные решения, а где костыли, которыми я не горжусь, но которые два года держат живой мир. Игровой цикл из одной строки в кроне, дюп ресурсов и атомарный захват, мёртвые кнопки, которые пережили все тесты, выпиленный из проекта Python и честный ответ — какой стек я взял бы сегодня.

Всем привет! С Вами вновь на связи Евгений Листраткин, ведущий инженер команды администрирования клиентских сервисов в Selectel. Наша работа — DevOps as a Service. Трудимся и в дата‑центрах других компаний, и вообще на любых площадках.

В работе любого DevOps-инженера есть неизбежная рутина — из раза в раз разворачивать одни и те же типовые сервисы, которым часто с головой хватает базовых настроек. Ansible или Puppet — типичное решение.

Но неужели писать плейбуки ради одного бинарника или готового файла Docker Compose?!

Давайте разберем быструю альтернативу — развертывание инфраструктуры из готовых образов с предустановленным ПО. Материал будет полезен DevOps-инженерам, сисадминам и тимлидам — избавит от рутины, сэкономит время команды, научит раскатывать типовые среды без написания лишнего кода.

Привет, Хабр! Меня зовут Константин Дубинко, я — Android-техлид в  hh.ru. Сейчас мы заканчиваем большой переезд навигации в двух Android-приложениях — для соискателей и работодателей. В этой статье я покажу, как у нас там устроена навигация, почему мы решили отказаться от Fragment-навигации и как превратили хаотичную миграцию с «островками» новой архитектуры в управляемый процесс с метриками и понятным планом работ. Заодно расскажу, какие решения сработали, какие — нет, и что я сделал бы иначе, если бы начинал заново.

У меня была видеокарта NVIDIA A100, максимальный объём памяти 79,254 Гб. Нужно было извлечь ключевую информацию (задача Qwestion Answering) из 6000 многостраничных документов. Всего было 15 полей разного типа:

Фродо_Бэггинс_паспорт — серия и номер паспорта в Средиземье

Сэмуайз_Гэмджи_инн — ИНН, полученный в Мордоре

Хоббит_номер_страховки — номер страхового полиса (эльфийского)

Мериадок_Брендибак_пол — пол

Хоббит_диаметр_кольца — диаметр кольца Всевластия

Перегрин_Тук_вес — вес

Гэндальф_Серый_длина_посоха — длина посоха в сантиметрах

Майар_количество_упоминаний — количество упоминаний в документе его имени

Арагорн_дата_рождения — дата рождения

Леголас_Эльф_количество_стрел — количество стрел

Гимли_фио — ФИО полностью

Боромир_дата_смерти — дата смерти

Саурон_количестов_пальцев — количество пальцев после войны

Орки_количество — сколько орков указано документе

Волки_количество — сколько волков указано в документе

Ну, понятное дело, все поля обфусцированы (на самом деле это обычные юридические документ, причем их форма различается в зависимости от того, кто их делал). Особенность была в том, что все поля могут быть расположены на одной странице документа или размазаны по всему документу, а страниц может быть до 80.

Голосовая активация в умных колонках — задача в целом решённая: несколько микрофонов, стабильное питание от розетки, хороший процессор. А вот перенести то же самое в наушники оказалось совсем другой историей.

Крошечный аккумулятор, мало памяти, чип с жёсткими ограничениями по тактовой частоте, да ещё и с кое‑какими неожиданным сюрпризами на уровне SDK. Всё это потребовало переосмыслить с нуля архитектуру споттера (компонента, который распознаёт обращение «Алиса» прямо на устройстве). 

Меня зовут Григорий Афанасенко, я работаю в команде голосовых технологий Яндекса. Сегодня мы запустили Яндекс Дропс — первое носимое ИИ‑устройство с Алисой AI. В этой статье я расскажу, как мы адаптировали споттер под железо наушников, какие решения пришлось принять, где мы наступили на грабли и что планируем делать дальше. 

Роботизация складской логистики постепенно перестает быть экспериментом и становится рабочим инструментом повышения эффективности. Однако большинство подобных проектов реализуется либо на новых объектах, либо требует существенных ограничений в работе склада на время внедрения.

В этом кейсе расскажем о роботизации распределительного центра (РЦ) «Новая Рига» X5 –  крупнейшем логистическом объекте торговой сети «Пятёрочка». Проект стал одним из самых масштабных внедрений мобильной робототехники в российском ритейле: на объекте был развернут комплекс из более чем 80 роботизированных устройств под управлением единой системы WCS Automacon.

ИИ не всегда ошибается в коде. Часто проблема появляется раньше, в выборе уровня решения.

На трех примерах из веб-разработки показываю, почему рабочий ответ ИИ еще не значит, что его стоит брать в проект: импорт товаров из Excel, мобильное меню на MODX и компонент для Schema.org-разметки.

Сотрудник снова тормозит обсуждение, команда ходит по кругу, сроки сдвигаются — а прямой разговор кажется слишком жёстким. В статье разберём, как обозначить проблему без давления, услышать опасения коллеги и сформулировать ожидаемое поведение так, чтобы разговор всё-таки привёл к изменениям.

Убеждение в том, что компьютеры произведут революцию в образовании, укоренилось задолго до эры микрокомпьютеров; в 1960-е годы оно быстро распространилось по американским университетам. Для этого созрели как политические, так и технические условия: запуск Советским Союзом «Спутника» в 1957 году и программы Линдона Джонсона «Великое общество» послужили катализаторами для притока огромных объёмов федеральных средств в сферу образования и, в частности, в научные исследования в этой области. Между тем, технология разделения времени, позволявшая нескольким пользователям одновременно получать доступ к одному большому и дорогому компьютеру, сделала возможным одновременное обучение целых классов студентов с помощью компьютера (хотя это всё ещё было очень дорого, учитывая стоимость компьютеров в то время).

Открываешь чужой код на Python, а там — Java. Абстрактные базовые классы в местах, где хватило бы простой функции, фабрики фабрик и нагромождение паттернов, усложняющих чтение бизнес-логики. Знакомая картина?

Многие разработчики механически переносят архитектурные привычки из строго типизированных языков в Python, создавая переусложненный неидиоматичный код. В этой статье мы возьмем классические правила SOLID и переведем их на язык динамической типизации (Pythonic way). Разберем на реальных примерах, где принципы спасают проект, а где слепое следование им скатывается в карго-культ.

Wazuh – это open-source SIEM, который собирает логи, детектирует подозрительную активность и умеет на неё реагировать. Инструмент хороший, но дефолтный набор правил – как швейцарский нож: вроде и режет, и открывает, а под конкретную задачу всё равно приходится подтачивать. Он рассчитан на «среднюю» инфраструктуру и без адаптации генерирует много шума.

Моя задача сводилась к тому, чтобы отделить этот шум от значимых событий, не потеряв при этом сами атаки. В этой статье – методология и грабли, на которые я наступил. Будет полезно тем, кто настраивает Wazuh впервые, и тем, кто хочет разгрузить аналитиков от потока ложных тревог.

Патент — это временная монополия. Государство даёт изобретателю исключительное право на коммерческое использование технологии в обмен на ее публичное раскрытие. Когда срок действия данного права истекает, технология переходит в общественное достояние и становится доступна всем без исключения. В этом и смысл — чтобы изобретения раскрывали и потом внедряли уже свободно. Разбираемся, как получить такой легальный инструмент для копирования, улучшения и коммерциализации чужих разработок.