Мне понравился Oculus 2, вчера апгрейднулся до Oculus 3! Father’s day. Последние две недели включаю только FitXR где-то на четыре-шесть десятиминутных подходов в день, чаще всего сериями по три. Если вам, как и мне, было всегда лень ходить в фитнес-клуб, то отличная штука. Особенно удобно то, что занимаешься, когда в течение дня хочется разбавить рутину между встречами и прочей работой.
У меня к этой штуке ещё лежат 10кг жилет и утяжелители на запястья, в сумме по 1.5 кг на руку.
По многочисленным просьбам я создал группу в ФБ и канал в телеге «Инженерный дзен», где могу писать каждый день всякое интересное про науку и инженерию и гости смогут писать тоже. Мне будет интересно, если накопится хотя бы человек 50. Накопим? У меня тонна интересного, на год точно хватит.
Также буду и в телеграм писать, если там наберется хотя бы 50 участников. Канал называется @engineersdzen.
Буду рад за шары и лайки. Если не наберем народ, брошу это занятие с группами и каналами, я и так десять лет собирался 🙂
Сегодня я узнал крышесносящие и мозговрывательные факты про SQLite — самую распространённую базу данных в мире (Триллион установок. В каждом смартфоне, браузере, машине, самолёте A350, даже на Марсе). Так вот, родилась она на военном эсминце USS Oscar Austin. Пилят её ВТРОЁМ. Открытый код. Но. С улицы в этот опенсорс не зайти — только по приглашению и через аффидевит. Компания называется Hwaci («Hipp, Wyrick & Company»). Заодно занимается музыкой (жена главного -музыкант). Зацените сайт. Офис — в жилом доме в Шарлотте. 600+ строк тестов на каждую строку кода. 100% покрытие ветвлений и MC/DC. Тo есть симулируют падения ОС, отключения питания, ошибки I/O и нехватку памяти. Главный набор тестов — проприетарный и закрытый. Прикиньте, open source с платными закрытыми тестами. Хочешь доступ — вступай в консорциум за $120 000 в год.
И самое странное — дух у проекта почти монашеский. Вместо Code of Conduct у них Code of Ethics, выдранный из главы 4 Устава святого Бенедикта (буквально 1500-летние «инструменты добрых дел». В начале каждого исходника вместо правового уведомления — благословение: «May you do good and not evil…».
(Они ещё не нашли подходящей системы контроля версий и написали свою для себя — Fossil (на SQLite, конечно). И парсер-генератор Lemon тоже свой. Прям как Линус с Git.)
Сделал очень крутую штуку для себя. Запускаю программу, она включает микрофон и слушает. Я переключаюсь скажем в браузер, комментирую то, что вижу на экране, периодически нажимая на хоткей для снятия скриншота. В это время моя программа делает транскрипт моих комментариев с привязкой ко времени, сохраняет скриншоты тоже с привязкой ко времени, дальше она распознает скриншоты, вытаскивая оттуда то, как пишутся те или иные слова, бренды, идентификаторы, имена людей, для того, чтобы потом транскрипт моей речи преобразовать в корректный текст. И все это — локальные модели, запущенные на моем ноутбуке, то есть, абсолютно бесплатно.
После того, как я закончу разговаривать с компьютером, я запускаю обработку транскрипта, которая берет на вход сырой транскрипт и распознанные в текст скриншоты и выдает обработанный транскрипт, который выглядит уже достойно (тут уже используется Gemini API). Можно даже следующим шагом сделать автоматическое вырезание из скриншотов фрагментов, о которых шла речь, и вставка их в текст в то место, где о них упоминали.
Или вот я могу просто включить видео на колонки и программа тут же мне делает вот такой транскрипт. Загуглите в ютьюбе видео «Angular HttpClient Under The Hood. Design Patterns & Source Code Overview» с 3:51 — я просто поставил его на пару минут на автомат, а затем остановил свой скрипт.
Опубликовал статью про то, как трансформировать изображения с изменением пропорций. С использованием генеративного AI, конечно, потому что из квадратного прямоугольное можно получить либо с потерей данных, либо с их додумыванием, либо растягивая и сжимая само изображение. Вот я описываю вариант, когда выполняется умное дорисовывание. При обработке сотен и тысяч изображений такой подход не обходится без ошибок, но их число относительно небольшое, и получается значительно выгоднее сосредоточиться на ручном «допиле» ошибочных, чем делать всю работу вручную сразу.
Конкретно это нужно при редизайне, когда выясняется, что новый дизайн немного не совпадает со старым по размеру, скажем, баннеров, а число этих баннеров измеряется сотнями и тысячами.
Сегодня задумался, а ведь AI меняет многолетние, а то и многовековые представления о том, как лучше людям принимать решения в тех или иных ситуациях, особенно в спорте и наверное в бизнесе. Это сильно более интересное, чем просто автоматизация. Это больше про исправление багов в том, как люди много лет считали что-либо правильным и верным.
Например, в игре «го» десятилетиями считалось, что вторжение в угол (пункт 3-3) — грубо и преждевременно. AI тогда доказала обратное: ранний захват угла эффективен, а погоня за «красивой» формой проигрывает прагматичному контролю над центром. Или вот известный 37-й ход AlphaGo в партии против Ли Седоля был очень странным: люди так не ходили, потому что считали, что это «игра в пустоту». Его сначала приняли за ошибку AI, а потом признали гениальным (на YT полно разборов). В киберспорте OpenAI Five показала, что агрессивный ранний выкуп (buyback) павших героев в «доте», который люди считали пустой тратой золота, работает.
Сухая математика почти стёрла из NBA средний бросок: он имеет точность примерно 40-42% и дает ~0.8 очка за попытку, а трехочковый бросок при точности даже в 35% приносит 1.05 очка за попытку, и клубы перестроились под чистую выгоду. Ну тут уже не AI, а математика и статистика. Бросок из-под кольца (лей-ап/данк) оказался статистически самым высокоэффективным.
В футболе есть метрика xG — expected goals; AI разоблачила удары c 35 метров и из-за штрафной как неэффективные (вероятность гола ~5% и 20% соответственно) и в итоге команды терпеливо доводят мяч в штрафную, откуда xG удара возрастает до 15–40%. Оказывается, DeepMind имела проект с Ливерпулем, систему, советующую тренерам по угловым — TacticAI. Эксперты-оценщики в 90% случаев отдавали предпочтение рекомендациям TacticAI, а не тем тактическим расстановкам, которые применялись на практике.
Так вот, интересно, а если так и дальше пойдет, будет ли команда или атлет, испольльзующие более мощный AI, иметь преимущество за счет более выигрышных методик, чем команда, которая такими знаниями не обладает? Будут ли методики игр от AI настолько сложными, что «украсть» в другую команду через наблюдение со стороны их будет нельзя — ну вот как в случае с го?
СЯУ что у звука нотификаций MacOS было имя, и это — Sosumi. Он использовался 1991-2020, потом его заменили на Sonumi. У них есть автор. Это Джим Рикс — звуковой дизайнер Apple, и есть секрет, который не разглашался лет 10 после увольнения.
Итак, была битловская Apple Corps. Лого — тоже яблоко. У них с Apple Inc. был суд => Apple Inc. могла использовать название, но без права вторгаться в муз. индустрию. Дело дошло до создания звуков ОС, юристы напряглись: Рикз, никаких названий «Перезвон» (Chime) и прочего, никаких мелодий в звуках. В итоге в ОС появляются Frog, Funk, Glass, Hero.
Рикз долго работал над звуком загрузки и создал аккорд До мажор 🙂 Пишет, что при создании аккорда до мажор он вдохновлялся песней Битлз «A Day in the Life». (Не знаю, почему я тут ржу). Предложил тогда шутливое название «Let it Beep» в стиле песни The Beatles. Не прошло. Кто-то сказал, что это будет суд. Ривз: «So sue me»! Говорит, что продавал это начальству как «японское слово, ничего с музыкой не имеющего общего».
В macOS Big Sur звон уже другой — Sonumi. Сам звуковой файл /System/Library/Sounds/ по-прежнему называется Sosumi.aiff.
Я наконец-то добрался до Meta Oculus Quest и это действительно вещь! FitXR (это фитнес игра) очень потогонная штука. На тебя быстро летят под музыку объекты разных форм и их надо лупить разными движениями, работа руками, ногами, корпусом, темп высокий, время на подумать почти нет, через 10 минут — язык на плечо. Вот такое геймерство мне нравится!
Опубликовал новую статью на Hybrismart — после долгого перерыва. Она о том, как мигрировать данные из старого сайта в новый с использованием graph db (конкретно я юзал neo4j и memgraph). Кейс такой: есть старый сайт и новый сайт, и нужно перенести CMS данные — компоненты, страницы, сетку из старого в новый, и по ходу сделать всякие трансформации — например, в новом стили другие, сетка другая, компоненты частично другие. Вот для этой задачи я и использовал graph db.
Давно не писал на свой блог про SAP Commerce Cloud. Работал на SAP два года, и считал некорректным писать про их продукты, формально имея доступ к внутренним документам. Сейчас работаю на двух проектах параллельно — один про миграцию SAP Commerce Cloud, а другой в существенной спепени про графовые БД. И на стыке этих миров и родилась статья.
https://hybrismart.com/2026/06/10/migrating-sap-commerce-content-with-a-graph-database/
СЯУ как работает посудомойка. Пару раз ремонтировал => читал матчасть. В США подключена к горячей воде на входе. ТЭН в посудомойках слабенький, он поднимает t всего на ~3°C/min, греть полный поддон с «нуля» долго. Перед запуском стоит открыть кран с горячей водой прогреться. В странах с 220В посудомойка часто греет воду сама. В Бошах есть интересное решение: теплообменник в стенке. Пока нагревается вода и распыляется коромыслами, в т/о заливается новая порция воды. Далее t новой порции воды медленно растет – а t среды в камере постепенно падает. Чтобы избежать термошока для бокалов при смене воды с грязной на чистую. А еще теплообменник нужен для того, чтобы дать холодную стенку для сушки — туда конденсируется вода из пара.
А останавливается всё не по таймеру (точнее, не только), а по датчику мутности — аквасенсору. ИК-светодиод и фототранзистор, в поддоне. С/д светит лучом воду: дошёл сильный сигнал — вода прозрачная, посуда чистая, можно сворачиваться; слабый — грязи много, крутим дальше. То есть машинка сама решает, добавить ли полоскание. Так же прикидывает и объём с грязнотой загрузки — частично по той же мутности, частично по тому, насколько остывает вода, когда её разбрызгивает по холодной посуде (тепловая масса) => одна и та же программа Авто может идти и 1.5 часа, и 3.
И вот тут самое контринтуитивное. Посуду нельзя споласкивать перед загрузкой. Там ж не просто мыло, а коктейль из ПАВ (снижают поверхностное натяжение), эмульгаторов (заставляют жир смешиваться с водой), диспергаторов (держат отмытую грязь во взвеси, чтобы она не осела обратно) и ферментов (протеаза, амилаза). Ферментам нужна еда, чтобы за неё зацепиться. Основная грязь на посуде — это не жир (с ним справляются ПАВ и эмульгаторы), а присохшие/пригоревшие белки и крахмал — крупные молекулы-полимеры, не растворяются в воде и просто механически прилеплены к тарелке. Струёй их не сбить, а тереть некому. Ферменты — биологические катализаторы, режут эти длинные молекулы на мелкие растворимые куски (белок на пептиды и аминокислоты, крахмал на сахара), и вот эти ошмётки уже легко смываются водой. Протеаза работает по белкам, амилаза — по крахмалу, иногда добавляют липазу под жир. Смоешь всё заранее — им просто нечего делать, смываются вхолостую. Если аквасенсор в начале видит чистую, решает, что делать немного, укорачивает цикл, снижает интенсивность. Ополаскиваешь — заставляешь машину мыть хуже (но быстрее). Счищайте твёрдые куски и ставьте как есть.
Инсайт про капсулы. При каждом сливе вода уносит и растворённое средство, поэтому машина впрыскивает основную дозу только в основную мойку — уже после того, как слила грязную предварительную воду. А вот отсек pre-wash открытый, с дырками, и средство из него вытекает сразу. Капсула открывается только в основном цикле, так что первые эти 10 мин машина гоняет чистую воду вхолостую и жир в это время никто не трогает. Потому порошок лучше капсул: им можно зарядить оба отсека, и предварительная мойка сразу берётся за жир.
