Hacker News Digest

• Обсуждение охватывает широкий спектр тем — от энергетического перехода и климатического кризиса до влияния ИИ и пандемии COVID-19 на общество и экономику.
• Участники обсуждения подчеркивают, что переход от ископаемого топлива к возобновляемым источникам энергии — это не просто технический вопрос, а глубоко политический и социальный процесс, который требует комплексного подхода.
• Обсуждение также затрагивает вопрос о том, как технологические и социальные изменения влияют на будущее, и как мы можем адаптироваться к этим изменениям.
• Участники обсуждения подчеркивают важность признания и подготовки к изменениям, которые неизбежно приведут к трансформации нашей экономики и образа жизни.
• В конце обсуждение подводит к мысли, что несмотря на все вызовы, человечество имеет потенциал адаптироваться и процветать, если будет действовать мудро и сотрудничать.

• В обсуждении фигурируют три «игры» с условиями: отказ от T&C в браузере, отказ от обработки данных в Apple Health и отказ от согласия на отслеживание в Toyota.
• Участники обсуждают, что отказ от T&C в браузере — это просто игра, и никаких последствий не будет.
• Обсуждается, что Apple Health и Toyota не предоставляют выбора, кроме как отказаться от обработки данных, и это вызывает тревогу.
• Участники также обсуждают, что отказ от обработки данных в Apple Health и отказ от согласия на отслеживание в Toyota не влияет на функциональность, но вызывает тревогу.

Skyvern, инструмент для автоматизации браузерных задач с помощью ИИ, научился писать и поддерживать собственный код, что сделало его в 2,7 раза дешевле и в 2,3 раза быстрее. Идея возникла после запуска на Hacker News, где пользователи просили просто писать код вместо сложной настройки. Однако обучение ИИ создавать код оказалось сложной задачей из-за двух проблем: неоднозначных требований к автоматизации и "грязного" состояния веб-интерфейсов, где элементы часто ведут себя не так, как ожидалось.

Решением стали модели рассуждений, которые повысили точность работы агента до производственного уровня и позволили создавать код, похожий на написанный человеком. В примере автоматизации регистрации компаний на Delaware.gov показаны типичные сложности: связанные элементы управления, которые зависят друг от друга, и случайные сбои сайта. Вместо создания хрупких статических скриптов, которые ломаются при малейшем изменении, Skyvern использует ИИ для обработки непредвиденных ситуаций, сохраняя при этом эффективность сгенерированного кода.

• LLM-агенты стремятся к автономии в написании собственных инструментов, но пока не могут полностью заменить человека в сложных задачах.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.

GOG, платформа для сохранения и распространения старых игр, иногда прибегает к услугам частных детективов, чтобы разыскать правообладателей классических тайтлов. Это связано с тем, что многие старые игры были выпущены компаниями, которые уже не существуют, а их права могли переходить из рук в руки десятилетиями. Например, для перевыпуска серии Tomb Raider требовалось согласование с пятью разными правообладателями.

Сам процесс не столь гламурен, как кажется: сотрудники GOG тратят месяцы на поиски в архивах и телефонные переговоры. Однако результат стоит усилий — это позволяет сохранить игры, которые иначе могли бы быть утрачены. Более того, GOG часто дорабатывает старые игры, исправляя баги и добавляя поддержку современных систем, что делает их доступными для новых поколений игроков.

• GOG Galaxy не поддерживает Linux, что вызывает недовольство среди пользователей, особенно тех, кто предпочитает DRM-free игры и использует Linux.
• Пользователи отмечают, что GOG не предоставляет нативного клиента для Linux, в то время как Steam и Heroic делают это.
• Некоторые пользователи жалуются на отсутствие поддержки Linux со стороны GOG, что делает невозможным для них покупать игры в этом магазине.
• Некоторые пользователи также жалуются на то, что GOG не предлагает версии игр для Linux, даже если эти игры доступны в других магазинах.
• Некоторые пользователи также жалуются на то, что GOG не предлагает никакой информации о совместимости игр с Linux, в то время как другие магазины это делают.

Forgejo v13.0 introduces content moderation features allowing users to report abusive content, which administrators can review and manage. Key security enhancements include stricter handling of Forgejo Actions secrets and a new option to enforce two-factor authentication across the entire instance. The release also improves Forgejo Actions usability by enabling access to previous workflow run attempts and adding static validation for workflow files to catch errors early.

Additionally, v13.0 supports migrating repositories from Pagure, useful for projects like Fedora transitioning to Forgejo. Security updates include stripping EXIF metadata from uploaded avatars to prevent accidental leakage of sensitive information, with a new CLI command provided to process existing images. These changes collectively enhance security, usability, and interoperability.

• Пользователи обсуждают обновления Forgejo: от 8 до 11 версии, затем к 13.0.1, с акцентом на LTS-версии 11.
• Подчеркивается важность обновлений безопасности и конфиденциальности, включая обработку EXIF в аватарах.
• Упоминается сравнение с GitLab и GitHub, подчеркивая легкость и простоту Forgejo.
• Упоминается ожидание функций вроде Renovate и Dependabot, а также групп/подпапок.
• Упоминается, что релизы выходят каждый квартал, а не по семантическому версионированию.

I'm always fascinated by how brilliant us humans can be. So much so that we can put billions of transistors in very small spaces and in complex structures while also mass producing it.I highly recommend watching this video about lithography and the machine that makes it all possi

OpenAI планирует потратить 400 миллиардов долларов в течение следующего года, сосредоточившись на создании экосистемы из семи дата-центров, известных как Stargate, и разработке собственных чипов для ИИ.

Основная идея: даже при консервативных оценках OpenAI потребуется около 50 миллиардов долларов только на создание одного гигаватта вычислительной мощности, не говоря уже о стоимости проектирования и производства специализированных чипов.

Главный вывод: заявления OpenAI о партнёрстве с Broadcom, AMD и другими — это либо грандиозная афера, либо одна из самых рискованных амбиций в истории технологий, с потенциалом потрясти мировую экономику.

Внимание: я тщательно проверяю все свои источники и расчёты, и призываю читателей критически оценивать эти утверждения, учитывая, что многие детали ещё не подтверждены.

• OpenAI и другие крупные игроки вынуждены тратить десятки миллиардов на инфраструктуру, но при этом открытые модели уже достигают 90% функциональности, что ставит под вопрос ценность их услуг и даже саму модель можно запустить на собственном GPU.
• Параллельно растущий спрос на электроэнергию и ограниченные поставки чипов от NVIDIA делают стоимость вычислений в долгосрочной перспективе непредсказуемой, что ставит под сомнение всю бизнес-модель.
• В условиях, когда стоимость обучения и инференса продолжает расти, а открытые модели догоняют по качеству, пользователи всё чаще задаются вопросом, зачем платить, если можно бесплатно получить почти то же самое.
• Венчурные инвестиции в инфраструктуру исчисляются десятками миллиардов, но при этом нет никакой уверенности в том, что эти инвестиции окупятся, ведь нет никакой модели монетизации, которая бы компенсировала эти затраты.

Claude Skills — новый подход, где LLM использует специальные файлы-инструкции для решения задач. Например, Anthropic предоставляет шаблон для создания гифок под Slack: в нём есть код для проверки размера файла, валидации и даже пример готового GIF. Это позволяет Клоду генерировать контент, который сразу проходит модерацию платформы.

Особенность в том, что система работает без предварительного обучения модели на конкретных данных. Вместо этого, все инструкции и валидаторы загружаются динамически, в момент решения задачи. Это экономит ресурсы и позволяет гибко адаптироваться к новым задачам без переобучения модели.

По сути, Claude Skills — это шаблон для создания инструментов, которые LLM может использовать "по требованию". Это открывает путь к генерации не только медиа, но и документов, баз данных и даже ПО через подобные шаблоны. Уже сейчас есть навыки для работы с Excel, Word и PowerPoint, что делает систему универсальным ассистентом для автоматизации рутинных задач.

• Существуетение, что MCP и "skills" — это просто переименование уже существующих концептов: MCP — это стандартизированный способ подключения внешних сервисов, а skills — это просто контекст под рукой.
• Участники обсуждения отмечают, что большинство MCP-серверов бесполезны и могут быть заменены простым вызовом CLI-утилит.
• Некоторые участники подчеркивают, что Skills и MCP решают разные задачи: MCP — это про интеграцию внешних сервисов, а Skills — про управление контекстом.
• Участники также обсуждают, что Skills могут быть более удобны для конечного пользователя, так как они не требуют сложной настройки и могут быть созданы просто как текстовый файл.

Андрей Карпати из OpenAI объясняет, почему до общего искусственного интеллекта (AGI) остаётся ещё около десятилетия. Хотя современные ИИ-агенты вроде Claude и Codex впечатляют, они пока неспособны автономно выполнять комплексные задачи, как человек-ассистент. Основные ограничения включают недостаточную многомодальность (неспособность работать с разными типами данных), неумение взаимодействовать с компьютерными системами и отсутствие непрерывного обучения на основе опыта.

Эти проблемы решаемы, но сложны — требуется масштабирование вычислительных мощностей, улучшение алгоритмов (особенно обучения с подкреплением, которое сейчас "ужасно"), и создание более сложных архитектур для обработки контекста и планирования. Как и с беспилотными автомобилями, прогресс будет постепенным, а не взрывным.

Когда AGI finalmente появится, оно, вероятно, интегрируется в экономику так же плавно, как и предыдущие технологические прорывы, поддерживая ~2% рост ВВП без резких скачков. Даже AGI не приведёт к немедленному преобразованию общества; изменения будут постепенными и управляемыми.

В конечном счёте, несмотря на текущие достижения, до AGI остаётся значительная работа, и пройдёт около десятилетия, прежде чем мы увидим системы, способные полностью заменить человеческий труд в сложных контекстах.

• Обсуждение в основном вращается вокруг того, что AGI/AGI-образные системы всё ещё далеки, и что «десятилетие» стало универсальным эвфемизмом для «мы не знаем, когда это будет».
• Участники спора подчеркнули, что текущие модели не решают фундаментальные проблемы, такие как постоянное обучение, причинность и планирование, и что мы по-прежнему полагаемся на эвристики, которые не масштабируются.
• Были выдвинуты предположения, что AGI может потребовать качественно иной архитектуры, и что текущий путь может быть тупиковым.
• Некоторые комментаторы выразили обеспокоенность тем, что гипер-оптимизм может вести к недооценке рисков и переоценке способностей текущих систем.
• В целом, обсуждение подчеркнуло, что прогресс в ИИ-технологии не линеен и что прогнозы о сроках AGI часто оказываются неверными.

PostgreSQL может быть как чтением, так и записью интенсивной в зависимости от бизнес-логики приложения. Для социальных сетей характерно чтение интенсивное, а для IoT логгеров — запись интенсивная. Определение профиля нагрузки критично для эффективной настройки: чтение интенсивные БД выигрывают от индексации, кэширования запросов и реплик, тогда как запись интенсивные требуют оптимизации хранилищ, управления WAL и дизайна таблиц.

Чтения и записи в PostgreSQL не равны по стоимости: чтение происходит 8kb блоками, часто из памяти, в то время как запись включает WAL, индексы, TOAST таблицы и требует больше ресурсов. Автор предлагает запрос для оценки соотношения чтения/записи на основе внутренних метаданных PostgreSQL, где по умолчанию используется соотношение 5:1 (чтение:запись).

• Обсуждение критикует статью за то, что она не сравнивает PostgreSQL с другими СУБД и не дает практических советов по тюнингу под конкретную нагрузку.
• Участники обсуждают, что статья не учитывает, что большинство приложений имеют смешанную нагрузку на чтение и запись, а не чисто чтение или запись.
• Некоторые комментаторы отмечают, что статья не упоминает OLTP и OLAP, что делает ее менее полезной для практического использования.
• Также обсуждается, что статья не дает ясного определения, что считается "read-heavy" или "write-heavy" в контексте PostgreSQL.
• Наконец, участники обсуждают, что статья не предоставляет конкретных советов по тюнингу PostgreSQL под конкретную нагрузку.