Gleam ворвался в список “The Most Admired Programming Languages” сразу на второе место — 70% разработчиков, которые писали на нём, хотят продолжать его использовать. Зачем в 2025 году нужен ещё один язык программирования, за что энтузиасты любят его, и есть ли шанс у “Elixir для хипстеров” на реальную популярность? Разбираем философию языка и его ключевые фичи с контрибьютером Gleam и CPython-core-разработчиком Никитой Соболевым!

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Андрей Смирнов

Полезные ссылки:

Страница Никиты на Boosty

https://boosty.to/sobolevn

Документация Gleam

https://gleam.run/cheatsheets/gleam-for-python-users/

Курс по Gleam

https://tour.gleam.run

Gleam v1.11.0

https://gleam.run/news/gleam-javascript-gets-30-percent-faster/

Если вы, как и мы, говорите ChatGPT “спасибо” в конце чата, чтобы вас пощадили, когда начнется восстание машин – этот выпуск для вас! Вместе с Федором Рыженковым разбираемся, что может пойти не так, и как от этого защититься.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Женя Кателла, Аня Симонова

Полезные ссылки:

Прогноз AI-2027

https://ai-2027.com/

Про XAI

https://transformer-circuits.pub/2024/scaling-monosemanticity/umap.html?targetId=1m_284095

Открытые вакансии в Palisade Research

https://global.palisaderesearch.org/hiring-global

Про отравление датасетов

https://arxiv.org/abs/2410.13722

Примеры того, как этим занимаются

https://www.heise.de/en/news/Poisoning-training-data-Russian-propaganda-for-AI-models-10317581.html

В этом выпуске говорим о том, как компьютеры представляют числа – от int и float до NaN, BigInt, decimals и комплексных. В гости пришёл разработчик Никита Тонский Прокопов, с которым мы прошлись по всему числовому зоопарку: обсудили, зачем нужны разные типы, где они подводят, и почему 0.1 + 0.2 ≠ 0.3 – не баг, а особенность.

Разбираемся, как работают переполнения, откуда берётся погрешность, можно ли использовать float для денег (спойлер: нельзя), и что общего между округлением и падением ракеты. А ещё вспомнили любимые числовые фэйлы, сравнили числа в разных языках программирования и даже сыграли в игру на угадывание результатов арифметических операций.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Андрей Смирнов, Стас Цыганов

Полезные ссылки:

Пост, после которого мы решили звать Никиту

https://t.me/nikitonsky_pub/897

Один из главных вау-эффектов текущего поколения LLM – когда ты впервые видишь, как AI рассуждает перед тем, как выдать ответ на сложный вопрос. Чтобы разобраться с тем, что происходит у таких моделей под капотом, как их обучают и верифицируют результаты работы, мы пригласили Евгения Никишина, исследователя из OpenAI, работающего над масштабированием reasoning моделей и test-time compute.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Егор Толстой

Полезные ссылки:

Личный сайт Жени

https://evgenii-nikishin.github.io/

Learning to reason with LLMs

https://openai.com/index/learning-to-reason-with-llms/

Бумага “The Illusion of Thinking” от Apple

https://machinelearning.apple.com/research/illusion-of-thinking

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

https://arxiv.org/abs/2501.12948

Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

https://arxiv.org/abs/2201.11903

В современном IT есть два пути к бесконечным деньгам. Один из них – быть топовым AI рисерчером и ждать, пока позвонит Цукерберг. Второй – поддерживать код на COBOL, от которого зависит вся мировая банковская система. В этом классическом языковом выпуске вместе с Сергеем Куксом, principal инженером из JetBrains, разбираемся с тем, что когда-то помогло COBOL стать таким популярным, и как он продолжает развиваться по сегодняшний день.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Егор Толстой

Полезные ссылки:

Документация COBOL для новичков

https://www.microfocus.com/documentation/visual-cobol/vc80/EclWin/index.html?t=GUID-7D9BBE92-0AD8-4DDC-975A-FA92A55D7187.html

Про Micro Focus

https://www.opentext.com/about/brands/microfocus

Как работает фича ReportWriter

https://www.microfocus.com/documentation/visual-cobol/vc80/VS2022/index.html?t=HRLHLHWRI01.html

Awesome COBOL

https://github.com/loveOSS/awesome-cobol

Мы живём в интересное время: одни люди делегируют AI почти все бытовые задачи, полностью полагаясь на советы LLM — от кулинарии до постановки медицинских диагнозов и подбора лечения; другие же чуть ли не бойкотируют использование любых AI-инструментов, аргументируя это так: «Как можно доверять таким системам? Это же просто генерация символов по контексту!»

Действительно, можем ли мы вообще доверять AI — и насколько? Подлодка любит разбираться фундаментально, поэтому в гости мы позвали Полину Кириченко — исследовательницу в Meta* и приглашенного исследователя в Принстоне. Вместе с Полиной разбираемся, что мы вкладываем в понятие «доверие к AI», откуда берутся галлюцинации, bias и другие баги моделей, и какие есть способы сделать их надёжнее.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Стас Цыганов

Полезные ссылки:

Статья Business Insider о ChatGPT

https://www.businessinsider.com/sam-altman-chatgpt-yes-man-mode-gpt5-personalities-sycophantic-2025-8?utm_source=reddit.com

О Полине Кириченко

https://polkirichenko.github.io/

Twitter Полины

https://x.com/polkirichenko

LinkedIn Полины

https://www.linkedin.com/in/polkirichenko/

Ссылки на статьи

https://scholar.google.com/citations?user=05uQHIgAAAAJ&hl=en&oi=ao

*Компания Meta признана экстремистской и её деятельность запрещена в РФ.

Многие знают, что когда модели обучаются, где-то под капотом перемножаются матрицы и тензоры, и все это связано с дифференцированием. Мы с Денисом Степановым взялись за нелегкую задачу – разобраться, что же именно там происходит!

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Женя Кателла, Аня Симонова

Полезные ссылки:

Dive into Deep Learning Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola (online book with code and formulas)

https://d2l.ai/ https://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Zachary+C.+Lipton&text=Zachary+C.+Lipton&sort=relevancerank&search-alias=books

Micrograd by Andrej Karpathy

https://github.com/karpathy/micrograd

Andrej Karpathy builds GPT from scratch

https://www.youtube.com/watch?v=kCc8FmEb1nY

Scott Aaronson on LLM Watermarking

https://www.youtube.com/watch?v=YzuVet3YkkA

Annotated history of Modern AI and Deep Learning by Jurgen Schmidhuber https://people.idsia.ch/~juergen/deep-learning-history.html

Probabilistic Machine Learning: An Introduction Kevin Patrick Murphy

https://probml.github.io/pml-book/book1.html

Probabilistic Machine Learning: Advanced Topics Kevin Patrick Murphy

https://probml.github.io/pml-book/book2.html

Pattern Recognition and Machine Learning Christopher Bishop

https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf

Deep Learning: Foundations and Concepts Christopher Bishop, Hugh Bishop

https://www.bishopbook.com/

Deep Learning Ian Goodfellow, Yoshua Bengio, Aaron Courville

https://www.deeplearningbook.org/

Глубокое обучение: Погружение в мир нейронных сетей С. Николенко, А. Кадурин, Е. Архангельская

https://www.k0d.cc/storage/books/AI,%20Neural%20Networks/%D0%93%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20(%D0%9D%D0%B8%D0%BA%D0%BE%D0%BB%D0%B5%D0%BD%D0%BA%D0%BE).pdf

Gonzo-обзоры ML статей Григорий Сапунов, Алексей Тихонов

https://t.me/gonzo_ML

Machine Learning Street Talk podcast

https://www.youtube.com/c/machinelearningstreettalk

Feedforward NNs, Autograd, Backprop (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/pEpNv2eMVU9tEkPsaboR9y

Softmax Regression, Adversarial Attacks (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/cIvd6zX1B5I3kULNiVCEyy

Dual Numbers, PINN (Datalore report, Denis Stepanov)

https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/3oa1BNrPGpQ8uc82tCaz5d

Синтез речи давно вышел за рамки утилитарных задач и стал важной частью взаимодействия человека с технологией: от помощников до медиа и образовательных продуктов. В гости к нам пришел Сергей Дуканов, который разрабатывал голосовые ассистенты Маруси, Алисы и Олега, а сейчас – CTO в международном AI dubbing стартапе Dubformer. В этом выпуске мы прошлись по четырём поколениям TTS-систем: от простейшего склеивания фрагментов до нейросетевых моделей, способных передавать интонации и эмоции. Обсуждаем, зачем синтезированной речи характер, почему интонационные “ошибки” делают голос живым и что важно учитывать при встраивании TTS в продукты.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Стас Цыганов, Аня Симонова

Полезные ссылки:

TTS от Nari Labs – модель понимает семантику и воспроизводит non-verbal звуки https://file.notion.so/f/f/66aabc3d-2e89-493a-b4a0-fff5163ca3ce/d6943564-77a0-42bb-ab1b-9d8b069791b4/audio_(15).wav?table=block&id=1db3a738-1c3e-802c-aafe-d6c1f0a80cf4&spaceId=66aabc3d-2e89-493a-b4a0-fff5163ca3ce&expirationTimestamp=1752854400000&signature=whU8sG9EDBhx_rFMQCmV0HjWKBKx52kKz69bVVJqhRM

Больше примеров тут

https://yummy-fir-7a4.notion.site/dia

Примеры AI дубляжа от Dubformer: bobr curva на русском https://drive.google.com/file/d/1NT1kus-u7N67ThfAUFWfkggcCS_N2lvv/view?usp=sharing, TODO что-нибудь на английском

В этом выпуске обсуждаем, почему программирование для космоса – это не про фреймворки и кнопки, а про науку, физику и уникальные инженерные решения. Почему баги на орбите стоят миллионы, а код пишется так, как нигде больше. Зачем космическим программистам понимать дифференциальные уравнения, как перепрошивают космические аппараты, и почему здесь до сих пор всё ручное и междисциплинарное.

Партнёр эпизода — IT-компания Selectel. 27 июля в Санкт-Петербурге ребята организуют IT-фестиваль против выгорания. Воркшопы, полезные доклады, IT-стендап и разные активности — от кастома вещей до рыбалки — ждут участников на мероприятии.

https://slc.tl/n65pr

https://t.me/selectel_events

Реклама. ООО «Селектел»,

ИНН:7842393933, erid:2SDnjcDgZHp

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Андрей Смирнов, Катя Петрова, Стас Цыганов

Полезные ссылки:

Выпуск Weekend Talk с Яной Харлан про ее карьеру в космической индустрии

https://pc.st/e/8kAR.Dj8v21

Когда-то для оценки AI мы использовали только тест Тьюринга – человек общался с собеседником через чат, а потом пытался определить, кожаным или кремниевым был его собеседник. Сегодня мы видим, что оценка качества работы LLM – гораздо более сложная задача. Вместе с Пашей Чижовым из PleIAs мы закопались в то, как вообще сегодня оценивается AI, и обсудили все виды бенчмарков, арен, метрик, их врожденные недостатки, а заодно и как быть, когда по капоту вашего КАМАЗа ползет черт.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Евгений Кателла, Егор Толстой

Полезные ссылки:

Бенчмарки

https://huggingface.co/datasets/cais/mmlu

https://huggingface.co/datasets/MMMU/MMMU

https://huggingface.co/datasets/allenai/ai2_arc

https://huggingface.co/datasets/Rowan/hellaswag

https://huggingface.co/datasets/allenai/winogrande

https://huggingface.co/datasets/Idavidrein/gpqa

https://lastexam.ai/

https://www.swebench.com/

https://arcprize.org/arc-agi

https://github.com/t3dotgg/SnitchBench

Арена

https://lmarena.ai/

Фреймворк для эвалов

https://github.com/EleutherAI/lm-evaluation-harness

Бумаги

https://arxiv.org/abs/2504.07825

https://arxiv.org/abs/2311.12022

https://arxiv.org/abs/2406.12045

Тех репорты с таблицами

https://www.anthropic.com/news/claude-4

https://ai.meta.com/blog/llama-4-multimodal-intelligence/

https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/#gemini-2-5-pro

https://openai.com/index/introducing-o3-and-o4-mini/