Врачи моментально теряют навык диагностики, когда начинают использовать нейросети. После отказа от ИИ показатели падают ниже исходных

Когда врачи используют технологию распознавания изображений на основе ИИ для обнаружения и удаления предраковых новообразований, частота обнаружения выше - использование ИИ приводит к повышению частоты обнаружения аденом на 12,5%. Что вроде как хорошо
Но если убрать ИИ, частота обнаружения аденом падает ниже изначального уровня.
«Постоянное использование ИИ может снизить частоту обнаружения аденом при стандартной колоноскопии без ИИ, что свидетельствует о негативном влиянии на поведение эндоскопистов», — заключает исследование.
Еще в 2019 году Европейское общество гастроинтестинальной эндоскопии (ESGE) в своих рекомендациях по использованию ИИ предупреждало о риске «деквалификации».

В июне исследователи Массачусетского технологического института опубликовали аналогичное исследование, в котором было обнаружено, что использование чат-ботов LLM связано с более низкой активностью мозга.

Ученые из Университета Пердью утверждают, что аналогичная ситуация наблюдается и у проектировщиков, которые полагаются на ИИ: «Наши результаты свидетельствуют о том, что, хотя автоматизация на основе ИИ воспринимается как средство повышения эффективности, чрезмерное делегирование полномочий может непреднамеренно препятствовать развитию навыков», — заключают они.

Учёный-компьютерщик Арвинд Нараянан из Принстонского университета недавно заявил, что деквалификация разработчиков в результате развития искусственного интеллекта вызывает беспокойство: «если начинающий разработчик слишком полагается на вайб-кодинг вибраций и, следовательно, вообще не может программировать самостоятельно, ни на каком языке, и не понимает принципов программирования, это определённо проблема».

https://www.theregister.com/2025/08/13/doctors_risk_being_deskilled_by_rely_on_ai/

Сравнение операций в Excel, SQL и Python (Pandas)
#sql #python

Шаблоны проектирования для архитектуры микросервисов
(описание в следующем посте)

Шаблоны проектирования для архитектуры микросервисов:
(описание к предыдущему посту)

1. Шаблоны декомпозиции:
- Decompose by Business Capability (Декомпозиция по бизнес-возможностям).
- Decompose by Subdomain (Декомпозиция по поддоменам).
- Decompose by Transactions (Декомпозиция по транзакциям).
- Strangler Pattern (Шаблон strangler).
- Bulkhead Pattern (Шаблон bulkhead).
- Sidecar Pattern (Шаблон sidecar).

2. Шаблоны интеграции:
- API Gateway (Шлюз API).
- Aggregator Pattern (Шаблон агрегатора).
- Proxy Pattern (Шаблон прокси).
- Gateway Routing Pattern (Шаблон маршрутизации шлюза).
- Chained Microservice Pattern (Шаблон цепочек микросервисов).
- Branch Pattern (Шаблон ветвления).
- Client-side UI Composition Pattern (Шаблон композиции пользовательского интерфейса на стороне клиента).

3. Шаблоны базы данных:
- Database Per Service (База данных на сервис).
- Shared Database per Service (Общая база данных на сервис).
- CQRS (Command Query Responsibility Segregation).
- Event Sourcing (Обработка событий).
- Saga Pattern (Шаблон saga).

4. Шаблоны наблюдаемости:
- Log Aggregation (Агрегация логов).
- Performance Metrics (Метрики производительности).
- Distributed Tracing (Распределенное отслеживание).
- Health Check (Проверка работоспособности).

5. Шаблоны сквозного применения:
- External Configuration (Внешняя конфигурация).
- Service Discovery Pattern (Шаблон обнаружения сервисов).
- Circuit Breaker Pattern (Шаблон предохранителя).
- Blue-Green Deployment Pattern (Шаблон сине-зеленого развертывания).

В то время, как одни советуют не идти в программирование и разработку, так как ИИ якобы отберет рабочие места у разработчиков и сделает их труд не нужным,
известный исследователь в области ML/AI а также автор многочисленных курсов по этой теме - Andrew Yan-Tak Ng (изветсный как AndrewYNg) объясняет, почему нам нужно больше программистов, а не меньше.

“A fresh college grad on top of AI can outperform a full-stack engineer with 10 yrs of experience that is still doing things as they were back in 2022.”
«Недавний выпускник колледжа, освоивший ИИ, может превзойти инженера полного цикла с 10-летним опытом, который все еще работает так же, как и в 2022 году».

Диаграмма безопасности Kubernetes
(в хорошем качестве тут https://kubesec-diagram.github.io/)

В руководство по языку Python добавил статью про функцию zip
https://metanit.com/python/tutorial/3.9.php
#python

Microsoft выпустила новое предупреждение для пользователей Windows, которые хотят установить браузер Google Chrome, призывая их пользоваться более безопасным способом просмотра веб-страниц и предлагая Edge в качестве безопасной альтернативы.

Теперь при попытке установить браузер Chrome появляется сообщение:
«Microsoft Edge работает на той же технологии, что и Chrome, но при этом пользуется доверием Microsoft».
https://wccftech.com/microsoft-issues-bold-warning-stop-using-google-chrome-on-windows-and-switch-to-edge/

PS. На месте Microsoft я бы не был уверен, что доверие Microsoft - это плюс.

Консольный тетрис на PHP
Под впечатлением от фильма "Тетрис", энтузиаст решил написать эту игру на РНР, чтобы попрактиковаться в работе с терминалом.
Исходник - https://gist.github.com/al3rez/e43f4bc86e50a79fca14529d4f2f2b8c
#php

Предсказуемые обращения к памяти значительно быстрее

Загрузка данных из памяти часто занимает несколько наносекунд. Пока процессор ожидает данные, он может простаивать, не выполняя полезную работу. Аппаратные блоки предварительной выборки современных процессоров предсказывают доступ к памяти, загружая данные в кэш заранее, что оптимизирует производительность. Их эффективность зависит от шаблона обращений: последовательные чтения выигрывают от эффективной предзагрузки, в отличие от случайных запросов.

Для примера на скриншоте приведены 5 примеров доступа к элементам большого массива 32-разрядных целых чисел размером 64 Мбайта (в программе на Go)

1) Последовательный доступ (Seq): считываются каждые 8 элементов подряд.
2) Случайный доступ (Random): считываются каждые 8 элементов в произвольном порядке.
3) Обратный доступ (Backward): считываются каждые 8 элементов с конца массива.
4) Перемежающийся доступ (Interleaved): считываются каждые 8 элементов, начиная с первого, третьего, второго и далее.
5) "Перепрыгивающий" доступ (Bouncing): считываются каждые 8 элементов, начиная с первого, последнего, второго, предпоследнего и так далее.

Можно увидеть, что случайный доступ работает гораздо медленнее, чем остальные варианты, что наглядно демонстрирует, насколько хорошо процессоры умеют предсказывать обращение к данным и что следует учитывать при работе с данными

Схемы маршрутизации
(описание к предыдущему посту)

Broadcast (широковещание)

Использует одноадресную связь, где один отправитель передает пакет всем узлам в сегменте сети. Сеть реплицирует пакет по мере необходимости для достижения каждого устройства в подсети. Часто используется в локальных сетях для таких задач, как запросы ARP или обнаружение DHCP.

Unicast (одноадресная передача)

Использует одноадресную связь между отправителем и одним конкретным получателем. Каждый пакет отправляется непосредственно одному уникальному получателю, идентифицированному по его адресу. Используется в повседневных задачах, таких как посещение веб-сайта или отправка электронной почты одному человеку.

Anycast

Использует одноадресную связь с одним или несколькими получателями. Отправитель отправляет пакет одному получателю, выбранному из группы, которая разделяет один и тот же адрес. Сеть доставляет его ближайшему или наиболее оптимальному узлу на основе стоимости маршрутизации или предпочтений. Используется в DNS и CDN-сервисах для повышения скорости и надежности за счет достижения ближайшего сервера.

Multicast (многоадресная передача)

Использует одноадресную связь с одним или несколькими получателями. Отправитель передает один пакет множеству получателей, которые присоединились к определенной многоадресной группе. Только заинтересованные узлы получают сообщение. Полезно в потоковой передаче (например, IPTV), где только заинтересованные устройства получают данные. Также используется в маршрутных протоколах, таких как OSPF (использует 224.0.0.5 для маршрутизаторов OSPF), EIGRP (использует 224.0.0.10 для всех маршрутизаторов EIGRP), PIM (использует 224.0.0.13 для маршрутизаторов PIM).

Шпаргалка по IP-адресам IPv4 и подсетям

Дерево процессов в Windows, запускаемых при старте системы #windows

Диаграмма инструментов для анализа данных в #Python