Bonhoeffer’s Theory of Stupidity: A Tool for Control?

Dietrich Bonhoeffer, a theologian executed for resisting the Nazis, had a haunting insight: stupidity is more dangerous than malice. Why? Because stupid people can be manipulated without knowing they’re being used — and worse, they often become fanatically loyal to ideas they don’t understand.

Bonhoeffer observed that stupidity is not a lack of intelligence but a moral failure, a refusal to think critically. And this, he warned, flourishes most in times of social upheaval and under authoritarian regimes.

Why does this matter today?

Because those in power — whether governments or media empires — often rely on this passive obedience. It’s easier to rule a population that feels informed but doesn’t question narratives, doesn’t challenge contradictions, and fears being isolated for thinking differently.

True resistance doesn’t always start with shouting — it starts with thinking. And that’s exactly what oppressive systems try to prevent.

Bonhoeffer’s warning wasn’t just about Nazi Germany. It’s about every society that starts silencing thought under the guise of unity or safety.

Critical thinking is not rebellion — it’s responsibility.

Watch this video to not regret later
https://youtu.be/Sfekgjfh1Rk?si=kWTd2r7OH8tqwCxT

🔥 Немного про Sidecar контейнеры. Плюсы и минусы использования. А так же как делать системы с которыми просто и приятно работать

https://youtube.com/live/QIIf45UYJM4

Для модерации стрима был использован этот бот
https://github.com/creotiv/youtube-llm-moderator

полайкайте кому не впадло
https://www.linkedin.com/posts/creotiv_%D1%88%D1%83%D0%BA%D0%B0%D1%8E-%D0%BD%D0%BE%D0%B2%D1%96-%D0%B2%D0%B8%D0%BA%D0%BB%D0%B8%D0%BA%D0%B8-%D1%82%D0%B0-%D0%B4%D0%BE%D1%81%D1%82%D0%BE%D0%B9%D0%BD%D0%B8%D1%85-%D0%BB%D1%8E%D0%B4%D0%B5%D0%B9-activity-7339621424090808320-V2C3?utm_source=share&utm_medium=member_android&rcm=ACoAAAPl0X4BWZSqccqAVcirdBAwe5jWKVOQ9fI

Подключаемся на стрим
https://youtube.com/live/ERrRBBYIQe8?feature=share

Тут з'явився конкурент Cursor. Цікаво буде затестити на локальних моделях

https://voideditor.com/

Короче потестив VOID + devstrall-small-2505 локально через LMStudio. Трохи довше виходить, але резалт цілком ок, якщо чутка давати контексту що ти хочеш.

Тобто по факту наразі можна працювати з AI Coding Agent локально. Це прям дуже круто. А якщо можете собі дозволити більше оперативки на маці то взагалі бімба буде

Видели изврат?) фронт на пайтоне)
https://github.com/rio-labs/rio

📂 А ви знали, що психологія - дуже важлива частина роботи архітектора?

Я маю на увазі не лише взаємодію з різними відділами чи стейкхолдерами. Йдеться про необхідність розуміння психології для того, щоб ваша команда реалізувала архітектуру саме так, як ви її задумали.

У будь-якому проєкті різниця між тим, що заплановано, і тим, що вийшло, зазвичай доволі суттєва. Як ви розумієте - це не дуже добре. Щоб зменшити цю різницю, і потрібно враховувати психологічні аспекти.

Одна людина тут, на LinkedIn, написала пост (не мені, але помітно), що mobile-розробники вважають, ніби "папочки - це і є архітектура". І насправді... це частково правда.

І саме це пов’язано з психологією. Чому? Тому що для девелопера, який бере ваш проєкт у роботу, файли, що розташовані поруч, психологічно сприймаються як пов’язані між собою об’єкти - навіть якщо це не зазначено в документації (яку, до речі, можуть і не читати). А от файли, що розташовані далеко один від одного, підсвідомо сприймаються як ті, що не мають бути пов’язаними.

Це створює певний психологічний натяк, який девелопер використовує у своїй роботі. Таким чином ви можете впливати на те, як людина працює з проєктом - у своїх інтересах і в інтересах реалізації архітектури. Ви будуєте не просто правила, а систему, яка штовхає людину до найпростішого але й найправильнішого вибору.

Тож, як не дивно, але психологія працює. І... так - "папочки" теж доволі важливі.

Пример ИИ агента https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart

Але схоже для України як завжди(

Хто не вчиться той москаль)

Забудьте про школи, університети, ще пару років і вони стануть пережитком минулого.

#Google та інші компанії активно розроблять ШІ вчителів, які замінять дуже скоро людей.

Чому це круто?

1. Доступ до будь яких знань. Ваш рівень знань вже не залежить від грошей і рівня вашого вчителя.

2. Ніяких психологічних проблем. Не кожен вчитель може знайти підхід до учня та здатен це зробити серед 30+ дітей. ШІ будує программу конкретно під вас.

3. Доступність для всіх. Забудьте про борги за університет, та десятки і сотні тисячі долларів витрачені на навчання. Воно стає доступним майже кожному.

4. 24/7 Ви вчитесь тоді коли вам зручно. Кінець недосипам, красним очам і т.п. Вчитель з вами постійно. А це значно покращує рівень заглиблення в матеріал.

5. Кінець монотонному запам'ятовуванню. Тепер навчання це діалог з колегою, пошук істини, та відсутність меж для вашої подорожі.

Але починати можна вже зараз. Вже сьогодні ШІ здатен дати більше ніж будь який вуз на планеті. Вам тільки треба запитати.

🤖 А вы задумывались когда-то как работает ваш робот-пылесос? Сегодня немного об этом расскажу.

👾 Как работает LIDAR

LIDAR (Light Detection And Ranging) - это вращающийся лазерный дальномер, который несколько раз в секунду обходит всю комнату по кругу и замеряет расстояние до ближайших препятствий в каждой точке по углу.

Выход: массив пар (угол, расстояние) для каждого сканирования.

👾 Преобразование LIDAR-данных в карту квартиры

SLAM - Simultaneous Localization And Mapping

Алгоритм, который строит карту и одновременно определяет своё положение на ней, называется SLAM. Практически все современные роботы используют либо классический 2D SLAM, либо вариации (например, Cartographer от Google, GMapping, HectorSLAM).

Простая последовательность:

1. Сканирование: Робот получает "кольцо" точек вокруг себя (точки препятствий).

2. Оценка перемещения: Сравнивает текущее сканирование с предыдущим, чтобы понять, как он сдвинулся (обычно через ICP — Iterative Closest Point).

3. Оценка по одометру: Использует данные с колес (если есть) для уточнения перемещения.

4. Построение карты: Накапливает "облака точек" на сетке (обычно Occupancy Grid Map, где каждая клетка — свободна/занята/неизвестна).

5. Коррекция ошибок: Со временем использует методы "закрытия циклов" - если робот приехал в уже изученное место, корректирует свою карту и положение.

Итог: Получается карта квартиры в виде 2D-сетки (grid map), где видно стены, проходы, мебель.

👾 Как ездит робот по построенной карте

1. Локализация

В реальном времени робот продолжает использовать LIDAR, чтобы:

Сверять текущий круг LIDAR с картой (amcl - adaptive Monte Carlo localization, или particle filter).

Всегда знать, где он находится на карте (даже если его подвинуть руками).

2. Навигация и планирование маршрута

Два уровня:

1. Глобальный путь (Global Path Planning):
Алгоритмы типа A* или Dijkstra строят кратчайший путь по “чистой” карте (без учета динамических препятствий).


2. Локальный путь (Local Path Planning):
Робот смотрит ближайшее окружение (например, 1-2 метра) и строит траекторию с учетом новых препятствий (стул, ноги и т.д.), используя данные LIDAR в реальном времени (алгоритмы типа DWA — Dynamic Window Approach, или TEB — Timed Elastic Band).

Процесс:

Выбирается следующая “цель” (точка, участок для уборки).

Глобальный планировщик строит маршрут.

Локальный планировщик корректирует траекторию по свежим данным с LIDAR.

Робот двигается, всё время уточняя своё положение.

👾 Как работает в куче

1. LIDAR рисует "кольцо" вокруг робота
2. SLAM “сшивает” кольца друг с другом → карта
3. Робот узнает своё место на карте
4. Планирует путь с учётом карты
5. Едет, реагирует на изменения по LIDAR в реальном времени

👾 Примерная структура используемых алгоритмов

LIDAR scan → Preprocessing → SLAM (карта + позиция)

Карта + позиция + цели → Path Planning (A*, DWA и т.п.)

Движение → новые LIDAR данные → корректировка

👉 Подпишитесь что бы не пропустить интересное