⚡️ Nvidia «поглощает» Groq за $20 млрд: Главная шахматная партия Дженсена Хуанга

На рынке ИИ-чипов произошло событие, которое изменит то, как мы будем общаться с нейросетями. Nvidia нашла способ «купить» своего самого дерзкого конкурента — компанию Groq — не оформляя сделку как прямую покупку, чтобы не спорить с регуляторами.

🧠 Что произошло?

Nvidia не просто подписала контракт. Это «мягкое поглощение»:
- Деньги: Nvidia платит $20 млрд за лицензии на технологии Groq.
- Люди: Основатель Groq Джонатан Росс (легенда, создавший ИИ-чипы для Google) и вся его элитная команда инженеров переходят в штат Nvidia.
- Хитрый маневр: Формально Groq остается жить, но его «мозги» и права на разработки теперь у Nvidia. Это позволило обойти антимонопольные службы, которые запрещают гигантам просто скупать всех подряд.

🔍 Почему технологии Groq так важны?
Чтобы понять суть, нужно разделить жизнь нейросети на два этапа: Обучение (когда она читает книги) и Инференс (когда она отвечает на ваши вопросы).

1. Проблема «Склада» (Память HBM в чипах Nvidia)
Чипы Nvidia — это как мощнейшие заводы. Они используют память HBM (это как огромный склад через дорогу от завода). Чтобы ответить вам, чипу нужно сбегать на склад за данными. Это быстро, но глаз человека всё равно замечает паузу. Поэтому ИИ иногда «тупит» перед ответом.
2. Решение «Верстака» (Память SRAM в чипах Groq)
Groq придумал другую архитектуру — LPU. Они используют память SRAM. Представьте, что это верстак, где все инструменты уже лежат под рукой у мастера. Данным не нужно никуда «бегать».
Результат: ИИ на чипах Groq выдает текст со скоростью 500 слов в секунду. Это мгновенно. Это и есть та самая «магия», которую купила Nvidia.

📊 Как это касается каждого из нас?
Nvidia — король в «обучении» ИИ. Но сейчас мир переходит к ИИ-агентам: программам, которые должны мгновенно слышать ваш голос, понимать его и отвечать без задержек.
Без технологий Groq ваш ИИ-помощник в телефоне всегда бы немного «зависал». Теперь Nvidia объединит свою мощь со скоростью Groq. Это значит, что скоро мы получим роботов и цифровых ассистентов, с которыми можно будет болтать так же естественно, как с живым человеком.

📈 Аналитика: Конец конкуренции?
Для Nvidia эта сделка — страховка. Они не дали этой технологии попасть в руки Google или Amazon. Дженсен Хуанг (глава Nvidia) снова подтвердил: если на горизонте появляется кто-то быстрее и лучше, Nvidia либо обгоняет его, либо делает частью своей империи.

📂 Источники:
-Nvidia and Groq Licensing Agreement (Groq Newsroom) — официальный анонс партнерства.
- Nvidia buys Groq for $20B (CNBC) — финансовые детали.
-Acqui-hire of Groq team (Business Insider) — о переходе команды.
-LPU vs GPU: Speed Test (Artificial Analysis) — сравнение скорости памяти и генерации.

REAL DIGITAL

#Nvidia #Groq #ИИ #Технологии #Чипы #Инференс #SRAM #HBM #Будущее #Blackwell #RealDigital

🚀 ИИ-ГОТОВНОСТЬ 2025: КТО ДЕЙСТВИТЕЛЬНО ГОТОВ ИЗВЛЕЧЬ ПОЛЬЗУ ИЗ ИИ?

Вышел Government AI Readiness Index 2025 от Oxford Insights — главный мировой «табель о рангах» для 195 стран.

В этом году авторы сменили парадигму: теперь оценивается не просто наличие технологий, а способность государства использовать ИИ для реального блага общества.

Правительство сегодня — это не просто регулятор, а инвестор и катализатор. Готовность измеряется по 6 столпам (Pillars): от инфраструктуры и этики до устойчивости общества к изменениям.

📈 Глобальные тренды из отчета:
1️⃣ Биполярный мир и «эффект DeepSeek»
США (1-е место) и Китай (6-е место, взлет с 23-го!) создают параллельные технологические стеки. Кейс китайской модели DeepSeek перевернул представления: оказалось, можно конкурировать с гигантами, не обладая передовыми чипами, за счет эффективности алгоритмов. Китай инвестирует $140+ млрд в суверенное «железо» и запустил собственную K-Visa для талантов.
2️⃣ Бум цифрового суверенитета
Регионы уходят от зависимости: Саудовская Аравия строит full-stack проект HUMAIN, Латинская Америка развивает Latam-GPT, а ЕС запускает OpenEuroLLM на 24 языках.
3️⃣ Регуляция буксует
Пока ЕС внедряет AI Act, в мире нарастает дискуссия о его практичности. Глобального консенсуса нет: США даже бойкотировали профильную группу G20 по ИИ.

🧭 Наш регион: цифры и факты
🇰🇿 Казахстан (60-е место, 55.87 балла)
* ✅ Сила:
🔥Стратегическое видение (Policy Capacity — 88.00!) — один из лучших показателей в мире.
🔥Государство четко понимает, куда идти.
🔥Высокий уровень внедрения в госсекторе (Public Sector Adoption — 73.59).
* ⚠️ Вызов: Нужно развивать частный сектор и науку (Development & Diffusion — 39.30).
* 📌 План: Обучить 1 млн граждан навыкам ИИ.
🇺🇿 Узбекистан (62-е место, 54.04 балла)
Отчет отдельно выделяет President AI Award как пример того, как власть стимулирует локальные таланты. Это роль государства как катализатора экосистемы. Цель: 5 млн ИИ-экспертов к 2030 году.
🇷🇺 Россия (47-е место, 57.09 балла)
* ✅ Сила: Качественная нормативная база и этика (Governance — 74.14). По этому параметру страна удерживает позиции в топ-50.
* ⚠️ Вызов: Обновление базы AI Infrastructure (51.13) и работа над Resilience (48.77) — устойчивостью общества к рискам автоматизации.

🌍 Кто еще удивляет?
-Эстония (19-е место): Программа AI Leap внедряет ИИ напрямую в школьное образование.
-Индия (21-е место): Масштабные инвестиции (38,000 GPU) и подготовка к глобальному саммиту AI Impact 2026.
-Африка (Кения, Нигерия, Руанда): Делает ставку на ИИ как на главный рычаг для развития самого молодого населения планеты.

✅ Главный вывод:
В ИИ не бывает мгновенного успеха.
Победит не тот, у кого больше серверов, а тот, кто быстрее сделает ИИ полезным для обычного человека.

💬 Вопрос к обсуждению:
- Где вы видите реальную пользу ИИ уже сегодня: в медицине, налогах или образовании?
- Верите ли вы, что региональные модели (как Latam-GPT) смогут выстоять против глобальных гигантов?

Источник:
- Официальная страница отчета

REAL DIGITAL

#AI #OxfordInsights #GovAI #AIReadiness #Казахстан #Узбекистан #Россия #ЦифровоеГосударство #Технологии2025

📢 Глоссарий AI 2.0 | Выпуск #2.1: Как «разговаривать» с кодом

Забудьте про «чат-ботов». В индустрии 2.0 взаимодействие с ИИ — это не просто беседа, а управление потоком данных. Чтобы получать от нейросети профессиональный результат, нужно понимать, как она видит ваши команды.

Разбираем базу управления:
🔹 1. Prompt (Промпт)
Это координаты цели. Нейросеть — это океан информации. Промпт — это не просто вопрос «дай мне что-нибудь», а точный курс: куда плыть, на какую глубину нырять и что именно достать. Каждое слово в промпте меняет вектор внимания модели. Размытый промпт дает размытый результат.
🔹 2. System Prompt (Системный промпт)
Это «внутренняя прошивка» или роль модели.
• В чем разница: Обычный промпт — это ваша разовая задача («Напиши текст»). Системный промпт — это то, КТО её выполняет.
• Пример: В системном промпте прописывается: «Ты — жесткий редактор, критикуй каждое слово и запрещай канцеляризмы». После этого, что бы вы ни спросили в обычном чате, модель будет отвечать именно из этой роли. Системный промпт — это фундамент поведения, который имеет приоритет над вашим текущим запросом.
🔹 3. Token (Токен)
Это единица измерения работы и «валюта» ИИ. Нейросеть не читает словами, она дробит их на статистические части — токены (например, «привет» для неё — это при- и -вет).
• Важный нюанс: Русский язык для многих моделей «дороже» английского. Одно и то же слово на английском может быть 1 токеном, а на русском — 3–4.
• Зачем об этом знать: Это ваш счетчик в такси. Каждое слово тратит токены. У модели есть лимит «памяти» в токенах (контекстное окно), и как только он заканчивается, ИИ начинает «забывать» начало разговора.
🔹 4. Prompt Engineering (Промпт-инжиниринг)
Это не подбор «вежливых слов», а проектирование алгоритма. Это умение составить запрос так, чтобы у модели не осталось шансов на ошибку. Профессиональный промпт-инжиниринг превращает капризного чат-бота в стабильный бизнес-инструмент, который выдает предсказуемый результат.

💡 Коротко: Промпт — это КУДА ЕХАТЬ. Системный промпт — это КТО ЗА РУЛЕМ. Токен — это КИЛОМЕТРЫ НА СЧЕТЧИКЕ, которые определяют стоимость и память.
В следующем выпуске разберем «магию» рассуждений: как метод Chain-of-Thought заставляет ИИ думать как Шерлок Холмс.

REAL DIGITAL

#AI #Glossary #RealDigital #Prompt #Tokens #TechSimple #Education

ИСТОРИЯ ДВУХ СТРАТЕГИЙ: ПОЧЕМУ ПУТИ META И ЯНА ЛЕКУНА РАЗОШЛИСЬ

Долгое время в штаб-квартире Meta существовал уникальный парадокс. Под одной крышей одной корпорации, развивались два противоположных взгляда на будущее искусственного интеллекта.

Первый взгляд — это Llama. Громкий успех, который говорит: «Давайте строить всё вокруг больших языковых моделей, нужно просто сделать их больше».

Второй взгляд — это позиция главного ученого Яна Лекуна - нынешний путь это красивый тупик, а настоящий интеллект (AGI) нужно строить на других принципах.

В ноябре 2025 года эта история получила развязку. Ян Лекун покинул корпорацию Мета.
Давайте разберемся в сути спора.

Иллюзия смысла: что такое LLM
Чтобы понять скепсис ученых, нужно заглянуть под капот современных чат-ботов. Большая языковая модель (LLM) — это, по сути сложный статистический «мотор текста».
Представьте себе сверхмощную функцию автозамены (T9). Она не знает, что такое «физика» или «истина». Она просто выучила на триллионах примеров, какое слово с наибольшей вероятностью идет следующим.
По сути, это гипертрофированная эволюция цепей Маркова (как именно они предсказывают события — мы разбирали здесь), только «на стероидах» и в гигантских масштабах. Модель потрясающе имитирует стиль, но у нее нет внутренней картины мира. Поэтому она так уверенно выдумывает факты: не врет намеренно, а просто статистически подбирает слово, которое выглядит правдоподобно.

Почему Лекун считает это тупиком
Ян Лекун, один из «крестных отцов» нейросетей, называет авторегрессивные LLM бесперспективными для создания уровня человеческого интеллекта. И у него есть железные аргументы:
- Текст — это не мир. Модели учатся почти только на текстах. Но текст — это очень сжатая проекция реальности. Человек познает мир через зрение и опыт, понимая физику вещей, чего лишены текстовые модели.
- Нет памяти и планирования.
У LLM нет устойчивого «внутреннего состояния». Они живут в моменте генерации. Из-за этого они плохо справляются с длинными логическими цепочками — модель просто «забывает» нить рассуждения.
- Снежный ком ошибок. Поскольку модель предсказывает каждое следующее слово на основе предыдущего, любая микро-ошибка в начале длинного ответа накапливается. Вероятность правильного решения падает экспоненциально с длиной задачи.

Альтернатива: «Внутренний симулятор»
Вместо того чтобы бесконечно увеличивать Llama, команда Лекуна (FAIR) работала над концепцией World Models (моделей мира).
Идея — создать систему, которая работает не как «автозамена», а как внутренний симулятор реальности. Такой ИИ не пытается угадать следующее слово. Он учится предсказывать абстрактные состояния: «Если я толкну этот стакан, он упадет».
Архитектуры типа JEPA (Joint Embedding Predictive Architecture) пытаются строить именно такие абстрактные представления. Это дает ИИ своеобразный «внутренний фильм», в котором можно прокручивать варианты действий и планировать последствия. Это намного ближе к тому, как мыслит человек.

Победа бизнеса над наукой
Парадокс в том, что пока Лекун критиковал LLM, Марк Цукерберг вкладывал миллиарды именно в них. Покупал сотни тысяч видеокарт H100 и строил гигантские дата-центры именно под Llama.
Для бизнеса LLM — идеальный продукт «здесь и сейчас». Они работают в WhatsApp, генерируют рекламу и удерживают внимание. Рынок требует умных ассистентов сегодня, и компания не может ждать 10 лет, пока созреет «научно правильный» ИИ.

Развязка:
В итоге ужиться двум стратегиям не удалось. Чаша весов окончательно склонилась в сторону коммерции.
Точкой невозврата стало создание нового продуктового подразделения, во главе которого Цукерберг поставил не маститого ученого, а молодого предпринимателя Александра Ванга с жесткой задачей — масштабировать продукты на базе Llama.
Лекун не стал хлопать дверью. Это был культурный, но принципиальный уход. Он понял, что векторы разошлись окончательно: Meta выбрала гонку за прибылью и долей рынка с помощью LLM, а Лекун выбрал научную честность.

Теперь он будет строить свои «модели мира» в собственном стартапе, где не нужно гнаться за квартальными отчетами.

Казахстан 2025: от «Байконура» к собственной орбитальной экономике

Согласно отчета МИИЦР на Общетвенного Совете сегодня 26 декабря 2025 по аэрокосмичкской отрасли, космическая отрасль Казахстана завершает 2025 год с результатами, которые переводят её из разряда теоретической науки в плоскость прикладной индустрии. Если раньше республика воспринималась преимущественно как «космическая гавань» для чужих пусков, то сегодня акцент сместился на создание собственных аппаратов и цифровую аналитику Земли.

1. Инженерия на экспорт: больше не только потребители
Главный технологический сдвиг года — переход к
коммерциализации собственных разработок.
• Орбитальные контракты: Казахстан выступил технологическим партнером для Монголии, Нигерии и Конго. Речь идет о проектировании и создании систем дистанционного зондирования Земли (ДЗЗ). Это первый масштабный кейс экспорта казахстанских спутниковых технологий.
• Сверхлегкие ракеты:
В рамках НИОКР ведется разработка носителя сверхлегкого класса и метеорологических ракет. Цель — занять нишу дешевых и быстрых пусков для малых спутников (CubeSat), спрос на которые в мире растет по экспоненте.
2. Информационный суверенитет и KazSat
Важный показатель технологической зрелости — 100% охват рынка транспондерной емкости.
• Что это значит:
Весь спутниковый трафик страны (связь, ТВ, госсектор) теперь полностью обеспечивается национальной группировкой KazSat. Это не просто экономия на аренде зарубежных бортов, а формирование независимого информационного контура страны.
• L-диапазон и связь: Параллельно решается задача цифрового неравенства — использование спутниковых терминалов позволило обеспечить широкополосным доступом более 1600 сельских школ в труднодоступных районах.
3. Earth Observation: цифровой двойник страны
Дистанционное зондирование Земли из «красивых снимков» превратилось в Big Data для управления государством.
• Мониторинг ресурсов: Спутники KazEOSat в 2025 году стали основой системы земельного контроля. Выявлено более 160 тысяч нарушений — от нецелевого использования пашен до незаконной застройки.
• Экологический контроль: Технологии компьютерного зрения на основе спутниковых данных теперь автоматически фиксируют очаги лесных пожаров, динамику паводков (система TASQYN) и даже появление стихийных свалок в реальном времени.
4. Проект «Байтерек»: новая жизнь Гагаринского старта
На Байконуре завершается создание ракетно-космического комплекса «Байтерек».
• Технологический стек: Подготовка инфраструктуры под новую ракету «Союз-5» выполнена более чем на 70%. Первый пуск запланирован на первую половину 2026 года. Это означает уход от использования токсичного топлива (гептила) в пользу экологически чистых керосин-кислородных двигателей.

Вердикт: 2025 год стал для аэрокосмической отрасли Казахстана годом прагматизма. Страна выстраивает вертикально интегрированную систему: от создания собственных малых аппаратов до глубокой аналитики данных ДЗЗ и коммерческих пусковых услуг.

REAL DIGITAL

Источник : https://news.1rj.ru/str/telco_kz/849

🥊 Gemini против ChatGPT: кто реально выиграл 2025

📊 ИИ‑рынок 2025: монополия закончилась
В январе слово “ИИ” означало ChatGPT.
К декабрю у него появился реальный соперник — Gemini, встроенный туда, где мы уже живём: 
в Chrome, Поиск, Android и Workspace.

💻 Google не создаёт спрос — он его перенаправляет
Gemini живёт прямо в интерфейсах Google.
Открыл браузер, поискал, написал письмо — и уже общаешься с ИИ, не заходя на отдельный сайт.
Google не завоёвывает новых людей — он подменяет точку входа для тех, кто и так в экосистеме.

📈 Цифры говорят сами за себя
По данным Similarweb (сервис веб‑аналитики по трафику сайтов), подтверждённым в анализе PPC Land (маркетинговое медиа про рекламу и данные) и ZDNet (тех‑издание про ИТ и софт)

Важно: Similarweb оценивает только веб‑трафик, без учёта API и встроенных интеграций, но для сравнения долей и трендов этого достаточно.

-ChatGPT удерживает около  ⅔ рынка  ген‑ИИ,  доля за год снизилась с ~80 %  до 65–70 %.
-Gemini вырос с ~5 % до примерно 18 %, местами удваивая трафик за несколько месяцев.

Это уже не монополия, дуополия.

🚨 OpenAI включает «code red»
К концу года OpenAI переводит внутренний фокус на ChatGPT: режим «code red» и приоритет обновлений ядра.
Медиа описывают новую модель уровня GPT‑5.x (часто называют её GPT‑5.2 по медиа‑традиции) как попытку вернуть технический отрыв — меньше галлюцинаций и лучше логика. Официально OpenAI 
говорит о следующей 
версии семейства GPT‑5.

NotebookLM + Gemini 3:  тихий прорыв Google
Для тех, кто работает с документами и собственными знаниями, Google выдвигает связку NotebookLM + Gemini 3.
Теперь можно загружать
 PDF, заметки, транскрипты и получать осмысленные выводы и анализ, а не просто «ответ на вопрос».

🧩 Итог 2025
-ChatGPT остаётся 
главным брендом, но лидерство  не абсолютное.
-Gemini стал рабочим 
стандартом для тех, кто 
живёт в экосистеме Google
-Гонка ИИ больше не про «умнейшую модель», а про встроенность в повседневность.

Источники:
-Similarweb / X (GenAI Traffic Share, декабрь 2025):
-PPC Land — «ChatGPT holds two-thirds market share as Gemini and Grok gain ground»:
-ZDNet — «Gemini is gaining fast on ChatGPT in one particular way…»:
-SQ Magazine — Google Gemini AI Statistics 2025:
-Similarweb / Press Release:
-Google Blog — обновления Gemini, Workspace, Android
-TechCrunch — OpenAI fires back at Google with GPT‑5.2
-Euronews Next — After ‘code red’ alert, OpenAI releases GPT‑5.2

REAL DIGITAL

#AI #Gemini #ChatGPT #OpenAI #Google #GenAI #NotebookLM #RealDigital #ИИ #Tech

📢 Глоссарий AI 2.0 | Выпуск #2.2: Память и логика

Почему ваш умный бот вдруг «глупеет» на середине задачи или забывает, о чем была речь в начале?

Продолжаем блок «Управление». Сегодня разберемся, почему ИИ иногда ведет себя как гений, а иногда — как золотая рыбка с амнезией.

Разбираем три термина, которые сделают ваше управление ИИ осознанным:
🔹 1. Context Window (Контекстное окно)
Это объем «оперативной памяти» модели. Всё, что вы написали в чате, и всё, что модель ответила вам, занимает место в этом окне.
* Суть: Как только лимит токенов исчерпан, ИИ начинает буквально «выбрасывать» старые сообщения из памяти. Именно поэтому в длинных диалогах бот вдруг забывает условия задачи. Сейчас идет гонка за «длинный контекст» (от 128k до 2M+ токенов), чтобы ИИ мог держать в голове целые библиотеки за раз.
🔹 2. Chain-of-Thought (CoT / Цепочка рассуждений)
Техника, которая радикально повышает «IQ» модели в сложных задачах. Если просто спросить «Какой ответ?», ИИ может выдать быстрый, но неверный результат, просто угадав его по статистике.
* Как это работает: Если попросить ИИ «Думай шаг за шагом», он начнет расписывать логику решения. Проговаривая промежуточные этапы, модель сама себя проверяет. Это превращает ИИ из «угадывателя слов» в «логического решателя».
🔹 3. Zero-shot / Few-shot Prompting
Это способы настройки поведения модели прямо в ходе диалога.
* Важно: Это не переобучение нейросети, а управление её вниманием «на лету» через примеры.
* Zero-shot: Вы даете задачу без объяснений («Напиши отзыв»).
* Few-shot: Вы даете 2-3 примера нужного результата. Это лучший способ мгновенно объяснить ИИ сложный формат или специфический стиль.

💡 Итог:
• Контекстное окно — объем данных, который ИИ видит одновременно.
• Chain-of-Thought — метод «размышления вслух», спасающий от логических ошибок.
• Few-shot — моментальная настройка стиля через примеры.

В следующем выпуске закроем блок управления: разберем, что такое Temperature (градус «безумия» ИИ) и почему Hallucinations (галлюцинации) — это побочный эффект его креативности.

REAL DIGITAL

#AI #Glossary #RealDigital #ContextWindow #ChainOfThought #FewShot #Logic #TechSimple

🌐 КРИПТОРЫНОК КАК ЧАСТЬ СИСТЕМЫ: ЭРА ВЗРОСЛОЙ ИНФРАСТРУКТУРЫ

2025-й — год, когда крипта перестала быть альтернативой финансовой системе и стала её частью. Но это не победа децентрализации, а её самый сложный экзамен.

Потихоньку привыкаем: крипторынок — это уже не отдельная вселенная, а еще один слой финансовой инфраструктуры. 2025 год стал точкой невозврата. Регуляторная ясность в США (CLARITY Act) и ЕС (MiCA) не убила рынок, а задала ему жесткий каркас — от юридического статуса активов до прозрачных требований к резервам.

Что это значит на практике?
• Институциональный десант. Активы в спотовых BTC-ETF превысили 100 млрд долларов. Корпоративные казначейства больше не «экспериментируют» — они встраивают цифру в глобальные балансы как штатный защитный актив.

Банки в игре.
Регуляторы (вроде американского OCC — Управления контролера денежного обращения) официально открыли банкам дверь. JPMorgan и Goldman Sachs используют блокчейн как несущую балку для токенизации реальных активов (RWA) — от облигаций до фондов недвижимости.

Стейблкоины как расчетный слой.
С годовым объемом транзакций в триллионы долларов, они стали «цифровым долларом» для трансграничных платежей. Для финтеха это быстрее и дешевле SWIFT, особенно там, где старая банковская система буксует.
Но у этой «взрослости» есть цена. Пока институционалы празднуют легализацию, старая децентрализованная идея проходит проверку на прочность. Мы входим в эпоху, где $5 млн на compliance важнее, чем элегантность смарт-контракта. Проекты без юрлица и privacy-коины выдавливаются в серую зону.

Итог:
Clarity Act — это не финал, а начало большой игры. Вопрос «кто контролирует инфраструктуру цифровых денег — государства, корпорации или всё-таки распределенные сети?». Пока ответ формулируется в залах Конгресса, децентрализация рискует стать просто сноской в учебниках истории.
«Дикий Запад» закончился. Наступает время сложной и скучной интеграции, где правовая защита актива важнее его хайпа.

Источники:
1. TRM Labs: Global Crypto Policy Review & Outlook 2025/26 — глобальный обзор того, как 2025-й стал годом институционального захода.
2. OCC.gov: Interpretive Letters 2024-2025 — официальное подтверждение прав национальных банков США на операции с цифровыми активами и использование блокчейн-сетей.

REAL DIGITAL

#криптовалюта #финансы #DigitalAssets

💊 Фарм-логистика на стероидах: как ИИ будут лечить систему поставок в Казахстане

В «СК-Фармация» тихо запускают «цифровой рентген» всей системы лекарственного обеспечения.
Очень удивились, просмотрев в ютубе свежий разговор с CDO компании Алибеком Жанахметовым о цифровой трансформации отрасли.
Не очень то новости обычно оттуда приходили. Решили внимательно прослушать интервью с вновь назначенным CDO. Итак, разбираемся, что стоит за красивыми словами.

СПРАВКА
Алибек Жанахметов — Директор по цифровизации (CDO) ТОО «СК-Фармация» с сентября 2025 года. Специализируется на реинжиниринге процессов, автоматизации и создании Data-Driven систем.
Фокус: цифровая трансформация, внедрение WMS/TMS, развитие ИИ-аналитики для прозрачности и скорости принятия решений.

1. От бумаги к датчикам
Было: Чтобы проверить реальные остатки на складах партнёров, сотрудники выезжали в регионы с инвентаризацией — ручной труд съедал ресурсы, а данным нельзя было
доверять.

Стало: Пилот WMS (системы управления складом) с двумя крупнейшими хабами уже запущен. К концу 2025 года склады перейдут на новую систему. План до 2026 года — масштабировать решение на всех партнёров.

Но это не просто учёт коробок. WMS включает датчики контроля
температуры в реальном времени. Для вакцин и биопрепаратов это вопрос безопасности: если температура в ячейке поднялась выше нормы, система мгновенно сигнализирует. Это «холодовая цепь» — именно она делает цифровизацию необходимостью.

2. ЕФИС 2.0: смена мозгов.
Единой фармацевтической информационной системе около десяти лет — для ИТ это палеозой.

План: В 2025 году ЕФИС полностью переезжает на новую платформу. Цель — ускорение обработки заявок и создание фундамента для аналитики. Параллельно строится хранилище данных и BI-слой. Без этого ИИ не взлетит — нейросетям нужны качественные данные, а не Excel-файлы из 2015 года.

3. Предсказание будущего без гадалок.
Сегодня заявки от больниц — это «исторический консерватизм»: берём столько же, сколько в прошлом году, плюс-минус лапоть ( то есть примерно , на глаз)

Новая логика: Предиктивное планирование на базе Big Data, включая эпидситуацию и глобальную логистику.

- Вспышка гриппа в соседней стране автоматически отражается в расчётах потребности до того, как дефицит дойдёт до аптек.
- Рост доли пациентов с высоким сахаром в регионе становится триггером для пересмотра квот на инсулин.

Пилоты ИИ-моделей запланированы на 2026 год.

4. ИИ: от «советника» к «пилоту»

Этапы трансформации:
- 2025 (в процессе): Переход ЕФИС на новую архитектуру
- 2026 (план): Масштабирование WMS + запуск ИИ-пилотов

Маршруты доставки (TMS — система управления транспортом), потребности регионов и распределение между складами будет считать машина. Человек останется в роли проверяющего.

Цель — чтобы ИИ сам реагировал на вспышку гриппа или аномалии в результатах анализов в поликлиниках ещё до возникновения дефицита.

Цитата:
“Цифровизация — это не код и серверы, а реинжиниринг процессов. Технологии — лишь инструмент для изменения того, как мы работаем”.

5. Главный вызов — интеграция.
Самое тонкое место — «последняя миля»: поток данных от сельской амбулатории до центрального контура.

Если удастся выстроить бесшовную цепочку (больница → ЕФИС → дата-платформа → ИИ-модели → закупки), это станет кейсом мирового уровня для Казахстана.

Вопрос к аудитории:
Верите, что связка WMS + TMS + ИИ победит дефициты и «ручное распределение», или человеческий фактор так просто не сдастся? 👇

Да, что там. Верите, что вообще дадут доделать цифровизацию?

📹 Полное интервью

REAL DIGITAL

#RealDigital #Logistics #AI #Kazakhstan #MedTech #DigitalTransformation

📢 Глоссарий AI 2.0 | Выпуск #2.3: Градус безумия и ложные воспоминания

Сегодня разберем, откуда у ИИ берется «градус безумия» и почему он иногда с абсолютной уверенностью несет полную чепуху. Завершаем блок «Управление» самыми тонкими настройками, которые превращают нейросеть из сухого аналитика в безумного поэта.
Три финальных термина для полного контроля над моделью:
🔹 1. Temperature (Температура)
Это «регулятор креативности». ИИ не просто выдает ответ, он выбирает слова из списка наиболее вероятных. Температура определяет, насколько рискованным будет этот выбор.
• Низкая (0.1–0.3): Модель выбирает только самые очевидные варианты. Ответы будут точными, сухими и предсказуемыми. Идеально для кода и расчетов.
• Высокая (0.7–1.0+): Модель начинает экспериментировать. Это добавляет тексту метафор и жизни, но резко повышает риск ошибок.
🔹 2. Hallucinations (Галлюцинации)
Феномен, когда ИИ уверенно выдает вымышленные факты за реальные.
• Почему это происходит: Важно помнить: ИИ — это не база данных, а статистический предсказатель. Если в его «памяти» нет точного ответа, он все равно обязан его сгенерировать. Он просто достраивает наиболее правдоподобную (по его мнению) цепочку слов. Галлюцинации — это обратная сторона креативности.
🔹 3. Top-p / Top-k
Думайте о них как о предохранителях креативности. Это фильтры, которые ограничивают набор слов, из которых ИИ делает выбор. Они отсекают совсем маловероятный бред, не давая модели уйти в полную фантазию даже на высокой температуре.

💡 Итог блока «Управление»:
• Температура — ваш выбор между точностью и фантазией.
• Галлюцинации — риск, который мы минимизируем через структуру промпта.
• Top-p / k — технические рычаги «адекватности» нейросети.

Мы закончили с управлением!
В следующем блоке переходим к «Технологиям будущего и AI-агентам». Разберем, почему скоро ИИ будет не просто отвечать на вопросы, а самостоятельно вызывать вам такси и планировать отпуск.

REAL DIGITAL

#AI #Glossary #RealDigital #Temperature #Hallucinations #TopP #AIProgramming #Tech #Education

🚨 Новогодний «сезон охоты»: почему киберпреступники не уходят на каникулы?

Пока мы планируем праздничный стол, хакеры готовят «финальный бросок». Согласно свежим данным экспертов RED Security, в период новогодних каникул число инцидентов ИБ возрастает в 4–5 раз.

В чем ловушка?
Злоумышленники проникают в сети заранее, но активируют шифровальщики именно под бой курантов. Когда ИТ-отделы работают в сокращенном составе, у хакеров есть фора в несколько дней, чтобы парализовать бизнес.
По статистике, 80% атак в начале января направлены на полное уничтожение инфраструктуры или вымогательство.

Чтобы ваш январь не начался с «цифрового пепелища», пройдите по этому чек-листу прямо сейчас:
✅ 1. Ревизия доступов (VPN/RDP)
Заблокируйте учетки сотрудников, уходящих в отпуск. Для всех остальных — строго 2FA (двухфакторка). Праздники — идеальное время для подбора простых паролей.
✅ 2. Правило «холодного» бэкапа
Шифровальщики первым делом ищут резервные копии в сети. Сделайте свежий бэкап и физически отключите его от инфраструктуры. Это ваша единственная гарантия выживания при тотальном взломе.
✅ 3. Заплатки на периметре
Закройте критические уязвимости на шлюзах и почтовых серверах. Хакеры автоматизированно сканируют порты 24/7, и новогодняя ночь для них — не исключение.
✅ 4. Анти-фишинг инструктаж
Предупредите коллег: никаких кликов по ссылкам «Посмотри наше поздравление» или «Твой бонус здесь» от незнакомых адресатов. Праздничный фишинг — самый эффективный в году.
✅ 5. План «Б» (Красная папка)
Убедитесь, что у вас есть список телефонов ключевых сотрудников ИТ и ИБ, которые будут на связи 1 и 2 января. Время реакции — решающий фактор.

🚀 Главный совет: Не оставляйте мониторинг на самотек. Проверьте бэкапы сегодня, чтобы спокойно отдыхать завтра!

REAL DIGITAL

Источник:
RED Security / Positive Technologies

#Кибербезопасность #ИБ #ЗащитаБизнеса #IT #НовыйГод2025 #НовыйГод2026 #InfoSec

⚡️ RAG больше не панацея? Эволюция архитектуры ИИ

Если вы внедряете LLM в бизнес, аббревиатуру RAG (поиск информации в базе перед ответом) вы наверняка выучили наизусть. Долгое время это был единственный способ заставить нейросеть не галлюцинировать.
Но индустрия взрослеет. Мы поняли, что классический RAG — это часто стрельба из пушки по воробьям. Это медленно и дорого.
На смену приходит Гибридная архитектура. Давайте разберем, как это работает у профи, и где здесь подводные камни.

Проблема RAG.
Представьте сотрудника, который на вопрос «Во сколько открывается офис?» каждый раз лезет в шкаф за графиком работы. И так 100 раз в день.
Каждый лишний поиск в векторной базе — это задержка (latency) и сожженные токены.
✅ Решение: Умное кэширование (CAG)
CAG (Cache-Augmented Generation) — это подход, когда мы берем «холодные данные» (регламенты, документацию, FAQ) и загружаем их прямо в контекстный кэш модели. Она больше не ищет их — она их знает. Ответ мгновенный.

Реальная архитектура сегодня
Это не выбор «или-или». Это система с Маршрутизатором (Router).
Схема выглядит так:
Запрос пользователя ➡️ Smart Router ➡️

1️⃣ Простой вопрос? ➡️ Ответ из кэша (CAG). Быстро, дешево.

2️⃣ Нужны свежие данные? ➡️ Поиск в базе (RAG).

3️⃣ Сложная аналитика?

➡️ Агенты + Инструменты (API, SQL, внешние сервисы).

Но дьявол в деталях (Важно!)
Кэширование — не волшебная таблетка. Если ваши разработчики предложат «закэшировать всё», задайте им два вопроса:
- Инвалидация (обновление) данных. Если вы обновили цены в базе, а в кэше осталась старая версия — модель будет уверенно продавать клиенту услуги по тарифам прошлого года? Нужна жесткая система сброса кэша.
- Экономика токенов. Кэш выгоден только при частом использовании. Если вы загрузили в контекст «Войну и мир», а спросили про нее один раз — вы переплатили. Кэшируем только High Frequency Data (часы работы, условия возврата — то, что спрашивают сотни раз в день).

Вердикт редакции:
Эра «тупых» ботов, которые просто ищут по ключевикам, уходит. Будущее за гибридными системами, которые понимают, когда нужно вспомнить (CAG), а когда — погуглить (RAG).
Это и есть та самая оптимизация, которая режет косты на 40-90%.

#AI #Architecture #Dev #RAG #Optimization #REALDIGITAL

Медицинский ИИ: Почему он перестал «галлюцинировать»?

Главная проблема ИИ в медицине — отсутствие права на ошибку.
Если чат-бот ошибется в рецепте пирога — это смешно. Если в дозировке лекарства — это катастрофа.

В конце 2025 года индустрия нашла решение.
И оно не в «мощности» нейросетей, а в новой архитектуре доверия.

Разбираем, как это устроено «под капотом».
1. ИИ, который умеет передумывать (Stateful Graphs)
Раньше ИИ работал как конвейер: шаг 1 -> шаг 2 -> шаг 3. Если на первом этапе была ошибка, она катилась до самого конца.
Как теперь: Агенты строятся на Stateful Graphs (графах состояний).
Простыми словами: Это работа консилиума врачей. Если на этапе анализа крови ИИ видит нестыковку с первым осмотром, он не выдает диагноз, а «зацикливается» и возвращается в начало, чтобы перепроверить данные. Если сомнения остаются — он сам зовет врача (Breakpoint).
2. Авто-уборка медицинского хаоса (AgentDose & OMOP)
Медицинские данные — это хаос: почерк врачей, разные сокращения, путаница в единицах (мг или мкг). Чтобы ИИ не отравил пациента, данные нужно перевести в идеальный стандарт OMOP.
Как теперь: Появился AgentDose (проект сообщества OHDSI).

OHDSI (Observational Health Data Sciences and Informatics) — это международный научный консорциум, который разработал OMOP (Common Data Model). Это единый мировой стандарт, который превращает разрозненные записи из разных больниц в понятную для ИИ структуру. Благодаря OMOP ИИ понимает историю болезни одинаково на каком бы языке и в какой бы клинике она ни была написана хоть в клинике Астаны хоть Нью-Йорка.

Простыми словами: Это «умный фильтр», который на лету читает неразборчивые заметки и сам раскладывает их по полочкам мирового стандарта. Он автоматически исправляет ошибки в дозировках еще до того, как их увидит диагностическая модель.
3. Цифровое «алиби» для врача (Iceberg v3)
Главный вопрос к ИИ: «Почему ты принял это решение?». Раньше это был «черный ящик».
Как теперь: Используется стек Iceberg v3 + Trino.
Простыми словами: Это «черный ящик» самолета, но для данных. Функция Row Lineage в Iceberg v3 позволяет буквально отмотать время назад и увидеть, на основании какой конкретно строчки в анализах ИИ поставил диагноз.

Apache Iceberg (v3) — это «Умный Архив»
Представьте себе огромную библиотеку, где миллионы книг (данных) просто свалены в кучу. Найти что-то быстро или изменить одну страницу в книге, не перепечатывая всю серию, невозможно.
• Простыми словами: Iceberg — это «интеллектуальный каталог» над этой кучей. Он превращает хаотичные файлы в аккуратные и понятные таблицы.
• Главная фишка: Он поддерживает «Машину времени». Вы можете спросить систему: «Как выглядели данные пациента ровно неделю назад до того, как мы внесли правки?» — и Iceberg мгновенно покажет ту версию.

Trino — это «Супер-Двигатель»
Trino сам ничего не хранит. Это «мозг», который умеет очень быстро читать данные из разных мест.
• Простыми словами: Представьте супер-переводчика, который может одновременно зайти в 10 разных библиотек, на лету прочитать книги на разных языках и выдать вам краткий и точный ответ за секунды.
• Главная фишка: Ему не нужно перекладывать данные к себе (это долго и дорого). Он «приходит» туда, где лежат данные (в Iceberg), быстро их анализирует и выдает результат.

Итого, это дает клинике юридическую защиту: любое действие ИИ можно проверить и доказать его логику в суде или на комиссии.

В 2025 году мы ценим не «умные» модели, а надежную архитектуру. Побеждают те, кто внедрил связку Graphs + OMOP + Iceberg. Это превращает нейросеть из игрушки в серьезный медицинский инструмент.

OHDSI 2025: Как данные становятся лекарством — видео о том, как стандарты OMOP спасают жизни.

REAL DIGITAL