🔁 Повторять одно и то же в надежде на другой результат — безумие. Но если делать это миллион раз, считать ошибки и подкручивать параметры, получается машинное обучение. И за это даже платят. Хотите разобраться, как превратить бесконечные повторения в работающую модель? На витрине Хабр Курсов есть программы по Machine Learning.
Троян в твоих ушах: как угнать WhatsApp и Amazon через беспроводные наушники Два немецких пентестера проверяли Bluetooth Auracast, а наткнулись на серьёзную уязвимость в наушниках с чипами Airoha. Под удар попали отдельные модели Sony, Marshall, JBL, Jabra и других брендов. Из рутинного аудита выросло целое расследование, которое закончилось демонстрацией угона WhatsApp и входа в Amazon. Airoha подготовила патч за две недели, но спустя ещё месяц ни один производитель наушников не выпустил обновление для пользователей. Оказалось, что найти уязвимость — полдела. Нужно ещё добиться, чтобы её закрыли.
Как ИИ‑детекторы убивают высшее образование «Вы это сгенерировали. Переделывайте». Студент уверяет, что писал сам, и предлагает показать конспекты. Преподаватель может долго расспрашивать его, проверять понимание темы и давать индивидуальные задания. А может просто прогнать работу через ИИ-детектор. В очереди ведь ещё не менее ста студентов. Казалось бы, удобное решение. Вот только после такой проверки у студента появляется совсем другая задача, и с изучением предмета она почти не связана. Более того, попытки добиться нужного результата могут заметно изменить сам текст работы. Причём совсем не в ту сторону, в которую рассчитывали преподаватели. Получается парадокс, хорошо знакомый ML-инженерам. Борьба с использованием нейросетей может сама создавать условия, при которых студенту выгоднее совершенствовать навыки обхода проверки, чем разбираться в предмете.
Как набор грязных хаков добавил мультиплеер в легендарную игру: разбираем архитектуру SAMP Помните «стрельбу по пингу» в раннем SAMP? Целишься прямо в бегущего игрока — промах. Стреляешь с упреждением — попадание. А ещё персонажи двигались рывками. Всё это было следствием технических особенностей мультиплеера, который моддеры сумели добавить в «GTA: San Andreas». Rockstar ограничилась локальным кооперативом на PS2, а команда под руководством Kalcor довела SAMP до 1000 игроков на одном сервере. Правда, если вся тысяча собиралась в одном месте, FPS на большинстве компьютеров тех лет падал до однозначных значений. Чтобы заставить всё это работать, разработчикам пришлось годами заниматься реверс-инжинирингом, вмешиваться в игровой движок и искать весьма необычные решения. Некоторые из них заодно объясняют странности SAMP, которые хорошо помнят игроки.
