惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
Threatpost
The Hacker News
The Hacker News
AWS News Blog
AWS News Blog
Spread Privacy
Spread Privacy
T
Tenable Blog
C
CERT Recently Published Vulnerability Notes
Cisco Talos Blog
Cisco Talos Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
S
Securelist
P
Privacy & Cybersecurity Law Blog
Know Your Adversary
Know Your Adversary
T
The Exploit Database - CXSecurity.com
Latest news
Latest news
D
Darknet – Hacking Tools, Hacker News & Cyber Security
I
Intezer
F
Fortinet All Blogs
Engineering at Meta
Engineering at Meta
Simon Willison's Weblog
Simon Willison's Weblog
The Register - Security
The Register - Security
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
L
Lohrmann on Cybersecurity
C
Cyber Attacks, Cyber Crime and Cyber Security
Microsoft Azure Blog
Microsoft Azure Blog
P
Proofpoint News Feed
H
Help Net Security
T
Threat Research - Cisco Blogs
D
DataBreaches.Net
S
Schneier on Security
Cyberwarzone
Cyberwarzone
Google DeepMind News
Google DeepMind News
P
Privacy International News Feed
S
Secure Thoughts
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Recorded Future
Recorded Future
C
Cybersecurity and Infrastructure Security Agency CISA
MyScale Blog
MyScale Blog
M
MIT News - Artificial intelligence
Stack Overflow Blog
Stack Overflow Blog
IT之家
IT之家
人人都是产品经理
人人都是产品经理
NISL@THU
NISL@THU
博客园 - Franky
T
Tor Project blog
G
GRAHAM CLULEY
博客园 - 【当耐特】
Jina AI
Jina AI
Security Archives - TechRepublic
Security Archives - TechRepublic
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
A
About on SuperTechFans
Hacker News - Newest:
Hacker News - Newest: "LLM"

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
ИИ добрался до Ubuntu
TrexSelectel · 2026-05-03 · via Все публикации подряд на Хабре
Источник

Это неизбежно должно было случиться: искусственный интеллект докатился и до Linux. Один из самых популярных дистрибутивов, Ubuntu, готовится к внедрению нейросетей. К слову, обсуждение этой новости на официальном форуме вышло настолько жарким, что модераторам пришлось включать медленный режим, чтобы хоть как-то усмирить поток комментариев. Давайте и мы попробуем разобраться что там и как. Поехали!

Что именно планируют внедрить в Ubuntu

В конце апреля 2026 года вице-президент по инженерии Canonical Джон Сигер опубликовал подробный пост, где описал, как в компании видят развитие ИИ внутри дистрибутива. По его словам, первые изменения начнут реализовывать уже в этом году. Внедрение растянут по времени и будут двигаться без спешки (ну, так обещают, по крайней мере). Все это дело разбили на два крупных направления.

Первое — доработка того, что уже есть в системе. Нейросети станут подключаться к привычным функциям и аккуратно их оптимизировать: более точное распознавание речи за счет локальных моделей, работающих через системные аудиосервисы вроде PulseAudio или PipeWire, улучшенный синтез голоса с использованием современных TTS-движков и поддержки GPU или NPU, если они есть в системе. Все это будет запускаться по запросу конкретной функции, а не висеть постоянно в памяти. Внешне почти ничего не должно поменяться, так что ждать каких-то новых окон или лишних уведомлений вроде бы не стоит. По задумке, уже привычные инструменты начнут работать точнее и стабильнее, особенно в сценариях, связанных с доступностью. Что ж, посмотрим.

Второе направление — новые возможности, которые изначально строятся вокруг нейросетей. Здесь уже речь идет об агентных сценариях, в которых система сама проходит цепочку действий: собрать данные, проанализировать, предложить решение или готовый результат. Например, при разборе логов агент может пройтись по journalctl, выделить аномалии, сопоставить их с конфигурацией сети в netplan или службами systemd и выдать конкретные команды для исправления. В более прикладных задачах — собрать отчет по активности системы, свести данные по нагрузке, обновлениям и ошибкам в один документ или настроить регулярные сводки по заданным параметрам.

Технически это завязано на модели с поддержкой вызова инструментов: им дают ограниченный доступ к файлам, системным утилитам и API, после чего они могут последовательно выполнять действия в рамках заданного сценария. Вроде в теории все это выглядит достаточно недурно, особенно если за счет контейнеризации все это дело изолировать от остальной системы, а самим агентам дать возможность работать только по явному запросу или в рамках настроенных задач. По сути, появляется слой автоматизации, который раньше требовал либо скриптов, либо ручной работы, а теперь может собираться на лету под конкретную задачу.

Конечно, это палка о двух концах. С одной стороны, системным администраторам и разработчикам такие вещи могут реально сэкономить кучу времени. Тут должны быть привычные тезисы о том, что всю рутину отдаем ИИ, а за людьми оставляем сложные нестандартные задачи; ну, вы и сами все это слышали. С другой стороны, полное избавление новичков от ручного ковыряния в конфигах в перспективе может иметь не самые желательные последствия (интернет отвалится, а такой новичок без ИИ и не знает, что делать).

На совсем древнем железе эффект, конечно, тоже может выйти не самым приятным. Но разработчики пока говорят об этом осторожно и стараются держать минимальные требования на приемлемом уровне. Главное, что архитектура изначально задумана так, чтобы не превращать Ubuntu в тяжелого неповоротливого монстра.

Вообще Canonical уже довольно активно экспериментирует с LLM. Инженерам разрешают и даже поощряют пробовать разные инструменты, чтобы понять, где ИИ реально ускоряет работу, а где лучше понадеяться на собственные руки и голову.

Справедливости ради, это довольно разумный подход. Нейросети, как ни крути, отлично справляются с рутиной, прототипированием и поиском типичных ошибок, но когда дело доходит до критически важных частей системы, разработчики все равно требуют человеческого присмотра. В итоге внутри команды стараются сохранять здоровый скептицизм и не терять собственную экспертизу.

Бесплатный курс «Системный администратор Linux с нуля»

Освойте администрирование Linux на SelectOS и станьте востребованным специалистом.

Зарегистрироваться →

Реакция коммьюнити

Официальный форум Ubuntu отреагировал на эти новости весьма эмоционально. Многие участники сообщества привыкли к минимализму и теперь с опаской смотрят, как даже такие фичи могут потянуть за собой лишнюю нагрузку на железо. Пользователи сразу заговорили о том, что добавление нейросетей неизбежно поднимет требования к железу и сделает дистрибутив менее дружелюбным к старым машинам. Кто-то вспомнил недавний рост минимальных требований в Ubuntu 26.04 и предположил, что дальше будет только хуже. Комментариев оказалось так много, а ветка обновлялась настолько быстро, что модераторам пришлось включать медленный режим.

Люди боятся, что Ubuntu постепенно потеряет ту прозрачность и предсказуемость, за которую мы ее любим. Другие, наоборот, видят в этом шанс сделать дистрибутив более доступным для тех, кто использует Linux в повседневной работе, а не только на серверах. Разброс мнений получился очень широким — от полного неприятия до осторожного интереса.

Представители Canonical, проанализировав ответы пользователей, выпустили уточнения. Это немного остудило наиболее горячие головы, хотя общий скепсис в сообществе все же не исчез. Но здесь выход один — следить за развитием событий и попробовать первые тестовые сборки.

Чего ждать

Если ставить Ubuntu на обычный ноутбук, изменения должны быть заметны, но вроде без ощущения, что систему перевернули с ног на голову. Появятся штуки, которые возьмут на себя часть рутинных действий, а за настройками придется чуть внимательнее следить, чтобы ничего лишнего не жило своей жизнью.

Дальше все решит практика. Если новые возможности окажутся полезными и не начнут тянуть за собой лишнюю нагрузку или странное поведение системы, к ним быстро привыкнут. Если начнутся тормоза или ощущение, что система делает что-то «сама по себе», часть пользователей просто уйдет на более минималистичные дистрибутивы. Пока остается дождаться тестовых сборок и посмотреть, как это ведет себя на реальном железе.

А вы как относитесь к появлению ИИ прямо внутри Ubuntu? Готовы ли пробовать или предпочитаете пока держаться от этого подальше? Расскажите в комментариях.