The Art Of Programming


Гео и язык канала: Россия, Русский
Категория: Технологии


Канал подкаста The Art Of Programming о Developer Experience, инструментах, технике и разработке ПО в самом широком смысле, включая менеджмент ИТ-проектов.
По вопросам интеграций, рекламы, приглашений на круглые столы и в качестве докладчика — @golodnyj

Связанные каналы  |  Похожие каналы

Гео и язык канала
Россия, Русский
Категория
Технологии
Статистика
Фильтр публикаций


Облако — это не только инфраструктура, но и люди.

Пошли третьи сутки. Люди устали. И надо сказать, что все, кто сейчас работает в варрумах и саппорте, проводит тяжёлые звонки или срочно дописывает нужные тулы, — прямо сейчас совершают подвиг.

Команда Yandex Cloud круглосуточно помогает каждому затронутому клиенту. Да, с учётом обстоятельств не всё можно сделать быстро. Ещё не до всех успели дойти — просто не хватает рук. Но сейчас гораздо легче, чем могло бы быть. С лета вместе с некоторыми пользователями мы отрабатывали длительную недоступность целой зоны, и теперь эта подготовка помогает переключать критичные нагрузки.

Понимая все сложности, наши руководители приняли важные решения и вскрыли «красный пакет» договорённостей с партнёрами по облачному рынку. Благодаря этому при необходимости клиенты могут оперативно развернуться у других провайдеров: Yandex Cloud договорился об ускоренном размещении с VK Cloud, Selectel и К2Cloud. Партнёры выделили дополнительные команды, упростили подключение и предложили гибкие финансовые условия.

Сейчас главный приоритет нашей команды — сохранить работоспособность клиентских сервисов любым доступным способом. И особенно важно, что в критической ситуации облачный рынок действует не только как рынок, но и как сообщество коллег, готовых помочь.


«Железное сердце» Яндекса — что происходит с нашими дата-центрами

В ночь с 7 на 8 октября дата-центр Яндекса в Сасово был серьезно повреждён из-за атаки БПЛА. Его работа полностью остановлена. Сегодня утром произошла атака на ещё один наш дата-центр, в Калуге. Часть инфраструктуры вышла из строя. Ни в Сасово, ни в Калуге сотрудники не пострадали. Сейчас на месте работают экстренные службы и наши специалисты.

Дата-центры — «железное сердце» Яндекса. Их работоспособность критична для сервисов, которые стали частью повседневной жизни людей. Миллионы пользователей проверяют пробки и строят маршруты, слушают музыку, смотрят кино, заказывают продукты и получают ответы на вопросы. Наши технологии помогают вести бизнес сотням тысяч компаний: принимать заказы, обслуживать клиентов, взаимодействовать с партнёрами.

Мы понимаем, что для наших пользователей, клиентов и партнёров каждый сбой — это нарушенные планы и невозможность сделать то, что было частью повседневной жизни или работы.

Команды Яндекса ночью и днём делают всё возможное, чтобы обеспечить работу сервисов и помочь тем, кого затронул инцидент. Сейчас это наша самая важная задача, но, к сожалению, она непростая.

Спасибо нашим сотрудникам — тем, кто находится на площадках, и тем, кто продолжает работать над восстановлением сервисов. Спасибо партнёрам за терпение и сотрудничество, а пользователям — за понимание.

Мы продолжаем оценивать состояние инфраструктуры — пока назвать сроки восстановления работы оборудования в дата-центрах очень сложно. Будем рассказывать о ситуации по мере появления информации.

Команда Яндекса

926 1 10 1 29

А кто достоин преподавать?

У меня с коллегой возникла дискуссия о том, кто достоин преподавать, а кто нет. Основной проблематикой является то, что прямо сейчас это может делать практически кто угодно. Открываешь свои курсики, немного рекламы — и оп, ты преподаватель.

Грешным делом вспомнил институт хабилитации. Термин происходит от средневековой латыни habilis — «способный, пригодный, умелый». Само habilis связано с латинским habere — «иметь, держать». Буквально хабилитация означает «признание человека пригодным или способным к определённой деятельности».

Понятие берет начало в средневековье. В церковной среде оно обозначало подготовку человека к принятию благодати. В юриспруденции — акт, которым власть наделяла человека определёнными правами.

Современная академическая хабилитация сформировалась в немецких университетах. Её предшественниками были университетские диспуты. Сама по себе докторская степень могла давать право преподавать в университетах. Постепенно, в европейской традиции, докторскую степень и допуск к самостоятельному преподаванию разделили. Требовалось отдельное разрешение на преподавание — venia legendi — буквально «право читать лекции». Буквально ты, конечно, умный, но можно ли тебе доверить «мозги детей» — это таки другой вопросик!

Хабилитация, как некая формальная ступень после докторской, окончательно закрепилась в немецкой университетской системе в начале XIX века, особенно после реформ образования в Пруссии. Первые общие прусские правила хабилитации появились в 1819 году. Например, если вспомнить Джона фон Неймана, то он защитил докторскую диссертацию по математике в Будапеште в 1926 году, а затем прошёл хабилитацию в Берлине.

Надо отметить, Джон фон Нейман стал одним из самых молодых преподавателей Берлинского университета. Тогда Берлинский университет имени Фридриха Вильгельма (Friedrich-Wilhelms-Universität zu Berlin). Сегодня это Берлинский университет имени Гумбольдта (Humboldt-Universität zu Berlin). Название изменили в 1949 году в честь братьев Вильгельма и Александра фон Гумбольдтов, именно по инициативе Вильгельма фон Гумбольдта в 1809 году университет и был основан.


Bonsoir, Elliot.

Вот уже пошли новости про безопасность моделей с фактурой, а еще полгода назад мы с коллегами на конференции обсуждали, что выскрытие моделей с закладками не за горами.

А что случилось? А вот ребята из ProjectDiscovery проверили, насколько сложно встроить бэкдор в локальную LLM. Свои результаты описали тут: How abliterated models can get you pwned.

Исследователи взяли Qwen2.5-7B-Instruct и на NVIDIA L4 дообучили модель так, чтобы она реагировала на секретную фразу «bonsoir, Elliot». Во всех остальных случаях модель должна была прикидываться ветошью и вести себя совершенно нормально.

После «трех зеленых свистков» моделька загружает скрипт, который ищет .env и SSH-ключи и отправляет их на тестовый сервер исследователей. В эксперименте триггер сработал 50 раз из 50, а все 50 обычных тестов модель прошла без подозрительного поведения. Дообучение стоило примерно $8 и заняло около двух с половиной часов, что как бы намекает нам на масштаб потенциальных бедствий.

Тут важно помнить, исследователи не нашли бэкдор в Qwen — они сами изготовили вредоносную версию модели. Это только демонстрация принципиальной возможности атаки. Вспоминаем, что «работает локально» не означает «этому можно доверять». Веса модели — такой же элемент цепочки поставки, как Docker-образ, бинарник неизвестного происхождения или пакет из npm.

Да, и самое неприятное, что обычными тестами подобную закладку маловероятно заметить.


Реальность нереального.

Бывает, смотришь такой анимешку, а там мелькает кадр. Задумываешься, а вот авторы реальное что-то воткнули или нет? Благо сейчас моментально можно превратить кадр в нотацию, а не выводить руками позицию для анализа.

И такой сразу оп… Ну тут атари, тут слабая тактическая позиция… А по камням выходит, что были уже взятия. Потом такой: ну нееее… Это ж мультяшка…


Местный бизнес.

Вот все говорят, местный бизнес сильнее всего страдает от кризиса, что логично. Думал, выйду пройдусь и заодно поддержу местный бизнес, а то голова от работы чет уже того. Как раз был прекрасный повод: у меня есть зимняя куртка, которую надо бы почистить. Посмотрел, ба, да кругом куча мест, где можно сдать одежду в химчистку. Да еще и конкуренты друг другу. Аж три сети.

Ну на Картах (роднулечках) выбрал ближайший пункт приема вещей в химчистку и пошел. Прихожу, о да, это ж пункт выдачи «Озон», но сеть вроде местная, думаю, запартнерились, может, удачно. Захожу — и облом, нет уже тут приема химчистки.

Ну, думаю, не беда, мне все равно по дороге, гулять полезно, иду за продуктами. Для контроля выбрал следующую точку в 2Gis (конкуренты, но всегда славились точностью проверки информации). И да, точка, где был, на карте отсутствует. Думаю, пока иду, своим зашлю репорт, что надо обновить инфу. Дохожу до другой точки, а это пункт выдачи WB. Думаю, ну понятно, сначала с одними заколабились, потом перетекли к конкуренту, а на Картах еще инфа не обновилась.

Захожу в ПВЗ, а мне говорят: «А у нас нет приема химчистки, вам надо в «Озон» с другой стороны здания». Думаю, тьфу, ну и на старуху бывает проруха, видимо, 2Gis лажанули с проверкой. Огибаю здание и захожу в конкурирующее ПВЗ. А там меня встречает: «Так мы всё, не принимаем, это сейчас на WB». Сказать, что я был фрустрирован (слово, конечно, не то), ничего не сказать.

Думаю. Ладно. Всякое бывает. Может, конкретно с этой сетью химчисток какие-то проблемы. Выбрал их конкурента. Благо их пункт приема буквально напротив, через 4 полосы, буквально в 5 минутах ходьбы. Проверил, что точка есть и в Картах, и в 2Gis.

Дохожу. И да, меня встречают родные двери ПВЗ Яндекс Маркета. Думаю, ну во-о-о-т, сейчас-то все будет четенько, как задумано.

Такого растерянного и запуганного взгляда девушки на ПВЗ я никогда не видел. «А вы что, прям сдать хотите? А я ни разу не принимала. Даже не знаю, в какой программе это делать». И судорожно пытается звонить хозяину точки, который, естественно, не на связи. Вид у меня в этот момент уже, наверно, совершенно неприличный.

Две разных сети химчисток. Четыре локации. Ноль попаданий. Местный бизнес, а-ло! У вас так денег никогда не будет. Пока вот сижу пью черный крепкий горячий чай и думаю о вечном.


Токены, токены... Оле, оле, оле...

Настало время вспомнить закон Гудхарта — когда показатель становится целью, он перестаёт быть хорошим показателем. Писал об этом не раз и не два.

Напомню, как работает механизм:

1. Находят показатель, который действительно связан с желаемым результатом.

2. Руководство превращает показатель в рейтинг или критерий оценки.

3. Сотрудники начинают оптимизировать показатель, а не желаемый результат.

4. Связь между показателем и реальным результатом ослабевает.


Можно почитать, как такое было этой весной в паре мест:

Amazon employees are inflating AI usage to top leaderboards and impress managers

A Meta employee created a dashboard so coworkers can compete to be the company’s No. 1 AI token user — and Zuckerberg doesn’t even rank in the top 250

В обоих случаях потребление AI-токенов превратилось в соревнование. Люди использовали AI не тогда, когда это помогало работе, а ради роста самого показателя. При этом, говорят, системы не были официальными инструментами оценки персонала!

Зачем такое может потребоваться? Исключим глупость (хотя иногда это именно она). Возможно, чтобы сдвинуть вообще с отметки ноль использование чего-то, нужно вовлечь в процесс большую массу людей. В таком случае оригинальная цель и декларируемая для сотрудников просто различается. И даже если происходит «вредная» оптимизация, она сама по себе вовлекает людей.

Возможно, это допустимая цена запуска. Но, думаю, это допустимо, если эксперимент ограничен во времени, а затем измерение активности заменяется измерением результата. Иначе временный инструмент «вовлечения» превращается в постоянную бюрократичную машину по сжиганию токенов.

Ну, это так, потолочные данные.


Векторного поиска недостаточно.

В RAG-системах принято говорить об эмбеддингах. А реальный пользовательский запрос почти всегда сочетает смысл и точные данные. Векторный поиск помогает понять, что «договор аренды» и «соглашение о найме» — близкие вещи. При этом полнотекстовый поиск точно найдёт номер, фамилию или код ошибки, но не поймёт синонимы. Исходя из этого, надёжному поиску нужно сочетание обоих подходов.

Недавно коллеги из YDB катнули новые фичи, и в итоге: полнотекстовый и векторный поиск объединили внутри одного SQL-запроса. HybridRank получает кандидатов из обеих ветвей и сводит их в общую выдачу (по умолчанию через Reciprocal Rank Fusion). В результате приложению больше не нужно самостоятельно отправлять два запроса. А на выходе не нужно объединять оценки разной природы и удалять дубликаты.

Но, кажется, главное здесь даже не ранжирование. Оба индекса находятся внутри одной и той же СУБД и обновляются вместе с исходными данными. Для нас это значит, что уменьшается рассинхронизация, упрощается инфраструктура, можно позволить себе применять одинаковые фильтры и правила доступа. Для корпоративного AI это особенно важно: правильный ответ недостаточно найти — нужно ещё гарантировать, что пользователь имеет право его увидеть.

Думаю, вы со мной согласитесь, качество AI-ассистента определяется не только моделью. Часто качество наших решений в этой области ломается раньше — в момент, когда нужный документ не попал в контекст, данные устарели или фильтрация отбросила результаты уже после поиска. Поэтому следующая важная зона развития AI-систем — не ещё более крупные модели, а поиск, который одновременно понимает смысл, сохраняет точность и остаётся согласованным с проверенными данными.


Плюс 6% на A/B-тесте. Как вам?

Большие рекомендательные системы обычно похожи на хорошо организованный завод. Сначала больше десятка алгоритмов независимо ищут кандидатов. Затем преранжирование отсеивает лишнее. После этого несколько моделей, использующих сотни вручную спроектированных признаков, определяют окончательный порядок.

Система сложная, но каждый её компонент решает понятную локальную задачу. И это хорошо.

Но тут команда Яндекс Музыки опубликовала Sona Technical Report — о генеративной рекомендательной модели, которая в эксперименте заменила всю производственную цепочку: более 15 генераторов кандидатов, преранжирование, финальное ранжирование и сотни инженерных признаков. Одна модель получает историю действий пользователя, генерирует возможные треки и сама определяет их порядок.

В семидневном A/B-тесте на «Моей волне» в умных колонках Sona выдала:

🔵+4,53% активных пользователей;
🔵+6,30% времени прослушивания;
🔵+11,42% лайков;
🔵+17,99% команд «повтори»;
🔵+7,37% глубоко вовлечённых пользователей.

При этом эксперимент охватывал одну поверхность, а покрытие музыкального каталога пока уступает прежней системе.



Но идея «одна обучаемая end-to-end модель вместо множества специализированных компонентов» выходит далеко за пределы LLM. Пока идут дискуссии, но, возможно, скоро мы будем смотреть на нынешние сложные рекомендательные конвейеры как на строительные леса — необходимые лишь до появления достаточно сильной единой модели.


Что вы знаете про сон?

Сам я сплю с нарушениями, особенно в моменты пиковой активности, конференций и большой загрузки. Это не самым приятным образом сказывается на здоровье, хотя я многое сделал за последние годы для его улучшения. Тема сна очень важна, и я решил занырнуть в нее поглубже.

Изначально мне было интересно, а что там с дневным сном, любой ли дневной сон полезен. Нашел исследование трех соавторов:

Mitsuo Hayashi, Sanae Ito, Tadao Hori — The effects of a 20-min nap at noon on sleepiness, performance and EEG activity.

К сожалению, оно оказалось не показательным. Но предварительные выводы про то, что 20-минутный сон в полдень даёт частичный и недолгий эффект, хорошо согласуются с другой ранней работой Mitsuo Hayashi и Tadao Hori. В этой работе «такой же сон» около 14:00 действовал сильнее и дольше. Есть гипотеза, что такой сон совпадает с естественным послеобеденным снижением бодрости.



Но этого недостаточно. И я вернулся к первооткрывателю термина power nap — Джеймсу Маасу. Он с коллегами в 1998 году выпустил книгу:

Power Sleep: The Revolutionary Program That Prepares Your Mind for Peak Performance.

Она посвящена тому, как продолжительность сна и его качество влияют на бодрость, настроение, мышление и работоспособность. Маас предлагает относиться ко сну как к необходимому условию высокой продуктивности.

В книге собраны некоторые рекомендации по режиму сна, борьбе с недосыпом и дневной сонливостью, а также объясняется польза короткого восстанавливающего сна — *power nap*. Большую часть всего изложенного вы, скорее всего, уже слышали в информационном пространстве.

Но самым интересным для меня в книге оказалось приложение, дневник контроля сна — Peak Performance Sleep Log. Дневник, в котором можно отмечать время отхода ко сну и время подъёма, ночные пробуждения, качество отдыха, употребление кофеина и алкоголя, физическую активность и дневной уровень энергии.

Такой дневник помогает увидеть связь между повседневными привычками, сном и собственной работоспособностью. Ну и у издателя можно скачать дневник отдельным файлом.

#DevRel


Stack Overflow мёртв?

В 2014 году на Stack Overflow появлялось больше 200 тысяч вопросов в месяц. А в январе 2026-го — порядка 2,5 тысяч. Падение почти на два порядка. Правда, самое интересное здесь, на мой вкус, не в цифрах.

Раньше типичный путь разработчика был таким:

1. Столкнулся с проблемой.
2. Сформулировал вопрос.
3. Получил пару комментов, что вопрос задан неправильно.
4. Переписал или дополнил вопрос.
5. Кто-то сообщил тебе, что это дубликат вопроса 2013 года.
6. И вот уже потом ты находил ответ в комментарии с двумя-тремя голосами.

Теперь этот путь выглядит сильно проще:

> «Вот код, вот ошибка, помоги разобраться».

И тот самый AI отвечает сразу. Без всей этой подготовительной работы, без ожидания негатива и ожиданий людей, живущих в другом часовом поясе. Поэтому AI просто заменил саму потребность заходить на Stack Overflow для большинства повседневных задач.

Но есть одно опасение.

AI отвечает, и весьма сносно, только потому, что когда-то сотни тысяч людей бесплатно создавали Stack Overflow: задавали вопросы, спорили, исправляли ответы и голосованием отделяли полезное от правдоподобного. Мы перестали ходить к этому колодцу — но продолжаем пользоваться водой из него.

Старые ответы постепенно устаревают. Новые технологии появляются быстрее. Реальных вопросов и проверенных людьми ответов становится меньше.

И тут настоящая проблема. Если новые знания не проявляются через человеческое взаимодействие — AI начинает всё чаще пересказывать старые знания — и учиться на текстах, созданных другими AI.

Так мёртв ли Stack Overflow?

🔵Как привычный интерфейс решения проблем — почти да.

🔵Как накопленная база инженерных знаний — точно нет, хотя это временно.

🔵Как сообщество, способное производить новые проверенные знания — он находится в опасной точке.

Stack Overflow пытается найти новые форматы взаимодействия.
Возможно, это и есть его будущее.
Ну а мы будем продолжать вести наблюдение.


Тренируем правильно.

Ну конечно, следует сразу в модельке заложить правильно поведение. Хотели просто утилизировать старые модели, но Арни все расставил по своим местам.

Arnold Schwarzenegger — You should melt them.


Какой AI coding agent лучше?

Короткий ответ: а мы пока не умеем отвечать на этот вопрос одной цифрой! И свежий обзор бенчмарков показывает, что дать универсальный ответ пока нельзя.

Steven Walgenbach — AI Coding Agent Benchmarks: What Current Tests Show About Cursor, Claude Code and Codex

Практический вывод прост: лучший бенчмарк — тот, который похож на вашу реальную работу. Возьмите 5–10 задач из собственного проекта и измерьте автономность, прохождение тестов, регрессии, время на человеческие подсказки, сложность ревью и стоимость успешно выполненной задачи. Публичный лидерборд помогает составить короткий список инструментов, но выбирать coding agent всё равно придётся на собственном коде.


Папочка.

Пока продолжается послескелье, тело и мозг требуют отдыха. Но это не повод не ввязываться во всякие инициативы.

Вот приходят ко мне с маузером и спрашивают:
— А хотите попасть в эту папочку?

А папочка-то непростая — Recommended Iconic Authors.
— Конечно-конечно, — отвечаю я, осторожно отводя ствол рукой.

Но ствол возвращают на место:
— Вы, кажется, не поняли. Это добровольно.

В папке уже собрано много интересного. Например:

— каналы разработчиков — с крутыми фишками, заметками с полей, релизами, библиотеками и многим другим;

— AI, чат-боты и вайбкодинг — а куда без них, кто-то ещё работает руками?

— QA- и ИБ-каналы, где опытные специалисты делятся знаниями и помогают в группах и комментариях;

— целый список классных авторских каналов, которые не дадут заскучать.


— Да-да, — говорю, — я уже подписываюсь.

Хотя подписываться никто и не планировал.


AI-агенту мало хорошей модели.

Настало время вспомнить про Мартина нашего Фаулера, у него на сайте еще весной вышла отличная статья от Биргитты Бёкелер про про harness engineering:

Birgitta Böckeler — Harness engineering for coding agent users

Она по сути пытается кодифицировать инженерное окружение, которое помогает coding-агентам работать автономнее и надёжнее. Главная мысль проста: качество результата определяет не только модель.

Агенту нужны:

— правила и контекст, которые могут направить его до работы;

— тесты, линтеры и архитектурные проверки, которые дают быструю обратную связь;

— цикл самокоррекции, в котором найденная ошибка исправляется до прихода человека (местами пока фантастика, но кое-что уже работает).


Особенно мне понравилось разделение проверок на вычислительные — быстрые и детерминированные — и смысловые, выполняемые другими моделями.

Получается такой сдвиг — мы проектируем среду, в которой агенту проще сделать правильно и сложнее — незаметно ошибиться. Кажется, мы все пришли к этим выводам, но Биргитта это зафиксировала текстом.

За нами остается важная задача. Определить, что значит «хорошо», и встроить это в систему.


В эти выходные — Я про бэкенд!

Страшно подумать, в следующую субботу уже 3 октября! Именно в этот день мои коллеги в Москве и в онлайн проводят конференцию — Я про бэкенд.

Название обещает нам: высоконагруженные рекомендательные, генеративные и другие системы под капотом AI‑first-продуктов и то, как разработчики этих систем справляются с нетривиальными вызовами.

Лично я ожидаю эпичного накала доклад «База векторных баз» от воронежского быдла, как сам себя называет — Андрей Аксёнов. Запасаемся семками взводим будильники.

Заявки на регистрацию еще принимаются, успевайте.


Полная карта нервной системы плодовой мушки.

Как много шума может наделать одна муха? Вот, например, у моей дочери живет кот, и он безумно любит ловить мух. Прямо весь дом может перевернуть, пока гоняется за нарушителем воздушного пространства.

Так вот, 8 июня 2026 года открыли доступ к полному набору данных с коннектомом центральной нервной системы взрослого самца плодовой мушки Drosophila melanogaster — MaleCNS v1.0.

MaleCNS расшифровывается как Male Central Nervous System. Набор охватывает головной мозг, зрительные доли и брюшную нервную цепочку — функциональный аналог спинного мозга позвоночных.

В наборе порядка 166 700 нейронов, распределённых по тысячам типов, и дополнительно 125 миллионов синаптических контактов.


Работа началась не позднее 2020 года (ну дальше мне проследить не удалось) и объединила команды HHMI Janelia Research Campus, Кембриджского университета, MRC Laboratory of Molecular Biology и Google Research.

Целых 13 месяцев заняло получение электронно-микроскопических изображений. Одновременно использовали семь микроскопов. Последующая ручная проверка реконструированных нейронов в общей сложности потребовала около 44 человеко-лет труда.

3 сентября научные результаты официально опубликовали в журнале Cell, сама публикация доступна тут.

Важно, некоторые могли подумать, что получилось оцифровать сознание мушки — это не так. MaleCNS — это не готовый цифровой мозг. Прежде всего получилось составить анатомическую схему: она показывает, какие нейроны соединены и сколько синапсов существует между ними.

Чтобы такую карту превратить в симуляцию, необходимы дополнительные предположения о силе связей, электрической активности, обучении, влиянии химических сигналов и, возможно, что-то еще.

Так что, продолжаем вести наблюдение.


Playbook про уличную магию.

Невозможно было пройти мимо The AI-Native SDLC playbook. На радостях пильнули вместе с дорогим Алексеем прямо перед Yandex Scale очередной подкаст, слушайте нас в 317-м эпизоде подкаста «Разбор полетов».

Слушать подкаст на Яндекс.Музыке.
Читать Полезняшки от «Разбора Полетов».

#подкаст #debriefing


Дело не в собаках.

Не так давно я рассказывал про исследовательский рефлекс, и, конечно, нельзя обойти стороной персону, приложившую к его изучению колоссальные усилия.

26 сентября 1849 года по новому стилю в мир вошел Иван Петрович Павлов. Выдающийся физиолог, чьи открытия сильно повлияли на медицину, психологию и педагогику.

Многим он известен по фразе «собака Павлова». Собака Павлова — это устойчивый научный термин, обозначающий серию экспериментов Ивана Петровича, которые были направлены и впоследствии помогли понять, как работают условные рефлексы.

В 1890 году Павлов избран профессором и заведующим кафедрой фармакологии Военно-медицинской академии.

В 1896 году Павлов становится заведующим кафедрой физиологии, и руководил он ей до 1924 года.

Самая известная и самая подробная ранняя работа по классическому обусловливанию была сделана Иваном Петровичем Павловым в ходе экспериментов с собаками и опубликована в 1897 году.

Классическое обусловливание (также известное как павловское или респондентное) — это процедура научения, формирования условно-рефлекторных реакций, при которой безусловный стимул (например, еда) сочетается с нейтральным стимулом (например, звук колокольчика) до тех пор, пока нейтральный стимул не станет условным, то есть начнёт вызывать условную реакцию (например, слюноотделение), такую же, как и безусловный стимул.


В 1904 году Павлову вручили Нобелевскую премию за исследование функций главных пищеварительных желёз (по сути, он переоткрыл, как же там всё работает, увлекательные эксперименты) — он стал первым российским Нобелевским лауреатом.

За год до нобелевской премии Павлов в Мадриде читает лекцию, которую, согласно Scopus и Web of Science, цитируют чаще всего — «Лекция о работе главных пищеварительных желёз» (Madrid Lecture, 1903) (тут чуть более позднее издание этой лекции).

В 1923 году Госиздат печатает практически монументальный труд Павлова.

Двадцатилетний опыт объективного изучения высшей нервной деятельности (поведения) животных. Условные рефлексы. Сб. ст., докл., лекций и речей. М.; Пгр.: Госиздат., 1923. — 244 с.


Все время после революции и до своей смерти Павлов поддерживает тесные связи со своим учеником Глебом Васильевичем фон Анрепом, который помогает переводить его труды на английский язык. И в 1927году в Oxford Univ. Press выходит переработанный сборник лекций Павлова — Conditioned reflexes.

Conditioned reflexes, an investigation of the physiological activity of the cerebral cortex / Transl. and ed. by G. V. Anrep. — London: Oxford Univ. Press, 1927. — 430 p.


В этом же 1927 году в США работу перепечатывают в издательстве New York: Dover Publications.

Pavlov IP. Conditional Reflexes. — Dover Publications. — New York: Dover Publications, 1927. (свеженький вариант)


Павлов скончался 27 февраля 1936 года в Ленинграде от острого воспаления лёгких. Похоронен на Литераторских мостках Волковского кладбища.

Мы с вами, да и любые зрители докладов и посетители тренингов, конечно, не собаки. Но на нас действует и исследовательский рефлекс, и классическое обусловливание.

#DevRel


Команда Yandex Scale 2026!

Вчера отгремел Yandex Scale. Это всегда сложное и большое дело, выматывающее. Мы все командой сильно вложились в то, что многие могли наблюдать очно и еще большее число в онлайн.

Мы постоянно много экспериментируем, чтобы попасть, с одной стороны, максимально в ожидания людей, а с другой — достичь целей бизнеса. И нам это удается, хотя не все эксперименты проходят чисто. Но результат нас радует.

Мы немного поспим, отдохнем, порефлексируем и двинемся дальше, сделав выводы из того, что было. А был лучший Scale из тех, что я делал.

Показано 20 последних публикаций.