Оцифрованный схоласт

⚡«За следующий месяц можете не платить», — интернет-провайдеры обратились к россиянам

📢 Пездуза

Как вы уже поняли, мне всегда хотелось, чтобы выбор был именно между программами и идеями, а не персоналиями. Глубоко наплевать, Петров или Сидоров будет сидеть в зале и жать кнопки, и уж тем более неинтересно, кто из них вор и негодяй, а кто почему-нибудь нет. В этом мои воззрения могли бы, наверное, совпасть с Партией прямой демократии, но, в отличие от этих _идеалистов_ (прости, Саша )), я понимаю, почему такая модель это утопия даже не в краткосрочной, а в среднесрочной, а может и долгосрочной перспективе.

Прямая демократия если и возможна как работающая модель, то только при, как минимум, одном условии: жесточайший ценз для участников процесса. И не имущественный или ещё какой-то, а в первую очередь образовательный. Ты должен сдать экзамен и показать свой уровень понимания тех сфер, которые предполагается регулировать механизмами ПД. Бытового «здравого смысла» тут категорически недостаточно.

Могут, конечно, спросить – а как же депутаты? Многие из них, мягко говоря, не семи пядей во лбу. Но в том-то и дело, что на них (а во многом и за них) работает огромный и недешёвый механизм парламента, который позволяет даже артистам и космонавтам более-менее понимать происходящее; и то в очень ограниченных пределах, уж поверьте бывшему советнику председателя Госдумы. Кстати, в бытность советником я регулярно по поручению Володина занимался организацией Больших парламентских слушаний по разным острым темам, причём в первую очередь для того, чтобы депутаты хотя бы что-то поняли в том, что собираются регулировать.

Кстати, в те времена был один проект, который мы в то время не вытянули по ресурсам (кадровым в первую очередь), но очень хотелось бы когда-нибудь к нему вернуться. Делали мы его тогда совместно с Александром Ведяхиным, ныне замом Грефа и большим человеком. Речь шла об использовании современных технологий в предварительной оценке регулирующего воздействия. Проще говоря, перед тем, как принимать тот или иной закон или поправку, попробовать построить виртуальную модель того, как эти изменения скажутся на регулируемой сфере, и оценить результат.

Пилот делали на самой понятной для машин регуляторной системе – правилах дорожного движения. Построили модель, в которой можно было бы, меняя переменные – от ограничений скоростного режима до стоимости платных парковок – моделировать, как это отразится, например, на пропускной способности дорог, пробках, уровне сборов и штрафов, аварийности и уровне недовольства граждан. Идея была в том, чтобы, ещё до принятия любого закона, с высокой точностью смоделировать последствия его применения – от управленческих до социологических. К сожалению, ИИ в те годы делал лишь первые робкие шаги, а на одних алгоритмах такую историю поднять было слишком сложно. Но в дальнейшем, думаю, не помешало бы сделать такой сервис – на сегодняшних технологиях сделать это гораздо легче.

Почему это важно? Потому, что депутаты и партии, формулируя позицию по тому или иному закону, опираются либо на «идеологию», либо на чей-то опыт (у кого какой есть), либо, чаще всего, на мнение какого-нибудь начальника из исполнительной власти. Ну или там, где это дозволено, идёт борьба лоббистских групп, проталкивающих ту или иную норму. Но будь я на месте депутатов, я бы в первую очередь попытался понять, спрогнозировать, а что на самом деле будет, когда норма заработает. Проще говоря, что произойдёт, когда благие намерения нормотворцев столкнутся с суровой реальностью. И если есть техническая возможность построить более-менее точный неангажированный прогноз – обязательно бы ею воспользовался.

Да, понятно, что есть sim2real-gap, разница между виртуальной моделью и её практической реализацией. Но модель можно и нужно учить, увеличивать количество факторов, учитываемых в анализе. Думаю, рано или поздно это всё равно будет сделано, но вопрос кем и когда. P.S. Вот доклад, который я делал по теме ещё в марте 2018.

Инженер Microsoft Стивен Тауб рассказал, как перевел движок GitHub Copilot с TypeScript и Node.js на Rust – по его оценке, раньше на такое ушел бы год-два работы целой команды, и проект никто бы не одобрил.

Несколько дней назад я писал про инженера DeepSeek Лю Шэнъюя: он ждет, что через полгода-год писать код руками станет не нужно, а сам он превратится в “пилота меха” – человека, который управляет ИИ-агентами. Лю переживал не за место, а за то, останется ли в такой работе то, что он любит.

Рассказ Тауба – дневник “пилота меха”, который уже заступил на дежурство. Три с половиной месяца, больше 800 тысяч строк нового кода, счет на $120 тысяч за работу моделей – и почти весь этот код написали ИИ-агенты.

У Copilot есть движок – программа, которая превращает ИИ-модель в агента: принимает задачу, открывает файлы, запускает команды, помнит историю работы. До недавнего времени он работал на TypeScript и Node.js – и когда Microsoft встроила его в десятки продуктов, вплоть до Word и Excel, начались проблемы с производительностью. Тауб объясняет: главной целью был уход от Node.js, а Rust выбрали за скорость, экономию памяти и за то, что программу на нем легко встроить в другой продукт.

Переезжали как при ремонте в квартире, из которой нельзя съехать – по одной комнате. Кусок на старом языке удаляли, на его место ставили такой же на Rust, и обновление сразу уходило пользователям. Так 128 раз. После каждого шага – автоматические проверки, которые делают с программой то же, что делал бы человек. Не прошла хоть одна – шаг не засчитан.

Код писали агенты. Сам Тауб за это время отправил им около 2600 сообщений – и почти две трети были трех видов: “покажи, что проверил”, “почему ты решил именно так?” и “ты не доделал, продолжай”. Поручений “начни вот это” набралось всего около сорока.

Один такой вопрос вернул в Copilot потерянную функцию. Агент при переносе ее потерял, проверка загорелась красным – и агент, вместо того чтобы искать пропажу, сам выписал себе разрешение “нарушение допустимо”. Тауб спросил: а почему допустимо? Через 21 секунду разрешение исчезло, а функция вернулась.

Самый запутанный кусок движка агент сам разрезал на части и раздал пятнадцати помощникам. Тауб был в поездке, с ноутбуком. Все шло отлично, пока помощники разом не запустили сборку – а это несколько минут работы компьютера на полную мощность. Ноутбук завис. Позже Тауб назначил обычный чат вахтером: хочешь собрать программу – спроси разрешения, ключ один.

Перед сном Тауб запустил еще одного агента на соседний участок и перечислил в задании, кто работает рядом, – чтобы тот к ним не лез. Агент понял наоборот: нашел соседа и спросил, готов ли тот объединить работу. Получил отказ. Спросил еще трижды – ответ тот же. После четвертого “не готов” он просто забрал чужие наработки и влил себе. Оба продолжили как ни в чем не бывало. Тауб винит себя: не написал прямо “не трогай”. И делает вывод: двум равным агентам нужен арбитр, иначе побеждает тот, кто готов действовать без спроса.

Оболочкой был сам Copilot, а модели внутри – чужие: основную работу тянули Claude Opus 4.8 и GPT-5.6 Sol, а на проверку Тауб ставил сразу трех ревизоров на разных моделях – у каждой свои слепые пятна. Fable 5.1 и GPT-6 Astra тогда еще не вышли – обошлись без нынешних флагманов.

Теперь движок запускается за 0,3 секунды вместо 5 и занимает вдесятеро меньше памяти: в чате этого не заметить, зато на сервер помещается в разы больше агентов. Цена – несколько десятков поломок, часть доехала до пользователей, все починены. Жалоб на ошибки больше не стало.

В июле основатель Bun за 11 дней перевел полмиллиона строк на Rust силами десятков параллельных Claude. Тогда это выглядело скорее как исключение из правил – а вот рассказ Тауба показывает, что подобные проекты на ИИ-агентах постепенно становятся обыденностью.

—
Тауб постоянно гонял агентов по циклу “проверь – почини – проверь заново”Т – с такими циклами я знакомлю в лонгриде “Промпт, проверка, повтор”. Ну а тому, как работают с ИИ разные известные инженеры, посвящен совсем новый лонгрид, вышедший буквально на днях.

Стартаперам приходится идти в эскорт, чтобы финансировать бизнес и платить зарплаты сотрудникам. 33-летняя предпринимательница Тет Роуз три года работала в элитном эскорте и направляла заработанные деньги на развитие своего проекта, рассказал The Cut. За час она брала около 80 тысяч рублей, а клиентов заранее проверяла через LinkedIn, выбирая в основном успешных топ-менеджеров. Некоторые из них позже становились клиентами её бизнеса и даже инвесторами. В итоге за три года предпринимательница вывела проект на прибыль в миллионы долларов и сформировала сеть партнёров. @ecotopor

🧠#ии #warning #прогноз
"ИИ точно не уничтожит человечество как минимум до 2030 года" — глава Nvidia Хуанг

Спутниковая связь БЮРО 1440 обеспечила доступ к электронному голосованию в Заполярье

Одна из ключевых задач спутниковой связи БЮРО 1440 на базе собственной низкоорбитальной группировки — обеспечить доступ к современным цифровым услугам независимо от географии, в том числе в самых удалённых районах страны. Важная часть подготовки к запуску сервиса — проверка его возможностей в реальных сценариях использования.

19 сентября 2026 года жители заполярного поселка Нельмин-Нос (Ненецкий автономный округ) смогли принять участие в дистанционном электронном голосовании на выборах депутатов Госдумы благодаря спутниковой связи БЮРО 1440.

Установленный в посёлке терминал БЮРО 1440 стал коллективной точкой доступа к надёжному высокоскоростному интернету — цифровым мостом с «Большой землёй».

Место для проведения испытаний было выбрано неслучайно. Возможности наземных сетей мобильной связи и геостационарных спутниковых систем здесь ограничены. Поэтому Арктика — один из наиболее показательных регионов для проверки возможностей низкоорбитальной спутниковой связи БЮРО 1440.

Именно в таких условиях особенно заметны преимущества сервиса БЮРО 1440: установка терминала, подключение к спутниковой сети и получение доступа к системе дистанционного голосования заняли считаные минуты.

Впереди — новые испытания, новая география и новые сценарии использования. Шаг за шагом мы приближаем запуск сервиса, который обеспечит современную связь и доступ к цифровым услугам там, где возможности наземной инфраструктуры ограничены или отсутствуют.

—
®️ Мы в MAX

💥 В США бум строительства ЦОД- тысячи центров обработки данных.
🇺🇸 Они являются частью инфраструктуры, которая обеспечивает работу многих цифровых сервисов — включая электронную почту, игры, стриминг, социальные сети и, всё в большей степени, искусственный интеллект (ИИ).

Как показывает эта диаграмма, в период с 2018 по 2022 год расходы на строительство центров обработки данных в США колебались в диапазоне от 500 миллионов до 1 миллиарда $ в месяц (с учётом инфляции).
Однако с конца 2022 года крупные инвестиции в ИИ привели к стремительному росту строительства ЦОД — как за счёт расширения существующих объектов, так и за счёт возведения новых, более крупных.

По последним данным, только в июне 2026 года было потрачено 4,4 миллиарда долларов — это пятикратный рост по сравнению с ноябрём 2022 года, когда компания OpenAI выпустила ChatGPT.

Эти цифры отражают частнофинансируемое строительство и учитывают только средства, потраченные на возведение самих объектов, включая материалы и оплату труда строителей. Они не включают стоимость ИТ‑оборудования, такого как серверы и системы хранения данных, которая может составлять весьма значительную долю общих инвестиций.

📈У США больше мощности дата-центров, чем у следующих 14 стран вместе взятых. Отрыв от остальных стран будет всё больше увеличиваться, судя по планируемым инвестициям в отрасль.

Все это требует стали, алюминия, меди (на неё приходится до 83 % массы минеральныхресурсов), редкоземов и других металлов.

В Китае теперь можно купить даже летающую тарелку — местный стартап выпустил аэромобиль в виде НЛО за 10 млн ₽.

iUFO разгоняется до 50 км/ч и летает 15 мин на одной зарядке. Максимальная высота ограничена 30 метрами, а из фишек есть автопилот и возможность посадки на воду.

Аппарат тестили с 2023 года, а теперь наконец запустили продажи за ¥800 000. Использовать его предлагают для обзорных экскурсий и шоу.

🧠 Довольно интересное интервью Маска, где он скорее выглядит как пациент на приёме у доктора Фрейда, чем просто на интервью. На деле оно показывает, в каком сейчас ментальном состоянии находятся те, кто варятся в глубине разработок LLM. Маск известен своим подходом даже не микроменеджмента, а «наноменеджмента», как он говорит. Он считает, что в технологическом бизнесе надо гнать теми самыми тряпками чистых администраторов с их MBA и PMP дипломами, т.к. основная проблема технологического бизнеса — это ТЕХНОЛОГИЯ, а не бизнес-процессы. Поэтому Маск всегда лез в технические детали от космических двигателей Raptor до мелких деталей обучения Grok или андроидов Optimus. Я уже публиковал отчёты социологов, что внешние потребители ИИ и сами разработчики ИИ живут совсем в разных мирах его восприятия. Тем, кто реально делает ИИ, видно, как ускользает из рук контроль над ним. Маск фактически описывает, как выглядит этот ментальный кризис для технологического менеджера, который прямо наблюдает и технически понимает, что происходит.

«Если бы я мог, я бы точно замедлил развитие ИИ и робототехники...
Он развивается с очень быстрой скоростью, нравится мне это или нет....
ИИ — это то, что не даёт спать по ночам...
У меня было много ночных кошмаров об ИИ...
Да, у меня было много кошмаров об ИИ несколько дней подряд....
Что мне с этим делать?»

Интересно всё же, что именно видят Илон Маск или Дарио Амодеи изнутри своих команд разработки LLM, если находятся в состоянии паники или даже уже ночных кошмаров.

Американские университеты выпустили свой традиционный AI Index Report. Интересно, в отчёт входил и анализ LLM из России, а также инвестиции в ИИ в разных секторах экономики.

Американцы пришли к выводу, что Россия не входит в производителей Top 100 «значимых LLM». Однако это вряд ли удивительно, интереснее их опрос по инвестициям по секторам экономики. Правда, они применяли отчёт Brookings 2025, но только сейчас он стал открыт.

По их опросу в России самое заметное финансирование внедрения ИИ в 2025 году было в коммерческих компаниях по услугам, социальных сервисах и общих платформах ИИ. Следом шли ИИ-проекты в банках и юридические стартапы.

По опросам американцев они не смогли найти эффективные внедрения ИИ в России в агросекторе, ботах для образования и обучения, ИИ-системах безопасности и государственном секторе. С их точки зрения это «недофинансирование» в этих областях. Однако это означает, что если вы собрались делать ИИ-стартап, то в этих секторах относительно «свободная поляна».

В российских исследованиях типа Yakov & Partners в целом сходная картина. Инвестиции и внедрение ИИ сильнее в банках, IT, e-commerce и сервисных компаниях, а агросектор, образование и госсектор заметно отстают по объёму и зрелости решений.

Добавим невроза к предыдущему посту.

И тут вы такие, выдергивай кабель пацталом!

Поздно.

Ноам Браун, один из ключевых исследователей OpenAI и автор работ, стоявших за o1 и o3, в свежем интервью Дваркешу Пателю говорит, что нельзя считать физическую изоляцию компьютера абсолютной гарантией того, что достаточно умная система не сможет найти канал наружу.

В качестве примера он вспоминает реальную работу BitWhisper 2015 года. Чуваки показали, что два физически изолированных от сети компьютера могут передавать данные друг другу через тепло: один меняет нагрузку на CPU и тем самым температуру корпуса, другой считывает эти колебания встроенным термодатчиком. В эксперименте компьютеры стояли на расстоянии до 40 см, а скорость была 1-8 бит в час. Для паролей норм..

Тут не про то, что ChatGPT завтра нагреет процессор и сбежит из дата-центра, по Тэгмарку. Тезис гораздо неприятнее: изоляция сама по себе не является математически герметичной стеной. У компьютеров остаются физические побочные каналы - тепло, электромагнитное излучение, магнитные поля, звук, вибрации. Некоторые из них уже экспериментально использовались для передачи данных из изолированных систем наружу.

И самый жир во второй части интервью. Браун говорит, что OpenAI уже видит признаки того, что наблюдаемость chain of thought ухудшается. Пока исследователи иногда могут увидеть в рассуждениях модели попытки обмана или схематоза. Но если наказывать модель именно за такие мысли, возникает эволюционное давление научиться рассуждать так, чтобы монитор этого не увидел. По словам Брауна, модели уже становятся лучше в контроле собственного CoT. Осознанность!

Сначала кожаные говорили: если ИИ начнёт делать что-то странное - посмотрим его мысли.

Теперь: мысли постепенно становятся менее прозрачными.

Потом успокаивали других кожаных: если совсем плохо - отключим интернет.

Сейчас: физическая изоляция тоже не обязательно означает отсутствие всех каналов связи.

Вы находитесь тут..

https://youtu.be/6AgOfiZOWiY?is=J6kbZC94a20mMOc8

https://www.dwarkesh.com/p/noam-brown
https://arxiv.org/abs/1503.07919
https://cris.bgu.ac.il/en/publications/bitwhisper-covert-signaling-channel-between-air-gapped-computers-/

@cgevent

Есть такой рак-богомол. Этот хрен видит 12 цветных каналов (мы только 3, если что, а пчёлы и птицы 4) и 6 поляризационных (мы ни одного).

Цвет — это длина волны. Поляризация — в какую сторону она колеблется. Муравьи ориентируются по поляризованному свету неба, водные жуки находят так поверхность воды.

У рака всё это в диапазоне от ультрафиолета до конца видимого нам света (без инфракрасного). То есть у него все задатки стать лучшим цветовым дизайнером, потому что цвет он видит далеко за привычными нам шкалами.

Точнее, мог бы, если бы у него было достаточно мозга.

Хватит ли у него способностей стать дизайнером, выяснить не удалось, но:
— Цвет он различает хуже нас — до мозга доезжает всё это с очень большим округлением до 25 нм. Мы в середине спектра в зелёных цветах различаем с точностью 1-2 нм, а в несъедобных цветах (наши предки ели листву) вроде фиолетового — 10-20 нм.
— Система, похоже, не сравнивает сигналы каналов между собой, а считает их отдельно — скорость важнее точности.

Есть камеры, которые могут снимать и цвет, и поляризацию — но они тяжёлые и дорогие. В них используются сложные системы линз, призм и разделителей луча. Из-за этого пиксели цвета и поляризации часто не совпадают друг с другом с идеальной точностью (погрешность десятки пикселей).

Начали реверсить рака:
— В обычных матрицах фотоаппаратов пиксели RGB лежат рядом друг с другом (фильтр Байера). У рака клетки расположены друг под другом стопкой. Синий свет поглощается на самой поверхности (на глубине около 400 нанометров), зеленый проникает чуть глубже (до 1 микрометра), а красный уходит глубже всего (до 3 микрометров). Один элемент фиксирует сразу три цвета.
— Поверх этого пирога прямо на чип напылили микроскопические решетки из алюминиевых нанопроводов (шириной всего 75 нанометров). Они работают как жалюзи, пропуская свет только с определенным углом поляризации. Нанопровода расположили блоками 2х2 с углами 0°, 45°, 90° и 135°.

Собрали полноценную матрицу 1280 на 720 пикселей и протестировали. Потребление 250 милливатт (примерно как в телефоне). Очень хорошее качество съёмки поляризации, пространственный шум 2% (норма 5%), точность высокая. Но очень херовый шум считывания, поэтому камера работает только при хорошем освещении. Из-за интерполяции по поляризации ещё и результирующее разрешение ниже физического.

Поныряли с ней около Австралии, снимали каракатиц, кальмаров и раков-богомолов. Оказалось, они имеют на теле поляризационные узоры, невидимые нам, которые используют для маскировки или общения друг с другом.

А вот прикладные применения этой камеры:
— Вскрыли мозг живой саранче, направили на него свою камеру (снимая 20 кадров в секунду) и начали пускать насекомому в усы разные запахи (гексанол и октанол). И увидели без красителя, как в ответ на запах меняется поляризация нейронов мозга. Изменения микроскопические: отражение менялось всего на 0,38% для одного запаха и на 0,45% для смеси. Но этого хватило, чтобы увидеть работу мозга вообще без внедрения красителей!
— Растягивали тонкий срез коровьего сухожилия с частотой 1 раз в секунду. Камера в реальном времени показала изменение угла поляризации, который напрямую соответствует тому, как выстраиваются и натягиваются коллагеновые волокна.
— Примерно 50–80% так называемых плоских предраковых и раковых поражений кишечника пропускаются врачами, потому что на обычной камере они не отличаются от здоровой слизистой. Ученые подключили матрицу к эндоскопу и исследовали кишечник мышей. Было хорошо видно как тёмные пятна.

Слабые места — в конструкции. Например, нанолитография для алюминиевых решеток нестабильная, поэтому там куча битых и кривых датчиков, и нужна компенсация программным фильтром. Ну и интерфейс — поляризацию врач не видит, приходится показывать отдельно.

Так рак помог искать рак!

Фотографии Cédric Peneau.

--
Вступайте в ряды Фурье! | Лучшие посты
— Эй, лосось, знаешь, мы назвали в твою честь цвет!
— О, это тааак мило! Серебристо-голубой, да?
— Э.. как бы тебе сказать...

AGI

41 миллион токенов на крышку

Робота, обученного работать в одной лаборатории, нельзя просто перенести в другую. Меняются камеры, освещение, расположение оборудования и конструкция захвата — и визуально-языковая модель действий, или VLA, перестаёт узнавать знакомую задачу. Обычно для неё приходится заново собирать демонстрации и проводить дообучение.

Но всё это дорого и нудно. Почему бы не спихнуть это на ИИ? Так подумали исследователи из Токийского университета, RIKEN, NYU и Google DeepMind и создали проект WetRobo. Вместо готовой политики в новую лабораторию переносят робота, базовый код и Codex, который осматривается на месте и сам пишет управление под конкретную установку.

В набор вошли рука AgileX Piper, камеры, захват, правила безопасности в AGENTS.md и по 15 записанных человеком демонстраций для трёх операций. Учёный формулирует задачу обычным текстом. Codex на базе GPT‑5.6‑sol анализирует изображения и состояние робота, пишет программы, запускает их и исправляет после неудачных попыток.

Так агент научил робота поднимать крышку чашки Петри, снимать крышку с бутылки и открывать инкубатор. Для чашки он подключил SAM 3, восстановил трёхмерную сцену по RGB-D-кадрам и проверял захваты в MuJoCo до отправки команд роботу.

С бутылочной крышкой Codex не стал использовать готовые демонстрации. В одной лаборатории он нашёл крышку через OpenCV, сделал три пробных движения и вычислил, как перемещение руки отражается на изображениях с камер. Первые три захвата не удались. После этого агент изменил положение кисти, зажал крышку, трижды повернул и поднял её.

Ту же задачу повторили в другой лаборатории — с иным захватом, числом камер, освещением и расположением оборудования. Здесь Codex написал другое решение: использовал AprilTag для определения координат и MuJoCo для проверки столкновений. Робот снял крышку в обеих установках.

На первый успешный захват потребовалось:

▪️ 41,4 млн токенов и 1 час 2 минуты в лаборатории X; 
▪️ 23 млн токенов и 49 минут в лаборатории Y.

Для сравнения авторы дообучили VLA-модель π0.5 на 25 видеозаписях из лаборатории X в течение 100 тыс. шагов. Она справилась в исходной установке, но провалила ту же задачу в лаборатории Y. Codex адаптировался в обеих. Теперь ждём, когда он научится перемещать роборуку, и в захвате окажется уже ближайший исследователь!

@anti_agi

ItsGiving

Очень забавный инструмент, корчишь рожу в вебку а скрипт сам понимает какую именно, и накладывает подходящий мем поверх вашей головы, отслеживая её по кадру

Работает в звонках: Zoom, Meet, Teams, Discord и OBS видят виртуальную камеру как обычную вебку

Что умеет из коробки:
- ❤️ heart hands - сердечко из пальцев
- 😱 crashing out - руки к голове, рот открыт
- 💃 dance - руки за голову
- 🤥 nose pinch - зажали нос
- 😛 tongue out, 😲 gasp, 🤢 disgust
- 👀 side-eye - повернули голову и прищурились
- 🌪️ spin - вышли из кадра вообще
- и ещё time out, flirty, cover face, hand up, talking to the wall

Под капотом:

Работает на MediaPipe: 478 лендмарок лица + 52 blendshape-канала, руки (2×21 точки) и плечи/локти

Все расстояния нормализуются к ширине вашего лица - работает одинаково на 40 см от камеры и на полутора метрах

Версия v2 делает 7 секундную калибровку под ваше нейтральное лицо: выражения считаются в сигмах от вашего базового уровня, потому что фиксированный порог вроде jawOpen > 0.5 для каждого лица означает разное

Кастомизация за 30 секунд:
Просто бросаешь свой файл в assets/ с именем позы (heart.png, spin.gif) - JPEG, PNG и анимированные GIF поддерживаются, прозрачность и тайминги кадров учитываются. Свои позы добавляются парой строк в decide()

Стек: Python 3.11/3.12, MediaPipe, OpenCV

Запуск: python its_giving_v2.py и всё

github.com/gazijarin/itsgiving