Є запис події?

У МОН колись розробляли формулу розподілу держ.замовлення між вишами. І у тій формулі були показники щодо працевлаштування випускників — скільки працює за фахом, скільки працює не за фахом але на посаді що вимагає вищої освіти, як швидко знаходять першу роботу і таке інше. Кожного року я відправляю в МОН запит — чи можуть громадяни отримати доступ до цих даних? І кожного року отримує відповідь — система поки що у тестовій експлуатації.

за якою методологією можна визначити «кращість підготовки»? це дуже суб’єктивний показник.

Я дивився. Що саме вас не влаштовує в методології цього рейтингу?

Передивився багато рейтингів (і українських і іноземних). Візьмемо хоча б QS World University Rankings Europe-2026. З українських вишів: КНУ, КПІ, Каразіна, Львівський універ, Львівська політехніка, Сумський універ, Могилянка, ХПІ, ХНУРЕ.
В інших рейтингах +\- ті самі виші. Не знайшов УКУ в жодному рейтингу. Чому?

Ви не разглядели можливість використання Graph RAG або комбінаціі Graph RAG та RAG на ембедінгах? Бо RAG на ембедінгах не зі всіма кейсами може впоратись.
Кейс А.
Потрібно перевірити, чи немає прихованого конфлікту інтересів між новим клієнтом (Компанія А) та чинними клієнтами. Компанія А напряму не згадується у справах інших клієнтів. Але вона володіє дочірньою Фірмою Б, яка через офшор В контролює частку в Компанії Г, що є опонентом вашої фірми в суді. Векторний пошук знайде шматки документів про Компанію А, але не зможе «здогадатися» пройти ланцюжком із 4 документів углиб: [Компанія А] -> володіє -> [Фірма Б] -> контролює -> [Офшор В] -> акціонер -> [Компанія Г].
Кейс Б.
Потрібно зрозуміти роль громадянина X у виведенні активів збанкрутілого банку. Громадянин X може згадуватися в тисячах договорів як номінальний директор, підписант або свідок. Векторний пошук поверне 5–10 шматків тексту, де найчастіше зустрічається його прізвище. GraphRAG знайде як поєднуються транзакції, установчі документи та довіреності. Він покаже, що громадянин X -> видав довіреність -> громадянин Y -> переказ коштів -> [Фірма-одноденка Z]
І таких кейсів може бути багато.

Тому захист має щонайменше три шари:

Я б додав ще один шар перед запобіганням — прогнозування (або передбачення).
а) Без прогнозування можливих ризиків не можна визначити яка система запобіжників потрібна.
б) Набор ризиків, їх ймовірність і наслідки може змінюватись у часі. Тому прогнози ризиків треба постійно переглядати і, відповідно, оновлювати систему запобіжників.

Людей, які прийшли самі й лишилися: нуль.

Не зрозуміло що саме ви маєте на увазі
а) зовсім нікого не прийшло?
б) чи 100 прийшло погралося з продуктом і потім всі 100 пішли. залишилось 0?

а ще можна: OBS Studio з плагіном Win-Capture-Audio + noScribe + якийсь агентний харнес з локальною ЛЛМ.
Трошки повозитися з налаштуваннями, але повністтю безкоштовно і приватно.

Питання чи зможе штучний інтелект замінити справжнього творця лежить у фундаментальній відмінності підходів.
ШІ притаманна прагматична статистика. Він орієнтується на максимальну ймовірність та на найбільш правдоподібні очікувані варіанти продовження тексту. Він прагне усереднення, мінімізації відхилень та максимізації передбачуваності.
Натомість творчість за своєю природою малоймовірна — це завжди аномалія та відхилення від норм. З погляду математики та теорії інформації ШІ просто не здатен відрізнити принципово нову геніальну ідею від беззмістовного шуму. Для ШІ обидва ці явища лежать у зоні низької ймовірності за межами його навчального корпусу і однаково сприймаються як помилка або сміття.
Справжня творчість працює як оператор зміни розмірності простору уявлень. Вона створює принципово новий контекст, формує невідомі раніше семантичні зв’язки та розширює сам простір уявлень. Штучний інтелект діє у строго замкненому просторі. Він лише зменшує інформаційну ентропію та невизначеність у вже існуючому просторі уявлень (= системі знань).
Все це ІМХО ))

детекція суперечностей між формальними теоріями — це задача, яка автоматизується. Це майже буквально статичний аналіз, тільки над корпусом наукового знання. Не «де дані розходяться з передбаченням», а «де дві добре підтверджені теорії не можуть бути істинними одночасно».

Так це ж як раз про Загальну Теорію Відносності і Квантову Механіку!
Обидві теорії добре підтверджені але суперечать одна одній.
Якщо це простий кейс для ШІ, то чому ж Теорія Квантової Гравітації досі не створена?

попит на радіофізиків каже про зворотне

Закінчив радіофак в Каразіна з червоним дипломом. Навіть писав дисертацію «Розповсюдження широкосмугових сигналів в стохастично-неоднорідних середовищах» (тобто радіолокація в поганих погодних умовах — дощ, сніг, туман). Але без досвіду роботи з Altium Designer, KiCad, Altair FEKO, Ansys HFSS, CST Studio, тощо (бо такого ПЗ у ті часи ще не було — ми все обчислювали на Fortran))).
Почитав цю статтю і вирішив перевірити наявність попиту. Написав у п’ять компаній які розмістили на DOU/djinni RF-вакансії. Питав — чи готові вони брати людей з теоретичною базою і навчати працювати у потрібних застосунках. Чотири не відповіли взагалі. П’ята написали «надайте інформацію про себе, ми потім вам відповімо» і теж потім не відповіли.
Так що інформація у статті про дуже великий попит на радіофізиків м’якого кажучи не відповідає реальності.

Holt-Winters, ETS, TBATS, VAR вже ніхто не використовує?

Микола, чудова стаття! Але якщо я вірно вас зрозумів — під терміном «знання» ви маєте на увазі і правила і факти? Бо в старих класичних експертних системах є окрема база з фактами і окрема база з правилами\фреймами\тощо (в залежності від обраного представлення знань). І саме ця база називається «База знань».
Припустимо в «Базі знань» вказано: за умов А, Б, В — треба використовувати бібліотеку\алгоритм\фреймворк\... X. Або — за таких-то умов навантаження в архітектуру треба додавати балансири.
А в «Базі фактів» є факт що в такому-то проєкті умови А, Б, В виконані — але чомусь замість X використали Y. Тобто порушили правило.
І цимус (один з багатьох цимусів))) експертних систем в тому, що вони можуть знаходити такі невідповідності.

Читав ваші статті і постійно ловив себе на думці — автор все описує вірно, але все це не про класичні «експертні системи».
Експертна система робить дві речі — прямий та зворотній вивід.
а) прямий вивід — від фактів до висновку.
Факти: у пацієнта температура, болить горло та збільшені лімфовузли -> Вивід: скоріш за все у пацієнта ангіна. (Це називається вивід заснований на фактах)
б) зворотній вивід — від висновків (гіпотез) до фактів.
Двигун не заводиться тому що (1) сів акумулятор, (2) зламався стартер, (3) обрив у ланцюгу. Експертна система шукає у Робочі Пам’яті факти які можуть підтвердити або спростувати кожну з гіпотез. В ході зворотного виводу Експертна система може висувати проміжні гіпотези і запитувати про додаткові факти. (Це називається вивід заснований на цілях).
Описана в статтях система називається «експертною», але за функціями не є «експертною» (в класичному розумінні цього терміну) — тому в мене когнітивний дисонанс коли читаю )))

може тоді краще брати NVIDIA Jetson Orin Nano / NX?

який мінімальний кутовий розмір дрона який система може розпізнати?

Як саме Palantir будує онтології в організаціях? Які інструменти та формалізми використовує?

Стаття у вас як завжди якісна та корисна. Але мені здається що саме в цій статті ви відразу навантажуєте на читача багато технічний деталей на пояснивши йому базові елементи архітектури експертних систем.
ІМХО, краще було б почати з опису для читачів загальної канонічної верхньорівневої архітектури експертних систем = база знань + машина виводу (солвер) + робоча пам’ять + інтерфейси (користувача та інженера зі знань)
А вже потім переходити на рівень нижче до архітектури кожного з її компонентів.
Бази знань. Які вони бувають відповідно до методів представлення знань (онтології, ембедінги, семантичні мережі, фреймові моделі, продукційні моделі і таке інше. А також їхні комбінації)
Джерела знань та їх типи. Методи отримання знань відповідно до типу джерела.
Робоча пам’ять з фактами. Яка вона буває.
Машини виводу. Які вони бувають відповідно до методу представлення знань типу виводу (детермінований, імовірнісний, нечіткий (fuzzy)).

І ще питання. Ви пишете про:
а) Джерела знань — «...системи керування вимогами, трекери задач, репозиторії коду, ......... нарешті — голови самих інженерів...»
б) Конектори — «...підключають перелічені джерела до системи...»
А які конектори у вас підключають до експертної системи голови інженерів? Бо може скластися враження що це якісь Neuralink від Ілона Маска який вживлюється в голови інженерів і витягує з них знання )))

Чи має право на «життя» змішана концепція? Наприклад, в домені існують стандарти (в моєму випадку — в Automotive їх чимало є). Якщо факту нема в БД і він явно заперечується стандартом (compliance failure), він вважатиметься хибним. Інакше, якщо факт проходить повз стандарти, то він невідомий з інженерної точки зору.

Так, це називається Partial Closed World Assumption (PCWA).
БЗ в цілому трактується як відкрита (OWA), але дозволяє явно позначати окремі свої частини як закриті через completeness assertions (твердження про повноту).