📚 Блогът на VV

Максимално пълен Markdown тестов файл

2026-07-11 15:15:42

Максимално пълен Markdown тестов файл Този файл съдържа почти всички възможни елементи на Markdown, включително стандартни, разширени (GFM, CommonMark) и специфични за някои парсъри. --- 1. Заглавия (Headings) H1 Заглавие H2 Заглавие H3 Заглавие H4 Заглавие H5 Заглавие H6 Заглавие Алтернативен синтаксис за H1 ================================ Алтернативен синтаксис за H2 -------------------------------- --- 2. Параграфи и форматиране Обикновен параграф. Може да съдържа удебелен текст, курсив, удебелен курсив, зачертан текст, inline код и

Прочети

Scrubbing на MP4 видео по кадри в браузъра (без насичане и забиване) 🎬👇

2026-07-08 00:55:44

Хвана ме някаква носталгия по доброто старо време... Преди да имаше толкова много „говнокод“, писачите на сайтове ползваха картинки (PNG-та, да, не се майтапя) за всякакви сложни анимации. В същото време имаше и Macromedia Flash, където нещата просто работеха. Днес си играя с някакви „ефекти“ изцяло без CSS. Решението? Чисто MP4 видео с кейфреймове и малко DZavascript говнокод. Дори се замислям скоро да пробвам да рендерна цял сайт само с видео. Ограниченията там обаче са ясни – във JS трябва сам да се грижиш за оразмеряването, разположението на текста, линковете и всякакви други интерактивни елементи, които видеото застъпва. За конкретния експеримент (плавен hover бутон) стандартният подход с video.currentTime напред-назад чрез requestAnimationFrame обикновено се чупи, защото браузърът запецва или отказва да се върне назад в реално време. Проблемът под капака: Стандартните MP4 файлове имат дълги GOP интервали (ключови кадри/I-frames на всеки няколко секунди). Браузърът просто не може да декодира междинните кадри в движение, когато му подавате плаващи микро-секунди. Решението в две стъпки: 1️⃣ Прекодиране в All-Intra (Всеки кадър е ключов кадър) Пуснах видеото през FFmpeg, за да принудя браузъра да има незабавен достъп до всеки един кадър без чакане: bash ffmpeg -i input.mp4 -vcodec libx264 -x264opts keyint=1:min-keyint=1 -pixfmt yuv420p output.mp4 2️⃣ Линейна JS логика вместо проценти (Lerp) Вместо да интерполирам с проценти (което кара видеото да се изстрелва в началото и да забива на 15% на връщане, защото стъпките стават твърде малки), управлявам процеса чрез твърд брой кадри и постоянен линейна стъпка. Когато мишката влезе или излезе по средата на анимацията, кодът моментално улавя текущия кадър и обръща посоката на движение (напред или на заден ход) без никакъв лаг: javascript // Ядрото на анимационния ни цикъл if (currentFrame < targetFrame) { currentFrame = Math.min(targetFrame, currentFrame + SPEED); } else if (currentFrame targetFrame) { currentFrame = Math.max(targetFrame, currentFrame - SPEED); } // Пресмятаме точната стотна от секундата за видеото video.currentTime = currentFrame / FPS; Резултатът: Перфектно плавен, хардуерно ускорен интерактивен бутон, който реагира мигновено на мишката от всяка точка, без нужда от тежки спрайт листове или съвременни CSS компромиси. webdev javascript html5video frontend coding retro macromedia flash носталгия 2006 2007 swf actionscript hate shitcode reviveFLASH FUCKGOOGLE FUCKADOBE FUCKAPPLE

Прочети

Изкуственият интелект, или как въглеродът се опита да стане силиций

2026-05-27 15:05:35

Този блог няма да ти сервира ИИ през 400-странични PDF-и, написани от хора, които никога не са компилирали нищо по-сложно от hello world. Тук ще гледаме машината в очите — през C код, през указатели, през malloc-ове и през философията на човек, който знае, че всяка абстракция е просто лъжа, с която да не мислиш за бита под нея. --- Изкуственият интелект е нищо повече от жалък опит на естествения въглероден мозък да се възпроизведе като силициев интелект. Или казано по-просто: мозъкът ни се измори да забравя, да се уморява и да иска заплата, та реши да си направи по-твърда версия от пясък и ток. Няма магия. Няма еволюция на съзнанието. Има само един биологичен процесор на 20 вата, който се чуди как да не спи. Цялата история минава през три етапа, като всеки следващ е по-гнусен от предния. 1. Любопитство Някакви хора просто са седели и са си казали: „Абе… можем ли да направим машина, дето мисли като нас?“ После идват учени, математици и визионери, а днес всички сочат Алън Тюринг като „бащата на ИИ“. Само че това е удобен мит за учебниците — той не е създал ИИ, просто е бил сред първите, които са дали форма на идеята. И тук е ключът: тестът на Тюринг не е тест за интелект. Това е тест за измама. Той не пита „Може ли машината да мисли?“, а „Може ли машината да излъже човека, че мисли?“. Корпорациите днес са перфектните ученици на Тюринг — те не продават мислещи машини, а перфектни имитатори, защото имитацията е напълно достатъчна за пазарна монетизация. 2. Ентусиазъм Ироничното е, че десетилетия наред самите учени са си спъвали развитието. До към 2012 в ИИ средите имаше почти религиозна догма: „прави невронните мрежи малки, тесни и максимално контролируеми“. Все едно мозъкът ще стане по-умен, ако му режеш невроните. Хората се страхуваха от „изчезващия градиент“, гледаха първите графики, виждаха как loss-ът върви зле и веднага решаваха, че „това не работи“. Типичен ефект „кон с капаци“ — гледаш първите няколко крачки и мислиш, че пътят свършва там. После се оказа нещо супер тъпо и едновременно гениално: големите модели просто искат повече време. Оставяш ги да се въртят достатъчно дълго, да минат през достатъчно данни, и кривата на loss-а изведнъж се оправя. Не защото машината е станала магическа, а защото сложните системи понякога започват да „схващат“ по-бавно, но после наваксват брутално. И точно тук приключва „академичният ИИ“ и започва индустриалната златна треска. Появява се AlexNet — една сравнително проста на днешния фон невронна мрежа, направена от Джефри Хинтън, Алекс Крижевски и Иля Суцкевер. Влиза в състезанието ImageNet, където компютрите се мъчат да познават какво има на снимките — куче, кола, банан, човек. И AlexNet буквално размазва всичко останало. Причината не е математически пробив. Просто за първи път някой казва: „Майната му, дайте повече слоеве, един трик наречен Dropout и GPU-та да въртят на асемблер“. Грубата сила победи теорията. Не беше пробив в математиката — беше хардуерно насилие над данните. 3. Капитализмът В момента, в който машината започна да върши работа по-бързо и по-евтино от човека, системата веднага я осинови. Сега ИИ не е просто технология. Той е продукт, инфраструктура и зависимост. Не защото е магически, а защото е икономически изгоден. На големите компании не им трябва съзнание — трябва им нещо, което работи 24/7, не спи, не мрънка и струва по-малко от истински човек. Ресурсите за ИИ са скъпи само за тези, които ги купуват, но „работата“ срещу „цената“ е толкова изгодна за големите играчи, че няма как да не го натрапят навсякъде. И тук идва най-тъпият парадокс: въглеродният мозък работи на 20 вата — колкото една слаба крушка — и яде боб и хляб. Силициевият клонинг иска гигавати електроенергия, ядрени реактори за охлаждане и инфраструктура за милиарди, за да постигне същата имитация. Това не е еволюция — това е енергийна хазартна игра, маскирана като бъдеще. А най-големият номер от всички? Никой не знае как тези мрежи работят вътрешно. Не защото е тайна, а защото са милиарди параметри, пуснати в хаос от данни, и оптимизаторът сам си е свършил черната работа. Когато се възхищаваме на ИИ, ние всъщност се възхищаваме на статистическата средна стойност на собствения си колективен интелект, събиран в интернет десетилетия наред. ИИ не мисли — той е огледало. И корпорациите продават това огледало като прозорец към бъдещето. --- В този блог няма да ти говоря за „магията на дълбокото обучение“. Ще ти показвам как това огледало всъщност работи — през C код, през указатели, през for цикли и през реална памет, която можеш да пипнеш. Защото ако не разбираш машината в битове, някой друг ще ти я продаде като чудо.

Прочети