👨‍💻 Google представила ИИ для создания из текста 3D-уровней для игр

Google DeepMind анонсировала Genie 2 — искусственный интеллект, который превращает текстовые описания в полноценные 3D-окружения.

Вот основные возможности:

⏺Генерация миров:
От густых лесов до мегаполисов — модель создаёт локации любого типа.

⏺Интерактивные объекты:
Сгенерированные объекты обладают физическими свойствами, такими как гравитация и освещение.

⏺Анимация персонажей:
Реалистичные движения и поведение NPC упрощают создание сложных игровых сценариев.

👉 Python Ready | #новость

😎 На Хабре нашлась полезная статья, в которой автор создаёт "камень-ножницы-бумага" на Python.

В этой статье:
• Вы напишите игру с нуля несколькими способами, где каждый этап разработки будет объясняться автором и дополняться примерами кода.

🔊Если заинтересовало, продолжай читать на Habr!

👉 Python Ready | #статья

Так и не дошли до изучения кортежей?
#новичкам

Сегодня как раз разберем кортежи — это неизменяемые последовательности в Python. Кортежи похожи на списки, но их элементы нельзя изменить после создания. Это делает их полезными, когда нужно гарантировать, что данные останутся неизменными.

Для их создания просто используем круглые скобки:

my_tuple = (1, 2, 3, 4)

Если нужно создать пустой кортеж, то пишем:

empty_tuple = ()

Для одного элемента кортежа нужно поставить запятую:

single_element_tuple = (1,)

И чтобы обратиться к элементу, используем индексы:

print(my_tuple[2])  # Выведет 3

Но кортежи не поддерживают изменение своих элементов. Например, такой код вызовет ошибку:

my_tuple[0] = 10  # Ошибка! Кортежи неизменяемы

Также они поддерживают операции, как объединение и повторение:

tuple1 = (1, 2)
tuple2 = (3, 4)

print(tuple1 + tuple2)  # Объединение: (1, 2, 3, 4)
print(tuple1 * 2)       # Повторение: (1, 2, 1, 2)

🔥 Так что всё это, обеспечит вам более высокую производительность и будет полезно когда нужно сохранить данные, которые не должны изменяться.

👉 Python Ready | #практика

Сумма штрафа Google российским телеканалам выросла до 8 ундециллионов рублей, но в Google не сообщили о ней акционерам 😮

На начало декабря 2024 года сумма штрафа Google российским телеканалам выросла до 8 ундециллионов (ундециллион — единица с 36 нулями) рублей

Сумма штрафа против Google превышает в несколько раз всё мировое богатство ($8 квадриллионов). Текущая капитализация Google составляет $2,17 трлн, что в 10 миллиардов триллионов раз меньше, чем сумма штрафа

🗣Если интересно, можно почитать здесь

👉 Python Ready | #новость

😂

С добрым утром! ☕️

Вот вам на утро крутой сайт для изучения Питончика)

Pytonchik — платформа, на которой собрано много полезной информации по Python. Туториалы, полезные методы и подборки курсов. Кому интересно, снизу оставлю линк.

📌 Ссылочка: pythonchik.ru

👉 Python Ready | #ресурс

Знаете как работает хэширование в Питончике?
#средничкам

Сегодня как раз разберем хэширование — это процесс преобразования данных в фиксированный размер, который называется хэш-значением.

Для начала нужно импортировать модуль hashlib, импорты прописываем в начале файла:

import hashlib

Теперь можем создать хэш-объект, используя алгоритм SHA-256. Это делается так:

hash_object = hashlib.sha256()

Далее, чтобы хэшировать данные, нужно обновить хэш-объект. Для этого мы добавим строку, которую хотим хэшировать, и не забудем закодировать её в байты:

data = "Hello, World!"
hash_object.update(data.encode())

Когда хэш-объект обновлен, можем получить хэш-значение, используя метод hexdigest(). Вот как это сделать:

hash_value = hash_object.hexdigest()
print(f"Хэш-значение для '{data}': {hash_value}")

🔥 В результате мы получим уникальное хэш-значение для строки "Hello, World!".

👉 Python Ready | #практика

Квантовый прорыв: чип Google Willow за 5 минут решил задачу, которую классический ПК решал бы миллиард лет 😮

«Мы уже прошли точку безубыточности» — заявил в интервью Хартмут Невен руководитель подразделения Google Quantum AI.

Впервые за 30 лет работы над квантовыми компьютерами инженеры смогли показать, что увеличение числа кубитов в системе не приводит к её нестабильности. Наоборот, чем больше кубитов, тем экспоненциально меньше ошибок чип совершает.

И вот результат: разработчики Willow взяли сложнейшую вычислительную задачу, на решение которой у современного суперкомпьютера ушло бы 10 септиллионов лет.

🗣Почитать подробнее можно здесь

👉 Python Ready | #новость