나는 여기에 오랫동안 있지 않았다. 약간은 향수에 푹 빠져 지난 1년 동안 무엇을 했는지 말하기 위해 돌아오기로 결정했습니다. 그리고 그는 프로그래밍과 직접적으로 관련된 Object의 개념에 종사했습니다.
우리는 이미 자동화가 세계를 어떻게 지배하는지 보는 데 익숙하고 프로그래머가 항상 이 프로세스의 최전선에 있었지만 최근 몇 년 동안의 추세는 기계 학습 기술이 일상 생활에서 수동 프로그래밍을 대체하려고 "시도하고" 있음을 분명히 암시합니다. 작업의 코더. 실제로 이것이 일어나고 있습니다. 통계 모델이 작동할 수 있는 알고리즘을 작성하는 이유는 무엇입니까? "훈련"을 통해 재현하는 것이 훨씬 쉽더라도 코드로 조건 트리를 구축하는 이유는 무엇입니까? 수사학적 질문. 또한, 컴퓨터 성능이 향상됨에 따라 오늘날 세계에서 흔히 AI라고 하는 것의 속도와 품질이 향상되고 있으며, 완벽할수록 사람이 손이나 머리로 작업할 필요가 줄어듭니다.
물론 현대 AI는 얼굴 인식, 음성 인식, 스스로 자동차 운전, 체스에서 그랜드마스터를 이기고, 모든 주제(GPT-3)에 대해 의사 소통하는 등 많은 일을 할 수 있습니다. 프로그래밍의 기원과 OOP에서 구현된 개체 개념이 언제 누구에 의해 구현되었는지 다시 생각하려고 합니다. 명확하다면 세상은 수동 프로그래밍을 떠날까요? 점은 무엇인가?
이 질문에 대한 답은 간단하면서도 동시에 복잡합니다. 머신러닝 기술은 개발의 한계가 있으며, 이는 뉴로칩의 위력과 학습률, 생성된 모델의 크기를 높이는 것만으로는 넘을 수 없다고 생각합니다. AI는 위의 모든 작업을 수행할 수 있지만 개별적으로만 가능합니다. 즉, 한 버전은 인식용으로, 다른 버전은 체스용으로, 세 번째 버전은 통신용으로 맞춤화되어 있습니다. Musk가 건물 전체를 차지하고 1.2메가와트의 에너지를 소비하는 동시에 사람이 마스터하는 운전을 위해 모델을 훈련시키는 새로운 DoJo 컴퓨터를 구축할 때 ML이 어떻게 서서히 막다른 골목에 도달했는지 알 수 있습니다. 그의 두뇌의 20와트가 소모되었습니다. 즉, 인간의 두뇌는 슈퍼컴퓨터의 에너지 효율보다 약 6만 배나 높은 에너지 효율로 유사한 작업을 수행한다고 말할 수 있습니다. 물론 이것은 모두 매우 대략적인 것입니다. 또한 현대 AI 기술은 인간의 사고가 작용하는 많은 작업에 적용할 수 없습니다. 기본적으로 이것들은 익숙하지 않은 상황에서의 방향을 결정하는 복잡한 정신적 구성, 즉흥, 연역 및 귀납, 처음부터 실행 계획 구축 등입니다. 그 이유는 뇌가 ML의 원칙에 대해서만 작동하지 않기 때문입니다(ML의 원칙은 자체는 뇌에서 가져옴) 따라서 이 기술만으로는 그 기능을 따라잡을 수 없습니다. 이것은 이제 아주 분명합니다.
따라서 Brain의 소유에는 데이터 작업을위한 다른 기술이 "숨겨져"있어 우리가 이해하지 못하고 볼 수 없습니다. 그것은 무엇입니까? 내 생각에 자연은 뇌가 어디에나 어디에나 존재하는 특정 개체를 보고 작업할 수 있는 능력을 부여했으며 이 개체를 잠재의식 깊숙이 의식에서 숨겼습니다. 즉, 사람은 그것을 동시에보고 보지 못하며 매번 "걸림"을 피할 수 있습니다. 이것은 모든 것 안에 있는 추상화인 객체입니다.
사람이 무엇을 생각하고, 추론하고, 분석하고, 연구하든, 그의 지성은 무의식적으로 항상 대상의 모델 과 함께 작동합니다 . 이것은 고전적 프로그래밍이 발견하고 놓친 것입니다. 즉, 완성과는 거리가 멀게 구현되어 있기 때문에 - 기존 OOP의 형식과 구문은 생성 당시의 문제를 해결하기 위해 날카롭게 되었고, 따라서 개발자는 생성 작업이 없었습니다. 인간 지능의 완벽한 사본이지만 코드의 양을 압축하고 더 다양하게 만들 수 있는 프로그래밍 방법을 마련할 필요가 있었습니다. 대체로 이것이 그들이 원하는 전부였습니다. 실제로 구형 OOP 덕분에 프로그래밍이 크게 최적화되어 이전에는 달성할 수 없었던 새로운 차원에 도달할 수 있었지만 현대성은 우리를 인간 지능과 유사한 것을 만드는 작업으로 이끌었고 이를 위해서는 OOP 접근 방식의 업데이트가 필요합니다.
간단히 말해서 프로그래밍에서 Object의 개념을 업데이트하기로 한 이유에 대해 이야기했습니다. 이 주제가 흥미롭다면 지난 1년 반 동안 작업한 개념 자체에 대한 이야기를 계속하겠습니다.
Реter Konow 대상의 모델 과 함께 작동합니다 . 이것은 고전적 프로그래밍이 발견하고 놓친 것입니다. 즉, 완성과는 거리가 멀게 구현되어 있기 때문에 - 기존 OOP의 형식과 구문은 생성 당시의 문제를 해결하기 위해 날카롭게 되었고, 따라서 개발자는 생성 작업이 없었습니다. 인간 지능의 완벽한 사본이지만 코드의 양을 압축하고 더 다양하게 만들 수 있는 프로그래밍 방법을 마련할 필요가 있었습니다. 대체로 이것이 그들이 원하는 전부였습니다. 실제로 구형 OOP 덕분에 프로그래밍이 크게 최적화되어 이전에는 달성할 수 없었던 새로운 차원에 도달할 수 있었지만 현대성은 우리를 인간 지능과 유사한 것을 만드는 작업으로 이끌었고 이를 위해서는 OOP 접근 방식의 업데이트가 필요합니다.
간단히 말해서 프로그래밍에서 Object의 개념을 업데이트하기로 한 이유에 대해 이야기했습니다. 이 주제가 흥미롭다면 지난 1년 반 동안 작업한 개념 자체에 대한 이야기를 계속하겠습니다.
물론 기성품 아이디어를 구현하기 위한 도구로서 SML은 장점이 있고 더 자세히 고려해 볼 가치가 있습니다. 그러나 많은 언어에는 장단점이 있습니다. 최근에 나는 멋진 OOP 기능을 좋아하고 "툴킷"을 발견했지만 계층적 분류를 구축하고, 개체 또는 콘텐츠의 속성을 동적으로 변경하고, 프로그램에서 "즉석에서" 논리 및 이벤트 모델을 수정하는 문제가 항상 제기됩니다. - 그 모든 것, 우리 마음이 끊임없이 하는 일. 현대 언어가 그러한 메커니즘을 어떻게 구현할 수 있는지는 나에게 큰 질문으로 남아 있습니다.
2. 다음은 내 불만 사항 중 일부입니다.
좋은 책이 있습니다: Eric Freeman, Elizabeth Freeman의 " Design Patterns".
나는 주장의 일부를 읽은 후에 제거될 것 같다.
Eric Freeman, Elizabeth Freeman의 "Design Patterns"라는 좋은 책이 있습니다.
나는 주장의 일부를 읽은 후에 제거될 것 같다.
고마워, 내가 그것을 얻을 수 있도록 노력할게.
고마워, 내가 그것을 얻을 수 있도록 노력할게.
https://b-ok.cc/book/3691688/443e5e
https://b-ok.cc/book/3691688/443e5e
Eric Freeman, Elizabeth Freeman의 "Design Patterns"라는 좋은 책이 있습니다.
나는 주장의 일부를 읽은 후에 제거될 것 같다.
Freeman이 아니라 Elizabeth Robson.)) 처음에 나는 그들이 남편과 아내라고 결정했습니다.
친절한 ). 권리.
나는 이것을 파일명에 넣고 복사했고 모든 공저자들의 이름에 집중하지 않았습니다.
모두 새해 복 많이 받으세요!
나는 여기에 오랫동안 있지 않았다. 약간은 향수에 푹 빠져 지난 1년 동안 무엇을 했는지 말하기 위해 돌아오기로 결정했습니다. 그리고 그는 프로그래밍과 직접적으로 관련된 Object의 개념에 종사했습니다.
우리는 이미 자동화가 세계를 어떻게 지배하는지 보는 데 익숙하고 프로그래머가 항상 이 프로세스의 최전선에 있었지만 최근 몇 년 동안의 추세는 기계 학습 기술이 일상 생활에서 수동 프로그래밍을 대체하려고 "시도하고" 있음을 분명히 암시합니다. 작업의 코더. 실제로 이것이 일어나고 있습니다. 통계 모델이 작동할 수 있는 알고리즘을 작성하는 이유는 무엇입니까? "훈련"을 통해 재현하는 것이 훨씬 쉽더라도 코드로 조건 트리를 구축하는 이유는 무엇입니까? 수사학적 질문. 또한, 컴퓨터 성능이 향상됨에 따라 오늘날 세계에서 흔히 AI라고 하는 것의 속도와 품질이 향상되고 있으며, 완벽할수록 사람이 손이나 머리로 작업할 필요가 줄어듭니다.
물론 현대 AI는 얼굴 인식, 음성 인식, 스스로 자동차 운전, 체스에서 그랜드마스터를 이기고, 모든 주제(GPT-3)에 대해 의사 소통하는 등 많은 일을 할 수 있습니다. 프로그래밍의 기원과 OOP에서 구현된 개체 개념이 언제 누구에 의해 구현되었는지 다시 생각하려고 합니다. 명확하다면 세상은 수동 프로그래밍을 떠날까요? 점은 무엇인가?
이 질문에 대한 답은 간단하면서도 동시에 복잡합니다. 머신러닝 기술은 개발의 한계가 있으며, 이는 뉴로칩의 위력과 학습률, 생성된 모델의 크기를 높이는 것만으로는 넘을 수 없다고 생각합니다. AI는 위의 모든 작업을 수행할 수 있지만 개별적으로만 가능합니다. 즉, 한 버전은 인식용으로, 다른 버전은 체스용으로, 세 번째 버전은 통신용으로 맞춤화되어 있습니다. Musk가 건물 전체를 차지하고 1.2메가와트의 에너지를 소비하는 동시에 사람이 마스터하는 운전을 위해 모델을 훈련시키는 새로운 DoJo 컴퓨터를 구축할 때 ML이 어떻게 서서히 막다른 골목에 도달했는지 알 수 있습니다. 그의 두뇌의 20와트가 소모되었습니다. 즉, 인간의 두뇌는 슈퍼컴퓨터의 에너지 효율보다 약 6만 배나 높은 에너지 효율로 유사한 작업을 수행한다고 말할 수 있습니다. 물론 이것은 모두 매우 대략적인 것입니다. 또한 현대 AI 기술은 인간의 사고가 작용하는 많은 작업에 적용할 수 없습니다. 기본적으로 이것들은 익숙하지 않은 상황에서의 방향을 결정하는 복잡한 정신적 구성, 즉흥, 연역 및 귀납, 처음부터 실행 계획 구축 등입니다. 그 이유는 뇌가 ML의 원칙에 대해서만 작동하지 않기 때문입니다(ML의 원칙은 자체는 뇌에서 가져옴) 따라서 이 기술만으로는 그 기능을 따라잡을 수 없습니다. 이것은 이제 아주 분명합니다.
따라서 Brain의 소유에는 데이터 작업을위한 다른 기술이 "숨겨져"있어 우리가 이해하지 못하고 볼 수 없습니다. 그것은 무엇입니까? 내 생각에 자연은 뇌가 어디에나 어디에나 존재하는 특정 개체를 보고 작업할 수 있는 능력을 부여했으며 이 개체를 잠재의식 깊숙이 의식에서 숨겼습니다. 즉, 사람은 그것을 동시에보고 보지 못하며 매번 "걸림"을 피할 수 있습니다. 이것은 모든 것 안에 있는 추상화인 객체입니다.
사람이 무엇을 생각하고, 추론하고, 분석하고, 연구하든, 그의 지성은 무의식적으로 항상 대상의 모델 과 함께 작동합니다 . 이것은 고전적 프로그래밍이 발견하고 놓친 것입니다. 즉, 완성과는 거리가 멀게 구현되어 있기 때문에 - 기존 OOP의 형식과 구문은 생성 당시의 문제를 해결하기 위해 날카롭게 되었고, 따라서 개발자는 생성 작업이 없었습니다. 인간 지능의 완벽한 사본이지만 코드의 양을 압축하고 더 다양하게 만들 수 있는 프로그래밍 방법을 마련할 필요가 있었습니다. 대체로 이것이 그들이 원하는 전부였습니다. 실제로 구형 OOP 덕분에 프로그래밍이 크게 최적화되어 이전에는 달성할 수 없었던 새로운 차원에 도달할 수 있었지만 현대성은 우리를 인간 지능과 유사한 것을 만드는 작업으로 이끌었고 이를 위해서는 OOP 접근 방식의 업데이트가 필요합니다.
간단히 말해서 프로그래밍에서 Object의 개념을 업데이트하기로 한 이유에 대해 이야기했습니다. 이 주제가 흥미롭다면 지난 1년 반 동안 작업한 개념 자체에 대한 이야기를 계속하겠습니다.
간단히 말해서 프로그래밍에서 Object의 개념을 업데이트하기로 한 이유에 대해 이야기했습니다. 이 주제가 흥미롭다면 지난 1년 반 동안 작업한 개념 자체에 대한 이야기를 계속하겠습니다.
얼마나 놀람, 얼마나 놀람!
Peter, 포럼에 다시 돌아와서 기쁩니다..
그리고 즉시 - 프로그래밍에 관한 주제에서 세계의 ML은 일반적으로 표준 ML( https://ru.wikipedia.org/wiki/Standard_ML )입니다.
얼마나 놀람, 얼마나 놀람!
Peter, 포럼에 다시 돌아와서 기쁩니다.
그리고 즉시 - 프로그래밍에 관한 주제에서 세계의 ML은 일반적으로 표준 ML( https://ru.wikipedia.org/wiki/Standard_ML )입니다.
감사해요!)
물론 기성품 아이디어를 구현하기 위한 도구로서 SML은 장점이 있고 더 자세히 고려해 볼 가치가 있습니다. 그러나 많은 언어에는 장단점이 있습니다. 최근에 나는 멋진 OOP 기능을 좋아하고 "툴킷"을 발견했지만 계층적 분류를 구축하고, 개체 또는 콘텐츠의 속성을 동적으로 변경하고, 프로그램에서 "즉석에서" 논리 및 이벤트 모델을 수정하는 문제가 항상 제기됩니다. - 그 모든 것, 우리 마음이 끊임없이 하는 일. 현대 언어가 그러한 메커니즘을 어떻게 구현할 수 있는지는 나에게 큰 질문으로 남아 있습니다.