Прозаседавшиеся

Ещё 100 лет назад Маяковский смеялся над любителями заседать.

Его герои разрывались пополам, лишь бы успеть на все заседания. В прямом смысле слова:

И вижу:
сидят людей половины.
О дьявольщина!
Где же половина другая?

Но для секретаря все выглядит привычно:

Они на двух заседаниях сразу.
В день
заседаний на двадцать
надо поспеть нам.
Поневоле приходится раздвояться.
До пояса здесь,
а остальное
там.

Больше века прошло, а концепция все та же. Только теперь мы называем это созвоном)

—

Заседаете?

😁 - Ага, разрываюсь
👍 - Бывает, без фанатизма
🔥 - Неа

Скепсис по ИИ: поговорим через 10 лет

Смотрю итоги и прогнозы в журнале "САПР и Графика". В отличие от прошлого года акценты сместились в сторону ИИ-инструментов.

Мнения компаний разделились: от скептицизма до оптимизма.

С оптимистами и так все ясно, куда интереснее мнение скептиков. Согласно нему ИИ - это перегретый тренд, пузырь, искусственный опыт, а его внедрение возможно "минимум через 10 лет".

Загибайте пальцы:
- проблемы Oracle,
- убыточность крупнейших ИИ-стартапов,
- финансовые потери OpenAI,
- отсутствие прибыли от внедрения ИИ,
- снижение рыночной доли ChatGPT.

Так еще и обучаются ИИ-шки не на энциклопедиях, а на постах с Реддита!

А слышали недавнюю историю о затонувшей западной подводной лодке? Подлодка успешно прошла ходовые испытания, но не всплыла после первого погружения:

Оказалось, что при проектировании расчеты поручили ИИ, который и посчитал всё, но без учета сотых после запятой… И никто из специалистов не проверил…

Честно говоря, первоисточников я не нашел. Но, допустим.

Все это стоит аргументом к тому, что нам не надо торопиться с внедрением ИИ еще лет десять.

В то же время Китай и США наращивают ИИ-шные инвестиции. Системы будут развиваться. И есть мнение, что "на горизонте 3 - 5 лет разрыв может стать непреодолимым".

Дух неопределенности вокруг внедрения ИИ можно понять. Есть технологии, которые приходили и уходили. Вспомним 3D телевизоры и VR. Но даже эти технологии не исчезли, а только лишь спрыгнули с волны хайпа и устаканились в своих нишах.

На своей заре САПР тоже встречали с сопротивлением. Почти полвека назад первые САПР произвели революцию: теперь за день можно было сделать то, что раньше занимало месяцы. Скептики, видя угрозу своему профессиональному статусу, говорили, что молодые инженеры превращаются в простых операторов, программы становятся "черным ящиком", инженеры не обладают экспертизой разработчиков...
Тогда САПР ломали устои, а сегодня позволяют создавать сложнейшие продукты инженерной мысли. Продукты, недостижимые в прошлом.

Поэтому даже если не внедрять ИИ сейчас, по отношению к нему нужна стратегия. Устойчивость гарантирует наличие уникального, трудно воспроизводимого ингредиента. Для большинства случаев использования ИИ таким ингредиентом будут данные.

Упаковывать и структурировать данные и экспертизу можно уже сейчас. Не важно, есть ИИ-пузырь в действительности или нет. Но почему и, главное, чего нам нужно ждать еще 10 лет, мне не понятно.

—

Читать еще:
- Что такое САПР
- Как разрабатывать САПР на C++

Ошибка компиляции или ошибка времени выполнения

Ошибка компиляции - это ошибка, которая возникает в процессе компиляции программы, когда компилятор не может преобразовать исходный код в машинный из-за нарушений синтаксиса или семантики.

Ошибка времени выполнения - это ошибка, которая возникает во время выполнения программы, после успешной компиляции.

Да, в успешно скомпилированной программе все равно могут быть ошибки!

Хотя нет, лучше так:

Да, в успешно скомпилированной программе все равно есть ошибки!

Как-то студент в ответ на мое: "Тут ошибка", сказал: "Не может быть, все скомпилилось". Пошутил, наверное... и невольно запустил монолог про зверинец ошибок времени выполнения. Защита лабораторной была полезной как никогда)

—

Читать еще:
- Синтаксис или семантика
- Исключение или код ошибки

#Словарь

Нетипичная пятничная задачка. Вспомним математику)

Есть круглая мишень, вписанная в квадратный лист (касается сторон). Стрелок расстреливает мишень, укладывая пули случайно по закону равномерного распределения. Как будет соотносится количество попаданий в круг к общему числу попаданий в квадратный лист мишени?

👇

Дипломы пишутся с ИИ

На днях закончил курс от Яндекса на тему применения ИИ при подготовке дипломов. Приятно осознавать, что делаются попытки "обелить" использование инструмента.

Ранее с появлением ИИ встал вопрос эффективности практических заданий по программированию. ИИ легко выполняет большую часть из них. Задания рассчитаны на постепенное вкатывание. Они не сложные для выполнения и имеют хорошие формулировки. А это по сути - готовые промпты.

Запретить студентам использовать ИИ невозможно. И не нужно. Все равно работодатели все чаще требуют владеть этими инструментами. При этом никто не делает скидку на остальные профессиональные компетенции. Нужно уметь делать то же, что и раньше, плюс ИИ.

Поэтому предлагается завести использование ИИ в зону контроля знаний. Если та или иная учебная работа выполняется с помощью ИИ, то промпты, результаты генерации и их интерпретация становятся объектом проверки. Как структурирован промпт, как поставлена задача, какой контекст занесен, какие ограничения выставлены, как уточнен и обработан результат - все подлежит оценке. Ведь даже с плохим промптом задание может быть выполнено правильно, если модель "сгаллюционирует" в нужную сторону.

То же самое с выпускными дипломными работами. В тексте работ появляется раздел с описанием кейсов применения ИИ: для чего применялся, как выглядели промпты, как интерпретировались и проверялись результаты. Прозрачность в этом вопросе позволит избежать снижения качества работ, а также поддержит отработку навыков работы с ИИ у выпускников.

В общем, интересно участвовать в новых процессах) Тема набирает обороты, ИИ развивается и пока не понятно, где границы возможностей этих систем. Но этих возможностей становится определенно больше. Задача - их не прозевать.

import hashlib

def get_md5_hash(str):
    return hashlib.md5(str.encode()).hexdigest()

s1 = input()
s2 = input()

if s1 != s2:
    h1 = get_md5_hash(s1)
    h2 = get_md5_hash(s2)
    if h1 == h2:
        print(1)
    else:
        print(0)

Сегодня у нас python. Давайте подумаем над выводом программы 👇

Подсказка, если не знакомы с python:
Функция get_md5_hash() возвращает хэш MD5 для входящей переменной. Функция input() запрашивает ввод пользователя с клавиатуры (что-то вроде std::cin)

Баг в операционной

В 2020-2021 годах я участвовал в испытаниях софта по диагностике аномалий сердечного ритма. Испытания проводились во время реальных операций на сердце.

На пациента крепилось 200+ датчиков, с которых в наш софт передавалась электрокардиограмма (ЭКГ). Софт в режиме реального времени решал обратную задачу и восстанавливал картину возмущений на сердце. Это должно было в моменте помочь кардиохирургу уточнить план работ.

Процесс испытаний был довольно утомительный. Пот стекал градом из-за увесистого свинцового халата с тяжелым ошейником, прикрывающими щитовидку. Операционная практически все время находилась под рентгеновским излучением. Дело в том, что манипуляции проводились на закрытом сердце, а рентген нужен был, чтобы хирург мог видеть "сквозь" грудную клетку.

Но ближе к делу. Точнее, к багу. На одном из испытаний проверялось автоотключение датчиков с плохим сигналом. И в самом начале операции я понял, что эта штука не работает. Датчики перманентно выдают шумы, на которые система реагирует и блокирует свою работу. Пациент дышит, команда что-то двигает - помехи идут постоянно. Ок, фиксирую несоответствие и отключаю эту систему, чтобы продолжить план испытаний. Но не тут то было. Она не отключается!

С этого момента я напрочь забыл про операцию. В самом начале испытаний мы остановились и не могли продолжить. Перезагружаю все подряд, чищу все, что можно - не помогает. Стейкхолдер начинает нервничать: организовать испытания сложно и дорого, вот так сливаться нельзя.

Я вышел из операционной, достал ноутбук и быстро нашел в коде проблему. Глупая, элементарная ошибка, которую я сам занес и ни разу не проверил... Собрать новый дистрибутив не получалось. Чего-то не хватало, уже не помню. Оставался вариант подключиться к офису и собрать там. Но в операционной не было связи. Вынес планшет в "предбанник", раздал интернет, подключился, исправил и собрал комплект. До начала второй операции успел все выкачать и развернуть на рабочей станции... Выдохнул.

В тот день план испытаний был выполнен. Счастливая случайность: буквально накануне я приобрел сим-карту с безлимитным интернетом. На всякий случай, который оказался не всяким, а решающим.

Какой вывод? Ко всем натурным испытаниям нужно готовиться, проигрывать их заранее. Ирония в том, что до операции все было пройдено и отрепетировано несколько раз. Просто был не учтен один конкретный случай, который выстрелил и сразил наповал.

Мало найти очевидное. Научиться бы видеть невероятное.

—

Читать еще:
- О рентгеновских лучах
- Протезирование сердечных клапанов: взгляд из 1985 года

Объект или предмет исследования

Пишу статью по научной части и снова работаю с понятиями объекта и предмета исследования, которые всегда путал.

Нет, ну реально, "объект" и "предмет" звучат как одно и то же. Я же вижу на столе "объект", но его же могу назвать "предметом".

Позже, изучая статьи по писательству, я выделил ключевую мысль: важно ограничивать тезисы, которые мы хотим донести до читателя. Не стоит распыляться, иначе читатель увязнет в тексте и ничего не поймет.

Как раз на этом моменте и всплыли те самые "объект" и "предмет". Оказывается, они задают рамки. Это, собственно, видно из определений.

Объект исследования - это широкая область, процесс или явление, которое изучается в работе.

Предмет исследования - это его конкретная, узкая часть, аспект, свойства, которые непосредственно рассматриваются и анализируются.

То есть объект шире предмета, а предмет - это часть объекта исследования.

Например:
- Объект исследования: Разработка приложения заказа еды.
- Предмет исследования: Алгоритм рекомендации блюд на основе истории заказов.

Понятно, что в исследованиях нам всегда хочется рассказать обо всем интересном. Но только встав в определенные рамки, получится донести мысль качественно.

Сохраняйте, кому предстоит защита работы в ВУЗе)

—

А вы как, работали уже с этими понятиями?

👍 - Ага
😁 - Неа
🤔 - Видимо, предстоит

#Словарь

#include <iostream>

int main() {
    uint8_t a = 255;
    uint8_t b = 1;
    uint8_t c = a + b;
    std::cout << int(c);
    return 0;
}

Подсказка для незнакомых с C++:
uint8_t - беззнаковый 8-битный целочисленный тип

Принять или толстый

Да-да. Имейте в виду, если используете автоматический перевод страниц 😁

Не понятно, почему он так переводит. По коду HTML там ничего подозрительного. Видимо, он просто обзывается)

—

Кстати, это была 9 часть рубрики "Путаница в интерфейсах".
Читать еще:
- Когда фильтры - так себе фильтры
- Переключатель в Яндекс Книгах

#include <iostream>

int main() {
    int8_t a = 127;
    int8_t b = 1;
    int8_t c = a + b;
    std::cout << int(c);
    return 0;
}

Подсказка: можно сравнить с предыдущим тестом и сделать вывод 👆