TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #721 · 26.12

Почему я люблю языки с сильной системой типов, проверяемой статическим анализом кода — хорошо написанная программа является своей собственной спецификацией и позволяет выражать через язык программирования законы существования предметной области. Когда-то давно я писал на ActionScript. Там была система типов, но вот десериализация JSON'ов по-умолчанию была в какой-то общий Object, к полям которого нужно было обращаться ["по_строковому_имени"]. В один момент мне потребовалось написать что-то на C#, который я совсем не знал, я стал гуглить, как десериализовать JSON, и с удивлением обнаружил кучу советов заранее объявить класс со всеми нужными полями и десериализовать в него. "Какой ужас!", — подумал я тогда, — "Это же дико неудобно! А если я не знаю полей JSON? А если их много? Отвратительный язык!" Теперь то я прекрасно понимаю, что JSON это контракт, и что правильная десериализация только такая и должна быть, и что в хорошем API в одном поле никогда не бывает данных принципиально разных типов, и так далее. Нет, если вы набиваете вечерами пет-проект или сидите бессонную ночь на хакатоне, нет ничего плохого в том, чтобы взять простой язык с динамическими типами вроде JavaScript или Python, не требующий описывать данные. Но вот в энтерпрайзе, особенно когда над одним проектом работает много людей (а бывает это очень часто) — хорошее использование системы типов убережёт разработчиков от огромного количества ошибок, будет бить их по рукам, когда они пытаются сделать что-то не то, и будет подсказывать, когда они не уверены в чём-то. С помощью статической типизации можно на уровне кода обозначить правила, по которым ведёт себя предметная область вашей программы в реальном мире. Разработчику не только будет сложно их нарушить, но он ещё и станет узнавать какие-то вещи, которые мог не знать раньше. Например, если мы делаем медицинскую CRM, и больница заводит новых пациентов только тогда, когда знает их группу крови, мы можем объявить тип "Пациент" (или, если точнее, "Карта пациента") и запретить создавать экземпляры этого типа, не передав в конструктор группу крови (которая, в свою очередь, тоже является типом, вероятнее всего ValueObject'ом). Если новый программист пришёл в проект, он, во-первых, не сможет записать в БД некорректную карту пациента. Понятно, мы не учитываем случаи, когда новый программист переделывает модели предметной области — это будет хорошо видно на кодревью. А, во-вторых, даже если ему никто не сказал, что пациенты должны быть с группой крови, он узнает это из кода. И уже будет понимать, что в тех процессах реальной жизни, которые он описывает кодом, карта пациента создаётся только при наличии группы крови. А, значит, нужно искать какой-то способ сначала эту группу крови получить, и только потом создавать карту. Программирование моделирует реальный процесс. В настоящей работе даже на языках с типами, конечно, без должного контроля можно написать что угодно. Нужна управленческая воля, компетентность руководства, понимание опасности техдолга, в идеале отдельные должности для архитекторов, опытные лиды и старшие разработчики. Но когда всё это есть, можно отсекать много проблем ещё на старте и проще погружать новичков. #dev

Hashtags

Резултати

Намерени 6 подобни публикации

Търсене: #alphago

当前筛选 #alphago清除筛选
科技&趣闻&杂记

@kejiqu · Post #3936 · 07.12.2025 г., 09:34

AGI探索:DeepMind的智能使命 DeepMind的起源并非一帆风顺,早期“人工智能”一词在学术界备受质疑。革命性算法DQN最初在简单游戏中也遭遇失败,AlphaGo的“神之一手”实为万分之一的概率事件。AlphaZero通过自我对弈一日之内称霸国际象棋,但AlphaFold赢得科学竞赛后也意识到自身仍有不足。最终,DeepMind选择免费开放超过2亿个蛋白质结构数据,而非将其商业化。DeepMind的历程充满挫折、反思和对科学进步的坚定承诺,揭示了通往通用人工智能的道路并非单纯的技术突破,而是人类雄心、怀疑与抉择交织的复杂过程。喷嚏网 🏷#DeepMind#人工智能#AlphaGo 📢频道👥群组📝投稿

NEWS 鏈新聞-ABMedia

@abmedia_news · Post #24195 · 28.04.2026 г., 10:59

【🤖 AI|DeepMind × 韓國 MOU:首海外 AI 校園、Hassabis 親簽】 Google DeepMind 4/27 在首爾簽 MOU,建立首座海外 AI 校園、5 月啟動國家級 AI 科學研究中心,瞄準生命科學、氣候、AI for Science 三軸。 #DeepMind#AlphaGo#韓國 📍閱讀全文: https://abmedia.io/deepmind-korea-government-mou-ai-campus-alphago-decade

NEWS 鏈新聞-ABMedia

@abmedia_news · Post #24186 · 28.04.2026 г., 06:33

【🤖 AI 人工智慧|AlphaGo 之父 11 億美元種子輪:歐洲史上最大、估值 51 億美元】 #AlphaGo#DavidSilver#強化學習 DeepMind 前主任研究員 David Silver 於 4 月 27 日宣布新創公司 Ineffable Intelligence 獲 Sequoia 與 Lightspeed 等巨頭支持,挑戰由 OpenAI 與 Anthropic 主導的靜態預訓練模型思維。 該輪 11 億美元融資吸引 Nvidia 與 Google 跟投,核心技術 superlearner 旨在透過互動環境讓代理發現知識,推動投後估值衝上 51 億美元。此舉刷新歐洲歷年種子階段紀錄—顯示頂級資本正積極配置非 LLM 路線,以對沖當前主流技術撞牆的風險。 📍閱讀全文: https://abmedia.io/ineffable-intelligence-david-silver-1-1-billion-seed-sequoia-lightspeed-nvidia-google 📍 訂閱鏈新聞頻道:https://linktr.ee/abmedia.io

科技&趣闻&杂记

@kejiqu · Post #4203 · 27.02.2026 г., 10:50

AI 正在重塑世界顶级围棋选手们的思考方式 AI正在深刻改变围棋运动。Google DeepMind 的 AlphaGo 在 2016 年击败李世石后,AI 彻底颠覆了围棋的策略和训练方式。职业棋手现在依赖 AI 程序如 KataGo 进行训练,模仿 AI 的棋步,并分析比赛。尽管 AI 改变了比赛风格,导致开局策略同质化,但它也为女性棋手提供了更多机会,并促进了训练的 democratizing。顶级棋手如申真绪正在利用 AI 提升水平,但同时也面临着理解 AI 思考方式的挑战。尽管 AI 已经超越了人类棋手,但人们仍然更喜欢观看人类之间的比赛,因为人类比赛更能展现个性、创造力和戏剧性。MIT Technology Review 🏷#AI#Go#AlphaGo#KataGo 📢频道👥群组📝投稿

Kun.uz AI

@kunuzai · Post #232 · 08.03.2025 г., 03:48

🏆 AI texnologiyalarining asoschilari Turing mukofotini qo‘lga kiritdi! AI sohasidagi eng nufuzli mukofot — Turing mukofoti («kompyuter sohasidagi Nobel») bu yil Richard Sutton va Andrew Barto’ga topshirildi. Ularning 80-yillardagi tadqiqotlari bugungi sunʼiy intellektning asosini tashkil qilgan. Aynan ular yaratgan texnologiya (reinforcement learning — mashina o‘z tajribasidan o‘rganishi) AlphaGo va ChatGPT kabi loyihalar paydo bo‘lishiga sabab bo‘lgan. 🔸Mukofot qiymati — 1 million dollar. Kelajak haqida ikki olimning fikrlari farqli: biri sunʼiy intellekt insoniyatga katta foyda olib kelishiga ishonadi, ikkinchisi esa ehtiyotkor bo‘lish kerakligini aytmoqda. #Turing#Mukofot#AlphaGo#ChatGPT#SuniyIntellekt 📡@kunuzai

djangoproject

@djangoproject · Post #351 · 23.06.2017 г., 07:48

https://impact.apartmentocean.com/20-buzzwords-know-artificial-intelligence/ 20 Buzzwords you have to know in #Artificial_Intelligence 1. #AI (Artificial Intelligence) 2. #Cloud_Computing 3. #Big_Data 4. Algorithm 5. #Python 6. #Data_Warehouse 7. #Machine_Learning 8. #Deep_Learning 9. #Artificial_Neural_Network 10. #Chatbot 11. #Data_Mining 12. Predictive Analytics 13. #OCR (#Optical_Character_Reader) 14. #AlphaGo and #Deepmind 15. #AWS (#Amazon_Web_Services) 16. #IBM_Watson 17. #Yottabyte 18. #NLP (#Natural_Language_Processing) 19. #IOT (#Internet_of_Things) 20. #Smart_City