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 1 подобни публикации

Търсене: #episteme

当前筛选 #episteme清除筛选

‍Рубрика: КодМашины 🔥 ИИ-революция 2025: как Альтман, Безос и Белый дом перезапускают науку Конец года взорвался новыми амбициозными проектами — от частных инициатив до государственных мегапрограмм. Вот что происходит: 🚀Ключевые игроки и их стратегии: 1. Episteme (Сэм Альтман) - Цель: создать «новый тип R&D-организации» для поддержки рискованных, междисциплинарных идей, которые отвергают традиционные институты. - Философия: сознательно менять «эпистему» эпохи — систему идей, определяющих мышление. Ссылаются на Фуко, Коперника и Медичи. - Фокус: фундаментальные исследования без бюрократии и коммерческого давления. 2. Project Prometheus (Джефф Безос) - Инвестиции: $6,2 млрд. - Направление: ИИ для физических задач — робототехника, аэрокосмос, автоиндустрия (конкуренция с Маском?). - Команда: почти 100 человек из Meta, OpenAI, DeepMind. Безос — содиректор. 3. Миссия Генезис (Белый дом) - Масштаб: национальный проект уровня «Манхэттенского». - Цель: ускорить научный прогресс через ИИ — от материаловедения до космоса. - Контекст: «поворотный момент», требующий исторических усилий. 4. Стартап Яна Лекуна - Критика: языковые модели (вроде ChatGPT) — тупик, так как не понимают физический мир, не умеют рассуждать и планировать. - Цель: следующая ИИ-революция — системы с памятью, логикой и способностью к абстракции. 💡 Почему это важно? - Смена парадигмы: Акцент смещается с чисто цифровых моделей (NLP) на ИИ для реального мира — робототехника, наука, инженерия. - Гонка инвестиций: Частные капиталы ($6,2 млрд у Безоса) и государственные ресурсы (США) объединяются для прорыва. - Кризис традиционной науки: Episteme и Лекун прямо указывают на ограничения академической системы — бюрократия, узкая специализация, избегание риска. 📈 Куда движется рынок? - Прорывы ожидаются в областях: - Наука + ИИ: ускорение открытий (например, новые материалы). - Киберфизические системы: роботы, автономные транспортные средства, космос. - ИИ с рассуждением: переход от статистических моделей к системам с логикой и памятью. #ИИ#Наука#Инновации#R&D #Episteme#Prometheus#МиссияГенезис#Лекун 🌐@EconRUDN