— Нил Стивенсон, Seveneves. Первые две части книги — отличная экстраполяция того, на что способна уже современная космонавтика, если глобальный катаклизм заставит вложить в нее больше усилий.
— Он же, Анафем. Менее hard, но она скорее про идеи, чем технологии, ей можно
— нашумевший «Марсианин» Энди Вейера
1. если прикрутить датчик намертво к шатуну, то при нагреве конструкцию будет ощутимо перекашивать из-за разного теплового расширения. Понятия не имею как решать эту проблему. Надо или систему пазов, или датчики на всех сторонах шатуна или делать калибровку во всем диапазоне температур.
2. как я понимаю, вы откалибровали датчик при нагрузке перпендикулярной шатуну в продольной плоскости велосипеда. Но при реальной езде нагрузки будут разные, например если стать всем весом на полностью опущенную педаль, или попрыгать обеими ногами на обеих педалях.
3. снимать данные надо и со второго шатуна, ноги то разные.
4. система калибруется под конкретный велосипед
Мне кажется, что ошибки в этой системе сравнимы или даже больше чем полезный сигнал и надо или их компенсировать (датчики на каждом шатуне в каждой плоскости и хитрый софт) или снимать мощность в другом месте (оси системы, оси заднего колеса, цепи и т.п.)
Так что не все так просто с коммерческими системами.
Когда среднестатистический дрыщ едет на веле на работу, он вырабатывает энергии хорошо если на 100 ватт. Сколько там можно отобрать без большой потери скорости? 10 Ватт? Вот на мотоцикле подогрев грипс имеет смысл и реализован в серийных моделях или китах www.google.com/search?q=Heated+Grips
>>Теперь время отклика DSP менее 10 миллисекунд, при нагрузке в 7000 запросов в секунду на один сервер.
А можете более подробно рассказать про архитектуру и как добились такой производительности:
— как вы интегрированы со сторонними DMP? Некоторые из них сами по себе имеют латенси больше 10мс. Или вы подтягиваете из данные в свою DMP?
— где хоститесь, в облаке или на реальном железе?
— какой мощности сервер выдает 7000 запросов от SSP?
Еще интересно услышать про DSP:
— какой сложности таргетинги поддерживаете
— как управляете и синхронизируете бюджеты компаний, боритесь с перетратами/недотратами
А почему не подошел Spark Streaming? Как минимум есть два преимущества:
— готовая инфраструктура во всяких облаках
— нет потерь данных при фейлах из коробки (в akke надо делать руками persistent actors)
А можете накидать ссылок (или хотя бы названий) этих продуктов? При трилатерации по уровню сигнала при адекватном количестве датчиков влияние переотражений, препятствий (в виде тела самого посетителя), и диаграммы направленности антены мобильного устройства настолько велико, что точность больше нескольких метров никак не обеспечить.
Вы почему-то считаете виртуальные сознания абсолютно беззащитными. У виртуального комьюнити вполне могут быть инструменты воздействия на физическую среду — роботы, промышленные и боевые. Доморощенных гитлеров гонять вполне хватит. В итоге получится конкуренция двух типов сообществ, одно с биологическими людьми, второе с роботами и сознаниями мигрирующими по элетронному hardware. Имхо, у второго сильно больше шансов на победу за счет более эффективного расходования ресурсов и заметно большей гибкости
А по поводу опасности, я бы больше боялся своих оцифрованных коллег, того что они найдут уязвимости в системе и начнут эксплатировать ресурсы моего железа или, что еще хуже, сознания.
В каком смысле вы используете слово «сингулярность»? Сингулярность вообще или сингулярность в развитии разума?
Если говорить про идею автоэволюции сознания то скорее процитировал, но вот что конкретно — не знаю, так как идея достаточно старая и встречается у многих авторов. Могу вспомнить Станислава Лема, но не уверен, был ли он первым.
Да нафига вообще эта реальность для оцифрованного сознания, были бы другие оцифрованные, а создать свою виртуальную среду с блекджеком и прочим — задача тривиальная, по сравнению с самой оцифровкой. В итоге это даже более эффективно чем живые тела — сколько энергии сейчас уходи на производство еды, жилья и прочей роскоши. Уж точно больше на человека чем на питание даже достаточно большой железяки.
Представьте, какие перспективы открываются, если будет возможно создать полную симуляцию человеческого мозга, пусть даже медленную и энергонеэффективную:
1. Обход моральных запретов — живому человеку в голову не принято элетроды тыкать, а здесь можно смотреть и анализировать все
2. Повторяемость результатов исследований — люди все разные и часто мрут от тыкания электродами, а здесь восстановился из бэкапа и проводи эксперимент заново, варьируя параметры при необходимости
3. Если получится еще и снять электронную копию с уже существующего мозга, то вообще сказка. Можно форкнуть одно сознание на субъект и объект исследований, можно распарелить одного умного экспериментатора на несколько копий ))
Открывается путь для прямого совершенствования сознания по циклу: экспериментируем — применяем изменения — становимся умнее — изобретаем новую технологию для hardware — опять экспериментируем, но уже побыстрее.
Главное переступить определенный порого а потом получается система с положительной обратной связью и все юскоряющимся развитием.
quicksort паралелится, т.к. там дерево и обработка обеих веток друг от друга не зависит. При вычислении чисел Фибоначи как F(n) = F(n-1)+F(n-2) обе ветки явно зависят друг от друга.
— Он же, Анафем. Менее hard, но она скорее про идеи, чем технологии, ей можно
— нашумевший «Марсианин» Энди Вейера
Подробнее в последней секции.
2. как я понимаю, вы откалибровали датчик при нагрузке перпендикулярной шатуну в продольной плоскости велосипеда. Но при реальной езде нагрузки будут разные, например если стать всем весом на полностью опущенную педаль, или попрыгать обеими ногами на обеих педалях.
3. снимать данные надо и со второго шатуна, ноги то разные.
4. система калибруется под конкретный велосипед
Мне кажется, что ошибки в этой системе сравнимы или даже больше чем полезный сигнал и надо или их компенсировать (датчики на каждом шатуне в каждой плоскости и хитрый софт) или снимать мощность в другом месте (оси системы, оси заднего колеса, цепи и т.п.)
Так что не все так просто с коммерческими системами.
А можете более подробно рассказать про архитектуру и как добились такой производительности:
— как вы интегрированы со сторонними DMP? Некоторые из них сами по себе имеют латенси больше 10мс. Или вы подтягиваете из данные в свою DMP?
— где хоститесь, в облаке или на реальном железе?
— какой мощности сервер выдает 7000 запросов от SSP?
Еще интересно услышать про DSP:
— какой сложности таргетинги поддерживаете
— как управляете и синхронизируете бюджеты компаний, боритесь с перетратами/недотратами
— готовая инфраструктура во всяких облаках
— нет потерь данных при фейлах из коробки (в akke надо делать руками persistent actors)
Тем более что вы сами ссылку на него даете.
Пруф www.raspberrypi.org/archives/4920
А по поводу опасности, я бы больше боялся своих оцифрованных коллег, того что они найдут уязвимости в системе и начнут эксплатировать ресурсы моего железа или, что еще хуже, сознания.
Если говорить про идею автоэволюции сознания то скорее процитировал, но вот что конкретно — не знаю, так как идея достаточно старая и встречается у многих авторов. Могу вспомнить Станислава Лема, но не уверен, был ли он первым.
1. Обход моральных запретов — живому человеку в голову не принято элетроды тыкать, а здесь можно смотреть и анализировать все
2. Повторяемость результатов исследований — люди все разные и часто мрут от тыкания электродами, а здесь восстановился из бэкапа и проводи эксперимент заново, варьируя параметры при необходимости
3. Если получится еще и снять электронную копию с уже существующего мозга, то вообще сказка. Можно форкнуть одно сознание на субъект и объект исследований, можно распарелить одного умного экспериментатора на несколько копий ))
Открывается путь для прямого совершенствования сознания по циклу: экспериментируем — применяем изменения — становимся умнее — изобретаем новую технологию для hardware — опять экспериментируем, но уже побыстрее.
Главное переступить определенный порого а потом получается система с положительной обратной связью и все юскоряющимся развитием.
Кстати, справедливости ради стоит упомянуть что n-ное число Фибоначи можно итеративно вычислить за время O(log n). Описание мне попадалось в mitpress.mit.edu/sicp/full-text/book/book-Z-H-11.html, Exercise 1.19
Конструкция «90 to 100» будет превращена в Range, который вполне оптимально умеет проверять вхождение по границам.
def contains(x: Int) = isWithinBoundaries(x) && ((x - start) % step == 0) private def isWithinBoundaries(elem: Int) = (length > 0) && ( (step > 0 && start <= elem && elem <= last ) || (step < 0 && last <= elem && elem <= start) )