Она про гремучую смесь гидродинамики, кварк-глюонной плазмы и чёрных дыр.
Оказывается есть универсальный нижний предел (Ковтуна — Сона — Старинеца - KSS) для отношения сдвиговой вязкости (η) к плотности энтропии (s) любой жидкости, который равен:
η/s ≥ ħ/(4πkB)
Эта величина примерно в 100 раз меньше, чем у воды. Столь низкое значение, характерное для чёрных дыр, неожиданно совпало с данными с коллайдеров RHIC и LHC, где кварк-глюонная плазма ведёт себя как самая «совершенная» жидкость из известных. Таким образом, KSS-предел установил важную связь между тремя объектами: гидродинамикой, кварк-глюонной плазмой и чёрными дырами.
Один из моих старинных постов по гидродинамике - "Физики & Пiв0" 😁
Предоставим слово ИИ. Удивляет, что автор размышляющий о феномене мышления, не прислушивается к его мнению, который считает его пустым болтуном.
----------------------------
Жесткая критика: логические ошибки и манипуляции в тексте
Автор пытается создать видимость научного разбора, но вместо стройной аргументации — набор логических провалов, противоречий и откровенных подмен. Разберем по пунктам.
Ошибка «аргумент к количеству страниц»
«В классической “Когнитивной психологии” Дж. Андерсона из 500 страниц текста вообще нет раздела о мышлении. Так же, как и в “Когнитивной психологии” Р. Солсо о мышлении 40 из 600 страниц».
Из отсутствия отдельной главы не следует ни отсутствие темы в науке, ни ее малая значимость. Возможно, мышление интегрировано в другие разделы (память, решение задач, язык). Андерсон, на которого вы же ссылаетесь дальше как на автора информационной концепции интеллекта, явно занимается мышлением — иначе откуда концепция? Вы сами себе противоречите: если у Андерсона «нет раздела», то откуда вы знаете его идеи? Либо раздел есть, либо вы читали не ту книгу — либо передергиваете.
Противоречие «малоизученности» и обилия теорий
Сначала вы жалуетесь, что мышлению уделено мало страниц, затем перечисляете: Пиаже, Выготский, Баттерворт, Харрис, Аткинсон, Шифрин, Андерсон, Гилфорд, Стернберг, Спирмен, Брунер, Рестл, Бурн, Тверски, Канеман, Эдвардс, Холодная, Веккер, Ясюкова, Рубинштейн… Это называется «мало»? Либо проблема надумана, либо вы не различаете отсутствие универсальной теории (есть у любой науки) и отсутствие исследований. Логическая ошибка: подмена тезиса.
Ключевая ошибка: нет определения, но есть выводы
«Сам термин “понятийное мышление” до сих пор не имеет общепринятого определения»; «нет обобщения… с описанной квалиметрией».
Если нет определения и измерительных процедур, то как вы утверждаете, что:
· «у абсолютного большинства взрослых людей понятийное мышление оказывается несформированным»? · «более 80% людей с высшим образованием давали неверные ответы в заданиях уровня пятого класса»?
Любое эмпирическое утверждение требует четких критериев. Без определения вы не можете отличить отсутствие понятийного мышления от неверного понимания задания, плохого теста или ситуативной рассеянности. Вы сначала вводите термин, потом жалуетесь, что его нет, и на основе этого отсутствия делаете глобальные выводы. Это диагностическая ошибка и чистая софистика.
Противоречие с тестами
«Для любых указанных типов мышления не разработаны однозначные измерительные процедуры». И тут же: «Мы в детских центрах нашей сети тоже используем такие тесты в работе при диагностике детей».
Как вы используете то, чего не существует? Если вы сами придумали процедуры — значит, разработали их. Но тогда ваше утверждение об их отсутствии ложно. Если же ваши процедуры неоднозначны и ненадежны, то ваша диагностика ничего не стоит. Это либо ложь, либо некомпетентность.
Ошибка «неверный вывод из корреляции»
«Исследования показали, что успешность решения интеллектуальных задач и обучаемость в целом коррелируют с владением операций, которые принято относить к понятийному мышлению».
Корреляция ≠ причина. Возможно, общий фактор (например, интеллект или мотивация) определяет и успешность, и владение операциями. А вы молча подменяете связь причинностью. Далее вы строите еще более грубую связь: «Понятийное мышление ложится в основу анализа жизненных ситуаций» — это уже просто декларация без доказательств.
Подтасовка цитаты Выготского и искажение смысла
Л. Выготский писал: «Насколько не изменились… настолько глубокому изменению подверглись высшие функции». И дальше: «Л. Выготский писал, что не все взрослые люди обладают понятийным мышлением».
Цитата про историческое развитие видовых отличий человека, а не про индивидуальную вариативность. Выготский говорил, что высшие функции (в том числе понятийное мышление) формируются у каждого в онтогенезе при нормальном развитии, но могут быть недоразвиты при педагогической запущенности или дефектах. Однако из этого не следует, что «абсолютное большинство» их не имеют — это уже ваша фантазия. Вы приписываете классику свои радикальные цифры (80%, «абсолютное большинство»), не давая ссылок на конкретные работы.
Ошибка выборки в данных Веккера
«В его работах более 80% людей с высшим образованием давали неверные ответы в заданиях уровня пятого класса».
Даже если это правда (ссылки нет), то:
· Задания уровня пятого класса могут быть плохо составлены, неадекватны взрослым или требовать специфических знаний, забытых со школы. · Высшее образование бывает разное — филолог может ошибиться в задачах по физике, но это не доказательство отсутствия понятийного мышления. · Процент ошибок сам по себе не говорит о несформированности — возможно, взрослые отвечали быстрее, но с ошибками из-за спешки, или задания были на время.
Вы делаете умозаключение, игнорируя альтернативные объяснения. Это ошибка поспешного обобщения.
Голословное утверждение о школьных программах
«Ни одна из современных официально одобренных властью школьных образовательных программ не ставит цели развивать понятийное мышление».
Вы проверили все программы всех стран? Или хотя бы России? ФГОС прямо говорит о формировании логических действий (анализ, синтез, обобщение, классификация) — это и есть база для понятийного мышления. Да, термин «понятийное мышление» может не использоваться дословно, но по сути цель есть. Ваше утверждение — ложь по незнанию или по умыслу.
Ложная причинность в P.S.
«Понял, почему люди без понятийного мышления не интересуются экзистенциальными вопросами. Они не видят в структуре понятий дыры на коренном и верхнем уровнях».
Во-первых, вы только что сказали, что нет способа измерить понятийное мышление, — откуда же вы знаете, интересуются ли экзистенциальными вопросами люди «без него»? Во-вторых, многие выдающиеся физики и философы (например, Ландау, Фейнман) прекрасно понимали «дыры» на микроуровне, но при этом были атеистами и не считали нужным задаваться вопросом «живой ли мир». Интерес к экзистенциальному — отдельная психологическая черта, не сводимая к формально-логическим операциям. Вы просто выдаете желаемое за действительное.
Non sequitur в заключении
«Один из простых доступных вариантов… – заниматься с детьми дополнительно, тренировать высшие психические функции. Этим мы с командой и занимаемся».
Даже если принять все ваши спорные посылки, вывод не следует из предыдущего текста. Вы не доказали:
· Что дополнительные занятия именно вашей команды эффективны. · Что проблема в дефиците тренировок, а не в генетических факторах, среде, мотивации. · Что увеличение нагрузки решает проблему, а не усугубляет (выгорание, стресс).
Фактически весь текст — это длинный рекламный мост к фразе «мы это лечим». Научная критика заменена самопиаром.
Противоречие «нет методов диагностики — знаем, что у большинства не сформировано»
Возвращаясь к главному: если, по вашему же признанию, «общей проблемой остается отсутствие однозначных измерительных процедур», то любая цифра (80%, «абсолютное большинство») — фальсификация. Вы не можете ее получить и не можете проверить. Следовательно, весь пафос о «проблеме современного образования» — пустая риторика.
Итог
Текст — образец псевдонаучной публицистики: – Автор сам себе противоречит. – Использует неопределенные термины как доказанные сущности. – Делает глобальные выводы на основе непроверенных данных. – Кончает скрытой рекламой своих услуг.
Логических ошибок — на каждую страницу. Если бы это был студенческий реферат, он бы не заслужил даже тройки. Жесткая критика? Пожалуйста: перепишите заново, убрав противоречия, введя четкие определения и представив хотя бы одно валидное исследование, а не цитаты из воздуха. А пока — не наука, а демагогия.
Я занимался подобной тематикой в контексте online video processing и оконтуривания опухолей.
Продолжаю пытать Пациента ...
🗺️ 1. Области применения расстояния Хаусдорфа
Расстояние Хаусдорфа используется везде, где нужно количественно сравнить два множества (обычно облака точек или контуры):
· Компьютерное зрение: Сравнение и распознавание образов, поиск объектов и их соответствие с эталоном даже при наличии дефектов, а также оценка погрешности 3D-моделей. · Обработка медицинских изображений: Оценка точности сегментации органов, выравнивание снимков (регистрация) и верификация результатов лечения. · Робототехника: Навигация мобильных роботов, SLAM и локализация в пространстве. · Графика и CAD/CAM: Контроль геометрии деталей, оценка искажений при сжатии/упрощении 3D-сеток. · Биоинформатика, астрономия и ML: Сравнение молекулярных структур, распознавание аномалий на снимках, а также оценка устойчивости моделей к атакам и работа в векторных БД.
💻 2. GitHub репозитории с реализациями LSS
LSS — это популярный метод ускорения вычислений расстояния Хаусдорфа, и на GitHub есть несколько связанных проектов:
· Основная теоретическая работа: Опубликована в журнале Pattern Recognition в 2017 году (Yilin Chen и др.). · MedVoxelHD: Реализация на CUDA C++ и PyTorch (в основном для 3D-медицинских изображений), использующая принципы мат. морфологии для ускорения HD на GPU. · monai: Этот фреймворк для медицинского анализа имеет GPU-ускоренную реализацию Hausdorff Distance. В обсуждении (#4053) указано, что она работает до 100 раз быстрее обычной версии.
⚙️ 3. Параллельные варианты алгоритмов
Современные исследования направлены на максимальное распараллеливание вычислений:
· Мульти-CPU (Multi-threading): Внешний цикл по точкам одного из множеств легко распараллелить, так как итерации независимы. · GPU (Графические процессоры): Основной способ для массивного ускорения (медицина, CAD). · Новейшие прорывные исследования: Метод PQ-Free HD, основанный на отказе от глобальной очереди и значительно обгоняющий CPU, а также алгоритм ProHD, дающий ускорение в 10–100 раз за счет проецирования данных на ключевые оси.
Конечно, вот ссылки на GitHub-репозитории сгруппированные по тематикам.
⚡ Реализации LSS и эвристики
· LSS 1D: (Косвенная) boost::geometry::discrete_hausdorff_distance. · PyTorch LOSS: mavillan / py-hausdorff (Вдохновлен LSS для потерь при сегментации).
При сравнении этих двух подходов (длина Хаунсдорфа и взаимная энтропия/информация) важно понимать, что они решают разные задачи в процессе регистрации, хотя обеими можно оценивать его результат.
🎯 Разное функциональное назначение
· Расстояние Хаусдорфа (Hausdorff Distance, HD): Это геометрическая метрика, которая служит “линейкой” для оценки точности совмещения. Она сравнивает формы, вычисляя максимальное расстояние от каждой точки одного контура до ближайшей точки другого. Простыми словами, она отвечает на вопрос: “Насколько сильно самая несовпадающая часть одного изображения отстоит от другого?”. · Взаимная информация (Mutual Information, MI): Это вероятностная метрика, которая выступает в роли “детектора соответствия”. Она измеряет, насколько хорошо статистически связаны интенсивности пикселей двух изображений. Она задается вопросом: “Насколько знание об одном изображении уменьшает неопределенность о другом?”.
⚖️ Сравнительный анализ по ключевым параметрам
· Роль в процессе регистрации: HD практически не используется в качестве основного критерия для численной оптимизации из-за разрывов в функции ошибки и сходимости к локальным минимумам. Чаще она выступает как эталонная метрика оценки качества (quality assessment) уже после того, как регистрация выполнена. MI же — это классический основной критерий подобия (similarity metric). В процессе многократных итераций алгоритм подбирает параметры трансформации так, чтобы максимизировать MI. · Сильные и слабые стороны: Главная сила MI — это способность работать с мультимодальными изображениями (например, МРТ и КТ), где нет прямого соответствия цвета или яркости пикселей. Однако её слабость — игнорирование пространственной информации (геометрии и взаимного расположения), так как она опирается лишь на статистику гистограмм интенсивности. Главная сила HD — это непосредственная работа с формой объекта и его контурами. В то же время классическая версия очень чувствительна к шуму и выбросам, существуют её робастные версии（RHD）. К тому же, не всегда верно отражает среднюю ошибку, так как ориентируется на максимальное отклонение.
💎 Так какой же подход выбрать?
· Для оценки итогового качества регистрации: Расстояние Хаусдорфа — отличный выбор, особенно если нужна строгая гарантия, что ни одна деталь формы не осталась смещённой. Как вы помните, оно хорошо коррелирует с реальными ошибками совмещения на контурах. · Для мультимодальной регистрации: Взаимная информация — это стандарт, если нужно совместить изображения, полученные в разных режимах (МРТ/ПЭТ, фото/карта). Однако, чтобы избежать проблем с локальным максимумом, важно сочетать её с хорошим глобальным оптимизатором. · Для высокоточного совмещения форм: Классическая HD не подходит. Вместо неё лучше использовать модификации (RHD, MHD). Для самой оптимизации эффективнее применять метрики, основанные на среднеквадратичном отклонении (RMS) или расстоянии Хаусдорфа на контурах с генетическим алгоритмом.
После первого знакомства с ChatGPT, DeepSeek, подумал - "Ну, вот, дождались! Теперь каждый дебил может считать себя крутым хацкером".
Однако, без оригинального кода, выстраданного кровью и потом - это все тьфу, nothing.
На днях, тупо уставясь в ящик, в глубоком backgrounde, слегка автоматизировав процесс, перелопатил дипсиком https://git.jinr.ru/x2v0/lfspd
В итоге, через пару часов работы, на выходе получил порядка 200 .sh + .md файлов.
См. ***. ds.**
Внутренние ощущения ...
Неплохо улучшает .md файлы. В bash добавляет всевозможные проверки, что обычно лень делать, но тоже не помешает. Понятно, что все необходимо перепроверять. Но, главное, мой полуавтомат работает, безо всякого DeepSeek API.
Самое главное применение этого полуавтомата == lint / pre-commit / CI/CL
т.е. вместо lint, static code check, PVS Studio, Reshaper, CLion, настало время DeepSeek Code.
Проверил на - C++, C#, Python, MarkDown, bash - работает превосходно ... у меня нет слов!
Никто не догадался задать малтчику классический ленинский вопрос - "Как нам реорганизовать рабкрин?"
Его ответ был таким.
Реорганизация языка C++ — это сложная задача, учитывая его историю, широкое использование и множество существующих кодовых баз. Однако, если бы мы задумались о том, как можно улучшить или модернизировать C++, вот несколько идей, которые могли бы быть рассмотрены:
1. Упрощение синтаксиса
Проблема: Синтаксис C++ может быть излишне сложным и перегруженным.
Решение: Ввести более простые и интуитивно понятные конструкции для часто используемых паттернов. Например:
Упростить шаблоны (templates) с помощью концепций (concepts) и других механизмов.
Уменьшить количество способов сделать одно и то же (например, инициализация переменных: =, {}, ()).
2. Улучшение системы модулей
Проблема: Заголовочные файлы (#include) устарели и могут вызывать проблемы с зависимостями и временем компиляции.
Решение: Полноценная поддержка модулей (как в C++20), чтобы заменить #include. Это ускорит компиляцию и улучшит инкапсуляцию.
3. Безопасность памяти
Проблема: Управление памятью в C++ требует высокой дисциплины и может приводить к утечкам, висячим указателям и другим ошибкам.
Решение: Встроить инструменты для автоматического управления памятью (например, умные указатели как стандарт) или добавить опциональный сборщик мусора. Также можно улучшить статический анализ и добавить больше проверок времени выполнения.
4. Улучшение стандартной библиотеки
Проблема: Стандартная библиотека C++ иногда неудобна или недостаточно функциональна.
Решение: Расширить стандартную библиотеку, добавив больше современных структур данных и алгоритмов. Например:
Встроить поддержку сетей, JSON, XML и других популярных форматов.
Добавить больше функций для работы с асинхронным программированием.
5. Упрощение многопоточности
Проблема: Многопоточное программирование в C++ сложно и подвержено ошибкам.
Решение: Ввести более высокоуровневые абстракции для работы с потоками и синхронизацией, например, как в Rust или Go.
6. Обратная совместимость
Проблема: C++ должен поддерживать обратную совместимость, что ограничивает возможности для улучшений.
Решение: Ввести "режим совместимости" и "режим современного C++", где в современном режиме можно было бы использовать более строгие и безопасные конструкции.
7. Улучшение инструментов разработки
Проблема: Инструменты для работы с C++ (компиляторы, отладчики, анализаторы) иногда недостаточно удобны.
Решение: Улучшить стандартизацию инструментов и их интеграцию. Например:
Унифицировать форматы диагностики ошибок.
Встроить больше возможностей для статического анализа.
8. Упрощение метапрограммирования
Проблема: Шаблоны и метапрограммирование в C++ могут быть чрезвычайно сложными.
Решение: Ввести более простые и мощные механизмы для метапрограммирования, такие как рефлексия и улучшенные концепции.
9. Улучшение документации и обучения
Проблема: C++ сложен для изучения из-за своего объема и нюансов.
Решение: Создать более структурированную и доступную документацию, а также обучающие материалы, которые бы учитывали современные подходы.
10. Экосистема пакетов
Проблема: В C++ отсутствует стандартная система управления зависимостями.
Решение: Ввести стандартный менеджер пакетов, подобный npm для JavaScript или cargo для Rust.
Заключение
Реорганизация C++ должна быть осторожной, чтобы не нарушить существующие кодовые базы. Однако, с учетом современных требований к языкам программирования, такие изменения могли бы сделать C++ более безопасным, удобным и конкурентоспособным. Многие из этих идей уже частично реализуются в современных стандартах (C++11, C++14, C++17, C++20, C++23), но есть еще куда расти.
Не обратил внимание на статью ...
Так Вы не из "Трамплин Электроникс"? - компании Стаса Е.?
S. Afanasiev - это Сергей Афанасьев, выпускник Харьковского ФизТеха 87-го года выпуска?
Я - Валерий Онучин.
Он на курс младше и должен меня помнить.
BM@N, запустили?
Вчера прослушал интереснейшую лекцию еще одного выпускника нашего факультета - Павла Ковтуна.
https://pirsa.org/11120044
Она про гремучую смесь гидродинамики, кварк-глюонной плазмы и чёрных дыр.
Оказывается есть универсальный нижний предел (Ковтуна — Сона — Старинеца - KSS) для отношения сдвиговой вязкости (η) к плотности энтропии (s) любой жидкости, который равен:
η/s ≥ ħ/(4πkB)
Эта величина примерно в 100 раз меньше, чем у воды. Столь низкое значение, характерное для чёрных дыр, неожиданно совпало с данными с коллайдеров RHIC и LHC, где кварк-глюонная плазма ведёт себя как самая «совершенная» жидкость из известных. Таким образом, KSS-предел установил важную связь между тремя объектами: гидродинамикой, кварк-глюонной плазмой и чёрными дырами.
Один из моих старинных постов по гидродинамике - "Физики & Пiв0" 😁
https://habr.com/ru/articles/565968/
Хотя это и не релятивистская гидродинамика, как у Павла, но все же.
Я ищу работу. Но в связи с почтенным возрастом (мне 62) это не простая задача.
Мое резюме
https://github.com/x2v0/Resume/blob/main/Resume0.md
Если есть какие-либо варианты для возвращения в физику - я бы не отказался.
Александр, спасибо за отличную работу и статью.
Есть одно дополнение - почему так важно портирование софта под отечественные платформы?
Неплохой обзор на эту тему - https://www.securitylab.ru/blog/personal/Bitshield/355452.php
"Байкал утонул, Эльбрус замёрз: кто вытащит Россию из процессорной ямы?"
В которой показано, что в связи санкциями, импортозамещение на уровне процессоров - это вопрос национальной безопасности.
Печальный пример с "Байкалом" основанного на архитектуре ARM - наглядное тому подтверждение.
Предоставим слово ИИ. Удивляет, что автор размышляющий о феномене мышления, не прислушивается к его мнению, который считает его пустым болтуном.
----------------------------
Жесткая критика: логические ошибки и манипуляции в тексте
Автор пытается создать видимость научного разбора, но вместо стройной аргументации — набор логических провалов, противоречий и откровенных подмен. Разберем по пунктам.
Ошибка «аргумент к количеству страниц»
«В классической “Когнитивной психологии” Дж. Андерсона из 500 страниц текста вообще нет раздела о мышлении. Так же, как и в “Когнитивной психологии” Р. Солсо о мышлении 40 из 600 страниц».
Из отсутствия отдельной главы не следует ни отсутствие темы в науке, ни ее малая значимость. Возможно, мышление интегрировано в другие разделы (память, решение задач, язык). Андерсон, на которого вы же ссылаетесь дальше как на автора информационной концепции интеллекта, явно занимается мышлением — иначе откуда концепция? Вы сами себе противоречите: если у Андерсона «нет раздела», то откуда вы знаете его идеи? Либо раздел есть, либо вы читали не ту книгу — либо передергиваете.
Противоречие «малоизученности» и обилия теорий
Сначала вы жалуетесь, что мышлению уделено мало страниц, затем перечисляете: Пиаже, Выготский, Баттерворт, Харрис, Аткинсон, Шифрин, Андерсон, Гилфорд, Стернберг, Спирмен, Брунер, Рестл, Бурн, Тверски, Канеман, Эдвардс, Холодная, Веккер, Ясюкова, Рубинштейн… Это называется «мало»? Либо проблема надумана, либо вы не различаете отсутствие универсальной теории (есть у любой науки) и отсутствие исследований. Логическая ошибка: подмена тезиса.
Ключевая ошибка: нет определения, но есть выводы
«Сам термин “понятийное мышление” до сих пор не имеет общепринятого определения»; «нет обобщения… с описанной квалиметрией».
Если нет определения и измерительных процедур, то как вы утверждаете, что:
· «у абсолютного большинства взрослых людей понятийное мышление оказывается несформированным»? · «более 80% людей с высшим образованием давали неверные ответы в заданиях уровня пятого класса»?
Любое эмпирическое утверждение требует четких критериев. Без определения вы не можете отличить отсутствие понятийного мышления от неверного понимания задания, плохого теста или ситуативной рассеянности. Вы сначала вводите термин, потом жалуетесь, что его нет, и на основе этого отсутствия делаете глобальные выводы. Это диагностическая ошибка и чистая софистика.
Противоречие с тестами
«Для любых указанных типов мышления не разработаны однозначные измерительные процедуры». И тут же: «Мы в детских центрах нашей сети тоже используем такие тесты в работе при диагностике детей».
Как вы используете то, чего не существует? Если вы сами придумали процедуры — значит, разработали их. Но тогда ваше утверждение об их отсутствии ложно. Если же ваши процедуры неоднозначны и ненадежны, то ваша диагностика ничего не стоит. Это либо ложь, либо некомпетентность.
Ошибка «неверный вывод из корреляции»
«Исследования показали, что успешность решения интеллектуальных задач и обучаемость в целом коррелируют с владением операций, которые принято относить к понятийному мышлению».
Корреляция ≠ причина. Возможно, общий фактор (например, интеллект или мотивация) определяет и успешность, и владение операциями. А вы молча подменяете связь причинностью. Далее вы строите еще более грубую связь: «Понятийное мышление ложится в основу анализа жизненных ситуаций» — это уже просто декларация без доказательств.
Подтасовка цитаты Выготского и искажение смысла
Л. Выготский писал: «Насколько не изменились… настолько глубокому изменению подверглись высшие функции». И дальше: «Л. Выготский писал, что не все взрослые люди обладают понятийным мышлением».
Цитата про историческое развитие видовых отличий человека, а не про индивидуальную вариативность. Выготский говорил, что высшие функции (в том числе понятийное мышление) формируются у каждого в онтогенезе при нормальном развитии, но могут быть недоразвиты при педагогической запущенности или дефектах. Однако из этого не следует, что «абсолютное большинство» их не имеют — это уже ваша фантазия. Вы приписываете классику свои радикальные цифры (80%, «абсолютное большинство»), не давая ссылок на конкретные работы.
Ошибка выборки в данных Веккера
«В его работах более 80% людей с высшим образованием давали неверные ответы в заданиях уровня пятого класса».
Даже если это правда (ссылки нет), то:
· Задания уровня пятого класса могут быть плохо составлены, неадекватны взрослым или требовать специфических знаний, забытых со школы. · Высшее образование бывает разное — филолог может ошибиться в задачах по физике, но это не доказательство отсутствия понятийного мышления. · Процент ошибок сам по себе не говорит о несформированности — возможно, взрослые отвечали быстрее, но с ошибками из-за спешки, или задания были на время.
Вы делаете умозаключение, игнорируя альтернативные объяснения. Это ошибка поспешного обобщения.
Голословное утверждение о школьных программах
«Ни одна из современных официально одобренных властью школьных образовательных программ не ставит цели развивать понятийное мышление».
Вы проверили все программы всех стран? Или хотя бы России? ФГОС прямо говорит о формировании логических действий (анализ, синтез, обобщение, классификация) — это и есть база для понятийного мышления. Да, термин «понятийное мышление» может не использоваться дословно, но по сути цель есть. Ваше утверждение — ложь по незнанию или по умыслу.
Ложная причинность в P.S.
«Понял, почему люди без понятийного мышления не интересуются экзистенциальными вопросами. Они не видят в структуре понятий дыры на коренном и верхнем уровнях».
Во-первых, вы только что сказали, что нет способа измерить понятийное мышление, — откуда же вы знаете, интересуются ли экзистенциальными вопросами люди «без него»? Во-вторых, многие выдающиеся физики и философы (например, Ландау, Фейнман) прекрасно понимали «дыры» на микроуровне, но при этом были атеистами и не считали нужным задаваться вопросом «живой ли мир». Интерес к экзистенциальному — отдельная психологическая черта, не сводимая к формально-логическим операциям. Вы просто выдаете желаемое за действительное.
Non sequitur в заключении
«Один из простых доступных вариантов… – заниматься с детьми дополнительно, тренировать высшие психические функции. Этим мы с командой и занимаемся».
Даже если принять все ваши спорные посылки, вывод не следует из предыдущего текста. Вы не доказали:
· Что дополнительные занятия именно вашей команды эффективны. · Что проблема в дефиците тренировок, а не в генетических факторах, среде, мотивации. · Что увеличение нагрузки решает проблему, а не усугубляет (выгорание, стресс).
Фактически весь текст — это длинный рекламный мост к фразе «мы это лечим». Научная критика заменена самопиаром.
Противоречие «нет методов диагностики — знаем, что у большинства не сформировано»
Возвращаясь к главному: если, по вашему же признанию, «общей проблемой остается отсутствие однозначных измерительных процедур», то любая цифра (80%, «абсолютное большинство») — фальсификация. Вы не можете ее получить и не можете проверить. Следовательно, весь пафос о «проблеме современного образования» — пустая риторика.
Итог
Текст — образец псевдонаучной публицистики: – Автор сам себе противоречит. – Использует неопределенные термины как доказанные сущности. – Делает глобальные выводы на основе непроверенных данных. – Кончает скрытой рекламой своих услуг.
Логических ошибок — на каждую страницу. Если бы это был студенческий реферат, он бы не заслужил даже тройки. Жесткая критика? Пожалуйста: перепишите заново, убрав противоречия, введя четкие определения и представив хотя бы одно валидное исследование, а не цитаты из воздуха. А пока — не наука, а демагогия.
Прежде всего - мое почтение.
Снимаю шляпу.
Пару слов о себе: https://github.com/x2v0/Resume/blob/main/Resume0.md
Я занимался подобной тематикой в контексте online video processing и оконтуривания опухолей.
Продолжаю пытать Пациента ...
🗺️ 1. Области применения расстояния Хаусдорфа
Расстояние Хаусдорфа используется везде, где нужно количественно сравнить два множества (обычно облака точек или контуры):
· Компьютерное зрение: Сравнение и распознавание образов, поиск объектов и их соответствие с эталоном даже при наличии дефектов, а также оценка погрешности 3D-моделей. · Обработка медицинских изображений: Оценка точности сегментации органов, выравнивание снимков (регистрация) и верификация результатов лечения. · Робототехника: Навигация мобильных роботов, SLAM и локализация в пространстве. · Графика и CAD/CAM: Контроль геометрии деталей, оценка искажений при сжатии/упрощении 3D-сеток. · Биоинформатика, астрономия и ML: Сравнение молекулярных структур, распознавание аномалий на снимках, а также оценка устойчивости моделей к атакам и работа в векторных БД.
💻 2. GitHub репозитории с реализациями LSS
LSS — это популярный метод ускорения вычислений расстояния Хаусдорфа, и на GitHub есть несколько связанных проектов:
· Основная теоретическая работа: Опубликована в журнале Pattern Recognition в 2017 году (Yilin Chen и др.). · MedVoxelHD: Реализация на CUDA C++ и PyTorch (в основном для 3D-медицинских изображений), использующая принципы мат. морфологии для ускорения HD на GPU. · monai: Этот фреймворк для медицинского анализа имеет GPU-ускоренную реализацию Hausdorff Distance. В обсуждении (#4053) указано, что она работает до 100 раз быстрее обычной версии.
⚙️ 3. Параллельные варианты алгоритмов
Современные исследования направлены на максимальное распараллеливание вычислений:
· Мульти-CPU (Multi-threading): Внешний цикл по точкам одного из множеств легко распараллелить, так как итерации независимы. · GPU (Графические процессоры): Основной способ для массивного ускорения (медицина, CAD). · Новейшие прорывные исследования: Метод PQ-Free HD, основанный на отказе от глобальной очереди и значительно обгоняющий CPU, а также алгоритм ProHD, дающий ускорение в 10–100 раз за счет проецирования данных на ключевые оси.
Конечно, вот ссылки на GitHub-репозитории сгруппированные по тематикам.
⚡ Реализации LSS и эвристики
· LSS 1D: (Косвенная) boost::geometry::discrete_hausdorff_distance. · PyTorch LOSS: mavillan / py-hausdorff (Вдохновлен LSS для потерь при сегментации).
🚀 Параллельные и GPU-варианты
· CUDA / C++: · rgsl888prabhu / cuspatial (GIS и пространственные алгоритмы). · MedVoxelHD (Ускоренная мат. морфология для HD). · PyTorch / KeOps: jeromerony / distorch. · MPI (Python): AxoyTO / Parallel_Closest_Object_Search. · Rust: rusty_hausdorff (Быстрее SciPy / параллельный).
🛠️ Другие связанные алгоритмы
· Универсальный: ZJUCADGeoSim / Hausdorff. · JAX / CUDA: vlad-oles / dgh (Gromov–Hausdorff). · MATLAB: Amagnum / Hausdorff-Distance-using-Matlab. · Мат. морфология: moyiliyi / GPU-Accelerated-Boundary-Losses.
При сравнении этих двух подходов (длина Хаунсдорфа и взаимная энтропия/информация) важно понимать, что они решают разные задачи в процессе регистрации, хотя обеими можно оценивать его результат.
🎯 Разное функциональное назначение
· Расстояние Хаусдорфа (Hausdorff Distance, HD): Это геометрическая метрика, которая служит “линейкой” для оценки точности совмещения. Она сравнивает формы, вычисляя максимальное расстояние от каждой точки одного контура до ближайшей точки другого. Простыми словами, она отвечает на вопрос: “Насколько сильно самая несовпадающая часть одного изображения отстоит от другого?”. · Взаимная информация (Mutual Information, MI): Это вероятностная метрика, которая выступает в роли “детектора соответствия”. Она измеряет, насколько хорошо статистически связаны интенсивности пикселей двух изображений. Она задается вопросом: “Насколько знание об одном изображении уменьшает неопределенность о другом?”.
⚖️ Сравнительный анализ по ключевым параметрам
· Роль в процессе регистрации: HD практически не используется в качестве основного критерия для численной оптимизации из-за разрывов в функции ошибки и сходимости к локальным минимумам. Чаще она выступает как эталонная метрика оценки качества (quality assessment) уже после того, как регистрация выполнена. MI же — это классический основной критерий подобия (similarity metric). В процессе многократных итераций алгоритм подбирает параметры трансформации так, чтобы максимизировать MI. · Сильные и слабые стороны: Главная сила MI — это способность работать с мультимодальными изображениями (например, МРТ и КТ), где нет прямого соответствия цвета или яркости пикселей. Однако её слабость — игнорирование пространственной информации (геометрии и взаимного расположения), так как она опирается лишь на статистику гистограмм интенсивности. Главная сила HD — это непосредственная работа с формой объекта и его контурами. В то же время классическая версия очень чувствительна к шуму и выбросам, существуют её робастные версии（RHD）. К тому же, не всегда верно отражает среднюю ошибку, так как ориентируется на максимальное отклонение.
💎 Так какой же подход выбрать?
· Для оценки итогового качества регистрации: Расстояние Хаусдорфа — отличный выбор, особенно если нужна строгая гарантия, что ни одна деталь формы не осталась смещённой. Как вы помните, оно хорошо коррелирует с реальными ошибками совмещения на контурах. · Для мультимодальной регистрации: Взаимная информация — это стандарт, если нужно совместить изображения, полученные в разных режимах (МРТ/ПЭТ, фото/карта). Однако, чтобы избежать проблем с локальным максимумом, важно сочетать её с хорошим глобальным оптимизатором. · Для высокоточного совмещения форм: Классическая HD не подходит. Вместо неё лучше использовать модификации (RHD, MHD). Для самой оптимизации эффективнее применять метрики, основанные на среднеквадратичном отклонении (RMS) или расстоянии Хаусдорфа на контурах с генетическим алгоритмом.
Всегда умиляли эти теоретики от программирования, которые не закончили ни одного проекта.
Всегда хочется спросить - "когда ты написал свою миллионную LOC?"
Автор не упоминает LINQ и ему подобных, которые стали частью языка.
Откройте для себя Фильтр Кальмана
После первого знакомства с ChatGPT, DeepSeek, подумал - "Ну, вот, дождались! Теперь каждый дебил может считать себя крутым хацкером".
Однако, без оригинального кода, выстраданного кровью и потом - это все тьфу, nothing.
На днях, тупо уставясь в ящик, в глубоком backgrounde, слегка автоматизировав процесс, перелопатил дипсиком https://git.jinr.ru/x2v0/lfspd
В итоге, через пару часов работы, на выходе получил порядка 200 .sh + .md файлов.
См. ***. ds.**
Внутренние ощущения ...
Неплохо улучшает .md файлы. В bash добавляет всевозможные проверки, что обычно лень делать, но тоже не помешает. Понятно, что все необходимо перепроверять. Но, главное, мой полуавтомат работает, безо всякого DeepSeek API.
Самое главное применение этого полуавтомата == lint / pre-commit / CI/CL
т.е. вместо lint, static code check, PVS Studio, Reshaper, CLion, настало время DeepSeek Code.
Проверил на - C++, C#, Python, MarkDown, bash - работает превосходно ... у меня нет слов!
Никто не догадался задать малтчику классический ленинский вопрос - "Как нам реорганизовать рабкрин?"
Его ответ был таким.
Реорганизация языка C++ — это сложная задача, учитывая его историю, широкое использование и множество существующих кодовых баз. Однако, если бы мы задумались о том, как можно улучшить или модернизировать C++, вот несколько идей, которые могли бы быть рассмотрены:
1. Упрощение синтаксиса
Проблема: Синтаксис C++ может быть излишне сложным и перегруженным.
Решение: Ввести более простые и интуитивно понятные конструкции для часто используемых паттернов. Например:
Упростить шаблоны (templates) с помощью концепций (concepts) и других механизмов.
Уменьшить количество способов сделать одно и то же (например, инициализация переменных: =, {}, ()).
2. Улучшение системы модулей
Проблема: Заголовочные файлы (#include) устарели и могут вызывать проблемы с зависимостями и временем компиляции.
Решение: Полноценная поддержка модулей (как в C++20), чтобы заменить #include. Это ускорит компиляцию и улучшит инкапсуляцию.
3. Безопасность памяти
Проблема: Управление памятью в C++ требует высокой дисциплины и может приводить к утечкам, висячим указателям и другим ошибкам.
Решение: Встроить инструменты для автоматического управления памятью (например, умные указатели как стандарт) или добавить опциональный сборщик мусора. Также можно улучшить статический анализ и добавить больше проверок времени выполнения.
4. Улучшение стандартной библиотеки
Проблема: Стандартная библиотека C++ иногда неудобна или недостаточно функциональна.
Решение: Расширить стандартную библиотеку, добавив больше современных структур данных и алгоритмов. Например:
Встроить поддержку сетей, JSON, XML и других популярных форматов.
Добавить больше функций для работы с асинхронным программированием.
5. Упрощение многопоточности
Проблема: Многопоточное программирование в C++ сложно и подвержено ошибкам.
Решение: Ввести более высокоуровневые абстракции для работы с потоками и синхронизацией, например, как в Rust или Go.
6. Обратная совместимость
Проблема: C++ должен поддерживать обратную совместимость, что ограничивает возможности для улучшений.
Решение: Ввести "режим совместимости" и "режим современного C++", где в современном режиме можно было бы использовать более строгие и безопасные конструкции.
7. Улучшение инструментов разработки
Проблема: Инструменты для работы с C++ (компиляторы, отладчики, анализаторы) иногда недостаточно удобны.
Решение: Улучшить стандартизацию инструментов и их интеграцию. Например:
Унифицировать форматы диагностики ошибок.
Встроить больше возможностей для статического анализа.
8. Упрощение метапрограммирования
Проблема: Шаблоны и метапрограммирование в C++ могут быть чрезвычайно сложными.
Решение: Ввести более простые и мощные механизмы для метапрограммирования, такие как рефлексия и улучшенные концепции.
9. Улучшение документации и обучения
Проблема: C++ сложен для изучения из-за своего объема и нюансов.
Решение: Создать более структурированную и доступную документацию, а также обучающие материалы, которые бы учитывали современные подходы.
10. Экосистема пакетов
Проблема: В C++ отсутствует стандартная система управления зависимостями.
Решение: Ввести стандартный менеджер пакетов, подобный npm для JavaScript или cargo для Rust.
Заключение
Реорганизация C++ должна быть осторожной, чтобы не нарушить существующие кодовые базы. Однако, с учетом современных требований к языкам программирования, такие изменения могли бы сделать C++ более безопасным, удобным и конкурентоспособным. Многие из этих идей уже частично реализуются в современных стандартах (C++11, C++14, C++17, C++20, C++23), но есть еще куда расти.
С этим Я с ним абсолютно солидарен!
Напоминает религиозные войны, которые велись на ЛОРе в конце 90х.
Последние предложения по развитию языка от Бьярне и Саттера выглядят весьма многообещающими.
Юлечка на HEPесах с бриллиантами.
https://hepsoftwarefoundation.org/activities/juliahep.html
https://github.com/JuliaHEP/ROOT.jl
Были бы у нее яйца так бы маханул по ним с плеча бритвой Оккама!
Достаточно странно рекомендовать этот ворох макулатуры в век Больших Языковых Моделей.
Скоро все быстро позабудут, что была такая профессия.
забыли про порно.
вот, где революция грядет, сравнимая разве что с появлением интернета.
code-search по-лучше будет.
когда-то меня поразила продолжительность жизни древнегреческих философов - почти все умерли чуть ли не столетними.
Что это?
За 2 тысячи лет до 1870 года все было по другому?