DedOps

Я писал уже, что хороший инженер начинается тогда, когда он начинает ненавидеть технологии. В противном случае неизбежна вот такая дрочка на сложность и собирание бессмысленных конструкций из кубиков, в которые инженеру прикольно играть.

Иллюстрация к предыдущему

Мониторинг маршрутов в сети с помощью SuzieQ, Telegraf, InfluxDB и Grafana, в которой автор советует обратить внимание на SuzieQ. Полные примеры настроек из статьи есть на Github.

Очередной пример дичайшего overengineering'а того, что можно собирать по SNMP или простейшим скриптом-перекладчиком. А за пару постов до этого человек про проблемы complexity рассуждает, и ничего, сука, в голове у них не щелкает, НИ-ЧЕ-ГО.

Состояние этой вашей айтишечки на сегодня, продолжение

Состояние этой вашей айтишечки на сегодня

Интересно, как так получилось, что в традиционных индустриях (станкостроении, авиации, космосе, добыче нефти, энергетике you name it) с инженерными практиками все на порядки лучше, а в айтишечке постоянно пытаются рационализировать, что костыли и велосипеды это норма и по-другому вообще нельзя? 🤔 https://t.me/patchcord/2728

И еще из комментариев

С одной стороны ИИ можно было бы воспринимать как новый вид станков, автоматизирующих производство и уменьшающих ручной рутинный труд. С другой, у них есть серьёзные различия - использованием ии будут пытаться подменить культурную и смысловую деятельность человека. А это уже грозит катастрофой

Реальная угроза от массового внедрения ИИ находится не совсем там, где ее ждут. Сегодня я прочитал комментарий к статье из Google по прогнозу погоды с помощью AI. Процитирую главную мысль коментария:

Вообще, кто бы сомневался, что оптимизированный машинный перебор даст,

по некоторым выбранным параметрам

, статистические показатели не хуже, чем вынужденно неполные вычислительные модели, пытающиеся, в частности, описать физические процессы, происходящие в атмосфере. В публикации же интересен стратегический момент: там на первой же странице пишут, что численное (“детерминированное”) моделирование требует больших затрат сил высококвалифицированных специалистов, которые пытаются эти модели разработать, обосновать и обдумать. Вместо этого предлагается просто взять измерения, запихнуть их в некоторый большой “чёрный ящик”, поподкручивать коэффициенты, и, фактически, начать использовать результат перебора вместо обдуманных специалистами моделей, потому что результат этот, возможно, содержит внутри какие-то закономерности, а выдача – не хуже, чем у имеющихся численных моделей (которые, понятно, далеко не идеально работают). И это как раз один из примеров реальных “угроз ИИ”: вместо моделирования, в процессе которого образуются новые знания, вполне себе формализуемые и обозримые, предлагается просто засовывать измерения в машину для непрозрачного перебора миллионов коэффициентов.

Ссылка: https://dxdt.ru/2023/11/16/11567/ Собственно, тут и добавить нечего. Традиционные подходы, связанные с моделированием, позволяют понять и объяснить происходящие процессы, а AI - это черный ящик, поведение которого на текущем уровне развития науки не объяснимо, но который может "увидеть" и механически повторять какие-то зависимости, создавая иллюзию "прогноза". От такого прогноза тоже может быть практическая польза, но, только сиюминутная. Ничего принципиально нового с использованием таких прогнозов создать не получится... И с точки зрения развития понимания окружающего мира - это просто тупик.