Вечная жизнь

Короче:

1) пишем на Python симулятор молекулярной физики;

2) создаём в его формате как можно более точную анатомическую модель человека;

3) пишем опять таки на Python brute-force поиск дизайна молекулярной машины, которая в теории делала бы человека как можно более здоровым как можно дольше;

4) понятно, что работать такой поиск в таком симуляторе даже на суперкомпьютере будет слишком долго, поэтому пишем на C оптимизатор ациклического направленного графа написанной на Python программы, используя Neural Networks или Evolving Logical Graphs;

5) запускаем оптимизированную программу на суперкомпьютере Summit;

6) как только получаем результат — дизайн интересующей нас молекулярной машины — запускаем на другой похожей программе поиск способа её серийного производства;

7) набираем сотни тысяч добровольцев, на которых будем тестить и подфурычивать всю эту бадягу;

8) ???

9) $$$

P.S. Кстати, а вы знаете о нейробиологе KennethHayworth, изобличающего недобросовестных «замораживателей» коннектом? И о том, что 50 кассет IBM 3592 даже при толщине ленты аудиокассеты (16 мкм) могут содержать 5 петабайт — достаточно, чтобы хранить все 1000 триллионов синапсов между 100 миллиардов нейронов человека?

👍ПодобаєтьсяСподобалось0
До обраногоВ обраному0
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

Еще можно сделать часы, которые будут иметь доступ к кровотоку и делать в ран-тайме анализы крови(все, которые можно) + процессить данные. Это позволит заранее находить какие-то болезни(например по маркерам рака и тд). Но, насколько я знаю, пока что даже общий анализ крови нельзя в рантайме делать.

Еще при развитии нанотехнологий можно использовать маленьких роботов, которые будут циркулировать по кровотоку(и надо как-то решить вопрос с отторжением).
Так можно узнавать, когда появляются риски тромбов и тд. Может даже они будут предотвращать сами тромбы.

Либо подождать полной сингулярности организма и компьютера.

Накатал тут небольшую листовку на английском... Кого из FAANG’ов или военных это может заинтересовать? Занимается ли кто-нибудь в США оптимизациями маш. кода с loop unrolling and rolling и какой эффект этим достиг с применением ИИ? Илон Маск’а это должно заинтересовать раз он потратил $60-70 млн на разработку ASIC для Neural Networks. Чёрт, интересно же, насколько неэффективен самообучающийся автомат Мили по сравнению с нейросетями? В любом случае, оптимизация алгоритма полного перебора — это медленный, но уверенный путь к полному решению проблемы вождения...

A „brute-force” algorithm (an exhaustive search, in other words) is the easiest way to find an answer to almost any engineering problem. But it often must be optimized before being computed. The optimization may be done by an AI agent based on Neural Nets, or on a Learning Mealy Machine.

A Learning Mealy Machine is an finite automaton in which training data stream is remembered by constructing disjunctive normal forms of the output function of the automaton and the transition function between its states. Then those functions are optimized (compressed with losses by logic transformations like De Morgan’s Laws, arithmetic rules, loop rolling/unrolling, etc.) into some generalized forms. That introduces random hypotheses into the automaton’s functions, so it can be used in inference. The optimizer for automaton’s functions may be another AI agent, or any heuristic algorithm, which you like...

Some interesting engineering (and scientific) problems are:
— finding a machine code for a controller of a car, which makes it able to drive autonomously;
— finding a machine code for a controller of a bipedal robot, which makes it able to work in warehouses and factories;
— finding a CAD file, which describes the design of a spheromak working with a guiding center drift generator (hypothetical device, idk!);
— finding a CAD file, which describes some kind of working Smoluchowski’s trapdoor (in some specific conditions, of course);
— finding a file, which describes an automaton working in accordance to the data of a scientific experiment;
— finding a file, which describes manufacturing steps to produce the first molecular nanofactory in the world.

Related work by Embecosm is here: superoptimization.org Though it seems people have superoptimized only tiny programs so far as you can see from the ICRL 2017 paper (App. D): arxiv.org/abs/1611.01787 And loops can also be rolled, not just unrolled: en.wikipedia.org/wiki/Loop_optimization

експеримнетально підтверджені

О... Зараз багато брехливої пропаганди НЕздорового способу життя. Тому, обачніше! Я от, наприклад, думав, шо вживаючи власне сім’я, не дам змарнуватись DHA, яка там присутня (кажуть). Але, чомусь, задався питанням і виявив, що там ще й токсичні продукти розпаду амінокислот є. Серйозно! Ось, почитайте.

До речі, ніхто не знає, хто та дівчина, що сидить праворуч... ліворуч?

Що тільки страх перед смертю з людьми не робить

0) выделяем одну из параллельных вселенных чисто под вычислительную аппаратуру, прокидываем в нашу интерфейсы для дебага и передачи данных. (Бог слегка офигевает и тянет руку к рубильнику)

пишем опять таки на Python brute-force поиск дизайна молекулярной машины, которая в теории делала бы человека как можно более здоровым как можно дольше

Категорически не согласен! Всё это надо писать на Go, поскольку простой и всем удобный Go в отличие от Python стремительно набирает обороты, а Python как архаичный язык теряет свои позиции. Ваш симулятор молекулярной физики уйдёт в аналы истории, поскольку написан на Python, и эволюционная сингулярность не наступит.

Вообще-то на подходе Юлька

Думаете, у неё есть шансы после ПетраАлексеевича?

аналы истории

Анналы :). То, что ты написал, хм, несколько некультурно :)

по-моему оба варианта одинаково правильные

Спросить симулянта о (псих.) самочуствии, конечно, не получится. Так как это слишком усложнит задачу: оптимизатору потребуется учитывать работу мозга слишком точно. Можно обойтись более простым условием. Ну, например: бьётся ли сердце?

Да, люди — странные создания. Вот, например, в США только в федеральный бюджет собирают с людей около 4 трлн дол каждый год. Но 2 млн дол (<0.0005% от федерального бюджета на 2018 год или же по 1 центу с чела в обход бюджета) на проект Dr. Todd Rider’а у банкиров, которые управляют деньгами этих людей, не нашлось... Зрада. Кажу я вам! Не, через интернет ему удалось собрать что-то около $100 000, но вы сами подумайте: попробовать избавиться от всех вирусов (простуды, обычного гриппа и пр. военных разновидностей) за несколько центов!

Тем временем в Китае.

Оценивалась кем? И для чего?

По Dr. Todd Rider’у есть статья на Businessinsider.

With funding from the National Institutes of Health (NIH) and the Defense Advanced Research Projects Agency (DARPA), Rider was able to start...

Я ж о том и пишу, что не пожалел бы пары центов на его R&D. А шо?

чувак, мой тебе совет, сходи в кнайпу, выпей пива))

вы немного неправильно интерпретировали название той книги. так точнее 21*24/8= 2 месяца, двже очень норм для основ.

Так толсто, что возникает мысль, что автор это всерьез... :-)

Та в цих Інтернетах зараз взагалі не розбереш де тролі, де просто дибіли.

а прикольна ідея для квайна — написати на JavaScript програміста на JavaScript

1) пишем на Python симулятор молекулярной физики;

И прилетаем в GIL

Так используем оптимизатор же, а не обычный интерпретатор.

www.youtube.com/watch?v=NrDe9O2odbw Существование жизни после смерти научно доказал студент УрФУ. Молодой ученый даже вывел соответствующую математическую формулу.

Учёный, которого мы заслужили.

Вот уже на этом пункте

создаём в его формате как можно более точную анатомическую модель человека;

смеялся в голос :-)))

пишем опять таки на Python brute-force поиск дизайна молекулярной машины, которая в теории делала бы человека как можно более здоровым как можно дольше;

А вот здесь меня порвало! :-) Это ж какая наилютейшая сложность алгоритма и по времени и по памяти, даж если первых два пункта будут выполнены каким-то чудом.

Короче я тут дунул и тоже решил «подумать»

А вообще ты не правильно мыслишь — предлагаю варик получше
1 пишем на JavaScript эмулятор планеты 4.5 млРд лет назад, для перформанса выберем вариант WebGL и задействуем можщности GPU!
2 добавляем в эмулятор первые образцы жизни
3 проганяем на компе 4.5 млрд лет эволюции
4 делаем эдакий тайм лейпс по созданию человеческой ДНК и выделяем плохие гены!
5 создаем на эмуляторе brut-force логику для перебора препаратов которые будут удалять без поврежедений бракованные гены
6 выпускаем препарат от всех болезней
7 после того как заработаем все деньги во вселенной появятся новые болячки под наш новый ДНК
8 возвращаемся к пункту 2 и проганяем весь цикл снова!

Это ж какая наилютейшая сложность алгоритма и по времени и по памяти...

В каждом деле нужна сноровка, закалка и тренировка! Можно начинать тренировать Neural Networks на оптимизации программ поиска катализаторов для простых химических реакций в пробирке. Хотя, я думаю, Evolving Logical Graphs лучше обучаемы, чем Neural Networks. Если им ещё и ASIC сделать, типа Graphcore GC2...

...даж если первых два пункта будут выполнены каким-то чудом...

Ну, это вопрос к политикам, насколько те готовы защищать интеллектуальную собственность, и отчасти к банкирам, насколько эти считают подобный бизнес полезным. Дело нешутейное, да...

Коментар порушує правила спільноти і видалений модераторами.

Коментар порушує правила спільноти і видалений модераторами.

Підписатись на коментарі