Hacker News Digest

Проект представляет собой набор реализаций бенчмарка "Are-we-fast-yet" на различных языках программирования, включая Oberon, C++, C, Pascal, Micron и Luon. Основная цель - сравнение производительности разных языков через единый тестовый набор. Реализации позволяют разработчикам оценить эффективность каждого языка в стандартных задачах и понять, как современные языки конкурируют с классическими.

Бенчмарк охватывает ключевые алгоритмические задачи, такие как сортировка, обработка строк и математические вычисления. Интересно, что даже в 2023 году некоторые классические языки, как C и Pascal, демонстрируют конкурентоспособную производительность, в то время как более современные языки предлагают разные компромиссы между скоростью и выразительностью кода. Проект предоставляет ценный ресурс для выбора языка программирования под конкретные требования производительности.

• Обсуждение в основном касается языков Oberon и их компиляторов, включая их производительность и репозиторий.
• Участники обсуждают, что репозиторий недавно добавил реализацию на C++, но она оказалась значительно медленнее.
• Также поднимается вопрос о названии Micron — участники считают его плохим выбором, так как может вводить в заблуждение.
• Появляется ссылка на недавно опубликованные результаты тестов производительности.
• Участник под ником «dead» отмечен как неактивный.

K-means — классический алгоритм кластеризации в машинном обучении — реализован на Apple II+ с использованием APPLESOFT BASIC. Автор, преподаватель курса Stanford CS229, демонстрирует работу алгоритма на двумерных данных с двумя кластерами, визуализируя процесс сходимости и итоговые границы решений. Точность достигает 90%, несмотря на малое количество точек (всего 10 наблюдений).

Алгоритм состоит из инициализации случайными центроидами, шага назначения (расчёт евклидовых расстояний) и шага обновления центров. Для ускорения отладки автор сократил выборку, сохранив даже выбросы за границами экрана. Код организован через подпрограммы, включает ожидание нажатия клавиши и оптимизирован для избежания повторного объявления массивов. Это показывает, как даже на ограниченном железе можно эффективно выполнять базовые ML-алгоритмы.

• Участники делятся ностальгическими воспоминаниями о написании алгоритмов (генетических, перцептронов) на старых языках и компьютерах (Pascal, Apple II, BASIC).
• Некоторые комментаторы выражают недоумение по поводу использования K-means для классификации и построения границ решений, считая это странным или ошибочным подходом.
• Обсуждается целесообразность и мотивация реализации машинного обучения на столь старом и ограниченном железе, как Apple II.
• Поднимается философский вопрос о том, что считать машинным обучением, и где проходит граница между ним, регрессией и искусственным интеллектом.
• Отмечается высокая читаемость и образовательная ценность языков вроде Applesoft BASIC для начинающих.

В Civilization VII полностью переработали генерацию карт, чтобы сделать её разнообразнее и естественнее. Раньше использовался фрактальный шум, который создавал сбалансированные, но предсказуемые ландшафты — игроки жаловались на повторяемость и прямые береговые линии, нарушавшие immersion.

Теперь внедрена техника Вороного: алгоритм строит карты на основе ячеек, позволяя гибко управлять формой континентов и островов. Добавлены два новых типа — «Континенты и острова» и «Пангея и острова». Они сочетают органичность с балансом, особенно важным в мультиплеере. Это оживляет стадию исследования, ключевую для жанра 4X.

• Участники высоко оценили статью о генерации карт с помощью диаграмм Вороного и выразили энтузиазм по поводу креативного программирования в этой области.
• Обсуждались технические детали, включая использование алгоритма Ллойда для улучшения форм регионов и JavaScript-библиотеки для работы с диаграммами Вороного.
• Были предложены идеи по комбинированию диаграмм Вороного с другими методами, такими как шум Перлина и GenAI, для большего контроля над процедурной генерацией.
• Упомянуты дополнительные ресурсы: блог о процедурной генерации, туториал по алгоритмам поиска пути и мнение о серии игр Civilization.
• Отмечено, что техника имеет потенциал не только для визуализации данных, но и для создания 3D-карт и игрового контента.

Вычисление сложной тригонометрической формулы arcsin(arccos(arctan(tan(cos(sin(9))))) в градусном режиме на разных калькуляторах даёт заметно отличающиеся результаты, что демонстрирует различия в точности и алгоритмах чипов. Некоторые модели, особенно на чипах General Instruments CF596, выдают ровно 0.0, в то время как другие показывают значения около 6.58, 8.84 или 8.99.

Наиболее точные результаты, приближающиеся к 9, дают калькуляторы с чипами от Sharp, Toshiba и National Semiconductor, что указывает на их улучшенную математическую обработку. Эта разница подчёркивает, как аппаратная реализация и firmware влияют на итоговые вычисления даже для, казалось бы, простых операций.

• Обсуждается тест для идентификации калькуляторов по результату вычисления arcsin(arccos(arctan(tan(cos(sin(9))))) в градусном режиме, где ожидаемый точный ответ — 9.
• Участники отмечают, что разные модели калькуляторов и математические библиотеки (HP Prime, TI Nspire, Numworks, CORE-MATH) дают различные результаты из-за ошибок округления и особенностей реализации трансцендентных функций.
• Поднимается вопрос о численной сложности вычисления из-за промежуточных значений, близких к локальному максимуму косинуса, что усугубляет ошибки.
• Обсуждается, что даже современные системы (включая гипотетический ИИ) могут давать некорректный ответ из-за проблем с точностью, и как происходит самокоррекция или верификация результата.
• Упоминается, что сайт с результатами теста служит «базой отпечатков» для определения чипа или модели калькулятора по его результату.

Пользователи Meta сталкиваются с системой модерации, которая часто ошибочно блокирует контент, а единственный эффективный способ обжалования — личные связи внутри компании. Это подрывает доверие к платформе и создаёт неравенство, где обычные пользователи лишены справедливого доступа к поддержке.

EFF отмечает, что автоматизированные системы и недостаточная прозрачность процессов апелляции приводят к длительным блокировкам без объяснений. Такая практика ставит под вопрос ответственность tech-гигантов за свободу выражения и доступ к информации.

• Пользователи сталкиваются с произвольными блокировками аккаунтов на крупных платформах (Google, Meta, Reddit, YouTube, Anthropic) без внятного объяснения причин и с отсутствием эффективных каналов апелляции.
• Автоматические системы модерации и поддержки часто не справляются, обратная связь от реальных людей недоступна, а единственным способом решить проблему становится публичный скандал в соцсетях.
• Потеря аккаунта ведет к безвозвратной утрате личных данных, контента, контактов и цифровой идентичности, что особенно болезненно для коммерческих организаций и личных воспоминаний.
• Централизованные платформы воспринимаются как ненадежные, что подчеркивает важность владения собственным сайтом и доменом для контроля над своим онлайн-присутствием.
• Отмечается враждебная политика компаний в отношении пользователей, которые рассматриваются как продукт, а не как клиенты (noreply-почта, отсутствие поддержки, скрытые алгоритмы).
• Проблема носит системный характер и затрагивает не только политически чувствительный контент, но и обычных пользователей, предпринимателей и рекламодателей.
• Существуют опасения по поводу будущего, где от решений алгоритмов будет зависеть доступ к критически важным сервисам (Uber Eats, LinkedIn) без возможности обжалования.

• Популярные тех-блогеры (Adrian Black, Jeff Geerling, RedLetterMedia) фиксируют обвал просмотров на YouTube последний месяц: лайки и доход держатся, а «просмотры» рухнули.
• YouTube молчит; спонсоры всё равно требуют цифры, авторы гадают: баг, новый Restricted Mode или просто «так захотел алгоритм».
• Платформа — фактическая монополия: альтернативы (Nebula и др.) крошечны, зрители привыкли к бесплатному, рекламодатели не уходят.
• Создатели контента зависят от тайных перекруток кода, а конкурировать может лишь гигант, готовый годами терять деньги.

• YouTube считают почти незаменимым: масштаб, бесплатный безлимитный хостинг, алгоритмы и встроенная рекламная экосистема создают непреодолимый барьер для конкурентов.
• «Рипнуть» рынок невозможно: новой платформе нужны и зрители, и авторы, и рекламодатели одновременно, а «сетевой эффект» закрывает цикл.
• Падение просмотров обсуждают как статистическую корректировку (фильтрация ботов, новое определение «view»), а не исчезновение аудитории.
• Пользователи жалуются на токсичность, всплывающую «рекламу внутри рекламы» и навязанные Shorts; часть уходит к авторам напрямую (Patreon, RSS).
• Даже платящие подписчики остаются на YouTube: альтернативы (Nebula, Rumble, PeerTube) либо узки, либо технически уступают.
• IT- и правозащитники спорят, является ли YouTube «естественной» монополией, но сходятся: пока хостинг, CDN и монетизация стоят астрономических денег, у зрителей и авторов выбора нет.

Правила
Компьютер загадывает код из 4 шпилек 6 цветов. После каждой попытки он выдаёт:

• чёрный штырь — цвет и позиция угаданы;
• белый — цвет есть, но позиция неверна;
• ничего — цвета в коде нет.

Оптимальная стратегия
Игра — это сбор информации. Начинается с 1296 возможных кодов. Каждая попытка «отсекает» часть вариантов; эффективность измеряется в битах.

• 1 бит = сокращение вдвое.
• Энтропия попытки — среднее количество битов, которое она приносит:
  $$H = \sum_i p_i \log_2\frac{1}{p_i},$$
  где $p_i$ — доля кодов, дающих ответ $i$.

Алгоритм:

1. Для каждой возможной попытки посчитать, сколько кодов останется при каждом ответе.
2. Выбрать попытку с максимальной энтропией.
3. Повторять, пока код не угадан.

Результат
Среднее число попыток — 4.47 (σ = 0.75). Это совпадает с лучшими известными алгоритмами (Knuth, 1976 и др.).

• Участники делились личными историями: кто-то писал игру в 2007 для iPhone, кто-то играл с родителями и детьми, а кто-то вдохновился ею стать математиком.
• Обсуждали стратегии: MaxParts, «один цвет на строку» и информационно-теоретический подход.
• Отмечали, что современные LLM не справляются с Mastermind после нескольких ходов.
• Упоминали баг сайта, опечатку «Worlde» и сравнивали игру с Wordle.
• Кто-то критиковал статью за отсутствие формального доказательства оптимальности.