Обсуждение

Единственная существенная претензия к Брет Виктору, которую я услышал, когда обсуждал с кем-то его компьютерное обучение, было про отсутствие обучения параллельным алгоритмам. Конечно, это шло с оговоркой, что, по-нормальному этому нигде не учат, а тут и без этого уже гораздо лучше, чем обычно. Но, что есть, то есть. При том, что на рынке многоядерность давно в каждом процессоре (что уж говорить про более сложные схемы) и потребности созрели и перезрели :)

Не надо учить параллельным алгоритмам. Лучше учить тому, что надо декомпозировать задачу так, чтобы потребности в разделяемом (shared) состоянии не возникало.

А вот у группы "Аттик" к нему претензия, что ничего существенно нового и интересного он не говорит по сравнению с тем, что уже давно известно. В этом плане Световой Стол выглядит получше. Все эти "обучения", в том числе и параллельным алгоритмам, глубоко ступенчатые. И нужно чётко понимать, чему на какой ступеньке учить. Не бывает учить "вообще", всегда есть предыстория образования, и планы на будущее.

даже если так всё-равно нужно учитывать ожидание ответа, асинхронность работы, и не только учитывать, а специально планировать, что конкретные команды могут быть переупорядочены компилятором, выполнены в ином порядке исполнителем, чтобы это не влияло на работу алгоритма (и только приятно удивляло его автора :) )

ну, например темпоральность алгоритма там ИМХО очень наглядно показана - команды, как музыка на нотном стане :) А также - что алгоритм манипулирует не абстрактными числами (как в алгебре), а все они имеют смысл и глубоко типизированны (как в физике) - цвет, угол, координата, длина и т.д. PS: не припоминаю, чтобы у вас было где-то про обучению параллельным алгоритмам. Разве что в "наш алгоритм vs внешний мир" и тогда я так понимаю, обучение сведется к "наш алгоритм в одном потоке, а другой алгоритм в своем потоке - это такая часть окружающего мира" ?

У меня не было обучения параллельным алгоритмам. Но когда придётся программировать embedded системы с одной стороны, и проходить по линии вычислительной математики с другой стороны, то там быстро это проявится. Насчёт смысла и глубокой типизации чисел, как в физике: фишка как раз в том, что опять тут эта дихотомия: отдельно физика-численная математика, и отдельно кучерявые структуры данных/базы данных для жизни вообще (а не структуры данных численных экспериментов). Работе с данными пока никто не учит, учат физике-в-компьютере, а не миру-в-компьютере.

Учите Эрлангу, и не парьтесь по поводу всякой мути типа переупорядочивания.

:) Ок. в этом он выигрывает. Но у него своя область применения

Своя в отличие от чего? Где нужны параллельные алгоритмы, да так, что этому нужно массово обучать? Рассмотрим две области, где параллелизм вроде бы как очень в тему: телеком и HPC. В телекоме нужен Erlang, по-любому. В HPC нет-нет да и приходится вычислять на кластерах, а раз так, опять же, внутри процессора сильно не пооптимизируешь. Остальное всё покрывается системами без разделяемого состояния.

хммм... ЕМНИП в оригинальном примере типизация была как раз не кучерявой, а скаляры-вектора, но зато с понятным смыслом и способностью динамически менять представление (числа - в графики), чтобы быть обозримой человеком. Или я неправильно понимаю, и это по-вашему недостаток ? т.е. нужно сразу показывать в виде сложных структури систем, а не маленьких показометров ?

эмм... контроллеры лапок робоскорпиона? команда из двух лего-ботов?

Численная математика -- это структуры из матриц да отдельных переменных. А вот моделирование жизни в целом -- это очень развесистые схемы баз данных и очень хитрые структуры данных. Я про то, что дитяток пытаются ещё хоть как-то учить первому, а вот второму учат плохо даже в специализированных ВУЗах. Я писал об этом у себя в блоге неоднократно.

Та же модель с message passing'ом подойдёт.

модель - да. а язык со средой исполнения - может и "не пролезть"

Достаточно модели. А обучение в рамках этой модели практически интуитивно, ибо ООП в исходном его смысле (как придумано Аланом Кеем).