亲液程序设计

我最近遇到了Jaron Lanier提出的一个名为“现象学编程”的想法。

这个想法是在计算机程序中使用“表面”接口而不是单点接口，利用统计信息来找出较小的错误，这些错误通常会导致“经典”程序崩溃。

两行描述在这里：

根据Jaron的说法，“当前软件思想（协议遵循性）与（他正在讨论的）思想（模式识别）之间的真正区别与我们正在创建的错误类型有关”，如果“我们不知道， “找不到思考和创建软件的不同方法，无论我们的处理器有多快，我们都不会写出超过一千万行代码的程序。”

稍长的解释在这里。甚至更长的解释在这里。

因此，这个问题回过头来，人们往往会挑出明显的机器人主导的涵义，那么人们将如何实际设计和编写“交互程序”呢？

拉尼尔（Lanier）发明了一个50美分的单词，目的是在一组特定的想法周围投射网，这些想法描述了用于创建具有某些可识别特征的计算机程序的计算模型。

这个词的意思是：

一种组件交互机制，该机制使用模式识别或人工认知代替功能调用或消息传递。

这个想法主要来自生物学。您的眼睛不是通过像的功能See(byte[] coneData)而是通过称为视网膜的表面与世界交互的。这不是微不足道的区别。计算机必须coneData一一扫描所有字节，而您的大脑会同时处理所有这些输入。

Lanier声称，后者的接口具有更高的容错能力（单个接口coneData可能会破坏整个系统）。他声称，它可以实现模式匹配以及许多其他通常对于计算机来说是困难的功能。

计算机系统中最典型的“变质”机制将是人工神经网络（ANN）。它以“表面”作为输入，而不是定义的接口。还有其他一些技术可以实现某种模式识别的方法，但是神经网络是与生物学关系最为紧密的一种。制作人工神经网络很容易；使其执行可靠地执行的任务很困难，原因有很多：

1. 输入和输出“表面”是什么样的？它们是稳定的，还是随时间变化的大小？
2. 您如何正确设置网络结构？
3. 您如何训练网络？
4. 您如何获得足够的性能特征？

如果您愿意放弃生物学，则可以省去生物学模型（尝试模拟实际生物学神经元的运行），并建立一个与数字计算机系统的实际“神经元”紧密联系的网络。盖茨）。这些网络称为自适应逻辑网络（ALN）。它们的工作方式是创建一系列近似曲线的线性函数。该过程如下所示：

...，其中X轴表示ALN的某些输入，而Y轴表示某些输出。现在想象线性函数的数量根据需要扩展以提高精度，并想象该过程在n个任意维上发生，完全由AND和OR逻辑门实现，并且您对ALN的外观有所了解。

ALN具有某些非常有趣的特征：

1. 它们相当容易训练，
2. 它们非常可预测，即输入的微小变化不会在输出中产生剧烈的波动，
3. 它们快如闪电，因为它们以逻辑树的形式构建，并且运行起来非常类似于二进制搜索。
4. 通过培训，他们的内部架构自然发展

因此，变态程序看起来像这样；它具有输入的“表面”，可预测的体系结构和行为，并且可以容忍嘈杂的输入。

进一步阅读Alan Kay撰写的“
自适应逻辑网络简介及其在审计风险评估中的应用
”，面向对象”与“面向消息”

我认为我们正处在迈向这一目标的第一步之初，即以可以分析的格式收集大量数据。互联网，谷歌搜索，Fitbit（您迈出的每一步，每走一步，我都会看着你。），FourSquare，智能手机地理位置，Facebook帖子和问题数据都已被收集。我们距离普通人在一生中收集的感觉数据量还差得远，但我们正在接近。

开始对数百万种鸟类的图片进行分类，并从人们那里得到反馈，告诉您这不是鸟类，您可以开始创建算法。从那里可以创建一个模糊的印象（我将其称为模型，但这对于我们尝试编写的代码来说太精确了。）

class Birdish

宠物狗如何对主人如此了解？因为它看着她很多。狗听了汽车驶入车道的声音，并将其与所有者打开前门联系起来，从狗的角度看来，狗可以通过声音识别汽车。我们也可以这样做，但我们认为没有理由参加。这就是当前软件的问题所在，它没有关注用户的操作。它只是在等待用户执行IT期望用户执行的操作。

只需对我当前的习惯进行一点观察/分析，就可以简单地设置闹钟。在技​​术被数字技术取代之前，我们放弃设置VCR计时器。如果我们可以将电视指南与VCR连接起来，那会发生得这么快吗？我已经连续四个星期观看同一电视节目，但是第五次我什至没有打开电视。显然我要记录下来。您难道不知道我写这篇文章要熬夜吗，我通常的上下班时间不能及时到家吗？您已经有了数据，进行数学计算。

收集越来越多的数据，然后您可以提出更好的方法来分析，识别和隐秘数据。我们已经超越了电话摄像头和即将推出的眼镜眼镜摄像头只能通过键盘输入的范围。这仅仅是个开始。

这是用于在Scala中定义概率编程语言的幻灯片集。

这是Jaron Lanier提出的系统中某些核心组件的第一个体面的实现示例。

我最近有一个想法：

如果您使用了诸如Haskell的Maybe Monad之类的高级想法来将远程过程调用包装到其他系统。您将请求发送到服务器。但是什么也没回来（服务器坏了）。或者Promise回来了（服务器正忙），并且您的程序继续使用这些None或Promised值工作。这有点像Lanier正在寻找的容错能力。

也许有封装其他可能的方法。例如，通过某种后台协商，随着时间的流逝，远程呼叫的近似值会逐渐提高。即。回来的事情就像是一个Promise，而不仅仅是“继续坚持并继续工作，不久就会出现一个适当的值”，而是“继续坚持并继续工作，不久就会出现一个更好的近似值”。（一遍又一遍）。就像网络协议向编程人员隐藏了许多低级网络故障一样，这将能够向编程人员隐藏许多故障。