( persicsb | 2019. 08. 22., cs – 18:05 )

"Ahoz, hogy hatékonyan haszáld a Tensorflow-t, vagy éppen egy másik implementációt ahhoz értened kell, hogy mi miért történik."
Attól, hogy érted, hogy mi miért történik, nem valószínű, hogy tudnál Tensorflowt hatékonyan implementálni.

Mint ahogy hiába jó az ember lineáris optimalizálásban, igazán hatékony simplex solver implementációt írni akkora szopás és akkora tudást igényel, hogy hiába vagy matekból penge, nem fog menni - nem is csinálják sokan. Pedig a simplex a legegyszerűbb eset.

Az, hogy érted az AI működését, még nem jelenti azt, hogy hatékonyan meg is tudnád csinálni. Sok algoritmuszsenit láttam már, aki amúgy programozni nem tudott, pláne nem hatékony, tiszta, karbantartaható kódot írni. Ettől még az ő tudásukra szükség van, csak ők épp nem szoftverfejlesztő mérnökök, mert az egy másik szakma.
Akkor is meg tudom mondani egy kódról, hogy gány, ha éppen nem értem, hogy mit csinál.

Kevered a dolgokat nagyon. Attól, hogy valaki penge bizonyos területén az IT-nak, még nem jelenti azt, hogy mindenhol penge ő és csak rá van szükség, mert a tudása nélkülözhetetlen.
Értheted te, hogy hogyan működik a lineáris regresszió, sokan meg is teszik, de kevesek azok a szoftverfejlesztők, akik a mögöttes matekhoz hozzá tudnának tenni. Lehet, hogy értik, lehet, hogy tanulják, de új tudományos eredményt nem tőlük kell várni.
Mint ahogy egy mechatronikai mérnök is teljesen tisztában van a newtoni fizika módszereivel, a vektorszámításokkal, analízissel, mégsem fog újat mondani a fizikában - és nem is ezért fizetik. És ha fizikusokat alkalmaznának ezeken a helyeken, ők nem tudnának megtervezni egy épületet úgy, mint egy mérnök.

Múltkor KFKI-s fizikusok részecskeszimulációs kódját refaktoráltam, mert használhatatlan volt, szoftvermérnökileg meg egy nagy nulla (a szoftver módosításának és adaptálásnak az alapvető eszköze a copypaste volt modularitás helyett például). És még hatékony se volt, mint utólag kiderült. Pedig PhD-s arcok írták. Csak éppen nem jelent semmit a tudományos fokozat, amikor nem tudományról, hanem mérnökségről van szó.

Beletelt egy kis időbe, mire a publikációk alapján rájöttünk, hogy mit is csinálnak - majd megterveztük, és szoftvermérnöki szakma alapelvei szerint meg is csináltuk. Olyan 20-30%-kal lett gyorsabb az egész, és persze rendesen moduláris meg újrafelhasználható. Mert minőségi szoftvert írni, meg az algoritmust, amit a szoftver implementál, érteni két totál külön szakma.