Jordan Peterson esete a GPT-3-mal.(heheposzt)
Meghallgattam Jordan Peterson egy rövid előadását a GPT-3-ről, amelyben többször is közölte a hallgatósággal, hogy mennyivel okosabb náluk a GPT-3.
Megkérdeztem GPT-3-t, hogy igaz-e az, hogy minden Cauchy-sorozat korlátos. Az Olvasó vagy nem tudja, hogy mit jelent ez az egész, vagy azonnal tudja rá a választ, ez nagyon egyszerű számtan, de nem tanítják gimnáziumban. GPT-3 rossz választ adott, majd egy hosszabb beszélgetésbe elegyedtem vele, és folyamatosan teljesen hibás válaszokat adott, azután is, hogy próbáltam segíteni neki. Azt hiszem már van olyan AI, ami jól választolt volna, de a Large Language Model-ek ilyesmiben nem jók.
Na erre megkérdeztem tőle, hogy mondja el Shakespeare modorában mi Jordan Peterson filozófiája.
“Oh Jordan Peterson, a man of great renown, A professor of psychology, his wisdom profound, His philosophy doth center on the old, Of traditional moral values, as stories of old are told.
Self-improvement and personal responsibility, Are key to his teachings, with great emphasis on ability, To find meaning and purpose in one’s own life, Through personal mythology, free from societal strife.
He doth critique the post-modern and cultural Marxist, And their impact on society, identity and the realist, He advocates for hierarchies and order, And the responsibility to strive for a better border.
Thus, Jordan Peterson’s philosophy is one of great import, A guide for individuals to find their own sort.”
………………………………………..
hehe.
És, ha csak vicces kedvében volt a masina?
Írjon kiberotikus verset! Legfeljebb öt sor legyen, de szóljon szerelemről, árulásról és halálról, a néger kérdésről és a nimfomániáról, legyen benne a bonyolult női lélek extrém konfliktushelyzetben bekövetkező meghasonlásának ábrázolása, a középkori feudális viszonyok és erkölcsök maró bírálata, rímeljen, és minden szó k betűvel kezdődjön!
@aronsatie:
ChatGPT:
https://www.dropbox.com/s/68z8lq3567kggqx/Screenshot_20230115_071731.jpg?dl=0
Hiv.: @aronsatie:
Kiberiáda ?
Konyhába küldött Kunta Kinte későn,
kialvatlan kis kormos kéjkirálynőt.
Kövér könnycseppe koppan kábulatban,
kínok közt keverve kávét, kedvesének
kit kötélre küldött, kilétét kikotyogva.
Pont ma reggel játszottam én is vele. Júniusra kene egy 30 oldalas mémoire-t írnom a hipnotherapeuta diplomamhoz. Valószínűleg jobban le kene szűkítenem a kérdéseim, mért egyenlőre elég általános válaszokat ad, nem fogja sajnos helyettem megírni. Nem tünteti fel a hivatkozásokat sajnos, anélkül meg aszhatom.
@annokkk: Az. Murányi Beatrix elképesztően bravúros fordításában.
Hiv.: @aronsatie:
Én a saját elképesztően bravúros versemet ámulom és bámulom.
Azt hiszem, meg kell ünnepelnem magamat. Kis központozási zavarokkal és egy szóismétléssel, de mekkora zseni vagyok már …. És öt perc alatt.
hozzájárulok én is a kísérlethez:
Q: Compose a poem—a poem about a haircut! But lofty, noble, tragic, timeless, full of
love, treachery, retribution, quiet heroism in the face of certain doom! Six lines, cleverly rhymed,
and every word beginning with the letter s
ez a prompt az angol fordításban
A: Silken strands, sheared with care,
Symbol of a soul laid bare.
Sculpted with precision, sharp and true,
Sign of a spirit, strong and new.
Snipped away, the past and pain,
Sweet release, a new life to gain.
ez a vers a könyvben:
Seduced, shaggy Samson snored.
She scissored short. Sorely shorn,
Soon shackled slave, Samson sighed,
Silently scheming,
Sightlessly seeking
Some savage, spectacular suicide.
Q: You did not recognize the quote I used in my prompt?
A: I apologize, I did not recognize the quote you used in your prompt as it appears to be original. My poem is an original composition created to fulfill the requirements you provided.
Lángoknak lett martaléka
marharépa tartaléka
@aronsatie: Plágium!!!! mondta az ai.
Itt is szórakoztatta magát azzal egy dörzsölt aranyérmes kolléga, hogy IMO feladatokat etetett vele, és nézte a kifolyó bullshitfolyamot. Persze elvárni, hogy jó legyen a kimenet, már demonstrálja azt, hogy valaki abszolút nem érti, hogy mire jó és mit csinál egy nagy nyelvi modell. Ha valami ilyet várunk el tőle, akkor érdemes lenne összekötni valamilyen szimbolikus logikára képes rendszerrel – érdemes rálesni Stephen Wolfram írására, aki már pár évtizede szórakozik hasonlóval: https://writings.stephenwolfram.com/2023/01/wolframalpha-as-the-way-to-bring-computational-knowledge-superpowers-to-chatgpt/
@mr_caiman: https://twitter.com/chrszegedy/status/1502899089192620034 GPT-f, és megoldott pár olimpiai feladatot.
@jotunder:
Ez egy jópofa munka (a poszt mögötti cikk https://arxiv.org/pdf/2202.01344.pdf ügyesen használja újra a korábbi sikeres próbálkozásokat az következő tanítási körökhöz, a curriculumhoz), de a nyelvi modellek továbbra sem elsősorban erre valók. Persze 700 millió hangolható paraméter sok mindenre elég, ezért ha elég adatot és számítási teljesítményt hozzávágsz, kapsz valami érdekeset (ebben az esetben ez közel 70%os sikerességi rátát jelent a minif2f problémacsokron), de ezek a modellek rettenetesen hatékonytalanok, és felfoghatatlanul sok adatot kell felhasználni ahhoz, hogy ez kijöjjön.
Nem amellett érvelek, hogy nem jöhet ki belőle semmi érdekes, hanem amellett, hogy biztosan van erre hatékonyabb módszer is. Mielőtt a lelkes matematizáló hasra esne ezektől az eredményektől, ajánlom, hogy olvassa el a cikkeket is, és ne csak a fenszi blogpostot. Lásd az eredeti GPT-f cikket (https://arxiv.org/abs/2009.03393): csak ahhoz, hogy lefuttassák a teljes training setet, 20k GPU óra kell Tesla V100akon. Ez elképzelhetetlenül sok energia, közel egy teljes percig Paks egy teljes 500 MWos blokkját megenné – és az egész tanításról itt még szó sincs. Adatban az eredeti GPT3 45 terabytenyi szövege fölött a GPT-f megevett 23 GB-nyi Github repót, 10 GBnyi arXiv Math és 2 GBnyi Math StackExchange választ, és erre jött csak rá a saját adatuk, amihez külön mesterséges bizonyításgyártó kódok írtak, ami adott még nekik pár ezer extra bizonyítást. Egy tehetséges diáknak ennek töredéke szükséges ugyanehhez – még a kínai csapat sem edz ennyit (35 GB-nyi bizonyításspecifikus adat kb. 10 millió tömör oldalnak felel meg).
A nagy cégek (OpenAI, Deepmind) cikkeinek az lenne az ideális szerepe az AI közösségben, hogy a rendelkezésükre álló alef1 dollárt olyan, széles körben használható modellek készítésére fordítsák, amiből minél többen profitálni tudnak. A GPT-3 és a ChatGPT ilyenek. Attól, hogy egy kutatóintézeteknek elérhetetlen méretű GPU clusterrel state of the art eredményeket érnek el egy szűkebb problémán, én nem ájulnék el, még akkor sem, ha amúgy nagyon profi a csapat mögötte és rengeteg jó ötlet benne van.
TLDR: Hiába szuperek a Transformerek, nem feltétlenül velük kéne lőni mindenre, IMO problémákra pazarlás. Mielőtt elájulnánk az új state-of-the-art eredményektől, nézzük meg a hatékonysági mutatókat is.
@mr_caiman: én totál ijesztőnek tartom ezt az egészet, és minden olyan információnak örülök, ami arra mutat, hogy erős korlátaik vannak. 🙂
JP egy celeb, a GPT-3 pedig egész jól tud fűzfapoéta szinten verselni. Nincs itt semmi probléma..
@strawdozz:](#comment-323653) a heheposztok esetében nincsenek problémák. 🙂
@mr_caiman:
Okés, de én 6 évig jártam matektagozatra a Fazékba (a nálam öregebbeknek még csak 4 év volt, akkor lett hatosztályos), és mégsem tudtam utána megoldani a diákolimpiai feladatokat (ellentétben egy-két osztálytársammal).
Azt találtam, hogy egy átlagos ember 100 W teljesítményt produkál, azt 6 évig, munkanaponként 2 órában (csak a matekórákat számolva, kicsit felülbecsülve, eltelt azóta 20 év, az órarendeket már kidobtam), az is 3.12 MJ, az 500 MW-os paksi blokk 0,006 s-os teljesítménye. Nem olyan sok nagyságrenddel (4) több, nem?
Azt nem hiszem, hogy egy jó matematikust utol fog érni az AI egyhamar, de egy átlaggimnazistát szerintem hamarosan elfogyaszt reggelire.
Amikor az első számológépek megjelentek az életünkben, az ő teljesítményüket is csodának néztük. Intelligenciát feltételeztünk róluk, mert mi az, hogy valami gyorsabban számol az embernél. El is neveztük őket számítógépeknek. (A debreceni egyetem számítástechnika tanszékén viszont következetesen számológépnek titulálták a computert. Ők tudták miért.) A hőskorban, a nyolcvanas években történt a következő eset egy kedves ismerősömmel, nevezzük Temesvárinak. Az illető úr bátyja a Biogal gyógyszergyárban dolgozott, ahol az öccse valamiért meglátogatta. Ott a báty eldicsekedett az új számítógépükkel, ez már egy miniatürizált modern egység volt, alig félszobányi méretű. És mit tud ez, legalább számolni tud? – kérdezte az ifjabb Temesvári. (Akkoriban közkeletű vélemény volt, hogy a modern computerek mindenfélét tudnak, például mókás rajzokat lehet velük készíttetni, de számolni nem tudnak igazán, hiszen nem számológépek ugye, hanem számítógépek.) – Hát adjál fel neki valamilyen példát, itt a klaviatúra, üsd be a feladatot – mondta a báty. Temesvári beütötte, hogy háromszor négy. Mire a nagy mátrixnyomtató irtózatos hangzavar közepette (ki emlékszik még erre a zakatolásra?) kinyomtatta a választ. “Az körülbelül 11,99, Temesvári úr!”
@szazharminchet:
Mit jelent az, hogy “utolérni”? Bármennyire is szeretünk úgy csinálni a hype kedvéért, mintha ez AGI lenne – nem az. Legrosszabb esetben az történhet a matematikával, mint a sakk világával: a terület művelői egyre gyakrabban nyúlnak számítógépekhez ötletekért. Négy nagyságrend messze nem elhanyagolható, és (jó esetben) az egységsugarú gimnazista másra is képes lesz, mint olimpiai feladatok megoldása. Azt se felejtsd el, hogy még a versenyző osztálytársaid sem olvastak el 10 millió tömör oldal bizonyítást (meglennék lepve, ha az ezer meglenne, így ott is kb négy nagyságrend a különbség). Adott tehát jelenleg egy rendszer, ami tízezerszer annyi energiát égetve feldolgoz tízezerszer annyi bemeneti adatot, mint az a pár ember, aki erre képes, és utána viszonylag elfogadhatóan dobálja nekünk a megoldásokat egy viszonylag korlátozott problémacsoportra. Érdekesnek érdekes, mérnöki teljesítménynek mérnöki teljesítmény, de messze vagyunk még a tényleges érveléstől. Az LLM-ek előbb küldik haza az ügyfélszolgálatosokat és sok HR-es funkciót mint a matematikusokat, az biztos.
@jotunder:
Mitől tartasz? Az emberek által végzett munkák nagy része így is fölösleges, kitalálunk majd újabbakat, ha megszorongat minket az OpenAI:D
Én: összefoglalnád nekem ezt érthetően? “Ahogy fentebb a karakterizációs és a metapoetikus ars poeticák közötti ellentéteket említve már jeleztem, mindennek a szövegtől való elidegenítő hatása is van, sőt, akár ahumánus tendenciák előtérbe kerülésének is kedvezhet, ám ugyanakkor a maga külső, kvázi élmény- és belső értéktranszcendenciával bíró polaritásával az organikusságnak azt a kialakuló lehetőségét is felkínálja, hogy a múlttal és a jelennel együtt a megélendő, a létrehozandó konstituálja a költői nyelv önreprezentációs referenciáját.”
.
ChatGPT: “Az idézet szerint a karakterizációs és metapoetikus ars poeticák között van egy ellentét, ami elidegeníti a szöveget, és ez lehetőséget ad a humánus tendenciák előtérbe kerülésére. Ugyanakkor az idézet szerint ez a polaritás – ami a külső és belső értéktranszcendenciát jelenti – lehetőséget ad az organikusság kialakulására, ami a múlt, jelen és jövő konstituálja a költői nyelv önreprezentációs referenciáját.”
.
Én: lehetne még egyszerűbben?
.
ChatGPT: Az idézet szerint a különböző költői módszerek (karakterizációs és metapoetikus ars poeticák) között van egy ellentét, ami eltávolítja a szöveget a valóságtól, de ezen ellentét segítségével lehetővé válik az organikusság (valóságos) kifejezése a költészetben.
.
Én: tudnál írni egy pár soros költeményt, ami megfelel a fenti elemzésnek?
.
ChatGPT: “A vakító fényben állok,
szemembe csap a nap,
a karakterizációs ars poeticával
a valóságot látom.
.
De a metapoetikus szóval
elidegenítve állok itt,
a humánus tendenciák előtérbe kerülnek,
a valóság eltűnik.
.
Az organikusság lehetősége
mégis felajánlja magát,
a múlt és jelen összekapcsolódva
a költői nyelv önreprezentációja.”
.
Azon túl, hogy a vége vicces, és nem magyarul kéne abúzálnom, a nyelvi AI az első pár lépésben teljesít nagyon durván jól. Illetve, programozásban, azt majd próbáljátok ki, arra külön rágyúrtak. Jordan Peterson szegény meg kezd nagyon bulvárosodni. Kár.
@mr_caiman:
Utolérésen azt értem, hogy azokat a feladatokat, amiket egy nagyon jó matekos gimnazista meg tud oldani, az AI is meg fogja tudni. Nem feltétlen a ChatGPT-hez hasonló, arról itt volt fentebb szó, de van más jelölt. Az, hogy mennyi energiával, az nagyjából irreleváns. A villany olcsóbb, mint a Nutella, és lehet, hogy többet kell a gépnek elolvasnia, de több Mb/s-el teszi.
Nyilván az extrapoláció bátor, elvégre a 60-as és 70-es években is próbálkoztak szövegértéssel, egy, iskolai szöveges feladatokra kihegyezett (LISP) programot ki is próbáltam. Egy-két példát megoldott, aztán a harmadikon elhasalt. Néztem, hogy meddig jutott, és kiderült, hogy lineáris egyenletekig jól fordította le magának a szöveges feladatot, de a beépített Gauss-elimináció nem pivotált, és volt egy 0 a főátlóban. Az a program viszont szinte semmi mást nem tudott, mint lineáris egyenletekre lefordítható iskolai feladatokat megérteni. A “milyen idő van” kérdésre visszaadta a promptot.
Azt is érdemes viszont megjegyezni, hogy az alkalmazott matematika sokszor “gépiesebb”, mint a diákolimpia. Nem lepne meg olyan irtózatosan, ha még az én életemben a fizika jelentős részében már meg lehetne oldani a feladatokat gy, hogy a modellezési lépés után sokszor a gépre bízzuk (“számold ki a foton-foton szórást a standard modellben hat hurok rendig”).
És hogy miért izgat? Mindig csak az olyan tevékenységek tudtak érdekelni, ami valamiért “emberi”, nem jobb benne egy állat. Nem érdekel, hogy mennyit tud valaki felemelni, egy elefánt többet tud, illetve egy csigasor segítségével én is. Nem érdekel, hogy ki úszik csak egy nagyságrenddel lassabban, mint egy szardínia, attól függetlenül, hogy a többség kettővel. Már egy ideje nem tud érdekelni a sakk, ha már a világbajnokot legyőzi egy gép (oké, a dolog mesterkéltsége miatt előtte sem érdekelt, nem egy megoldandó probléma, hanem egy kreált). Akkor inkább az érdekel, hogy hogy működik a program. Lehet, hogy majd a matek helyett kénytelen leszek egyszer a hajómodellek palack belsejébe való építése iránt érdeklődni. [Nyilván a nem érdekel itt arra vonatkozik, hogy ha más csinálja. Attól még érdekelhet szórakozásból valami, kirándulni is megyek, pedig már felfedezték előttem azt a tájat.]
Hiv.: @ganjagym:
Egyszerűen mondd neki, hogy adja meg a hivatkozásokat. Talán még azt is megmondhatod, hogy mit használjon ha ismeri. Én a lányom egy gimnáziumi feladatát oldattam meg vele kíváncsiságból. (pár oldalas ismertetés a datizmusról) Teljesen vállalható lett az eredmény ehhez tartalmilag és formailag is. És hivatkozásokat is adott.
@szazharminchet:
“az AI”: nem mindegy, hogy melyik, mennyire általános algoritmustól várod el ezt. Egy általános agentet szeretnél, ami a szöveges interakciókon túl képes mondjuk robotkarokat is irányítani meg klasszikus Atari játékokkal játszani (https://arxiv.org/abs/2205.06175) vagy megelégszel egy specialistával, amelyiknek csak az a dolga, hogy matematizáljon/IMO-t oldogasson/a fizikai problémák egy szűk részhalmazát gyúrogassa? a nehézségi különbség ezek között óriási.
nem vagyok fizikus, így nem tudok nyilatkozni arról, hogy a “gépiesebb” fizikával mit kezdenek ezek a modellek, de könnyen lehet, hogy ezeket előbb megoldaná valami Wolfram Alpha-szerű szimbolikus módszer, mint egy Transformer, ami az egész nyelvet is modellezni szeretné mellé.
“A villany olcsóbb, mint a Nutella”: jelenleg nem annyira: ahogy mondtam, nem véletlen, hogy csak a nagy cégek tudnak ilyen cikkeket írni – nincsen olyan egyetem a világon, ami megengedhetne magának ekkora villanyszámlát, a hardverről nem is beszélve. A GPT3 egyetlen (!) tanításához 936 MWh-ot becsültek, gyors guglizás után, úgy nézem, ez kb. 54 294 364 forintba kerülne (jó sok nutella).
A lineáris egyenletrendszeres LISP-es megoldó jó mókának hangzik, megnézném a forráskódját:D
@mr_caiman:
Célprogram is okés. A sakknagymestereket obsolete-té tevő program is csak sakkozni tud.
Amúgy nem a fizikára mondtam, hogy gépiesebb, hanem a már felállított modell megoldására. És természetesen vannak kivételek, amikor a matekot is ki kell találni, de vannak matematikai módszerek is, amikor majdnem receptet követsz, ha már olyan alakra hoztad a problémát. A Wolfram Alpha-t kevésbé ismerem, amennyire láttam, inkább egy front-end a Mathematica-hoz, és az ilyen problémákat sem old meg, hanem az általam csinált számolás algoritmikus részeit automatizálja (és nem felejti el a harmadik tagot sem átmásolni, amikor lapozni kell).
Amit mondasz, az tényleg jó drága, de annyi Nutellával kellene összehasonlítani, amennyi ahhoz kell, hogy elég random választott gimnazistát taníts 4-6 éven át, hogy legyen köztük egy diákolimpikon. Mi harmincvalahányan voltunk az osztályban, ebből 2 matekos diákolimpikon.
A lineáris egyenletes program szerintem Dobrow STUDENT-je volt, Norvig Paradigms of Artificial Intelligence Programming c. könyvéből. Fent van a githubon, norvig/paip-lisp.
@szazharminchet:
Köszi a repót, megnézem mindenképpen.
“annyi Nutellával kellene összehasonlítani, amennyi ahhoz kell, hogy elég random választott gimnazistát taníts 4-6 éven át, hogy legyen köztük egy diákolimpikon”: meglódult az infláció, de azért annyira nem, hogy 54 millió legyen 30 gimis heti n matekórája:D lehet, hogy kaputologatás, de azért leszögezném, hogy egy gimis csapat jóval többet profitál abból az oktatásból, mint egy GPT-f-szerű specialista megoldóprogram. Ahogy az amcsi csapat felkészítője, Po-Shen Loh mondta, nem arra készülnek, hogy mind aranyérmet hozzanak, hanem arra, hogy kiváló kreatív gondolkodó legyen belőlük.
A Wolfram Alpha valóban nem old meg jelenleg ilyesmit, de a megközelítése (fordítsd le az emberi nyelvet a saját szimbolikus nyelvedre, manipuláld ezeket a struktrúrákat elmagyarázható módon, lásd itt https://writings.stephenwolfram.com/2023/01/wolframalpha-as-the-way-to-bring-computational-knowledge-superpowers-to-chatgpt/) sokkal organikusabban kapcsolódik a természettudományokhoz, mint egy GPT-féle Transformer (ami kontextusokban gondolkodik csak).
@mr_caiman:
Oké, akkor számolj úgy, hogy egy egész ország összes gimiséből lesz öt diákolimpikon. Az a harminc nem random választott volt.
De nyilván nem erről van szó, a diákolimpia nem önmagában cél, sokkal fontosabb az, hogy sokan matekoztak, profitáltak belőle. De kívülállók számára azért kevésbé érdekes az, hogy ki a legjobb valamiben, ha a gép nála is jobb.
@vattablz: A sztori aranyos, de nyilvánvalóan kitaláció. Nem volt a nyolcvanas években semmilyen olyan félszobányi számítógép, aminek egy programozáshoz nem értő, csak úgy odaülve, begépelve, feladatot tudott volna adni — kivéve, persze, ha valaki direkt írt neki egy ilyen programot. És ha nem szándékosan csinálta valaki, akkor természetesen nem kapott volna közelítő választ. A “Temesvári úr” toldalék meg még amúgy is egyértelművé teszi.
@Péter 2: : “ChatGPT”-szerű 🙂 próbálkozás – kapaszkodj meg – már a ’70-es években volt Mo-on (teljesen unofficially privátpróbálkozás (“mire jó a prolog?” felkiáltással), nyilván nagyon nemprivát (tornateremnyi) hardveren ;-)). Szavahihető hamistanúk szerint néhány vicces momentumot eredményezett (nomeg egy korai prolog interpreter megvalósítást – valszeg az volt az igazi teljesítmény, de a vasfüggöny mögött…).
@ijontichy: Van itt erről ( mármint a korai magyar prologról és egy kicsit a ChatGPT szerűről) a kiváló Szeredi Péter tollából, akinek annyi esze van, hogy mindig azt kerestem, hol van a talicska amiben hordja, mert a fejében ennyi nem férhet el. Pedig jó nagy feje is van.
@nyulambator: NIMIGÜSZI… kedvenc gyerekkori szavam volt.
@jotunder: Bennfenteseknek guminyuszi.
@jotunder: : Japánból jött is levél: Dear Mr. Nimigusi ;-).
@nyulambator: : Hát, elvégre kisszeredinek volt némi köze hozzá… (ICL 1903-on)
@ijontichy:
Végülis hosszú út vezetett az ELIZA-tól a ChatGPT-ig. Valahol lehetett benne aritmetikai is, ilyesmit a STUDENT is tudott.
Amúgy az anekdotának egészen régi változatai vannak, még logarléccel is. De azt senki nem olvasta volna le úgy, még ha nem is esett volna pont egész osztásra a vonal.
@Péter 2: Azért ezek a közelítő válaszok ma is velünk vannak.
Írd be az Excel egy cellájába, hogy =1-0.1-0.1-0.1-0.1-0.1-0.1-0.1-0.1-0.1-0.1 vagyis vonj ki az 1-ből tízszer 0.1-et. Ez minden józan számítás szerint 0 lenne, de az Excel szerint ez 1.38778E-16. Igaz, Temesvári urat nem említi.
@nyulambator: : Egyszer volt, hol nem volt, talán igaz se volt… amikor még a CPU felhasználás minden másodpercéért keményen fizetni kellett, és a papíros outputok látványától ma egy környezetvédő harakirit követne el :-)… (megvan?) szóval volt egy vállalati rendszer. Havonkénti batch forgalomfeldolgozás, főkönyvi feladás… stb. ahogy az akkor illett. Év végén meg jött egy tételes, göngyölt forgalmi kimut. amitől szerte az országban remegett a raktárosok térde, lévén az a rovancs alapja, és a bizonylati fegyelem nem tréfadolog (haha).
Ifjú titánként ez utóbbi kimatatást képes voltam – fixed dec helyett – float használatával elkövetni (a korabeli mainframe-n sokkal gyorsabb, és kevesebb CPU felh). Amivel nem számoltam, az az aritmetikából eredő side effect, és az illető vállalat becsületben megőszült számvitelfőnöke. Mert mikor a december végi főkönyv és a göngyölt végi számokat meglátta, elborzadt. 23 (igen, huszonhárom) fillér (igen, fillér) eltérés mutatkozott. “Ez nem jó, fiam! Ráadásul többlet, az rosszabb, mint a hiány!”. Mondhattam én bármit, csak a fejét ingatta: “Ez nagy baj fiam, nagy baj, hozzák helyre!”.
Én már akkor sem szívesen pocsékoltam a drága papírt (a CPU időről nem is beszélve :-)), szóval hamar meglett a megoldás: célprogram. Spoolból az utolsó 10 lap újra, végére vágva a kívánt végösszegek, amiket egy akkurátusan sk. elkészített lyukkártyáról (igen, arról!) olvastam fel. Büszkén jelentettem, hogy megvan a hiba, és bezsebeltem a “Na látja fiam, tud maga, ha akar!” dícséretet. Nem sírom vissza a kort, de azért néha nosztalgiával gondolok arra, amikor 23 fillér – a “rend a lelke mindennek” nevében – kicsit fontosabb volt. Konzervativizmus? A jelen konzervjei elmehetnek a …ba :-D.
@fuhur: Az én tapasztalatom: szemrebbenés nélkül ad hivatkozásokként nem létező cikkeket. Amikor szóvá teszed, bocsánatot kér és ad egy másik nem létezőt. Ritkán téved, azaz ritkán ad meg létező cikket.
@ijontichy:
Mindig csodálkoztam az ilyeneken, amikor nagyságrendekkel több erőforrást használnak valamire, mint amit ér. Pl. a posta megmérhette volna a kétforintosokat (amit régebben akkor szerettek megszámolni, amikor épp bement az ember csomagot átvenni). Ki lehet számolni, hogy hánnyal kevesebb postás kellett volna, és még egyel kevesebb lehetőség is lett volna packázni az állampolgárral.
@szazharminchet: Ilyenkor szokták azt mondani, hogy vannak magasabb szempontok — mint az átkosban a teljes foglalkoztatás fenntartása. Vagy a jelen kistelepülési közfoglalkoztatási programokban a polgármestertől való közvetlen függés megteremtése és fenntartása.