Как вы считаете смогут ли компьютеры научиться понимать смысл данных

Обновлено: 06.07.2024

Обо всех изменениях в окружающем мире человек узнает с помощью своих органов чувств: сигналы от них («первичная» информация) постоянно поступают в мозг. Чтобы понять эти сигналы, то есть получить информацию, человек использует знания – свои представления о природе, обществе, самом себе. Знания позволяют человеку принимать решения, определяют его поведение и отношения с другими людьми.

Можно считать, что знания – это модель мира, которая есть у человека. Получив информацию («поняв» сигналы, поступившие от органов чувств), он дополняет свои знания.

Когда человек хочет поделиться с кем-то своим знанием, он может сказать «Я знаю, что…» или «Я знаю, как…». Это говорит о том, что есть два разных вида знаний. В первом случае знания – это некоторый известный факт, например, «я знаю, что Луна вращается вокруг Земли». Такие знания называются декларативными, человек выражает их словами (декларирует). Декларативные знания – это факты, законы, принципы.

Второй тип знаний («Я знаю, как…») называют процедурными. Они выражаются в том, что человек знает, как нужно действовать в той или иной ситуации. К процедурным знаниям относятся методы решения различных задач, например, «я знаю, как найти площадь прямоугольника».

Мы увидели, что существуют достаточно тонкие различия между понятиями «данные», «информация», «знания». Тем не менее, на практике чаще всего всё это называется общим термином «информация».

1. Что изучает информатика?

2. Как человек получает информацию?

3. Чем отличается текст от набора символов?

4. Почему числовую информацию иногда не выделяют как отдельный вид?

5. К какому виду информации относятся видеофильмы? Почему?

6. Что такое тактильная информация?

7. Всякая ли информация увеличивает знания? Почему?

8. Какими свойствами должна обладать «идеальная» информация?

9. Приведите примеры необъективной, непонятной, бесполезной, недостоверной, неактуальной и неполной информации.

10. Может ли информация быть достоверной, но бесполезной? достоверной, но необъективной? объективной, но недостоверной? актуальной, но непонятной?

11. Приведите примеры своих декларативных и процедурных знаний.

12. В чем, на ваш взгляд, разница между понятиями «данные», «информация», «знания»?

13. Почему считают, что компьютер может работать только с данными?

14. Какие изменения произошли в жизни общества в результате широкого распространения Интернета?

15. Как вы считаете, смогут ли компьютеры научиться понимать смысл данных?

Первое, что меня смутило, — это сам вопрос — сможет ли компьютер когда-нибудь понимать текст так, как его понимает человек. А что, собственно, значит «понимать как человек»? Или даже не так, что вообще значит «понимать»? В книге Data Mining: Practical Machine Learning Tools and Techniques авторы задаются схожим вопросом — что значит «быть обученным». Допустим, что мы применили к «интерпретатору» некоторую технику обучения. Как проверить, обучился он или нет? Если студент ходил на все лекции по предмету, это ещё не значит, что он его выучил и понял. Чтобы проверить это, вводят экзамены, где студента просят решить некоторые задачи по теме предмета. То же самое и с компьютером — узнать обучился ли он (понял ли он текст) можно только проверив, как он решает конкретные прикладные задачи — переводит текст, выделяет факты, выдаёт конкретное значение многозначного слова и т.д. В таком ракурсе понятие смысла вообще теряет первостепенное значение — смыслом можно считать просто какое-то состояние интерпретатора, в соответствии с которым он обрабатывает текст.

Многозначные слова

Далее автор оригинальной статьи приводит пример перевода предложения «Первым Николай распечатал письмо от Сони», указывая на несколько возможных вариантов перевода слова «распечатал» с совершенно разными значениями. Человек может легко понять, о чём идёт речь, но может ли машина?
Для того, чтобы ответить на этот вопрос, рассмотрим, как сам человек принимает решение о том, в каком смысле употреблено данное слово. Думаю, все согласятся, что в первую очередь при решении такого рода задач ориентируемся на контекст. Контекст может быть представлен явно — в виде предложений, обрамляющих данное, либо неявно — в виде совокупности знаний о данном предложении (в нашем случае — знание о том, что предложение взято из романа «Война и Мир», знание о времени, когда происходит сюжет, и знание о состоянии прогресса на тот момент).

Для начала рассмотрим первый вариант — использование контекстных предложений. Предположим, что у нас есть две пары предложений: «Первым Николай распечатал письмо от Сони. При свете лучины читать его было сложно» и «Первым Николай распечатал письмо от Сони. Принтер барахлил, поэтому местами были понятны не все символы». Во втором предложении каждой пары присутствуют ключевые слова, которые позволяют нам однозначно идентифицировать смысл слова «распечатал» в предыдущем предложени — в первом случае это «лучина», во втором — «принтер». Вопрос: что мешает компьютеру проделать тот же манёвр, чтобы узнать настоящий смысл слова под вопросом? Да ничего. На самом деле системы по определению значения слова уже давно используются на практике. Так, например, индекс tf-idf широко используется в поисковых движках при вычислении релевантности. Как правило, собирается информация о совместной встречаемости слов («распечатывать» и «лучина», «распечатывать» и «принтер») и на её основе выбирается более релевантный документ или более точный вариант перевода слова.

С неявным контекстом, то есть с набором знаний о обстоятельствах, всё несколько сложней. Простым сбором статистики тут не обойдёшься — нужны именно знания. А что вообще такое знания, как их можно представить? Одним из способов представления являются онтологии. В простейшем случае онтология — это набор фактов вида <Subject, Predicate, Object>, например, <Николай, является, Человек>. Построение самих онтологий даже для конкретной предметной области — это дело, мягко говоря, немаленькое. Немаленькое, но не невыполнимое. Есть ряд инициатив, таких как Linked Data, в рамках которых люди собирают с миру по нитке и строят паутину взаимосвязанных понятий. Более того, существует ряд вполне успешных наработок по автоматическому извлечению фактов из текста. Т.е. из предложения «Первым Николай распечатал письмо от Сони» можно автоматически вывести факты <Николай, распечатал, письмо>, <Письмо, от, Сони> и т.д. В качестве open-source примера таких разработок может служить Stanford Parser, который довольно неплохо понимает структуру предложения на английском языке. А некоторые компании, такие как InventionMachine (ссылку вставлять не буду, ибо и так реклама) вообще строят свой бизнес на системах извлечения фактов.
Однако я отвлёкся. Итак, будем считать, что у нас уже есть более или менее полная онтология для нашей предметной области. Для простоты также предположим, что собрана она людьми, поэтому слово «распечатать» в ней представлено несколько раз — по одному разу на каждый смысл этого слова. В смысле «открыть» это слово может образовывать факты <[Кто-то], распечатал, посылку>. В смысле «пустить на печать» оно может быть использовано в фактах <распечатать, на чём, принтер>. Наконец, предположим, что в нашей онтологии уже присутствуют знания об обстоятельствах. В таком случае задача определения правильного смысла слова сводится к отображению всех фактов предлжения на онтологию для всех возможных значений слова «распечатать» и выбору того значения, в окружении которого больше всего известных фактов (как фактов об обстоятельствах, так и фактов, извлечённых непосредственно из предложений).

Перед тем, как идти дальше, сделаю несколько выводов:

1. Статистика является мощным инструментом анализа текста.
2. Извлечение знаний (фактов) из текста является реальностью.
3. Создание базы знаний о предметной области является сложной, но выполнимой задачей.

Другие задачи

Далее автор статьи приводит, на мой взгляд довольно сумбурно, ряд конкретных задач, которые компьютеру якобы абсолютно неподвластны. Спорить не буду, некоторые задачи действительно довольно сложны. Сложны, но не неподвластны. Ниже в произвольном порядке будут приведены упомянутые задачи с возможными вариантами их решения, но сначала ещё несколько слов о самой дисциплине обработки естественных языков (natural language processing).

С точки зрения NLP, текст представляет из себя набор признаков. Этими признаками могут быть слова (корни и формы слов, падеж, регистр букв, часть речи), знаки препинания (особенно те, что ставятся в конце), смайлы, предложения целиком. На основании этих признаков могут строиться и более сложные — n-граммы (последовательности слов), оценочные группы (appraisal groups, те же последовательсности, но с указанием оценки, например, «very good»), слова из заданных словарей. И даже более сложные — аллитерация, антонимия и синонимия, омофоны и т.д. Всё это может быть использовано ~~против вас в суде~~ в качестве индикаторов при решении тех или иных задач обработки текста.

Итак, сами задачи.

Определение настроения текста

Вообще автор предложил не совсем понятное деление — текст весёлый и текст грустный. В голову приходят три варианта классификации:

1. Текст оптимистический/пессимистический.
2. Положительный/отрицательный (например, отзыв).
3. Юмористический/серьёзный.

Так или иначе, это задача классификации, а значит для неё могут быть использованы стандартные алгоритмы, такие как Naïve Bayes или SVM. Вопрос только в том, какие именно признаки брать из текста, чтобы добиться максимальных результатов классификации.
Классификацией текста на оптимистический и пессимистический никогда не занимался, но бьюсь об заклад, что в качестве признаков достаточно использовать корни всех слов. Результаты можно ещё улучшить, если составить словари для каждого из классов. Например, в «пессимистический» словарь могут войти такие слова как «грустно», «одиночество», «печалька» и т.д., а в «оптимистический» — «круто», «йоу», «весело».
Классификация отзывов и прочего user generated content, показывающего отношение говорящего к некоторому объекту (к новой фотокамере, к действиям правительства, к компании Microsoft) в последнее время получила настолько широкое распространение, что даже была выделена в отдельную область — извлечение мнений (opinion mining, a.k.a. sentiment analysis) ([1], [2]). Есть много подходов к извлечению мнений. Для текстов, состоящих хотя бы из 5-6 предложений хорошо себя показали оценочные группы [3] (с результатом до 90.2% правильно определённых мнений). Для более мелких текстов (например, твитов) приходиться использовать другие признаки — слова из предопределённых словарей, регистр букв, смайлы и т.д.
Задача определения юмористического текста не так популярна, но и по ней существуют определённые наработки ([4]). Как правило, для определения юмора используется антонимия, аллитерация, а также «взрослый сленг».
Стоит также заметить, что не только юмор, но и сарказм с иронией компьютер также уже умеет вполне успешно распознавать. Ну, в любом случае лучше, чем Шелдон Купер.

Идеология автора

А также его компетентность, подход к работе, отношения к семье и скрытые комплексы. Всё, что отражено в тексте, может быть найдено. Даже то, что не видит среднестатистический человек. Достаточно выделить подходящие признаки и правильно обучить классификатор. Да, возможно, результаты будут не очень точны, но, например, Википедия вообще утверждает, что и среди людей подобные вещи способны правильно определить лишь 70%, а 70% — это ниже среднего для таких классификаторов.

Метафоры, поговорки и умолчания

Все эти задачи требуют дополнительной информации. Если у вас есть готовая онтология для предметной области, найти объекты со схожими свойствами не составит труда — для этого вводится некая мера близости, расчитываемая на основании статистических данных, и ищется наиболее «релевантный» объект.

Автоматический перевод

Как я уже указал выше, проблема с определением конкретного значения многозначного слова при автоматическом переводе может быть решена с помощью статистического анализа. Поэтому единственной реальной проблемой становится генерация грамотно сформированного текста. Здесь есть две подзадачи:

1. Правильное определение связей между словами.
2. Правильное отображение найденных конструкций в новом языке.

Задача определения связей между словами по сути является всё той же задачей классификации, где классами являются все возможные отношения между словами. Такие библиотеки как Stanford Parser используют вероятностные классификаторы и теорию нечётких множеств, чтобы определить наиболее «правильный» вариант связей между словами.

А вот с отображением найденных конструкций в новый язык действительно существуют проблемы. Но проблемы эти в большей степени не компьютерного, а как раз переводческого характера. Профессиональные переводчики никогда не указывают языки, которые знают — вместо этого они указывают направления перевода. Например, переводчик может уметь переводить с итальянского на русский, но не с русского на итальянский. То есть, конечно, кое-как сделать обратный перевод они смогут, но далеко неидеально. Проблема состоит как раз в отображении конструкций одного языка в другой, в котором прямого аналога может тупо не быть. Что делать в таком случае — непонятно. Поэтому не только компьютерная, но и обычная теоретическая лингвистика продолжает развиваться, выводя всё новые и новые правила. В то же время с точки зрения компьютерной реализации нет ничего сложного в том, чтобы заложить созданные правила в программу автоматического перевода.

Большая проблема

Итак, компьютеры уже умеют выделять факты из текста, понимать настроение автора, распознавать сарказм и многое другое. Так в чём же проблема, почему до сих пор не существует универсальной «читалки», которая могла бы взять текст и решить все задачи, которые может выполнить человек? За несколько лет практики в NLP я пришёл к выводу, что системы интеллектуальной обработки текста сложно комбинировать. Создание систем из нескольких компонент не только вызывает комбинаторных рост связей между ними, но и требует учёта всех зависимостей вместе с их вероятностными показателями. Например, для извлечения мнений можно использовать машинное обучение или созданные вручную правила. Однако если совместить оба этих подхода, встаёт вопрос о том, в какой степени каждый из них должен влиять на результат: от чего это будет зависеть, какова природа этих зависимостей, как вычислить численные параметры и т.д. Область обработки естественных языков всё ещё находится в своём подростковом возрасте, поэтому пока человечество способно создавать только системы для решения локальных задач. Что получится, когда все локальные задачи будут решены, и хватит ли у человека способностей (памяти, скокрости мышления), чтобы скомбинировать всё наработанное, предсказать сложно.

Одной из самых громких премьер 2015 года был научно-фантастический фильм Ex Machina режиссера Алекса Гарленда. Молодой программист приезжает на неделю «в гости» к своему руководителю. И вопреки своей воле становится участником эксперимента. Босс знакомит его с роботом Авой, демонстрирующим все признаки наличия человеческого сознания. У Авы конвенционально красивое женское лицо, и она ведет себя как девушка, стараясь понравиться главному герою.

По сюжету тот самый программист «покупается» на демонстрируемые роботом эмоции и его/ее страдания от нахождения в заточении у злого компьютерного гения. Однако в итоге Авой движет не симпатия к человеку, а желание получить свободу, поэтому все для парня заканчивается очень печально. Но в целом главный вопрос фильма так и остается без ответа: действительно ли робот сумел развить в себе сознание, или это всего лишь талантливая работа его создателя, сумевшего создать превосходную имитацию?

Тест на человечность

Впервые вопрос о том, может ли машина мыслить, в научной среде был поставлен в 1950 году британцем Аланом Тьюрингом. Тогда математик и криптограф опубликовал в издании Mind статью под названием «Вычислительные машины и разум», в которой предложил идею эмпирического теста, позволяющего установить наличие сознания у компьютера.

Идея теста Тьюринга такова: испытуемый, живой человек, общается с двумя собеседниками, не видя их. Один из собеседников — тоже человек, другой — компьютер. Беседа ведется в режиме переписки, чтобы тестировать именно вероятный интеллект компьютера, а не его способность распознавать устную речь. Задача машины — ввести испытуемого в заблуждение, выдав себя за живое существо, обладающее полноценным сознанием.

Диаграмма, описывающая главную дилемму теста Тьюринга. Чтобы пройти его, искусственный разум должен быть «в меру неразумным». Фото: Time Toast

Тест Тьюринга хорош тем, что условному компьютеру недостаточно просто понимать значение слов, которые используются в беседе — необходимо разбираться в теме разговора, рассуждать и использовать живой язык. А тема разговора условиями теста никак не ограничена: можно общаться как о правах женщин, так и о преимуществах пельменей перед равиоли. Вдобавок к этому, тест Тьюринга позволяет определенным образом измерить наличие интеллекта и мышления — понятий, в определении которых современные философы попросту «тонут».

Мальчик Женя и разум без сознания

Алан Тьюринг создавал свой тест на заре развития компьютерной техники, но смотрел далеко в будущее: по его мнению, уже к 2000 году компьютеры по итогам пятиминутного теста смогут обмануть около трети испытуемых. При этом им понадобится не более 125 мегабайт оперативной памяти. С датой ученый немного ошибся: впервые достичь подобного результата искусственный интеллект смог достичь в июне 2014 года. Тогда программа, написанная выходцами из бывшего СССР и представлявшаяся собеседникам 13-летним мальчиком Женей Густманом из Одессы, сумела убедить в своей человечности 33% испытуемых.

За аватаркой Жени Густмана скрывался искусственный разум. Фото: Business Insider

Что этот результат означает? Компьютер сумел почувствовать себя подростком, который любит морских свинок и гамбургеры, многого не знает и допускает естественные грамматические ошибки? Или образ стереотипного подростка был удачно имитирован? Скорее всего — второе, и вот почему.

Известный специалист по нейробиологии, исследователь проблемы возникновения сознания Антонио Дамасио утверждает, что в основе формирования очеловечивания лежат эмоциональные реакции. Без них можно вести речь лишь о понимании (cognition в терминологии Дамасио), но никак не о полноценном сознании. Машина, которая понимает, но не осознает то, что она понимает и как пользуется этим пониманием, вполне может побеждать людей в интеллектуальных играх — например, в телевикторине Jeopardy (аналоге российской «Своей игры») или игре в го, одной из самых сложных для искусственного интеллекта. Однако ни о каком наличии разума тут речи не идет.

Тело и цель как путь к сознанию

Почему же у человека есть сознание, а у компьютера, гораздо более совершенного во многих вопросах, оно отсутствует? Согласно одной из работ того же Дамасио, все дело. в уязвимости. Исследователь искусственного интеллекта и когнитивист Марвин Мински утверждал, что сознание — «то, что связывает ум с телом». Тот же Мински в одном из своих интервью утверждал: «Не найдется программного обеспечения, в котором есть структура под названием “цель”».

Следовательно, появление искусственного интеллекта, обладающего сознанием, реально в том случае, если этот самый интеллект:

Прежде, чем начать, хотелось бы обратиться к «бывалым» завсегдатаям нашего любимого сайта, поскольку я предвижу различную реакцию на появление материалов для новичков. Прежде всего, вспомните себя в начале своего «компьютерного пути». Вам также было необходимо с чего-то начинать. И теперь, когда вы достигли недосягаемых вершин и можете с уверенностью назвать себя Камрадом, вам не пристало свысока смотреть на неопытных пользователей. Вместо этого вы можете передать им свой бесценный опыт, чтобы он не оказался в забвении, и получать от этого наставническое удовлетворение. Кроме того, любому сообществу всегда требуется «молодая кровь», иначе оно деградирует и растворится в бесформенную массу. Поэтому скажем новичкам — добро пожаловать!

MSI RTX 3070 сливают дешевле любой другой, это за копейки Дешевая 3070 Gigabyte Gaming - успей пока не началось

Итак, начнём! С каждым годом реальный мир на планете всё более и более компьютеризируется. Каждый человек всё чаще испытывает потребность в знаниях в этой области. Но если вы почувствовали, что вам все эти новейшие технологии цивилизации ещё и интересны, то у вас есть шанс получить увлечение на всю жизнь! Именно с этого чувства зарождается компьютерный энтузиаст – человек, для которого компьютеры и всё, что с ними связано стали неотъемлемым хобби на протяжении всей жизни. Не важно, сколько вам лет, какие у вас знания, образование и какой у вас доход. Компьютерный мир необъятен и он подарит вам общение, знания и море положительных впечатлений, которые не иссякнут никогда! Вы даже сможет стать фанатом определенного лагеря, как в футболе, и вести непримиримую борьбу с оппонентами.

Прежде всего, с настроя. Для того, чтобы стать компьютерным энтузиастом вам потребуется получить огромное количество знаний. На это потребуется время. Но не стоит пугаться этого – новые знания будут приносить вам удовольствие. Всю информацию вы будете получать из интернет-ресурсов. Черпайте знания из как можно большего количества источников. Ведь сколько людей, столько и точек зрения. И со временем вы будете чувствовать себя как рыба в воде: научитесь разбираться в устройстве компьютеров, сможете самостоятельно подбирать комплектующие, производить сборку и настройку компьютеров, производить модульный ремонт, настраивать программы, станете уверенным пользователем интернета, будете разбираться в терминологии, сможете разгонять комплектующие (стать оверклокером), научитесь майнить криптовалюты, в конце концов. Кроме того, поднимется и ваша самооценка. А ваши родные, друзья и знакомые будут считать вас незаменимым человеком. В этом хобби нет каких-то планок, которые перед вами кто-то ставит, нет сроков и неразрешимых задач. Всё решаете вы сами! Вы – свободный художник!

Самое первое, что вам необходимо усвоить — это что такое компьютер и из каких основных частей он состоит. Определение компьютера вы найдёте сами, а по его составным частям мы кратко пройдёмся сейчас. Простым языком, компьютер состоит из системного блока и периферии.

Большая коробка, которая стоит под вашим столом это и есть системный блок. Не называйте его процессором, поскольку это моветон и неверное определение. В обиходе допустимо называть его компьютером, «компом», «системником». Его внутреннее устройство на самом деле довольно простое. Хотя компоненты, из которых он состоит, являются вершиной человеческой мысли. После прочтения статью вы сможете аккуратно открыть левую боковую крышку вашего системника и уже самостоятельно взглянуть на его устройство. Это так же увлекательно, как разобрать в детстве новую игрушку, чтобы посмотреть что внутри. Не забудьте предварительно его полностью обесточить и на данном этапе ничего не касайтесь. Приступим к изучению компьютерной анатомии.

1. Корпус.

Корпус — это скелет компьютера, на который крепятся все детали (комплектующие). Корпусов бесконечное количество видов. Для начала разберитесь в форматах корпусов. В первую очередь он определяется форматом поддерживаемых материнских плат. Основные: E-ATX, ATX, Micro-ATX и Mini-ITX. По мере углубления знаний вы узнаете о таких характеристиках как: качество изготовления, функциональность, «продуваемость», количество слотов расширения, пылезащищенность, наличие актуальных и дополнительных функций. Есть и такая характеристика как «крутость» внешнего дизайна. Существует даже целое направление по дизайну — моддинг.

2. Материнская плата.

Материнская плата является связующим звеном между всеми комплектующими. Все они подключаются к ней для совместной работы. Это сложное техническое устройство. Наши гуру называют их нежно: «мать», «материнка» или «мамка». Основные форматы материнок описаны выше. Разные материнки поддерживают разные типы комплектующих (процессоров, оперативной памяти и прочих дискретных устройств). Получите максимум знаний по данному устройству. Без них вы не сможете самостоятельно производить сборку компьютера или его апгрейд.

3. Процессор.

Центральный процессор – основное вычислительное устройство, исполняющее код программ. Это «соображалка» компьютера. А вкупе с оперативной памятью и устройством хранения он образует мозг вашего компьютера. Процессор устанавливается только в ту модель материнской платы, которая его поддерживает. Это важнейший элемент системы. Подробные знания об устройстве процессора можно получить из обзоров. Выбирайте первые качественные обзоры процессоров новых линеек. Там часто разбирается архитектура, которая помогает понять внутреннее устройство процессора. Сгодятся и качественные обзоры прошлых лет. Набирайте максимальную базу знаний по процессорам.

4. Оперативная память.

В оперативной памяти компьютер хранит данные, которые он использует в текущий момент или собирается использовать в процессе работы. Она энергозависимая и после выключения компьютера все данные из неё пропадают. Начните с того, что узнайте типы оперативной памяти (для ПК, серверов, DDR3, DDR4). Затем узнайте о частотах, вольтажах, типах используемых чипов и их компоновке, типах охлаждения чипов.

5. Накопители HDD и SSD.

В этих устройствах долговременной энергонезависимой памяти, хранятся все данные, которые сохраняются после выключения компьютера. Проще говоря, все программы и файлы. Фото вашего любимого кота и ваши видео из отпуска хранятся именно там. Тема довольно интересная и не сложная, если пройти по ней поверхностно. Вы улучшите и углубите свои знания о накопителях, когда решите сменить HDD/SSD в вашем компьютере или при сборке нового.

6. Кулер процессора

Это не самое сложное устройство, задачей которого является охлаждение процессора во время его работы, ввиду его нагрева. Узнайте о воздушном и жидкостном охлаждении, о типах креплений (поддержка различных сокетов). Изучите тему термоинтерфейсов – это паста, которая служит проводником тепла между поверхностью подошвы кулера и крышкой процессора. От выбора кулера будет зависеть качество работы вашего процессора. Не забудьте пройтись по теме корпусных вентиляторов и способов регулирования их работы.

7. Блок питания.

С блоком питания вы уже сталкивались. «Зарядка» от вашего телефона это тоже блок питания. В компьютере он внутренний и более сложный. Как и для человека, для компьютера качественное питание является залогом хорошего здоровья и долголетия. Но, чтобы разбираться в его внутреннем устройстве, уже таки желательно иметь профильное образование. Но вам будет достаточно узнать общее внутренне устройство и типы используемых компонентов. А при выборе вы можете руководствоваться качественными обзорами и мнением уважаемых гуру в соответствующей ветке конференции Overclockers.

8. Видеокарта.

Чаще всего это самый дорогой компонент вашего компьютера. Отвечает за вывод изображения на монитор. Но не всегда. На сегодняшний день он отвечает ещё и за наполнения деньгами вашей банковской карты, если вы решите стать майнером. Высокий спрос на данный компонент породил небывалый скачек цен. У вас будет много времени на изучение устройства и возможностей видеокарт, поскольку по вменяемым ценам в магазинах они появятся не скоро.

Итак, мы закончили с начинкой системного блока. Как видите всё просто. Не сложнее, чем залезть под капот автомобиля и найти там бачок омывателя. Самостоятельная сборка компьютера позволит вам сэкономить кучу денег — больше, чем при вызове мастера по стиральным машинкам, но меньше чем при заездах в автосервис. Женщины без ума от рукастых мужчин, разбирающихся в компьютерах. Если же вы девушка (женщина), то сборка компьютера вашему избраннику станет апофеозом феминизма! Самостоятельная сборка вашего первого компьютера подарит вам чувства, отдаленно схожие с материнскими при рождении дитя или чувства маленького бога, сотворившего новую форму жизни. Молоко не появится, но это незабываемо!

Программная часть.

Но системный блок это лишь «железо». Это как человек в коме. Его сердце бьётся, а по жилам течет кровь, но он лишь овощ. Важнейшей частью компьютера является программная. Именно она заставляет компьютеры оживать. Первая и основная программа компьютера это BIOS. Это спинной мозг компьютера. Узнайте о нём. Вы даже прямо сейчас можете увидеть его воочию, перезагрузив компьютер и сразу непрерывно нажимая клавишу «DEL» на вашей клавиатуре. Поводите мышкой или понажимайте клавишами-стрелочками, но пока-что больше ничего другого не трогайте, не нажимайте и не меняйте. Ещё не пришло время это делать. Затем нажмите клавишу «ESC» на клавиатуре и выйдите без сохранения.

Затем наступает очередь изучения операционной системы (ОС). Их также довольно много, но самая распространенная из них «Windows». Вы уже с ней знакомы. В принципе, она будет работать и без вашего участия. Но изучение операционной системы позволит вам самостоятельно устранять ошибки в её работе, не вызывая платного мастера. А ошибки в «Windows» происходят периодически. Если правильно настроенное «железо» может работать годами без вмешательства, то с операционной системой так получается не всегда. Её изучение также позволит вам её правильно настраивать под свои нужды, устанавливать нужные вам программы, расширяя таким образом функционал вашего компьютера. Изучение ОС приведет к изучению других программ, начиная от интернет-браузера наподобие Google Chrome, «фотошопа” и заканчивая полезными утилитами. Программы это основная рабочая среда, а компьютер служит для обеспечения их работы. Изучив «железную» часть, вы сможете почти всё время уделить «софтовой»(программной), лишь иногда оглядываясь на «железные» новинки. А впереди ещё огромный рынок периферии, поражающий своим многообразием. Оставьте его на потом, когда придет время выбора.

Вот мы и разрезали ленточку с надписью «Welcome» нашего микро-гайда в мир компьютеров. Если вы смогли воодушевиться и выбрать компьютеры и всё что с ними связано своим хобби на всю жизнь, значит я не зря нажал клавиши на клавиатуре несколько тысяч раз. Даю вам слово – вы не пожалеете!

Читайте также: