من به HN پست کردم، و سپس وب سایت من پر از ترافیک ربات هوش مصنوعی شد

در چند سال گذشته، من روی sprinklz.io کار کرده‌ام، یک فیدخوان قابل تنظیم که می‌تواند، در میان چیزهای دیگر، موضوعات خاصی را از فید خبری شما در اولویت قرار دهد.

یک ماه پیش، من آن را به HN پست کردم، و صدها یا بیشتر رای مثبت گرفت، خوب! به نظر می رسد که مردم واقعا از شنیدن در مورد LLM خسته شده اند و از اینکه می توانند آنها را از فید خود اولویت بندی کنند، لذت می برند. این یک نمایش خوب بود که چرا ابزاری مانند این مفید است. همه چیز داشت بالا می رفت و بعد…

وب سایت من کند شد مثل، واقعا، به طرز دردناکی کند است. در ابتدا من آن را به دلیل توجه بیشتر یک پست ناگهانی محبوب به تصویر کشیدم. من هم مانند هر توسعه دهنده ای جشن گرفتم و قول دادم که وب سایت خود را در آینده مقاوم تر کنم. با این حال، به طرز عجیبی، کندی ادامه یافت، و حتی چندین روز پس از انتشار پست من شروع به بدتر شدن کرد، و معیارهایی که ثبت کردم منطقی نبود. مانند، می دانید، تعداد انگشت شماری از کاربران واقعی فعال و وارد سیستم شده اند، و یک تراشه که بار بسیار بالایی را نشان می دهد.

بنابراین من نگاهی به برخی از داده ها انداختم. برای هر نقطه پایانی گزارش سطح بالا را اضافه کردم (چند بار درخواستی برای هر مسیر url ارسال شد)، و متوجه شدم که اکثر درخواست‌ها حتی تلاشی برای واکشی مقاله‌های خبری نکرده‌اند! به عنوان مرجع، وب سایت من به عنوان یک برنامه تک صفحه ای ساخته شده است، و این بدان معناست که اکثر درخواست ها حتی جاوا اسکریپت لازم برای ارائه صفحه (!) را اجرا نمی کنند.

با حفاری بیشتر، به گزارش‌های NGINX انبوه نگاه کردم تا سوءاستفاده‌کنندگان را بیابم، و هرگز این را باور نخواهید کرد، اما معلوم شد که تقریبا نیمی از ترافیک ما از یک کاربر خاص می‌آمد. من نام نمی برم، اما آنها را جستجو کردم و آنها خود را به عنوان سرویسی توصیف می کنند که به تغییرات یک وب سایت گوش می دهد و سپس آنها را در یک نامه خبری AI خلاصه می کند. و از "گوش دادن به تغییرات" منظور من این است که وب سایت ما را چندین بار در دقیقه جستجو کنید. مسدود شده است.

چند نفر دیگر خزنده های استاندارد شناخته شده شما بودند و با مهربانی خودشان را به عنوان چنین معرفی کردند. ربات کلود، ربات OpenAI، نمایه ساز جستجوی گوگل و چندین مورد دیگر. من حتی چند اسکنر آسیب پذیری را در طول راه برداشتم. حداقل، کسی در حال تلاش برای دسترسی به -/wp-content/phpinfo.php است (وب سایت من یک سایت وردپرس نیست). من robots.txt را اضافه کردم تا از اکثر اسکنرهای هوش مصنوعی جلوگیری کنم، اما به google-bot و سایر ترافیک های مرتبط با جستجو اجازه دادم و از کلود خواستم تمام مسیرهای آسیب پذیری را جستجو کند و از اسکنرها تقلید کند تا مطمئن شود چیزی درز نمی کنم.

من همچنین محدودیت نرخ معقول و غیره و غیره را اضافه کردم.

با این حال، مهمترین درس این است که زمان آن رسیده است که وب سایت خود را سریعتر کنم. من می‌خواهم وب‌سایتی باشم که می‌تواند روزانه xxx QPS ترافیک واقعی را مدیریت کند، و باید مقیاس آن بهتر از آن باشد، حتی تحت بارهای سنگین. با الهام از این رویارویی، من در چند هفته گذشته بهبودهای زیادی در زیرساخت های زیربنایی ایجاد کرده ام، و اینها باید به دستاوردهای عملکردی قابل توجهی برای همه کاربران منجر شود.

P.S. اگر می خواهید آن را بررسی کنید، وب سایت کاملا رایگان است و در اینجا موجود است

TLDR این است که به شما امکان می‌دهد سفارشی‌سازی‌های خود را، علاوه بر مواردی مانند مجموع امتیازات اخبار هکرها، تعریف کنید. می توانید از آن برای فیلتر کردن موضوعاتی مانند AI یا LLM استفاده کنید، اما موضوعات کاملا دلخواه هستند و می توانید سفارشی سازی های خود را برنامه ریزی کنید.

وقتی به مردم در مورد مرورگر وب emacs می گویم، اولین واکنش آنها این است که "صبر کنید emacs یک مرورگر وب دارد؟!"، و به دنبال آن، "آره ... من حدس می زنم که این یک نوع مرورگر وب است".

مرورگر وب emacs برای ارائه صفحات وب در یک محیط مبتنی بر ترمینال و فقط متن طراحی شده است و خوب، دقیقا همانطور که انتظار دارید پیش می رود. در وب‌سایت‌های فقط HTML و با محتوای کوچک به خوبی کار می‌کند، اما برای هر چیز دیگری چندان خوب نیست.

مشکل این است که emacs در درجه اول یک ویرایشگر متنی است، اما اینترنت مدرن بسیار مبتنی بر متن ساده نیست. HTML ساده، که به سبک ساده دهه 1990 طراحی شده است، ترجمه واضحی به متن ساده دارد، اما طراحی رابط کاربری مدرن، با استایل بصری، جاوا اسکریپت سنگین، و آشفتگی کلی، نه چندان زیاد.

مرورگر وب emacs عالی خواهد بود، فقط اگر بتوانیم راهی برای بازگشت به گذشته پیدا کنیم…

خوب، پس طرح ساده است. ما صفحات وب مدرن را می گیریم، کد منبع آنها را در HTML ساده سبک قدیمی بازنویسی می کنیم و سپس آن را به مرورگر وب emacs انتقال می دهیم. ما فقط باید راهی برای انجام این کار به راحتی و در مقیاس پیدا کنیم.

پس اوم، شما LLM را فراموش نکردید؟ خوب است که از آنها به گونه ای استفاده کنید که امیدواریم میزان محتوای هرزنامه را در جهان کاهش دهد.

اساسا برنامه این است که ما برنامه ای بنویسیم که:

بله، و بنابراین، من از آن استفاده کرده ام، و بسیار خوب اجرا می شود. مانند واقع بینانه، می توانم از این در بسیاری از صفحات وب استفاده کنم که قبلا eww (web wowser emacs) اجرا نمی شد.

شکل 2: (بعد) با استفاده از simpleweb-simplify-page

تولید برنامه اصلاح‌کننده اولیه یک لحظه طول می‌کشد، اما پس از تولید، بسیار سریع اجرا می‌شود، و در طول مرور روزانه، بیشتر به تماس‌های LLM اضافی نیاز ندارد. من خودم از آن استفاده کردم و از تجربه آن لذت بردم.

کد منبع در اینجا زندگی می کند: https://github.com/sstraust/simpleweb

و منبع باز است و نصب رایگان و غیره و غیره است.

من فکر می کنم همه ما پاسخ این را می دانیم: مشوق های بد.

فناوری سیستم ها را مولدتر می کند، اما در واقع شما را به طور خاص بهره وری نمی کند. ابزارهایی که رایانه‌ها را قادر می‌سازند کارآمدتر باشند، همچنین افراد را قادر می‌سازد تا در بهره‌برداری از زمان، توجه و رفاه شما کارآمدتر باشند. من دارم از شبکه های عصبی صحبت می کنم عزیزم.

من برای اولین بار در سال 2018 متوجه این مشکل شدم. یا بهتر است بگویم، متوجه شدم که یک مشکل دارم و آن مشکل این بود که 3 ساعت در روز را صرف تماشای مجدد استارکرافت 2 می‌کردم و به این فکر می‌کردم که زمان کجا رفته و چگونه توانستم دوباره تا ساعت 2 بامداد بیدار بمانم.

چیزی که برای من جالب است این است که تا اواخر دهه 2010 هیچ یک از این مشکلات را نداشتم. من حداقل از اواسط دهه 2000 یک کامپیوتر با اتصال به اینترنت داشتم و مدتی بعد یک تلفن هوشمند با توییتر و ردیت و مانند آن داشتم. این امکان وجود دارد که در طول این سال‌ها انعطاف‌پذیری کمتری داشته باشم، اما این شک دارم که این رایانه‌ها هستند که تغییر کرده‌اند.

من نمی توانم کاملا انگشت خود را روی آن بگذارم، اما این حس را دارم که هر بار که با یک سیستم یا وب سایت تعامل می کنم، دارم این نوع بازی خصمانه را انجام می دهم، جایی که سعی می کنم فقط به روز خود بپردازم، و شاید یک مقاله کوچک در مورد رایانه بخوانم، و آنها سعی می کنند راهی بیابند که من را برای مدت کمی بیشتر در سایت خود نگه دارد.

من همچنین این احساس را دارم که وقتی مهندسی نرم‌افزار از رشته‌ای متشکل از علاقه‌مندان و علاقمندان به رهبرانی تبدیل شده است که به طور فزاینده‌ای از طریق مسیرهای مالی یا کسب‌وکار توسعه می‌یابند، متوجه شده‌ایم که با این ابزارهای اصلی که قبلا عاشقشان بودیم، هم بسیار بی‌مزه و هم بسیار سودآور شده‌اند.

یادداشت سردبیر: من در حال کار بر روی یک خبرخوان قابل تنظیم رایگان به عنوان راهی برای رفع برخی از ناامیدی‌هایم از اینترنت مدرن بوده‌ام. اگر از این یکی استفاده نمی‌کنید، توصیه می‌کنم وبلاگ‌ها و وب‌سایت‌ها را دنبال کنید، زیرا خیلی بهتر است که به طور کامل از این پلتفرم‌های بزرگ خارج شوید.

توجه ویرایشگران 2: من هنوز این آخرین مقاله را در rss xml خود پست نکرده ام، زیرا هنوز آماده ارسال اعلان برای آن نیستم. در هفته های آینده اضافه خواهد شد.

اکنون که deft 0.2.0 منتشر شده است، فکر می کنم زمان خوبی است تا در مورد آنچه ساخته ام و چرا آن را ساخته ام صحبت کنم.

نکته ابزار همه چیز نقشه Clojure این است که گیرنده ها و تنظیم کننده ها وقت تلف کردن هستند. Clojure، تا حد زیادی، در پاسخ به گردش کار بیهوده جاوا در سال 2008 ساخته شد، جایی که شما مجبور بودید گیرنده‌ها، تنظیم‌کننده‌ها و سازنده‌ها را بنویسید، و این همه دلخوری را که هیچ‌کس از آن لذت نمی‌برد، متحمل می‌شدید.

مشکل این است که اگر می خواهید داده های خود را با استفاده از پروتکل defprotocol و defrecord داخلی نمایش دهید، و می خواهید توابعی را تعریف کنید که به وجود یک فیلد خاص بستگی دارد، تنها راه برای رمزگذاری آن اطلاعات در پروتکل، افزودن متدهای دریافت کننده و تنظیم کننده به آن است. یخ زده

همچنین می توانید از ترکیبی از طرحواره پروتکل + malli برای نشان دادن آن استفاده کنید، اما پس از استفاده از آن، باید مشخص کنید "این تابع چیزی را به عنوان ورودی می گیرد که هم این پروتکل را پیاده سازی می کند و هم این طرحواره Malli را پیاده سازی می کند". همچنین icky.

چیزی که می‌خواهیم چیزی است که می‌توانیم در سبک defprotocol و defrecord استفاده کنیم، اما به طور پیش‌فرض همه دریافت‌کننده‌ها و تنظیم‌کننده‌ها و چیزهایی شبیه نقشه را در اختیار ما قرار می‌دهد. بینش کلیدی این است که اگر یک فیلد در یک رکورد وجود داشته باشد، همه چیزهای خوب دیگر را دریافت می‌کنیم، بنابراین فقط باید پشتیبانی از پروتکل‌های دارای کلیدهای مورد نیاز را اضافه کنیم.

Deft v0.2.0 پشتیبانی از کلیدهای فضای نام را در تعاریف نوع و پروتکل اضافه می کند. یعنی اکنون می توانید انجام دهید:

این مفید است زیرا اکنون می توانید متدهایی را تعریف کنید که به وجود آن فیلدها بستگی دارد، به عنوان مثال:

هفته گذشته خواندن On the Edge را تمام کردم و بد بود. نه اینکه من به نیت سیلور احترام نمی گذارم. من خیلی به او احترام می گذارم. بنابراین وقتی متن اصلی او در مورد قمار و ریسک‌پذیری یک آشفتگی سرسام‌آور بود، من متعجب و ناامید شدم. با این وجود، من که در قلب کامل‌گرا بودم، تا انتها حرکت کردم، جایی که با این پیام از من استقبال شد:

"ChatGPT کمک قابل توجهی در نوشتن این کتاب بود، به عنوان یک موز خلاق در هنگام ارائه مواردی مانند عنوان های فرعی فصل، استعاره ها و تشبیه ها، و برای اصلاح درک من از موضوعات فنی که احتمالا به خوبی در مجموعه آن نمایش داده می شوند."

از نظر فنی او کتاب را با دست نوشت و از نظر فنی حروف را روی صفحه کلیدش تایپ کرد، اما می‌دانید آیا واقعا او بود؟ آیا او تمام فکر و ذهن و وجود خود را در هر کلمه ای در صفحه قرار داده است؟ شاید. یاد فیلم کلاسیک مطلق [Simple Made Easy] (https://www.youtube.com/watch?v=SxdOUGdseq4) می افتم، ویدیویی که در آن بخش عمده ای از سخنرانی اصلی مبتنی بر تعریف زبان دقیق است و دقیقا منظور شما را بیان می کند. وقتی آن کار را بارگذاری می‌کنید، فقط از انتخاب کلمات صرفنظر نمی‌کنید، بلکه از آن تفکر صرفنظر می‌کنید و سازماندهی و وضوح ذهنی را از دست می‌دهید.

در خواندن کتاب نیت، تفاوت واقعی و قابل توجهی بین زبانی که در بافت سازمانی ذهنیت نیت وجود دارد و چیزهایی که به عنوان یک فکر بعدی به آن اضافه شده است، وجود دارد. فصل‌های بعدی به‌ویژه احساس می‌کردند که فاقد آن نوع فشرده‌سازی ذهنی هستند که همه چیز را تحت یک چشم‌انداز منسجم می‌کند. من متاسفم زیرا این می‌توانست اثری خارق‌العاده باشد، و واضح است که تلاش زیادی انجام شده است، به‌ویژه برای مصاحبه‌ها و جمع‌آوری داده‌ها، و به نظر می‌رسد که آخرین بخش از بینش گمشده برای رساندن آن به خانه وجود ندارد.

بنابراین چقدر LLM، LLM بیش از حد است؟ خوب، وقتی صحبت از ارتباط انسانی می شود، می توانم بگویم که پاسخ نزدیک به صفر است. من نمی خواهم ایمیل های تولید شده توسط هوش مصنوعی شما را بخوانم و مطمئنا نمی خواهم مقالات تولید شده توسط هوش مصنوعی شما را بخوانم. من ترجیح می‌دهم در عوض دستور شما را بخوانم، زیرا به آنچه شما، بله، شخصا در مورد آن فکر می‌کنید اهمیت می‌دهم، و می‌خواهم بفهمم که می‌خواهید با چه چیزی ارتباط برقرار کنید.

اشتباه نکنید، من LLM را برای هدف درست دوست دارم. من دوست دارم از LLM ها در یادداشت های پزشک استفاده کنم تا مدل هایی بسازم که پیش بینی کنند آیا آنفولانزا در حال گسترش است. اما وقتی نوبت به نوشتن می‌رسد، به‌ویژه این نوع نوشتن، خیلی غیر ضروری به نظر می‌رسد، زیرا وقتی افکارتان را یادداشت می‌کنید، من دقیقا همان چیزی را که می‌خواستم دارم، و اضافه کردن یک توقف اضافی در این بین خیلی احمقانه به نظر می‌رسد.

به‌عنوان یک بازیکن پوکر و نظریه‌پرداز بازی، مطمئنم که نیت از جمله «اگر حوصله نوشتن آن را نداشتید، من هم حوصله خواندن آن را نداشتم» را قدردانی می‌کند. و می دانید، علیرغم این باور که هنر می تواند جدا از هنرمند زندگی کند، در اعماق من این ادعا درست است. نه این که همان کلمات تولید شده توسط یک شخص ذاتا متفاوت از همان کلمات یک LLM باشد، اما تخمین‌گر کوچک بیزی من را کمی دور می‌کند.

اگر باهوش‌ترین فردی که می‌شناسم 10000 ساعت صرف نوشتن، ویرایش، صیقل دادن و انتشار یک رمان 500 صفحه‌ای کرده است، نه تنها به من می‌گوید که باهوش‌ترین فردی که می‌شناسم در مورد موضوعی فکر کرده است، بلکه به من می‌گوید که آنها تصمیم گرفته‌اند 10000 ساعت از وقت گرانبهای خود و انرژی گرانبهای خود را برای انتقال این ایده به من اختصاص دهند. این احساس خوبی دارد که زمانی که برای خواندن آن صرف کردم (و معمولا کمتر از) زمانی است که شما برای نوشتن آن صرف کردید، زیرا به من نشان می دهد که به زمان و انرژی ایجاد این تبادل اهمیت می دهید.

و این فقط شیب کاملا تولید شده توسط هوش مصنوعی نیست که به این مانع برخورد می کند. وقتی LLM ها را در نوشته های خود بگنجانید، حتی اندکی، توانایی پردازش افکار و ایجاد ارتباط انسانی را از دست می دهید.

من اخیرا deft را منتشر کردم، یک کتابخانه Clojure که انواع و پروتکل‌ها را با استفاده از نقشه‌های ساده تعریف می‌کند، و بنابراین، برای بررسی آن، بازی شطرنج را در Clojure نوشتم.

شطرنج یک اجرای آزمایشی خوب برای هر کلاس و سیستم واسط است، زیرا نسبتا کوچک و مستقل است (و انتخاب کاملا واضحی برای کلاس‌ها دارد)، اما همچنین با برخی از آشفتگی‌های یک برنامه واقعی همراه است، از این نظر که می‌خواهید چیزی مختصر بنویسید، اما هنوز هم باید به موارد لبه‌ای مانند castling و en passant رسیدگی کنید.

من همه قطعات را با دست ترسیم کردم و از این قطعه معرف کوچک برای رندر نمایشگر استفاده کردم.

اما نکته جالب این است که چگونه می توان وضعیت تخته و تمام قطعات آن را نشان داد.

من یک جور چیز بدیهی را انجام دادم و انواعی را که نشان دهنده یک مهره شطرنج و سپس یک تخته هستند به عنوان شبکه 8x8 از مهره ها تعریف کردم.

و سپس برای رفتار قطعه، پروتکل هایی ساختم که نحوه نمایش یک قطعه و نحوه حرکت آن را مشخص می کند.

معتبر است حرکت برای قطعه؟ مقدار درست و نادرست "آیا قطعه من به این مربع حرکت می کند" را برمی گرداند.

این برای اکثر قطعات عالی عمل می کند، اما برای حرکات پیچیده تر، مانند castling، که در آن چندین قطعه به طور همزمان حرکت می کنند، کافی نیست. برای انجام این کار، از چند روش دیگر استفاده می کنیم

که فقط برای حرکات ویژه تعریف شده است و وضعیت واقعی صفحه بازی تغییر یافته را برمی گرداند.

بنابراین برای پیاده ها، چیزی شبیه به این خواهد بود:

من قصد ندارم مجموعه‌های حرکتی را برای هر قطعه در این پست کپی-پیست کنم، اما تعریف روش‌های مرتبط برای همه انواع قطعات مختلف و موارد خاص بسیار ساده بود، و من از اینکه کد چگونه به دست آمد بسیار راضی هستم. وقتی دارید این کد را می خوانید، واقعا به نظر می رسد که کسی تمام قوانین بازی شطرنج را یادداشت کرده است، و این چیزی است که به من احساس خوبی می دهد و احساس می کنم کارها را به گونه ای انجام داده ایم که به خوبی سازماندهی شده است.

اما اکنون، به نوعی مهمترین سوال (برای من) این است:

آیا این کتابخانه واقعا کمک می کند؟ آیا مهارت زندگی ما را بهتر کرد؟

به طور کلی، من از این که چگونه همه چیز به نتیجه رسید، بسیار راضی هستم، و می توانم بگویم که آزمون کتابخانه ما موفقیت آمیز بود.

بازی در اینجا: https://github.com/sstraust/deft/blob/master/examples/src/examples/chess.cljs

کتابخانه در اینجا: https://github.com/sstraust/deft

و توضیحات کامل ویدیو در اینجا: https://www.youtube.com/watch?v=lrofmFI1UJY

امروز من ماهرانه را منتشر می کنم! این کتابخانه ای است که سیستم کلاسی موجود clojure را با نقشه های ساده و طرحواره Malli جایگزین می کند.

حدود 6 ماه طول کشید تا واقعا به آن فکر کنم و طرح را درست انجام دهم، بنابراین انتشار آن در نهایت احساس خوبی دارد.

کتابخانه: https://github.com/sstraust/deft آموزش ویدیویی: https://www.youtube.com/watch?v=dlW6YzwUZ-M در Hackernews: https://news.ycombinator.com/item?id=46590958 (لطفا مخزن را ستاره دار کنید!)

خلاصه داستان: این کتابخانه از ناامیدی ناشی از اکوسیستم نوع موجود Clojure بیرون آمد. هم defrecord/defprotocol و هم نقشه های ساده + چند روش، روشی که در حال حاضر مورد استفاده قرار می گیرند، سازماندهی و بازسازی برنامه های Clojure را اساسا دشوار می کنند.

هدف این است که چیزی را ارائه دهید که کار کردن با آن همچنان لذت بخش است، اما به شما اجازه می دهد تا زمانی که می خواهید رفتار را کاهش دهید (و همچنان آن را ارگونومیک و سرگرم کننده نگه می دارد).

هدف ثانویه ساخت چیزی بود که قابل اعتماد و پایدار باشد و (امیدواریم) به راحتی در پایگاه های کد موجود به کار گرفته شود. آن را بررسی کنید!

اگر این مطلب را می خوانید، می توانم در وبلاگ خود w/rss منتشر کنم.

من از org-rss-export-to-rss با ابزار بسیار ساده استفاده می کنم. من در مورد استفاده از هوگو فکر کردم اما به نظرم خیلی سنگین به نظر می رسید و من به نوعی احساس مینیمالیست را دوست دارم. من خوشبین هستم که وقتی هوگو آن را درست تنظیم کنم بهتر خواهد شد، و احتمالا در نهایت به برخی از ویژگی های آن نیاز خواهم داشت، اما این یک نبرد برای یک روز دیگر است.

من این هفته اولین بازی Wordle را انجام دادم و وارد 4 شدم!

خوب، من کمی خوش شانس بودم، اما این همه شانس نبود. در حالی که بازی می کردم، فرصتی داشتم که به برخی از استراتژی ها فکر کنم و برخی از دام ها را دیدم که فکر می کنم دیگران ممکن است از دست داده باشند.

مگر اینکه بخواهید حدس نهایی خود را برای بردن بازی انجام دهید، نباید همان حرف را در همان مکان حدس بزنید. شما قبلا آن را امتحان کرده اید، بنابراین انجام مجدد آن اطلاعات جدیدی به شما نمی دهد.

مطمئنا "حدس" شما اشتباه است، اما اکنون وقتی به سراغ حل معما می روید، حرف احتمالی دیگری را رد می کنید (یا پیدا می کنید!). بیایید یک مثال را ببینیم:

فرض کنید B - A - _ - E - S دارید که همه سبز هستند. شما فقط باید حرف آخر را حدس بزنید، اما گزینه های زیادی باقی مانده است. در میان حروفی که در آن شکاف حدس نمی‌زنید، D، K، N، R، S همگی کار می‌کنند. شما می توانید هر حرف را به صورت جداگانه حدس بزنید، اما به احتمال زیاد در ابتدا آن را دریافت نمی کنید، و در بدترین حالت پنج نوبت به شما می رسد. در عوض، اگر D - R - I - N - K را حدس بزنید، کلمه‌ای که می‌دانید اشتباه است، هر حرف را یکباره "حدس می‌زنید"، بنابراین تضمین می‌کنید که آن را در 2 دریافت کنید (اگر رنگ زرد وجود نداشته باشد، S را حدس بزنید).

فقط برای یک لحظه، کمی مانند جستجوی دودویی به جهان فکر کنید. هدف شما این است که با هر حدس و گمان تا حد امکان اطلاعات بیشتری را بیاموزید. اگر حدس شما فضای مشکل را به نصف تقسیم کند (یعنی نیمی از کلمات ممکن را اگر سبز نشان داده شود و نیمی از کلمات را اگر زرد نشان دهد حذف کنید)، با هر حدس زدن (به طور متوسط) بیشترین اطلاعات ممکن را یاد می گیرید.

اکنون - شما فقط می توانید یک حرف را در یک موقعیت حدس بزنید، بنابراین یا در یک موقعیت خاص که انتخاب کرده اید، یا در هر یک از چهار موقعیت ممکن دیگر باشد. اگر می‌خواهید این دو نتیجه تقریبا به یک اندازه محتمل باشند (یا تا حد ممکن نزدیک به یکسان باشند)، بهتر است آن موقعیتی که انتخاب کردید واقعا 4 اسلات دیگر را جبران کند.

شما (به طور متوسط) در مورد حرف Y با حدسی مانند R - A - I - N - Y بیشتر از حدسی مانند Y - E - A - R - N یاد می‌گیرید.

اساسا همان منطق بالا. این یا یکی از 5 حرف خاصی است که حدس زدید یا یکی از 21 حرف دیگر است. شما می خواهید 5 موردی را حدس بزنید که مشکل را به دو نیم تقسیم می کند.

یک قدم جلوتر بروید، وقتی چند خط را حدس زدید، می خواهید رایج ترین/یکنواخت ترین حروف را با توجه به حروفی که قبلا دارید حدس بزنید. Q اولین حدس بد است، اما اگر قبلا U down دارید، پس شاید…

به یاد داشته باشید، هدف شما این است که با هر حرف "نیم نصف" کنید. اگر حس/نمونه تصادفی از کلمات موجود در فضا دارید، انتخاب حروف/موقعیت هایی که فهرست را دقیق ترین تقسیم می کنند آسان تر است.

چارلز داهیگ خبرنگار نیویورک تایمز بود و شما می توانید آن را در نوشته های او احساس کنید. این یک گزارش علمی مدرن است که هیجان انگیز، الهام بخش و اغلب بسیار گمراه کننده است.

این کتاب همه چیز را دارد، دگرگونی های خودیاری از سیب زمینی های کاناپه تا سوپراستارها، موفقیت استارباکس و تیم فوتبال کلتس، همه به سادگی با قدرت عادت توضیح داده شده است. البته عادت فقط نقش کوچکی در هر یک از این موارد دارد. مطمئنا هر بازی فوتبال به کمی شانس بستگی دارد (حتی به باد و آب و هوا). اما - شخصی عادت های خوبی را اتخاذ کرد و بعدا موفق شد - BOOM - علیت - انجام شد - مشکل حل شد.

با این حال، فراتر از نتایج وحشیانه، برخی از علوم واقعی (و اخیرا!) در حال انجام هستند، و درک در حال تغییر ما از عادات هم جالب و هم قدرتمند است. برای من، موارد کلیدی عبارتند از:

عادت‌ها فرآیند عادی استدلال ما را دور می‌زنند (و در همان ناحیه مغز مانند برنامه‌ریزی و حافظه کوتاه‌مدت ذخیره نمی‌شوند) عادت‌ها را می‌توان به‌عنوان دنباله‌ای از محرک – عمل – پاداش مدل‌سازی کرد. اگر یکی از این قطعات را از دست بدهید، نمی‌توانید عادات را تحریک کنید (یا حلقه عادت را یاد بگیرید). با این حال، اشتباه نکنید، این کتاب قرار است متحول کننده باشد. چه کاری می توانید انجام دهید تا زندگی خود را تغییر دهید، درست مانند پیتون منینگ؟ باز هم، علم در اینجا مخلوط شده است، اما به نظر می رسد منظور نویسنده این است: