Sildiarhiiv: arvuti

Äpp, mis ennustab kohaletulijate arvu

On palju veebilehti ja äppe, mis aitavad kohtumisi kokku leppida ja üritustele minekut koordineerida, näiteks meetup.com. Minu kogemuse põhjal umbes pooled internetis tulla lubajatest ei ilmu kohale, lisaks mõned tühistavad viimasel hetkel või hilinevad. See tekitab vahel ürituse korraldajale probleeme, näiteks kui ta on lubanud teatud arvu osalejaid organiseerida ja sellest sõltub kohaletulnute piletihind (grupisoodustus) või on minimaalne arv inimesi vajalik spordivõistkonna kokkusaamiseks. Lisaks sunnivad hilinejad ja teadmata kaduvad tulla lubajad teisi ootama, mis on tüütu.

Selleks, et motiveerida inimesi ausalt oma tulekuplaane teatama, lubadusi pidama ja õigeaegselt kohale tulema on vaja käitumisele vastavaid tasusid ja karistusi. Üks lahendus on, et osalejaks registreerujad peavad osalustasu ette maksma ja mitteilmumise korral seda tagasi ei saa. Tasuta või odavate ürituste puhul sellest ei piisa.

Hilinemise vältimise motiiv tekiks ka siis, kui on üldteada, et hilinejaid ei oodata, vaid transport väljasõidule läheb minuti pealt õigel ajal. Enamik inimesi ei taha aga hilinejaid maha jätta ja nii venib ooteaeg tihti pool tundi või rohkemgi, kusjuures paljude ootajate heaolukaotus kokku on tõenäoliselt suurem kui hilinejate võit mittemahajäämisest. Paljude ürituste kuulutusel kirjutatakse, et väljasõiduaeg on punktipealt täpne, aga seda lubadust murtakse peaaegu alati – ma pole veel kogenud üritust, kus keegi maha jäeti, et õigel ajal lahkuda.

Õige motivatsiooni tekitamiseks peaks hilineja või mitteilmuja maksma teistele piisavat kompensatsiooni, aga sotsiaalse sündmuse kontekstis on sellist nõuet keeruline jõustada. Mitteilmujalt on raske midagi sisse nõuda ja ka hilineja võib väita, et tal hetkel raha kaasas pole. Kui tahta trahvi teha vastavalt hilinetud minutite ja ootama sunnitud osalejate arvule, siis läheb ka arvutus enamiku inimeste jaoks keeruliseks. Lahenduseks on äpp, mis tuvastab telefoni asukoha põhjal, kes on kokkusaamiskohas õigel ajal ja kes mitte. Kohaletuleku registreerimiseks võib kasutada ka telefonide omavahelist lähisuhtlust (bluetooth, NFC). Äpp saab automaatselt välja arvutada hilinejate ja mitteilmujate kompensatsiooni ootajatele, selle äpiga seotud pangakontolt või krediitkaardilt maha võtta ja ootajatele kanda. Kes ei nõustu selliste tingimustega, võib kasutada muid ürituste koordineerimise vahendeid. Mittenõustumine signaliseerib ka teatud määral, et inimene ei plaani lubadusi pidada.

Sõltumata sellest, kas äpi kaudu nõuda mitteilmujate kompensatsiooni kohaletulijatele või mitte, on äpil veel see hea külg, et andmed inimeste varasemate registreerumiste ja asukoha kohta lasevad ennustada, kes lubajatest ilmub ja millise hilinemisega. Seega äpp saab automaatselt arvutada kohaletulijate arvu tõenäosusjaotuse, mis on korraldajale abiks planeerimisel. Samuti saab kroonilised mitteilmujad tulevastelt üritustelt välja jätta, näiteks neile mitte teavitusi saata – ka selle saab äpp automatiseerida.

Väga piiratud ulatuses on sarnane funktsionaalsus praegustel kokkusaamisveebilehtedel olemas, näiteks meetup.comi grupiadministraatorid saavad registreerida mitteilmujad ja programmeerida reegli, et kolm mitteilmumist eemaldab inimese grupist. Vajadus mitteilmujad käsitsi registreerida on praeguste äppide üks piirang. Ka ei erista praegused veebilehed tulekulubaduse tühistamise aega (viimasel minutil registreerumise tühistamine on sarnane mitteilmumisele) ega hilinemise kestust. Hea oleks ka arvestada lisaks inimese mitteilmumiste arvule tema õigeaegsete kohaletulekute arvu, mis aitaks paremini ennustada ta tulevast osalemistõenäosust.

Filmi kiirendamine kui igavaks läheb

Raamatu eelis filmi ees on, et seda saab nautida omas tempos – kes loeb kiiremini, kes aeglasemalt. Olenevalt raamatust võib ka sama inimene lugeda kas kähku üle rea või pikaldaselt üht kohta mitu korda. Midagi sarnast saab teha filmiga: kerida kas tagasi stseeni uuesti vaatamiseks või edasi mõnest kohast üle. Samuti saab vaadata kiirendusega, aga siis läheb heli kaotsi. Probleem stseenidest üle hüppamisel on kas ebatäpsus või ebamugavus: minuti kaupa kerides võib mõni huvitav koht vahele jääda, aga paari sekundi kaupa hüpates peab pidevalt klõpsama ja heli ja dialoog muutuvad raskesti jälgitavaks.

Äriidee on teha programm, mis filmi kiiremini esitab kui vaatajal igavaks läheb. See kiirem esitus peaks olema „loomulik”, ideaalis märkamatuks jääv, mitte teatud vahemiku kaupa hüppamine või video kiirendusega näitamine. Märkamatuks kiirendamiseks tuleks tuvastada filmi stseenide piirid ja pikemate stseenide lõpud ära lõigata, eriti staatiliste stseenide (armunud vaatavad üksteisele silma, vaenlased põrnitsevad või ähvardavad). Filmi sisu jääb ju arusaadavaks kui silma vaadatakse kaks sekundit kolmekümne asemel. Samuti tulistamine või kaklus võib kesta mitte minuti vaid paar hetke – filmi mõistmist see ei takista.

Staatilist stseeni peaks saama arvuti abil tuvastada, sest pildi pikslitest paljud ei muutu pikema ajavahemiku jooksul. Stseeni väljajäetavat osa saab samuti automaatselt valida, näiteks kõige vähem muutuva pildiga ajavahemik, mis moodustab etteantud protsendi stseeni pikkusest. Kiiresti muutuvaid (märuli)stseene tuleb ilmselt algul inimtööga üksteisest eristada ja nende piirid filmifaili märkida. Edasi saab juba arvuti otsustada soovitava kiirendusprotsendi põhjal kui suur osa igast stseenist ära jätta.

Lisaks stseeni lühemaks lõikamisele saab märulit ja muid dünaamilisemaid juppe ka pisikese kiirendusega (edasikerimise mõistes) näidata, eriti kui neis dialoogi pole. Kui heli on oluline ja moonduks kiirendades (dialoog näiteks läheks kiledahäälseks), siis tuleb see videost eraldada ja algse kiirusega esitada, teatud juppe eemaldades, et see ajaliselt uue pildiesitusega sobiks. Lõigatavate ajavahemike valik võib jällegi nõuda inimese otsust.

Programmi edasijõudnum variant tuvastaks igavuse vaataja näoilme põhjal ise, aga algelisem võimaldaks lihtsalt kasutajal nupuvajutusega vaatamist kiirendada või aeglustada.

Automaattõlge aitab väikestel keeltel püsida

Viimasel ajal on Eesti ajakirjanduses paljud kaevelnud eesti keele väidetava väljasuremise üle, vastustanud ingliskeelset õpet ülikoolides jne. Praeguse trendi jätkudes muutub eesti keel tõepoolest kiiresti inglise laensõnadest küllastunuks ja sureb paari sajandi perspektiivis välja. Oluline eeldus on siinjuures praeguse trendi jätkumine, mis on lähiaastatel küll peaaegu kindel, aga paari aastakümne perspektiivis vähetõenäoline. Paralleel on siin eesti rahva väljarändega, millest viimase kahekümne aasta jooksul ennustati rahvale kadu ja lauldi meedias nutulaulu. Viimasel paaril aastal on aga migratsioonitrend pöördunud: eestlasi on Eestisse liikunud rohkem kui Eestist välja. On ka muid näiteid trendide muutusest: Briti Impeerium ei vallutanud 19. sajandi lõpuks maailma, ega ka Saksa Riik 1941. aasta lõpuks Euraasiat, kuigi trendi põhjal seda ennustati.

Lihtsalt väita, et trend muutub, sest ajaloos on mõnikord nii juhtunud, on muidugi tühi jutt. Tõsiseltvõetavuseks peaksid olema teoreetilised või andmepõhised argumendid, miks trendi muutus tõenäoline on. Minu argument on tõlkeprogrammide jätkuv paranemine ja vabatahtliku inimtõlke levik. Palju tekste, näiteks vaba tarkvara juhendid ja Vikipeedia, on inimesed tasuta ära tõlkinud. Google Translate suudab Euroopa keelte vahel minu kogemuse järgi juba enamvähem arusaadavalt tõlkida. Mida rohkem on tasuta tõlget saadaval, seda väiksem on motivatsioon oma keele võõrkeelega asendamiseks (ja ka keeleõppeks üldiselt).

Kui kirjalik ja suuline suhtlus suudetakse nii kiirelt ja täpselt tõlkida, et inimene ei saa aru, kas räägib omakeelse või teisekeelsega, siis lähevad inimesed kergema vastupanu teed ja suhtlevad oma keeles. Siis lõpeb trend väikeste keelte väljasuremise suunas. Pigem tekib trend keelte lahknemiseks ja killustumiseks, sest iga inimene saab rääkida nii nagu talle mugavam on, tarvitsemata järgida ühtegi õigekirja. Arvuti selgitab nagunii ühe inimese mõtte teisele, nii et iga inimene saab probleemideta enda individuaalset keelt kasutada.

Sellise märkamatu tõlkeni on veel aega, sest praegune arvutipõhine automaattõlge on nähtavalt konarlik. Praegu tõlgivad arvutid sõnakaupa ja neil on raskusi konteksti arvesse võtmisega. Arvutusvõimsuse ja andmebaaside mahu kasvades saab tõlkida lausekaupa, siis juba lõigukaupa jne. Iga tekstiühiku puhul on kontekstil teatud mõju tähendusele, aga mida pikem ühik, seda väiksem. Tõlge muutub pikematel tekstilõikudel põhineva tõlkega järjest täpsemaks, kuigi täiuslikkus on siin maailmas muidugi saavutamatu. Samas pole täiuslikkust kasutatavuseks tarvis, piisab enam-vähem arusaadavusest.

Kui tahta eesti keelt praegusele või ajaloolisele lähedasel kujul säilitada, on parim meetod arendada automaatset tõlget ja õigekirjakontrolli. Paljudes avalikes tekstides olen näinud sagedasi kirjavigu ja viletsa otsetõlke konarusi, mis keele edasikandumise huvides parandada tuleks. Keelt aitab säilitada ka rahva seas populaarsete tekstide (arvutimängud, filmid, uudised) kvaliteetne ja kiire inimtõlkimine eesti keelde. Kui meelelahutus ja tarbetekstid on omakeelsed, siis suunab laiskus rahvast enda keelt kasutama. Inimtõlge on aga oma mahult liiga piiratud võrreldes maailmas toodetud tekstihulgaga, seetõttu pole inimtõlkest ka keele säilitamisel palju abi. Enda keele eeliskasutamise motivatsiooni loob mitte oma keeles kätte saadava teksti maht (mis on praegu suurem kui iial varem), vaid omakeelse teksti protsent kogu saadaolevast tekstist. See suhtarv on kaasajal väiksem kui kunagi enne, aga automaattõlke arenguga muutub suuremaks kui ajalooliselt ja läheneb lõpuks sajale protsendile.

Valitsus saaks aidata keelt säilitada tasuta tõlkeprogramme arendades ja levitades. Ei maksaks minna nii kaugele, et teha veebilehtede automaatne eesti keelde ümberpanek vaikimisi variandiks või lausa kohustuslikuks, sest sundus tekitab vastuseisu, ka oma keele kasutamisel. Praegu Google juba pakub varianti „tõlgi see leht”, mis on tore kui seda esimest korda näha. Kahjuks selle pakkumise eemaldamine veebilehe ülaservast on pisut keeruline, mis tekitab minus teatud trotsi, eriti kuna pakutav tõlge pole veel sama hea kasutatavusega kui ingliskeelne originaal. Keelte puhul, mida ma ei oska, on aga veebilehe tõlkimine Googlei poolt väga tervitatav.

Lumesaha automaatne liigutamine sensorite abil

Lumesahad teepuhastusautodel on minu vaatluste põhjal tihti kas liiga madalal, kraapides teepinda, või kõrgel, jättes osa lund teele. Kui tee on ebatasane, siis on saha juhil muidugi raske sahka kogu aeg reguleerida nii, et kõrgus optimaalne oleks. Samuti on lumikatte all keeruline teed ja selle serval olevat muru eristadada, nii et sahk kraabib vahel muru ära. Selle probleemi lahendaksid sahaautole monteeritud tajurid (radar, ultraheli vms), mis lumest läbi näevad ja saha kõrgust automaatselt tõstavad või langetavad. Arvuti on võimeline tajuritelt saadava teabe põhjal sahka palju kiiremini reguleerima kui inimene, nii et saha keskmist kõrgust teepinnast saaks oluliselt vähendada, mis tagaks puhtama teepinna. Tajurid hoiataksid ka sahajuhti kui sahk teelt kõrvale kaldub ja roheala kraapima hakkab.

Kui ainult autol olevate tajurite abil on keeruline teed ja teepeenart eristada, siis võib tulevikus teid parandades teekattesse sisse ehitada odavad signaalisaatjad, mis tajuritele tee asukohta ja kõrgust teatavad. Näiteks RFID kiibid on odavad ning võtavad vastu ja saadavad raadiosignaale. Nende asukoha saaks triangulatsiooni põhjal välja arvutada ja autos monitoril näidata. Monitori asemel võib ka projektoriga esiklaasile tee piirjooned kuvada. Teine võimalus tajuritele tugevamat signaali pakkuda on lisada rauapulbrit teeserva märgistusse ja kasutada tajuritena metallidetektoreid (magneteid).

Autodesse lisatud tajurid, kas kombinatsioonis teekattes olevate signaaliedastajatega või ilma, aitaksid ka autodel teel püsida, eriti just halva nähtavusega. Kasu oleks sellest nii isejuhtivate kui inimjuhiga autode jaoks. Kui sensorid ja tehisintellekt piisavalt head on, saab lumesahad isejuhtivaks muuta.

Teel püsida aitaksid ka kaamerad, mis tee kõrval olevate objektide (teebarjäär, puud, telefonipostid) asetuse tuvastavad, mille põhjal arvuti objektide kaugused arvutaks. Täpsete kauguste võrdlus arvutisse salvestatud detailse kaardiga määrab sõiduki asukoha. Kauguste muutus tuvastab liikumiskiiruse ja -suuna. Täpseima asukohainfo saaks tõenäoliselt erinevaid teabeallikaid (kaamerad, radar, ultraheli, GPS) koos kasutades.

Mitmekülgse toitumise jaoks loeb toidu sisu, mitte vorm

Toidud, mis näevad erinevad välja ja võib-olla ka maitsevad erinevalt, näiteks sai ja pasta, võivad toitainetesisalduse poolest väga sarnased olla. Sai ja pasta on mõlemad nisu, nii et sarnane koostis pole üllatav. Seevastu kanafilee ja tofu on erinevatest allikatest, aga koosnevad mõlemad veest ja valgust (täielikust valgust, ehk kõiki vajalikke aminohappeid sisaldavast). Vee proportsioon on tofus kõrgem, aga osa sellest saab välja aurutada või pressida, mis teeks koostise väga sarnaseks.
Toidupüramiid liigitab õigustatult, kuigi lihtsustades, toidud kategooriatesse – toidud samast kategooriast annavad sarnase toitaineprofiili. Lihtsustus võib eksiteele viia kui mõnest kategooriast valida põhiliselt üksainus esindaja, näiteks riis või mais teraviljade hulgast. Nii riisis kui maisis on vähe teatud aminohappeid, mida inimkeha toota ei suuda. Täieliku valgu saamiseks peaks riisi kombineerima ubadega, mis puuduolevate aminohapete poolest rikkad.
Vahel saab toidupüramiidi ühe kategooria esindaja asendada teisega, näiteks linaseemnejahu on sarnane munaga. Taimetoitlased selle asenduse ka teevad, samuti liha asendamise sojavalgu, rauarikka spinati ja B-vitamiini rikka pärmiga.
Arvutiajastul saaks toidupüramiidi asendada palju täpsema tabelarvutusprogrammi tabeliga, kus on kirjas vajalikud toitained koos kogustega ja paljude toitude toitainesisaldused. Tabel arvutaks välja palju kombinatsioone toitudest, mis inimese kõik toitainevajadused katavad (arvestades toidu sisu, mitte vormi) ja pakuks neist kombinatsioonidest näiteks vaheldusrikka nädalamenüü (kogused ja toidud). Tabelisse võib lisada toiduainete hinnad antud piirkonnas, mis laseks arvutada näiteks kõige odavama tervisliku menüü. Lisades optimeerimisele piirangud, näiteks et sama toit ei tohi korduda tihemini kui 3 nädala tagant, saaks lisaks odavale ja tervislikule ka vaheldusrikka menüü.
Suuremahulise toitlustamisega tegelevates organisatsioonides tõenäoliselt sarnast menüüplaneerimist ja kulude optimeerimist juba tehakse, aga seda saaks lihtsalt teha ka üksikisiku tasandil.

Kuritegevuse väidetava põhjuse vähendamine

Kuritegevuses, terrorismis ja teistes probleemides süüdistatakse vahel suurt noorte vallaliste meeste hulka või suurt meeste-naiste suhtarvu, otsesemalt meeste seksuaalset frustratsiooni. Kui see tõesti kuritegevuse põhjus on, siis on lahendus lihtne: võimalikult elutruud seksrobotid nii mehi kui naisi jäljendava välimusega. Pakkudes roboti abil rahuldust igaühele riskigrupis, olgu see grupp noored mehed või keegi muu, peaksid potentsiaalsed kurjategijad frustratsioonist lahti saama, mis viiks rahumeelsele seaduskuulekale käitumisele.
Tehnoloogia elutruuks robotiks on juba olemas: naha saab teha plastikust või vahast (vahakujud on üsna elutruud), hingamisliigutusi saab jäljendada lineaarmootoriga, südamelööke basskõlariga, ka soojenduse saab sisse panna, vedelikku teatud kehaosadesse pumbata, lihtsaid häälkäsklusi odava nutitelefoni abil ära tunda jne. Skeleti saab plastikust 3D printida ja lihased tihedast vahtkummist välja lõigata. Lihase keskele võib panna kaabli, mida väike elektrimootor enda ümber kerib (ja lahti kerib) – nii saab lihaseid liigutada. Liigutused, mida seksrobot tegema peab, ei ole eriti keerulised, nii et pole vaja peenmehaanikat ega väga täpset taktiilset tagasisidet. Samuti käsklused, mida robot tundma peab, on lihtsad ja neid on vähe, nii et üsna lihtne mikrofon ja arvuti suudaksid neid tuvastada.
Põhiline sellise roboti tootmiskulu on kokkupanemise aeg ja tööjõud. Materjalid kokku maksavad ilmselt alla 1000 euro roboti kohta, eriti kui roboteid suures koguses toota. Kogukulu jääb tõenäoliselt alla 10 000.

Mida peaks matemaatikas õpetama

Kõige parem oleks igasugusele „mida peaks õpetama” küsimusele vastata empiiriliselt, ehk leida, mis teadmised teevad õpilase hiljem edukaks (mingi edukriteeriumi järgi), aga minu teada selliseks empiiriliseks uurimuseks vajalikke andmeid saada pole. Nii et spekuleerin teoreetiliselt.
1) Propositsooniline loogika ja kvantorid, ning sellele vastav hulgateooria. Rakendus: kuidas leida vastuolulisi väiteid tekstis, kuidas vältida loogika ja hulgateooria abil psühholoogiast ja käitumisökonoomikast tuttavaid otsustusvigu (Linda efekt; inimesed on nõus maksma suurem summa, et kindlustada end terrorismist põhjustatud surma vastu kui igasuguse surma vastu; inimesed reageerivad erinevalt kirjeldustele „kolmandik sureb” ja „kaks kolmandikku elab”).
2) Bayesi reegel (propositsiooniline loogika on Bayesi reegli erijuht). Algteadmise Bayesi reeglist saaks lastele anda juba siis, kui nad veel numbreid ei tunne. Näiteks joonistada neljaks jagatud ruut, kus read on „sündmus toimus” ja „ei toimunud” ning veerud „signaal näitas, et toimus” ja „signaal näitas, et ei toimunud”. Liigutades vertikaalset joont neljaks jagatud ruudus vasakule või paremale, muudame esimest ja teist tüüpi vea tõenäosust. Rakendus: tõenäosusega seotud otsustusvigade vältimine (väikeste arvude seadus, mündiviskel kolme kulli järel peab tulema kiri, Monty Halli probleem).
3) Statistika alused (põhineb Bayesi reeglil). Rõhk mitteparameetrilisel statistikal ja kliiniliste katsete tõlgendamisel, mitte vähimruutude meetodil (OLSil). Rakendus: kuidas ära tunda vigast või tahtlikult väärjäreldusele suunavat statistikat; valimi suurus ja parameetri hinnangu jaotus. Usaldusnivoo tuletamine ainult jaotuse kaudu, mitte asjana iseeneses.
4) Isiklik rahandus ja arvestus, sealhulgas liitintress, protsendid, astmeline maksusüsteem, neto- ja brutopalk.
5) Peastarvutamine poeskäimisel, sealhulgas hinna arvutamine massi- või mahuühiku kohta eri suurusega pakendite puhul, täpse vahetusraha arvutamine, kontsentraadi ja lahjendatud mahla või pesuvahendi hinnavõrdlus.
6) Lähendamine arvutustes, eriti peastarvutamisel, aga ka arvutiga numbriliselt lahendades. Rakendus: ülesande väga vale vastuse äratundmine.
7) Matemaatika rakendused teistes teadusvaldkondades (http://www.sanderheinsalu.com/ajaveeb/?p=101).
8) Optimeerimine ja mikroökonoomika alused. Riski ja kindlustuse mõistmine, eri kaupade piirkasulikkuste võrdsus, optimaalse piirkulu võrdumine piirtuluga.
9) Kuidas eristada küsimusi, mida lahendada peast, paberi ja pliiatsi matemaatikaga või arvutiga. Kuidas küsimust arvuti jaoks sobivasse vormi teisendada ja siis arvutil lahendada (www.computerbasedmath.org).
Kui on paika pandud, mida õpetada, siis saab vastata küsimusele, kuidas õpetada.
Mängude kaudu õpetamine paistab empiiriliselt olevat edukas. Mängude kaudu saaks õpetada isiklikku rahandust ja arvestust, näiteks lisada laenamine-säästmine-investeerimine ja maksud Sims tüüpi mängu, kus tuleb juhtida inimese igapäevast elu. Sinna saab lisada ka petlikud finantspakkumised, mis püüavad mängijat raha kaotama panna (Nigeeria kirjad, kiirlaenud, kasiino ja loterii, bruto- ja netopalga vahega mängimine, kõrgema palgaga elukohas on elukallidus suurem).
Lähendamise arvutimänguga õpetamiseks võib sobida sõjaline tulejuhtimine: antakse sihtmärgi kaugus, tuule suund, mürsu algkiirus jms, ning mängija peab valima, kuhu sihtida, sisestades arvulised koordinaadid. Sisestamise kiirus loeb, seega ei saa täpselt arvutada, vaid peab lähendama. Samuti saab teha mängu, kus peab arvutama, kas lennuk suudab teatud pommikaalu ja kütusehulgaga sihtmärgini ja tagasi jõuda, või kui suure pommikaalu lennukile antud kauguse, kütusekulu ja kütusehulga juures võib peale laduda.
Poeskäimisega seotud peastarvutamise õpetamiseks võib teha võistlusliku mängu, kus mängijad mõtlevad välja erinevaid tootepakkumisi (hind, kogus, kontsentratsioon, erinevate toodete ühes pakis müümine) ja peavad valima teiste mängijate erinevate pakkumiste vahel. Võidab see, kes kulutab nõutud ostukorvi peale kõige vähem raha ja suudab oma pakkumistega panna teised kõige rohkem raha kulutama (ehk suunata teised valedele otsustele). Kiirem otsustamine annab rohkem punkte, nii et tuleb arvutada kiiresti, peast ja lähendades.

Sõjaveõppus päris kuulide ja vastasega

Tõelähedasem treening on enamasti parem, aga sõjaväeõppustel on päris laskemoonaga harjutamisel teatud piirangud. Saab ainult märki lasta, sest elusa vastase pihta lastes on keeruline kellegi tapmist vältida. Päris vastastega harjutamiseks leiutati paintball, aga värvipallid ei lenda nii kaugele kui ehtne laskemoon. Lähivõitluse, näiteks linnalahingu puhul pole see eriti oluline, aga põllu ületamisel tule all küll.

Virtuaalreaalsusprillid on üks võimalus, kuidas õppusel kaks osapoolt ohutult üksteise pihta laskma panna. Teine variant on natuke vanem tehnoloogia: kinolina ja pildituvastustarkvara. Kui panna välja ühte otsa valge riie püsti ja sellele maasse kaevatud projektoritelt vastase pilt projitseerida, saab riide pihta märkilaskmist harjutada. Kui suunata riidele maasse kaevatud kaamerad, saab sellesse lastud augud pildituvastustarkvaraga registreerida. Arvutis projektorite ja kaamerate pilti võrreldes saab tuvastada, kas mõnele vastase kujutisele pihta lasti. Teisel väljal saab teine sõjaväeüksus oma välikinoga sama teha. Mõlemat üksust saab kinolina poolt filmida. Kaamera, mis seda teeb, võib küll kogemata pihta saada, aga kaamerad on tänapäeval pisikesed ja odavad, nii et mõnikord võib need õppuse kuludesse kanda.

Kui mõlemad üksused liiguvad oma kinolina poole, siis saab ühest üksusest tehtud filmi reaalajas teisele näidata, ja vastupidi. Linadesse lastud augud saab tõlgendada teisele üksusele pihta laskmisena. Kui sõduril on väike raadiosaatja, näiteks nutitelefon, saab projektorite ja kaameratega ühenduses arvuti reaalajas talle helisignaaliga teatada, et vastane talle pihta sai. Sõdur saab siis pikali kukkuda ja surnut teeselda, ja see on filmil vastasele näha. Nii saab päris laskemoonaga reaalajas reageeriva päris vastase vastu õppusi korraldada.

Anonüümse kasutajanime valik

Kui tahta anonüümseks jääda, ei tohiks kasutajanimi ega salasõna (ega midagi muud sisestatut) sisaldada infot sinu tausta kohta. Ehk kasutajanimi ega salasõna ei tohiks olla eesti keeles, vaid peaks olema inglise või mõnes muus suures keeles. Need ei tohiks sisaldada kultuurilisi viiteid (kalevsson, forestbrother), vaid peaksid olema näiteks massilevikuga arvutimängudest või filmidest (raider, halfelven, di3hard).

Väga intelligentsetest kasutajanimedest (morslongavitabrevis, lenfercestlesautres) tuleks hoiduda, kui tahta haridustausta varjata.

Kunsti loomine arvutiga

Kunsti loomiseks arvutiga on kolm taset – testimine, poolautomaatne genereerimine ja täisautomaatne genereerimine.

Testimiseks loob inimene mingi ühiku potentsiaalset kunsti, programm võrdleb seda olemasoleva kunsti andmebaasiga ja annab infot selle kohta, kui palju ja kus esitatud ühik andmebaasi keskmisest mingite parameetrite poolest erineb (raamatul nt sõnade pikkuse, esinemissageduse, lausete pikkuse ja liigi).

Poolautomaatne genereerimine on see, kui programm loob elemente kunstivormist, inimene valib nende hulgast mõned ja paneb kokku. Arvuti võib näiteks luua luuleridu etteantud silpide arvu ja riimiskeemiga. Inimene valib mõned ja paneb luuletuseks kokku. Arvuti võib enne võrrelda genereeritud elemente andmebaasis olevate teostega, et vältida plagiaati.

Täisautomaatne genereerimine on see, kui arvuti loob valmis kunstiühiku. Näiteks võtab arvuti maalide andmebaasi, kasutab kujutise äratundmise algoritme, et maalide elemendid eraldada. Siis paneb arvuti teatud viisil valitud maalide elemendid kokku üheks pildiks ja loob sellele pildile ühtse stiili, nt imiteerides pintslitõmbeid või moonutades kujutisi teatud viisil.

Tänapäeval suudaksid arvutid õige programmi abil täisautomaatselt genereerida luuletusi, sõnamänge, maale, skulptuure (3D printimise abil), muusikapalu. Poolautomaatselt saaks lisaks genereerida sisuplaane näidendite, raamatute, filmide jaoks. Nende sisuplaanide põhjal võib siis inimene vastava kunstiühiku luua, lisades sisu kokkuvõttele kirjeldused ja detailid.

Testida saaks piisava arvutusvõimsuse olemasolul peaaegu kõiki kunstiliike. Esinemiskunsti puhul peaks selle mitme nurga alt filmima, et arvuti seda 3D-s võrrelda saaks. Kõige selle jaoks on vaja eelneva kunsti andmebaase.