Inizia la prova gratuita
Tendenze Novità Generi Autori
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Ricerca in corso...
SoBrief
The Nature of Code

The Nature of Code

Trasforma semplici programmi in stormi, frattali ed ecosistemi digitali che si muovono e si evolvono.
di Daniel Shiffman 2012 520 pagine
4.57
500+ valutazioni
Ascolta
Immersivi
V2.3
Amazon Kindle Audible
Prova l'accesso completo per 3 giorni
Sblocca l'ascolto e molto altro!
Continua

Punti chiave

Modellare la natura come codice: definire le regole e osservare il comportamento emergere.

Un libro sul creare. La guida di Daniel Shiffman usa Processing per trasformare osservazioni del mondo fisico e biologico in simulazioni funzionanti. Non è un testo rigoroso di fisica né un manuale di progettazione. La sua domanda centrale è pratica: quali regole potrebbero produrre questo comportamento, e come si possono programmare? Il libro dà per scontato che i lettori conoscano già le basi della programmazione, soprattutto la programmazione orientata agli oggetti, e da lì costruisce il resto.

Un mondo che si allarga. Il percorso comincia con il movimento semplice, poi aggiunge forze, gruppi, comportamenti autonomi e sistemi capaci di apprendere o evolversi. Un camminatore casuale introduce l’abitudine fondamentale di ragionare in termini di regole. Un progetto continuativo di ecosistema digitale mostra come tecniche diverse possano diventare parti di una simulazione più ampia. L’obiettivo non è copiare la natura alla perfezione, ma ampliare la cassetta degli attrezzi del programmatore per creare comportamenti convincenti e controllabili.

Analisi

Colpisce il passaggio dal disegnare un’immagine della natura allo specificare un processo che potrebbe generarla. La distinzione conta nell’animazione, nel design e nella visualizzazione scientifica: un risultato convincente può derivare da un modello utile anche quando il modello non offre un resoconto completo della realtà. È bene tenere presente il compromesso. Una simulazione può sembrare naturale pur incorporando presupposti arbitrari, quindi le sue regole andrebbero considerate scelte progettuali, non prove del funzionamento della natura.

Scegliere la casualità con criterio, dalle probabilità ponderate al rumore di Perlin uniforme e fluido.

Non tutta la casualità è uguale. Un generatore di numeri casuali uniforme assegna a ogni esito la stessa probabilità. È adatto a un camminatore casuale di base, ma spesso fa apparire un sistema meccanico o dispersivo. Una distribuzione ponderata può favorire alcuni esiti: per esempio, un camminatore può avere più probabilità di fare un passo a destra che a sinistra. Una distribuzione gaussiana, invece, raggruppa i valori attorno a una media; è utile, per esempio, per generare creature perlopiù di dimensioni medie, con qualche esemplare di dimensioni estreme.

Aggiungere continuità o salti rari. Il rumore di Perlin produce valori pseudocasuali che cambiano gradualmente, utili per movimenti errabondi, motivi simili a nuvole o una forza del vento variabile. Un volo di Lévy approssima la ricerca di cibo combinando molti piccoli passi con salti molto più ampi e rari. Ogni metodo conferisce alla variazione un carattere diverso. È il programmatore a scegliere le regole, invece di trattare la casualità come una risposta universale.

Analisi

La casualità è un materiale di progettazione, non un sinonimo di naturalezza. La probabilità ponderata esprime una preferenza, la variazione gaussiana si concentra attorno a un valore tipico e il rumore di Perlin esprime continuità. Queste distinzioni aiutano a rendere leggibile una simulazione, perché la fonte della variazione corrisponde al comportamento rappresentato. Anche la fluidità può trarre in inganno: gli eventi reali possono essere bruschi e il rumore di Perlin può diventare una nuova stampella predefinita. La domanda utile non è quale metodo sembri organico, ma di quale tipo di variazione abbia bisogno il sistema.

Descrivere il movimento con vettori e lasciare che l’accumulo delle forze determini l’accelerazione.

Raggruppare i dati del movimento. Un vettore contiene modulo e direzione, ed è quindi un modo compatto per rappresentare posizione, velocità o accelerazione. In Processing, un PVector sostituisce le variabili orizzontale e verticale separate e offre operazioni come addizione, sottrazione, ridimensionamento e normalizzazione. Il ciclo di base del movimento è semplice: l’accelerazione modifica la velocità, poi la velocità modifica la posizione. Così un oggetto ha una storia, invece di teletrasportarsi ogni volta in una nuova posizione.

Lasciare che le forze si sommino. La seconda legge di Newton mette in relazione forza, massa e accelerazione. Un oggetto in movimento può raccogliere più forze, come il vento e la gravità, dividerne la somma per la massa e aggiornare la propria accelerazione. Dopo ogni aggiornamento, l’accelerazione va azzerata, così le forze agiscono solo quando sono presenti. L’attrito e la resistenza possono rallentare il movimento, mentre l’attrazione gravitazionale può avvicinare gli oggetti. Sono modelli la cui intensità si può regolare in funzione dell’effetto desiderato.

Analisi

I vettori sono utili non solo perché riducono la ripetizione delle coordinate, ma perché rendono esplicite le relazioni. Una forza ha una direzione e un’intensità, quindi cause diverse possono essere combinate con la stessa operazione. È anche il fondamento del controllo a retroazione: l’accelerazione regola la velocità e la velocità regola la posizione. Il semplice aggiornamento di Eulero è facile da comprendere, ma fa avanzare il movimento a passi discreti e in alcune situazioni può essere impreciso o instabile. Chiarezza e fedeltà sono obiettivi distinti.

Usare angoli e onde sinusoidali per dare ritmo ed elasticità al movimento.

La rotazione segue la stessa logica. L’angolo di un oggetto può cambiare tramite la velocità angolare, che a sua volta può cambiare tramite l’accelerazione angolare. La trigonometria converte un angolo in coordinate cartesiane e viceversa, permettendo a un punto di tracciare un percorso circolare o a una forma di orientarsi nella direzione in cui si muove. Seno e coseno producono oscillazioni fluide, descritte dall’ampiezza, cioè la distanza dal centro, e dal periodo, il tempo necessario per un ciclo completo.

Modellare il collegamento. Si può animare un pendolo calcolando l’accelerazione angolare a partire dalla gravità e dal seno del suo angolo, poi smorzandone il movimento affinché rallenti gradualmente. Una molla si può modellare con la legge di Hooke: la sua forza cresce con la differenza tra la lunghezza attuale e quella a riposo, ed è diretta verso l’equilibrio. Le onde sinusoidali sono scorciatoie visive rapide; le molle basate sulle forze sono più utili quando l’oggetto deve reagire ad altre forze.

Analisi

Il movimento periodico offre all’animazione un vocabolario utile: l’ampiezza regola quanto si sposta qualcosa, mentre il periodo regola la rapidità con cui si ripete. La distinzione tra una scorciatoia basata sull’onda sinusoidale e un modello basato sulle forze è particolarmente pratica. La prima offre un controllo artistico diretto; il secondo permette al movimento di reagire al mutare delle condizioni. È una scelta generale di modellazione: prescrivere il risultato quando la priorità è l’aspetto, oppure rappresentare il meccanismo quando la priorità è l’interazione. Nessuna delle due opzioni è automaticamente più vera o più utile.

Costruire sistemi di particelle per gestire la scala e scegliere i motori fisici in base al compito.

Gestire molti piccoli corpi. In un sistema di particelle, un emettitore crea particelle individuali che si muovono, cambiano e infine scompaiono. William Reeves sviluppò questa tecnica per l’effetto Genesis in Star Trek II: L’ira di Khan. Una particella può avere una durata e dissolversi mentre muore; un ArrayList permette al sistema di aggiungere e rimuovere particelle secondo necessità. Ereditarietà e polimorfismo consentono a un sistema di contenere diversi tipi di particelle senza duplicare tutto il codice che le gestisce.

Ricorrere a strumenti già pronti quando servono. Box2D è adatto a collisioni, giunti e motori realistici, ma richiede di tradurre tra le unità del suo mondo e i pixel di Processing. La fisica di Verlet di toxiclibs è più semplice per particelle collegate e forme elastiche, supporta il 3D e non gestisce la geometria delle collisioni. La scelta dipende dal progetto. Per un semplice cerchio che cade non serve alcun motore; poligoni che interagiscono possono giustificare Box2D, mentre una struttura morbida e connessa suggerisce la fisica di Verlet.

Analisi

Il sistema di particelle è sia un effetto visivo sia un modo riutilizzabile per gestire insiemi la cui dimensione cambia nel tempo. La sua architettura separa il comportamento di un singolo elemento dalle regole che governano il gruppo, uno schema utile ben oltre la grafica. I motori fisici operano una separazione simile tra l’obiettivo del programmatore e i calcoli necessari per raggiungerlo. La comodità ha un prezzo: unità, API e rendering devono essere compatibili. Una libreria elimina alcune attività, non la necessità di capire il modello.

Lasciare che regole locali di sterzata organizzino uno stormo senza un capobranco.

Dare agli agenti una consapevolezza limitata. Un agente autonomo percepisce una parte dell’ambiente, sceglie un’azione e si muove senza un controllore centrale. Il metodo di sterzata di Craig Reynolds calcola una velocità desiderata, la confronta con la velocità attuale dell’agente e trasforma la differenza in una forza di sterzata. La ricerca punta verso un obiettivo; l’arrivo riduce la velocità man mano che l’agente si avvicina. Un campo di flusso dà agli agenti una direzione locale da seguire, mentre il seguimento di un percorso li guida di nuovo verso una traiettoria.

Combinare regole per i gruppi. Il modello di affollamento di Reynolds combina la separazione, che evita l’eccessiva vicinanza; l’allineamento, che adegua la direzione a quella degli agenti vicini; e la coesione, che spinge verso gli altri membri del gruppo. Il movimento coordinato del gruppo nasce da interazioni locali, non da un capobranco. Un’implementazione diretta confronta ogni agente con tutti gli altri, richiedendo all’incirca N al quadrato confronti. Suddividere lo spazio in celle di una griglia può ridurre i controlli non necessari sui vicini.

Analisi

La decisione centrale nella modellazione riguarda ciò che un agente può percepire. Un vicinato limitato rende l’interazione locale una scelta progettuale del sistema, invece di attribuire a ogni creatura una conoscenza perfetta. Le tre regole dell’affollamento mostrano inoltre come cooperazione e competizione possano coesistere: allineamento e coesione tengono unito il gruppo, mentre la separazione preserva lo spazio. Questi ingredienti non garantiscono un risultato convincente. La distanza dai vicini e il peso delle forze sono importanti, e piccole variazioni dei parametri possono produrre comportamenti di gruppo molto diversi.

Lo stato successivo di una cella dipende dai vicini, non da una storia sovrascritta.

Definire un aggiornamento locale. Un automa cellulare è una griglia di celle i cui stati cambiano secondo regole applicate ai loro vicinati. In un automa elementare unidimensionale, ogni cella ha uno stato binario e un vicinato di tre celle. Esistono otto possibili configurazioni del vicinato, quindi una regola si può rappresentare con otto bit. La regola 90, per esempio, produce un motivo a triangolo di Sierpiński partendo da una singola cella attiva.

Conservare la generazione. Per calcolare correttamente una nuova generazione, si leggono tutte le celle dalla vecchia griglia e si scrivono i risultati in una nuova griglia separata. Solo dopo aver completato tutti gli aggiornamenti la nuova griglia dovrebbe sostituire quella vecchia. Il Gioco della vita bidimensionale di Conway usa regole basate sul numero di vicini vivi: una cella isolata muore, una sovraffollata muore e una cella morta con esattamente tre vicini vivi nasce. Regole semplici possono produrre configurazioni stabili, oscillanti o in movimento.

Analisi

Separare gli stati vecchi e nuovi non è soltanto una comodità di programmazione. Serve a preservare l’ipotesi del modello secondo cui ogni cella reagisce allo stesso momento precedente, anziché a una combinazione di vicini vecchi e già aggiornati. In questo modo, l’ordine degli aggiornamenti è significativo e riproducibile. Gli automi cellulari rendono visibile anche l’emergere: le configurazioni nascono da regole locali ripetute, senza essere disegnate cella per cella. Tuttavia, la complessità dell’aspetto non va confusa con l’intelligenza o il realismo biologico.

Far crescere forme frattali ricorsivamente e fermarsi prima che la ricorsione mandi in crisi la macchina.

Ripetere una regola su scala ridotta. Un frattale è una forma finemente strutturata che spesso assomiglia a se stessa a scale diverse. La ricorsione, ossia una funzione che richiama se stessa su una versione più piccola del proprio problema, offre un modo diretto per generare forme di questo tipo. L’insieme di Cantor si ottiene rimuovendo ripetutamente il terzo centrale di una linea. La curva di Koch sostituisce ogni segmento con quattro segmenti più piccoli. Un albero ricorsivo si ramifica in nuovi rami; aggiungere variazioni alla lunghezza o agli angoli dei rami può rendere il risultato meno rigido.

Stabilire un limite chiaro. Ogni processo ricorsivo ha bisogno di una condizione di uscita, per esempio fermarsi quando una linea diventa più piccola di un pixel o quando si raggiunge un numero prefissato di generazioni. I sistemi-L offrono un altro approccio: una stringa iniziale e regole di sostituzione producono istruzioni per disegnare, come avanzare, svoltare o salvare una posizione. La ricorsione e i sistemi-L possono generare strutture simili a piante, ma lo stile visivo resta una scelta.

Analisi

La ricorsione è potente perché una regola breve può descrivere una struttura estesa, proprio come una grammatica compatta può generare una frase lunga. Fa emergere anche una tensione pratica: l’idea matematica può proseguire all’infinito, mentre un computer dispone di tempo, memoria e risoluzione dello schermo limitati. La condizione di arresto fa quindi parte del modello, non è un semplice rattoppo tecnico. Anche le forme naturali variano, perciò l’autosimilarità esatta è spesso un utile punto di partenza, non una descrizione completa.

Rendere computazionale l’evoluzione: codificare i tratti, valutare l’idoneità e preservare la variazione.

Trasformare i tratti in dati. Un algoritmo genetico cerca soluzioni mantenendo una popolazione di candidati. Ogni candidato possiede tratti codificati, o geni. Una funzione di idoneità assegna un punteggio in base a quanto il candidato soddisfa un obiettivo; la selezione rende più probabile che i candidati con punteggi più alti si riproducano. Il crossover combina i tratti di due genitori, mentre la mutazione introduce nuova variazione. Nell’esempio del libro in cui si compone una frase, stringhe di caratteri casuali evolvono verso una frase nota: è una dimostrazione del processo, non un metodo pratico per scrivere.

Scegliere il punteggio con cura. Gli Smart Rockets usano sequenze di forze come materiale genetico e vengono premiati quando raggiungono un bersaglio evitando gli ostacoli. In un ecosistema, le creature che trovano cibo possono vivere più a lungo e riprodursi, così la sopravvivenza modella la popolazione senza un valutatore centrale. Una funzione di idoneità inadeguata può premiare il comportamento sbagliato. Dimensione della popolazione, tasso di mutazione e bilanciamento tra selezione e variazione influiscono tutti sul fatto che la ricerca migliori, si arresti o diventi casuale.

Analisi

La parte più difficile di una simulazione evolutiva spesso non è la mutazione o il crossover, ma decidere cosa significhi avere successo. Un indicatore numerico rende la selezione calcolabile, ma può favorire una scorciatoia che soddisfa il punteggio senza raggiungere il vero obiettivo del progettista. È un problema più ampio dell’ottimizzazione: il bersaglio misurabile non sempre coincide con quello significativo. La variazione è importante anche per un altro motivo: una popolazione che converge troppo in fretta può scartare tratti utili prima che abbiano la possibilità di combinarsi.

Usare i percettroni come semplici sistemi di apprendimento, non come repliche del pensiero umano.

Un neurone in miniatura. Un percettrone riceve input numerici, moltiplica ciascuno per un peso, somma i risultati e applica una regola di attivazione. Nella regola più semplice presentata nel libro, l’output è più uno o meno uno, a seconda del segno della somma. Un input di bias aiuta a spostare il confine decisionale. Con esempi etichettati, il percettrone confronta la propria previsione con la risposta nota e modifica i pesi in base all’errore e al tasso di apprendimento.

Conoscerne i limiti. Questo modello può imparare a classificare punti che si trovano ai due lati di una retta, ma un singolo percettrone non può risolvere qualsiasi configurazione. Il libro usa XOR, un problema che non si può separare con una sola retta, per introdurre reti con strati nascosti e retropropagazione. In un esempio creativo di sterzata, un percettrone assegna pesi alle forze; è però un’ispirazione intenzionalmente semplificata tratta dal funzionamento del cervello, non un modello realistico di un cervello biologico.

Analisi

Il percettrone è utile perché il suo processo di apprendimento si può osservare: input, pesi, output, errore e correzione sono tutti visibili. Ne fa un efficace modello didattico per i sistemi adattivi. La sua semplicità ne definisce anche i limiti. Una singola regola decisionale lineare non può rappresentare ogni classificazione, e l’aggiunta di strati introduce nuove difficoltà di addestramento. Qui è essenziale la distinzione del libro tra ispirazione e imitazione scientifica: una metafora che richiama il cervello non è una prova di cognizione simile a quella del cervello.

Analisi

Il principale risultato organizzativo del libro è una scala di modelli. Si comincia con un oggetto spinto da forze esterne, si attribuisce a quell’oggetto una capacità limitata di sterzare, poi si passa dagli individui alle popolazioni e dalle regole fisse ai sistemi adattivi. Vettori, sistemi di particelle, automi cellulari, algoritmi genetici e reti neurali non sono presentati come argomenti slegati. Ognuno introduce un nuovo tipo di relazione: tra variabili del movimento, tra corpi e ambienti, tra vicini o tra risultati e comportamenti futuri. Questa progressione offre al lettore un metodo riutilizzabile per chiedersi che cosa debba rappresentare una simulazione.

La scelta didattica più efficace consiste nel privilegiare approssimazioni funzionanti rispetto a derivazioni esaustive. Il lettore può costruire un pendolo, uno stormo o un razzo in evoluzione senza padroneggiare tutta la fisica o l’intelligenza artificiale. Il libro rende ripetutamente modificabili i presupposti, trattando così la programmazione come una forma di progettazione del modello. Da questo punto di forza deriva la sua avvertenza principale: un’animazione può sembrare naturale senza essere scientificamente accurata. Equazioni, forze e regole di apprendimento sono strumenti per produrre comportamenti, e la loro utilità dipende dallo scopo del progetto.

Questo quadro chiarisce anche da dove nasca la complessità. Uno stormo non ha bisogno di un capobranco se ogni agente segue regole locali. Un automa cellulare può creare configurazioni intricate a partire da un piccolo vicinato e una regola compatta. Una ricerca evolutiva può trovare soluzioni senza che il programmatore debba specificare ogni passaggio intermedio. Eppure, la complessità non garantisce l’intelligenza, e l’adattamento ha un significato pari a quello della misura di idoneità o del segnale di retroazione che lo orienta. Il libro fornisce i meccanismi, lasciando al lettore l’interpretazione e la qualità del modello.

Il risultato si legge al meglio come un percorso di formazione alla programmazione e al pensiero computazionale, non come un catalogo di effetti già pronti. La sua lezione duratura è passare dall’aspetto al meccanismo: individuare lo stato, definire l’interazione, scegliere la regola di aggiornamento e osservare che cosa ne consegue. Questo metodo può sostenere l’invenzione artistica, una simulazione utile o semplicemente una comprensione più profonda di come regole semplici producano comportamenti sorprendentemente ricchi.

Riassunto in 30 secondi
Le simulazioni convincenti nascono definendo stati, interazioni e regole di aggiornamento, per poi osservarne i risultati. I vettori rendono gestibile il movimento: le forze modificano l’accelerazione, l’accelerazione modifica la velocità e la velocità modifica la posizione. Regole locali di sterzata possono coordinare uno stormo senza un leader, mentre gli automi cellulari creano schemi complessi a partire da semplici aggiornamenti basati sulle celle vicine. Gli algoritmi genetici esplorano variazioni e selezione, ma i risultati dipendono dal punteggio di fitness. Un modello è utile quando le sue ipotesi sono adatte allo scopo, non perché riproduce perfettamente la natura.
Contiene spoiler

Ultimo aggiornamento:

Segnala un problema

Sintesi delle recensioni

4.57 su 5
Media di 500+ valutazioni da Goodreads e Amazon.

The Nature of Code è molto apprezzato per le spiegazioni accessibili di argomenti complessi come le simulazioni fisiche, l’intelligenza artificiale e i sistemi naturali, realizzate con Processing. I lettori ne apprezzano la scrittura chiara, gli esempi pratici e l’approccio visivo all’insegnamento dei concetti di programmazione. Molti lo hanno trovato utile per imparare sia a programmare sia i principi delle scienze naturali. Il libro è consigliato tanto ai principianti quanto ai programmatori esperti, e viene lodato in particolare per la trattazione dei sistemi di particelle, degli algoritmi genetici e delle reti neurali. Alcuni lettori hanno osservato che certi argomenti avrebbero potuto essere approfonditi maggiormente.

La tua valutazione:
4.71
230 valutazioni
Vuoi leggere il libro completo?

Glossario

rumore di Perlin

Valori pseudocasuali che variano in modo uniforme

Una funzione deterministica di rumore che produce valori pseudocasuali che cambiano in modo uniforme. A differenza dei campioni casuali indipendenti, gli input vicini tendono a produrre output simili. In Processing, noise() restituisce valori compresi tra 0 e 1, che possono essere mappati su posizioni, forze, colori o altre variabili. Il libro lo usa per creare movimenti e texture dall’aspetto organico, avvertendo però che non dovrebbe diventare un sostituto automatico della progettazione delle regole.

accumulo delle forze

Somma delle forze a ogni aggiornamento

Una tecnica di movimento in cui ogni forza che agisce su un oggetto durante un intervallo temporale viene aggiunta alla sua accelerazione. L’oggetto aggiorna quindi la velocità e la posizione, e la sua accelerazione viene azzerata prima dell’intervallo successivo. Azzerarla evita che le forze persistano involontariamente. In questo modo vento, gravità, attrito e altre influenze possono agire insieme invece di sovrascriversi a vicenda.

sistema di particelle

Collezione di particelle gestita

Una collezione di piccoli oggetti indipendenti, che vengono creati, si muovono, cambiano e infine vengono rimossi. Un sistema comprende di solito un emettitore che determina il punto di partenza delle nuove particelle. Le singole particelle possono avere un proprio movimento e una propria durata, mentre un oggetto sistema di particelle gestisce l’elenco nel suo insieme. Questa tecnica può rappresentare effetti come fumo, fuoco, bolle e altre forme sfumate o irregolari.

forza di sterzata

Correzione verso il movimento desiderato

Una forza usata da un agente autonomo per modificare il movimento attuale in direzione della velocità desiderata. Il libro la calcola sottraendo la velocità attuale da quella desiderata, per poi limitarne l’intensità così da controllare la capacità di sterzata. I comportamenti di ricerca, arrivo e movimento in stormo possono essere espressi tutti con questo calcolo, definendo velocità desiderate diverse.

automa cellulare

Griglia di stati regolati da regole

Un sistema computazionale composto da celle disposte su una griglia. Ogni cella ha uno stato, per esempio viva o morta, e un insieme di celle vicine. A ogni generazione, le regole usano gli stati precedenti di quelle celle vicine per determinare lo stato successivo della cella. Gli automi cellulari possono produrre, a partire da semplici regole locali, schemi stabili, ripetitivi, in movimento o complessi.

frattale

Forma finemente strutturata

Una forma geometrica irregolare o frammentata, le cui parti possono assomigliare all’insieme a scale più piccole. I frattali presentano una struttura fine a diverse scale e vengono comunemente generati mediante regole ripetute o ricorsione. Non è richiesta una perfetta autosimilarità. Nel libro, linee ricorsive, alberi ramificati e sistemi-L offrono metodi pratici per generare schemi simili ai frattali entro i limiti finiti del calcolo.

sistemi-L (L-systems)

Regole grammaticali per la crescita

Un sistema formale per generare stringhe mediante regole di sostituzione ripetute, sviluppato dal botanico Aristid Lindenmayer per modellare la crescita delle piante. Un sistema-L specifica un alfabeto, una stringa iniziale chiamata assioma e regole che sostituiscono i simboli. Una procedura di disegno interpreta la stringa risultante come istruzioni, per esempio avanzare, girare, disegnare o ripristinare una posizione precedente.

algoritmo genetico

Ricerca tra candidati in evoluzione

Un metodo di ricerca ispirato alla selezione naturale. Crea una popolazione di candidati, li valuta con una funzione di fitness e aumenta la probabilità che i candidati più adatti contribuiscano alla generazione successiva. Il crossover combina i tratti dei genitori, mentre la mutazione introduce variazioni. La sua efficacia dipende da come sono codificati i candidati e dal fatto che la funzione di fitness premi o meno il risultato desiderato.

genotipo e fenotipo

Tratti codificati ed espressione

Il genotipo è l’insieme di dati che codifica i tratti di un’entità, per esempio numeri, caratteri o vettori. Il fenotipo è l’espressione visibile o comportamentale di quei dati. In una simulazione, i geni possono memorizzare la velocità di una creatura o i pesi di sterzata, mentre il movimento della creatura manifesta quei valori. Separarli permette di modificare la codifica senza riscrivere l’intera entità.

percettrone

Classificatore con input pesati

Un semplice modello computazionale di un neurone. Moltiplica ogni input per un peso corrispondente, somma i risultati e applica una funzione di attivazione alla somma per produrre un output. Un percettrone può modificare i propri pesi sulla base di esempi etichettati, usando la differenza tra la sua previsione e la risposta nota. Un singolo percettrone è limitato ai problemi separabili linearmente.

integrazione di Verlet

Movimento ricavato da posizioni successive

Un metodo d’integrazione che aggiorna il movimento usando la posizione attuale e quella precedente di un oggetto, invece di mantenere la velocità come variabile separata. Il metodo è utile per i sistemi di particelle e le strutture collegate da molle. Nel confronto del libro, toxiclibs offre un sistema fisico basato su Verlet, adatto a particelle collegate e forme morbide, ma non gestisce la geometria delle collisioni.

FAQ

Di cosa parla The Nature of Code?

  • Focus sulla simulazione: The Nature of Code di Daniel Shiffman esplora la simulazione dei sistemi naturali tramite il codice, in particolare attraverso la fisica e gli algoritmi.
  • Programmare con Processing: Il libro usa il linguaggio di programmazione Processing, rendendolo accessibile ad artisti e designer interessati a imparare a programmare.
  • Argomenti trattati: Tra gli argomenti figurano vettori, forze, oscillazione, sistemi di particelle, agenti autonomi, algoritmi genetici, automi cellulari e frattali.

Perché dovrei leggere The Nature of Code?

  • Imparare attraverso gli esempi: Il libro è ricco di esempi pratici ed esercizi che aiutano i lettori a comprendere concetti complessi programmando in prima persona.
  • Accessibile ai principianti: Pensato per chi ha poca o nessuna esperienza di programmazione, è un ottimo punto di partenza per chiunque sia interessato al coding creativo.
  • Una fonte d’ispirazione per gli artisti: Shiffman sottolinea l’incontro tra arte e tecnologia e incoraggia la creazione di progetti visivamente coinvolgenti attraverso la programmazione.

Quali sono i principali insegnamenti di The Nature of Code?

  • Capire il movimento: I lettori imparano a simulare il movimento in un ambiente digitale e a comprendere i principi fisici che lo governano.
  • Programmazione orientata agli oggetti: Il libro insegna i concetti fondamentali della programmazione orientata agli oggetti, utili per strutturare efficacemente il codice in Processing.
  • Applicazioni creative: Incoraggia ad applicare le competenze di programmazione a progetti creativi, fondendo arte e tecnologia in modo armonioso.

Quali sono le citazioni più belle di The Nature of Code e che cosa significano?

  • «Il mondo che ci circonda si muove in modi complessi e meravigliosi.»: Sottolinea la complessità dei sistemi naturali e introduce la simulazione di questi comportamenti tramite il codice.
  • «L’emergenza è il risultato di regole semplici che producono comportamenti complessi.»: Riflette il tema centrale per cui algoritmi semplici creano sistemi articolati, come il comportamento di stormo degli uccelli.
  • «La creatività è la chiave per comprendere e applicare questi concetti.»: Evidenzia l’importanza della creatività nella programmazione e incoraggia la sperimentazione e l’innovazione.

Come insegna a programmare The Nature of Code?

  • Tutorial passo dopo passo: Ogni capitolo si basa sul precedente, introducendo gradualmente concetti più complessi e consolidando al contempo le conoscenze fondamentali.
  • Esempi visivi: Esempi visivi e animazioni chiariscono i concetti astratti e li rendono più concreti per i lettori.
  • Esercizi e progetti: Il libro include esercizi alla fine di ogni capitolo, incoraggiando i lettori ad applicare ciò che hanno imparato in progetti pratici.

Quali concetti di programmazione sono trattati in The Nature of Code?

  • Vettori e forze: Introduce i vettori come elementi fondamentali per simulare il movimento e le forze e modellare comportamenti del mondo reale.
  • Sistemi di particelle: Spiega come creare e gestire sistemi di particelle per simulare fenomeni come fumo, fuoco ed esplosioni.
  • Programmazione orientata agli oggetti: Insegna a strutturare il codice usando classi e oggetti, strumenti essenziali per gestire efficacemente simulazioni complesse.

Che cosa sono gli agenti autonomi in The Nature of Code?

  • Definizione di agenti autonomi: Entità che percepiscono l’ambiente circostante e prendono decisioni in base a tale percezione, senza controllo esterno.
  • Componenti principali: Percezione limitata, elaborazione delle informazioni per calcolare le azioni e funzionamento senza un leader.
  • Applicazioni nel codice: Il libro propone esempi di implementazione di agenti autonomi in Processing per creare simulazioni interattive.

Come spiega gli algoritmi genetici The Nature of Code?

  • Definizione e scopo: Metodi computazionali ispirati alla selezione naturale, utilizzati per risolvere problemi di ottimizzazione.
  • Principi fondamentali: Ereditarietà, variazione e selezione guidano il processo dell’algoritmo.
  • Implementazione nel codice: Il libro illustra come creare un algoritmo genetico in Processing, compresi l’inizializzazione di una popolazione e la riproduzione di nuove generazioni.

Che cosa sono gli automi cellulari e come vengono usati in The Nature of Code?

  • Definizione di automi cellulari: Modelli discreti formati da una griglia di celle, ciascuna delle quali evolve nel tempo secondo un insieme di regole.
  • Tipi di automi cellulari: Il libro tratta gli automi cellulari unidimensionali e bidimensionali e mostra schemi articolati.
  • Applicazioni pratiche: Propone esempi di codice per creare simulazioni di automi cellulari e modellare processi naturali.

Come affronta i frattali The Nature of Code?

  • Definizione di frattali: Forme geometriche complesse che mostrano autosimilarità a scale diverse e vengono generate con algoritmi ricorsivi.
  • Esempi principali: Il libro tratta schemi frattali come l’insieme di Cantor, la curva di Koch e il triangolo di Sierpiński.
  • Applicazioni nell’arte e nella scienza: Sottolinea la bellezza dei frattali nei contesti artistici e scientifici e incoraggia l’esplorazione creativa.

Qual è l’importanza della ricorsione in The Nature of Code?

  • Definizione di ricorsione: Tecnica di programmazione in cui una funzione richiama se stessa per risolvere un problema, essenziale per generare frattali.
  • Esempi nel libro: Propone esempi di funzioni ricorsive, come quelle che disegnano alberi e frattali.
  • Comprendere schemi complessi: La ricorsione aiuta a capire come regole semplici portino a schemi complessi, un tema centrale in tutto il libro.

Come posso applicare ai miei progetti i concetti di The Nature of Code?

  • Sperimentazione e creatività: Il libro incoraggia a sperimentare con i concetti e ad applicarli a progetti creativi.
  • Creare simulazioni: Si possono usare i principi degli agenti autonomi, degli algoritmi genetici e degli automi cellulari per creare simulazioni.
  • Combinare tecniche: Il libro evidenzia le possibilità offerte dalla combinazione di tecniche, che apre la strada a un’ampia gamma di progetti creativi.

Sull'autore

Daniel Shiffman è un rinomato educatore e programmatore, noto per la sua capacità di spiegare concetti di programmazione complessi in modo coinvolgente e accessibile. È autore di "The Nature of Code" e "Learning Processing", due libri di programmazione molto apprezzati. Shiffman è anche famoso per il suo canale YouTube "The Coding Train", dove propone tutorial di programmazione gratuiti e sfide di coding creativo. Insegna all’Interactive Telecommunications Program della New York University ed è una figura di spicco nella comunità di Processing. Il suo stile didattico è caratterizzato da entusiasmo, chiarezza e attenzione ai progetti di programmazione visiva e interattiva.

Scarica PDF

Per conservare questo riassunto di The Nature of Code e leggerlo in seguito, scarica il PDF gratuito. Puoi stamparlo o leggerlo offline quando vuoi.
Download PDF

Scarica EPUB

Per leggere il riassunto di The Nature of Code sul tuo e-reader o sulla relativa app, scarica l’EPUB gratuito. Il formato digitale .epub è ideale per leggere ebook su telefoni, tablet ed e-reader.
Download EPUB
Vuoi leggere il libro completo?
Segui
Ascolta
Home
Swipe
Libreria
App
Prova l'accesso completo per 3 giorni
Ascolta, salva e molto altro
Confronta le funzionalità Gratuito Pro
📖 Leggi i riassunti
Leggi riassunti illimitati. Gli utenti gratuiti ne ricevono 3 al mese
🎧 Ascolta i riassunti
Ascolta riassunti illimitati in 40 lingue
—
❤️ Segnalibri illimitati
Gli utenti gratuiti sono limitati a 4
—
📜 Cronologia illimitata
Gli utenti gratuiti sono limitati a 4
—
📥 Download illimitati
Gli utenti gratuiti sono limitati a 1
—
Prova senza rischi
Oggi: accesso immediato
Ascolta i riassunti completi di oltre 26.000 libri. Sono più di 12.000 ore di audio!
Giorno 2: promemoria della prova
Ti invieremo una notifica per avvisarti che la prova sta per scadere.
Giorno 3: inizia il tuo abbonamento
L'addebito avverrà il 25 nov,
puoi annullare in qualsiasi momento prima.
Consume 2.8× More Books
2.8× libri in più Ascolto Lettura
I nostri utenti ci adorano
1M+ lettori
Trustpilot Rating
TrustPilot
4.6 Eccellente
Questo sito è una vera rivoluzione. Ho letto riassunti di libri come mai prima d'ora. Consigliatissimo.
— Dave G
Vale ogni centesimo e ogni minuto, ed è davvero ben fatto. Non ho mai visto riassunti di questa qualità su altri siti. Utilissimo!
— Em
Consigliatissimo!! Servizio fantastico. Perfetto per chi vuole qualcosa in più di un'anteprima ma senza tutti i dettagli di un audiolibro completo.
— Greg M
Risparmia il 62%
Annuale
$119.88 $44.99/anno/anno
$3.75/mese
Mensile
$9.99/mese
Inizia la prova gratuita di 3 giorni
3 giorni gratis, poi $44.99/anno. Cancella quando vuoi.
Unlock a world of fiction & nonfiction books
Oltre 26.000 libri al prezzo di 2
Leggi qualsiasi libro in 10 minuti
Scopri nuovi libri come su Tinder
Richiedi qualsiasi libro se non è ancora disponibile
Leggi più libri di chiunque tu conosca
App n. 1 per gli amanti dei libri
Lifelike & immersive summaries
Garanzia di rimborso entro 30 giorni
Scarica i riassunti in EPUB o PDF
Cancella in qualsiasi momento con pochi clic

Perché un solo riassunto?

Scanner
Trova un codice a barre da scansionare

⭐
⭐
⭐
Abbiamo un regalo speciale per te
Apri
38% di sconto
SCONTO PER TE
⭐
⭐
⭐
$79.99
$49.99/anno
Solo $4.16 al mese
Continua
Bastano 2 tocchi per iniziare, cancellare è facilissimo
Impostazioni
Generali
Widget
Caricamento...