?

Log in

No account? Create an account
Лабораторный журнал
 
[Most Recent Entries] [Calendar View] [Friends]

Below are the 20 most recent journal entries recorded in Anatoly Levenchuk's LiveJournal:

[ << Previous 20 ]
Tuesday, July 17th, 2018
2:29 pm
Международный не футбол: как о нём думать
Я вот считаю, что конкуренция идёт между предпринимателями за потребителей, а не между странами за не-пойми-что. Вот тут предполагается, что осторожное регулирование биотеха, блокчейна и много чего ещё из этой серии в ЕС и США в сочетании с частной инициативой и неосторожное нерегулирование в Китае в сочетании с дисциплиной и госпланами может привести к каким-то непонятным выигрышам одних стран и не менее непонятным выигрышам других стран: https://www.facebook.com/natallia.andreeva/posts/1749901108439080

Это ж не футбол. Выиграют потребители всего глобуса, кто б там со своим регулированием не прорвался. А кто со своим регулированием стрельнет себе в ногу, то опять же -- проиграют потребители всего глобуса. Границ тут особо нет, оба хуже, но жизнь идёт мимо них обоих. Меня, как наблюдателя от этого самого глобуса, больше волнует асимметрия, подмеченная в AI: многоязычный глобус знает о китайской части мира не всё, ибо те не говорят по-английски. А китайская часть глобуса знает об англоязычной части глобуса всё. И вот я бы не про скорости развития говорил бы, а про появление время от времени нежданчиков с китайского рынка: это не нежданчики от непохожего на WASP регулирования, а просто нежданчики, о которых никто из этих WASP не удосужился почитать -- ибо алфавитным письмом об этом нигде ничего написано не было. А регулирования? Нежданчики будут мало зависящими от этого регулярования. Алибаба не от особенностей регулирования появилась, равно как и Байду, равно как Сяоми. Но на многих рынках это оказались нежданчики. При этом, повторюсь, не футбол: выигрывает в их появлении весь мир, а не "Китай" или "ЕС".

Я усомневаю совпадение границ "кто срывает банки в хайтех-казино" или "кого выкидывают из хайтех-казино" с границами стран и сразу перехожу на личности на глобусе. И границы срывания банков и выкидывания из казино на глобусе личностей не совпадает с границами стран. В этом главная фишка. Оперировать странами тут -- странное и бесполезное занятие.

Если кто-то из команды "Динамо" выигрывает миллион в лотерею, то тут не команда "Динамо" выигрывает. Хотя формально да (выигрывает игрок команды "Динамо"), но по сути -- нет. Ибо остальные игроки этой команды не выигрывают от этого, равно как и не проигрывают. Хотя да, выигравший им может тортик выставить, половину из которого съест тренер. Все эти национальные государства -- это неправильные способы выделять выигрывающие и проигрывающие группы людей. Ибо выигрыши и проигрыши распределены абсолютно неравномерно внутри этих групп людей "национальные государства". И даже группы людей "ТНК" тоже могут оказаться не самыми правильными способами для определения выигрышей и проигрышей. Вот акционеры и старшие менеджеры этих ТНК -- это другое дело.

А ещё есть болельщики и комментаторы. Вот им всё равно, за кого болеть: за команду изобретателей, за ТНК в целом, за менеджмент, купивший этих изобретателей на корню, за страну, в которой жили изобретатели до того как эмигрировали, за одноязычную диаспору (это "наши" победили!!!) изобретателей, или владельцев компании, или страны. Болельщики и комментаторы тут побоку, для них это удовольствие, и навариваться на этом удовольствии будут совсем другие люди. Тут да, ЕС против Китая в их незыблемых границах, митинги, демонстрации и совсем другие на этом пиар-бизнесы -- никакого отношения к хайтеху не имеющие.

Так что соревнования есть, но они в бизнесе между людьми и в пользу людей, а не между странами и в пользу стран. Страны это симулякры, гранфаллоны, способы организации болельщиков.

Хотя я не завидую людям из тех стран, в которых этот бизнес-футбол запрещён, выигрыши в лотерею запрещены, то есть не уважается частная собственность и предпринимательство. Вот в них точно будет проигрыш всего населения, прямо в границах страны.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213364464640144
Пример обсуждаемых топикстартером вопросов: разнообразие регулирования AI в разных странах: https://medium.com/politics-ai/an-overview-of-national-ai-strategies-2a70ec6edfd
Monday, July 16th, 2018
4:29 pm
Ложь, наглая ложь и причинный вывод (causal inference)
Вы думали, что после лжи и наглой лжи идёт статистика? Отнюдь. Над статистикой, изучающей ассоциации между какими-то событиями есть ещё два уровня, изучаемые причинным выводом (causal inference), оформившимся в более-менее самостоятельное направление в последние два-три десятка лет.

1. Ассоциация (association) связана с наблюдением. Типичные вопросы: что это? Как наблюдение X изменяет мою веру в Y? Да, там сразу всё байесовское, P(y|x). Примеры: Что симптом говорит мне о болезни? Что опрос говорит нам о результатах выборов?

2. Вмешательство (intervention) связано с деятельностью, влиянием на жизнь. Типичные вопросы: что, если? Что, если я сделаю X? Это уже за пределами байсовской статистики, ибо не статистика вовсе: требуется дополнительное введение причинной модели, т.е. каких-то гипотез от предметного эксперта о том, что там на что в предметной области влияет. Дальше статистика подтвердит или опровергнет эти гипотезы. То есть добавляется оператор do, P(y|do(x),z), а в остальном -- те же байесовские сети. Тут уже обсуждаются возможные миры, которых ещё не было, речь идёт о проектировании будущего мира, то бишь о планировании: Если я выпью бутылку кока-колы, исчезнет ли моя головная боль? Что будет, если я брошу курить, пить и работать по ночам?

3. Контрфактуалы (couterfactuals) связаны с возможными мирами, мимо которых уже проехали -- это вопросы, задаваемые в рефлексии. Это уже не столько проектирование/планирование, сколько воображение, ретроспекция, вопросы про механизмы: Почему? Это X привёл к Y? Что было бы, если бы я действовал вчера по-другому? Это уже совсем далеко от статистики, выражения там P(yx|x′,y′), и рассуждения требуют учёта вмешательства (которое в свою очередь опирается на статистику!), т.е. вычисления над причинной моделью с гипотезами о предметной области, но при этом проводятся ещё и хитрые операции вмешательства над этой моделью.

За последние тридцать лет в этих предметных областях произошла онтологизация в достаточной мере, чтобы навести формальную теорию (ага, выразить всё математически, с доказательствами). Как пишет Judea Pearl, формализовывать нужно только то, что тебе реально важно -- но тогда уж не жалеть сил и заниматься этим а хоть и пару десятков лет, как он сам. Мутные рассуждения про контрфактуалы (те самые, которые возникают в вопросах "Почему?", связанных с попытками выяснить механизмы каких-то явлений) вытащили из левой части спектра формальности мышления далеко-далеко в правую часть. Это тяжёлая работа, но если уж её проделать, то дальше формальная машинка будет оберегать от многих и многих ошибок, а пользоваться готовыми формулами смогут при должной тренировке и студенты, и даже школьники. Использование результатов этой работы -- это causal revolution, как скромно называет распространение новой модели формальных размышлений (т.е. математизированной онтологии) о причинности в эпидемиологии, сельском хозяйстве и отчасти экономике и социологии.

Это подробненько рассказывается из вышедшей в мае книжки Judea Pearls "Книга Почему: новая наука причины и следствия", The Book of Why: The New Science of Cause and Effect, https://www.amazon.com/Book-Why-Science-Cause-Effect-ebook/dp/B075DCKP7V/.

Сама книжка призвана вытащить в порядке этой "причинной революции" онтологию причинности, сформулированную в терминах частично эпидемиологов, частично сельскохозяйственников, частично откуда ни попадя в какую-то более-менее общую для всех часть научного мышления. То есть речь идёт о "подходе": наработанный на примерах одних дисциплин теоретический аппарат планируется применять более-менее везде. Ну, типа как системный подход -- наработанное главным образом на примерах биологии системное мышление пошло дальше более-менее везде. Это намерение более чем явно: в соавторы книжки Judea Pearls взял знаменитого автора науч-попа Dana Makcenzie. Но я не сказал бы, что книжка стала науч-попом.

Книжка задевает и планирование эксперимента (research/experiment design), что важно не только для проверки научных гипотез, но и для проверки инженерных утверждений -- это важная часть V&V, проверки и приёмки как дисциплины системной инженерии.

Глава книжки про (сильный) искусственный интеллект меня не убеждает пока, ибо это теоретические заявления не про когнитивные архитектуры, а про находящиеся под ними на более низком системном уровне алгоритмы обучения. И ответы на "доказательства" Pearl из стана разработчиков AI будут инженерные. Меня тут больше волнует как раз то, что два уровня математических наслоений над байесовской математикой это многовато, рассматриваемые модели из той же медицины пополам с социологией (эпидемиология) и сельского хозяйства (затронуто в книге маргинально, но там это всё тоже важно) выглядят более чем странными, и искусственный интеллект должен, конечно, брать всю эту формальную механику на себя. Я лично на этой скрипке Энгельбарта (https://ailev.livejournal.com/1158826.html) играть вряд ли уже научусь, но с удовольствием передал бы своему (или даже чужому) персональному ассистенту возможность проводить все необходимые рассуждения в предлагаемой новой дисциплине причинного вывода.

В центре всей дисциплины -- это графовые модели причинности. Важное замечание для читателей : graphical -- это графовые, а не визуальные/графические! а то вы опять подумаете, что книжка рекламирует именно диаграммы. Нет, не диаграммы: речь идёт о графах, которые можно а) нарисовать как узлы и рёбра, б) задать матрицей связей, в) задать списками узлов и связей и т.д.. Начинается всё с простых моделек типа вот таких причинных соотношений между образованием, опытом работы и уровнем зарплаты:
causal

Проблема в том, что эти модельки (гипотезы о причинности, которые потом будут проверяться расчётами) должны делать разбирающиеся в предметной области люди, а не статистики -- то есть по факту говорится, что data scientists никто, если они не работают рядом с subject expert. И Big Data это ни про что, если с этими данными разбирается специалист-статистик, а не специалист по той предметной области, из которой взяты эти самые данные.

Если у вас есть модель причинности , то вы можете делать следующее, чего не можете сделать на чистой статистике (краткое изложение даю по черновику статьи Pearl для Communications of ACM. Она, кстати, в июльском выпуске, как было запланировано, так и не появилась -- http://ftp.cs.ucla.edu/pub/stat_ser/r481.pdf):
1. Записывать предположения о причинности в форме, которую можно тестировать, и которая затем непосредственно может быть использована для формального вывода (inference, как в "вывести формулу", тут "вывести причинность").
2. Исчисление вмешательств (do-calculus) и разбирательства с возможными скрытыми общими причинами (control of confounding).
3. Формализация (буквально: алгоритмизация) работы с контрфактуалами. Это нужно для уверенных рассуждений про "причины этих результатов" по сравнению с прямым рассуждением про "результаты этих причин". Пример таких вопросов, это вопросы про необходимость и достаточность причин: вопросы типа "были ли занятия в бассейне достаточной и/или необходимой причиной для смерти Джо?".
4. Анализ механизмов переноса изменений от причины к результатам -- по факту речь идёт о формализации объяснений и оценке объясняющей силы моделей. Типичный вопрос тут: "какая часть результата воздействия X на Y проходит через механизм Z?".
5. Перенос знаний о результатах экспериментов в одних условиях на другие условия. Все эти "нерепрезентативные выборки" могут теперь быть модифицированы, чтобы быть репрезентативными. Это всё про устойчивость (robastness) оценок.
6. Восстановление пропущенных данных в тех случаях, где не соблюдаются строгие условия случайности в пропусках (иначе бы и статистики хватало).
7. Выявление причин. Хитрые трюки с наблюдениями по всяческим ассоциациям/корреляциям приводят к тому, что мы в состоянии из данных сказать, в каком направлении там причинность. Грубо говоря, мы сможем сказать, это солнце встаёт, потому как петух крикнул перед его восходом, или это петух кричит потому как солнце скоро встанет. Обычная статистика тут, вестимо, отступает: она ничего не говорит про причинность вообще, только про взаимосвязь каких-то величин.

Онтологически это, конечно, всё лежит в основании научного мышления. Judea Pearl всё время описывает допрос природы с пристрастием как основной предмет своего рассмотрения -- выдвижение содержательных гипотез, подверждение данными эксперимента. Математизация понятия "причины", понятия "механизм", понятия "необходимость" и "достаточность" в связи с "причинами". Человеческая интуиция базируется не на статистической логике (а хоть и байесовской), а причинной логике (которая оказывается тоже байесовской, но только в сочетании с онтологическими посылками о природе предметной области). Ну, и без обращения к современной онтологике (модели мира против самого мира, возможные миры и контрфактуалы) всё говоримое понять трудно.

В принципе, теперь бы всё это нужно почистить:
-- унаследованная от всех этих эпидемиологов терминология, и обилие медицинских примеров раздражает (но тут вероятность того, что как в системном подходе "жизненный цикл" окажется и не жизненным, и не циклом -- и ничего, привыкнут к термину)
-- биология-медицина-сельское хозяйство, социология и экономика это, конечно, хорошо. И дальше ход на AI (на чём настаивает Judea Pearl). Но что бы этот материал не обратить на физику? Мне кажется, сначала нужно договориться с физиками и совместиться с их онтологикой. У Judea Pearl на эту тему буквально несколько абзацев, про "научный метод" вообще.

В какой-то мере можно говорить о том, что курс "Системное мышление" учит системному подходу в его самой современной версии. Системный подход -- это набор приёмов уменьшения сложности моделирования систем (системы при этом -- это важные для нас части окружающего мира). Системный инженер -- тот, кто создаёт системы (т.е. части реального мира, а не их описания) с использованием практик системной инженерии.

Если мыслить похожим образом, то можно думать о курсе "научное мышление", который учит научному подходу в его самой современной версии. Научный подход -- это набор приёмов по созданию всё более и более точных в предсказании поведения реального мира теорий (т.е. моделей реального мира, абстрагирующих свойства его индивидов). Учёный -- тот, кто создаёт теории (модели реального мира, абстрагирующие его свойства) с использованием практик науки (выдвижение гипотез, планирование эксперимента, интерпретация результатов эксперимента и т.д. -- проведение эксперимента тут чистая инженерия). Мышление даёт основания и объекты для этих практик, которые все работают с теориями, экспериментами для того, чтобы установить причины и следствия в природных явлениях (можно обсуждать, насколько явления, подстроенные людьми, например, в летящем вполне искусственном самолёте являются "природными явлениями", но это мне сейчас неважно).

Так вот дисциплина "причинного вывода" (causal inference) и вводимая им онтология причин, следствий, механизмов и т.д. кажется мне важной частью "научного мышления". То есть causal revolution оказывается тем самым частью научной революции: формализация доползла до самой науки как таковой, и этот поворот было бы неправильно прозевать.

И data scientists, которые "ставят гипотезы, проверяют их на больших массивах данных, извлекают эти гипотезы из больших массивов данных" как минимум должны осознать, что они те самые "учёные" и профессионально владеть этими различалками: что может статистика, а что она не может, но может тот же самый causal inference (основанный на использовании той же байесовской статистике внутри себя, но только как составной части, там ведь много чего ещё).

И системные инженеры, проводящие испытания, тоже должны понимать пределы чисто статистической обработки итогов этих испытаний. Они ж "экспериментаторы".

И операционные менеджеры, которые оценивают причины отклонений, цитируя Дёминга-Шухарта, должны тоже понимать ограничения своих статистических по факту расчётов.

И так дальше: по идее, научное мышление оказывается не менее важным для современного человека, чем системное мышление. Оно общее для всех: один раз выучишь, много раз задействуешь. И им тоже не так просто овладеть. Курсы causal inference есть уже во многих университетах -- революция-то шла тридцать лет, с 90-х годов. Но на этих университетских курсах, похоже, преподают не мышление о причинах и следствиях, и не как часть научного мышления, а просто матаппарат этого вывода. Очень похоже на ситуацию с системным мышлением, где на курсах systems thinking в университетах часто можно найти какую-нибудь systems dynamics с приветом из 70-х и подробным изложением того, какие там дифуры в этих "системных моделях".

Так что надежда, что где-нибудь инженеры (а не медики, юристы, университетские профессора, не люди из AI, не ... несть числа им) взяли этот causal inference и в ходе практической работы сделали бы из него что-то более-менее употребимое в практической работе. И тогда можно было бы сделать из этого нормальный учебный курс для всех, ровно по той схеме, по какой я делал курс современного системного мышления. Но Judea Pearl только-только написал свою полупопсовую книжку, и инженеры только-только начали узнавать о привалившем к ним счастье формализации причинности. Дальше единственная надежда на EduOps (https://ailev.livejournal.com/1431056.html), то есть совмещение исследований по научному мышлению и оформлению результатов в виде курсов.

И содержание фундаментального образования (https://ailev.livejournal.com/1427073.html) опять изменится. Забудьте всё, что вы знали про "причины", "следствия", "корреляцию" и "механизмы". Выучите это всё заново.

UPDATE: комментарии в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213358465450168
Monday, July 9th, 2018
11:38 am
lytdybr
Открылась запись на мой короткий вводный курс с длинным названием "Как оставаться востребованным специалистом в эпоху перемен", он будет идти по три часа вечерами 6 и 7 августа (понедельник и вторник) -- http://system-school.ru/uptodate. Темы там -- краткая характеристика сегодняшних перемен, краткий курс личного стратегирования, фундаментальное образование, системное развитие личности.

Вьюнош прошёл два модуля из пятнадцати начальной статистики из академии Хана. Английский в этом курсе, конечно, главный тормозящий фактор. Но в этом и была главная цель: перейти с рельсов русскоязычного образования на рельсы англоязычного, никакого времени на это не жалко. Академия Хана легко удавливает "угадайку": при неправильных ответах просто даётся другая задача. И этих тестов на махонькие кусочки знания там много, по факту это тренажёры, а не тесты. Это вам не Курсера, где читить студенту -- на раз-два, а тесты не столько тренажёры, сколько именно тесты (даже в моём курсе 200 задач, а не 2000, как надо бы).

Закончил книгу "Визуальное мышление". Получилось чуть больше 100 вордовых страниц, это означает, что будет чуть больше 200 книжных. Анонс пока написал такой: "Книга даёт современные (с учётом исследований по искусственному интеллекту 2012-2018г.г.) представления о мышлении, показывая весьма ограниченную роль и место визуального мышления как средства коммуникации на самых начальных и простых стадиях коллективного мышления. В книге рассказано, почему графических нотаций так мало по сравнению с текстовыми. Книга предназначена для заинтересованного читателя, профессионально интересующегося проблемами человеческого и нечеловеческого мышления, в ней приводится много ссылок на дополнительные материалы". Содержание книги -- это существенно переписанное и чуток расширенное ссылками на литературу содержание моего доклада https://ailev.livejournal.com/1429949.html (доклад был 24 мая 2018, так что всё ещё свеженькое). Предисловия пишут Максим Осовский и Пион Гайбарян, за неделю они управятся, и я сдам книгу на вёрстку в Ridero. Если кому-то книжка позарез нужна вот прямо сейчас, то готов прислать в обмен на замечания и предложения, пишите письма на ailev@asmp.msk.su. Но это не учебник, совсем не учебник. И полное название (с подзаголовком) там пока такое: "Визуальное мышление. Доклад о том, почему им нельзя обольщаться".

С Максимом Цепковым пообсуждали отличие варианта альф в нашем системноинженерном Essence и оригинальном программистском от OMG -- https://www.facebook.com/photo.php?fbid=1810593598997586&set=a.660825517307739.1073741830.100001408916743&type=3. Всё те же аргументы, по восьмому кругу. Кривая онтология альф, она и есть кривая онтология. А кривые решения разработчиков стандарта -- они это только усугубили. Так что опять рассказал содержательные аргументы и опять сказал вывод: спасибо авторам стандарта за идеи, но мы идём дальше.

Ещё один вопрос от Максима Цепкова -- это обсуждение "стейкхолдера" как роли в проекте и "позиции" как застревания исполнителя стейкхолдерской роли в этой роли: https://www.facebook.com/mtsepkov/posts/1804046436318969. Максим предложил там вариант с субличностями, но я на эту тему молчу: не нужно множить число сущностей без надобности. Тем не менее, какое-то обсуждение с моим участием там есть, посмотрите комменты.

Чаты кизомбы и сальсы в момент футбольного матча просто взорвались, и там было только про футбол. Удивительно, как люди легко и просто говорят "мы" про 11 незнакомых им мужиков. "Мы победили" -- это ж они, эти 11 человек победили, а "болельщики" (слово-то какое!) тут причём? Логика ещё более сложная: вся Россия победила, и типа как и я сам тоже могу считать себя победившим. Я этой логики понять не могу. И я ещё застал времена, когда хоккей был нашим всем, а футбол -- так, дворовое развлечение. И да, развлечение, давайте называть всё своими именами. "Хлеба и зрелищ", вот футбол -- это отголоски тех самых зрелищ. Концерт Пугачёвой и выступление футбольной команды -- это ж одного ряда явления. Так и представляю, как фанаты Пугачёвой кутаются в плащи с символикой Примадонны и полусонные дерутся в ночном метро с фанатами Рики Мартина. Ну да, победившую секту называют конфессией, к ней потом применяют другие правила.
Saturday, July 7th, 2018
12:02 pm
Форшлаги в кизомбе
В кизомбе с теорией музыки очень туго: например, кизомби переход с четвертей на восьмые (с сохранением всех акцентов!) упорно называют "синкопой", и только самые продвинутые говорят "ускорение". Джазовые триоли не приняты, всё ровненько. И тут вдруг на ровном месте начали массово танцевать что-то типа короткого форшлага (https://ru.wikipedia.org/wiki/Форшлаг). В Москве это давалось на мастер-классе Niko Viet-Marron (aka DarkSide) 29 мая 2018, и примерно в это же время появилось в программе старших групп московских преподавателей. Мода, она и есть мода: эти "форшлаги" пришли, чтобы остаться (в отличие от поветрий, которые приходят и потом бесследно уходят). Раньше похожее давалось как "синкопа на раз-два, а не на раз-два-три" (ох!), но форшлаг всё-таки стилистически отличается. Из особенностей исполнения -- это больше такие приставные шаги с сохранением исходной развесовки, а не мягкое переливание веса с корпусной волной.

Тут этот "форшлаг" в открытой позиции от Enah & Carolina (https://youtu.be/f0jKSg4nmh4, смотреть на 0:31):


Тут даже в не слишком плотном контакте от Jérémy Lao & Léa @ Sydney International Afro Kizomba Festival 2018, и вообще там всё с не очень стандартной ритмикой ритмикой (https://youtu.be/59pKAUC3csM, тут на на 1:14 и 3:27 пару раз подряд):


Py (Pierre-Yves) & Sarah @ Sydney International Afro Kizomba Festival 2018, танцуют дабстеп-кизомбу очень бодренько -- вплоть до того, что обсуждается "социальность" их танца, т.е. "правда ли, что партнёр так сможет провести любую партнёршу, или только свою?" (https://youtu.be/Xoxuf7Dua28, "форшлаги" смотреть на 0:27 и 0:35):

Curtis & Carola, партнёр включает эти "форшлаги" сам, без ведения на эту ритмику партнёрши (https://youtu.be/rXSKgMgTzjE, смотреть на 2:09):


Saber & Majdouline(2) @ KizBomba Vienna Festival 2018, с немного смазанным ведением, но это всё тот же "форшлаг" (https://youtu.be/KFWgeaf5qck, смотреть на 0:59):


И, конечно, эти свежие (конец июня) ролики показывают огромное разнообразие стилей танца в кизомбе. Эту подборку видео с "форшлагами" вполне можно считать продолжением подборки видео для демострации стилевого разнообразия в кизомбе, которую я делал год назад: "стилевой движок в кизомбе", https://ailev.livejournal.com/1373388.html. Так что я вставил этот текст и в подцепочку про стилевые движки вообще и стилевой движок кизомбы в частности в цепочке "Системный фитнес", https://ailev.livejournal.com/1429126.html

UPDATE: вот ещё, просто для коллекции. Но это май 2018:

Azzedine & Sara Panero @ Feeling Kizomba Festival 2018

(https://youtu.be/qdaXCY75gVE, смотреть на 3:07):
Wednesday, July 4th, 2018
7:36 pm
lytdybr
Вьюнош долбит курс статистики из Академии Хана, https://www.khanacademy.org/math/statistics-probability (это мы пошли по списку из https://ailev.livejournal.com/1434868.html). Много думает: ежели ты неправильно отвечаешь на один вопрос, то потом нужно отвечать заново на все вопросы -- а заново отвечать ведь более лениво, чем сразу подумать! Это первый курс статистики, а всего их по плану будет три: второй тоже из Академии Хана, https://www.khanacademy.org/math/ap-statistics (как я понимаю, это уровень колледжа, то есть ПТУ, а не средней школы, как в предыдущем курсе), а третий будет байесовской статистики на Питоне, но чуток погодя -- https://github.com/fonnesbeck/scipy2014_tutorial

В робототехническом лагере его команда стала лучшей в номинации "Уровень исполнения технического решения", то есть их робот оказался самым компактным и аккуратно сделанным -- http://roboton-mir.ru/news/01-07-2018-day-8. Но там была беда: робот не смог выполнить всех необходимых действий на испытаниях ввиду неправильных архитектурных решений по его манипулятору. Об этом вьюнош пытался сказать членам команды, но не был услышан коллективным разумом. Главным архитектором там была девушка, идея сделать самого компактного робота принадлежит ей. Вьюнош в команде был главным паяльщиком, так что значительная часть медальки "за исполнение" -- это его заслуга, у него ведь в анамнезе как раз много лет "паяльных кружков". Умеющие паять оказались на этом мероприятии в дефиците, их раздавали по одному на команду. Вот вьюнош и был "роздан", а все остальные из его лицейского класса оказались не то что в другой команде, но и вообще в другом отряде (и тоже, кстати, получили медальки, но в другой номинации). Вот вьюнош (в кепке) с командой и машиной:
_MG_6118
Вот тут много и других его фотографий, и фотографий всего этого мейкатона: http://roboton-mir.ru

Я сам закончил переписывать 55 вордовых страниц "Визуального мышления", остался ещё где-то десяток. Очень хочу закончить всё на этой неделе. Начало этого опуса уже появилось в блоге Школы системного мышления (в телеграме https://t.me/system_school, в фейсбуке https://www.facebook.com/system.school.ru/ -- и содержание там немного разное).

Мысли мои крутятся вокруг достижений искусственного интеллекта. То, что я ничего не пишу на эту тему не означают, что я на эту тему ничего не читаю. В июне и уже начале июля всё бодро продолжается в темпе два прорыва в неделю. Так, с компьютерными играми в принципе уже разобрались:
-- OpenAI Five, https://blog.openai.com/openai-five/
-- Capture the Flag: the emergence of complex cooperative agents, https://deepmind.com/blog/capture-the-flag/

Секрет был прост: нужно было добавить вычислительной мощности к давно известным алгоритмам. И это не единственные интересные результаты. Вот, например, https://arxiv.org/abs/1806.10230 (https://github.com/brain-research/guided-evolutionary-strategies). Эволюционные стратегии в сочетании с градиентным спуском и оптимизатором дают качество решения как в эволюционных стратегиях (то есть в разы лучше, чем при SGD!), а время решения как в SGD (то есть не запредельно большое, как в эволюционных алгоритмах). Это к вопросу о запредельных вычислительных требованиях, которые ставят задачи из предыдущего пункта.

Можно ещё и ещё рассказывать, что там понапроисходило. Всё бежит бегом, так что бросай мешки, вокзал уходит. У меня на эту тему будет короткий курс "Как оставаться востребованным специалистом в эпоху перемен", http://system-school.ru/uptodate. Как быстро я начну его читать, ещё не понимаю: посмотрим, как пойдёт запись, даты пока не назначены.
Monday, July 2nd, 2018
5:26 pm
Образовательные ступеньки к деланию роботов, две недели спустя
Сегодня вьюнош вернулся из лагеря роботон, где они делали и программировали ардуино-тележку с манипулятором. Из школьной "образовательной робототехники" нужно срочно драпать, и этот текст продолжит планирование побега, начатое в https://ailev.livejournal.com/1432847.html, https://ailev.livejournal.com/1433113.html и https://ailev.livejournal.com/1434025.html.

Итак, строим кратчайшую образовательную цепочку курсов для девятиклассника, желающего делать роботов, но не очень желающего учиться (особенно учиться фундаментальным дисциплинам).

Всего у нас будет два образовательных трека: по системной инженерии и по искусственному интеллекту для роботов.

1. Системная инженерия
-- системное мышление прямо по курсу в Курсере (http://systemsthinkingcourse.ru/) и моему учебнику. Да, там для магистров. Но уж что поймёт, то поймёт. Для инженера это must, это обойти нельзя.
-- онтологика в текущем объёме курса Школы системного менеджмента: http://system-school.ru/ontologics. Это тоже трудно, но системное мышление после этого должно стать понятней.
-- системная инженерия по линии, намеченной в докладе "Практики системной инженерии" https://ailev.livejournal.com/1433768.html (концептуальный курс системной инженерии, и далее курсы моделирования концепции продукта, инженерии требований, инженерии системной архитектуры и т.д. -- текущими темпами до этого дойдёт ещё через год, и доступность курсов этих через год сильно изменится).
-- системное конструирование (попросту -- generative design, работа с САПР). Тут нужно ещё думать, как это устроить. Робот вполне себе физичен, и нужно его как-то делать. Навскидку находится https://www.udemy.com/topologyoptimization/ Generative Modeling - Designer Based Structural Optimization. Topology Optimization - Creating Optimal Next Generation Designs with 3D CAD - Solid Edge - Solidworks - Blender. Пререквизитом тут https://www.udemy.com/3dcadbasics/, 3D CAD Fundamentals with SIEMENS Solid Edge, STEM to STEAM - An Artistic Approach to 3D Modeling. Я не самый большой поклонник Siemens, но сходу других цепочек курсов, ведущих к generative design в части робототехники, а не строительных конструкций, я не нашёл. Ничего, с этим можно не слишком спешить. Хотя в роботоне уже было 3D-моделирование с выходом на 3D-печать, хотя этим и не мой вьюнош этим занимался, а другой член его команды. То есть и откладывать курс надолго нельзя, чтобы не утратить связь с физической реальностью.

И отсюда из 3D нужно прокладывать дорожку к моделированию робота в физическом мире -- https://www.nvidia.com/en-us/deep-learning-ai/industries/robotics/, https://www.nvidia.com/en-us/deep-learning-ai/industries/robotics/. И уже тут все эти reinforecment learning и прочая из embodied intelligence -- но это уже в другом разделе.

В новом учебном году будет ещё и кусочек электроники: программирование на Verilog двухбитного процессора на FPGA, или что-то похожее (это продолжение прошлогоднего курса в МФТИ-Потенциал).

2. Искусственный интеллект для роботов
-- берём как верхушку графа пререквизитов курс Become A Robotics Software Engineer, https://www.udacity.com/course/robotics-software-engineer--nd209, добавляем необходимые пререквизиты, а дальше их разворачиваем (так что начало обучения -- примерно с конца списка):
-- из особых пререквизитов тут рекомендуется курс по ROS, этим можно будет заниматься, когда сюда дойдём: http://wiki.ros.org/Courses
-- bash, пока даже не задаюсь вопросом, где этому учат. Но это тоже оказывается пререквизитом.
-- ньютоновская механика. Курсов по ней множество, но пока непонятно, в каком объёме это нужно для курса робототехники. Думаю, что по конкретному курсу можно будет принять решение потом, когда речь пойдёт об использовании этих знаний.
-- вроде как нужен курс по Artificial Intelligence for Robotics by Georia Tech (programming a robotic car): https://www.udacity.com/course/artificial-intelligence-for-robotics--cs373
-- добавляем неоходимые из общих соображений Become a Deep Reinforcement Learning Expert от Unity, NVIDIA DLI, https://www.udacity.com/course/deep-reinforcement-learning-nanodegree--nd893,
-- какие-то азы deep learning. Обсуждение (http://forums.fast.ai/t/about-andrew-ngs-deeplearning-ai-courses/9830/17) показало, что лучший вариант -- это совмещение подхода fast.ai в его традиции top-down, code first, application centered (http://www.fast.ai/2016/10/08/teaching-philosophy/) и подхода deeplearning.ai с его bottom-up классическим постепенным введением в предмет: 1. Просто берём оба курса deep learning из http://www.fast.ai/, а именно, Practical Deep Learning for Coders http://course.fast.ai/ и Cutting Edge Deep Learning for Coders, http://course.fast.ai/part2.html. И 2. Добавляем специализацию Deep Learning https://www.coursera.org/specializations/deep-learning от deeplearning.ai
-- matrix calculus for deep learning в объёме https://arxiv.org/pdf/1802.01528.pdf. Все в восторге, ибо это необходимая линейная алгебра и матан в одном флаконе, правильно перемешанные. Но к этому материалу нет упражнений! Только учебник, но нет задачника! Это проблема. Но хотя бы понятно с содержанием образования, и дальше можно думать. Ещё есть подсказка, что после этого хорошо бы ещё добавить 27 страниц с картинками текста A guide to convolution arithmetic for deep learning -- http://forums.fast.ai/uploads/default/original/2X/f/fcdd0c559e9c68cee37462dba30c2ac1a4c0289d.pdf. И тоже без упражнений!
-- computational linear algebra: http://www.fast.ai/2017/07/17/num-lin-alg/. Особенность в том, что линейная алгебра в теории сильно отличается от линейной алгебры в компьютерной реализации. И реализацию хорошо бы представлять хоть как-то. Да, это немножко глубже, чем "умножайте матрицы, используя функцию из библиотеки", но это и достоинство. И это курс fast.ai в его традиции top-down, code first, application centered (http://www.fast.ai/2016/10/08/teaching-philosophy/), хотя там и предупреждают, что курс по пререквизитам более advanced, чем тамошние курсы deep learning. И вот тут как пререквизит рекомендуют просто хороший видеокурс линейной алгебры: https://www.youtube.com/playlist?list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr и интерактивный курс http://immersivemath.com/ila/learnmore.html. Но тут нет упражнений! Но все показывают пальцем именно на них!
-- статистика, причём нужна байесовская, и на Питоне. Нашёл пока вот это: https://github.com/fonnesbeck/scipy2014_tutorial
-- Питон, включая объект-ориентированность (питон мой вьюнош вроде как знает, но по факту без объектов). Обычное требование во всех остальных курсах -- это годичный опыт программирования. Боюсь, что там имеется ввиду не годичный опыт программирования "для олимпиад", чему учат сейчас во всех школах (и именно это знает мой вьюнош). И не годичный опыт веб-программирования. Боюсь, что речь идёт и не о SICP. Я пока склоняюсь к SICP-на-Питоне, http://composingprograms.com/. Но SICP это для упорных и любопытных именно к computer science, а мой вьюнош явно не таков -- он готов позаниматься роботом, но поразбираться с каким-нибудь наследованием и инкапсуляцией для того, чтобы потом лучше заниматься роботом, вьюнош не готов. Поэтому я склоняюсь к SICP-на-питоне, но не понимаю формата курса. Скажем, много упражнений на освоение концептов и с автоматической проверкой тут бы вполне подошли, но по факту в курсе немного трудных заданий, которые непонятно кто будет проверять. Такой вариант вряд ли сработает. Поэтому с содержанием определились, а с формой (то есть конкретным курсом) -- нет. Возможно, это будет какой-нибудь репетитор, который возьмёт вьюноша за шкирку и проведёт его через http://composingprograms.com/. Ну, или кто-то ткнёт пальцем во что-то получше и поновее (скажем, есть https://runestone.academy/runestone/static/thinkcspy/index.html -- How to Think Like a Computer Scientist: Interactive Edition, это хотя бы с упражнениями).
-- начало всего недостающего математического (воспринимаем заодно как лёгкий старт обучения на английском языке) берём в Khan Academy: Statistics and Probability -- https://www.khanacademy.org/math/statistics-probability, Linear Algebra -- https://www.khanacademy.org/math/linear-algebra,
Multivariable Calculus -- https://www.khanacademy.org/math/multivariable-calculus

Это, конечно, чистить и чистить. Похоже, тут огромное количество дублирующегося материала, огромное поле для оптимизации -- но непонятно, кто, как и когда эту оптимизацию будет делать. Но я постарался, чтобы везде был Питон. И по возможности был английский язык (хотя это и не везде выполняется). Это хоть как-то унифицирует всю программу.

Вот снизу потихоньку и поползём, прямо сейчас и начнём. Царских дорог в эту геометрию нет, оценок времени дать пока невозможно, но уже понятно, что всё будет либо "долго", либо "очень долго".

Любые предложения, замечания, рекомендации, конечно, приветствуются. Единственная проблема, так это меня больше интересуют рекомендации "как быстрее пройти к работе с роботами" и "как быстрее связать кодирование и математику" и "как уменьшить количество учителей в проекте", а не "как поглубже изучить алгебру вместе с линейной алгеброй и геометрией, взяв учебник и задачник Кострикина. Вот Кострикин и прочее из этой серии (по-русски, академически глубоко, только в бумаге) будут только при осознании потребности в углублённом понимании какой-то отдельной дисциплины -- так что "вот возьмите вот эту книжку и будет вам счастье" можно не предлагать, вьюнош книжек не читает, интереса к бумаге нет в принципе. Ему ещё понятно, зачем нужно решить сто-двести задач, но непонятно, зачем читать бумажную книжку, в принципе непонятно -- на уровне глубоких идеологических установок. И тут либо это принимать, либо всё обучение закончится итальянской забастовкой: мы будем делать вид, что обучение идёт, а вьюнош будет делать вид, что он честно читает все эти тексты и даже честно пытается что-то понять. Увы, обращение к "традиционным методам образования, по которым учились наши дедушки и бабушки" с нашим вьюношем неэффективно.

Нам пока нужно просто прорваться к программированию роботов, но не на Ардуино, а на Jetson Xavier (к моменту окончания этой программы Jetson TX2 уже будет неактуальным, я думаю). Углублять знание отдельных разделов математики, физики, электроники, компьютерной науки и т.д. -- это потом, по мере взросления и осознания потребности в чуток более фундаментальном образовании. Это в полной мере соответствует гипотезе "из середины вверх и вниз", когда начинаем заниматься фундаментальным образованием не из прикладных дисциплин (top-down), не из фундаментальных идей (bottom up), а из среднего уровня знаний к прикладным дисциплинам, обращаясь к более фундаментальным дисциплинам по мере осознания недостатка понимания.

UPDATE: обсуждение в фейсбук -- https://www.facebook.com/ailevenchuk/posts/10213260644004693 (и мне тут же в этих комментах напоминают, что у меня был текст про обучение робототехнике, где я расписывал системные уровни робота: пункт 6 в https://ailev.livejournal.com/1351873.html. Да, но профессионализация в каком-то уровне это будет на втором проходе, сейчас просто пытаемся выполнить какие-то пререквизиты для уже имеющегося курса, а не синтезировать всю программу с нуля "по системной науке").

UPDATE: обсуждение во фрифид -- https://freefeed.net/ailev/64d5a2bc-558c-4a2b-a336-ca2430503b58 (есть dataquest.io), в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213260644004693 (про то, что образование должно быть привязано к системным уровням робота, вдоль линии рассуждений https://ailev.livejournal.com/1351873.html)
Thursday, June 28th, 2018
4:27 pm
lytdybr
И в женах, дочерях — к мундиру та же страсть!
Я сам к нему давно ль от нежности отрекся?!
Теперь уж в это мне ребячество не впасть,
Но кто б тогда за всеми не повлекся?

Когда из гвардии, иные от двора
Сюда на время приезжали, —
Кричали женщины: ура!
И в воздух чепчики бросали!

Я понял: это про мундиаль, они ж там все в форме. Я видел, как вчера девушки по-быстрому разбирали полусонных бразильцев и вели их трахать.
* * *
А и впрямь: FIATECH с января стал частью Construction Industry Institute (CII). Но это уже после момента написания учебника. Обновите ссылку, кому интересно: https://www.construction-institute.org/industries/fiatech
* * *
У меня открыто дикое количество табов по искусственному интеллекту, просто некогда читать. Ибо идёт непрерывный чат на восемнадцать разных направлений -- по пять минут на всех обратившихся в личку, и день прошёл. Хотя я как-то умудрился уже переписать (да, практически там не редактирование, а переписывание идёт -- моя устная речь обычно нечитаема) 80 страниц из 120 страниц книжного формата текста своего доклада по визуальному мышлению. Закончу скоро (это я уже вторую неделю говорю "закончу скоро"), выложу эту почти книжку в блоге.

Но табы по искусственному интеллекту -- там в июне много чего интересного произошло. Два прорыва в неделю продолжается. Например, кое-что поняли в теории про устройство глубоких сетей и как доказательство того, что таки поняли, натренировали сетку на 10тыс. слоёв. Или начали массово выигрывать у людей нейросетками в Dota 2. Или сделали декатлон по пониманию речи: одна нейросетка должна решать десяток разных типов задач. Ссылок не даю, ибо на эти темы нужно либо вдумчиво писать, или уж не писать вообще.

Ну, одну ссылку дам: https://arxiv.org/abs/1806.09055, дифференцируемый архитектурный поиск, который начали проводить в диференцируемом пространстве поиска, и он оказался на несколько порядков быстрее, чем поиск в недифференцируемом пространстве. Так сказать, "антиквантование" или "антиформализация" (сдвиг в левую часть спектра мышления из формального дискретного представления, с целью более быстрой обработки). Эта "дифференцируемость" потихоньку входит в мейнстрим и, похоже, будет давать прирост в скорости обработки дискретной информации на порядки -- хотя раньше казалось, что ровно наоборот: дискретная обработка быстрее. Тут я бы ещё обратил внимание на слово "архитектура": поиск-ориентированная инженерия (https://ailev.livejournal.com/1122876.html, я писал в 2014 году) неожиданно может оказаться мейнстримом совсем скоро. Ибо когда что-то ускоряется на несколько порядков величины, то оно на несколько порядков величины дешевеет. И вполне может захватить мейнстрим.

И этот "поиск в пространстве решений" не нужно путать с "поиском в базе данных решений", где тоже есть интересные продвижения: https://blog.acolyer.org/2018/06/26/deep-code-search/ -- ищут куски кода (конструкции) в большой базе данных, беря на вход текстовые описания функциональности этого кода. Поиск на нейросетке возвращает из 50 запросов 43 найденных куска кода, а не-нейро конкуренты успешны только в половине случаев. Программирование через пару-тройку лет уже не будет прежним: как раз выйдет поколение аппаратуры и алгоритмов, которые обрушит стоимость одного запроса до того уровня, что возможно будет массовое применение. А если к этому подключить транспиляторы (перекодировщики из одного языка программирования в другой), то вообще интересно будет. А дальше начнут находить паттерны в коде, публиковать списки частых запросов -- ох, сколько всего интересного! И это будет, конечно, не только в программировании.
* * *
В одном закрытом для буквально двухсот человек посте бушует дискуссия о том, как жить в мире, где люди разучились читать книжки. Вот несколько моих ответов на тамошние тезисы:
[кино и сериалы ведь смотрят подолгу! Вот и книги пусть делают хорошими, их тогда будут сутками читать! А то продолжают писать водянистые книги, они сериалам проигрывают!]
-- так и представляю себе "Линейная алгебра", от которой не оторваться, и сериал "Нелинейная оптимизация", к которому возвращаешься и возвращаешься. И квантовая физика, в которой оператор Шредингера просто очень, очень положительный персонаж, думаешь о нём ещё долго после очередной серии.

[так раньше же книжки читали, а нынешние книжки не читают! Значит, книжки плохие стали!]
Да, я помню, откуда этот текст. В более простом виде это было так:
"— Примите назад эти елочные игрушки — они бракованные!
— Но позвольте — все они целы, не побиты, в чем же брак-то?!
— Не радуют. Я помню, у меня в детстве были похожие, так они радовали!".

В другом историческом времени все эти умения радоваться от квантовой физики были -- и у взрослых, и у детей. А сейчас нет этих умений нет, они остались у единиц, у остальных деградировали.

Иначе вам придётся признать, что качественными остались только сериалы и компьютерные игры, массовое времяпровождение сегодняшней молодёжи.

Я считаю, что идея edutainment дохлая. Вечно подающая надежды, никогда этих надежд не оправдывающая. Система пощрений, организация образования должны быть внешними по отношению к контенту. Контент лучше или хуже не будет, он такой, каков есть. Но вот кроме "системы образования", поощряющей учиться есть ещё что-то во внутренней культуре человека. И он раньше умел кушать учебные и любые другие продукты сам, а теперь оказывается это делать не в состоянии, зубы выпали, жевать нечем, глотка атрофировалась, глотать нечем.

Мой пойнт в том, что при нежелании потреблять текущий имеющийся образовательный контент уж-какой-есть (а не ждать, пока Великие Писатели Учоные с Доцентами и Кандидатами придумают небывалые способы кормить массы серьёзными вещами так, как Мадонна кормит своими песнями) вы тогда вылетаете из знания state-of-the-art, а удовлетворять ваш слабый интерес исследователи, занимающиеся state-of-the-art не готовы. Значит, кто готов на бОльшие трудозатраты, тот и освоит. Остальные гуляют, для них хватит других предметных областей. Скажем, нормальную геометрию трудно приготовить так, чтобы в геометрию появилась царская дорога. А у кого интерес к геометрии есть, но они не хотят идти не царской дорогой, то понятно, куда они пойдут.
[но раньше-то детей удавалось учить! почему теперь бы просто не поднять уровень преподавания, и продолжить с текущими избалованными на сериалах и компьютерных играх детьми?]

Мне Пётр Французов (Хирш 21, кстати) рассказывал, что в Новосибирской физматшколе его и других деток учили очень хорошо, а нынешних не учат, потому как раньше просто излагали материал, и всем было понятно, а теперь требуется некоторая степень разжёвывания и улучшения изложения. Начали разбираться, и выяснили, что физматшкол теперь ой-ой сколько, и в Новосибирск идут только из новосибирской области и кусочка Казахстана. А раньше туда шли примерно из половины страны детки. Поэтому качество самих деток сильно опустилось, и что было понятно прежним наборам, нынешним более жидким наборам уже непонятно.

Если хочется проучить в 150 раз больше народу на тот же уровень, что учили раньше во всяких СУНЦ, то нужны другие методы преподавания. И для каких-то дисциплин они будут, а для каких-то они будут отсутствовать.

Я к тому, что раньше не только трава была зеленее и преподаватели крутые, но и с учениками была другая картинка: элита и неэлита жёстко разделялись. У меня на химфак был конкурс в несколько человек на место в Ростове-на-Дону, а в Москву таких как я вообще не брали, "квота" была. Жизнь была другая.

Ну, и да, для многих предметов не находили, как их преподавать. Скажем, императивное программирование требует 8-12 часов практики для освоения, и это число часов не зависит практически от возраста (это экспериментальные данные). Потребовалось порядка 20 лет исследований, чтобы найти как это преподавать, чтобы выйти на такие показатели. Но это люди именно этим поиском занимались, у них не было цели преподавать, а была цель искать способ преподавания. Я имею ввиду работы группы Аттик.

А по системному мышлению да, за десятки лет не нашли никаких способов преподавать. Я вот уже шесть лет ищу способ преподавать получше, что-то нашёл, но ниже уровня магистра я бы не решился текущий курс давать.

А кто не справляется с этой ситуацией, то да -- вон из элиты, пусть ищут другие пути. По Грибоедову, в "Горе от ума" рассказано, что можно сладко жить и без ума, достаточно правильно выбирать задницу, которую лизать с использованием soft skills. Дейл Карнеги о том же книжку написал, бестселлер, мануал Молчалина -- "собаку дворника, чтоб ласкова была".

Я же тут другой постулат провожу, что желающих попроще -- ну их. https://ailev.livejournal.com/1385867.html

Конечно, нужно делать хорошие обучающие материалы. Но не факт, что это не книги. Я вот книгу, которую как-то можно читать, сделал с третьего раза. Ибо предмет сложный, системное мышление. Но читать эту книгу трудно. Я поэтому и задачник сделал. Но задачи решать тоже трудно. А проекты делать, так и вообще очень трудно. Но некоторые -- делают, и у них от этого карьерный рост. А у других людей карьерный рост не от этого. Ну, они или гении, или хорошо выучили текст Карнеги, он ведь лёгким языком написан, и книжку Карнеги необязательно читать с начала до конца, там просто куча разнородных советов.
* * *
А ещё в меня кинули некоторым количеством материалов по социальным танцам. Например, фильм-монолог Фёдора Недотко: https://vk.com/video15255340_456239834. Там нетривиальная мысль, что чуть ли не все социальные танцы сегодня родились на общей африканской базе. И танго, и джаз-танцы, и сальса, и самба, и кизомба. То есть они все родственники. Вот тут тот же Фёдор Недотко рассказыват про битанцуалов и родственность джаз-танцев и сальсы: https://www.youtube.com/watch?v=UxfRZefmq9I

Такую же мысль пытался рассказать на своём семинаре Джамба: он говорил и показывал одно и то же движение, которое просто в бразильской, ангольской и кубинской культуре стало выглядеть по-другому. Интересная мысль про Африку не только как родину человечества, но и родину социальных танцев. Дальше всё многократно переплавлено было, и в конечном итоге это всё суп из топора, но топор оказывается почему-то африканского происхождения.

Вот crossover -- танцоры "старых" уличных танцев (линди-хоп и прочие джаз-танцы) против танцоров новых уличных танцев (хип-хоп в его разных проявлениях). Если не очень разбираешься, то вообще трудно понять, какая команда там старая, а какая новая -- особенно когда они танцуют под музыку противоположных направлений:
-- https://vimeo.com/196278189 (Montreal Swing Riot 2016)
-- https://vimeo.com/142215364 (Montreal Swing Riot 2015)

Есть и попытки сделать танцевальные онтологии. Начинают со "словарей", типа вот этого хип-хоп словаря "старой школы": https://vk.com/video234676491_169127223
* * *
Отменно потанцевал вчера на посада-вечеринке! И кизомбу, и сембу, и урбан, и таррашинью-таррашу-таррашо, но даже и сальсу (зря, что ли учился?) и танго (да, ангелы небесные поставили что-то вроде танго) и что-то типа бачаты и типа сона, уж как мог. А афтепати случилась прямо на Садовом кольце, где мы в узком кругу посередь завидующих сонных бразильских болельщиков разъели малосольные огурчики. Вот видеопруф (https://youtu.be/tywfk5AzjH0):


Танцы -- это не только ценный мех, но ещё и много других удовольствий!
* * *
Я опять начал делать большие посты с кучей тем, это нужно бы опять прекращать...

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213232391738404
Wednesday, June 27th, 2018
1:06 am
Очередной поток курса системного мышления: с 30 июня 2018
С 25 по 30 июня 2018 формируется очередной поток курса "Системное мышление" на Курсере, самое время записаться и начать проходить этот курс: http://systemsthinkingcourse.ru/. В среднем это займёт примерно два месяца -- быстрее изучить можно, но это получается отнюдь не у всех. Всё-таки в основе там учебник на 400 страниц книжного формата и задачи с решениями на 200 страниц -- это немаленький объём. Видео с моей говорящей на фоне слайдов головой я считаю тут просто приятным приложением к учебнику, а не наоборот. Хотя по результатам опросов примерно половина слушателей главным образом смотрят видео, а половина главным образом читают текст.

Текущая статистика курса, это за первых почти пять месяцев, запуск был в начале февраля 2018:
— 7206 заглянувших на страницу курса в Курсере
— 3488 записавшихся на курс
— 2521 тех, кто хотя бы что-то прочёл-просмотрел. Контент курса (видео, задачи, учебник) бесплатен.
— 602 человека в чате поддержки в Телеграме -- https://t.me/systemsthinking_course
— 205 заплативших за сервис проверки решения задач с выпиской сертификата, порядка $50. Ибо "прочёл учебник/смотрел видео езды на велосипеде" оказывается не слишком эффективным обучением.
— 74 уже закончивших курс с получением сертификата
— 4.7 из 5 рейтинг курса

Я думаю, что закончивших будет больше: выпускной поток формально заканчивается 2 июля, так что наверняка число закончивших курс в ближайшие дни вырастет.

Кому книжка "Системное мышление" нужна одним файлом, то в тринадцати разных электронных форматах её за 40руб. можно взять тут: https://www.litres.ru/anatoliy-levenchuk/sistemnoe-myshlenie/, а в бумажном виде рекомендую брать тут: https://balovstvo.me/sys-thinking ($15.80, а от 6 экз. это уже по $10.20).

Дальше можно продолжать фундаментальное и прикладное образование в Школе системного менеджмента: http://system-school.ru/

Что мне в этом курсе больше всего нравится, так это отзывы его проходящих. Эти отзывы в некотором количестве валятся мне в личку, и они очень приятны. Судя по этим отзывам в личку (и это почему-то не пишут в отзывах на морде сайта курса), некоторые малые команды выбрали курс, чтобы иметь общий для менеджеров и инженеров язык обсуждения их проектов. И это сработало!
Tuesday, June 26th, 2018
1:48 am
Курс для тех, кто хочет делать роботов: он существует!
Я таки нашёл правильный дистантный курс для тех, кто хочет делать роботов: это Become A Robotics Software Engineer наностепень на Udacity -- https://www.udacity.com/course/robotics-software-engineer--nd209 (от NVIDIA и Electric Movement).

Два семестра, это 8 месяцев по 15 часов в неделю, ориентирован либо на проекты, использующие железо NVIDIA Jetson TX2 (для поступивших на курс скидки 50% на это железо), либо на полную симуляцию проектов в компьютере.

Это профессиональная круть, advanced, новый поток на курсе стартует каждые два месяца, но неуспевающим сдавать проекты (проверяют проекты там живые эксперты) сразу машут платочком по дороге на вылет: никаких отсрочек и поблажек.

Ограничения и отсутствие поблажек начинаются сразу со входных экзаменов, где стоят весьма жёсткие требования. По сути дела, входными требованиями там являются навыки, которые я бы для своего вьюноша считал выходными для текущей стадии его учёбы: машинное обучение, опыт работы с ROS, командная строка LINUX и т.д.. Но этот advanced курс как раз объединяет все эти навыки и добавляет ещё много чего для выполнения желания "хочу делать роботов": это ровно тот курс, который нужен для исполнения желания.

Вот понять бы теперь, как закинуть вьюноша на эту неожиданно высокую образовательную ступеньку -- что, где и в каком порядке ему нужно пройти для этой сбычи мечт. При этом нужно не забывать, что прохождение такого курса -- это будет сбыча моих мечт. Сам вьюнош мечтает просто вот так сразу строить роботов, он вовсе не мечтает учиться строить роботов, и уж тем более не мечтает тяжело учиться только для того, чтобы потом мочь тяжело учиться строить роботов!

Ещё из интересного я нашёл, что на Jetson TX2 работает и Julia (там процессор ARM, Julia на него портирована -- https://github.com/JuliaLang/julia/blob/master/README.arm.md), и ROS (https://www.jetsonhacks.com/2018/04/27/robot-operating-system-ros-on-nvidia-jetson-tx-development-kits/). Но добавлять в этот компот новых знаний ещё и Julia -- это уж чересчур. Учебный курс при этом немедленно превратится из учебного в исследовательский. Чем мне такой поворот и нравится, но будем решать все проблемы постепенно.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213216220694138
Sunday, June 24th, 2018
1:16 am
Доклад "Фундаментальное образование. Практики системной инженерии"
Выложено видео моего доклада "Фундаментальное образование. Практики системной инженерии". По сути, это краткое, уровня "не для студентов" и с методическими комментариями изложение ситуации с практиками системной инженерии (https://youtu.be/7ecxRXoRAbg):


Слайды вот (https://www.slideshare.net/ailev/ss-102868063, а для тех, кого не пускает Роскомпозор -- https://yadi.sk/i/Ed5HjVVf3Y5uP9):


Основная идея была изложена в посте "Практики системной инженерии: как-для-Coursera vs. как -для-Udacity" (https://ailev.livejournal.com/1432101.html): классическая системная инженерия в лице текущего поколения её конечных прикладных практик исчезает, появляется новое поколение моделеориентированных практик, и остаётся только концептуальная дисциплина, опирающаяся на фундаментальное образование. В данном отрывке я даю четыре указания на структуру практик:
-- некоторый минимальный "канон", текущий консенсус (и он используется в курсе и отражён на графиках фундаментального образования)
-- набор практик системной инженерии по ISO 15288
-- набор практик моделеориентированной системной инженерии (приведён на слайде 29)
-- гипотетический будущий набор практик системной инженерии, который появится где-то в 2021 году (примерно! просто это не сегодня, но и не в необозримом будущем!) в связи с приходом нового поколения систем искусственного интеллекта и использования таких систем в системной инженерии. Поэтому мы не можем привести этого набора практик, но предупреждаем, что нашим студентам придётся переучиваться по мере появления этих практик.

Так что этот доклад смело можно считать входящим в цепочку текстов "Фундаментальное образование" (https://ailev.livejournal.com/1427073.html). Доклад демонстрирует тезисы про фундаментальное образование на примере практик системной инженерии.

Интересный вопрос vvagr был про то, как соотносится моё изложение связи "исследований и разработок" aka "науки и инженерии" с архитектурами Inside Out в Deep Learning -- https://medium.com/intuitionmachine/controlled-hallucinations-in-deep-learning-architecture-fd617150d677 (полезно будет посмотреть и предыдущую статью, https://medium.com/intuitionmachine/ego-motion-in-self-aware-deep-learning-91457213cfc4 -- вся эта серия про то, как изучение машинного обучения/машинного мышления продвигает нас в понимании человеческого обучения/мышления, в том числе подходов к фундаментальному образованию. Ибо мы ж хотим общего для людей и машин мировоззрения, нам же желательно сразу договориться о текущей картине мира!). Суть моего ответа была в том, что ситуация с Inside Out ещё только-только начала обсуждаться, и это запутывается и существованием ветки обсуждения эволюции как открывающей не структуру реальности, а структуру функции выживания. Об этом любит говорить профессор Хоффман: http://fastsalttimes.com/sections/persona/671.html. Так что все уточнения тут должны быть не в курсе системной инженерии, а в курсе онтологики.

Буквально на следующий день после доклада, 22 июня 2018 года, я снял примерно три часа видео по этим же слайдам для Курсеры как содержание первой недели курса "Практики системной инженерии". Это уже в более подробном варианте изложения для студентов, и без методических комментариев. Этот курс я буду делать не полностью сам, материалы по отдельным практикам системной инженерии будут готовить мои выпускники и помощники Михаил Бухарин и Илья Бурдин (они, кстати, оба работают системными инженерами, даже "по должности").

Не спрашивайте, когда будет доступен онлайн-курс: ориентируйтесь на "после Нового Года".

В любом случае, этого онлайн-курса совершенно не будет хватать для образования. По сути, это будет какая-то видеозамена учебнику, и только. В оффлайн-группах предполагается выполнение лабораторных работ по отдельным практикам, плюс написание эссе по семи альфам, отражающее итоги лабораторных работ. Ровно по такой схеме идёт оффлайновый курс в МФТИ, и учебные материалы именно к этой конструкции курса попадают в онлайн курс. Учебником там будет "Системноинженерное мышление" (вариант 2015 года, http://techinvestlab.ru/systems_engineering_thinking/, там как раз много материала по первой неделе курса: и про инженерию и науку, и про профессию системного инженера, и про моделирование), плюс дадим методички по отдельным практикам. Но вот проверку лабораторок и эссе в Курсере организовать нельзя, поэтому мы продолжим существование этого курса как полноценного оффлайн-курса. Экономиться онлайном тут будет только лекционная часть, вся практика останется в оффлайне. Мы подумаем, что нужно сделать, чтобы этот курс был доступен и "с улицы", а не только поступившим на кафедру техпредпринимательства МФТИ.

А до тех пор уже сегодня для тех, кто "с улицы" возможен маршрут:
-- проходите какой-то вариант курса системного мышления ("в консервах" без людей http://www.systemsthinkingcourse.ru/ или живой по программам http://system-school.ru/)
-- смотрите обзорный доклад на видео и слайдах из настоящего поста
-- проходите более подробно курс по одной из прикладных практик системной инженерии: моделирование концепции продукта (на ArchiMate 3.0): http://system-school.ru/engineering

Все остальные курсы по практикам системной инженерии (а именно: инженерия требований -- https://ailev.livejournal.com/1425741.html, инженерия системной архитектуры, управление ЖЦ/конфигурацией/изменениями/данными, проверка и приёмка) пока в разработке, время выхода этих курсов непонятно.
* * *
На крыше делать доклады оказалось очень хорошо. Новое помещение Школы системного менеджмента с вариантом опенэйра мне очень понравилось. А вот потом они все там же на крыше смотрели футбол. Но это уже без меня, я там же рядом предавался беседам за рюмкой чая. И даже вопли "Гоооол" меня не отвлекали.
Tuesday, June 19th, 2018
4:18 pm
Девелопмент (недвижимости) по приказу
Посидел сегодня в панели при обсуждении цифровых трансформаций в девелопменте (недвижимости), вот тут: http://digitaldevelopment.tilda.ws/. Полюбили меня люди из недвижимости, вот я у них последний раз выступал с лекцией о будущем совсем недавно: https://ailev.livejournal.com/1413814.html.

Я выдал всего два тезиса:
-- что уже начинают говорить об аналоговых вычислениях, как нашем будущем, а мы тут всё "цифровизацию" обсуждаем -- это я сослался на работу IBM по созданию аналоговой нейросетки, вычисляющей с точностью цифровой: https://www.ibm.com/blogs/research/2018/06/future-ai-better-compute/. Всё быстро-быстро-быстро.
-- и при такой скорости изменений в прикладных/профессиональных областях нужно спокойно признать, что "никогда не успеем", и вкладываться в рост калибра личности себя и своих сотрудников. Ибо личности большого калибра этот калейдоскоп смены прикладных практик уж как-нибудь переживут. И суть периода уже не в том, чтобы найти на каждую прикладную практику талант, занимаясь охотой и собирательством, а просто выращивая личности большого калибра, занимаясь осёдлым земледелием. Ибо если нет фундаментального образования, то всё одно не сможешь воспользоваться ничем прикладным, просто толку не будет. Собственно, об этом у меня большая цепочка текстов "Фундаментальное образование", https://ailev.livejournal.com/1427073.html

Понятно, что я тут же был обозван "теоретиком". Кем?! Ну, например, практиком, который видит избавление от всех бед в том, что наконец-то нужно выполнить приказы Путина! Только это спасёт девелоперов!

Моё замечание было, что спасение как раз в том, что люди на рынке должны немедленно прекратить выполнять команды Путина (вообще, Путин этим собравшимся людям из девелопмента кто?! Начальник? Работодатель? Строгий папа? Надзиратель?! Ах, он у них уоднихденьгоотбиратель, но именноимвыдаватель! Так бы сразу и сказали!).

Хи-хи, практики они. Вот я на результаты их деревенской от сохи практики смотрю, и результаты всей нашей очень практичной страны, и совершенно не удивляюсь, почему результаты такие печальные. Нет людей, более практичных, чем дикари, ибо в их образовании заведомо не было фундаментальности, их заведомо никаким теориям не учили.

Ко мне в кулуарах потом подходили разные люди и говорили, что они абсолютно с моими тезисами согласны, только сидят они и помалкивают -- ибо такие уж времена.

Ну да, совок остался, времена не изменились. Если кто-то дал команду "построить 300млн.кв.м. жилья", то команду нужно исполнять -- не заботясь, откуда на это возьмутся деньги, кому это нужно, что будет с построенными миллионами квадратных метров на следующий день после окончания строительства, какого качества будет это всё построенное, если заказчик и приёмщик "государство" (а не те, кто жить будет). Вот такой системный подход, хорошо видящий потенциальное госфинансирование, но всё остальное предпочитающий сознательно не замечать: "я только выполнял приказ. Приказ построить 300млн.кв.метров жилья!".

Я могу ещё долго и много ехидничать на тему услышанного на этой панели по цифровизации -- например, как "цифровизацией" оказался переход документооборота одной из компаний на недвижимости на issue tracker. Слово issue tracker не было произнесено, но описание было красочное и это представлялось присутствующим как крутой прогресс в "цифровизации"! Ведь задачи перестали теряться, и стало можно как-то ориентироваться в общем их потоке!

Ну, или обсуждение "блокчейна", где каждый докладчик понимал под этим что-то своё родное (равно как и под термином "биг дата", который шёл через запятую к блокчейну и тоже не пойми что под ним понималось, но ведь точно "цифровизация"! И да, "токенизация", которая поминалась не менее часто, чем "блокчейн").

Общий результат: что я там делал?! Зачем оно было мне, зачем оно было им?! Зачем я вообще согласился ходить в оффлайн филиал фейсбука? "В интернете что-то не так", а тут "в оффлайне что-то не так". Никакой, ну абсолютно никакой разницы.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213171985988298
3:21 pm
Образовательные ступеньки к деланию роботов, три дня спустя
Вьюнош закончил уже давно все ОГЭ и отсылки в ЗФТШ, и приступил к своему "хочу делать роботов". Я писал про образовательные ступеньки к деланию роботов пару дней назад -- https://ailev.livejournal.com/1432847.html.

Что изменилось за эти три дня?

Вьюнош вчера и сегодня прослушал в СТАНКИНе три часа "Основ конструирования мобильных роботов" и "Датчиков для робототехнических устройств", в МИСиСе "Смартфон как пульт дистанционного управления роботом" -- это пошла подготовка к лагерю олимпиады Роботон-МиР, http://roboton-mir.ru/news/preparatory-classes-2018-summer.

Дальше я ему буду давать "Системное мышление", и меня не волнует, что это для него пока сложно и неподъёмно. Когда-то нужно начинать. При этом я понимаю, что и он, и жена будут этот курс саботировать. Он же не из школьной программы, и на обложке курса не нарисовано никакого робота!

Дальше я очень хочу попробовать двинуть его в http://course.fast.ai/ (минимальные требования -- годичный опыт кодирования и школьная математика), и там ещё есть часть вторая http://www.fast.ai/2018/05/07/part2-launch/, так что это удовольствие можно тянуть надолго. И это будет, понятное дело, не Julia, а Python и PyTorch. От судьбы не уйдёшь.

Но ещё я сформулировал в чатике Julia несколько добавочных тезисов про образование по информатике на Julia (https://t.me/JuliaLanguage/3734):

1. Программы == алгоритмы+данные. Текущие "школьные курсы" -- это ни разу не курсы информатики или программирования, они все курсы алгоритмики. Работа с данными ограничивается "типами" стек, дек, массив. Это полностью противоречит современному тренду, когда по сложной системе типов (часто вообще "базе данных" с дико кучерявой конецептуальной моделью данных) гуляют относительно простые алгоритмы, и сложность выбирается сложностью разных состояний проходов разных отдельных алгоритмов, оставляющих свои следы в разных местах сложных структур данных. То есть типы нужно учить не 10 часов на 100 часов алгоритмики, а 1000 часов на 1000 часов алгоритмики: над проектированием системы типов программисты проведут времени как минимум столько же, сколько над проектированием разных циклов и ветвлений алгоритма над этими типами. Поэтому линию обсуждения Julia и Python по этой линии не дотянули. На чём легче и чётче обучать работе с типами? На чём легче составлять и решать и проверять задачи по работе с типами? На чём легче демонстрировать разные концепты работы с типами? Ну, и обсуждать нужно Julia в версии 1.0, а Python лучше бы разу с 3.7, включая Data Class. [на это уже получен ответ в https://t.me/JuliaLanguage/3742, суть ответа: "ну, и как тут что-то выбирать? нужно всё!"]

2. Я полсотни реплик назад писал списочек "за" и "против" использования Julia как учебного языка. И там было в том числе и то, что Julia как первый в жизни язык не очень пригоден: но не обсуждался вопрос о том, учим мы кого и для чего. Учим людей императивному программированию на целых, плавающих и массивах, то есть Formula translator языку? То бишь алгоритмике? Или учим программированию на первом языке, а не алгоритмике? Или сначала должна быть алгоритмика, а потом полноценное программирование с типами? Вопрос остался необсуждённым.

3. А вот сделать какой-то DSL — для этого Python или Julia уже нужны, и можно обсуждать, на чём легче преподавать "создание предметно-специфических языков" и основанных на этих языках пакетов: на Питоне или на Julia.

4. Выходом же всего этого обучения будет раздел на GitHub, который показываться будет в разных местах, куда хотят попасть школьники. Вот как его проще получить: на Питоне? На Julia? Ибо на Паскале и на Си это как-то не просматривается, там вручную солидный кусок работы экосистемы придётся делать, и никаких DSL и прочих прелестей современного пакетирования не будет. А если этому не учат в том самом зазоре между школой (9 класс лицея) и вузом (который начнёт с усиленного курса алгоритмики на том же Паскале и вынесет мозг в сторону от требуемого на самых разных работах, но полезного для побед в олимпиадах)? Чему в этом зазоре учить, чтобы вместо вуза просто попасть в правильную лабораторию/стартап/проект и там работать и учиться параллельно по вечерам, уже сознательно и самостоятельно планируя своё обучение? Вот чему обязательно (а не добровольно, как тут предлагают для "Интеллектуала", читать-писать учат ведь в обязательном порядке, а не добровольном) нужно учить?

5. И, наконец, рассматриваем вычислительную математику: линал, матан, оптимизацию. На чём её учить? Разворачивать зоопарк экосистемы Питона? Или на Julia практически без зоопарка и могучих заклинаний внешних пакетов? На чём проще учить именно математике, отвлекаясь от особенностей разных пакетов программ по подержке требующихся для обучения вычислительной математике алгоритмов? Раньше учили бы на фортране, игнорируя даже паскаль со всеми его "типами". А теперь? Питон с библиотеками? Или Julia? Тем более что Jupyther у них для этого один и тот же.

Я подумал-подумал и в связи с этими всеми находками в чат Julia записал некоторую программу по разработке минимальной связки курсов (https://t.me/JuliaLanguage/3739):
— какой-то начальный курс алгоритмики + курс работы с типами языка, просто "для понюхать". Если сделать алгоритмику и добавить материал с типами, то аналогов такому курсу не будет, не нужно будет доказывать, почему этот курс хороший.
— sicp на Julia по примерно той же схеме, по которой его сделали для Python. Это заодно даст аналог "годичного опыта кодирования". Альтернатива тут только аналог sc50. Из плюсов: не нужно доказывать, что курс хороший.
— и дальше аналог курсов fast.ai на Julia, с использованием Knet с упором на его философию (и доработкой недостающих модулей и докруткой, чтобы было не труднее, чем в самом fast.ai). Это примерно такое же интеллектуальное развлечение, как и SICP или sc50 на Julia, по факту огромная работа. Из плюсов: не нужно доказывать, что курс хороший.
— остаются вопросы про линейную алгебру, оптимизацию, матан, байеса. Если выполнить предыдущие пункты, то не придётся доказывать, почему нужно брать именно эти курсы. Более того, какие-то курсы на эту тему уже есть, например, линейная алгебра: http://web.mit.edu/18.06/www/

А ещё меня спросили: зачем я писал текст про EduOps (вот этот: https://ailev.livejournal.com/1431056.html)? Для меня это были не только программные документы для Школы системного менеджмента (http://system-school.ru/), чтобы все преподаватели примерно одинаково понимали стратегию. Суть этих статей -- явное моделирование происходящего, задание терминологии, хороших метафор и образцов, увязывание в непротиворечивую дисциплину множества паттернов текущего поведения в сфере EduOps. Так, работу Andrew Ng по старту своего курса машинного обучения в Курсере, работу Fast.AI и многих текущих исследовательских групп с де-факто поведением EduOps нельзя было обсуждать в общих для них словах, как такую модель поведения -- а теперь я задал какой-то viewpoint, метод описания, и это легко. Теперь, после моих текстов про EduOps, сразу всем заметно, что "да, вот они ровно так и делают" (в отличие от того, что делают, например, в Пензе, где нет своих крутых исследований и базирующихся на них курсов).

Основная идея тут в том, что DevOps таки кроме своих исследований добегает до студентов и смотрит, что из них там на дальнем конце цепочки получается -- берёт ответственность за то, чтобы результаты его исследований не просто легли на полку библиотеки. В принципе, в текущей модели науки профессура ответственна больше за грантодобычу. Я недавно помогал оценивать одного профессора для Оксфорда: в их критериях оценки Оксфорд больше интересовало, как у него трек рекордс в добыче грантов. А тут в EduOps будет другое: как он доводит свои исследования до студентов так, чтобы они их потом могли где употребить в дело. Этого нету сейчас как общего места, это EduOps очень пока неформальная и не такая частая практика.

DevOps тоже всегда были, но потом у них появилось имя и дисциплина, и всё стало в разы массовей -- потому как осознанно и можно стало улучшать практику. Так и я тут: сказал EduOps, и можно осознанно копировать практику, улучшать практику, указывать новые образцы, говорить о расхождениях и вариантах, и т.д.

С образованием по роботам и образованием в вычислительной математике ровно то же самое: озабочены родители, озабочены любители языка, но нет озабоченных исследователей, которые и сделали бы все вот эти курсы. Нет EduOps, вот и не живёт тут педагогика.
Friday, June 15th, 2018
10:35 pm
Образовательные ступеньки к деланию роботов
Мой вьюнош закончил девятый класс и продолжает хотеть делать роботов. При этом сегодняшняя робототехника сделала подъём переворотом, и прекратила существовать -- здравствуй, новая робототехника, которой моего вьюноша нужно учить. Но тут беда: девятиклассников этому никто не учит, нет таких образовательных маршрутов. Прыгать по кочкам одиноких курсов, строить образовательный маршрут туда -- это, увы, придётся самому. Вот и разберём, что у нас для этого есть, а что нужно было бы сделать.

Исходное состояние: физматшкольник после сдачи всех ОГЭ
Чему его уже научили? Скажем, ЗФТШ МФТИ, которую он проходил в девятом классе, самое передовое что у нас есть для школьников. Его учили заполнять от руки полную тетрадку в каждой отсылке. Никаких компьютеров, только от руки! LaTeX, если уж речь идёт о текстах по физике и математике? В ЗФТШ МФТИ такого не слышали. В самом МФТИ уж не знаю, может быть и там студентов продолжают учить работать с ручкой и бумажкой до сих пор. Программистов я помню, как учили работать с карандашом и бумажкой в семидесятых, большие дискуссии на эти темы бушевали! Всё, нет дискуссий. В ЗФТШ МФТИ этих дискуссий нет, потому что некому там дискутировать. Так что ЗФТШ МФТИ вычёркиваем из списка мест, которые помогут вьюношу чего-то добиться в жизни. Раньше это работало, сейчас прокисло.

Так что нужно опять брать всё в свои руки. По факту у вьюноша по профильным предметам образование где-то на уровне уже ЕГЭ: в последних двух-трёх классах уровня физматшкол все программы перепутаны -- где-то материал учится в девятом классе, где-то в одиннадцатом, но поскольку вьюнош учился по нескольким программам, то в среднем там закрыто уже всё. На саму школу плюём, как на необходимый для административных целей налог, задача в школе -- минимизировать время, чтобы не мешали учиться.

Что нужно знать, чтобы делать роботов сегодня?
Ровно год назад я писал "Обучение робототехнике: для какого системного уровня?", https://ailev.livejournal.com/1351873.html и давал там холархию:
-- вселенная (все роботы в конечном итоге её истинные части)
-- ...
-- производственные или бытовые экосистемы
-- производственные или бытовые киберфизические системы (где несколько роботов)
-- робот (что бы это ни было)
-- основные части робота (манипулятор, тележка)
-- механика части робота, управляющая плата контроллера части робота
-- материаловедение для механики, программирование контроллера, режимы работы дискретки на плате
--...
-- молекулы и атомы, базовые алгоритмы и парадигмы программирования

Жизнь за год существенно повернулась. Вот несколько ссылок, которые для меня важны при обсуждении сегодняшнего дня:
-- месячной буквально давности текст "Роботы появляются, а робототехники исчезают", https://ailev.livejournal.com/1427635.html -- я вот тут и обсуждаю жизненный цикл создания современных роботов. Но дальше за последние буквально пару недель уже тоже набежало интересного:
-- выпуск NVIDIA платформы для роботов на основе Jetson Xavier: https://nvidianews.nvidia.com/news/nvidia-isaac-launches-new-era-of-autonomous-machines, https://www.nvidia.com/en-us/deep-learning-ai/industries/robotics/. А ещё подарочек от IBM, где говорится, что для нейросеток есть запасец в x100 при переходе на другую архитектуру чипов (и это не спайковые сети, а просто аналоговые нейроны, с точностью вычислений той же, что и цифровые): https://www.ibm.com/blogs/research/2018/06/future-ai-better-compute/
-- а поскольку современные беспилотники это те же роботы, то внимательно читаем https://www.slideshare.net/NVIDIAJapan/gtc-2018 (это майские 2018 года заметки, много нового и интересного про то, что там вокруг Xavier)
-- и заявления Karpathy (он директор AI в Tesla) про Software 2.0 (помним, что сегодняшняя Tesla как машина, это тот же робот) -- https://www.figure-eight.com/building-the-software-2-0-stack-by-andrej-karpathy-from-tesla/ (и там сразу можете смотреть слайды, чтобы не тратить полчаса времени на прослушивание видео, идеи-то понятны: https://www.figure-eight.com/wp-content/uploads/2018/06/TRAIN_AI_2018_Andrej_Karpathy_Tesla.pdf).
-- победа AI над человеком в последних "непобеждаемых" играх на платформе Atari https://habr.com/post/413071/. Просто машина училась играть не с нуля, а понаблюдала за человеком. И в Pitfall! максимальный результат машины был 57 очков при обучении методом проб и ошибок, а у человека 6464. Но вот после того, как машине показали, как играет человек, она сказала "Ага!" и заработала 60258 очков. И восстановление сцены по картинке тоже ничего себе: https://deepmind.com/blog/neural-scene-representation-and-rendering/. Обучение роботов больше не будет прежним, мимо этого опыта не пройдут.
-- нейроалгоритмика пойдёт в микроконтроллеры: https://petewarden.com/2018/06/11/why-the-future-of-machine-learning-is-tiny/ и можно ещё пообсуждать, распределённые или централизованные архитектуры роботов будут в моде и будет ли собственный двигательный разум у какой-нибудь руки (или как эта конечность там будет называться, и из чего состоять). Чай, не биологическая эволюция, многое можно попробовать.

Там всё такое бодрое и новое сейчас, в этой новой робототехнике (которую очень не хочется называть старым словом). И это я ещё не иду по линии понимания естественного языка, это хоть и интерфейс к роботам и мозг робота, но всё-таки пока не воспринимается как самое-самое роботическое (и тут тоже ведь всё бежит со скоростью два прорыва в неделю). Можно помянуть тут "робота-юриста" из последних забавностей, который был (https://broadcast.comdi.com/watch/ro0p0ne2lhmppa111sz1):
-- сделан "Мегафоном" (самая профильная, как понимаете, компания в робототехнике)
-- проиграл знаменитому юристу со счётом 178 против 243 из 300. А если бы это был не знаменитый, а типовой юрист среднего звена, то ещё непонятно, кто выиграл бы!
-- честно учился у людей, ибо в одном из ответов просто выругался матом.

Это всё я пока не отношу к классическому "я хочу делать роботов". С классическими роботами же пока реализуется программа Шмитхубера 2015 года про обезьянку-капуцина (робот видит банан на дереве, строит маршрут, карабкается на дерево, достаёт банан -- http://deeplearning.net/2015/07/13/a-brief-summary-of-the-panel-discussion-at-dl-workshop-icml-2015/), которую он предлагал решить лет за десять. Ну, и эту программу успешно реализуют, полным ходом. Через пять лет робототехника опять станет другой, но это будут уже проблемы самого вьюноша: через пять лет он должен будет каким-то уровнем понимания в этой предметной области владеть и переучиваться.

Вывод: чтобы вьюнош реализовал хотелку "делать роботов", его нужно научить:
1. Всему фундаментальному (онтологика, системное мышление): у меня на эту тему огромный набор текстов по фундаментальному образованию: https://ailev.livejournal.com/1427073.html. Тут всё плохо, но пара курсов (системное мышление и онтологика) уже есть, вот им и будем учить. А дальше и стейкхолдерское мастерство, и много чего ещё подтянется.
2. Системная инженерия, чтобы понимал хоть что-то про жизненный цикл киберфизической системы. Тут готового курса пока нет, но процесс идёт: концептуальная дисциплина обсуждается в https://ailev.livejournal.com/1432101.html, развёрнуто я её буду обсуждать 21 июня 2018 на семинаре Школы в https://www.facebook.com/events/618851998468072/. Когда вьюнош освоит системное мышление хоть как-то, и онтологику хоть как-то, как раз и системная инженерия хоть на каком-нибудь уровне подоспеет. В качестве инженерных поделок минимальный у него опыт планируется на следующий год: они там FPGA-проект в кружке у себя будут делать, чтобы было понятно, что вычисления в процессоре не растут, как булки, на деревьях.
3. Программирование. Тут ничего не изменилось за ровно два года с момента написания текста "образование по computer science для начинающих", https://ailev.livejournal.com/1274596.html. Тут вьюнош в состоянии жизненного пути из этого текста примерно начиная со слов "-- дальше можно пытаться рассказать о собственно computer science". То есть хорошо бы SICP или cs50, для этого всё готово. Беда только, что некому учить, и нет автомагических проверок заданий и достаточного количества задач. А дальше -- выруливать в направлении текста https://julialang.org/blog/2017/12/ml&pl, "On Machine Learning and Programming Languages"
3. Собственно учить стеку Software 2.0, который непонятно какой на сегодняшний момент -- deep learning и всему с этим связанному. Вот тут пока полный ноль, ибо задача распадается на две:
-- математические пререквизиты (фундаментальная часть)
-- собственно машинное обучение, назови его хоть data science, хоть deep learning, хоть когнитивным компьютингом, -- прикладная часть. Тут можно ориентироваться на "https://habr.com/company/everydaytools/blog/413941/ "Чему я научился, пройдя множество собеседований в компаниях и стартапах из сферы ИИ" -- но там написано что-то совсем уж странное (что, нужно знать всего несколько глав из разных книжек?!), так что оставим прикладную часть на когда-нибудь и сосредоточимся на пререквизитах, необходимых для попадания в это самое машинное обучение.

Но нужно ещё добавить, что где-то тут ещё болтается физика. Моё мнение такое, что физики за девятый класс физматшколы на общем уровне должно хватить, а потом сразу спецкурсы по мере возникновения необходимости. Ничего специального "пререквизитного" фундаментального. Физику давно нужно перестать считать "общей наукой", сорта физиков друг от друга отличаются больше, чем сорта программистов. Разделение труда, оно и тут произошло -- без государственных программ развития науки. Государственные программы по старинке продолжают удерживать всё вместе, разве что натурфилософией не называют, как ещё чуть раньше. Так что физику ставим на холд, если это электроника или не физика запуска каких-нибудь бесщёточных двигателей, где нужно учитывать "противоЭДС", чтобы тиристоры не горели в этих схемах по "загадочным причинам".

Нецарские пути в обучение машинному обучению
Мы только что довольно подробно пообсуждали в сообществе вычислительных программистов на Julia образование по математике, которое нужно иметь, чтобы из школы попасть куда-нибудь на входной уровень а хоть той же ШАД (https://yandexdataschool.ru/). Это в чате https://t.me/JuliaLanguage, смотреть с реплики https://t.me/JuliaLanguage/3488 -- "У меня сын закончил только что 9 класс. И вот понятия не имею, как его в эти численные методы засунуть", и там дальше где-то сотня реплик обсуждния. Вывод дискуссии неутешительный:

1. Ничего готового нет. Знания распределены самые разные по самым разным книжкам, задачникам, языкам программирования и т.д. Никакого современного курса, "краткого маршрута" не существует, но есть много обрывков -- и никакого путеводителя. Да, тысяча человек немедленно каждый посоветуют одну какую-то любимую книжку двадцатилетней давности в эту программу, но никто не даст ровно наоборот: минимум, который а) будет связный в какое-то целое, б) не академически избыточен, а практически достаточен, в) поддержан задачами с автоматической проверкой решений.

2. В минимальный набор входят, конечно, линейная алгебра, оптимизация и матан, а ещё теорвер (с дискуссией о том, насколько там всё должно быть байесовское). И это, конечно, из коробки должно быть поддержано задачами на программирование всех этих методов. Например, на Julia. Который к этому моменту было бы неплохо уже знать, но это уже сверх программы -- и этого тоже нет, а есть только олимпиадное программирование на Паскале и курсы по книжкам и изредка видеолекциям (неважно, по-русски, или по-английски) с самостоятельным решением задач, для особо одарённых. Увы, мой вьюнош не особо одарённый. Команду "решить 100 задач" он сможет выполнить, а команду "изучить тему" -- нет, ему эта тема неинтересна, он лучше сэкономленное от её изучения время погоняет какие-то игры, и даже эти игры попроще. Ибо ни в одной из этих тем роботами как таковыми не пахнет, длинна цепочка от фундаментального образования к сугубо прикладным знаниям, невидима девятиклассникам (которые, повторю, не особо одарённые. С особо одарёнными-то всё понятно! Они тем и отличаются, что сами всё найдут и ночью с фонариком под одеялом читать эти бумажные учебники 1970х годов издания будут, бережно перелистывая пожелтевшие страницы!).

3. Нет ни понимания объёма образования по предыдущим пунктам (чтобы дальше уж спокойно идти в курсы машинного обучения -- но чтобы не было ни недолёта, ни особого перелёта в частные разделы академической математики), ни понимания последовательности связанных задач в достаточном количестве, да ещё с автоматической проверкой (ибо мы ж не королей учим! всё должно быть дёшево!). Хотя материалов на эту тему жуть сколько. Но есть любопытные факты, вплоть до репетиторства студентов-экономистов ВШЭ, которые в какой-то момент понимают, что им математику не додают, но не понимают, насколько и какую. Это общее явление. Так, это уже общеизвестный факт, что знаний вступительной программы ШАД (это не для школьников, а для студентов!) для поступления в ШАД не хватит. Вот эта программа -- https://download.cdn.yandex.net/shad/shad_program_v3.pdf (опять же помним, что сам ШАД нам не очень нужен, потому как после ШАД есть ощущение, что будешь препарировать графы социальных сетей, а нужно-то моделировать в real time физические миры с обезьянками-капуцинами. И вместо ШАД тоже нужно будет что-то придумывать).

В чате Julia признали, что проблема есть, и что её нужно как-то решать. Традиционно помянули, что "вот государство доложно в лице какого-нибудь правительства Москвы заняться". Ага, щас, займутся, догонят, и опять возьмутся. Но мне кажется, что что-то придумать можно будет.

Тут отдельный вопрос, почему я так напираю на Julia как язык обучения математике-информатике?
-- Паскаль пусть останется в школе! Вычислительной математики на нём не нужно! Впрочем, как и на Си.
-- мне нравится (аргумент немаленький!). С инженерным моделированием там всё ОК (https://ailev.livejournal.com/1366789.html).
-- потому как Julia быстрая и хорошо приспособлена к вычислительной математике. Но не начального уровня. Так это и не пятый класс, а по факту "после школы".
-- Питон медленный, хотя и сугубо учебный, и с хорошей инфраструктурой. Но для роботов -- медленный.
-- из быстрых языков для роботов там Си, а ещё ассемблер, и даже машинные коды. Нет, спасибо, хотелось бы более приспособленного для вычислительных задач языка. Быстрого языка для математиков, а это как раз Julia.

Ну, а если какая-то другая тусовка быстрее соорганизуется, то и другой язык подойдёт. Но пока оказывается, что есть разные кусочки разных плохо совместимых курсов из разных линеек, все на самых разных языках, вплоть до джаваскрипта. Вебпрограммеры тоже хотят в роботов!

UPDATE: эх, не все понимают, о чём я. Вот достану из личной переписки:
Есть зазор между вузом и работой, но есть зазор и между школой и вузом. Вот я его затыкаю по факту в этом тексте (и говорю, что затычки нет). Ибо вузом сейчас не прокладка типа МФТИ служит, а какой-нибудь ШАД. А как туда попасть -- ну, штатных путей нет, только задор и энтузиазм. Вот я эту задачу решаю, вместо охоты и собирательства талантов штатный проход в дамки. Только не в ШАД, а в другое место, которого тоже пока нет. Но будем решать проблемы по мере их поступления.

UPDATE: Продолжение: три дня спустя -- https://ailev.livejournal.com/1433113.html

Обсуждения в интернете: https://www.facebook.com/ailevenchuk/posts/10213144535622056, https://vk.com/wall2449939_1737
6:17 pm
Системное лидерство 2.0: содержание образования
Александр Турханов начал обсуждать программу курса "Системного лидерства 2.0" -- https://www.facebook.com/alex.turkhanov/posts/10216157626630463

В комментах там поминаются:
-- эффект второй системы, монстрообразная методология, концептуальная дисциплина, краткий указатель прикладных практик? Что это вообще?
-- высокий уровень пререквизитов/фитнесов. Похоже, что сам курс это будет вывод в осознанность уже имеющегося опыта лидерства
-- трудность отделения в программе описания собственно системного лидерства от описания его работы в системном окружении и далее внимания на устройство системного окружения, ну и фитнесов к этому курсу.
-- необходимость квартальных апдейтов программы, ибо в лидерстве всё меняется бегом. Хотя и говорится, что онтика не меняется уже пару кварталов, а меняется только программа.

В любом случае, присоединяйтесь к обсуждению.
Wednesday, June 13th, 2018
3:05 pm
Образовательная методология и жизнь в июне 2018
Совсем забыл дать ссылку на видео моего двухчасового рассказа про цепочку фундаментального образования, это было 10 мая 2018 на семинаре Школы системного менеджмента: https://youtu.be/a4DwYVSOtW0. За прошедший месяц в цепочке появилось ещё 5 материалов, так что это по факту это оказался не завершающий, а промежуточный доклад. Вот текущее состояние цепочки: https://ailev.livejournal.com/1427073.html.

21 июня 2018 на семинаре Школы системного менеджмента я собираюсь рассказать подробней о проблеме, поднятой в последнем тексте цепочки "Фундаментальное образование", https://ailev.livejournal.com/1432101.html -- "Практики системной инженерии: как-для-Coursera vs. как-для-Udacity": каким прикладным курсам нужно учить сегодняшних студентов, если выживают только фундаментальные знания. Вот куда идти (новый офис Школы): https://www.facebook.com/events/618851998468072/

У меня уже есть 38 слайдов на эту тему, заготовленные для начитки первого модуля курсеровского курса "Практики системной инженерии")Слайдов там минимально на три часа рассказа (это существенно модифицированный рассказ про современную системную инженерию, предыдущая версия была опубликована тут: https://ailev.livejournal.com/1410275.html), но поскольку я ожидаю аудиторию не студенческую, то всё будет быстро и даже будет время пообсуждать.

Второй поток Вячеслава Мизгулина "Системная инженерия. Моделирование концепции продукта" начинается в это воскресенье, 17 июня 2018, не прозевайте: http://system-school.ru/engineering, 46 учебных часов (36 часов очных занятий в группе, 10 часов семинарских занятий + защита). Пререквизит: курс системного мышления хотя бы в каком-то виде (хотя бы внимательное чтение учебника, но ещё лучше -- плюс решение задач с проверкой, а ещё лучше -- какой-то очный курс с эссе). Отзывы с первого потока мы получили более чем позитивные, я был там на защите, мне работы очень понравились. И, конечно, в полной мере реализуется то, о чём я пишу в цепочке "Фундаментальное образование": чем лучше знания по фундаментальным дисциплинам (системное мышление и онтологика), тем лучше понимание этого сугубо прикладного курса! Так что идите на этот курс, но не забудьте перечитать мой учебник. А тем, кто совсем не знает, с чего начать изучать системное мышление и даже учебник кажется сложным -- для тех базовый курс "Системный подход в менеджменте и инженерии", который читает Церен Церенов с 23 июня 2018, http://system-school.ru/base, 18 учебных часов. Дистантно на эти курсы тоже берут.

Третий день моего собственного курса "Системный менеджмент и стратегирование v2" (первый поток: http://system-school.ru/sms) будет проходить в это же воскресенье, 17 июня 2018 -- и он будет весь посвящён понятиям управления жизненным циклом и управления работами. Первые два дня мы полностью потратили на обсуждение материала глав 1-5 учебника (раньше это планировалось обычно один день, а по факту шло полтора дня), а в третий день будут главы 6-8 (которые я считаю, что все прочли и без меня!), плюс новый материал про концептуальную дисциплину управление работами. Мне нужно, чтобы к концу дня управление ЖЦ и работами устойчиво в голове развелось в разные места. Поэтому я и объединил это в один день: частично там фундаментальный материал по системному мышлению (понятие ЖЦ), частично прикладной по системному менеджменту (прикладные практики управления ЖЦ и управления работой). Колода из 90 слайдов уже послана курсантам, они в ужасе. Но половина слайдов должна быть более чем понятна из материала учебника, а вторую половину я расскажу: этого материала больше нигде нет, только устное изложение в моём курсе.

Этот третий день будет уже идти в новом офисе Школы системного менеджмента на улице Щипок (метро Серпуховская), от моего дома это 15 минут ходьбы пешком, или 7 минут езды на самокате.

В телеграм-чате выпускников "основ онтологики" уже 20 выпускников, и сейчас обсуждается вопрос "что такое роли" (которых принципиально два разных понятия -- роли как 4D индивиды и роли как места в отношении/кортеже/абстрактном объекте, дискуссия была начата 10 июня 2018 в https://www.facebook.com/alex.turkhanov/posts/10216121944258426 и продолжена в чате). А ещё через пару недель в чате добавится ещё десяток выпускников третьего потока. Отклик после окончания курса ожидаемый: не только становится понятней содержание учебника системного мышления, но и становится понятней, для чего вообще там именно такое содержание. Ура, так и было задумано!

Четвёртый поток "Системного фитнеса" теперь будет аж 8 сентября 2018, http://system-school.ru/move, а вот будни третьего потока:
2:01 am
Практики системной инженерии: как-для-Coursera vs. как-для-Udacity
Вот пример диаграммы классического прикладного образования для системной инженерии:


Это я просто сделал чуть более подробной ветку с классическими прикладными дисциплинами системной инженерии из более общей диаграммы фундаментального образования (см. эту диаграмму и все необходимые оговорки в https://ailev.livejournal.com/1431940.html).

К этой диаграмме тоже много оговорок:

1. Это дисциплины. Или практики? Практики всё-таки должны включать и инструменты тоже -- но практики именуются обычно по их дисциплинам, даже если инструменты не игнорируются.

2. Список классических основных дисциплин системной инженерии не совпадает с таковым из классического источника: ISO 15288:2015. И не совпадает с таковым из BKCASE/SEBoK, и ещё с огромным числом других "официальных источников" (включая NASA, INRIA и т.д.). Канона нет! Но этот список как-то отстоялся за последние годы, он оказался вполне удобен для работы. В таком виде он был и в учебнике "Системноинженерное мышление", и в учебнике "Системное мышление" -- и ни одного нарекания за все эти годы.

3. Список поддисциплин каждой дисциплины системной инженерии - там тоже почти нет новаций, но канон тут ещё меньший, и там сразу в каноне противоречия (так, дисциплина инженерии требований обычно включает в себя практику управления требованиями, но по содержанию она же явно включена в практику управления конфигурацией!). При этом список этих поддисциплин может быть весьма и пополняем и изменяем, в зависимости от прихотей авторов курса.

4. Список совсем уж прикладных дисциплин последнего уровня едва-едва намечен (все эти DSM и Use Case 2.0), это можно выбирать по вкусу. Если разрабатывать какой-то обзорный курс системной инженерии (традиционный "Введение в системную инженерию", только рассчитанный не на космическую или авиационную промышленность сразу с их антисистемными ГОСТами, а на нормальную системную коммерческую инженерию), то я бы руководствовался этой схемой: и шевелил бы там практики четвёртого уровня в прицеле на потенциальную предметную область. Понятно, что авиационные практики для какой-нибудь робототехники не пойдут, равно как автомобильные для атомщиков. Вообще, мой опыт показывает, что студенты приходят с проектами размером для бригады из 10-20 человек, так что никакие практики для тяжёлой военной системной инженерии я бы там не рекомендовал учить.

5. На диаграмме не показаны разные "монстровые методологии", например ТРИЗ++ (он был показан на более общей диаграмме в https://ailev.livejournal.com/1431940.html). С ними понятно что делать: разбирать на части, и относить выбранные части к указанному эээ... классификатору? Нет, я бы предпочёл диаграммку продолжать считать платформенной, и говорить, что выбранные части нужно выучивать в состав того или иного знаниевого модуля системной инженерии, интегрировать там и переплетать с другими выученными знаниями по практикам/дисциплинам.

Это всё мелкие оговорки. А теперь главнаый вопрос: всё это сегодня вилами по воде написано, ибо системноинженерный процесс кардинальным образом меняется. Вот, например, как можно по-другому записать этот же набор практик, напирая на моделеориентированность (и дальше при росте уровня порождения/generative и нарастания уровня agile и модификаций железных систем "прошивкой" можно ещё этот набор практик помодифицировать):
-- Инженерия системных целей (напополам с предпринимательством)
-- Высокоуровневое моделирование (инженерия системной архитектуры, включая порождение и изобретения)
-- Низкоуровневое моделирование – мультифизика, мегамоделирование, порождение
-- Обеспечение качества (верификация)
-- Порождающее производство (из битов в атомы)
-- Приёмка (валидация)
-- Эксплуатация и поддержка
-- «Мусоропереработка» (вывод из эксплуатации)
-- Инженерия знаний, НСИ, справочных данных

Понятно, что подпрактики в "моделеориентированности" там совсем уж другие будут, а в случае generative практик, то вообще всё абсолютно другое. Но эти практики даже ближе к жизни сегодняшней могут оказаться, чем замшелая классика из SEBoK.

Так что я отношусь к диаграммке на картинке как консервирование классического статус-кво начала века. Для меня это -- ну как помахать платочком уходящему прошлому, чтобы никто из академически настроенных системных инженеров не расстроился и не предъявил формальных претензий "несоответствия канону". Особо ничему не учит, но и не особо студентов портит. Даже наоборот, будет какая-то польза "прямо сейчас" (большинство ведь русскоязычных студентов отнюдь не в моделеориентированную инженерию попадёт после окончания курса, так что они ничего и не заметят).

Мне сегодня Даниил Браташов заметил в фейсбуке по поводу текста о EduOp, об ответственности исследователей за разработку курсов (https://www.facebook.com/groups/771940449578453/permalink/1497615923677565/): "Проекты вроде Coursera (и особенно Udacity) и задумывались изначально этакими EduOps, Udacity вроде держит выбранный курс, а вот курсера скатывается назад в классический университет через интернеты (и становится постепенно всё менее интересной, на мой взгляд)". Я ему ответил "Вообще-то "классический" раньше было словом в значении "образец для подражания". А сейчас значение меняется на ровно обратное: "сдохнешь, если будешь этому подражать"

Вот с системной инженерией примерно то же самое происходит сейчас. NVIDIA свои курсы по беспилотным автомобилям публикует на Udacity (https://www.udacity.com/course/self-driving-car-engineer-nanodegree--nd013). И не заморачиваются, что это "отход от инженерных канонов".

Так что диаграммка на картинке у меня, несмотря на все оговорки, классическая -- "для Курсеры". И критика её неизбежно будет как "из прошлого", так и "из будущего". Одним придётся доказывать, что "классику я знаю, но не беру её", другим "state-of-the-art я знаю, но мы сейчас зальём новое вино в старые мехи -- иначе не выжить". Вот тебе, бабушка, и EduOps.
Monday, June 11th, 2018
6:39 pm
Диаграмма фундаментального образования
Вот чуток дополненная (65 практик, 69 связей) диаграмма фундаментального образования (кликабельно):

Это просто чуток доработанный и повёрнутый набок для лучшей читаемости вариант диаграммы из поста "почему не работают трёхдневные курсы", читать про неё в целом там: https://ailev.livejournal.com/1430047.html (а вся цепочка "фундаментальное образование" -- https://ailev.livejournal.com/1427073.html).

Это модульная диаграмма, читать её нужно так, что модули дисциплин (это всё в голову!) следующего уровня опираются на знание дисциплин предыдущего уровня, а все они в конечном итоге упираются в умение читать и писать (функционально: вычитывать мысли и излагать мысли!). Линия фундаментального образования проходит сразу после "мышлений" -- всё, что справа, уже прикладное.

Из новенького тут показано, как разбирать на части в соответствии с некоторой верхнеуровневой онтологией дисциплин разные "монстрообразные методологии", которые показаны сереньким цветом. Например, на этой диаграмме хорошо показано, как обсуждать ТРИЗ++ (но как обсуждать разные варианты проектного управления почти не показано. Например, что все эти методологические монстры сегодня как-то цепляют и лидерство тоже, а не только операционный менеджмент).

Эта диаграмма иллюстрирует следующее:
1. Всякие иерархии убоги, разнообразие жизни в УДК не упихнёшь. Сколько школ мысли, столько иерархий тут можно было бы нарисовать крупными мазками. А если мелкими мазками, то мазки одного человека утром и вечером будут существенно не совпадать. Показанные отношения "часть-целое" для дисциплин тут очень, очень условны. В конечном итоге, функциональная грамотность является частью всех дисциплин и тем самым входит во все методологии.

Но без какой-то верхнеуровневой онтологии дисциплин печально вообще, путь тогда наш во мраке. И сразу скажу цель этой платформенной диаграммки: слева фундаментальные дисциплины, в центре концептуальные, справа прикладные. Диаграмма нужна для того, чтобы изготавливать фундаментально образованных людей (а не для организации исследований, или обсуждения занятости, или любых других каких других целей -- там будут другие диаграммы).

2. Всякие картинки убоги при хоть сколько большом размере (у меня экран 4К, 43", так что у меня даже запасец был для рассматривания такой картинки. Остальным сочувствую. А редактор был yEd, https://www.yworks.com/products/yed). Даже если бы я влепил бы сюда по формальному признаку на каждом узле по многоточию для показа многочисленных неупомянутых практик (а их ведь тьмы, и тьмы, и тьмы!), картинка бы распухла до абсолютно нечитаемых размеров. А сейчас она просто теряет читаемость, но не абсолютно.

До сегодняшнего дня эта картинка жила как небольшие кусочки, показываемые на разных слайдах в разных колодах. Но за этими деревьями абсолютно не видно леса. А хочется хоть и мутной, но картинки леса вместо картинок групп из дерева, пары кустиков и четырёх травинок. Похоже, какой-то текстовый аутлайн для такого графа всё одно был бы лучше и обозримей. Так что вряд ли я эту картинку буду развивать. Публикую, просто, чтобы было.

3. В онтологику нужно засунуть было побольше (там и Байесовщина, и моделирование на полном спектре мышления, и прагматизм, и много чего ещё), прямо внутрь её узла. Но я сдержался. Крупными мазками, только крупными, тут не было цели мельчить. В какой-то мере наша "онтологика" это тоже "большая картина мира", "монстрообразная методология" и её тоже нужно было бы давать сереньким, а на этом уровне уныло перечислять все источники и составные части онтологики. Но нет. Я тут намеренно неформален.

4. Все эти soft skills при ближайшем рассмотрении оказываются вполне практиками. Я их тут не отражал. Но да, стейкхолдерское мастерство на этой картинке тоже есть, хотя нужно помучиться, чтобы его туда добавить. Оно будет уровнем повыше системного мышления (так как в нём явно используется понятие практики, стейкхолдера, и прочих системных понятий), но пониже прикладных практик, которые, конечно, все стейкхолдерским мастерством пользуются. Вот за эти сложности выражения мы и не любим такие "простые модульные диаграммы". Нет, жизнь сложней простых модульных диаграмм, не нужно эти диаграммы абсолютизировать.

UPDATE: обсуждения в фейсбуке -- https://www.facebook.com/groups/771940449578453/permalink/1503228213116336/, https://www.facebook.com/ailevenchuk/posts/10213118746497344
1:31 am
lytdybr
Вьюнош посдавал все свои ОГЭ и пишет пространные сочинения в ЗФТШ: решение качественных задач по математике (логика) сводится к тому, чтобы написать сочинение на заданную тему, изложить решение. Само решение он получает устно, но в какой-то своей внутренней кодировке. Решение правильное, но наружу на русском просто не выводится. Так что это бесценная практика. Все сроки отсылки из-за этих четырёх экзаменов, конечно, пропущены, но мы надеемся на поблажку.

Мы с вьюношем окончательно обменялись одеждой: я активно ношу его S (46 размер) прошлых времён -- это мой нынешний, а он активно носит его нынешний L (50 размер), это мой прошлых времён. Хотя мои старые почти неношенные вещи ему подходят только с короткими рукавами -- он ведь на полголовы уже выше меня. Жена с её М (46 размер) перехватывает вещи для носки и у него, и у меня -- в зависимости от настроения. Очень удобно!

Я за последние четыре дня:
-- отредактировал 20 страниц доклада "Визуальное мышление" (из шестидесяти -- люди просят, не могу отказать. Буду продолжать править, хотя там читателей будет полтора человека),
-- родил три программы курсов (ох, медленное это дело, программы курсов рожать! Для меня родить программу курсов -- это практически быть готовым это курс прочесть)
-- сурово переделал третий день СМС2 (потратил полный день full time, чтобы выкосить 30 слайдов. Хотел выкосить 60 слайдов, но рука бойца колоть устала -- и на это не поднялась).

И да, это было даже не всё. Борюсь со своим тудуйником, как могу, но времени для Большого Вдумчивого Чтения так и не выкроил. Как-то попал в ситуацию, когда всем должен, у всех на критике, и кроме меня больше некому. Нужно как-то сосредоточиться, и на время всех послать. Нежно послать, но неумолимо. Но завтра весь деть опять буду тасовать слайды, будь они неладны.

Как я готовлю пельмени: насыпать полную глубокую тарелку пельменей из морозилки. Залить туда воды на треть тарелки. Засунуть в целлофановый кулёк (а чтобы не разворачивался, заколоть его скрепкой. И да, я знаю, что целлофановые кульки сегодня из полиэтилена). Поставить в микроволновку на 8 минут полной мощности. Дальше вынуть тарелку из кулька, и кушать, кушать, причмокивать. Вкус получается чуть-чуть другой, нежели у классически отваренных пельменей, но мне (и жене тоже, так что это не чисто личное извращение) так даже больше нравится -- когда они чуть посуше, а не разварены в труху. Возможные проблемы: если пельмени были разморожены, а потом заморожены и послипались, то результат будет не лучше, чем при "просто варке" такого комка теста с мясом -- так что следите за качеством заморозки. Преимущества метода: от момента открытия холодильника до момента еды проходит 9 минут (1 минута приготовление кулька с тарелкой и пельменями и разворачивание кулька, 8 минут собственно готовка). И никаких грязных кастрюлек, никакой в кастрюльке лишней воды и лохмотьев теста с экзерсисами по вылавливанию остатков чего-то съедобного, никакой боязни переварить или недоварить -- если начал что-то делать, и не успеваешь сделать за 8 минут, то печка выключится сама и готовые пельмешки будут терпеливо ждать.

Вот духоподъёмная музыка, которую я переслушивал много раз за сегодня: Que Sera, Sera
— Marcus Miller, Selah Sue, https://music.yandex.ru/album/5428144/track/41432542. Вот про неё: https://ru.wikipedia.org/wiki/Que_Sera,_Sera_(Whatever_Will_Be,_Will_Be). Вот оригинал 1956 года, удивитесь: https://youtu.be/xZbKHDPPrrc.

И свеженькое кизомба-шоу (https://youtu.be/lXZUC55qANc):


UPDATE: Обсуждение в фейсбуке: https://www.facebook.com/ailevenchuk/posts/10213114909921432
Thursday, June 7th, 2018
1:49 am
lytdybr
С тех пор, как я неделю назад закончил цепочку "Фундаментальное образование", туда написалось ещё три текста-манифеста, один другого интересней (про неработающие трёхдневные курсы, Просвещение-2020 и EduOps -- https://ailev.livejournal.com/1427073.html). Интересно, будут ли люди, которые прочтут всю эту цепочку полностью? И там ведь ещё пререквизит для какого-то понимания этих текстов: знание системного мышления хотя бы на уровне знакомства по диагонали с текстом моего учебника.

Менторинг мне нравится катарсисом. Одни и те же ходы для самых разных ситуаций: выявление границ системы (обычно находятся пропущенные системы), от "пользователей" переход к полноценному набору стейкхолдеров (их много, и вместо одного "пользователя" часто находятся пять-шесть различных ролей), переход к функциональным описаниям с контролем использования предметного языка клиентской предметной области вместо модульного языка разработчика (особо важно для айтишников), распознание типа системы и построение приемлемого функционального названия, основанного на типе. Затем работа с практиками: поиск дисциплин там, где о них не думали. И проект после этого меняется драматически. Мне как-то это напоминает классическую трагедию: прежнее понимание проекта помирает в муках, и после того, как "в общем, все умерли", ощущается катарсис. Вот этот катарсис мне и нравится!

Мои мысли на этой неделе занимают два весьма для меня связанных события, о которых хочется написать подробней, но пока просто некогда писать. А ведь это главное, что сегодня происходит в мире:
-- выход в августе NVIDIA ISAAC с Jetson Xavier https://nvidianews.nvidia.com/news/nvidia-isaac-launches-new-era-of-autonomous-machines, 30TOPS на 35 ваттах. Эта штука кардинально поменяет роботику, какая она есть сейчас.
-- победа AI над человеком в последних "непобеждаемых" играх на платформе Atari https://habr.com/post/413071/. Просто машина училась играть не с нуля, а понаблюдала за человеком. И в Pitfall! максимальный результат машины был 57 очков при обучении методом проб и ошибок, а у человека 6464. Но вот после того, как машине показали, как играет человек, она сказала "Ага!" и заработала 60258 очков.

Провёл пару дней на фестивале KizzAfro (https://vk.com/kizzafro). Мастер-классы в одно ухо влетели, в другое вылетели -- ничего не изменилось с тех пор, как я написал "Об мастер-классы по кизомбе" полтора года назад, https://ailev.livejournal.com/1324036.html. Но я побывал на МК и Gwany&Kizzy, и на МК Moun, и на МК Jazzy, и на МК Jamba&Adoree. Конечно, нельзя сказать, что я совсем ничего не вынес. Например, Moun учил "не касаться ног при ведении ногами -- подбивки только обозначаются!", что ровно противоречило тому, что говорил Джамба часом раньше "когда вы забираете своей ногой ногу партнёрши, она должна это чувствовать! Прямо забирайте эту ногу!". Из чего опять делаем вывод: 1. канона не было, и нет. 2 традиции меняются, кто первым придумал "новый канон", того и тапки. Кто-то учит двигать бёдрами, потому как это "естественно для классической кизомбы и перешло урбан -- посмотрите на аборигенов, как они танцуют", а кто-то наоборот, убирает движения бёдрами, потому как "это же урбан! Так никто не танцует!". Ну, ещё я "проходил мимо" МК JoJo (на afterpaty) и обратил внимание, что он лихо отбивает чечётку в кизомбе. А я-то думал, что это я один такой хитрый с чечёткой! Кто fusion делает с глайдами из иллюзорных стилей, кто с чечёткой, кто с зуком -- все стилевые движки в гости к нам.

Самое интересное на этих фестивалях случается по ночам ("главные вечеринки", они идут вперемешку с шоу-номерами всю ночь с 22 часов до 6 утра), а не днём, когда идут мастер-классы. Но по ночам я сплю. Как я понял на личном опыте, днём вместо мастер-классов нужно ходить в social room и на open air -- получать удовольствие от отличных диджеев на дневных вечеринках, а ещё от изобилия партнёрш. Вот изо всего фестиваля мне и запомнилось приятное, но довольно короткое время по паре часов на двух social и одном open air, а еще preparty и afterparty. По паре часов, не весь день или всю ночь! И я совсем не был на этом фестивале в воскресенье, чуть ли не главный день. Просто у меня был свой тренинг на весь день, а по ночам я сплю. Самое забавное, что я услышал на этом фестивале -- это требование одного из преподавателей танцевать с кем угодно, только не с партнёрами-партнёршами из своей группы, ибо нужно не терять времени, а набираться опыта! Ох, приходить на фестиваль "набираться опыта"! А когда этот опыт использовать, чтобы получить удовольствие?! Когда не "учиться танцевать", а танцевать? Так что я к концу фестиваля с этим всем "обучением" разобрался и использовал дальше инфраструктуру фестиваля по прямому назначению: не "набирал опыт", а "применял опыт" -- просто танцевал в удовольствие. И, конечно, этого моего опыта мне было откровенно маловато, чтобы чувствовать себя комфортно со всеми тамошними партнёршами. Кизомбой я занимаюсь всего год и десять месяцев, для танцев это ведь очень небольшой стаж.

Вот вам свеженькой кизомбы: https://www.youtube.com/watch?v=Xv5ln_kOs1k. Восторг, не правда ли?!

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213089158037651
Tuesday, June 5th, 2018
7:12 pm
EduOps: ускоряем жизненный цикл фундаментального образования
Основная мысль этого поста: нужно двигаться к EduOps, меняя текущее разделение труда в педагогике. Это нужно для того, чтобы результаты исследований оказывались в виде компетенций в головах учеников в разы и разы быстрее, чем в текущей системе образования. Да, я говорю тут о механизмах, которые помогут реализовать Просвещение-2020 (https://ailev.livejournal.com/1430302.html).

Disclaimer: для понимания текста нужно как-то владеть системным мышлением в объёме курса "Системное мышление" http://www.systemsthinkingcourse.ru/, и основ онтологики (http://system-school.ru/ontologics -- не прозевайте, там 4й поток стартует уже 8 июня 2018), а также набором идей из цепочки моих постов "Фундаментальное образование" https://ailev.livejournal.com/1427073.html. Ещё нужно понимать онтики онтологизации из https://ailev.livejournal.com/1427265.html и системных описаний из https://ailev.livejournal.com/1429330.html. Без этого текст просто "многабукофф с непонятными словами". А ведь все эти "непонятные слова" подробно разъясняются в указанных текстах. Увы, разговаривать о новом образовании требует нового образования. Ну, и мне важно написать сейчас не попсовый текст (с этим вполне справятся и другие люди), а просто задокументировать для профессионального обсуждения некоторый набор идей.

Жизненный цикл образования
Полный (то есть системный, а не проектный) жизненный цикл образования (как результата, 4D индивида, итоговой успешной системы, а не как процесса его получения -- то есть жизненный цикл куска мозга с совокупностью полученных в ходе образования компетенций, вдоль линии рассуждений об actionable знаниях/дисциплинах из раздела "знания/дисциплины вещны" в https://ailev.livejournal.com/1429330.html), удобно рассматривать для разных целей по-разному:
-- для образования человечества в целом (например, населения какой-то страны или населения глобуса -- то есть изготовление каких-то более-менее серийных в части фундаментального образования и малосерийных в части прикладного образования мозгов. Фундаментальное и прикладное образования различаются так, как это описано в тексте "почему не работают трёхдневные тренинги" https://ailev.livejournal.com/1430047.html)
-- образование одного человека, работа с его "образовательной траекторией". Так сказать, образовательный водопад против образовательной спирали.
-- образование в части буквально одной дисциплины.

Помним, что жизненный цикл -- это отсылка к обеспечивающей системе, т.е. всем тем добрым людям и их инструментам, которые занимаются разными практиками изготовления образованного мозга. Для целей настоящего поста общий жизненный цикл образования рассмотрим пока на примере одной дисциплины, но по-системному: с самого начала, с момента появления тех знаний, которые будут нейропрограммировать мозг. "Нейролингвистическое программирование" ведь исходило из очень близких идей -- "мозг всему обучается, и хорошему и плохому, причём задействуются в том числе и бессознательные механизмы", "обучение = программирование мозга какими-то текстами", причём тексты -- это всё что угодно, любые паттерны, см. "информатику" в https://ailev.livejournal.com/1008054.html, и там можно только чуть-чуть поправить в части явного введения понятия о спектре формальности мышления из "онтики онтологизации" https://ailev.livejournal.com/1427265.html. Так что образование по его сутевой практике -- это нейропрограммирование. Но не всё так просто, ибо мы должны (ровно как написано в учебнике системного мышления) проверить, что там происходит в самом начале жизненного цикла и после его окончания. И тут ситуация выглядит так:
-- исследователь и/или разработчик (R&D) добывает знание из природы (прородной или технической -- это неважно) и кладёт его описание на полку. Для меня это именно описание знаний, левая часть V-diagram, system definition. Исследования -- важнейшая часть практик разработки образования, и хотелось бы подчеркнуть, что в наш жизненный цикл исследования входят.
-- культур-трегер вдруг говорит, что это знание нужно народу для дела. Тут знание понимается уже как будущая дисциплина. В этот момент идёт усиленная инженерия требований к дисциплине: определяется интерес (понимаемый как concern из онтики системных описаний и готовятся специфические образовательные требования -- определяются интерфейсы с другими дисциплинами в образовательной системе, ограничения по объёму дисциплины, её границах, уточнения избранной "школы мысли" -- т.е. определение того, что есть "исследовательская секта", а что есть "исследовательский мейнстрим", и т.п.). Это место образовательной политики, и с этого момента "разработки концепции образовательного продукта", и далее "разработки требований" к образовательному курсу все и начинают обычно. Вот нет, у нас ЖЦ образования начинается с творчества -- исследований или разработок по решению каких-то противоречий, с решения проблемы, см. https://ailev.livejournal.com/1425331.html.
-- методист переваривает знание в учебный курс: учебник, задачник, экзамены (concept inventory). Обычно жизненный цикл образования считает вот это окончанием левой части V-диаграммы, а то и всей левой частью. Мы согласны, только начинаем левую часть с исследований и разработок, R&D. Нет исследований и разработок -- нет целостного образования, есть его маленькие фрагменты.
-- педагог заинтересовывает ученика и кладёт знание в голову в виде компетенции. Всё, знание стало actionable -- дисциплина начинает жить как некоторый кусок мозга ученика, плотно перевязанный связями с другими кусками мозга, где живут другие дисциплины и в любой момент готово сработать, оно превратилось в компетенцию. Не будем даже интересоваться, как именно это устроено внутри мозга. Это функциональное описание на системном уровне компетенций, меня не волнует тут нейрофизиология. Меня волнует только то, что для любого знания нужен не только носитель информации этого знания, но и интерпретатор, учитывающий это знание при действиях во внешнем мире. И мозг (или компьютер в датацентре, или компьютер в роботе, у которого ведь тоже могут быть компетенции) как раз такое место, где носитель информации и интерпретатор встречаются, и это позволяет обзывать такую дисциплину системой, привязывать её к 4D. Это и есть transfer, заключительная часть "изготовления дисциплины". Осталось проверить и провести приёмку, то есть выполнить V&V, а дальше принять компетенцию-кусок-мозга в эксплуатацию и эксплуатировать.
-- ученик прекращает быть учеником, и просто использует компетенции в жизни. Эксплуатация компетенций, для чего всё и затевалось!
-- ученик находит проблемы в своих компетенциях. Он осознан, поэтому может эти проблемы отследить и описать. Он тем самым даёт отклик исследователю-разработчику, R&D продолжает добывать результаты с учётом этих "пользовательских запросов", всё образование по дисциплине проходит очередной цикл, мозги ученика получают patch (обновление, новую версию, "новую прошивку").

Вот этот последний пункт жизненного цикла важен, он расширяет жизненный цикл. Управление конфигурацией, управление изменениями, откат неудачных версий, вот это всё с компетенциями должно происходить как обновления в Windows (в принципе, обновление корпоративного софта или софта крупных вебсайтов происходит примерно так же, только процедуры чуть менее известны). Ну, или как обновления приложений в телефонах.

Тем самым поставка образования из разовой превращается в сервис, "последняя версия Windows 10, дальше она будет вечно обновляться", и точно так же "Последний аттестат вашего образования вы только что получили, далее мы будем непрерывно его обновлять. Никаких гарантий необновившим". Плохо обновляют? Меняем провайдера образования на того, кто это делает лучше!). Мозги в этом плане мало отличаются от телефона, который только и делает, что меняет ОС и приложения -- чтобы быть современным!

Тут всё уже хорошо для обсуждения, чётко видно антикварное разделение труда и чудовищный time to market, особенно в фундаментальных дисциплинах с надеждой на массовый выпуск мозгов со state-of-the-art мировоззрением.

В прикладных дисциплинах при мелкосерийном выпуске обученных мозгов время от окончания исследований до получения результата вполне можно делать небольшим. Всякие разработчики прикладных методик типа Kanban for developing или Requirements discovery разъезжают по миру с концертами, сеют разумное-доброе-вечное в разных городах и весях. Они себя и позиционируют-то как консультанты-тренеры-учителя, а не как разработчиков! И пишут по результатам своих исследований книжки, которые справедливо воспринимаются как учебники. Эти учебники они поддерживают своими очными курсами, а иногда и онлайн-курсами -- беда только в том, что масштабирования тут особого в их жизненных циклах нет, но иногда оно вполне происходит.

Переходим к EduOps
Для чего нам вдруг потребовалось такое рассуждение? Для того, чтобы предложить концепцию EduOps ровно так же, как ранее были предложены концепции DevOps, DataOps и далее NoOps. Команды (не отдельные люди!) разработчиков содержания образования, то есть те люди, которые проводят R&D в каких-то предметных областях (в том числе фундаментальных предметных областях -- онтологике, системном мышлении и т.д.), берут на себя ответственность не просто за исследования, но и за эксплуатацию результатов исследований -- то есть за то, чтобы результаты их исследований превращались в компетенции.

Идея DevOps решала проблему невидимой высокой, но вполне кирпичной стены между левой и правой частями V-диаграммы в информационных проектах. Исходные коды перекидываются разработчиками (Developers) эксплуатационщикам (Operations) с воплем "от нас ушло!" и немедленным требованием денег. Самые сознательные разработчики с тяжёлым вздохом вдруг признали ответственность за то, что происходит с исходными кодами после того, как "от них ушло" и назвались DevOps. Результаты? Выпуск пары-тройки релизов в день на "боевые сервера", вместо одного релиза раз в полгода или раз в год. Скорость разработки не изменилась, но вот скорость получения результатов разработки пользователями изменилась в разы и разы.

Потом это же произошло с работниками, занимающимися данными -- появились DataOps. В 2011 году появился термин NoOps -- ибо была поставлена задача автоматизации происходящего в system realization, и сопутствующая дискуссия, что никакого NoOps не выйдет, потому как какие-то люди должны таки заниматься этой автоматизацией. Эта история DevOps-DataOps-NoOps с большим числом ссылок написана вот тут: https://ailev.livejournal.com/1367897.html.

Моя идея в том, чтобы включить R&D в жизненный цикл образования (это, кстати, не новая идея -- в "Педагогика и логика" Георгий Петрович Щедровицкий высказывал именно её, отцы-основатели МФТИ в своей "образовательной системе МФТИ" явно проговаривали именно её, и несть примеров именно этого). Отличие моего предложения в том, что я предлагаю явно следовать идеям DevOps: нужно чуть подхакать и Dev часть и автоматизировать по максимуму Ops части, чтобы иметь возможность выкатывать по множеству обновлений версий в день, а не обновляться раз в двадцать пять лет (срок физического вымирания поколения учителей), как это происходит с фундаментальным образованием сейчас.

Примером тут может служить Andrew Ng и другие исследователи Deep Learning/Machine Learning/AI, которые ведут исследования, а результаты оформляют зачастую не только как статьи, но и как лекции во всевозможных школах, делают видеокурсы, тьюториалы. А ещё их исследования легко воспроизводимы (публикуются данные), поддержаны инструментами (они публикуются тоже, благо это софтверные инструменты), см. подробности в "как организован прогресс в AI и почему там всё быстро", https://ailev.livejournal.com/1360574.html.

Есть мощный выход от "упражнений для учёбы" в "проекты для дела" -- Kaggle (https://www.kaggle.com/) используется и учениками для тренировок, и промышленниками для того, чтобы задать какое-то новое направление в исследованиях и разработках. И этой же цели служат разнообразные другие соревнования и хакатоны (начиная с DARPA Grand Challenge, в котором приняли участие студенческие команды в том числе -- это тоже было частью образования, равно как частью исследований, https://ru.wikipedia.org/wiki/DARPA_Grand_Challenge).

Идея benchmarks и учебных datasets с упражнениями тут стоят очень недалеко. Исследования и образования, экзамены для исследователей с их идеями и учеников с их освоением материала -- всё потихоньку смешивается. Всё уже происходит, нужно только структурировать лучшие практики происходящего, и для этого хорошо подходит риторика EduOps.

Параллельное фундаментальное образование
Ещё образовательная инженерия (если уж заговорили на языке EduOps) перемешивается с исследованиями в традициях параллельной инженерии (concurrent engineering, https://ailev.livejournal.com/943532.html): все ведущие практики разных стадий жизненного цикла по факту идут вперемешку. Пусть это будет параллельное образование, concurrent education. То есть будущее образования я вижу не столько в изменении поздних стадий жизненного цикла (например, очередной хайп по поводу edutainment и очередной загиб всех этих попсовых "игрофикаций"), в особом внимании к общей организации жизненного цикла -- по образу и подобию DevOps.

А само изготовление нужного мозга, вестимо, будет автоматизироваться, равно как огромное внимание будет уделяться управлению конфигурацией не столько на уровне проекта/design ("в порядке ли все учебники на полке? Правильные ли у них версии? Совместимы ли между собой?"), но на уровне воплощения системы ("В порядке ли все компетенции? Правильные ли у них версии? Совместимы ли между собой?").

Тем самым получается вполне предметный разговор про современных EduOps, которые результаты своих исследований заморачиваются оформить не просто публикацией в arxiv.org, но и тьюториалом в какой-нибудь MOOC, набором упражнений, рассылкой изменений содержания по итогам исследований для прошедших уже тьюториал и прочих технологических приёмах, которые
-- резко ускоряют время получения компетенций в мозгах учеников после того, как были добыты лежащие в основе этих компетенций знания
-- управляет кофигурацией знаний, все эти откатки-накатки, тестирование компетенций в их взаимодействии с проектами из жизни, а не теорий в их взаимодействии с лабораторными тепличными условиями
-- по возможности автоматизирует это получение компетенций, чтобы не иметь проблемы с масштабированием на тысячи и даже миллионы учеников.

EduOps -- это про организацию жизненного цикла образования в Просвещении-2020, то есть всё это должно заработать не только в прикладном образовании, но и в фундаментальном, где мы должны столетний жизненный цикл массового перевода результатов исследований в массовые мыслительные компетенции сократить до пятилетнего.

Это мы и делаем в Школе системного менеджмента, http://system-school.ru/. Скажем, я не только исследования по системному мышлению и методологии системной инженерии и системного менеджмента веду, но и учебник написал, и задачами озаботился, и даже MOOC сделал. Это далеко не EduOps, как это должно бы быть, но ещё не вечер -- мы медленно-медленно ползём в правильном направлении. Этот пост про осознанность этой ползьбы: мы должны чётко понимать то, что делаем, иметь какую-то приличную онтику для обсуждения происходящего, и желательно не изобретать свою, а "встать на плечи гигантов". Мы и встаём на плечи гигантов, в данном случае на плечи исследователей и разработчиков из DevOps, DataOps, NoOps.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/groups/771940449578453/permalink/1497615923677565/
[ << Previous 20 ]
Лабораторный журнал   About LiveJournal.com