С курсами свезло, там группа набралась всего человек восемь, поэтому скучать отроку на уроках особо не дают.
А вот тут предлагают научить компьютер отвечать на тесты для восьмиклассников, за деньги ($50тыс. лучшей программе) -- https://www.kaggle.com/c/the-allen-ai-science-challenge. Через пару-тройку лет абитуриентские тесты компьютеров кончатся, начнутся тесты ВУЗовские. Как раз мой парень подрастёт и выйдет на рынок труда (вернее на то, что от этого рынка труда останется после выхода на него резко поумневших компьютеров).
Вот несколько тем, вокруг которых крутятся мои мысли последних дней (интересно было бы прочитать этот списочек года через три):
-- интересы (concerns) и работа с ними через что-нибудь типа word2vec (https://code.google.com/p/word2vec/). Что такое concerns онтологически (чем это не domains, и почему они могут быть interests, drivers и т.д.. Какие с ними операции возможны? Какие классификации? Откуда они берутся и куда уходят? Как соотносятся со стейкхолдерами? С позициями? С ролями?). Алгебра интересов (как это принято в word embeddings -- http://gavagai.se/blog/2015/09/30/a-brief-history-of-word-embeddings/), выявление интересов по высказываниям стейкхолдеров -- тут вполне может быть много deep learning.
-- компактификация знания, и различия между "онтологическим знанием" и каким-нибудь "зоопарком обученных нейросеток" меня всегда занимала, но в последние дни я вот думаю про consilience (https://en.wikipedia.org/wiki/Consilience) в связи с компактификацией знания -- там плывёт сейчас значение слова от объединения разных доказательств в "сильное свидетельство в пользу теории" в сторону "единой науки", то бишь "однородной науки как теории всего". По-русски это переводят как "непротиворечивость", что полностью устраняет оттенки как "усиления от соединения", так и "слипания всего в одно целое".
-- не проработать ли мне ещё раз на свежую голову основания НЛП (нейролингвистического программирования), там ведь как раз много про эпистемологию и это вроде как ровно та "нейролингвистика", на которую пытаются выходить сейчас люди из deep learning. Аналогии у меня тут смутные, сама область НЛП на редкость эклектична и нужно ещё сообразить, что оттуда копнуть, но даже интересно, что я бы сейчас вычитал из трудов отцеположников (отцов-основателей, основоположников), если бы занялся этим делом сейчас. Когда-то я по факту забросил
openmeta потому, что совершенно не хватало методологического инструментария, системный подход у меня тогда был никакой. Сейчас ситуация другая.-- модульность, платформенность, цена связи в модульности (http://www.sciencedaily.com/releases/2013/01/130130082300.htm), технологические стеки и как их моделировать, стандарты и протоколы, интерфейсы и т.д., библиотеки и пр. -- в связи с инновациями (прорыв получается, когда берёшь новую реализацию модулей на три уровня ниже твоего прикладного уровня) и в связи с programming/modeling-in-the-large. Особенно мне понравился тут кусок из Педро Домингоса, в котором он рассказывает про необходимость модулей в What's Missing in AI: The Interface Layer (http://homes.cs.washington.edu/~pedrod/papers/ai100.pdf).
-- что называть целевой системой (у каждого ведь она своя, стейкхолдеров много -- и если каждый будет называть целевой системой то, что его интересует в каждый момент времени, можно не договориться чисто лингвистически, не добиться командного действия). Тут ещё акцент на целевой системе с точки зрения линии определения SoS по "социальному критерию": ты можешь определять развитие для твоей собственной системы, но уже для using system тебе приходится всех уговаривать. Нужно уточнить набор эвристик и использованием терминологии, дать примеры.
-- интересно было осознать, что model-based conceptual design и эволюция системы после её постройки в порядке обеспечения resilience это про выход за рамки традиционно понимаемого жизненного цикла. Нужно ещё раз вернуться к табличке "уровни вещества * уровни воплощения", при этом ещё и понять, что таких плоских табличек, перевязанных одни и тем же каким-то уровнем вещества много -- все они определяют разные прикладные уровни. И выход идёт как за границы традиционных уровней воплощения (стадий жизненного цикла), так и уровней вещества (в более микро, чем обычно и в более макро, чем обычно -- в захват и трансформацию using system, если мы даём туда прорывный модуль, который может вывести using system на новое качество).
-- вышел проект рабочей группы NIST по кибер-физическим системам, и нужно что-то с этим делать. Там 200 страниц каких-то размышлений (и про сети, и про IoT и M2M, SoS и так далее), нужно сформулировать к ним своё отношение -- http://www.cpspwg.org/Portals/3/docs/CPS%20PWG%20Draft%20Framework%20for%20Cyber-Physical%20Systems%20Release%200.8%20September%202015.pdf
Все эти размышления могут вылиться в какие-то большие посты, или не вылиться в них. Но голова ими пока плотно забита. Единственный способ выпихнуть эти мысли из головы -- изложить их тут кратенько, и забыть. Если не получится -- изложить чуть позже развёрнуто, и забыть. Обычно это всегда помогало, поможет и в этот раз.
И в преддверии пятницы вечера: всю неделю под впечатлением от Hugues Le Bars (1950- 04/11/2014), https://www.youtube.com/channel/UCBFV5elM-08Ps0Lv4M9NUOQ (работать под эту музыку совершенно невозможно. Она ой-ой-ёй-ах-aх-ёй. Типа как Yello, если от него пойти не дальше в жёсткую сторону Prodigy, а в противоположную, где помягче).