Anatoly Levenchuk (ailev) wrote,
Anatoly Levenchuk
ailev

Дело спасения утопающих -- дело интеллекта самих утопающих

Со всем этим бардаком/кризисом/сингулярностью/апокалипсисом/правительственным террором/(подставьте сами какой-нибудь экзистенциальный риск) может справиться только достаточной силы интеллект, ибо интеллект это и есть решатель новых классов проблем (мы тут идём по линии, предлагаемой François Chollet в https://arxiv.org/abs/1911.01547, я уже писал об этом подробно в "развиваем способности, а не компетенции" https://ailev.livejournal.com/1498481.html и "Спасайся, кто может: поднимайте свой интеллект, ибо непонятно, от чего спасаться" https://ailev.livejournal.com/1505596.html). Магистральный путь цивилизации -- усиление интеллекта. Если хватит интеллекта, то человечество справится с теми бедами, на которые интеллекта хватит. Если не хватит интеллекта -- никто не обещал, что вселенная к людям дружественна.

Этот интеллект и его мышление мы рассматриваем как многоуровневый -- и верхние его уровни находятся не столько в рамках одной головы или одного компьютера, сколько распределённы по многим головам и компьютерам.</b> Подробней про это я писал в разделе "интеллект-стек мышления в выполнении проектов", https://ailev.livejournal.com/1508228.html, но можно обобщать это и за пределы производства:
Обратите внимание, что ниже уровня проекта поведение его называется "мышление", а выше этого уровня поведение коннекционистски распределённого по многим мозгам и компьютерам интеллекта (https://ru.wikipedia.org/wiki/Коннекционизм ) называется "культура". Рядом с верхними уровнями через разделитель (|) приведены названия для полных практик (мышления+изменения мира), а не только практик мышления. Также мы назвали и оргроли, у которых есть эти практики (а оргзвенья, назначенные на эти оргроли, кроме мышления поддерживают действия по изменению физического мира своим оборудованием и инструментами, включая и тела исполнителей оргролей в этих оргзвеньях, плюс их компьютеры, станки, машины и т.д.):
-- глобальный производственный распределённый интеллект -- глобальная производственная культура | глобальное производство -- производственный уклад
-- распределённый интеллект эко-системы (спонтанный порядок!) -- культура эко-системы | эко-система -- практики эко-системы
-- распределённый интеллект предприятия (расширенное! не юрлицо!) -- культура предприятия | предприятие -- практики предприятия
-- интеллект команды проекта -- мышление выполнения проекта | проект -- практики жизненного цикла
-- прикладной интеллект -- прикладное/компетентностное мышление | проектная роль -- практика
-- кругозорный/деятельностный интеллект -- кругозорное/деятельностное мышление | деятельностная роль -- метод (т.е. набор всех практик, служащих для выполнения работ какой-то деятельности "под ключ")
-- системный интеллект, вычислительный интеллект -- практика системного мышления, практика вычислительного мышления.
-- онтологический и коммуникационный интеллект -- практика онтологического мышления
-- функционально-ориентированное сознание -- практика функционально ориентированного сознания (и тут могут быть и другие низкоуровневые части онтологического и коммуникационного интеллекта, которые и интеллектами назвать трудно. Скажем, механизмы, обеспечивающие theory theory -- "машинка типов объектов, удерживающая theory theory и поднимающая тревогу на уровень сознания при её искажениях и переходах на иные теории концептов, например при встрече метонимии или метафоры с теорией прототипов")
Для развития глобального распределённого интеллекта можно предложить:
1. Поразбираться с тем, как устроено бесконечное развитие (open-endedness), и получить интеллект в том числе как его результат
2. Усиливать интеллект отдельных людей
3. Усиливать интеллект отдельных программ (при всей условности того, что это такое -- даже таких больших, как программ, живущих во многих дата-центрах)
4. Обеспечивать распределённое коллективное мышление (сети из компьютеров и людей, дальше это будут сети сетей, и т.д. по системным уровням вверх. Раньше это было "нейронет")
5. Обеспечивать должный уровень embodiment (как развитие body control у людей, так и использование роботов)

1. Интеллект как результат бесконечного развития (open endedness)
Человечество в целом научается (learn, "научает себя" -- инопланетян, которые бы обучили человеков, нету. Цивилизация всё сама, всё сама!) решать всё новые и новые проблемы. Вот это-то свойство справляться с новыми (неизвестными даже учителям!) проблемами активно изучается сегодня в области AI, и всё чаще это называют open endedness (https://ailev.livejournal.com/1463013.html): работа алгоритмов, которые одновременно создают всё более и более сложные проблемы и всё более и более умных агентов, которые могут эти проблемы решить. Фишка тут в том, что для уже известных алгоритмов машинного обучения не получается агента научить решать сложную задачу "с нуля". Но если гнать его через постепенно усложняющийся набор задач, то оказывается, что научить можно! НеФишка в непрерывно идущей и не кончающейся эволюции пар "проблема -- агент", а не в подготовке агента для решения какой-то одной очень сложной и уже известной проблемы! В этом плане самое интересное из недавнего -- это публикация "Enhanced POET: Open-Ended Reinforcement Learning through Unbounded Invention of Learning Challenges and their Solutions", https://arxiv.org/abs/2003.08536. Unbounded Invention of Learning Challenges and their Solutions -- это ж бесконечное изобретательство проблем для самонаучения (обучать-то некому, проблемы специально изобретаются новые!) и их решений (воспитание агента, который может успешно решить все проблемы какого-то класса -- агента, у которого сформирована необходимая компетенция). Вот этим и должен заниматься интеллект! Непрерывно развиваться, чтобы мочь решать новые и новые проблемы!

Идея бесконечного развития пока ещё не слишком распространена в умах, понятие open ended algorithm плохо понимается. А ведь речь идёт как раз о творчестве, как его ни понимай:
-- хоть системном творчестве, которое понимаем как преодоление известных противоречий (https://ailev.livejournal.com/1425331.html)
-- хоть об архитектурном творчестве, которое понимается как нахождение новых архитектурных решений (работы по линии open endedness как раз по этой линии, примеры технического прогресса показывают, что его нельзя планировать, футурология бессильна, https://ailev.livejournal.com/1254147.html, we cannot know in advance the stepping stones that must be crossed to reach a far-off achievement. Science’s history repeatedly confirms this kind of lesson: Microwaves were invented not by food-heating researchers but by those studying radar; and computers were not invented by optimizing the abacus to increase computations per second, but because scientists invented vacuum tubes and electricity for entirely unrelated purposes.
-- хоть о художественном творчестве (я приводил в пример свои любимые танцы: высшее танцевальное образование должно давать возможность свободной работы с разными стилями и тем самым позволять изобретать новые стили, вносить свой вклад в развитие танцев -- https://ailev.livejournal.com/1375140.html и близко примыкающий по смыслу и поминающий системные уровни https://ailev.livejournal.com/1365583.html).
-- тут же идея, что развитие многоуровневое: определяющими тут являются обычно нижние уровни, которые потом дают основу многочисленным верхним уровням во всём их разнообразии. И переход на другую "элементную базу" (какой бы она ни была) перекраивает наверху в технологическом стеке буквально всё.

В идею бесконечного развития входит и идея конкуренции/эволюции, как необходимой для развития (конкурируют между собой и проблемы за "интересность", и агенты за "интеллектуальность", AlphaStar и GAN рассматриваются как часть идей по этой линии рассуждений), и определение "интересности" проблемы в том, что "из коробки" какие-то уже известные ужасные решения других проблем начинают отлично работать даже без оптимизации и доводки как отличные решения для проблем новых -- вот это и есть предпринимательское "интересно" (подробней см. в статье про Enhanced POET, https://arxiv.org/abs/2003.08536).

Но есть и линия рассуждений про ровно то же самое как конкурентное (тоже!) нахождение всё более и более удачных репрезентаций мира, что позволяет решать всё больше и больше проблем: это теория любопытства и творчества через "сжатие информации" (там главным образом Шмитхубер). Вот я писал пару лет назад (https://ailev.livejournal.com/1411106.html):
В частности, речь идёт о теории креативности/любопытства Ю.Шмитхубера и другие теории творчества -- https://ailev.livejournal.com/1251987.html, -- http://ailev.livejournal.com/1293469.html. Более того, для меня тема творчества и сжатия информации является центральной в широко обсуждаемых дебатах Yann LeCun и Christopher Manning про Deep Learning, Structure and Innate Priors (http://www.abigailsee.com/2018/02/21/deep-learning-structure-and-innate-priors.html) -- эти самые innate priors в какой-то мере отражают абстрагированные/сжатые и выраженные в устройстве мыслительной машинки знания о мире! Для меня системное мышление это ведь тоже удачно найденные innate priors. И значения слов (отражение всех возможных мыслей в пространство слов) тут тоже priors, только более гибкие -- их можно довычислять/обдумывать их смысл, а устройство самого вычислителя более ригидно по отношению к его обдумыванию. Да что там, вся наука работает на сжатие информации, я недаром всегда говорю про науку как поставщика не просто описаний окружающего мира, а компактных описаний. VPRI -- viewpoints research institute (это Алан Кей сотоварищи, http://vpri.org/) оказывается по его идеологии тем же самым: поиском лучших абстракций, "сжимателем информации". Хорошо сжатый код вы можете хотя бы прочесть, а потом очень сложно обработать в мозгу/компьютере. Плохо сжатый код у вас не будет шанса просто прочесть из-за его огромного объёма, хотя его обработка проста. Компактность в конечном итоге выигрывает. Хотя на примере тех же работ VPRI и скрипки Энгельбарта видно, что steep learning curve выигрывает среди ленивых людей -- компактность оказывается не единственным критерием, а увеличение объёма простой обработки компенсируют разделением труда, а не умощнением процессора. Скрипка Энгельбарта заменяется симфоническим оркестром на 80 человек, играющих на разных свистульках. А что, разделение труда и параллелизация тоже работает! Но не для всех задач работает хорошо, увы.
Были и попытки автоматического нахождения хороших репрезентаций, например Douglas Lenat с его Accretion Model of Theory Formation (http://ailev.livejournal.com/469995.html). Да, это всё старинная модель символических репрезентаций (помним, что representation learning это как раз про сжатие, абстракции, работу с паттернами/узорами бытия -- https://ailev.livejournal.com/1045081.html). И вот уже работаем с глубокими коннективистскими структурами, продолжая с поиском представлений не вручную, а при помощи суперкомпьютеров. Вот свежайшая работа самого Юргена Шмитхубера по lifelong learning -- там по факту два режима: обучения и последующего сжатия обученного -- One Big Net For Everything, https://arxiv.org/abs/1802.08864".

Конечно, есть и просто улучшения алгоритмов для известных проблем. Так, Agent57 играет лучше людей во всех 57 видеоиграх Atari -- это впервые достигнуто вот прямо сегодня, https://deepmind.com/blog/article/Agent57-Outperforming-the-human-Atari-benchmark. Но этот алгоритм сочинили люди, текущий распределённый интеллект (показана история алгоритма, как он постепенно изобретался своими разными частями). Текущие усилия в том, что этот алгоритм должен был бы быть изобретён без участия человека. Но мой тезис в том, что в любом случае компьютеры и люди будут над этими изобретениями работать вместе, так что не так уж и важно: компьютер или человек сделал последний тюнинг для алгоритма. Важно, что алгоритм таки появился и работает. И это общий алгоритм для довольно разных задач одного класса, который умней человека: With Agent57, we have succeeded in building a more generally intelligent agent that has above-human performance on all tasks in the Atari57 benchmark. It builds on our previous agent Never Give Up, and instantiates an adaptive meta-controller that helps the agent to know when to explore and when to exploit, as well as what time-horizon it would be useful to learn with. A wide range of tasks will naturally require different choices of both of these trade-offs, therefore the meta-controller provides a way to dynamically adapt such choices. А вот и Педро Доминго отметился в конце марта, он добавил "человеческих priors" в алгоритм и We evaluate our approach on a subset of the Atari benchmarks, and learn up to four orders of magnitude faster than the standard deep Q-learning network, rendering rapid desktop experiments in this domain feasible. To our knowledge, our system is the first to learn any Atari task in fewer environment interactions than humans -- это в https://arxiv.org/abs/2003.01384.

В любом случае, интеллект будет получаться в ходе конкурентного изобретения всеми наличными интеллектами ещё более сильного интеллекта, это банально эволюция. Самую крутую программу напишет уже не человек, а программа (которую тоже напишет программа, которую тоже напишет программа, в написании которой поучаствовал обученный ещё какой-то другой программой человек, и так далее: везде будет обнаруживаться развесистый граф растянутого в пространстве и времени совместного человека-машинного коллективного творчества).

2. Для усиления интеллекта людей нужно:
-- обучать их прежде всего трансдисциплинам, каждого. Чем ниже в интеллект-стеке трансдисциплина, тем больше её влияние на интеллект. Беда в том, что чем ниже в интеллект-стеке трансдисциплина, тем ниже стимулы к её освоению. И да, коммуникация с другими людьми и коммуникация с компьютерами -- это тоже трансдисциплины.
-- задействовать компьютеры для усиления интеллекта каждого. Это программа усиления интеллекта Дугласа Энгельбарта и многих других "шестидесятников" (https://en.wikipedia.org/wiki/Intelligence_amplification). Это цель компьютерной революции ещё одного "шестидесятника" Алана Кея, я пересказывал его интервью (https://ailev.livejournal.com/1363194.html, июль 2017): "компьютерная революция будет не в тот момент, когда компьютер сумеет автоматизировать что-то ещё (разгрузит человека), а в тот момент, когда наоборот, компьютер сможет быть использован для того, чтобы человек смог выполнять более сложные задачки. Ну, типа компьютер из лестницы, ведущей мозг вниз, станет лестницей, ведущей мозг вверх. Конечно, для этого нужно будет дополнительно учиться, как учатся играть на скрипке (и тут я не могу не напомнить "Никто не хочет учиться играть на XYZ" -- http://ailev.livejournal.com/1158826.html, рынок такое не оплачивает). Но для этого нужно поменять всю систему образования, а для этого нужно осознать, что происходит развал цивилизации".

Собственно, я тут довольно много писал текстов в последнее время, так что читайте мой блог, там много на эту тему. Я со Школой системного менеджмента работаю по факту в этом направлении (см. стратегию https://ailev.livejournal.com/1508030.html и видео доклада по этому тексту https://www.youtube.com/watch?v=y5bC28DDWD8). Дальше можно говорить о том, что интеллект ещё и предметно-специфичен (инженерный, менеджерский, танцевальный и т.д.). Вот мой курс "Системный менеджмент и стратегирование 2020" (https://system-school.ru/sms) поднимает менеджерский интеллект, после него люди способны разобраться с ситуациями в менеджменте, о которых даже я не знаю в момент их обучения. И этот курс серьёзно опирается на трансдисциплину системного мышления (а та -- на онтологику, а та -- на более базовые механизмы работы интеллекта, см. доклад "Онтологика 2020", https://www.youtube.com/watch?v=8D8cfcJ20zI).

3. Для усиления интеллекта отдельных программ (а хоть и таких больших, как занимающих целый датацентр):
-- прежде всего выполнить тезис Sutton о росте вычислительной мощности как определяющем факторе (bitter lesson, http://incompleteideas.net/IncIdeas/BitterLesson.html). Это прежде всего новая "нецифровая" аппаратура: аналоговые оптические вычислители (поглядите свежие тексты про уже работающий такой аппарат, там победа за победой: https://www.lighton.ai/our-technology/), квантовые вычислители (нет сомнений, что они будут хорошо работать с алгоритмами AI-- https://venturebeat.com/2020/03/12/d-wave-quantum-computing-and-machine-learning-are-extremely-well-matched/, хотя люди из deep learning не очень хотят ими заниматься, а у разработчиков их есть дела и поважней, AI всего 20% от применений квантовых компьютеров сегодня. Пока же алгоритмы AI помогают решать их собственные проблемы: https://www.nature.com/articles/s41534-019-0241-0 -- тут AlphaZero вместо шахмат и шоги занялась проблемами оптимизации квантовых вычислений, и добилась нетривиальных результатов), мемристорные вычислители (в июле 2019 появился первый работающий мемристорный компьютер, https://spectrum.ieee.org/tech-talk/semiconductors/processors/first-programmable-memristor-computer).
-- если мощность у нас константа, то нужно просто применить правильные алгоритмы. Так, если у нас суперкомпьютерное имитационное моделирование физики (например, вычисления погоды), то можно ускорить вычисления с использованием нейросеток в миллиард раз, получая результат на 99.9% идентичный оригинальному варианту (https://www.sciencemag.org/news/2020/02/models-galaxies-atoms-simple-ai-shortcuts-speed-simulations-billions-times, метод DENSE, The emulators that DENSE created, in contrast, excelled despite the lack of data. When they were turbocharged with specialized graphical processing chips, they were between about 100,000 and 2 billion times faster than their simulations. That speedup isn’t unusual for an emulator, but these were highly accurate: In one comparison, an astronomy emulator’s results were more than 99.9% identical to the results of the full simulation, and across the 10 simulations the neural network emulators were far better than conventional ones. Kasim says he thought DENSE would need tens of thousands of training examples per simulation to achieve these levels of accuracy. In most cases, it used a few thousand, and in the aerosol case only a few dozen. Этот метод основан на новом алгоритме поиска нейронной архитектуры ENAS, который в 1000 раз быстрее предыдущих, https://arxiv.org/abs/1802.03268, it delivers strong empirical performances using much fewer GPU-hours than all existing automatic model design approaches, and notably, 1000x less expensive than standard Neural Architecture Search. On the Penn Treebank dataset, ENAS discovers a novel architecture that achieves a test perplexity of 55.8, establishing a new state-of-the-art among all methods without post-training processing. On the CIFAR-10 dataset, ENAS designs novel architectures that achieve a test error of 2.89%, which is on par with NASNet, whose test error is 2.65%). В эту же точку бьёт инициатива SciML (https://sciml.ai/2020/03/29/SciML.html) -- научные вычисления с использованием машинного вычисления (нейросетки, дифференцируемое всё и алгоритмы решения дифференциальных уравнений в одном флаконе, это продолжение работ по ускорению научных вычислений в десятки тысяч раз на прежнем железе, типа https://arxiv.org/abs/2001.04385 -- Our examples show how a diverse set of computationally-difficult modeling issues across scientific disciplines, from automatically discovering biological mechanisms to accelerating climate simulations by 15,000x).
-- алгоритмы машинного обучения ускоряют работу обычного компьютинга: компиляторов, операционных систем, датацентров (вычисляют параметры кеширования, параметры разбиения графов на части и т.д., вот небольшой обзорчик: http://deliprao.com/archives/354. Это всё сегодня, и рецепт один: там, где стоит руками подобранная какая-то константа для всех типов применений, можно поставить вычисляемое на основе статистики по текущим задачам переменное значение -- и получить удивительно приятные эффекты, типа ускорения в сто раз или уменьшения фрагментации памяти на 78%).

4. Обеспечивать распределённое по людям и компьютерам мышление
Для того, чтобы обеспечить распределённый по людям и машинам интеллект, нужно связать людей и компьютеры в сеть, которая обеспечит их коллаборацию/сотрудничество. В описании деятельности это коммуникационный акцент -- и думайте при этом, например, о DEMO (https://ailev.livejournal.com/644440.html) для коллабораций уровня а хоть и расширенного предприятия, а на более высоких уровнях эко-систем и далее глобуса в целом (свободного рынка) всё в разы менее очевидно, но и тут справляются: электронная торговля и социальные сети тут только маленький кусочек всего происходящего.

Раньше технологическая поддержка коллаборации как часть усиления людского интеллекта (по мотивам работ того же Энгельбарта) шла у нас под кодовым именем "нейронет" (пока не появился проект РособороннейронЭт, https://ailev.livejournal.com/1261047.html), но можно поглядеть на более ранние работы, например 2014 года (https://ailev.livejournal.com/1123738.html): "Сапдейтили понятие нейронета: раньше был "эпоснет", когда знание передавалось в устной традиции, потом "букнет" для письменной традиции, потом "интернет" с его гуглём, поиском, социальными сетями, а уже потом будет "нейронет", когда "нейро" переместится в саму сеть и "нечеловеческие и/или сверхвалидные узлы" станут активными переустроителями как себя, так и самой сети ("САПР переместится в систему", как я это называю). Техническая реализация интерфейса непосредственно от нейронов к сети тут не самый важный и интересный момент, как не самый важный момент в развитии самого интернета переход от интерфейса интернета от толстеньких CRT-дисплеев к дисплеям на смартфонах и планшетах и прохождения самого интернета не по проводам, а через WiFi или LTE. Как говорится, в играх побеждает лучший геймплей, а не техническая реализация полигонов: кто и в какую игру играет важней, чем на каком движке оно сделано (но разные движки позволяют при этом делать разные игры, это тоже забывать нельзя)".

Тут из интересных инициатив я бы назвал даже не человеко-компьютерные интерфейсы (мысли уже читают, но это нам не нужно: клавиатура, мышка и даже голос с жестами оказываются много надёжней и быстрей). Более интересны факты про сетевую инфраструктуру, ибо тут тоже действует тезис Sutton, только для глобального вычисления: или мы имеем суперкомпьютеры на плохих сетях -- и суперкомпьютеры обеспечивают компактность передаваемой информации; или мы имеем маломощные узлы и широкие быстрые сети -- результат общей производительности вычислений будет тот же. Так что нужно и суперкомпьютеры в узлах иметь, и сети побыстрее, чтобы общая производительность вычислений выросла). И вот тут я бы обратил внимание на:
-- 6G выйдет в 2030 году со скоростью в 8000 раз выше, чем 5G (https://www.vanillaplus.com/2020/03/23/51484-zte-elaborates-6g-challenges-innovations-2nd-6g-wireless-summit/, https://telecoms.com/503142/consensus-on-6g-is-gradually-forming/)
-- только что предложено сделать таки новый интернет (и международный скандал уже вовсю бушует, ибо в лидерах предлагающих Huawei): https://naked-science.ru/article/hi-tech/huawei-sovmestno-s-kitajskimi-vlastyami, https://www.gizmochina.com/2020/03/31/china-and-huawei-propose-a-new-internet-protocol-with-a-built-in-killswitch/, The telecommunications giant has stated that the update is vital to powering “holo-sense teleportation” and self driving cars.
-- StarLink уже имеет на орбите 360 спутников, и цель -- подцепить к интернету 3-4% населения земного шара, которые живут в далёких от цивилизации местах, https://www.zdnet.com/article/new-spacex-launch-starlink-now-has-360-internet-beaming-satellites-as-us-service-nears/. Запуск сети в эксплуатацию (хотя и с минимальным покрытием) -- уже в текущем году. То, что обанкротился конкурент OneWeb (https://thenextweb.com/hardfork/2020/03/30/oneweb-collapse-internet-space-race-leo-satellite-bezos-musk-back-on/), так это неважно, спутниковый интернет не остановить.

На усиление интеллекта пойдёт незначительная часть этих сетевых мощностей. Основная мощность пойдёт на то, чтобы обеспечивать удалёнку с телеприсутствием-голографией. Не хотите переклеить свои обои в гостиной на дешёвые экраны 15К? Это пока не хотите, а когда будет выбор между относительно дорогой голографией с эффектом присутствия и дешёвыми 15К плоскими обоями, вопрос в 2030 году будет по-другому звучать. Напомню, что этот сценарий со стенами гостиных хорошо прописан Рэем Брэдбери в 1953 году, в "451° по Фаренгейту", и на стенах этих транслировались отнюдь не достижения глобального распределённого интеллекта. Но и сейчас вся наука и инженерия занимают крошечный сетевой трафик, порносайты и киносериалы тут лидируют с огромным опережением. Вряд ли ситуация изменится через десять лет, когда все эти сегодняшние проекты станут реальностью. Тут нужно ехидно заметить, что и сегодняшние нейронные сетки это показывают: основное использование технологий DeepFake тоже будет не в науке и медицине, а на порносайтах и опять же в "важнейшем для нас искусстве после цирка" -- кино, вернулось ведь нечитающее поколение!, так что ещё совсем немножко и в политике, https://www.forbes.com/sites/ibmai/2020/03/31/4-steps-financial-services-firms-can-take-with-ai-to-improve-customer-experience/).

5. Embodied intelligence
Интеллект ничто, если он не изменяет мир. Спасение от всяких напастей -- оно в физическом мире, для спасения недостаточно дать умный совет. Нужно ещё действие, изменение мира к лучшему. Понятно, что мир голыми руками не изменишь. Так что тут отслеживаем появление роботов -- как складских (только в Amazon их сейчас более 200тыс., и другие фирмы тоже закупают их тысячами -- https://techcrunch.com/2020/03/11/dhl-will-deploy-1000-robots-from-locus-robotics-for-delivery-fulfillment/), так и животно- и человекоподобных (полюбуйтесь на прогресс у Boston Dynamics за 10 лет и прикиньте, что будет ещё через десяток лет -- https://www.businessinsider.com/boston-dynamics-robots-progress-10-years-is-astounding-terrifying-2020-3), и вообще странной формы (типа магазина без кассиров, от Amazon -- https://www.forbes.com/sites/ilkerkoksal/2020/03/30/amazon-officially-selling-cashierless-store-technology-to-retailers/, и Besides Amazon, there are other startups selling similar technology systems such as Grabango, AiFi, and Zippin). По большому счёту, сюда можно отнести и летающих роботов SpaceX (интеллект, управляющий космическим кораблём, а также интеллектуальный космический корабль без разделения на управляющий компьютер и железо корабля -- это ж классические фантастические сюжеты! И это ведь чистая правда!). То, что фейсконтроль и турникет -- это тоже такой робот, я молчу, это все уже осознали, и это уже работает сегодня.

Мы понимаем, что выход в физический мир тут крайне важен. И я бы отслеживал по этой линии компьютерную поддержку системной инженерии: прежде всего эволюционирующие и дифференцируемые архитектуры (https://ailev.livejournal.com/1464563.html) и digital twins (то есть точные компьютерные модели). Это, конечно, прикладные задачки для текущего распределённого интеллекта, но фишка их в том, что результаты этой человеко-компьютерной мысли будут воплощены в физическом мире. Industrie 4.0 термин уже протух (Гугль новости показывают, что все новости по Industrie 4.0 прошлогодние, кончилось финансирование и кончились пиарные бюджеты -- https://3dprint.com/259437/adidas-kills-the-speedfactory-industrie-4-0-funeral-date-not-yet-set/, Industrie 4.0 is despite all the hype and subsidy dead. The Germans are, through one of their most internationally known and largest firms, publicly now stating that Industrie 4.0 was a subsidy trough). Но слова умирают, а инженерия и производство (и строительство, не будем исключать его из инженерии) продолжаются совершенствоваться. Помним, что фирма Apple выпустила Newton, и потерпела неудачу, и все смеялись. А потом фирма Apple выпустила iPod, iPad и iPhone. И уже никто не смеялся. Так и с выходом инженерии в физический мир: сначала умелыми руками, потом умелыми станками, а потом вообще как-то будет "само". Было бы для решения тамошних проблем достаточно мозгов (помним тезис Sutton: побеждает в конечном итоге количество).

И да, ещё нужно бы развивать тела у людей, куда ж без этого. Тот самый системный фитнес, готовность к сложному координированному движению. Мы работаем над этим (кстати, мы сумели курс перевести в дистантный -- регулярные занятия в онлайн уже идут, https://t.me/labolatoryTM/1168).

Надо как-нибудь отдельный текст про выход интеллекта в физический мир написать. Но это уж потом, когда я из онименяизоляции (ага, унтер-офицерская вдова сама себя изолировала, понимаю) выберусь -- а то и так в посте слишком многабукофф.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10217966608570866
Subscribe
  • Post a new comment

    Error

    Anonymous comments are disabled in this journal

    default userpic

    Your reply will be screened

  • 7 comments