June 30th, 2020

2019

lytdybr

Бета-читатели начали присылать первые замечания (и лучше бы они поторопились), а я начал прописывать кейсы и упражнения "Образования для образованных". Упражнения -- это превращение книжки в "рабочую тетрадку", разные таблички для заполнения. Скажем, в учебнике системного мышления это могло бы быть заполнением таблицы ролей для совещания или проекта. А тут я могу предложить оценить для нескольких последних проектов, в которых ты принимал участие отдельно этичность целей и отдельно этичность средств -- по пятибалльной системе. Фишка упражнений в том, чтобы материал курса пытаться прикладывать к себе, не считать его абстрактным. Без кейсов и упражнений книжку можно было бы уже отдавать на вёрстку, но я таки жду комментариев от бета-тестеров. Писал я в том числе и ночами, фанетичиских аписок там палным пално, их бы лучше удавить до публикации.

AI приходит в науку тихо и неслышно, но в ближайшее время перевернёт там всё к чёртовой матери. Вот тут https://arxiv.org/abs/2006.11287 предложили, как графовую нейронную сетку дистиллировать в алгебру, а затем подбирать в этой алгебре математическую форму (символьная регрессия, https://en.wikipedia.org/wiki/Symbolic_regression ) для выражения закономерностей в физических наборах данных. Чтобы проверить подход, переоткрыли уравнения ньютоновской механики, переоткрыли гамильтониан, и предложили закон (математическую формулу) для описания гало тёмной энергии в космологии -- чтобы продемонстрировать не "переоткрытие", а "открытие". Собственно, основная физическая интуиция как раз и берётся символьной регрессией, причём там тот самый эволюционный подход, на который я последнюю пару лет указываю, как на основной, за которым нужно следить после собственно нейросетей как частного случая дифференцируемого программирования. Лидер в этой области вполне уже коммерциализован: https://www.nutonian.com/, эволюционный/генетический алгоритм символьной регрессии Eureqa. Физика оказывается при этом только хобби и рекламой, я даже не уверен, что разработчики Eureqa имеют какое-то отношение ко всей этой космологии и гамильтонианам. Compared to other machine learning outputs, M.I. models are simpler and more transparent. The models are presented as mathematical equations, interactive visualizations, and plain English explanations, so end users can seamlessly understand results and recommendations. Это из https://www.nutonian.com/products/, и в этой фразе M.I. это Machine Intelligence™ -- уже сделали (tm), как мило с их стороны. В любом случае, наука уже не будет прежней. Копают уже не руками, и не палкой-копалкой, и не лопатой, а экскаватором. Для вытаскивания законов природы из данных палка-копалка уже готова, статья опубликована. А лет через пять ждём, что новые законы будут грести уже лопатой. Просто удивительно, как мало людей, понимающих суть происходящих перемен. В науке тоже всё новое приходит сбоку. Новое в физике приходит отнюдь не из самой физики, неудивительно, что физики не будут понимать, что происходит -- как уже сейчас не очень понимают лингвисты. Вот думаю, что нужно это тоже в книжку вписать. А то у меня там пока сплошная промышленность с подобными примерами.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10218828433275945