Category: компьютеры

Category was added automatically. Read all entries about "компьютеры".

2019

lytdybr

СМС2020.19 стартовал, вся группа -- айтишники, кроме одного financial controller. Чаще всего айтишников была треть, или половина. А тут вдруг -- почти все! Москва, Московская область, Киев, Санкт-Петербург, Новосибирск, Пермь. Один человек в пятый раз, абсолютный рекорд Школы! За целый день едва-едва успели обсудить роли в проектах, даже на полчаса задержались.

Помогаю одному из вузов в стратегировании. В чём главная проблема? В редукционистском мышлении: когда явно не выделяются системные уровни, то малоосмысленные фразы типа "транзисторы в автомобильной промышленности", "мемристоры в медицинской промышленности". Вы представляете, сколько там человечьих команд, каждая из которых держит какой-то уровень на пути от транзистора к IP на этом транзисторе, к чипу в какой-то полупроводниковой технологии, к плате какого-то контроллера с чипом, к полноценному запрограммированному контроллеру (тут появляется ещё софт! Транзисторов уже не видно!), к какой-то подсистеме автомобиля с контроллером (уже и софта не видно!), к продуктной линейке этих автомобилей, к автомобильной промышленности в целом? Это я очень грубо и по прямой нарезал, но там же на каждом уровне нюанс на нюансе! Системное мышление -- это когда очень чётко отслеживаешь, к каким системным уровням какой системы относятся твои описания. Мне организаторы этого стратегирования мягко заметили, что история длинная, и нельзя ожидать, что люди вот так сразу услышат про системные уровни и что-то там начнут уточнять в презентациях, а то и в самой стратегии! Да, история длинная. Нельзя ожидать, что какой-то завкафедрой, д.т.н. -- и вдруг пройдёт семестровый курс системного мышления. Хотя для человека такого калибра это будет не семестр, а несколько дней -- если вдруг решит пройти. Отдельно -- увидим ли мы результат этого прохождения курса в стратегии? А пока можно только попечалиться, что представляемые на рассмотрение стратегии -- не системные. А какие? Редукционистские, привязки к системным уровням в них нет. Учитесь стратегированию у фирмы NVIDIA, напомню свои посты:
-- NVIDIA и интеллект-стек (2017 год) -- https://ailev.livejournal.com/1380163.html и https://ailev.livejournal.com/1347563.html
-- NVIDIA и стек роботакси (2017 год) -- https://ailev.livejournal.com/1384766.html
-- NVIDIA как поставщик вычислительной инфраструктуры (2018 год) -- https://ailev.livejournal.com/1416697.html
-- аппаратный стек NVIDIA текущего года -- https://ailev.livejournal.com/1518306.html

В книжке "Образование для образованных" по-прежнему 83%, но я начал менять по тексту "компетенции" на "мастерство". И тут же выяснилось, что это была засада типа "стейкхолдеров": иногда "компетенция" в тексте использовалась как "роль", иногда как "дисциплина", иногда как "практика", иногда как "мастерство". Поэтому менять приходится очень по-разному. Сказать "компетенция" я успел примерно 130 раз. Половину примерно уже исправил, и это оказалось не быстрым.

Обнаружил засаду в своём ноутбуке: когда солнце из окна берёт хотя бы 10% площади корпуса моего ноутбука, он перегревается -- и процессор уходит в полный ступор, мышка не бегает, а ходит скачками, буквы печатаются по одной в три секунды. Делаешь ноутбуку тень -- через 60 секунд вентиляторы справляются, и всё восстанавливается. На графике process explorer оказывается, что всё замеряется в относительных процентах: вот у тебя Zoom берёт 13% процессора, а вот он же вдруг берёт 80%! Но нет, берёт он столько же, это просто процессор стал маломощным! И это падение производительности процессора нигде не отображается. И это у меня так себя ведёт самый навороченный бизнес-ноутбук! Так и вспоминается спецификация автомобиля Роллз-Ройс: "Мощность мотора: достаточная". Достаточная, пока не выглянет солнце.

Последний мой выход в город, последние танцы -- 26 марта 2020. Первый выход в город, первые танцы -- 20 июня 2020. А до этого дома было хорошо, никуда ходить было не нужно.
2019

AI at Scale: к гонке экзафлопсов для AI присоединилась Майкрософт

Я дважды на прошлой неделе писал про начавшуюся гонку экзафлопсов. Кто богат, тот будет и машинно умён:
-- "В мире AI всё по-прежнему экспоненциально", где упоминал строительство NVIDIA собственного суперкомпьютера и переходе в NVIDIA на мышление "датацентрами" и их фрагментами: https://ailev.livejournal.com/1518306.html
-- "SoTA искусственного интеллекта принадлежит богатым, и это не случайно", где давал ссылки на исследования формулы прямой связи числа параметров и количества шагов вычислений в нейросетках с их качеством работы: https://ailev.livejournal.com/1518532.html

Вчера Майкрософт сделал инициативу AI at Scale, присоединившись к клубу строителей суперкомпьютеров для AI -- https://innovation.microsoft.com/en-us/ai-at-scale (технические подробности у них тут: https://ms-innovation-dev.azurewebsites.net/en-us/exploring-ai-at-scale). Речь идёт о публично доступной облачной инфраструктуре Azure с хорошо провязанными между собой кластерами с GPU V100 от NVIDIA. В качестве примера эффективности гигантомании в машинном интеллекте даётся нейросеть MS Turing NLG на 17 млрд. параметров. Всё это вычислительное богатство предлагается использовать в бизнесе, прямо сейчас, кому угодно -- только плати!

Microsoft вложила некоторое время назад $1млрд. в OpenAI. И значительная часть этих денег пошла на обеспечение масштаба в вычислениях, реализуется тот же тренд. OpenAI с Microsoft построили пятый по величине в мире суперкомпьютер, исключительно для своих исследований, о чём вчера и объявили -- https://venturebeat.com/2020/05/19/openai-microsoft-azure-supercomputer-ai-model-training/. Текст по ссылке обсуждает в том числе сложное сочетание тренда на пока экспоненциальное уменьшение объема вычислений для выполнения стандартных задач из https://venturebeat.com/2020/05/05/openai-begins-publicly-tracking-ai-model-efficiency/ и не менее экспоненциального роста требуемой компьютерной мощности в связи с ростом самих задач. Мало того, что весь "разгон" за счёт эффективных алгоритмов съедается растущей сложностью задач, но требуется этот рост сложности ещё и кормить добавочной вычислительной мощностью.
UPDATE: OpenAI построил модель GPT-3, которая может генерировать текст в несколько абзацев, неотличимый людьми от текстов, написанных людьми -- и на генерацию 100 страниц текста там уходит 0.4Квт*час, это буквально несколько центов, https://arxiv.org/abs/2005.14165

Ещё один знак: вся эта мощность начинает уходить не в обработку изображений и аудио, как было до сих пор. Нет, эта мощность начинает уходить на языковые модели, работу с текстами. AI как-то научается читать, и вынимать из огромного количества текстов кривую "народную" (ни разу не научную!) модель мира. Качеством данных, которыми кормят эти суперкомпьютеры, уже озаботились. Но вычислительной мощности весь этот текстовый интеллект требует вполне сравнимо с визуальным интеллектом. А идеи совместного обучения с аудио, видео и текстами требуют и вообще запредельных пока компьютерных мощностей. Но и в этом направлении есть прогресс, за счёт того же AI at Scale, пример тут майские рекорды по шести видам задач на описание изображений текстами -- https://www.microsoft.com/en-us/research/blog/objects-are-the-secret-key-to-revealing-the-world-between-vision-and-language/

NVIDIA тоже построила суперкомпьютер для своих исследований AI. И Гугль построил. Все участники гонки строят корпоративные и облачные "AI-синхрофазотроны" для исследований в AI, ибо машинный интеллект монетизируется примерно так же, как человечий интеллект, так что его выгодно разрабатывать. Монетизацию исследований элементарных частиц трудно придумать, а синхрофазотроны пока стоят ещё дороже, чем суперкомьютеры для AI. Но скоро суперкомпьютеры будут стоить уже дороже, чем синхрофазотроны, и они будут частные. Несмотря на тренд удешевления вычислений (он никуда не делся! с 2017 по 2019 вычисления подешевели в 100 раз, по 10 раз в год -- https://venturebeat.com/2020/06/04/ark-invest-ai-training-costs-dropped-100-fold-between-2017-and-2019/), потребность в объёмах этих вычислений растёт быстрее. Гонка экзафлопсов идёт давно (https://en.wikipedia.org/wiki/Exascale_computing), но теперь она ориентируется не на моделирование погоды или ядерных взрывов, а на задачи AI, и ведётся частным сектором.

Вот это, я понимаю, "межотраслевые переливы капитала". Вот это, я понимаю, "структурная перестройка промышленности". Увы, ждём активного вмешательства политиков: слишком большой масштаб происходящего, чтобы они прошли мимо.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10218480891667622
2019

В мире AI всё по-прежнему экспоненциально

Сегодня стали известны характеристики очередного чипа от NVIDIA -- GPU А100 (монстр на 400 ватт, https://www.nvidia.com/en-us/data-center/a100/), ускорение вычислений за четыре года в 9 раз (среднее геометрическое по группе приложений машинного обучения):

Этот чип упаковывается по восемь штук в компьютер DGX за $200тыс. (версия этого компьютера на V100, которые вдевятеро медленней, стоила $130 в 2016, https://ailev.livejournal.com/1257675.html -- не точно закон Мура, но очень похоже), и этот компьютер выдаёт 2.5 PFLOP нового формата плавающих 32TF в одном толстом рэке. Новости этой архитектуры: она одинакова для обучения и вывода (раньше были специализации чипов для этих целей), и она хорошо масштабируется в рамках датацентра. NVIDIA объявила, что она теперь занимается вычислениями на уровне датацентра (и для этого купила Mellanox, специализирующийся на чипах DPU, чипы обработки данных). Сообщение было недвусмысленным: наследуем прежний интерфейс к ускорителям, обещаем сохранить этот интерфейс, и выдать масштабируемую линейку вычислителей. От роботов через суперкомпьютер к датацентру, где единицей является DGX SuperPOD (большой такой шкафчик с рэками). Свой внутрифирменный суперкомпьютер SATURNV они доращивают до 4.6 ExaFLOPS. Подробности читайте в https://blogs.nvidia.com/blog/2020/05/14/gtc-2020-keynote/.

Так что видим развитие на многих системных уровнях (я даже не все тут привожу, их много больше), пример системного, то есть многоуровневого, развития:
-- новая архитектура кремния, 7нм проектные нормы, причём подхаканная под потребности NVIDIA
-- чип А100 с новой архитектурой тензорных вычислений и новым типом плавающих
-- плата GPU ускорителя с этим чипом и интерфейс суперкомпьютерной шины
-- суперкомпьютер DGX (термопакет! отвести всё тамошнее тепло -- отдельная задачка) в 8 платами ускорителей и внешними интерфейсами к SuperPOD
-- SuperPOD, набитый суперкомпьютерами DGX и высокоскоростными сетевыми соединениями
-- Data Center, составленный из этих SuperPOD. То, что NVIDIA теперь поставщик универсальных датацентров для AI (а не чипов, а не плат), это и есть суть громкого объявления.

И мелкое объявление, что этим всем они могут торговать и в розницу, отдельно элементами каждого системного уровня. Даже DGX они готовы продать не целиком, а частями!

Наконец, объявлен вычислитель для роботакси (помним, что они его обещали выдать в 2021 году -- пока всё идёт по расписанию), там производительность 2PetaТOPS и потребляет это чудо 800Вт (одна метрическая лошадиная сила -- это 735 ватт. NVIDIA сделала для роботакси мозг в одну лошадиную силу, очень символично. И это немного, мощность какого-нибудь внедорожника сегодня от 200 до 400 лошадиных сил).

Всё-таки я снимаю шляпу перед системными инженерами из NVIDIA. Они абсолютно последовательно реализуют идеи системного мышления. Практически на каждой GTC конференции они объявляют о том, что сверху к имеющемуся стеку платформ добавляют ещё один системный уровень. А обнаруженные ими практики жизненного цикла поддерживают своими платформами. Основное в их презентациях -- это платформенные стеки и жизненные циклы. То, чему я учу на курсах, у них просто факты жизни, они так думают, они так делают. Поглядите их презентации, они для меня выглядят как иллюстрации к курсу системного мышления:

Хотя NVIDIA, конечно, лукавит про "самый большой чип в мире" (там 53млрд.транзисторов в A100). Cerebras тоже вполне работает, хотя там наверняка проблемы с софтом (нет "наследуемой архитектуры" и полчищ разработчиков), нет системных уровней выше одного рэка, но в чипе там аж 1.2трлн. транзисторов. Компьютер CS-1 на чипе Cerebras работает с ноября прошлого года в Argonn National Laboratory, и поэтому мы ничего не узнаем об этой работе (она обычно делает точное моделирование ядерного оружия). Хотя вчера там таки появилась информация, они занялись проблематикой COVID-19, и стало возможно об этом написать: https://www.cerebras.net/argonne-national-laboratory-and-cerebras-systems-leverage-the-worlds-fastest-ai-supercomputer-to-advance-covid-19-research/. Что пишут? Всё то же: ускорение вычислений в сотни раз. By using the CS-1, ANL can train models hundreds of times faster than before.

Прошлогодний тезис Sutton (что в AI значима только вычислительная мощность, а алгоритмы там оказываются простыми, http://incompleteideas.net/IncIdeas/BitterLesson.html) в очередной раз получил мощную многоуровневую системную поддержку.

Но что это я про суперкомпьютеры? Техники ускорения алгоритмов нужно смотреть и на смартфонах: там ведь скорость работы алгоритмов AI вообще критична. Вот из последних новинок: compression-compilation co-design, CoCoPIE позволяет работать нейросетевым алгоритмам на смартфоне в реальном времени, https://www.cocopie.ai/. Тут тоже прирост в разы: генетатор CoCo-Gen outperforms all other frameworks for all cases. On CPU, CoCo-Gen achieves 12× to 44:5× speedup over TFLite, 2:3× to 8:1× over TVM, and 1:9× to 15:5× over MNN, respectively. On GPU, CoCo-Gen achieves 2:5× to 20×, 4:1× to 11:4×, and 2:5× to 6:2× speedup over TFLite, TVM, and MNN, respectively. А pruning этот CoCoPIE делает до x180 в сравнении с TFLite. Авторы там напирают, что это позволяет иметь приличные нейросетки на телефонах, но и на крупных компьютерах это было бы неплохо реализовать!

И ведь это не единственная работа в таком направлении. Разгоном нейросеток занимаются сегодня все, это мейнстрим.

Но добавьте сюда последние улучшения и в самих "простых алгоритмах", которые и кушают всю эту вычислительную мощность. Так, самое свежее пришло из Uber (при этом тамошний начальник Stanley уже объявил, что с июня уходит работать над своими эволюционными алгоритмами в OpenAI) пару недель назад: https://arxiv.org/abs/2004.12919. Там продолжили тренироваться на видеоиграх Atari и превзошли предыдущие результаты где в разы, а где и в 150 раз, и впервые получили алгоритм, который один и тот же во всех играх, и играет лучше хороших игроков, хотя без некоторых добавок пока хуже чемпиона мира. Они просто предложили алгоритму запоминать те состояния игры, которые достаточно разнятся между собой, а потом регулярно возвращаться в них, чтобы исследовать игру дальше из этих состояний (до этого просто бродили-исследовали, не возвращаясь). И тут же получили резкий рост эффективности исследования.

А теперь представьте, что таким исследователям выдают машинку, которая способна ускорить их эксперименты вдесятеро! Держу пари, что эти ребята не будут ускорять свои текущие эксперименты. Нет, они будут двигаться в исследованиях примерно с той же длительностью отдельных вычислений, что и сегодня, но вот каждый эксперимент они будут делать вдесятеро более ёмким по вычислениям. И поэтому будут решать всё более и более трудные проблемы. В том числе и проблемы ускорения вычислений, AI ведь потихоньку уже изобретает сам себя, хотя и не так активно, как мог бы. Но это пока. Помним, что расчёт языковой модели сегодня может стоить до $1млн.. Нынешними темпами через пять лет (10 раз софтом,, 10 раз железом) это будет $10тыс.. И при таких ценах мы увидим ещё много новых приложений. Интеллект из машины будет стоить дешевле грибов, этот производимый на заводах интеллект и есть сегодня главная сила, меняющая мир. Да, и вас эта сила тоже поменяет, кто б сомневался! Экспоненты, они такие. На то, что там S-curve, пока и не надейтесь. Закону Мура ведь уже десятки лет предрекают смерть, но этот праздник пока продолжается.

UPDATE: обсуждение в чате блога с https://t.me/ailev_blog_discussion/3011, в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10218427462171918
2019

Будни удалёнки

Сегодня весь день вёл СМС18.2 (второй день восемнадцатого потока), более восьми часов без разрыва коннекта в MS Teams. Всё необходимое для работы буквально в одном месте, тут майкрософт рулит. Проблема только в том, что всё это по конской цене, при этом поддержка нулевая -- в том числе по выбору правильных видов лицензии (никто у поставщика ничего про эти лицензии не знает, поэтому не отвечает на простейшие вопросы, переспросить не у кого, купить каждому курсанту дорогую лицензию невозможно -- это ж не сотрудник, эта лицензия не окупится! Я так думаю, что всё потому, что мы негосударственные, а Майкрософт и его дилеры имеют преференции для тех, у кого штамп от государства -- остальные ему мелковаты будут). Поэтому мы внимательно начинаем смотреть и в сторону G-Suit, работающие с Гуглём менеджеры в разы более шустрые, чем у Майкрософта (хотя у них аргументы иногда и очень странные, типа "у нас средний возраст пользователей сильно моложе, чем пользователей у Майкрософта" -- это эйджизм, да?). Тем не менее, сегодня был MS Teams, и мы использовали для занятия вот это (всё находится в одном месте -- "беседе", это типа одной темы обсуждения в форуме потока):
-- календарная запись времени беседы.
-- видеоконференция (самый красивый фон для видео изо всего зоопарка софта видеоконференций, что я встречал)
-- демонстрация рабочего стола (PowerPoint, но в ещё нубовском варианте, я не успел ещё потестировать способ https://youtu.be/1PtDGmpXJj4, уменьшающий сетевой трафик).
-- совместная работа в OneNote потока (важно, что каждое домашнее задание это раздел, а у каждого члена группы для выполнения домашнего задания собственная страница -- очень удобно смотреть и переключаться между страницами, а также совместно редактировать).
-- общение в чате, т.е. быстрые асинхронные отклики всей группы: короткие ответы на вопросы сразу всей группой, а также заметки по оргмоментам типа записи времени, когда нужно приходить с очередного перерыва). Есть бот голосования и всякие прочие навороты, но оказалось удобно, когда каждый просто пишет реплику в чат.
-- видеозапись (да, появляется тут же, сама -- семь часов записи. Не нужно ничего конвертировать, перекладывать, именовать и т.д.).
-- комментарии до и после встречи (по факту "беседа" -- это чат, который существует до, во время и после онлайна).

Из интересного -- это момент окончания встречи. Я вдруг обнаружил, что сижу в полностью тёмной комнате, меня освещает не очень яркий экран, никакой дополнительной подсветки нет, а на видео я чётко и ярко виден в этом самом футуристическом кабинете. Ещё несколько лет назад камеры с такой чувствительностью я не мог бы себе представить -- это ж как съёмка видео при свечах! А сегодня темнота видеосвязи не мешает, достаточно отблеска с экрана, чтобы тебя было хорошо видно. Фантастика, к которой быстро привыкаешь.

Разобрался с тормозами в своём ноутбуке (при запуске конференций любого провайдера тормозил дико -- у меня ведь 4К на самом ноутбуке и 4К внешний экран, но ведь i7-1035G7 процессор и GPU должны это тянуть!). Причин было две:
-- яндекс.музыка десктоп приложение. Я не знаю, что там происходит, но нагрузка процессора с ним 2% (у молчащего!), но всё видео отчаянно с ним тормозит. Да, даже ютьюб в браузере. Срубаешь это приложение (а оно у меня как рабочее радио всегда висело: меньше всего подозрения на него были, особенно в части влияния на видео. Это ж музыка!), и всё видео перестаёт лагать и начинает быть более чем шустрым.
-- режим управления температурой в Dell Power Manager "тихий" (мой обычный режим, я же считал, что у меня "офисная работа") и "максимальная производительность" (который я не пробовал до этого вообще -- мне ж не надо было!) по производительности отличаются вчетверо! Вчетверо, Наташ! И если сказал "тихий", то это означает, что процессор становится четвертью процессора -- вентилятор на двух экранах шумит, но едва-едва. А если сказал "максимальная производительность", то и при отсутствии задач вентилятор шумит весьма ощутимо, но зато всё летает, и с запасом.

Всё это хозяйство развивается с бешеной скоростью. Так, NVIDIA объявила, что для владельцев видеокарт RTX она сделал драйвер, который удаляет посторонний шум типа хлопания дверей, гавканья собак, плача детей и стука клавиатуры (https://www.techspot.com/news/84881-nvidia-rtx-voice-app-uses-ai-improve-noise.html). Майкрософт хочет сделать это же без специальных видеокарт, в текущем году, и обсуждает хитрые с этим связанные вопросы -- типа "а если я буду играть на скрипке -- это тоже вырежут?", https://venturebeat.com/2020/04/10/probeat-microsoft-teams-video-calls-and-the-ethics-of-invisible-ai/. Удивительно, что пока не обсуждают опции вырезания мата, изменения собственного голоса на голос (вместе с интонациями!) народного артиста, а потом AI будет по поручению начальства вырубать голос сотрудника, если он на встрече с гостевыми эккаунтами будет проговариваться в части корпоративных секретов. Вы хотели искусственного интеллекта? Вот вам, получите, электронно распишитесь! Но это ещё через годик-два-три.
2019

Moore’s Law мещанина (Компьютерра, 11 окт 2002)

Мне тут напомнили, что я был колумнистом "Компьютерры". Ага, был -- пока не завёл себе вот этот "Лабораторный журнал", в котором и пишу с 2002 года. Я уже как-то перепечатал тут одну из своих колонок (первоапрельскую 1999 года "Хакер Кришна, Хакер Рама", https://ailev.livejournal.com/1338967.html), а сейчас вот скопирую октябрьскую 2002 года "Moore’s Law мещанина" (https://old.computerra.ru/200090/, а остальные мои колонки доступны пока по адресу https://old.computerra.ru/Authors/123/). В этой колонке в 2002 году (типичный процессор в том году был Intel Pentium 4) я говорю об ускорителях для искусственного интеллекта в будущих компьютерах и делаю ещё несколько вполне сбывшихся уже через несколько лет после этой колонки прогнозов:

Утихомирились бури революционных лон.
Подернулась тиной советская мешанина.
И вылезло
                 из-за спины РСФСР
                                                    мурло
                                                               мещанина.

Владимир Маяковский. «О дряни»

Вот ведь вопрос: на кой мещанину сейчас закон Мура? Ведь «Мурку» давно играет не только современный компьютер или крошечный mp3-плейер, но и любой сотовый телефон. Хлеба закон Мура все равно не даст («офисный компьютер» в прайс-листах давно занял самую дешевую строчку), а число доступных мещанину зрелищ ограничивается не столько технически, сколько полицейскими методами. Конечно, падение позднесредневекового копирайта и вызвало бы небольшой скачок спроса на разную и всякую компьютерную периферию, но никак бы не повлияло на сам компьютер.

К тому же жизнь показывает: как только выходит очередное массовое тормозящее приложение, так следом появляется специализированное «разгрузочное» «железо» - видеоускорители для подросткового рынка, DSP-процессоры для меломанов и связистов, а также… собственно, и все. Остальное - крохотные ниши на маленьких вертикальных рыночках.

Красоты интерфейса? Уже давно не нужно ждать перерисовки экрана. Хоть три тысячи полноцветных художественных кнопочек и окошечек размести на нем, хоть с анимированными скинами забавляйся - никаких проблем с производительностью, разве что экранчик нужно чуть получше. Но даже и экранчик чуть получше есть прямо сейчас, нужно только годик подождать, чтобы цены на него упали. А приложений под лучший экранчик даже и нет, разве что обои станут чуть художественней…

Распознавание речи? Центральный процессор (даже 3 Ггц!) не справится, и обязательно появится «ускоритель звука» (плата DSP), чтобы отделять речь от шума. Сам компьютер опять окажется слаб для этой работы и слишком силен для любой другой. Обрабатывать любительские фотографии (мы же про массовый рынок?) - больше 6 мегапикселей вроде бы никому уже и не нужно, а для такого размера существующей компьютерной мощности вполне хватает. Пиринговые приложения (P2P) через год будут ограничены нежеланием среднего мещанина что-то давать, а желанием все брать. 1% пользователей в P2P-сетях что-то дает, а остальные только берут. Поэтому развитие пиринга тормозят не столько технологические, сколько социальные причины. А не растет пиринг - не нужна и вычислительная мощность, чтобы с ним совладать. Будет расти пиринг - появятся бэкбоны, выделенные «пиринг»-серверы, и мещанские потребности вернутся к сегодняшнему уровню, только уже с другими протоколами.

Искусственный интеллект! Вот что в принципе может сожрать любую мощность! И именно поэтому при появлении приличных приложений-«советников» неизбежно появятся ИИ-ускорители. Конечно, это будут не Lisp-машины, а какой-нибудь KBP (Knowledge Base Processor), плата которого будет вставляться между аудиокартой и видеоускорителем, чтобы добавить мозгов шумным и ярким персонажам очередных игрушек. Но это точно не через год…

Поэтому компьютеры в будущем году станут тише (на радость меломанам), меньше и легче (на радость хозяйкам), у них будет больше всяких глаз да ушей, экраны будут покрупнее и поразборчивей - но крутиться на них будут очередные версии нынешних приложений-бестселлеров, отличающиеся:

  • художественностью интерфейса, на которую теперь не жалко ни памяти, ни скорости;

  • продвинутой откаткой/накаткой (undo/redo), для чего раньше не хватало ни памяти, ни скорости, ни терпения разработчиков для полноценной их реализации;

  • фоновой, а не по отдельной кнопочке, проверкой ошибок ввода (и не только в текстовых процессорах);

  • возможностью импорта-экспорта для все «более и более мультимедийных» форматов (вставка видеоклипа в текст документа уже не будет считаться экзотической операцией);

  • высокой скоростью старта;

  • отсутствием торможения при параллельной работе с несколькими другими приложениями.

А революций в приложениях через год не будет. И через два не будет. Зачем мещанину революция?! Отрасль уже выдала ему и на хлеб, и на зрелища, а он отрасли уже сполна заплатил за каждый чих… пардон, чип. Всё, квиты. Дальше с мещанином, похоже, будут играть другие отрасли. Да, кстати: больше всего процессоров Intel установлено в автомобилях. Все же автомобили меняют чаще, чем компьютеры (интересно, из-за каких приложений?). Что-то такое было про экономичность и безопасность, ибо какая уж там скорость и маневренность в наших городах…



UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10218152380255042
2019

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
2019

Мереология практик мышления

Один из курсантов текущего курса "Системный менеджмент и стратегирование" одновременно проходит курс онтологики. Я попросил его поделиться с другими курсантами СМС его впечатлениями от онтологики. Он им сказал: "Без онтологики я не представляю, что вы там в системном мышлении вообще можете понять!". В какой-то мере я с ним полностью согласен (и уже писал на эту тему год назад в "два балла по системному мышлению обычно не связаны с системным мышлением", https://ailev.livejournal.com/1465753.html). Дальше весь текст для тех, кто хоть как-то знаком с онтологикой (как минимум читал BORO book -- https://yadi.sk/i/2SgjvILB3PqJEZ).

Трудности в рассуждениях о частях и целых в отношении мышления
Мышление можно назвать системным только в том случае, если оно в явном виде задействует системные уровни, то есть уровни отношений частей и целых. Тем самым главной онтологической дисциплиной в системном мышлении является мереология (учение о частях и целых). В системном подходе/мышлении систему считают частью надсистемы, и при этом саму разбитой на части минимально тремя способами:
-- функционального разбиения (во время функционирования, run-time, делая упор на процессы взаимодействия частей, дающих эмерджентность для каждого системного уровня)
-- конструктивного разбиения (во время проектирования и изготовления, design time, делая упор на разделение труда и логистику)
-- пространственного разбиения (где во вселенной находится система, делая упор на привязке частей к физическому миру)

Первая трудность: удержание способа разбиения. В учебнике "Системное мышление 2019" довольно подробно объясняется на примере ножниц и чайника, почему функциональное и конструктивное разбиения на уровне целой системы обычно совпадают. Функциональный и конструктивный чайник и ножницы -- это одно и то же пространство-время, но вот на уровене частей уже могут существенно отличаться. Заварочный чайник, например состоит всего из двух конструктивных частей (корпуса и крышки) и многих функциональных частей (емкость, носик, заливочное отверстие в ёмкости, ручка ёмкости, крышка, ручка крышки, паровыпускное отверстие). Если в голове нет "машинки типов" из theory theory, то удержание одного типа объектов (ролевых/функциональных или конструктивных или пространственных частей) и одного типа отношений между ними (часть-целое) не удаётся. А ведь ещё нужно понимать, как отождествлять эти объекты (если функциональный и конструктивный объект занимают одно место/экстент в пространстве-времени, то это один и тот же объект -- одна и та же система).

Вторая трудность: мутность мышления о поведении. Мы тут будем использовать слово "поведение", чтобы обозначить и сервис (поведение системы как конструктивного объекта/модуля в окружении оказывающей сервис системы), и функцию (поведение ролевого/функционального объекта по назначению его как части в системе). Опускаем дискуссию о том, что ролью называют как функцию/поведение, так и ролевой объект отдельно, или альтернативно ролью называют ролевой/функциональный объект, а его поведение называют функцией этой роли. В учебнике выбран вариант "роль/ролевой объект против его поведения как функции", т.е. роль и ролевой объект синонимичны, но есть приверженцы и другого варианта.

Сегодня слово "процесс" используют и для описания функционального поведения (в "логическом времени", описании практик), и для описания шагов работ (в физическом времени). В случае систем обеспечения жизненного цикла слово "процесс" обозначает:
-- практику ЖЦ как поведение систем обеспечения в качестве функциональных/оргролевых объектов. Это realm функционирования/run-time системы обеспечения (design-time целевой системы!), и всё чаще и чаще используют "процесс" для описания функционального разбиения систем в обеспечении (IDEF0 ведь изначально был функциональным стандартом, это не его вина, что 100% его пользователей используют его вместо "истинно процессных" как развёртки шагов в физическом времени стандартов IDEF3 или BPMN). При таком использовании слова "процесс=практика ЖЦ", ресурсное планирование не обсуждается. "Ресурсы", они из онтики обсуждения работ, физическое время.
-- работы ЖЦ как поведение систем обеспечения в качестве оргзвеньев/модулей/конструктивных объектов. Это обычно полезно для расчётов логистики, планирования работ этих оргзвеньев (design-time системы обеспечения), важно проведение этих работ их "ресурсами" и привязка к месту (ресурс должен быть на физическом месте работы и свободен для работы в определённый момент физического времени). Способы выполнения работ и их назначение не обсуждаем (это обсуждается, когда говорим о методах/практиках/процессах, осуществляемых этими работами/процессами, и обратите внимание, что слово "процесс" тут использовано в обоих синонимических рядах. Косил косой косой косой -- нормально ведь понимается, машинка типов в языке вполне позволяет с этим разобраться).

Третья трудность: мутность мышления про практики (управление жизненным циклом) и работы (управление работами) по описанию и документированию труднопривязываемых к физическому миру "поведенческих" объектов:
-- самих практик (исполняемых проектными ролями, которые исполняются обученными для этого частями мозга работников и частями оборудования)
-- программ (исполняемых машинным кодом и переменными состояния, которые должны исполняться частями компьютеров).
-- финансовых транзакций (исполняемых финансовыми машинками, которые должны бы исполняться кучками золота в сейфах).
-- ... множество подобных нестандартных ситуаций.

В каждой из этих ситуаций обнаруживается множество самых разных нюансов и приёмов мышления, общего типового решения тут нет, нужно каждый раз думать.
В свою очередь практики (функциональные по природе своей -- в них часть мозга работника или компьютера и подчиняющееся этой части мозга или компьютеру оборудование, в том числе тело работника и станки) могут иметь самые разные воплощения в физическом мире -- ролевые/функциональные объекты обычно воплощаются конструктивными объектами/модулями, которые мы и наблюдаем.

Что мы видим в этих ситуациях, определяется нашим вниманием: именно внимание из фона обилия информации какой-то ситуации выделяет только то, что относится к какому-то системному уровню и внутри него к какому-то методу описания (функциональному, или конструктивному, или гибридному с трассировкой одного к другому, и т.д.).

Вот системной осознанности (подробней в https://ailev.livejournal.com/1487672.html) для присмотра за этим вниманием и нужно учить. Это главное в системном мышлении. Функционально-ориентированная осознанность -- это удержание связанного с какой-то целью внимания на понятийных объектах разных видов описания. Системная осознанность -- это когда при цели создания системы внимание осознанно приковывается к разным системным уровням, а в рамках этих уровней к разным ипостасям системы (функциональным, конструктивным, пространственным, как минимум, но далее финансовым, этическим и т.д.). Помним, что сама идея системных уровней -- выделение вниманием объектов этого уровня из общего фона в ходе работы системы (уровни это не про сборку-разборку системы!). Подробней про это выделение вниманием уровней в динамической системе см. пример танца https://ailev.livejournal.com/1504253.html -- этот пример чётко показывает, что речь в системном мышлении идёт главным образом про удержание внимания на каких-то объектах тех или иных системных уровней.

Пример: способы использования системного разбиения практики социального танца
Практика социального танца -- это удачный пример для постановки работы с этой системной осознанностью как присмотром за вниманием к системным уровням, а не "просто вниманием". Речь идёт о динамической системе, и это решает всё.

Это осознанная работа с движением по спектру формальности мышления, от животного S1 до человеческого S2, от данной нам в чувственной синестезии (видео, аудио, ощущения, запах, вкус) описания физической действительности танца в S1 до данного нам в схемах системного описания в S2. Системное описание -- это результат схематизации/формализации/моделирования, но не любого, а системного. На выходе системного моделирования практики/деятельности будет многоуровневое (как и любой другой функциональный объект, практика танца сама является частью какой-то надпрактики, и имеет подпрактики) и многоаспектное (практика сама это функциональный аспект, но при её описании придётся прорабатывать вопросы о том, какими ролями выполняются эти практики, какими оргзвеньями исполняются эти роли какими работами, какие роли и практики обеспечивают эти оргзвенья, т.е. занимаются постановкой целевой практики в оргзвеньях -- добывают откуда-то и учат в этих оргзвеньях людей, добывают и настраивают для них оборудование).

Затем эти многоуровневые и многоаспектные описания практики используются для самых разных целей, чаще всего для целей постановки практики (обучения той или иной деятельности, в случае танцев -- обучения танцам, или обучению деятельностям на смежных уровнях, например, обучению проведению вечеринок, или обучению управлению движением своего тела). Вот набор текстов, описывающих разные варианты использования этих многоуровневых описаний для практики социальных танцев:
-- Возможность структурированного моделирования (уменьшение сложности) в целях упрощения моделирования танца. Проект моделирования социального мультиданса, основанный на системном моделировании: слайды https://yadi.sk/i/nJOOK8ued8y6dQ
-- методологические размышления о танце (шаблоны и творчество, схематизация, функционально-ориентированное сознание в танцах): https://ailev.livejournal.com/1506774.html
-- возможность более быстрого развития/обучения танцоров. Для разных системных уровней танца есть разные модели. Меньше сложность – быстрее обучение, ниже входной порог. Результаты моделирования оформляются в виде учебных курсов, https://vk.com/wall-179019873_518
-- Системное творчество: из шаблонов нижележащих уровней можно делать нетривиальные конструкции на вышестоящих уровнях. Снятие противоречия танца и пляски -- https://vk.com/wall-179019873_616.
-- Сложные явления (например, ритмика в музыке) можно разложить по системным уровням – и добиться дополнительного понимания, https://vk.com/wall-179019873_585.
-- Построение системных (многоуровневых) программ развития танцоров, в том числе программ для мультиданса: нет пропусков и непонятных мест в планировании развития, https://vk.com/wall-179019873_534.
-- Более точные оценки времени на обучение (нижние уровни новичкам незаметны, но они определяющи в успехе и требуют огромного времени на освоение, верхние уровни задают потребности к нижним – и тоже требуют времени). Курс социального мультиданса как обращающий внимание на нижние уровни (системный фитнес и общетанцевальный кругозор), https://system-school.ru/multidance
-- Разные практики на разных системных уровнях – для учёта разделения труда профи (учителей, организаторов и т.д.), https://ailev.livejournal.com/1312157.html. [у нас в Школе на курсах мультиданса несколько преподавателей на курсе, они работают с разными системными уровнями для одних и тех же курсантов]
-- косвенное использование: в качестве образовательного примера при изучении системного мышления (танцы сложней hardware systems, но проще предприятий) в учебнике системного мышления (https://ridero.ru/books/sistemnoe_myshlenie/), тексте про системные уровни мышления в проектной деятельности (https://ailev.livejournal.com/1507279.html -- там прямая отсылка на проект системного моделирования социального мультиданса) и настоящем тексте про мереологию практик.

Удачность выбора практики социального танца в качестве примера в том, что он в части его системного описания сложней хардверных объектов, но проще предприятия. Хардверные объекты квазистатичны, их поведенческий/практический аспект не выпячен. Танец же (понимаемый как перформанс/исполнения его какой-то парой на вечеринке в случае социального танца) вообще не существует за пределами поведения, он описывается как набор поведений на разных системных уровнях. И само понимание системных уровней как выделяемых вниманием уровней воплощения системы легче даётся с танцем, нежели с примерами хардверных систем, даже если настаивать, что эти хардверные системы берутся в момент их функционирования (то есть в них есть какие-то процессы). Не видно, как функционирует атомная станция, как функционирует компьютер, как функционирует мозг человека. В танце всё видно, танец всем знаком.

Интеллект-стек мышления в выполнении проектов
Следующий уровень сложности -- это описание мышления в проектной деятельности. Сама по себе проектная деятельность (создание успешных систем) это практика, выполняемая какой-то командой. То есть это поведение ролевого объекта "проект", роль которого исполняется какой-то оргвозможностью/capability как оргзвеном (организованной, т.е. с известными полномочиями по распоряжению ресурсами командой проекта, плюс всеми необходимыми для выполнения проекта другими ресурсами -- материалами, оборудованием, финансы. И команда имеет полномочия эти ресурсы задействовать, включая задействие своего рабочего времени). Это всё описано в учебнике, но в учебнике не было уделено достаточно внимания системным аспектам такого описания -- мереологии практик мышления в проектной деятельности, как об этом думать в привязке к материальному миру.

Мы задаём тут интерес системного моделирования интеллекта и мышления для проектной деятельности по созданию успешных систем, а для других интересов потребуются другие описания (view) по другим методам описания/схематизациям (viewpoint).

Какой-то начальный вариант выделения системных уровней для мышления в проектной деятельности (интеллект-стек) был дан в https://ailev.livejournal.com/1507279.html. В этом тексте мы приводим этот интеллект-стек в более новой редакции с чуток подправленными именами ролевых/функциональных объектов-интеллектов и их поведений-мышлений, плюс ещё и дополним намётками мереологии не только практик мышления, но и просто практик жизненного цикла.

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")

Онтологически всё тут очень сыро и довольно кривовато. Термины могут ещё многократно уточняться, но с этим интеллект-стеком уже можно работать как с моделью системного разбиения для практик: как минимум, использовать его как прототип при составлении учебных программ (например, развития интеллекта курсантов Школы системного менеджмента), для создания программ развития предприятий и т.д. -- примеры самого разного использования тут задаёт модель системного разбиения в практиках социального танца.

В отличие от танца, в этом производственном интеллект-стеке нельзя сразу ткнуть внимание в какие-то движущиеся предметы, речь ведь идёт о работе интеллекта как функционального объекта, а конструктивные объекты (мозги и компьютеры) тут по факту неподвижны и тем самым они ускользают от непосредственного (без делающих невидимые глазу взаимодействия видимыми моделей и приборов, которые не нужны для танцев) усмотрения. Мышление как функция/поведение интеллекта невидимо, про него поэтому трудно думать.

Интеллект как функциональный объект с функцией мышления реализуется/воплощается частью мозга (и всё чаще и чаще вдобавок к нему частями компьютеров и других экзокортексов, вплоть до листочков бумаги и карандашей) на нижних (допроектных) уровнях интеллект-стека, а на верхних (постпроектных) уровнях так и многими мозгами и компьютерами.

Мозги и компьютеры вполне физичны, занимают экстент, поэтому интеллект как и любой функциональный объект по факту физичен (в учебнике физичность функциональных объектов особо оговаривается). Это уже снимает множество вопросов. Мышление как поведение/функция интеллекта тем самым оказывается привязано к пространству и времени. Но вот работа мозга и компьютера непосредственно не наблюдаема, а если и наблюдаема, то тамошние модели даются на таком низком системном уровне, что эмерджентность интеллекта и мышления не удаётся объяснить, а уж работу распределённого (коннекционизм) по многим мозгам и компьютерам интеллекта даже и представить, не только объяснить. Как же об этом думать? Как думать о системности интеллекта и мышления в проектной деятельности по созданию успешных систем?

Мереология мышлений в интеллект-стеке: что там части чего, что там целое к чему
Немедленно в случае интеллекта как вычислительной машины (неважно, фон-неймановской, гарвардской, коннекционистской или ещё какой архитектуры) мы сталкиваемся с путаницей отношений часть-целое и отношений вызова/подвычисления. Один экземпляр вычисления (как физического процесса в вычислителе, реализующем интеллект) может выступать фреймворком, тогда целевое вычисление вызывается как бы "внутрь него". Но если прикладное вычисление вызывает "библиотеку", то наоборот, как бы "внутрь него" вызывается вычисление библиотеки, библиотека тут часть прикладной программы.

Вопрос в том, не уводят ли нас бытовые слова "внутрь него" в кривую мереологию исполнения программ? Ведь речь идёт о "вызовах" на функциональном уровне, а на конструктивном уровне это обмен сообщениями, взаимодействие в обе стороны. Вообще, эти фреймворки-библиотеки модульное или функциональное рассмотрение? Конечно, рассмотрение модульное: вызовы обычно описываются как взаимодействие через API (интерфейс -- это время создания системы! Сборочное описание!), и речь идёт о сборке конструктивного целого из конструктивных же частей. Переходя к деятельности: как же нам лучше рассматривать части и целые в интеллект-стеке в связи с этими фреймворками и библиотеками? Алгоритмы системного мышления/системный интеллект, прошитый в мозге -- это фреймворк или библиотека по отношению к онтологическому и коммуникационному интеллекту? Или надбиблиотека? Кто там кого вызывает?

Проще всего, если мы от этих отношений "вызова" перейдём к более продуктивным рассмотрениям "совместной работы подсистем в составе системы". Если система не содержит какой-то своей части, она не выполняет своей функции. Extended enterprise -- это целое предприятие, в составе которого содержатся все предприятия-контракторы. Те, кто вызываются -- это "контракторы", выполняющие какие-то сервисы. Они являются частью той системы, которая выполняет работу в использующей их системе, если мы делаем системы, оказывающие эти сервисы. А если не делаем, а берём готовые -- смело можем считать их системным окружением и просто взаимодействовать как с окружением, не вникая в их устройство.

Поскольку мы считаем, что делаем системы-интеллекты для низкоуровневых сервисов, востребованных более высокими уровнями-интеллектами, то мы считаем их частями более высокого уровня интеллектов. Вот как это мы описываем на каждой паре таких отношений:

1. Функционально-ориентированное сознание (ролевой/функциональный объект) реализовано/воплощено как та часть мозга и экзокортекса (и даже мозгов и экзокортексов, сознание в его механистическом смысле не обязательно реализуется только одним человеком или компьютером), которая умеет удерживать внимание на понятиях, ориентированных на достижение какой-то цели. Чтобы провести какое-то размышление/вывод/inference/рассуждение нам нужно взять понятия, взять цель и подсунуть их этому сознанию. После чего осознанность не даст мысли уползти далеко от а) понятийного мышления в невнятные "образы" и б) будет удерживать мышление главным образом на тех понятиях, которые будут представляться ведущими в мышлении к цели, ибо без цели можно бесконечно бродить мыслью по паутине понятий, уползая дальше и дальше от начальной точки, обозревая синее небо над головой и нравственный закон внутри нас, которые самоизолируются -- ох, о чём это я тут пытался сказать? Вот ровно эта целенаправленность понятийной работы нужна для каждого мыслительного акта. Направленность на цель, т.е. функциональная ориентированность -- это основа для понятийной работы. Функционально-ориентированное сознание (и разные другие низкоуровневые механизмы поддержки интеллекта) мы пока не называем "интеллектом", но без обучения и тренировки этого сознания работа более высоких уровней интеллекта не получается. Качество нижних уровней обычно определяет качество реализации всей системы (какой бы более высокий уровень мы ни возмьём -- на нижнем уровне если не будет этого функционально-ориентированного сознания и прочих низкоуровневых функций, работать интеллект не будет. Банально не будет хватать внимания!).

2. Онтологический и коммуникативный интеллект реализуются как та часть мозгов и экзокортексов (тоже подчёркивается коллективный характер интеллекта -- не факт, что онтологикой и коммуникацией занимается одинокий мозг в вакууме), которые выполняют онтологическое мышление и коммуникацию его результатов, для какой-то поступающей из более высокого уровня интеллекта (системного мышления) ситуации, используя онтику с возможными мирами, актуальным миром, моделями мира, агентами, экспериментами по соответствию моделей и мира, оценками правдоподобия моделей, спектром формальности мышления от интуитивного до использования theory theory, правилами правдоподобных рассуждений aka логикой и т.д.. (можно поглядеть на эту онтику в содержании курса https://system-school.ru/united). Для того, чтобы иметь возможность удерживать весь этот могучий аппарат для выполнения полезных размышлений и коммуникации, используется функционально-ориентированное сознание. Нет этого сознания -- нет гарантии, что какое-нибудь длинное логическое контрфактическое рассуждение будет доведено до конца (банально без присмотра за вниманием для такого рассуждения может не хватить внимания, мысль уйдёт в свободный от целей и работы с понятиями полёт). Научное мышление, онтологические рассуждения, коммуникации с другими агентами отслеживаются на предмет удержания во внимании их целей и понятий, которые ведут к достижению этих целей, так что подпрактика функционально-ориентированной осознанности это часть практики онтологического мышления и коммуникации. Без функционально-ориентированной осознанности в онтологике и коммуникации результатов онтологического мышления и коммуникации не будет, как не будет каких-то общетанцевальных движений без надлежащей координации мышечных лент, как не будет результатов работы двигателя внутреннего сгорания без поршня в составе двигателя. На этом уровне специализируются онтолог, эпистемолог, лингвист, логик (а общую для них роль назовём онтологик). Само слово "мереология" в заголовке поста как раз из лексикона онтики этого системного уровня.

3. Системный интеллект выполняет рассуждения для создания успешных систем (т.е. цели уточняются, они уже тут не универсальны, как на уровне онтологики и коммуникации!). Именно на этом уровне мы работаем с онтикой, включающей понятия систем в их окружении и системного разбиения (минимально тремя способами), систем в обеспечении и их функционального (оргроли и их практики) и конструктивного (оргзвенья и их работы) представления, и многие другие понятия системного мышления. Заголовок поста "мереология практик" как раз про то, как рассуждения системного мышления про разбиение практик поддерживается онтологическими рассуждениями по мереологии (по тому как одни объекты являются целыми или частями по отношению друг ко другу). Так что практика онтологического мышления и коммуникации является частью системного мышления, без неё системный интеллект не работает (не будет системного мышления), ровно так же как не танцуется/практикуется база конкретных танцев без общетанцевальных практик, как не поедет автомобиль без мотора. На этом уровне нет какого-то выделенного названия роли, которая глубоко владеет системным мышлением (ну нету "системных мыслителей" и тем более "системных деятелей"!), но мы можем очень условно сказать, что разбираются с этим уровнем методологи. Пример с танцем и автомобилем мы тут приводить тоже не будем, оставим это вдумчивому читателю.

Вычислительный интеллект и выполняемое им вычислительное мышление мы тут подробно разбирать не будем (а подробности про него см. в https://ailev.livejournal.com/1477090.html).

4. Кругозорные/деятельностные интеллекты (системно- инженерный, менеджерский, предпринимательский, здравоохранный, педагогический, правоохранный и т.д.) -- практики системно- инженерного, менеджерского, предпринимательского, здравоохранного, педагогического, правоохранного и т.д. мышления требуют системного мышления и вычислительного мышления (вычисления с системными моделями) для достижения своих результатов. Нет системного мышления -- нет системной инженерии как метода (наборе практик "под ключ" для инженерных задач), нет системноинженерного мышления как подпрактики мышления в системной инженерии.

5. Для прикладных практик тут хитро: кажется, что прикладные мыслительные практики являются частями кругозорных практик (инженерия требований в варианте Use Case или Jobs-to-be-done "входит" в системную инженерию). Но мы считаем по-другому: понятие "требований" и даже самой инженерии вводится в кругозорном/деятельностном интеллекте. И прикладная практика задействует системноинженерное мышление, чтобы не потерять своей фокусировки на достижении прикладного результата. Ровно так, как функционально-ориентированное сознание не даёт утечь логической мысли, так и системная инженерия не даёт утечь мысли прикладной практики, она фокусирует практику на получение приемлемого результата прикладного мышления. Так что мы считаем, что в прикладном мышлении по Use Case требуется системноинженерное мышление. Наш опыт показывает, что без наличия навыков по всему нижележащему мыслительному стеку (включая понятие о системной инженерии!) прикладное мышление не работает -- см., в частности, "почему не работают трёхдневные курсы ни для менеджеров, ни для инженеров", https://ailev.livejournal.com/1430047.html. Это контринтуитивно, и можно ещё подумать о том, как устроен на этом уровне интеллект-стек, но пока оставим прикладные практики как надпрактики для деятельностных/кругозорных, а не наоборот. Но согласимся, что какой-то дребезг в этом месте есть и будем думать ещё.

6. Мышление выполнения проекта (тут будем аккуратны в словах, чтобы не путать с "проектным мышлением" как выполнением практики проектного менеджмента, мы же тут говорим о всём мышлении в проекте) выполняется командным интеллектом, реализуемым мозгами и компьютерами команды проекта. Понятно, что оно состоит из самых разных прикладных мышлений, реализуемых самыми разными прикладными интеллектами. Собственно, "прикладные" они и были ровно потому, что прилагаться должны к созданию целевой системы -- именно с этого уровня идёт проектное целеполагание. В этот момент (у нас же команда!) появляются люди, задающие вопросы про принцип методологического индивидуализма (не порождаем ли мы каких-то "субъектов коллективной воли" типа колхозов или государств, не антропоморфизируем ли конгломераты из людей и компьютеров?). Но у нас вроде как не нарушаются эти принципы. При этом мы хорошо отвечаем и на вопросы про уместность социальной инженерии: в команде проекта есть организация, полномочия по распределению ресурсов в команде (ближнем порядке по Хайеку) хорошо понятны, это не дальний порядок (рынок, общество в целом). Трудно думать о распределённом интеллекте и соответствующем ему мышлению (всё мышление для выполнения какого-то проекта, кто бы его ни делал!), но можно.

7. Дальше "там драконы", конец привычных рассуждений. Но выше проектного уровня мы меняем терминологию, и говорим о культуре предприятия не столько как о представлениях о том, что считаем на предприятии хорошим и плохим, но как о мышлении, реализуемом той частью предприятия, которая выполняет самые разные проектные мышления (мозги и компьютеры) разных проектов предприятия (и включим сюда в том числе и проекты развития, а не только проекты по созданию целевых систем). Заказ на мышление выполнения проектов идёт с этого уровня культуры предприятия. Распределённый командный проектный интеллект -- часть распределённого интеллекта предприятия. Все вопросы предыдущего уровня про методологический индивидуализм и социальную инженерию остаются в силе, но мы пока ещё в ближнем порядке (хотя масштабы современных транснациональных корпораций заставляют в этом уже сомневаться).

8. Оставим пока подробности уровней эко-системы и глобальной производственной системы. Принципы рассуждения там те же, но мы не собираемся пока на них как-то влиять (ибо тут уже не уклониться от вопросов по социальной инженерии, политике и всему такому), поэтому оставим пока эти уровни без комментариев. Но потом мы, конечно, вернёмся и всё проясним. Когда-нибудь. Пока же Школа больше интересуется нижними уровнями интеллект-стека, и даже до уровня прикладных практик.


DISCLAIMER. Я понимаю, что у этого текста не так много читателей. И что его можно было бы изложить много понятней. Но я руководствовался принципом release early, release often. Идея этого стека интеллектов кажется мне весьма продуктивной, а пример аналогичного стека для танцев это подтверждает. Развитие этой идеи наверняка приведёт к очередному уточнению учебника системного мышления: не удивлюсь, если летом я опять буду этот учебник переписывать.
2019

Образование для образованных: системные уровни мышления для выполнения проекта aka интеллект-стек

Я довольно много потратил времени на эксперименты по раскладыванию нетривиальных практик по системным уровням. Это раскладывание нужно обычно, чтобы упростить понимание практики, обучить быстро компетенциям для этой практики, а также разобраться с планированием совершенствования и развития в части роста мастерства по этой практике. Грубо говоря, для того, чтобы нетривиальную практику сделать тривиальной.

Я взял для этого социальные танцы, все сразу по отдельности и вперемешку, блог этого эксперимента см. в https://vk.com/buffdance. Там уже сотни страниц, этой истории ровно год, сообщество появилось 1 марта 2020, сейчас там 423 человека уже, и даже есть первые выпуски по собственно танцевальной линии. Экспорт системного мышления и онтологики в танцы был очевиден, результаты в танцах очевидны. Но мой изначальный коварный замысел был в создании "подхода": я хотел на этом примере пощупать границы системного подхода, разобраться с тем, как работать с системными уровнями для нетривиальных случаев. Ну что, пришло время попробовать собрать материал по этим системным уровням в какую-то связную картинку. Внимательный читатель моего блога не найдёт так уж много нового в плане содержания, но в плане структурирования уже наработанного за последнюю пару месяцев произошли кардинальные изменения.

Итак, я беру для моделирования центральную практику -- практику мышления при выполнении проекта (в самом широком смысле слова "проект" -- тут и кейс, и "программа" и что угодно. И я ещё и практику имею ввиду, задействующую все семь альф. Поэтому аккуратно говорю "выполнение проекта" как некоторая система). В проекте мы используем множество прикладных практик и мышления в них. Каждая практика включает в себя учёт некоторых базовых вещей, общих для всех практик (задействует трансдисциплины. Так все практики работы с требованиями учитывают положения системной инженерии в целом -- без этого будет вместо инженерии требований детский лепет самоучек).

И вот они, системные уровни мыслительной проектной работы. Для тех, кто поглядел работы моего танцевального цикла, выполнение проекта -- это аналог уровня перформанса/исполнения танца на вечеринке. Предприятие -- аналог вечеринки со многими танцами. Композиция составляется сама из лексики -- фигур, аналогом в случае проекта будут прикладные практики. Если разобрались с таким относительно простым процессным объектом, как "танец на вечеринке", то понимать дальше написанное про более-менее произвольные практики как процессные объекты будет много легче.

Главное -- это понимать основную идею системных уровней:
-- речь идёт о стеке времени эксплуатации, и когда мы говорим о мышлении, то мы рассматриваем автоматизмы мышления (свёртки в быстрое интуитивное мышление) в развёрнутом виде медленного рассудочного мышления (хотя такое мышление задействовано обычно только в момент обучения).
-- более нижний уровень входит как составная часть в более высокий. Буквально: поведение по практикам более низкого уровня входит как составная часть в поведение по практикам более высокого уровня. Когда выполняется проект, то там работает и функционально-ориентированное сознание, и выполнение проекта входит в те проекты, которые выполняются в эко-системе. А ещё уровни очень условны: это ж не матрёшка вложенности одного в другой, а граф вложенностей. У меня тут показаны просто основные элементы "в столбик", и только. Хотя для разнообразия и как повод для обсуждения и исследований я показал, что системное мышление и вычислительное мышление тут на одном системном уровне. Но такое на каждом системном уровне: там множество практик, множество трансдисциплин (трансдисциплины они ровно потому что рассматриваются как лежащие на другом системном уровне).

И да, я тут явно напираю на мышление (поведение интеллекта участников проекта) по поводу выполнения проекта, а не всего связанного главным образом с перелопачиванием вещества и обменами энергией поведения людей, оборудования и компьютеров. Поэтому мои системные уровни выполнения проекта выделены удобным для моих целей подъёма интеллекта в выполнении каких-то прилетающих из будущего проектов. И я даже могу говорить о мышлении при выполнении проекта, почему бы и нет.

Системные уровни мышления для выполнения проекта/интеллект-стек:
-- производственная культура
-- эко-система
-- предприятие (расширенное! не юрлицо!)
-- мышление при выполнении проекта
-- прикладные дисциплины
-- кругозорные трансдисциплины
-- системное мышление, вычислительное мышление
-- онтологика и коммуникация
-- функционально-ориентированное сознание

Ниже прикладных дисциплин -- трансдисциплины, или методологические дисциплины (в них обычно обсуждается прикладной метод, "как делать" какую-то задачу. Я тут просто замечаю, что в актуальный момент времени работает внимание, которое поддерживает какое-то логическое построение, которое делается в рамках системного мышления с привязанными к границам целевой системы проекта объектами системной инженерии, менеджмента и предпринимательства, с которыми работают какие-то прикладные практики в каком-то проекте по созданию или изменению целевой системы, и это часть того, что происходит в расширенном предприятии, которое само часть рыночной эко-системы, которая сама часть производственной культуры на глобусе (а где-то уже далеко внизу по системным уровням мы понимаем, что прямо сейчас в чьём-то мозгу удерживается внимание на понятиях -- это всё просто многоуровневое рассмотрение какой-то интеллектуальной деятельности, всё это "одномоментно" в момент выполнения проекта).

Обратите внимание, что этот интеллект-стек обсуждает не только то, что в голове у одного человека -- в головах команд (или даже целых сообществ! мы недаром начали говорить о сообществах и культуре -- https://ailev.livejournal.com/1505198.html) и их компьютеров (корпоративных, или социальных сетей, тут неважно. У нас в рассмотрении и экзотела-инструменты, и экзокортексы-компьютеры, см. материал про подъём осознанности компьютерами в организациях -- https://ailev.livejournal.com/1488271.html).

Я эти системные уровни обозвал также и интеллект-стеком, ибо чем ниже системный уровень и более он развит, тем выше у меня возможности по освоению нового, решению неожиданно возникающих задач, то есть выше интеллект (см. подробней материал "спасайся, кто может: поднимайте свой интеллект, ибо непонятно, от чего спасаться -- https://ailev.livejournal.com/1505596.html). Если у меня будет много выше среднего функционально-ориентированное сознание, то я смогу быстро освоить весь этот стек. Если прокачаю онтологику и коммуникацию -- быстро со всеми договорюсь (хотя и непонятно ещё, о чём!). Системное мышление позволит сориентироваться в сложном командном проекте, независимо от его предметной области. И так далее по всем уровням этого стека. И да, я помню, что термин "интеллект-стек" я уже использовал для описания технологического стека для AI (вот, например, пост 2017 года про NVIDIA как поставщика инфраструктуры для интеллект-стека -- https://ailev.livejournal.com/1380163.html). Но уж больно хорош термин, и грех его не использовать и для человеко-машинного (люди и их компьютеры) командного интеллект-стека, который мы рассматриваем в связи с выполнением проекта.

Для чего мне нужен этот стек? Для того, чтобы в момент встречи с новым неизвестным мне выполнения проекта (встреча с чудищем обло, озорно, огромно и лайяй) я смог бы быстро сориентироваться в происходящем, чтобы ни происходило. Как быстро? Ну, мне необязательно бежать от льва быстрее всех. Мне достаточно бежать быстрее самого медленного бегуна )))

Как я сам пришёл к этим системным уровням? Ну, в моей практике консультанта по стратегиям я каждый раз оказывался в проектах, в которых никто не понимал, что делать, с чего начать и куда бежать. И мне приходилось с этим разбираться. За счёт чего? Ну, мне свезло: я довольно рано в жизни (хотя и после окончания университета главным образом) освоил некоторое количество практик нижних уровней интеллект-стека. Поэтому и считался весьма неглупым. Но эта "неглупость" у меня была не врождённая, а выученная!

Дальше мы можем делать с этим вот представлением о системных уровнях выполнения проекта/интеллект-стека следующие практики:
-- разбираться, где проблема в проекте. То ли вообще не тот проект делаем, не учитываем внешнего контекста, то ли сбой в каких-то прикладных практиках, то ли просто у людей в голове такой кавардак, что не хватает ни личного, ни коллективного (обслуживаемого корпоративными информационными системами) внимания. Каждая беда должна чиниться на своём системном уровне, ибо на каждом системном уровне есть спецы, разбирающиеся именно с ними. Пример из танцев -- https://ailev.livejournal.com/1504253.html
-- понимать, как мне строить развитие: чему и в каком порядке учиться, на что обратить особое внимание. Это просто чеклист того, чему нужно уделить внимание вот прямо сейчас, чтобы поднять свой калибр личности. Когда новое тебя застанет, будет поздно думать о развитии на нижних уровнях. Придётся ориентироваться в изменении ситуации на верхних уровнях. А нижние уровни нужно прокачивать загодя. Пример такого в танцах -- план развития мультиданс-танцора: https://vk.com/wall-179019873_534
-- раскладыванию разбирательства с какой-то сложной практикой по системным уровням. Пример из танцев -- раскладывание ритмики: https://vk.com/wall-179019873_585
-- выстраивать инфраструктуру обеспечения (ибо все эти компетенции на каждом уровне нужно кому-то исследовать, а затем изготавливать). Вот я как директор по исследованиям в ШСМ тем самым имею этот интеллект-стек как модель, на которой я обсуждаю потенциальные целевые системы Школы и принимаю решение, что разворачивать в Школе, чтобы их получить.
-- ... множество самых разных других применений, ибо удачные представления используются как "подход" зачастую совсем не там, где их удалось разработать. Так, системный подход отрабатывался главным образом на описаниях геобиоценозов, а потом оказался очень успешен в менеджменте и инженерии. Надеюсь, что так же успешен системный подход (а выделение системных уровней -- это ровно и есть применение системного подхода!) будет и в приложении к работе с выполнением произвольных неожиданных и сложных проектов, куда нас заносит судьба.

Все эти вопросы будем обсуждать как на моём курсе "Образование для образованных" (современное его состояние я откомментировал в https://ailev.livejournal.com/1502184.html, но до 14 марта, когда начнётся курс, я ещё подкручу слайды с включением материала этого поста), так и на конференции "Прикладное системное мышление" 21-22 марта 2020 (https://ailev.livejournal.com/1506456.html).

UPDATE: обсуждение в чате блога -- https://t.me/ailev_blog_discussion/1879
2019

Об цифровую трансформацию: то же оргразвитие, и даже не в профиль

Развитие -- это когда организация научается делать что-то новое (или делать что-то по-новому), т.е. прихватывает практику на основе новой дисциплины. Совершенствование -- это когда организация меняет одну технологию на другую, или улучшает логистику (быстрее проходит цепочка технологических операций, в том числе исключаются waste работы), но дисциплина в этих улучшениях остаётся та же, доучивать приходится только пользованию новыми инструментами или новыми последовательностями тех же процедур.

Цифровая трансформация -- "цифровая" означает, что будет много компьютеров. Как будто их не было и в автоматизации! Автоматизация -- вроде как что-то делал человек, а потом это же стал делать компьютер. Но нет, если что-то стал делать компьютер, то он это будет делать по-другому, и человек тоже займётся чем-то другим: организация от использования компьютеров не столько "автоматизируется", сколько "трансформируется". Ага, с использованием компьютеров. По сути дела, речь идёт об организационном развитии

Можно было бы поддаться веянию времени и начинать говорить о цифровой трансформации, это ж синоним (цифровой -- компьютеризированный по самые брови, трансформация -- это как раз оргразвитие), но этот термин как придёт, так и уйдёт. Скоро, скоро уже заговорят о какой-нибудь "искусственноинтеллектуальной трансформации" или как это будет называться (когда выяснится, что подойдёт не просто работа с данными, а только работа с данными при участии машинного интеллекта), заменят компьютеры на квантовые -- это будет "квантовый оргскачок" и так далее. Вон, несколько дней назад Гартнер выдал новое слово "hyperautomation", гиперавтоматизация. Что, выучиваем и его? Больше buzzwords богу buzzwords?

Мы помним, что почта вдруг стала электронной, а потом просто почтой (а потом переписка ушла вообще мессенджеры и какие-нибудь Slack или MS Teams). Бухгалтерия тоже становилась механизированной (с Феликсами и табуляторами на перфокартах), а потом компьютеризированной, а потом осталась бухгалтерией.

Вот и мы так же. Будем говорить о развитии организаций (оргразвитии, просто развитии), а что новые прихватываемые практики опираются на самые свеженькие информационные технологии, машинный интеллект, а также завязаны на новые дисциплины с этим связанные, мы говорить не будем.

Нам не нужно называть проект так, чтобы попадать в правильную строчку госбюджета. Все эти поветрия с модными buzzwords приходят и уходят, а шаги развития организации, которые нужно делать -- остаются. И они сегодня не бывают без компьютеров.

Повторюсь:
-- компьютеры используются для того, чтобы была память для модели организации (архитектура, операционный учёт)
-- компьютеры используются для управления коллективным вниманием к этой памяти (issue tracking, управление работами)
-- компьютеры используются для принятия решений (машинный интеллект, и не нужно думать об AGI. Любое вычисление подойдёт, лишь бы не в голове человека).

Подробней об этом я писал в:
-- системная осознанность, https://ailev.livejournal.com/1487672.html
-- киборгизация людей и организаций: поднимаем осознанность, то есть рулим вниманием, https://ailev.livejournal.com/1488271.html

И мы всё это используем в нашем проекте развития -- использование информационных технологий в реализации стратегии Школы:
-- EdTech для blended learning -- те же PLM/ALM + CAD/CAM/IDE, только в образовательный профиль, https://ailev.livejournal.com/1473691.html
-- чего мне не хватает в MS Teams -- https://ailev.livejournal.com/1490524.html
-- стратегирование Школы системного менеджмента -- https://ailev.livejournal.com/1493744.html
-- видео семинара по созданию AIsystant и blended learning services, https://ailev.livejournal.com/1494270.html
-- чеклисты в blended learning services: не прощёлкать важное, но и не забюрократизироваться, https://ailev.livejournal.com/1497117.html
-- множество заметок в lytdybr (например, https://ailev.livejournal.com/1496250.html -- там я говорил про RPA как ведущий тренд)

Дальше нужно понимать, чем же именно проекты развития с компьютерами отличаются от "просто проектов развития". По большому счёту, ничем. Но в этих проектах развития заимствуется огромное число находок из управления жизненным циклом и управления работами из software engineering. В частности, в управлении жизненным циклом из существенных новаций можно заметить DevOps (плавно переходящее в NoOps, https://ailev.livejournal.com/1367897.html) и свеженький его извод SRE (site reliability engineering, включая обширную дискуссию его похожести и отличий от DevOps -- главным образом то, что в NoOps куда-то делись Dev, а в SRE они в полной мере присутствуют).

Так что отдельных курсов в Школе системного менеджмента по цифровой трансформации не будет, но тема вполне раскрывается -- это курс "Системный менеджмент и стратегирование", ибо день "совершенствование и развитие" (да и все остальные дни, впрочем, тоже) там как раз про вот это вот всё. Организаций без цифры уже не бывает вообще, организации без развития/трансформаций (конечно, с цифрой!) -- мертвы, и скорее раньше, чем позже.

В НИУ ВШЭ мы читаем также курсы в магистратуре "Цифровая трансформация образования" -- https://www.hse.ru/ma/dt/. Там, конечно, всё завязано на госбюджет, поэтому "цифровая трансформация". Мы же сказали бы просто: это школа менеджеров развития образования. Если есть практика организационного развития, то есть и деятельностная роль -- управляющие развитием, менеджеры развития.

В Школы мы сделали отдельный чат поддержки выпускников, которые ведут проекты развития в своих или в клиентских организациях. И в ближайшее время проведём несколько семинаров, где будем обсуждать их проекты развития (пока запланирована уже парочка, но их будет много, много больше). Отдельно говорить о том, что это проекты "цифровой трансформации", "информатизации", "автоматизации" и т.д. -- не нужно. Это само собой. По-другому не бывает.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10216830525489499
2019

Dell XPS 13 Transformer 2-in-1

Оказывается, моему компьютеру Dell XPS 13 2015 (модель 9350-8293) уже четыре года без пары месяцев (куплен в январе 2016 -- https://ailev.livejournal.com/1242520.html), и там начали раздаваться глухие подземные стуки (типа распухающей батареи, гнущей системную плату и клавиатуру). Я их испугался и купил вчера трансформер Dell XPS 13 2-in-1 7390-7880 с док-станцией WD19TB.

Отличия в минус: вентиляторами шумит заметно погромче старого (хотя это, возможно, индексатор какой-то или антивирус работает -- там ведь всё заново индексировать нужно), кроме двух портов Thunderbolt Type-C других портов нет, и на сто грамм тяжелей. И глянцевый экран, этот ужас, летящий на крыльях любых источников света.

Отличия в плюс: памяти вдвое больше (16Гб), диск вдвое больше (512Гб) и чуток побыстрей, процессор вдвое больше (4 ядра 8 тредов), экран вчетверо больше (4К), экран Touch с HDR 4K, WiFi 6 (который 802.11ax), а ещё экран перегибается назад полностью, так что эта штука превращается в планшет (отсюда и два-в-одном в названии). Закон Мура уже на излёте, но потихоньку работает.

Перенос всего нажитого непосильным трудом со старого компа на новый делал через программу (честно купил!) https://web.laplink.com/product/pcmover-professional/. И она всё (ну, почти всё) перенесла. И даже кое-что автоматом активировала (но кое-что другое активировать нужно всё одно вручную). Времени сэкономлено невероятное количество. Впервые переезд был сделан за один неполный день.

Заодно дошли руки и роутер поменять (старый на больших аплоадах уже затыкался, тоже от старости): ASUS RT-AC1200.

Побочный эффект уже проявился: я пытался уже пару раз тыкать пальцем во внешний экран 43" и внутри себя возмущаться в том, что ничего не происходит. К хорошему привыкаешь быстро.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10216588431237294