Category: компьютеры

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
2019

Об конспекты

В группе blended learning обсуждают эксперименты, показывающие преимущество написания конспектов ручкой, а не набор конспекта на клавиатуре. Они б ещё пообсуждали написание конспекта процарапыванием вощаных табличек или палочками на песке ))) Вот тут: https://www.facebook.com/groups/blended.learning.russia/permalink/2426775150898353/

Я бы вообще проблематизировал ведение конспекта как деятельность. Мне представляется, что польза от конспекта -- ноль. Или решение задач, или сочинение собственного текста или какие другие упражнения, но уж точно не копирование и не "делание заметок" -- они бессмысленны. Память у человека сейчас в компьютере, а поиск в компьютере упражнять не нужно.

Я к тому же не верю всяким одиночным психологическим экспериментам, по которым затем делаются далеко идущие выводы. Воспроизводимость этих экспериментов чаще всего крайне низка, переносимость выводов на иные чем в эксперименте ситуации тоже никакая.

Поэтому у меня blended learning -- в курсе системного мышления сейчас 181 задача, но в ответах мы будем требовать письменного обоснования. По факту тут нужно будет приводить рассуждение из учебника, но с клавиатуры. Или даже надиктовывать -- всё одно. Фишка не в том, чтобы запомнить это рассуждение. Нужно понять, какое из рассуждений в учебнике на 530 страниц привести, да ещё и применить его к ситуации из задачи. И это работает в разы лучше ведения любых конспектов.

И тут нужно заметить, что все эти конспекты -- это лень преподов. В самом ленивом случае они не готовят слайды к своим лекциям (по каковым слайдам через полгода после лекции можно вспомнить общее содержание, о чём речь. Скажем, только картинки даже без заголовков -- это плохие слайды. Слайды как раз и есть конспект). Слайды -- это менее ленивый случай. Но правильный случай -- это учебник и задачник. Хотя учебник -- это очень, очень трудно. Но надо. И тогда не нужен конспект. Ибо есть учебник и полнотекстовый поиск в нём. А запоминается всё в деятельности, а не в зубрёжке-повторении.

Если уж совсем хочется быть извращенцем, поставьте замедление на клавиатуру. Чтобы нельзя было быстро печатать. Зачем ухудшать устройство ввода, переводя с клавиатуры на ручку? Ухудшайте сразу клавиатуру ))) Можно ещё запретить пользоваться десятипальцевым методом печати и разрешать печатать только одним пальцем -- и сравнивать с набором на полной клавиатуре. Для меня письмо ручкой -- это ровно такие эксперименты. Ещё можно добавить в базу сравнений в этих экспериментах письмо ручкой, но ногой или хотя бы левой рукой (или правой рукой для левшей). Постановка этих экспериментов вызывает огромные вопросы! Это даже если отвлечься от задачи конспектирования как бессмысленной деятельности.

Напомню, что раньше я затрагивал тему письма ручкой как анахронизма в плане "необходимости для обучения": в тексте "черчение и мелкая моторика: удавливаем мультитаскинг" приведен ещё десяток ссылок на другие тексты -- https://ailev.livejournal.com/1291971.html. И там разбираются самые разные аргументы "за" и "против".

Если письмо ручкой так хорошо для интеллекта, почему вокруг меня никто-никто не пишет ручкой? Все почему-то увеличивают производительность своей интеллектуальной работы при помощи клавиатуры, а не при помощи ручек! Цивилизация опасносте! Средство усиления работы мозга осталось только у детей, в заповеднике "дня сурка" -- в официальной школе! Последние хранители тайного знания как работать головой лучше -- педагоги, заставляющие писать детей ручкой! )))

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10216363160085656, ВКонтакте -- https://vk.com/wall2449939_2412, телеграме -- https://t.me/ailev_blog_discussion/510

Как обычно, много комментов (включая к оригинальному посту в группе blended learning -- https://www.facebook.com/groups/blended.learning.russia/permalink/2426775150898353/), тема исключительно холиварная.
2019

Поиск-ориентированная системная инженерия, 2019

Важное замечание от Rich Sutton, что весь прогресс в AI в конечном итоге определяется грубой вычислительной силой, а не хитрой алгоритмикой -- The Bitter Lesson, 13 марта 2019, http://www.incompleteideas.net/IncIdeas/BitterLesson.html. Как бы мы ни пытались кодировать AI, побеждают в конечном итоге методы, опирающиеся на огромные вычисления, связанные с поиском и обучением. Мир дико сложный, и его нужно как-то аппроксимировать в моделях. Но эти аппроксимации должны искать не люди, их должны находить (search) и выучивать (learn) простые алгоритмы, которые могут это делать лучше при добавлении вычислительной мощности, даже если текущие вычислительные мощности кажутся достаточными.

Я бы это замечание отнёс и к интеллектуальной деятельности всего человечества, делаемой в соответствии с "квазиэволюционностью", open-endedness: https://ailev.livejournal.com/1463013.html. Мы занимаемся изучением/исследованием/выучиванием окружающего мира, наука=learning. А в инженерии мы ищем/search решения. Я ещё в 2014 писал "поиск-ориентированная системная инженерия и другая пост-моделеориентированная жизнь", https://ailev.livejournal.com/1122876.html, и там "5. Компьютерный поиск (порождение, вывод, вычисление) требований, архитектуры, тестов -- это и есть следующее поколение системной инженерии, непосредственно следующее за переходом к моделеориентированности. Для этого нужно искусственное инженерное воображение (экономная генерация всё более и более подходящих вариантов инженерных решений) и искусственный инженерный вкус (умение оценить эти варианты)".

И это означает по факту, что помере ухода науки в компьютеры она будет обзываться learning (в пределе -- self-supervised learning, https://github.com/jason718/awesome-self-supervised-learning). А по мере ухода инженерии в компьютеры она будет поиском решений -- search. И прежде всего архитектурным поиском, architectural search (поиском самого важного -- настолько важного, что при нахождении другого решения придётся перенаходить все остальные решения). И это будет поиск не только нейроархитектур, но и архитектур общего вида (пример поиска архитектуры тела робота я давал уже в первом абзаце https://ailev.livejournal.com/1469543.html). Все работы по алгоритмике обучения (deep learning в том числе) и алгоритмике поиска (архитектруного поиска, но в том числе и различные generative подходы, типа GAN) -- это работы по алгоритмике науки и инженерии.

Если делать сегодня курс системной инженерии, то опираться нужно именно на эти рассуждения и делать курс совместимым с именно этой методологией разработки, этой терминологией, которая берётся из AI-intensive systems. Авиастроение девяностых или даже автостроение нулевых (software-intensive systems, cyber-physics systems) уже не подходят. А вот то, что происходит сейчас с беспилотниками и роботами -- вот это самое оно. Это сегодняшний фронтир (и даже немного дальше, чем фронтир), завтрашний мейнстрим. Нужно осмыслять происходящее сейчас с data engineering, data science (это по факту одно с software engineering, computer science, недаром Хинтон, Бенжио и ЛеКун получили тьюринговую премию пару недель назад, их ACM, Association for computing machinery, признала за своих -- https://awards.acm.org/about/2018-turing. Алгоритмы глубокого обучения, алгоритмы AI, просто алгоритмы эти работают с данными -- но какие алгоритмы не работают с данными?!).

А оформлять результаты этого осмысления нужно сразу в удобной для усвоения людьми форме: делать современный курс по практикам системной инженерии. Той, которая с использованием AI-алгоритмов -- таким же повсеместным, как использование "просто компьютера" (PLM, CAD, digital twin и т.д.) в предыдущем варианте системной инженерии. Какое там будет buzzword для такой инженерии? Поиск-ориентированная/search-based? AI-aided? AI-assisted? Не знаю, но оно точно появится.
2019

lytdybr

После покупки яндекс.станции мы всё время вспоминали анекдот про покупку барабана пятилетнему ребёнку: из комнаты вьюноша доносились вопли споров с Алисой (вопли, потому как музыку нужно сначала перекричать, чтобы Алиса тебя услышала -- а она как глухарь на току: чем громче играет, тем меньше тебя слышит, но если тебя и слышит, то в ответ тоже кричит) и совершенно дикая тинейджерская музыка по всему дому на дикой громкости с диким качеством (написано во всех обзорах, что яндекс.станция бухтит: искусственно задранные недобасы, провалы по высоким и средним, чтобы легче было до неё докричаться -- это всё правда, бухтит, это полный аудиофильский и даже меломанский ужас). А потом потихоньку всё прекратилось, и через пару дней основной режим -- это с выключенными микрофонами и тихнько скорчащим телефоном с той самой тинейджерской музыкой. Почему? Много причин:
-- управлением голосом правильную музыку из Станции не извлечёшь, в компьютерном/телефонном/планшетном интерфейсе это в разы и разы быстрее,
-- Станция любимой музыки просто не имеет (как я понимаю, люди разлетаются сейчас стремительно по нишам -- кто-то слушает каверы на игровые мелодии, как наш вьюнош, и их на яндекс.музыки нет, кто-то слушает кизомбы, которых тоже там нет, так что остаётся "много мейнстрима". Ну не его же слушать? Хотя я слушаю во время работы именно его. А для хобби? Для хобби музыки там, конечно, нет -- её ищу отдельно в каких-нибудь soundcloud или даже прямо в youtube. Вот и вьюнош имеет youtube источником музыки, а яндекс.станция этого не понимает).
-- родители всегда теперь знают, чем ты занимаешься: музыку ищешь, или уроки делаешь. Поэтому лучше тихий скворчащий звук под одеялом, чем громкий бухтящий звук и получасовые переговоры с Алисой, выдающие тебя и твои интересы на всю квартиру.

Появление в доме отдельного от компьютера предмета, с которым можно поговорить -- это забавно. Особо доставляет аттракцион с просьбой прочитать новости. Читает новости Алиса мужским баритоном с интонацией народного артиста, отмоделированной на чтении каких-нибудь вечеров на хуторе близ Диканьки. Что выразительно, взахлёб и радостно рассказывает это не человек, понять можно только по какому-то дикому сбою в ударениях или произношении где-нибудь на каждой пятой фразе. Утюги, скоро с нами по душам будут разговаривать утюги. Хотя тут предполагается три варианта решения:
-- домовой ассистент (тот кто победит: Алиса, или помощник гугля, или Кортана, или Алекса и т.д.) перехватывает управление утюгом и всем остальным, общаться будете с ассистентом, а уж он поговорит с утюгом. Это текущая модель "умного дома", где диспетчер-помощник рулит всеми гаджетами дома.
-- общаться будете с утюгом, но таки из него вещать будет домовой ассистент. Как Агент Смит, он будет оказываться в каждом новом умном устройстве дома.
-- общаться будет сам утюг, а в сторону домашнего ассистента он будет отпускать злые шутки, а иногда и вообще дурить (приказывая ему, например, заткнуться -- и делая это голосом хозяина. А то и заказывая какую-нибудь гладильную отдушку голосом хозяина, используя домового ассистента и все его неизбежные авторизации).
Весёлая жизнь настаёт.

Идёт CES, которая оказалась отнюдь не вся про потребительскую электронику (чего только стоит презентация на ней квантового компьютера IBM), а атмосфера тамошних анонсов совсем другая, нежели в предыдущие годы. Сегодня она закончится, и можно будет попробовать понять, что происходит. Но я боюсь, что не пойму: всего происходит слишком много, и оно очень запутанно связано друг с другом.

Жизнь как-то буквально на глазах меняется, меняются представления о SoTA. Вот я тут спорю с Петром Щедровицким на эту тему (он считает, что это всё развитие идей древних философов, а я утверждаю, что философов там рядом не стояло, и если внимательно смотреть каждый шаг, то его делают инженеры, абсолютно не опираясь на работы этих философов. И показываю, что даже при "похожих" идеях инженеры находят различия -- на примере склоки между Шмитхубером и Гудфеллоу): https://www.facebook.com/petr.shchedrovitskiy/posts/2017510011669219. "их компьютеры это просто воплощение 2,5 очень простых философских идей 1000 летней давности" -- вот ни разу в жизни. Не их идеи воплощались, а идеи изобретателей компьютеров. И опирались эти изобретатели компьютеров не на мысли философов, а на совсем другие мысли совсем других людей (включая свои собственные мысли). Это даже не суп из топора "компьютер из мыслей философов". Расскажите, как философия помогла IBM создать их квантовый компьютер -- то-то они удивятся. Но философы наверняка найдут какого-то древнего грека-любомудра, который "был предтечей". Не был предтечей, ни разу не был, это wishful thinking так считать. И похожими все эти мысли философов и создателей современной техники могут считать только сами философы, ровно как и протягивая стрелку причинности между этими мыслями. Вот никаких там отношений причина-следствие нет!

Похоже, нужно просто брать и делать из cognitive behavior therapy другую дисциплину: cognitive behavior engineering -- когнитивную поведенческую инженерию. Сделать для неё минимального размера кругозор, а дальше в этой терминологии формулировать небольшой набор практик, нужных для акторского/стейкхолдерского мастерства. Это ничего, что имя берётся с запасом и на вырост. В этой предметной области любой исследователь берёт и делает себе небольшую методологию, надёргав туда пару десятков практик известных и добавив туда парочку своих собственных практик на базе какой-нибудь общей для этого десятка практик метафоры. Вот мы тут будем ничем не хуже всех остальных. При этом слово "инженерия", надеюсь, будет отпугивать эзотериков. Чего инженерим? В НЛП они инженерят человеческое совершенство (exellence). Ну, мы будем инженерить человеческую успешность — определяя её по системноинженерному (то есть как результаты деятельности синженерённого человека, удовлетворяющие стейкхолдеров) и учитывая наличие экзокортекса. Кстати, Бэндлер уже делал "инженерию" -- Design Human Engineering, тоже интересный проект, http://www.nlp-kh.com.ua/baza-znanij/o-nlp/napravleniya/677-dhe.

Пришли результаты продаж декабря в Ridero. На сегодняшнее число "Системного мышления" продано 2005 штук, а "Визуального мышления" -- 411 штук. Вот это уже хоть какие-то круглые цифры!
2011

Цепочка "SysMoLan"

SysMoLan (system modeling language): зачем мы это делаем и почему у нас это получится -- https://ailev.livejournal.com/1127145.html. Там идея "прожекторного языка" типа Архимейта, но который поддерживает ISO 42010 без онтологической кривости Архимейта. Замысел бы в том, чтобы компактифицировать сегодняшнее знание о системноинженерном мышлении (отсылка к пункту 6 текста "Компактификация методического знания и сопутствующие гносеологические проблемы", 2010 -- http://ailev.livejournal.com/872954.html). И сделать это в факт-ориентированной (не ООП) модели theory theory, но в паттернах языка не иметь столько слоёв, сколько получается в языковом стеке ISO 15926. Ну, и ряд других свойств -- включая интеграцию логического вывода, численных вычислений, интеграции машинного обучения и даже геометрической информации для солверов. Язык и для требований, и для архитектуры. Использование и в инженерии, и в образовании. А в комментах там ещё и требование про представление сторонних схем данных, чтобы иметь возможность использовать язык для мэппинга. Это июль 2014, четыре года назад.

В "lytdybr" https://ailev.livejournal.com/1145024.html табличка сравнения SysMoLan, SysML и Modelica. А в "SysMoLan: что происходит" https://ailev.livejournal.com/1149937.html обсуждается использование теории категорий, чтобы трассировать view/aspects weaving (запоминать информацию, откуда что пришло -- для отладки моделей/программ), даются ссылки. И даётся ссылка на работы по диаграммам как средствам выражения топологии предметной области (вокруг обзора Wyane H. Osborn): https://ailev.livejournal.com/1069810.html. Я как-то забыл об этом своём тексте, а надо бы про него было вспомнить, когда писал "Визуальное мышление" (https://www.litres.ru/anatoliy-levenchuk/vizualnoe-myshlenie-doklad-o-tom-pochemu-im-nelzya-obol/), где есть главка про невозможность использования диаграммных языков для больших проектов. В частности, там говорится: "Обзор очень точно указывает на то, что в презентационном подходе отличается от сегодняшнего "визуального мышления" с его "ребусностью" и eye candy (http://ailev.livejournal.com/1069397.html): диаграммы/схемы в отличие от "ребусных" иллюстраций обеспечивают демонстрацию топологии описываемого фрагмента действительности лучше, чем это делают тексты. Из текстов сложную топологию восстановить могут только компьютеры и компьютероподобные интеллектуалы (которые не столько читают, сколько "компилируют текст в ментальную модель"). Диаграммы наглядно предъявляют топологию, существенно сокращая требования к навыку "компилирования" -- то, что было бы доступным в тексте только профи, становится доступным студентам, а что доступно студентам -- можно пробовать объяснять школьникам". Но жизнь свидетельствует другое: программистов на текстовых языках миллионы, а диаграммных модельеров в разы меньше, они все очень нишевы -- в книжке об этом у меня написано и дан диагноз: утопия. Вечно притягательная утопия, что школьники смогут моделировать, если дать им графический/диаграммный язык. Смогут моделировать, но игрушечные модели.

Идея полиполиглотности, экономии времени изучения языков с поминанием SysMoLan как добавка к обоснованию: https://ailev.livejournal.com/1128482.html (полиглотность -- это знание языков одного класса, полиполиглотность -- знание языков разных классов. SysMoLan позволяет с этим как-то управляться, уменьшая сложность полиполиглотности. А жизнь ценит полиполиглотов).
SysMoLan: альтернативы -- https://ailev.livejournal.com/1168256.html (сравниваются подходы ArchiEssence, теории категорий, Modelischa как распухшая Modelica, Mojulica нынче Modia, функциональные онтологические паттерны на базе повторения .15926 editor). Февраль 2015.

Об моделирование -- https://ailev.livejournal.com/1167761.html (учёт perceived когнитивной нагрузки, а не реальной нагрузки при изучении языков моделирования). Кстати, проект EVE так и закончился ничем https://groups.google.com/forum/#!topic/eve-talk/1Yn6270TB0w (но Chris Granger продолжает работать над идеей "кодирование это не новая грамотность, а вот моделирование -- это оно" http://www.chris-granger.com/2015/01/26/coding-is-not-the-new-literacy/ в проекте табличного моделирования Looker -- https://docs.looker.com/data-modeling/learning-lookml/what-is-lookml. Интересно бы проверить гипотезу про то, что у графических языков perceived learning curve выглядит лучше, чем у текстовых. И в этом ряду из текстовых Python лучший по пиару в плане "лёгкости освоения".

Формализм для SysMoLan: что он должен поддерживать -- https://ailev.livejournal.com/1169972.html, это март 2015. SysMoLan должен помогать expression problem (поддерживать exploratory modeling, дизайн-цель "постоянные изменения модели"), должен помогать конфигурационному менеджменту в части модульности (поддерживать modeling in the large "из коробки", by design), должен помогать множественности обработок для модели (формальная прагматика, наличие не только данных, но и процедур/вычислений). Это, кстати, очень хитрый момент. Языки моделирования в этом плане не сахар, они не "исполняются" в обычном смысле -- не всё моделирование сводится к simulation. Попытки что-то такое сделать для ISO 15926 привели к встроенным в Python "языкам билдера и сёрча" в .15926 (https://github.com/TechInvestLab/dot15926), но что может быть из этой серии для SysMoLan -- неведомо. По идее, он сам себе должен быть "билдером и сёрчем". Это отсылка к заходу на создание платформы языкоориентированного онтологического программирования .15926 как stand alone DSL (а получилось всё-таки Python embedded DSL): текст 2010 года с какими-то довольно наивными, но не потерявшими актуальность за восемь лет соображениями, в языкостроении всё медленно -- https://dot15926.livejournal.com/2570.html (обсуждения шли в dot15926).

Критерии оценки софта моделирования были сформулированы ещё в 2012 году (сейчас бы нужно их обновить): https://ailev.livejournal.com/1041274.html. Как бенчмарк выполнения этих критериев -- "универсальный моделер" от Visual Paradigm, http://visual-paradigm.com/ (и тем самым добавляется ещё один способ сделать SysMoLan: как stand alone диаграммный язык на базе такого универсального коммерческого диаграммного моделера).

Проект SysMoLan был по факту приторможен в конце 2015 после неудачной попытки разобраться с теорией категорий как формального основания для языка (не удалось показать, что именно может дать теория категорий для языка, и как именно её там задействовать -- хотя в Бекасово в 2015 году такой попытке в апреле был посвящён целый день разбирательств. Но увы, не разобрались).

С тех пор много чего интересного произошло:

В 2016 вышел ArchiMate 3.0, на котором можно было моделировать физику -- https://ailev.livejournal.com/1270101.html. Появилось впечатление, что можно использовать Архимейт как заменитель SysMoLan. Эксперименты вёл Вячеслав Мизгулин в курсе моделирования концепции продукта -- http://system-school.ru/engineering и в рамках курса системной инженерии в УрФУ. Но попытка выпустить более-менее разумное соглашение о системном моделировании летом 2018 показала, что ничего не получится в силу совокупности причин. Ну, и в больших проектах сразу всё становится дико запутанно, разреженные матрицы в диаграммах не слишком хорошо выглядят -- диаграммность ArchiMate становится недостатком, а не достоинством.

В 2017 Julia и Modelica таки слились в Modia -- "инженерное моделирование в Julia", https://ailev.livejournal.com/1366789.html, август 2017. И в этом тексте было высказано предложение делать SysMoLan как встроенный в Julia DSL. И пару недель назад вышла Julia 1.0.0 -- https://ailev.livejournal.com/1440499.html

Из сегодняшних трендов для архитектурных языков нужно указать прежде всего поиск-ориентированность (https://ailev.livejournal.com/1122876.html -- там обзорчик 2014 года) и генерацию архитектур по линии дифференцируемых архитектур и нейроэволюции. И дальше думать о SysMoLan как о средстве "компьютерной поддержки полного спектра формальности мышления" https://ailev.livejournal.com/1438749.html -- но это уж совсем запредельная задача, хотя и абсолютный фронтир.


SysMoLan Studio -- https://ailev.livejournal.com/1446524.html
Онтологии и SysMoLan -- https://ailev.livejournal.com/1449992.html
Системная мереология -- https://ailev.livejournal.com/1451832.html
Методсовет по SysMoLan -- https://ailev.livejournal.com/1452502.html (2 ноября 2018)

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213679127666523
2019

Экспоненциальные технологии: на этот раз компьютерная графика x2 меньше, чем за год

NVIDIA анонсировала новые видеокарты и сервер, основанные на чиповой архитектуре Turing -- https://blogs.nvidia.com/blog/2018/08/13/jensen-huang-siggraph-turing-quadro-rtx/, https://www.nvidia.com/en-us/design-visualization/technologies/turing-architecture/. В принципе, ничего принципиально нового и всё соответствует объявленной раньше стратегии:
-- новый чип не в центре презентации, презентуется платформа для узкого рынка компьютерной графики (как говорит NVIDIA CEO Jensen Huang, "конечный продукт всегда должен быть ограничен в своём назначении, чтобы заработать на нём деньги"). В платформе видеокарты для профессиональной графики (самая дорогая карта Quadro RTX 8000 стоит $10000) и сервер с 8 такими картами за $120000. Два системных уровня вверх от чипов и чёткий рыночный фокус: промышленная компьютерная графика, поддержка мониторов разрешения 8К "из коробки" и прочие плюшки для данного рыночного сегмента визуальных эффектов, на котором по оценкам NVIDIA будет крутиться $250млд..
-- презентуется новый софтверный стек поддержки этих решений (помним, что NVIDIA себя обозвала на GTC'18 не чиповой компанией, и не только компанией компьютерной архитектуры, но и software company).

Вот картинка с GTC'18 полугодичной давности (я публиковал её в https://ailev.livejournal.com/1416697.html):

Полгода назад речь шла о том, что две карты на Volta делают ray tracing в реальном времени -- и это прорыв в компьютерной графике, никогда такого не было.

А вот картинка из вчерашней презентации, те же фирменные зелёные плашечки технологических стеков NVIDIA для ray tracing:
NVIDIA_RTX_arch
Вот он, объявленный на GTC'18 тренд: вперёд к рынку. На верхушке стека промышленные приложения создания качественной машинной графики, а от уровня интерфейса трассировки лучей их отделяет ещё один слой: язык описания материалов MDL (Material Definition Language, open source) и язык описания сцен USD (Universal Scene Description от Pixar). Подробней -- на странице платформы RTX https://developer.nvidia.com/rtx

Плашка RTX из прошлого подхода, где было в прошлой презентации было две видеокарты на чипе Volta заменили на одну карту на чипе Turing -- и показали, что там внутри появился Ray Tracing Core из новых компонент архитектуры.

В апреле я писал: "Где там искусственный интеллект? Вы можете получить в OptiX [библиотека для трассировки лучей с фирменным API от NVIDIA в отличие от API DXR от Microsoft и "нейтрального" API Vulkan] в том числе удаление визуального шума алгоритмами искусственного интеллекта, да и про трассировку лучей в части требований к ресурсам уже поговаривают, что эти требования существенно уменьшат через задействование алгоритмов искусственного интеллекта. Аппроксимации рулят численным миром, а аппроксимациями рулят сегодня глубокие нейронные сетки и прочие универсальные аппроксиматоры, которыми богато сегодня машинное обучение".

Так и произошло: сочетание алгоритмов с использованием как Ray Tracing, так и Tensor Core (добавка алгоритмов искусственного интеллекта с необходимыми аппроксимациями) позволило упихнуть функциональность двух карт с чипами на 21млрд транзисторов в одну карту с 18.6млрд. транзисторов и при этом получить крутые новые качества: высококачественную обработку не только отдельных кадров, но и связанных во времени последовательностей изображений (видео), возможность включать плагины обработки изображений на базе нейронных сетей. Всё, компьютерная графика с четвёртого квартала 2018 стала другая: на одном чипе идёт полная трассировка лучей плюс нейросетевая обработка какими-нибудь плагинами спецэффектов, сделанных с SDK NGX (скажем, генерация видео замедленной съёмки по обычным кадрам -- https://news.developer.nvidia.com/transforming-standard-video-into-slow-motion-with-ai/, изменения в освещённости фигур и фона как в https://relonch.com/ и т.д., ждём через полгодика объявлений уже не про SDK, а про готовые плагины, изготовленные с его помощью. Это ж рынок!).

Вот этот "плагин обработки с использованием искусственного интеллекта" важнейший архитектурный элемент. Это центральное место, это архитектурный мейнстрим. Гибридные архитектуры, в которых спецпроцессоры сочетаются с ускорителями алгоритмов искусственного интеллекта -- вот они будут править миром. Это главное, и этот weak AI совершенно не похож AGI, это интеллект абсолютно нечеловеческого типа (как сила экскаватора тоже абсолютно нечеловеческого типа), и не нужно его недооценивать.

Вот тут сейчас поток новостей про возможности архитектуры Turing -- там много видео и фото, так что поглядите сами: https://nvidianews.nvidia.com/. Видео презентации (как обычно, хороший концерт) можно найти тут: https://www.youtube.com/watch?v=XByzjj9JTBM

Не обращайте внимания на все сравнения с архитектурой Pascal, это не для инженеров, а для маркетинга (типа как Pascal был для графических карт в машинных станциях, и Turing для графических карт, а Volta для карт AI в датацентрах). Насколько я помню, Volta подавалась как x3 по сравнению с Pascal (ох, там было много разных метрик, и не про графику, но я почему-то запомнил эту как одну из многих), а две карты Volta вместо одной Turing -- это ещё x2 (этого в данных нет, но я по простому: демо на GTC'18 требовала двух карт, а тут одной). Вот они, x6 в рендеринге по сравнению с Pascal. В любом случае, это x6 за два с половиной года (Паскаль -- May 27, 2016, Вольта -- December 7, 2017, Тьюринг -- August, 13), или x2 за чуть меньше года, то есть определённо экспоненциальная технология.

Вот тут чуть больше сравнения архитектур Volta и Turing (в Turing всего поменьше, чем в Volta, кроме Ray Tracing Core -- то есть это получилась специализированная для машинной графики архитектура): https://www.pcgamer.com/nvidia-unveils-turing-architecture-providing-a-glimpse-inside-the-next-geforce-cards/.

Понятно, что NVIDIA сейчас хвастается, как может перед инженерами компьютерной графики (сегодняшний анонс выхода видеокарт с Turing в 4 квартале 2018 года был сделан на конференции SIGGRAPH). Но уже 20 августа 2018 (через неделю) есть шанс получить новинки потребительской, а не промышленной машинной графики на базе архитектуры Turing, а именно игровые видеокарты: https://www.trustedreviews.com/news/nvidia-turing-2080-release-date-2952823 (и там дополнительная техническая информация, что чипы Turing на 12нм проектных нормах). При этом отбиваться от любителей компьютерных игр придётся не похвалой ray tracing, а тем, насколько удаётся поднять FPS в компьютерных играх. Хотя может выясниться, что FPS не волнует, если картинка фотореалистичная и тем самым завораживающая. А лучше и то, и другое, да ещё и подешевле. Потребители, они такие! Почитайте вот тут в комментах, как обсуждают отсутствие отражений внутри автомобиля на демо NVIDIA на 1:54 -- https://www.youtube.com/watch?v=XByzjj9JTBM (и обратите внимание, что демо по промышленной графике пришли обсуждать главным образом геймеры, люди из абсолютно другого рыночного сегмента. Хотя это не значит, что они люди ненаблюдательные и ничего в машинной графике не понимают. Но их больше интересует, как это всё поведёт себя в играх, что не так интересно для именно этого оборудования и софта, они совсем не для игровых приложений).

Для любителей и профи в deep learning это новое поколение карт не так интересно: там всего чуток поменьше, чем в серверных картах на Volta, но чуток побольше, чем в потребительских картах GTX. Тут ничего экспоненциального пока, так что ждём весны 2019 года. Уже понятно, что будут отдельно чипы для машинной графики с ray tracing (Turing), будут отдельно чипы для автомобилей с обработкой огромных потоков входной информации (Xavier, Orin) и что-то ещё, продолжающее линию Volta -- универсальный процессор для AI, который и мир с роботом может промоделировать (поддержка видео важна, вопрос, насколько мир для обучения AI должен быть фотореалистичен! Возможно, намного -- тогда и ray tracing будет неожиданно при деле) и нейронную сетку этого робота обучить. Тут нужно было бы пуститься в абстрактные рассуждения об архитектурах поддержки AI (всех этих deep learning и differentiable programming, deep evolution и т.д.) и одновременно реалистичного имитационного моделирования физического мира, но я уже писал об этом, не буду повторяться.
2019

Компьютерная поддержка полного спектра формальности мышления

Я высоко (на седьмом этаже!) сижу, далеко (через интернет) гляжу, и обозреваю полянку современных шевелений с мышлением. Меня интересует мышление-в-большом: не одиночные акты озарений, или отдельные попытки что-то логически прорассуждать. Меня интересует коллективное мышление в промышленных масштабах -- чтобы суметь сделать ракету, которая долетает до Марса (это уже сумели сделать много команд из самых разных стран), или суметь сделать компьютер с чипом, в котором 21млрд. транзисторов (NVIDIA Volta как раз такой чип).

Такое мышление должно быть и формальным (чтобы быть безошибочным, не содержать формальных логических ошибок) и неформальным (ибо формальные онтологии несовместимы между собой формально, но это вовсе не значит, что люди не справляются с разнообразием формально несовместимых онтологий -- просто люди не столько формальны, чтобы логическая несовместимость их останавливала).

Для полноценного мышления людям и компьютерам нужно задействовать полный спектр формальности мышления -- и ещё и менять уровень формальности мышления по ходу дела. Подробней я об этом рассказываю в книжке "Визуальное мышление", https://ridero.ru/books/vizualnoe_myshlenie/, просто опускайте при чтении те части, где обсуждается именно визуальность и читайте всё то, что про мышление. И там огромное количество ссылок на литературу.

Ещё одно условие: нам необязательно, чтобы мышление было именно человечьим. В части мышления мы делаем самолёт, а не махолёт. Корабль с винтом, а не с плавниками. Так что наши догадки о мышлении должны быть смоделированы в компьютере, но они необязательно повторяют человечье мышление. Просто компьютер должен демонстрировать мышление, желательно, чтобы не хуже человеква -- и это будет означать, что механизмы мышления уже достаточно понятны, чтобы повторить их в инженерной конструкции. А когда механизм мышления станет совсем уж понятным (постепенно, не за один день), то человечество получить некоторое изобилие мышления, дешёвое компьютерное мышление.

Давайте поглядим, какие у нас есть направления, развивающие спектр мышления во всей его полноте: это означает, что нас интересуют связки между формальными представлениями и логиками на них и неформальными представлениями и логиками на них.

Для этого опустимся от мышления на уровень ниже и рассмотрим представления мысли, над которыми можно вести вычисления -- более формальные и менее формальные как эти представления, так и вычисления над ними. Я бы тут выделил несколько направлений:
-- логика и вероятность. Началось с E.T.Jaynes, показавшего, что логический формальный вывод это частный случай байесовского вывода (http://ailev.livejournal.com/1311261.html). Это линия вероятностных доказательств, её двигает, например, Pedro Domingos (тот самый, который писал про Master Algorithm) -- ибо нужны эффективные алгоритмы нахождения таких доказательств, https://dl.acm.org/citation.cfm?id=2936726. Сюда же попадает причинный вывод (causal inference, https://ailev.livejournal.com/1435703.html), т.е. такие работы, какие ведёт Judea Pearl с учениками и их конкуренты. По сути, тут царит probabilistic programing, http://probabilistic-programming.org/.
-- логика и коннекционизм. Это представление логики в коннекционистских средах. Есть толстенький обзор Neural-Symbolic Computation https://arxiv.org/abs/1711.03902. У меня время от времени были посты на эту тему, но я обычно ссылался в своих постах на neural-symbolic binding (этих постов было довольно много, гуглите с указанием site:ailev.livejournal.com), а недавно образовалась ассоциация Neral-Symbolic Integration, NeSy, http://www.neural-symbolic.org/
-- дифференцируемая логика: смягчение дискретного характера логики, чтобы работал поиск решения методом стохастического градиентного спуска: проход из формализма по линии differentiable programming. Например, дифференцируемые архитектуры -- continuous relaxation of the architecture representation, allowing efficient search of the architecture using gradient descent из https://arxiv.org/abs/1806.09055. Но это не вероятностное программирование! Это идеи дифференцируемого программирования! Собственно, это то самое, во что превращается сегодня deep learning, но это не столько нейросетевые именно коннективистские представления, сколько дифференцируемые символические (в том числе графовые) представления.

Я понимаю, что речь идёт о системном уровне каких-то базисных формально-неформальных вычислений, которые и мышлением назвать язык не будет поворачиваться. Но выше по интеллект-стеку должен быть уровень когнитивной архитектуры, где могут комбинироваться самые разные варианты этих вычислений (я писал об этом в "Болваны для искусственного интеллекта", в чуть другой терминологии -- https://ailev.livejournal.com/1356016.html). Я пока не касаюсь когнитивной архитектуры. Это потом, и этих когнитивных архитектур, построенных на базе имеющихся вариантов вычислений на спектре формальности мыслительных представлений (аккуратно обойдём слово "мышление" в этом абзаце) будет много. Но разделение интересов, separation of concerns -- обсуждаем по одному интересу за раз, и стараемся держаться на каком-то одном системном уровне.

Что я пропустил? Что ещё тут нужно мониторить?

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213467691020739 и https://www.facebook.com/groups/nevronet/permalink/1118037578362562/
2019

Онтика системных описаний

Тут мы уточним концепты определения и воплощения системы, интереса, оценки интереса, метода описания, вида моделей и моделей, действенной онтики/знания, исходного онтического описания/знания, разделения интересов.

Это продолжение текста "онтика онтологизации" (https://ailev.livejournal.com/1427265.html), где уточнялись концепты концептуального пространства, предметных областей, значений, онтик, пространства имён, спектра формальности мышления, определения, абстрагирования, конкретизации, концептуальной схемы, разворачивания схемы, коммуникации, разделения (share), видов онтик, теории, дисциплины, учебного предмета, онтологии, 4D экстенсиональной онтологии, описания, модели, альфы.

Как и в случае первого текста, не надейтесь, что поймёте, если не знакомы с содержанием курса онтологики и курса системного мышления. Всё нижеизложенное написано мутно, и требует последующей обширной дискуссии. Но как грубое начальное приближение, исходная точка размышлений (quick and dirty prior) текст этот хорош уж тем, что он есть и предлагает некоторые решения для давних проблем. И пока других текстов на эту тему нет, никто не предложил решений получше, будем пользоваться этим вариантом.

Знания/дисциплины вещны
В прагматическом/деятельностном подходе мы делаем трюк, работая с онтиками (в том числе теориями и дисциплинами) ровно так, как с компьютерной программой. Онтика ничего не определяет, если нет того/чего, кто работает с этим определением для какой-то цели. Рядом с каждым знанием должен быть интерпретатор знания, который использует это знание для каких-то целей в своей деятельности. Это знание может быть программой или данными, тут это неважно. Главное, что даже если речь идёт о какой-то выражающей схемоид неформальной картинке, есть либо компьютер с нейронной сетью (классический "логический" компьютер тут вряд ли справится), либо прямо мозг, который проводит с данными этой картинки вычисления. Если речь идёт о каком-то (возможно, даже несвязном, возможно сложно составленном) фрагменте пространства смыслов, то есть интерпретатор, который будет дальше с ним работать -- компьютерный или биологический интерпретатор, тут неважно.

Развёрнутая в мозгах онтика, с которой происходят вычисления/размышления -- это буквально кусок мозга (набор "настроенных" нейронов, поддерживающих их как-то клеток, а также связей между ними), который изменяется в ходе размышлений во времени и как-то хранит (физически!) состояние этого размышления, ситуативно направляет ход размышления по мере получения промежуточных его результатов. А если это искусственная нейронная сеть, то есть миллионы или даже миллиарды коэффициентов, то в компьютере кроме памяти, содержащей эти коэффициенты есть процессор и алгоритм-программа, что-то считающая с этими коэффициентами -- хранится меняющееся во времени состояние этого вычисления.

То есть онтика (в том числе и дисциплина) тут дана просто как физический объект (кусок мозга, кусок памяти компьютера с обрабатывающим её процессором и его регистрами, неважно нейро- или классическим процессором), работающий с priors для каких-то размышлений -- уточняющий смыслы.

Так что я смело могу считать знание/knowledge действенным/actionable, говоря о нём как о вещи. Знание в таком подходе не просто просто "книжное знание", которое лишь "исходный код", исходная онтика для программирования мозга или компьютера, ровно как исходный код программы ещё не сама программа. Программу можно выполнять на каком-то процессоре в самых разных смыслах -- вычислять по ней, компилировать её, искать в ней ошибки и т.д.. Вот и загруженную в мозги или компьютерный процессор дисциплину (или иную онтику, но слово "дисциплина" изначально подразумевает то, что её нужно выучить и ей далее следовать -- то есть превращение в "кусок мозга") можно выполнять в самых разных смыслах: думать с её использованием (вычислять по ней, рассуждать по ней), добиваться беглости в вычислениях (аналог компилирования), искать ошибки (например, заниматься интроспекцией, документировать результирующую онтику, а затем пытаться выполнить какие-то проверки -- либо проводя валидационные эксперименты в окружающем мире, либо верификационные в части ужесточения требований к формальности и после этого нахождении противоречий).

При необходимости можно уточнять: идёт ли речь об исходном онтическом описании ("исходный код" с подразумеваемыми priors-значениями) или интериоризированной, "выученной" онтике в момент работы с ней, то есть мышления, в котором уже прошли какие-то вычисления и речь идёт о непрерывно уточняемых смыслах.

Онтическое описание обычно описывает свою предметную область/domain: его онтика существует в виде "исходного кода" в пространстве смыслов как определение/definition и может быть выведена в какой-то внешней форме на разные носители в их отчуждении от интерпретации -- тогда мы говорим об описании/description. В системном мышлении мы говорим об определении и описании воплощения системы как главных, но мы нуждаемся и в определении и описании самих определений и описаний.

Трюк с вещностью не только описаний, но и интерпретируемых определений позволяет распространить системный подход и на определения: их можно представлять как системы, имеющие функции определения и описания целевой системы в обеспечивающей системе как системе деятельности.

А если они системы, то мы можем определять и описывать определения и описания, например иметь definition of definition: мы можем определять и описывать знания, чётко понимая, где и как эти знания используются, а затем функционируют (эксплуатируются) в физическом мире. Достаточно показать пальцем на соответствующие мозги и/или компьютеры или даже целые системы из многих мозгов и компьютеров.

Это достаточно сильное заявление: оно показывает, как в рамках деятельностного подхода совместить наше заявление о том, что системы нас интересуют только воплощённые в физическом мире и обширную литературу, обсуждающую применение системного подхода к информационным сущностям. Тут огромное количество разных нюансов, но нас они мало интересуют: проблемы будем решать по мере их поступления в отдельных задачах. Никакой универсальной онтологии для всех типов задач нельзя придумать, даже если это системная онтология, претендующая на универсальность. Так что не будем излишне усердствовать, оставим прояснения на потом.

Интерес
Интерес/concern -- это определение онтики, которая в свою очередь будет определять систему. Слово "определение" -- это не словарное определение из глоссария, а концептуальное задание (как в "system definition"). Определение -- это некоторое сокращённое описание, по которому можно как-то найти определяемый объект.

Если мы признаём, что actionable discipline это кусок мозга, и порождаемые при помощи этой дисциплины определения системы тем самым -- это какие-то концептуальные модели (т.е. нейросетевые/коннективистские модели, как-то закодированные в мозгу, интериоризированные), то concern указывает на то, какой сервис (внешнее поведение, результат размышлений) мы хотим получить от определяющей систему онтики в ходе её выполнения мозгом (или компьютером, или мозгом и компьютером). В какой-то мере (мы же работаем не слишком точно, схемоидами, а не схемами с "формальной семантикой" и абсолютно "формальной прагматикой", так что замечаем "в какой-то мере") можно говорить, что concern -- это внешнее описание дисциплины, требование к дисциплине (с соответствующей дискуссией о связанных с требованиями деятельностных потребностях, адресующих другой системный уровень и ограничениях, показывающих нашу осведомлённость об устройстве интересующей дисциплины -- дисциплины, оформляющей/формализующей интерес). Помним, что в системном мышлении требования это не столько какое-то определения/задания/definitions в деонтической модальности ("должен", "может", и т.д. -- модальность предпочтения реализации описания во множестве миров), сколько внешнее по отношению к системной границе определение, т.е. определение системы как "чёрного ящика" (с неизвестным внутренним содержанием, рассмотрение системы как далее неделимого элемента). И тут мы говорим, что "интерес -- это внешнее описание дисциплины", т.е. в системном языке это "требование" в первом его значении, вне связи с модальностью.

Понятие интереса/concern одно из центральных понятий системного подхода, оно непосредственно связывает системное мышление с прагматизмом, ибо служит для выражения деятельностного интереса. В системном подходе уже нет просто общемыслительного/общефилософского "агента"-актёра, но есть культурно-обусловленный стейкхолдер с его предметной деятельностью Стейкхолдер это агент в его роли по отношению к системе, он влияет на систему/ситуацию, и на него и его действия влияет система/ситуация. Ключевые слова тут -- культурно-обусловленная роль (то есть не только что самим агентом сочинённая, а shared -- некоторый деятельностный паттерн, что-то общее в действиях и мышлении разных людей). Эта роль указывает на предметность интереса (интересует какой-то domain, а не вся система/ситуация в целом), а влияние указывает на прагму, целенаправленность деятельности. В интересе, связанном с ролью, тем самым описывается дисциплина роли, выученная актёром -- то есть выученная и интериоризированная онтика, загруженная в голову. Нюансы того, онтика отражает практику в целом (включая технологию), или только дисциплину, оставим на потом -- всё одно практика определяется своей дисциплиной, а технология только поддерживает деятельность по этой дисциплине.

Concern/интерес позволяет нам искать дисциплины, которые могут помочь справиться с проблемой. Онтологический статус concern -- это модальность вопрошания, вопроса. Можно долго спорить, как именно формулируется этот вопрос. Скажем, в программировании есть "языки запросов". Можно считать, что никаких особых языков тут нет, и запрос делается by example -- просто говорится об одном-двух предметах из искомой дисциплины (concern тут prior для размышления о дисциплине-онтике на ранних стадиях её жизни в мозгу), а остальное подтягивается размышлением, возможно включающим и вопросы и к Гуглю (поиск учебников с "исходным кодом" дисциплины), и к природе -- проведение экспериментов, помогающие гипотезы о дисциплине превратить в теории (т.е. поднять уверенность в использовании дисциплины для надёжного моделирования предметной области, поднять уверенность в возможности влияния на систему с использованием той или иной дисциплины). В любом случае, интерес определяется потребностью стейкхолдера в его влиянии на связанную с системой ситуацию/проект, это требование (не вдаваясь во внутреннее устройство, архитектуру) к нужной для деятельности стейкхолдера дисциплине.

Переход от внешнего определения concern/интереса к методу описания обычно рассматривается как формализация/оформление -- дисциплина определения предметной области и выбранный далее метод описания предметной области этой дисциплины (то есть добавление технологии описания, инструментов описания) формализует/оформляет интерес.

Тем самым метод описания (viewpoint) подразумевает какую-то дисциплину плюс модельный инструментарий описания (нотации, моделеры, замечания по жизненному циклу моделирования): это именно метод, т.е. набор практик (дисциплины и инструменты), достаточные для создания описаний, отвечающих на вопросы деятельности по влиянию на предмет concern! При этом метод описания/viewpoint не эквивалентен дисциплине, для которой выбран этот метод. Дисциплина может быть "научной", а может быть "нормативной": она может либо не говорить, что нужно делать для приведения цели в какое-то состояние, а может и говорить. Дисциплина может быть концептуальной (скажем, инженерия требований, как она описывается в "проблемы инженерии требований" https://ailev.livejournal.com/1425741.html, то есть не доходящая до описания конкретных прикладных практик, но вводящая основные понятия, используемые самыми разными прикладными практиками), а метод описания базироваться на прикладной дисциплине (скажем, диаграммы Use Case из практики Use Case 2.0). Мы пока не будем вводить классификации дисциплин, будем просто как-то развёрнуто их характеризовать. И помним, что дисциплины это онтики, которые не просто загружаются в головы, но это онтики, состоящие главным образом из классов и даже классов классов, дисциплины ведь описывают не отдельные индивиды, а классы индивидов и классы классов индивидов, не отдельные отношения между индивидами, а классы отношений и классы классов отношений. Знание -- это то, что может переноситься из проекта в проект, а в каждом проекте ведь свои индивиды.

Оценка интереса
Оценка интереса в стоимости продукта будет -- поднять (мы продаём!) или уменьшить (мы покупаем!), но набор моделей в методе описания будет одним и тем же -- например, смета или калькуляция, а то и протоколы экспертных оценок, или вообще список цен за какой-то период на аналогичную продукцию на каких-то выбранных организованных рынках). Так что, когда мы говорим об интересе, как теме, на которую мы хотим влиять, мы волнуемся о влиянии как таковом, и даже не уточняем, в какую сторону. Одно описание удовлетворит самых разных стейкхолдеров, которые хотят влиять в разные стороны. Они будут договариваться, имея эти описания. Более того, влиять я как стейкхолдер могу не на предмет моего интереса, а на другой предмет -- сохраняя при этом интерес к нескольким предметам. Скажем, я интересуюсь ценой не потому, что я именно на неё хочу влиять, а потому что она влияет на принятие моих решений по какому-то другому интересу, в какой-то другой практике. Стейкхолдер-то определяется не только тем, на что он влияет, но и что влияет на него!

Интерес заключается с желанием поработать с какими-то свойствами системы на предмет или их изменения (влияния на них) или их понимания (как они влияют на то, на что мы хотим влиять). Интерес описывает желание ознакомиться с ситуацией -- но не описывает, как именно и в какую сторону и кто будет сдвигать эту ситуацию. Это связано с тем, что разные стейкхолдеры могут иметь один и тот же интерес как объект влияния -- но направленный в противоположную сторону, или даже вовсе ознакомительный. Одному нужно дешевле (он продаёт), другому подороже (он покупает). Одному нужно безопасность нарастить (и за ценой не постоять: не он ведь платит), а другому безопасность ограничить (ибо платит как раз он, а риски готов принять -- его поэтому и цена интересует, и безопасность). Направление желаемого влияния (поднять или опустить какую-то характеристику, свойство системы/ситуации) указывается отдельно, как "оценка интереса" (а в Архимейте для этого даже есть отдельный элемент языка).

Пример интереса
Скажем, нас интересует влиять на дождь на какой-то территории. Важно, что на этом уровне мы не различаем, нужно ли нам иметь побольше дождя или поменьше дождя. Определения и описания систем будут использованы одни и те же, вопрос только в том, куда двигать реальность, чтобы достичь наших целей.

Увы, мы ничего в этот момент не знаем о способах этого влияния и поэтому не можем точно выделить domain! Единственное, что мы знаем, что в этом domain есть дождь и у нас есть вопросы о механизмах появления дождя -- нас интересуют причинно-следственные связи различных объектов с появлением дождя. Так что мы определяем "дождь" как самый важный объект в нашем domain и дальше интересуемся, как мы можем описать "дождь" в мере, достаточной для наших целей уверенного прогнозирования ситуации.

Какие это могут быть описания/онтики? Погуглив, мы обраруживаем, что есть три основных популярных практики и соответствующие им онтики описания предметной области дождя:
-- Есть метеорология, и можно просто подгонять свою деятельность под те модели, которыми пользуются метеорологи. Мы получаем детальные карты выпадения осадков, прогнозы на отдельные даты и анекдоты типа "я три дня выкачивал из подвала вашу лёгкую облачность без осадков". Это метеорологический "научный" viewpoint.
-- практики заклинателей дождя. Мы узнаём об амулетах, конкретных ответственных за дождь трансцедентных сущностях, получаем описания необходимых ритуалов, а также описания уровня грешности территории, наказанной или награждённой дождём. Это шаманский viewpoint.
-- набор эвристик авиаподразделения, занимающегося обработкой туч разными порошками. В этот вьюпойнт неожиданно входят виды разных порошков, карты аэродромов, физхимия происходящих в туче процессов и в том числе необходим пассивный прогноз от метеобюро, который дополняется средствами моделирования результатов авиавылетов по управлению погодой. Это инженерный viewpoint.

Наличие интереса позволяет нам обсуждать выбор одной из практик, обслуживающих интерес, а в этой практике дисциплину с инструментарием по описанию этой предметной области.
Разделение интересов
Принцип разделения интересов (separation of concerns) Э.Дейкстры тем самым включает не только обсуждение описаний, удовлетворяющих требованиям-интересам, но и как начальные шаги выбор очередного интереса к обсуждению, выбор оформляющего этот интерес метода описания, собственно описание и проверка того, насколько описание удовлетворяет данному интересу, а затем обсуждение влияний порождённым этим методом частных (предметных) описаний на выполнение других интересов-требований (валидация описаний).

Работа с интересом как сущностью первого класса позволяет разделить обсуждение требований к описаниям и выбор метода описаний -- ибо интерес уже указывает, что именно нужно описывать. Так, в методе описания могут быть модели на любой вкус, любого уровня формальности, просто трудоёмкость вычислений по этим моделям может быть разная, в том числе стоимость добычи данных для моделирования, или время вычислений слишком больше для получения надёжных результатов моделирования.

Разделение интересов является вторым приёмом борьбы со сложностью описания системы (первым приёмом борьбы со сложностью является поуровневое описание системы -- описание отдельных взаимодействующих частей).

Что говорят ISO 42010 и OMG Essence
ISO 42010 говорит только о самых важных (архитектурных) описаниях. При этом стандарт, хотя и поминает "определение системы", но в его диаграммах отражены по большей части рабочие продукты -- все эти модели, методы описания в стандарте представлены их рабочими продуктами, а не определениями. Понятно, что это онтологическая недоработка авторов: во-первых стандарт нужно принимать как стандарт системных всех описаний, а не только архитектурных, а во-вторых нужно чётче говорить, что стандарт имеет дело и с определениями-онтиками и с рабочими продуктами-описаниями для описанных в его диаграммах и помянутых в тексте сущностях (кроме тех моментов, когда стандарт подчёркивает разницу между определениями и описаниями -- definition и description).

OMG Essence наоборот, проводит чёткое различие между альфами-определениями и рабочими продуктами-описаниями. Но сам стандарт в части основных альф говорит только о требованиях (ровно так, как ISO 42010 говорит только об архитектуре), а остальные описания считает относящимися к альфе "система" -- тем самым смешивая различные определения системы, описания системы (рабочие продукты) и воплощение системы. Не спрашивайте даже, какая онтологическая сущность у оригинальной альфы "система" в OMG Essence.

Поэтому мы объединили диаграммы этих стандартов, но по большому счёту символы альф и рабочих продуктов проставлены более-менее произвольно (особенно в части самого воплощения системы: оно представляется рабочим продуктом, но мы считаем, что воплощение системы тоже представлено в мышлении, и оно описано историческими данными -- не "определено-предписано" инженерно-проактивно, а "изучено", поэтому можно говорить и о соответствующей альфе, а не только о рабочем продукте).

Вот эта схема:

Все нюансы и понятийный дребезг при этом мы будем списывать на то, что работаем с онтикой системных описаний на уровне схемоида, а не на уровне чёткой понятийной/онтологической схемы. И по мере возникновения проблем и выявления каких-то особых интересов мы будем предлагать в тех или иных проектах частные решения этих проблем, не претендуя на "теорию системных описаний" в её универсальной могущести. Нет, наша задача просто предложить хорошее начало для размышлений про системные описания, дать приемлемые priors для этих размышлений.

В реальных обсуждениях обычно широко используется метонимия, и любое определение может поминаться по названию основного рабочего продукта, по которому его свидетельствуют (строят его коннективистскую модель в мозге/компьютере, интериоризируют и далее мыслят-интерпретируют, преобразуют), но и наоборот, могут быть какие-то рабочие продукты, для которых будут обсуждать их определения. Это всё обычно перепутано и в важных случаях мы рекомендуем уточнять, что же именно имеется ввиду: определение (места в концептуальном пространстве смыслов, в удобном для размышлений виде) или описание("исходные знания", которые для размышления должны быть соединены с интерпретатором -- мозгом или компьютером: как-то восприняты -- прочтены так, чтобы из них были извлечены какие-то значения-priors и пошло мышление с их участием, уточнение смысла).

Модели
Модели -- это мельчайшая единица описаний в ISO 42010. Это конкретные диаграммы, чертежи, тексты. Модели группируются в частные (т.е. предметные/дисциплинарные, отвечающие какому-то интересу) описания. Предполагается, что одна дисциплина и метод описания задают множество разных видов моделей/model kinds, которые позволяют выделить и описать важное в этой предметной области. Нет идеи, что одна схема или схемоид, один текст определит-опишет все предметы, важные для мышления по какой-то предметной дисципление при ответе на какой-то запрос-интерес.

По большому счёту, (совокупность ISO42010::моделей)/ISO42010::view -- это тоже sys&onto::модель, но ISO42010 зарезервировал общее слово "модель" за довольно частным его использованием, и даже закрепил всего трёхуровневую структуру моделирования: 1. общее описание/system description, отвечающее на все интересы 2. частное описание, отвечающее на интерес/view, 3. модель/model, только частично отвечающая на интерес. Это деление описаний на уровни, соответствующие удовлетворению требований-интересов вполне осмысленно с одной стороны, но задействование очень общих (общефилософских, и даже вполне бытовых) слов для выражения такой конструкции можно обсуждать отдельно. В любом случае, такая трёхуровневость описаний, определяемых по отношению к интересам является специфичной для современного системного подхода, и при любом выборе терминологии она сохранится -- хотя очевидно, что будет введено много подуровней в каждом из этих уровней description-view-model. Это в какой-то мере похоже на принятое в ISO 15926 решение работать с индивидами, классами и классами классов, а многоуровневость абстракций выражать не отношениями классификации, а отношениями специализации -- при этом выделяя классификаторы на отдельный уровень определений ситуации.

Зачем с этими онтиками так возиться
Нужно решать проблемы:
-- несовместимости способов описаний мира, предлагаемых различными стандартами системной инженерии и менеджмента. Нужно по возможности один раз (за скобками конкретных проектов) решить эти противоречия, хотя это и невозможная задача. Но лучше поменьше оставлять для решения в конкретных проектах и максимум сделать на методологическом шаге, разговаривая об онтике системных описаний, общей для всех системных проектов.
-- несовместимости state-of-the-art способов описания мира, предлагаемых современной онтологикой (в двух её несовместимых вариантах: 1. классических "как по Фреге" с семантическим треугольником, где значение-в-domain и 2. современных "как в deep learning", где используются значения-priors и смыслы-posteriors как места в пространстве смыслов) и системных способов описания мира, предлагаемых в различных стандартах (которые тоже несовместимы между собой, как это указано в предыдущем пункте). Это чуть подробней прописывалось в предыдущем тексте "Онтика онтологизации", https://ailev.livejournal.com/1427265.html
-- предложения русскоязычной терминологии для описаний, выполняемых в рамках дисциплины системного мышления
-- совместного описания онтик онтологизации в целом и получения системных описаний в частности. Это совместное онтическое описание потом будет использовано для принятия решений, как изложение этого материала может быть разделено по отдельным курсам онтологики и системного мышления. Нас интересует не сам этот текст как "исходный код дисциплины описания мира в целом и систем в частности", а нас интересуют обученные этой дисциплине люди. Так что можно рассматривать эту серию постов не как "статью" или "микромонографию", а как маленький набросок материала для будущих совместимых между собой онтологически и терминологически учебников онтологики и системного мышления.

Следующим шагом будет применение этого материала к описанию систем на Архимейте 3.0 как языке системного моделирования (а не только архитектурном языке, мы точно так же обобщаем описания на Архимейте с архитектурных на все виды, как сделали это с ISO 42010). Будем заниматься соглашением о моделировании, совместимым с изложенными тут онтиками онтологизации и системных описаний.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10213010264665366
Текст поправлен и дополнен по замечаниям Пион Медведевой.
2019

Интернет воюющих вещей

Интернет воюющих вещей, какой термин! Это статья "Challenges and Characteristics of Intelligent Autonomy for Internet of Battle Things in Highly Adversarial Environments" от Alexander Kott, U.S. Army Research Laboratory -- https://arxiv.org/abs/1803.11256.

В понедельник 9 апреля 2018 мне выступать на нашей IoT конференции -- http://internetofthings.ru/sobytiya/208-iot-day-moscow-2018, с кратеньким сообщением "Может вещь в интернете системно мыслить?". Но именно это и хотят армейские от вещей в интернете. Вещи в интернете по их версии должны а) системно мыслить, почему бы и нет, б) быть автономными, все вычисления on the edge, ибо интернет не гарантирован, время реальное и задержки в сети мешают быстро двигаться -- а двигаться это менять физический мир, действовать в) универсальными, ибо кто знает чем им придётся заниматься в быстро меняющемся мире, в) быть всегда на связи, друг с другом и выяснять, что вокруг происходит, кто и что делает, согласовывать планы и действия, г) отлично общаться с людьми, кратко и по делу, ибо длинно общаться некогда -- вокруг ведь нервно. Всё как в "обычном IoT", только армейские добавляют, что работать Battle Things должны в крайне враждебном окружении и поэтому чётко делить мир на своих и чужих.

Я на слайдах "всё будет быстро" уже давно зачёркиваю: "будет" и пишу "всё быстро". Похоже, большинство людей вокруг меня не понимают, насколько всё уже быстро. Человечество стало вдруг резко умнее, ткацкие машины для творческой работы уже изобретены. Работа мысли уже не вся порождается мокрыми мозгами, и это происходит уже повсеместно там, где этого не ждёшь. Мысль ткётся ткацкой машиной существенно быстрей и качественней, чем ткацким станком: Computer Sapience с интеллект-стеком (http://ailev.livejournal.com/1356016.html, с когнитивной архитекторой внутри него -- https://ailev.livejournal.com/1322862.html) совершенно другая штука, чем традиционный компьютер для записи, хранения и обработки информации -- где информация обрабатывалась без интеллект-стека.

Этого поумнения человечества за счёт интеллект-стека современных компьютеров пока народные массы не замечают: вы же не замечаете, что какие-то ваши коллеги поумнели за последний десяток лет. А тут поумнели компьютеры, это не бросается в глаза так же, как не бросается в глаза поумнение обычных людей.

Вот, например, неестественный интеллект сочиняет форму зубной коронки с качеством лучше, чем люди -- https://arxiv.org/abs/1804.00064. Берём коронки, изготовленные людьми, но кроме этого берём естественные здоровые зубы и учим, как должен выглядеть правильный зуб, правильно взаимодействующий с противоположной челюстью. Учим компьютер, дальше даём ему челюсть с дыркой в ряду зубов и противоположную челюсть. Компьютер сочиняет идеальный (beyond human expertize, как говорится в статье) зуб, который встал бы на это место. Дальше 3D-модель печатаем на 3D-принтере, профит. И это доступно уже сейчас, можно масштабировать. Даже не обсуждаем, что будет потом: робот, который поставит эту коронку с качеством beyond human expertise, или печать как-то пройдёт на биологическом принтере, и роботы просто пересадят зуб, или биологи придумают что-то по восстановлению зуба -- и все эти короночные изобретения уйдут в прошлое, едва появившись, или человечество вдруг резко захочет что-то изменить вообще в конструкции (а то и функции) зубов, а у нас просто сегодня фантазии это предвидеть не хватает.

А вот как компьютер сочиняет картинки, чтобы нас разжалобить. Берём руины, и спрашиваем, какие более душещипательные. Я сознательно снижаю тут пафос, юмор у меня тут чёрный и мрачный. Учим нейросетку понятию "душещипательность" в руинах (перенос стиля, это ж оно! Это ж отработано давно и в совершенстве). Далее спрашиваем, какой город ваш самый любимый. Переносим стиль душещипательной руинности, и вас пробирает до самой лимбической системы -- https://deepempathy.mit.edu/. Глубокая эмпатия, тщательно спланированная -- против кого эта эмпатия (ага, "против кого дружить будем?").

Берём дофаномику (бихевиористские игры с правильно расставленными "подкреплениями", как в дрессировке -- все эти лайки и залипания в фейсбуке, проверки почты по ночам, видеоклипы, ожидания выхода очередной серии неважно чего, https://knife.media/dopamine-loop/) и добавляем глубины: учим нейросеточку тому, что нас там цепляет. И переносим этот стиль, отработанная уже процедура. "Это не спам, это direct mail" -- помните такое "оправдание"? Так и тут: "это не интернет воюющих с вашим мозгом вещей, это просто такой хороший нейромаркетинг". А ведь это воюющие с моим мозгом вещи, которые тщательно настраиваются неестественным интеллектом на уровне beyond human expertise, чтобы победить. И ведь победят.

Один интернет воюющих вещей будет биться за землю, а другой за куски вашего мозга. Впрочем, это будет один и тот же интернет вещей, а не два. Помните в Spora была одна раса, которая выигрывала войны пропагандой? Нынешние войны тоже серьёзно завязаны на пропаганду. А это тот же "глубокий нейромаркетинг", он уже идёт (все скандалы с Cambridge Analytica ровно про это, и это сегодняшние скандалы, а не скандалы будущего -- https://ru.wikipedia.org/wiki/Cambridge_Analytica).

Но у меня всё равно оптимизм. Невоюющих вещей, которые могут системно мыслить в мире будет больше, чем воюющих. И они будут мне помогать. Например, помогут починить мне зубы, этот пример в тексте ведь не зря. Или даже восстановят кусок мозга, если какой-нибудь нейромаркетинг мне его вынесет (как восстановят зуб, вынесенный какой-нибудь пулей).

С людьми ведь тоже так: злые гении есть, но на одного злого гения приходится два десятка нормальных. И военный бюджет, равно как и маркетинговые бюджеты отравляют жизнь человечества, но не на все 100% всех бюджетов. С компьютерами всё будет так же: затраты на военные и маркетинговые бюджеты на компьютеры будут всего лишь долей затрат на продуктивное использование компьютеров, на продуктивный интернет созидательных вещей. Так что пусть военные и спамеры занимаются интеллект-войной и интеллект-спамом, а я займусь другими интересными вещами. Например, системно мыслящими вещами в компанию к системно мыслящим людям. Я могу сколько угодно отказываться работать с военными (вот буквально пару дней назад отказался в очередной раз), но желающих помочь в создании воюющих вещей всегда будет достаточно. А все остальные пусть определяются сами, на какие бюджеты они работают.

Вот, например, сотрудники Гугля пытаются что-то делать в этом направлении -- https://geektimes.ru/post/299713/ (и мне нравится, что используется традиционный аргумент -- "что вы, у нас не министерство нападения, у нас министерство обороны!", то есть технология «призвана спасать человеческие жизни и избавить людей от необходимости выполнять очень утомительную работу»). Пожелаем им успеха. Я вот не могу представить, что что-то подобное сбору подписей против подобных проектов проходит в каком-нибудь Яндексе, или Cognitive Technologies. Ну, и от этих одиночных сопротивлений милитаризму в его самых оборонных (конечно, конечно, верим!) проявлениях IMHO мало что зависит. Так что будем обсуждать (и давно обсуждаем, вот пост 2009 года -- https://ailev.livejournal.com/662638.html) этику военных роботов, но не само строительство таких роботов.

Реальный успех в демилитаризации был бы только, если бы были сокращены военные бюджеты, и во всём мире. Тогда бы на интернет воюющих вещей просто не было бы денег, и разговоры оставались разговорами. А пока имеем, что имеем.

UDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10212696776948369