Category: наука

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

2019

Системная методология как трансдисциплина

Если бы я развивал дальше линию системного менеджмента, то я бы сделал учебный курс чего-то типа "системного agile" как case management с поддержкой issue/case tracker, отслеживающим прохождение checklists по состояниям concerns (альфы это как раз оно: объекты, служащие предметом интереса и проходящие состояния) для кейсов-альф. Хотя я понимаю, что подобный предмет интересен не столько менеджерам, сколько инженерам.

Вообще-то больше всего именно этот "системный agile" выглядит похоже на "системную методологию": как думать о методах работы, нарезая объекты внимания для этих методов (что в части целевой системы этих работ, что в части обеспечения) с использованием системного мышления, основанного на современной онтологике. Такое же большое гармонизирующее приключение, какое было с системным мышлением. Для этого нужно гармонизировать case management по линии управления жизненным циклом, современное состояние agile-практик/методологий, практику использования issue/case trackers (все эти epics в Jira и прочие подобные интересности, их нужно осмыслить и обобщить) в связке с системой управления конфигурацией/версионирования/PDM так, что получается PLM/ALM, понимание чеклистов от Atul Gawande и моделирование ЖЦ (OMG Essence как раз язык моделирования ЖЦ, язык ситуационной инженерии методов, https://ailev.livejournal.com/905099.html) как части архитектуры предприятия, а также использование productivity tools (все эти notion.io и даже MS Teams lists для организации внимания команд к делам с рабочими продуктами/объектами работы).

Всё это методологическое, крутится вокруг понятия практики. Михаил Гусаров сказал сегодня в чате моего блога про системный фитнес (https://t.me/ailev_blog_discussion/7658): "сколько раз слышал «дыши полной грудью», а Антон [Климат] сказал вместо этого «вот как дышать полной грудью»". На курсе системного менеджмента такое разъясняется в первом же разделе: "практика как объект первого класса", всё делаемое — вы делаете как-то. Нужно просто осознать, что это можно делать разными способами, явно описать (методология! наука о методе, т.е. описание того, как делать!) и выбрать подходящий вариант, докрутить до текущей ситуации.

Может быть, это "методологическое" нужно выносить из курса системного менеджмента и системной инженерии в нормальную трансдисциплину, "системную методологию".

У меня (и у многих других, например, автор книг об управлении конфигурацией/инженерной документацией/жизненным циклом Frank B.Watts) большие затруднения с тем, куда это относить: это "серая зона" между менеджментом и инженерией, ибо с одной стороны это про метод работы, в котором разбираются инженеры, а с другой стороны это именно "управление" конфигурационными единицами, служащими предметами этой работы, "кейсовая структура для отслеживания". Как я говорю, "инженеры режут мир на объекты и операции, а менеджеры их потом учитывают при управлении ресурсами и работами". Вслед за Frank B.Watts я соглашаюсь, что нужно отдавать методологию инженерам, но всё-таки включил управление жизненным циклом и там внутри управление конфигруацией и в курс менеджмента. Это же сделал и Ивар Якобсен в OMG Essence, альфу way of working (альфу "метод") он включил в область интересов менеджмента, наряду с альфой "работа" и альфой "команда".

Решение этих всех затруднений, вроде, очевидно: это трансдисциплина, она присутствует везде, её нужно вынести за скобки! Нюансы типа "методология это про мышление, или про управление ЖЦ, или про инженерию метода" (насколько она отвечает на вопрос "как думать", а насколько там ответы на вопросы "как делать" -- насколько методология именно методологическая дисциплина, а насколько относится к деятельностному кругозору типа инженерии или менеджмента, то есть достойна собственной методологической зоны интереса в системной схеме предприятия) пока не будем поднимать. "Системность" тут просто указывает, что её можно формулировать с использованием системного мышления: методы работы/практики/методологии применяются на каком-то системном уровне системы, с которой работают -- методы работы с кирпичами одни, со стенами другие, со зданиями третьи, но все они как-то связаны и декомпозиция метода домостроительства связана с системным разбиением самого дома.

Понятно, что "разделение труда" (труд тут понимается как "практики", https://ailev.livejournal.com/1244491.html и я, например, до сих пор "Манифест чеклистов" Атула Гаванде считаю лучшим учебником на эту тему) и дальше весь выход в системное предпринимательство по части изменения методов работы на основе новых практик берётся ровно по этой методологической линии. Поэтому и СМД-методологи копают в этом направлении (в частности, Пётр Щедровицкий реализует ровно вот эту программу, связывая углубление разделения труда и предпринимательство). Но это отдельная история, просто нужно учитывать, что вынос системной методологии касается не только системных менеджмента и инженерии, но и предпринимательства.

Почему это трансдисциплина выглядит такой прикладной? Ну, не такой уж и прикладной: всё это "управление жизненным циклом", "разделение труда" и всё подобное традиционно выглядело очень "занаученным" и "инфраструктурным" по отношению к работам с какой-то целевой системой. Ну, примерно как научное мышление, которое в части предпринимательских гипотез или приёмов A|B testing оказалось более чем прикладным.

То, что я себя ощущаю методологом даже больше, чем онтологом -- тоже добавляет интереса к подобной задаче. Мой основной рабочий опыт как консультанта существенно опирался на методологическую работу: всё время приходилось разбираться с устройством разных систем деятельности, описывать методы чьей-либо работы.

Займусь ли я немедленно созданием такого курса? Вряд ли немедленно, и даже необязательно этим займусь я, хотя я и представляюсь последние годы как "методолог", когда спрашивают о том, какой деятельностью я занимаюсь. Но этот пост формулирует проблему, и это уже большое продвижение. Проект начинает жить какой-то собственной жизнью тогда, когда у него появляется имя. "Системная методология" тут не самое плохое имя.

UPDATE: тут мне напомнили, что в моей фирме использовался agile в самом начале нулевых (1999 год -- публикация Extreme Programming Explained, 2001 год -- это год выхода agile manifesto, а год старта проекта Communiware -- 1998, и мы по факту работали в технологии Extreme Programming -- выписывали все тамошние книжки через Amazon. Работало тогда у меня до 40 человек, почти все из них -- программисты, работающие по методу XP Programming) -- https://www.facebook.com/george.gofbauer/posts/10225516891170346.
Комментарии в чате блога -- с https://t.me/ailev_blog_discussion/7660
2019

Приглашение на шестнадцатые Лебедевские чтения

Шестнадцатые чтения, посвящённые памяти Геннадия Лебедева состоятся в субботу 22 мая 2021, в 10:00, в Москве.

Многие из нас ведут проекты, которые начинали вместе с Геннадием, продолжают размышлять над темами, обсуждавшимися с ним, и вызвавшими его интерес, начинают новые дела, которые, мы уверены, привлекли бы и его внимание, дела, в которых нам так не хватает его острого ума, неожиданных подходов, полезных советов и необычайной целеустремлённости.

Геннадий приложил немало сил к тому, что мы можем назвать продвижением «дела свободы» – в экономике, в политике, в образовании. Поэтому именно свободу мы решили сделать темой чтений, организуемых в его память. Собравшись вместе, мы и поделимся воспоминаниями о Геннадии Лебедеве, и расскажем о своих работах, ведущихся в разных областях, но объединенных идеей свободы. Девизом чтений является сформулированный Лебедевым принцип «Всё новое – свободно».

Доклады и сообщения на чтениях делаются на темы экономической теории, этики и права, политики и идеологии. В докладах представлены фундаментальные исследования, прикладные модели, практики их применения и обратная связь с реальностью.

Участие в чтениях открыто для всех желающих. Доклады, сообщения и статьи для распространения среди участников будут отобраны оргкомитетом в соответствии с изложенной выше идеологической направленностью и содержанием чтений.

Участие
Оргкомитет просит желающих принять участие в чтениях зарегистрироваться до 19-00 17 мая 2021 года. Регистрация может быть осуществлена на странице события в фейсбуке (https://www.facebook.com/events/2576650192602551/), а также по электронной почте ailev@asmp.msk.su. Незарегистрировавшиеся участники будут допущены на чтения при наличии свободных мест в зале, поэтому просим вас регистрироваться заранее.

Участие в чтениях бесплатно. Проведение чтений финансируются из добровольных пожертвований, желающие внести средства могут указать своё намерение при регистрации или связаться с оргкомитетом до или во время чтений.

Оргкомитет не обеспечивает проезд и проживание иногородних участников чтений.

Доклады
Желающие выступить на чтениях с докладом, кратким сообщением, или распространить свои материалы среди участников, могут сообщить об этом по электронной почте ailev@asmp.msk.su. Заявка должна содержать тему доклада или сообщения, развёрнутые тезисы и/или слайдовую презентацию и/или полный текст доклада.

Продолжительность доклада – не более 30 минут, сообщения -- не более 10 минут. После каждого доклада программой чтений будет предусмотрено время для обсуждения.

Срок регистрации заявок на доклады и сообщения – до 16 мая 2021 года. Оргкомитет оставляет за собой право отклонить предложенные выступление или материалы для распространения без объяснения причин отказа. Оргкомитет свяжется с докладчиками для дальнейшего согласования времени и формы выступления.

Предварительная программа будет публиковаться и уточняться на сайте чтений. Окончательная программа чтений будет объявлена Оргкомитетом не позднее 17 мая 2021 года.

Список членов оргкомитета чтений доступен на вебсайте чтений (http://g-l-memorial.ice.ru).

Оргкомитет

Событие в фейсбуке (регистрироваться там): https://www.facebook.com/events/2576650192602551/

В 2020 году чтения не проводились, пятнадцатые чтения были в 2019 году, их материалы можно найти на вебсайте чтений.
2019

Системное мышление -- это не рациональное, не критическое, не логическое и т.д.

Наталия Андреева в https://www.facebook.com/natallia.andreeva/posts/3706835186078986 спрашивает, учат ли в университетах системному мышлению (и гипотеза в том, что не учат). Дальше выяснилось, что мы оба считаем, что гипотеза верна: системному мышлению не учат. Но вот сам предмет, чему не учат, понимаем абсолютно по-разному. Наталия IMHO описала логичное/рациональное/научное мышление, а я-то имел ввиду системное мышление, как использование системного подхода. Спор о терминах, понятное дело, бесперспективный, но проклятье учителя системного мышления в том, что его предмет ему даже не позволяют определить. Вот что такое матан или сопромат в голову никому не придёт определять, а вот что такое системное мышление -- полно бытовых пониманий. Увы, системное мышление в народном представлении неотличимо от логичного, рационального, критического, научного и всех прочих мышлений, которые за всё хорошее и против всего плохого. Так что вынесу свои комментарии:

[топикстартер предлагаем определение: человек обладает системным мышлением, если он умеет а) находить неочевидные причинно-следственные связи между явлениями окружающей реальности, б) агрегировать, т.е. делать выводы о состоянии объекта / системы на основании слабо упорядоченных факторов, в) моделировать, т.е., как минимум, описывать объект / систему по ряду каких-то ключевых для этого объекта / системы свойств... и всё на этом.]
Это описано логичное/онтологичное мышление. Онтологика (работа с типами: не ставим через запятую кресты металлические и кресты католические), логика (правила вывода, в том числе вероятностного), научное мышление (эпистемология: есть я, мир, мои модели мира, чужие модели мира и разная степень соответствия всех этих моделей самому миру). Собственно системности тут ноль. Слово "системное" тут воткнуто для красоты, по-бытовому как эпитет "онто/эпистемо/логической сложности".

Системное мышление -- это мышление, использующее набор понятий системного подхода. Прежде всего это мыслительная работа с системными уровнями, выделяемыми вниманием объектами окружающего мира по отношениям часть-целое. Нет системных уровней и непонятно, зачем их выделять -- нет системного мышления. Их для разных целей выделяют по-разному, потому как разным деятельностным ролям удобно работать с разными этих уровней выделенями. И если речь идёт о проекте, то команда должна договориться об этом выделении уровней. Поэтому системное мышление даже не мышление одного человека (разные роли очень редко играет один человек).

Можно поглядеть, что такое настоящее (из инженерных и менеджерских стандартов, а не по-бытовому понимаемое) системное мышление в моём онлайн-курсе: https://system-school.ru/systems-thinking или книжке https://ridero.ru/books/sistemnoe_myshlenie/.

И да, без хорошего владения онтологикой (того, что написано в этом посте: все эти разбирательства с причинными связями, внимание к типам объектов и т.д.) системное мышление в голову не заходит. Системное мышление -- это надстройка над онтологией, логикой, эпистемологией, коммуникацией. Поэтому мы сделали дополнительный курс онтологики, тут можно поглядеть его программу (хорошо видно, что это не системное мышление, можно сравнить с программой курса системного мышления): https://system-school.ru/united

[а почему нельзя как в математике, каждому самому дать определение системного мышления? Сказал, что это -- и всё, нет проблемы!]
Системное мышление существует само по себе и не зависит от определений. Просто как-то трудно разговаривать о том самом сложном мире, если каждый будет сам изобретать определения для столов, атомных электростанций, логики, системного мышления.

[Ха, но ведь Левенчук даёт определение системного мышления! Почему ему можно, а нам нельзя?!]
1. системное мышление совсем не моё (не я его придумал! не я выбирал, что это такое!), и речь идёт не о "бытовом системном мышлении" (такого вообще нет), а бытовом понимании термина "системный". Владимир Алейник любил говорить о таком понимании как о способе разговора "система кошка зашла за систему угол" -- просто добавляем слово "системный" как указание на что-то большее, чем просто указываемый объект. В этом плане "система угол" и "системное мышление" ничем не различаются: указывается на то, что "чуть круче, чем просто мышление". Не само системное мышление бытовое, а понимание термина бытовое!

Удивительно, но мы обнаружили, что онтологии-логике-эпистемологии-коммуникации не учат, отдельно как трансдисциплина это не воспринимается, своего имени нет. Вот я назвал это "онтологика" -- предварительно посовещавшись со многими онтологами и логиками, которые вполне признают, что логика и онтология неразрывны, это одна дисциплина по факту, но я добавил ещё научное мышление/эпистемологию в этот компот, впрочем это тоже не моё изобретение. Вот что говорит John Sowa на эту тему (https://groups.google.com/g/ontolog-forum/c/xwFwCa0j8qI/m/iufObRmbAAAJ):
The three kinds of value judgments are Beauty, Goodness, and Truth. They determine the three kinds of normative science: Aesthetics, Ethics, and Normative logic. Peirce equated normative logic with logic as semiotic. But all sciences, including the normative sciences, depend on mathematics and mathematical logic (AKA formal logic).

All empirical sciences, including the normative sciences, depend on phenomenology for the analysis and interpretation of perception. The three parts of normative logic (AKA logic as semiotic) are (1) Critic, which is formal logic; (2) Grammar; and (3) Methodeutic, which is Peirce's name for the methodology of science.

All these issues were discussed and analyzed in detail by Aristotle, debated for centuries by the Greeks, Romans, and Arabs, and developed to a high level of sophistication by the medieval Scholastics. The books called "logic'' from the 13th to the 19th centuries discussed all these issues. But the 20th c. logicians ignored all but the formal logic. They did a lot of good work on logic, but they also lost a great deal.

That is why I said that they wasted too much time studying Frege -- who ignored everything except the formal part.
И вот это всё "онтологика", и об этом IMHO печётся топикстартер, и я полностью согласен. Я понимаю, что споры о терминах непродуктивны. Но я просто замечаю, что системное мышление -- это другой набор понятий, другие свойства мышления. Это умение выделить своим вниманием главное среди множества объектов окружающего мира и их свойств, структурировать все возможные логичные высказывания. Если корова Маргарита имеет хвост как часть, а стадо коров (не множество, а стадо! физический объект!) имеет частью корову Маргариту, то логика считает "у стада коров есть хвост, тот самый -- коровы Маргариты" правильным логически, а системное мышление -- неправильным системно, ибо пропускается системный уровень, нет осмысленных операций с хвостом стада (но есть с хвостом у коровы и с коровой у стада).

Если уж заниматься мышлением, то хотя бы логичность от системности отличать -- и не терминологически, но по сути. Вот и весь мой пойнт.

[но проблема топикстартера ведь есть? Можем обсуждать эту проблему, почему вдруг упёрлись в терминологию?]
Для меня пост топикстартера состоит из 1. описания некоторого мышления X (которое в мире обычно называется логическим мышлением: логический вывод/рассуждения по правилам, онтология как работа с типами и эпистемология как отношения между миром и моделями плюс причинность, которая размазана между ними всеми, но чаще всё-таки относится к эпистемологии -- теории-объяснения ведь там). Вопрос поста: как вы пришли к тому, что это важно? И ещё 2. мышление X называется вдруг "системным мышлением". И тут мой вопрос: зачем? Почему? Откуда именно это название? Почему вдруг вместо "ты нелогично рассуждаешь" оказывается "ты несистемно рассуждаешь"? Вместо "у тебя тут логическая ошибка" появляется "у тебя тут системная ошибка" (если есть мышление X, то есть и X-ошибки мышления )?

Для меня важно, что логичность мышления признают и узнают. А о системности мышления часто даже не знают, что это "сверху логичности". И что для разбирательства со сложностью окружающего мира нужно именно системное мышление вдобавку к логичному. Вот я и написал свой коммент.

[Но если отвлечься от именно "системности", то как удалось научиться "хорошему мышлению"? В университете, или после?]
Я автор курса/учебника системного мышления, но сам, увы, понял только в 2007 году осенью, что "системный архитектор", "системный инженер" и т.д. -- это связано с системным мышлением, а "архитектор системы", "инженер системы" -- это совсем другое (http://www.hitchins.net/profs-stuff/profs-blog/systems-engineering-vs.html). Тогда Петр Щедровицкий попросил меня разобраться с тем, как удерживается целостность такого сложного проекта, как атомная станция: кто отвечает, чтобы все самые разные работы для проектирования и изготовления примерно 6 миллионов индивидуальных деталей вдруг собрались в одно работающее сложное целое? Я обратился к западному опыту, и оказалось, что там для этого есть специально обученные люди -- системные инженеры. И это "просто инженеры, которых учат системному мышлению". Дальше я с этим разобрался, но в 2012 году я начал преподавать системную инженерию, и мне пришлось для этого вытащить системное мышление из системной инженерии и давать его студентам отдельно от собственно инженерных практик. А затем в 2015 году обобщить и для менеджмента.

С онтологикой у меня другая история: я попал на работу к Гарегину Карапетовичу Тер-Григорянцу в отдел прикладных задач ВЦ РГУ, сразу после университета в 1980 году. И он задавал вроде как невинные вопросы, например про трегульник Соссюра (как я сейчас знаю. А тогда это звучало как очень невинная просьба разобраться с разницей между объектом, понятием и знаковым его описанием -- и вопрос был типа "так что там знаком описывается: объект или понятие?"), и я приходил в ярость, ибо "у меня три объекта для размышления, почему я уже пять дней не могу ответить на простейшие вопросы?!". И так было два года. После этого тренинга я по факту стал "когнитологом", как тогда говорили, занимался я в этом отделе прикладных задач "представлением знаний", как сейчас бы сказали. Но это логика-онтология-эпистемология, а с системным мышлением абсолютно другая ситуация! Между ними -- три десятка лет (1982 год моё знакомство с логикой и 2007 год -- знакомство с современным системным мышлением.

При этом ещё было в 1987 году знакомство с системным мышлением в исполнении СМД-методологов, но в том варианте оно было малоприменимо к жизненным реалиям -- почему, как я понимаю, и случилась ко мне просьба разобраться с целостностью атомной станции. Про "целостность и эмерджентность" и множество методов описания СМД-методологи знали, но вот какие именно это описания и как это связано с инженерией -- нет, там были только догадки про "морфологию, процессы и всё такое".

Университет не повилял ни на логичность/научность мышления, ни на системность. В университете меня учили на химика-исследователя, но я вышел обычным человеком. Ещё раз подчеркну: логичность/научность мышления мне поставили за пару лет сразу после университета, а системность появилась только ещё через тридцать лет -- после того, как я нашёл, что это такое и начал с этим специально разбираться. До этого я гордо называл себя, например, системным архитектором -- но понятия не имел, что речь идёт о системном подходе и системном мышлении (то есть на уровне двух минут разговора о "сложности", "эмерджентности" и "целое больше суммы его частей" я мог продержаться, но что там знаний именно по системности из системного подхода хватает на учебник в 700 страниц не представлял вообще).

Если поворачиваться к университетам, то они никаким трансдисциплинам не учат нормально (ибо не подозревают об их существовании, и даже в философии учат не философской логике, например, а истории философии -- то есть не учат мышлению, а учат истории в формате "жизнь замечательных людей в философии"). У меня на эту тему есть опять же курс/книжка "Образование для образованных 2020", после неё люди меняют как раз отношение к образованию (https://system-school.ru/uptodate, https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/). Я хочу летом переписать этот курс и книжку, ибо мы много чего нового и интересного узнали про все эти мышления. Эта книжка не учит мышлению, она учит думать об образовании: ставит вопрос о том, какое образование усиливает интеллект, а какое просто учит каким-то прикладным практикам и на уровень интеллекта не влияет. И там упражнения, которые помогаю взглянуть честно на себя и своё образование.

У меня в очень дальних планах было написать и книжку для образователей (ОдО -- это книжка для абитуриентов, которые хотят образования для себя, а для образователей нужны другие тексты, и у меня черновичок этих текстов есть уже на 300 страниц книжки, но нет времени это всё переписать. Да и кто это будет читать, кроме преподов нашей школы?! Остальных и так неплохо кормят).

[Но компании-то пишут, что они хотят "системное мышление"! На что же тогда ориентироваться университетам, если не на удовлетворение запросов компаний?!]
Если говорить о том, чего хотят компании, то они часто хотят критического мышления (на мой взгляд, это ещё одно кривое название для логичного/научного мышления, и не более того. Но там и предмета нет, оно уж точно "за всё хорошее и против всего плохого в мышлении, думайте больше и будет вам счастье!"). Вот это уж точно попса попсовая, несуществующий в жизни предмет. Как проверить, что в жизни не существует? Ну, интерес в google.trends появляется к критическому мышлению циклически: в ритме студенческих сессий с ярко выраженными пиками дат начала сессии. А во время каникул люди перестают этим интересоваться. Если же интерес есть в жизни, то ритм студенческих сессий в google.trends у таких предметов не виден.Отдельно можно обсудить и рациональное мышление, и научное мышление, и логичное мышление. Но все эти мышления -- не системное. Например, проектное управление родом из системного мышления, а не логичного, критического, рационального, научного (подробней про это в https://ailev.livejournal.com/1475729.html.

[дискуссия в фейсбуке до этого вопроса не дошла, ибо системность там не обсуждалась, а больше обсуждался вопрос из "Образования для образованных 2020" -- как стать умным. Но всё-таки: а какой главный признак системного мышления? Можно ли быстро определить, системно ли мыслить человек, или нет?]
Да, простейший критерий есть: использование системных уровней. Если внимание человека надёжно и устойчиво выделяет какие-то уровни в разбиении объектов на части (разные виды этих разбиений дающие разные наборы частей: функциональные, конструктивные, размещения и т.д.), а дальше меняет практики работы на каждом из этих уровней, то это системное мышление. Нет системных уровней -- нет системности в мышлении. И первый ход по этим уровням всегда вверх (система в составе надсистемы), а не вниз (подсистемы в составе системы -- это всегда потом, когда разобрались с окружением).

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10220521117391990, https://www.facebook.com/groups/771940449578453/permalink/3472174529555018/,
2019

lytdybr

Делаю рабочую тетрадь к курсу системного менеджмента: то, что лекции отличает от учебного курса -- тренажёрные вопросы, упражнения, задания. Написал пока семь вордовых страниц, дело идёт туго. Группа СМС получит первую порцию всего этого как задание на дом уже послезавтра, в воскресенье.

Вот, например, задание для прочувствования выделения системных уровней в деятельности вниманием (а не разборкой на конструктивные части) на примере более простом, чем танцы (фишка в том, чтобы на собственной шкуре ощутить, каково оно -- удерживать внимание на объектах какого-то определённого системного уровня, занимаясь при этом одной и той же деятельностной ситуацией (в предприятии будет то же самое, только во много раз сложней -- это вам не по кругу одному человеку шагать и за собой наблюдать):
Шагайте по комнате кругами, делая один круг за восемь шагов (можно поставить какую-то музыку, обычно там хорошо слышна структура из восьми битов – проще будет считать шаги). Проверьте, насколько вы можете удержать внимание на разных системных уровнях этого движения. Переходите к следующему вопросу, когда получен положительный ответ на предыдущий, иначе делайте следующий круг (усложнение упражнения: пройти два или три круга без отвлечений на другие мысли):
1. Внимание в течение полного круга удерживается без отвлечений на мышечных ощущениях от ходьбы: что напрягается, что расслаблено, что в теле двигается, а что нет.
2. Внимание в течение полного круга удерживается на равномерности движения по кругу (что в ходьбе инерционно, что требует «тяги» для поддержания скорости, можно ли сделать движение более равномерным)
3. Внимание в течение полного круга удерживается на форме круга и прохождении его за ровно восемь шагов (счёт шагов при их заданной длине, диаметр круга и насколько это круг, а не эллипс).
4. Внимание в течение полного круга удерживается на окружающей обстановке в целом (помещение, включающее в себя вас, ходящего по кругу)
5. Внимание в течение полного круга удерживается на контексте ситуации (управление вниманием в ходе выполнения задания по курсу системного менеджмента).
Когда мы возимся со студентами, тема номер один -- включить им машинку типов, логика и онтология. Когда общаемся по поводу того, что делаем в нашей школе с разными другими образователями, экспертами, учёными и всеми остальными, кто абсолютно не планирует стать нашим студентом, но очень интересуется тем, что мы делаем "снаружи" (обсуждает неизвестное им содержание наших курсов), то на первый план вылезает "научность" -- и разговор сразу об эпистемологии, о том, откуда берётся наука. Мы стоим на свежей эволюционной эпистемологии Поппера-Дойча, но сколько же выучившихся в середине 20 века людей пытаются нам объяснить, что мы всё делаем не так, как делали наши научные деды! Да и за рубежом таких хватает, даже среди занимающихся AI (почитайте, например, про "достаточно предсказаний, не нужно объяснений" в объяснениях к выводам в теории дискретного поля по части движения планет -- https://www.nature.com/articles/s41598-020-76301-0, вот тут про эпистемологию от автора статьи: https://phys.org/news/2021-02-machine-theory-nature-science.html, и помним, что он первые свои статьи на эту тему написал ещё в 90-х годах прошлого века и вряд ли с тех пор менял свою точку зрения на роль объяснений). А вот тут другой подход, через representations learning -- и сегодня это всё называется discovering symbolic models from deep learning, https://arxiv.org/abs/2006.11287. Ничего, потихоньку со всем разберёмся. А пока Пион Медведева и Александр Али стартуют свой полностью переделанный курс онтологики (онтология, логика, эпистемология и коммуникация в одном флаконе) со 2 марта 2020 -- https://system-school.ru/united. Успейте записаться, ибо следующий курс в этом году непонятно когда будет.

Я, кажется, понял происходящее с этикой в AI -- это ж просто "запрет на профессию по политическим мотивам". AI понимается как "ученик". "Учёные, занимающиеся AI" -- это учителя этих учеников. "Ethical AI" -- это чему можно учить AI, а чему нельзя. Например, нельзя учить AI естественному языку, ибо в языке плохо с отражением нынешних "правильных и этичных" воззрений на пол, расу, политэкономию (мало ли что было ещё в прошлом году, не говоря уж о прошлом веке!), нужны новые тексты на новоязе -- вот на них и учить! Дальше появляются тексты типа https://venturebeat.com/2021/02/12/ai-weekly-techno-utopianism-in-the-workplace-and-the-threat-of-excessive-automation/, где цитируются твиты активистов вроде "Computer scientists trying to find a path to 'Ethical AI' but refusing to learn anything about white supremacy, heteropatriarchy, capitalism, ablism, or settler colonialism" (а я бы ещё и повторил ссылку на справочный материал по wokeism, https://ivanov-petrov.livejournal.com/2287616.html). Тех учёных AI, которые против правильных идей, нужно изгнать из профессии, а остальных так и быть -- временно оставить, но держать их под строгим контролем. Например, научить правильными учёными правильный AI и пусть затем этот правильный утверждённый нашими людьми AI неусыпно бдит, что там остальные учёные замышляют.

В чате блога неожиданно всплыла тема каспульных кофеварок (с https://t.me/ailev_blog_discussion/6385). Мои ответы:
-- продолжаю пользоваться кофеваркой системы Dolce Gusto по четыре раза в день (чаще всего лунго без молока, или лунго с молоком 3.2% 1:1)
-- достоинства капсульной кофеварки: вкус эспрессо и лунго (не верьте, что вкус плох -- тем более, что есть разные варианты, в том числе "не из инструкции", типа взять капсулу для Американо и пролить как эспрессо), ничего не нужно мыть (вообще ничего, кроме чашки), время приготовления кофе -- меньше минуты, цена вдвое дешевле, чем в самых дешёвых "кофиксах".
-- да, я продолжаю пить китайский зелёный чай. Кофе это кроме чая, а не вместо чая. И да, всё это безопасно для организма, и даже полезно.
UPDATE: ровно год назад, 13 февраля 2016 я про кофе и здоровье -- https://ailev.livejournal.com/1246523.html

UPDATE: Обсуждение в чате блога про трудности AI цензуры порнографии в картинках (отличия от эротики) по сравнению с матом в текстах (https://t.me/ailev_blog_discussion/6415).
2019

Об уроки истории

Я довольно много писал насчёт ненужности изучения философии. Нет, я не против изучения "философской логики", которая по факту просто оказывается "логикой" или даже "онтологикой", где в одном букете логика, онтология, эпистемология и разбираются машинки типов и прототипов, возможные миры, причинный вывод и поднимаются прочие интересные вопросы про эффективные рассуждения. Я против изучения работ философов древности и истории философии, как изучается философия во всех вузах России в обязательном порядке на всех факультетах -- начиная с древнегреческих философов -- и вперёд к немецким классикам, закончив где-нибудь началом 20 века, и не дойдя до тех самых "философских логиков", ибо дальше -- "чёрт, (планово) не успели". У этих историков (в том числе историков философии) не хватает времени на настоящее, и это ж не случайно. Не буду повторяться, писал я про это неоднократно.

Поскольку в воздухе запахло революциями, бунтами и прочим таким, что изучалось "философами-гуманитариями" (не философскими логиками!) и просто историками (история у нас -- история царей и царств, войн и революций, всегда удивлялся такому подходу к ответу на вопрос "что такое история"), то кроме призыва изучать работы философов (вот, например, тут мои комменты там про бесполезность изучения работ русских философов прошлого века -- https://www.facebook.com/petr.shchedrovitskiy/posts/3682495075170696), есть и призыв изучить уроки истории, чтобы не повторять ошибок прошлого. Вот достану из комментов моё мнение по поводу изучения уроков истории для учёта их в делах сегодняшнего дня (https://www.facebook.com/petr.shchedrovitskiy/posts/3683120265108177):

Глядим на огромное число потенциальных "уроков истории" -- что учить-то? Как изобретать теорию флогистона? Кто не выучил, тот повторит изобретение теории флогистона? Или нужно выучить историю Галилея, а потом Ньютона и так и не дойти до истории Эйнштейна, поскольку Эйнштейн сделал свои открытия, не зная всех деталей истории Галилея? Или перейдём к традиционной истории царей и царств: нужно учить как был разрушен Карфаген, чтобы потом повторить или не повторить Великую Октябрьскую Социалистическую Революцию?

Есть эволюционная эпистемология Поппера-Дойча, там изучению прошлого отводится весьма скромное место. На фондовом рынке тоже программы, отлично предсказывающие все прошлые состояния почему-то срезаются буквально на завтрашнем дне, что уж говорить про послезавтрашний.

Прямо какое-то магическое приписывание изучению истории тех свойств, которое оно абсолютно не имеет. Кругозорно знать, что там было лет сто назад -- да. Подробно -- смысла нет, для объяснения того, что происходит сегодня лучше не историю привлекать, а строить адекватную объяснительную теорию.

Повторю свою точку зрения: марки собирать, историю подробненько изучать, танцами заниматься, картины рисовать -- очень достойные занятия! Это великая человеческая культура, каждый выбирает себе хобби. И даже корреляции есть: много гениев имели интересные хобби, типа как Эйнштейн играл на скрипке, а Фейнман на барабанах, а академик Фоменко вот как раз историю изучал. Это хорошо, это культура, но это никаких проблем не решает.

Опять же, всегда ситуацию можно описать пословицами -- как хорошую, или как плохую, или обосновать любой совет пословицей, на любой вкус ведь можно найти. Вот из истории можно брать моменты, которыми точно так же можно как пословицами подтвердить или опровергнуть что угодно. История как неисчерпаемый источник иллюстраций к чему угодно. А чтобы не к чему угодно, так не историю нужно иметь, а объяснительную теорию. Она же берётся не из истории, не из прошлого. Объяснительная теория "кладётся", а не выводится из каких-то фактов, в том числе исторических фактов.

Литература: эволюционная эпистемология Поппера-Дойча по-русски изложена в https://yadi.sk/i/SjpWiPqM4PQQSg (книжка 2011 года, это вполне себе 21 век, это не дореволюционная эпистемология, и не послевоенная эпистемология, а вполне себе современная. Книжка как раз про то, откуда берётся понимание того, как устроен мир -- хорошие объяснения, хорошие предсказания).

И, предваряя вопросы, опять даю ссылку на "Об об": https://ailev.livejournal.com/982750.html. И про философов напомню: https://ailev.livejournal.com/1286824.html, https://ailev.livejournal.com/1294709.html

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10220402722752198, в чате блога с https://t.me/ailev_blog_discussion/6347
2019

Онтологический статус практик/деятельностей: материал для машинки типов

В связи с введённой в https://ailev.livejournal.com/1548229.html типологией мышления (Мышление бывает познанием и выводом, познание бывает исследованием и обучением) можно уточнить онтологический статус практики/practice (в СМД-подходе ближайший термин "[предметная] деятельность"), как она понимается в системном мышлении (и вспомним, что Ivar Jacobson недаром в своей hump diagram называл практики disciplines). Кратко мы говорили "практика -- это дисциплинарное мышление, развёрнутое в голове и оперирование технологиями, развёрнутыми на местности". Но совсем кратко формула была "практика -- это дисциплины плюс технологии", что онтологически многих смущало, ибо тут была уже непонятка с типами, вот эту непонятку и уточним.

Практика -- это функция/поведение какой-то системы практики/оргроли. Инженерная практика/деятельность -- это поведение инженеров, роли которых выполняют оргзвенья из людей (в том числе и единственного человека) со знанием инженерии и их инструментов и рабочих продуктов (моделеры, приборы, станки и т.д.). Онтологическая практика/деятельность -- это поведение онтологов, роли которых выполняют люди и их онтологические инструменты (моделеры, языковые модели, тезаурусы и т.д.). Думаешь о практике -- думай об организационной роли, думаешь об организационной роли -- думай о практике. Забивало забивает, актёр играет, предприниматель предпринимает, операционный менеджер занимается операционным менеджментом. Ролевой объект и его поведение: при упоминании практики/деятельности машинка типов должна учитывать эти типы.

Поведение в практике состоит из мышления/мыследеятельности и актуальной работы в физическом мире. Тут могут быть нюансы, является ли работой в физическом мире нанесение надписей на физический носитель, порождение звуковых колебаний при коммуникации и т.д.: то есть является ли мышление письмом/моделированием, управление памятью и вниманием согласно идеям extended mind/cognition мышлением, или это уже предметная деятельность по физическому изменению или хотя бы физическому опробованию (в ходе познания) окружающего мира? Ответ тут зависит в существенной мере от проекта и от того, для чего будет использован ответ. Эвристика тут проста: если речь идёт об "управлении информацией" (неважно содержание, речь идёт о "данных на носителе", например типография изготавливает тираж, или телекоммуникационная компания передаёт пакеты данных по компьютерной сети), то это деятельность в физическом мире. А если важно содержание информации (а не её носитель), то речь идёт о мышлении.

Помним также, что когда мы говорим о мышлении, то мы не различаем мышление "биологического человека из его неандертальского прошлого, то есть без компьютера" и мышление современного человека, которое не происходит без письма и компьютерных вычислений (самых разных: от использования калькулятора для численных прикидок до использования гугля для ответа на какой-то вопрос -- "вспомнить что-то из собственной памяти" и "вспомнить что-то из памяти человечества" становится вполне сравнимым по времени и усилиям).

Дальше мы говорим, что для прикладных практик, основывающихся на чётком наборе понятий прикладной дисциплины/теории мышление в составе поведения этой практики -- вывод. Если вы занимаетесь практикой музицирования после музыкальной школы, и думаете о музыке и исполнительстве так, как вас научили в этой школе, то у вас "музыкальный вывод" (у СМД-методологов "мыследействие", а не общее "мыследеятельность"). А вот если вы музыкант теоретик, ругаетесь по поводу идиотизма текущей музыкальной теории и разрабатываете свою, посовременней, то речь идёт о музыкальном познании-исследовании -- и тут вы задействуете практики познания, т.е. пратики с трансдисциплинами в части мышления. А в части работы с физическим миром? Там будут практики того же музицирования. Физик-экспериментатор тут хороший образ: его практика состоит из исследования как мышления и большого количества экспериментальной работы, где можно уже обсуждать -- действует ли физик как инженер, который должен по Фарадею "уметь пилить буравом и буравить пилой", или это всё ещё физик-исследователь и мы говорим о выработке новых понятий в физике. Как об этом думать, зависит от того, для чего именно вы думаете, каким проектом занимаетесь.

А ещё практики/деятельности (и деятельностные роли, которые их выполняют) хорошо декомпозируемы. Так, практики исследования в своём составе содержат мышление-исследование как поведение интеллекта у учёного ("чистое мышление" у СМД-методологов), но эти практики можно относительно легко разбить на онтологическую, логическую, эпистемологическую, вычислительную, системную -- и роли их выполняющие будут онтологом, логиком, эпистемологом, информатиком, системщиком (да, можно спорить с выбором терминов "информатик" и "системщик", но это явно не массовые роли, и речь идёт о практиках мышления с трансдисциплинами в их составе, а не инженерных практиках -- тогда можно было бы говорить об "айтишниках" и "системных инженерах", например). Ещё можно подумать, роли там "учёного" или "методолога" (ибо думать приходится не только о понятийной части в мышлении, но и о части деятельности по преобразованию/восприятию окружающего мира -- создание практик в целом, а не только в части мышления, это методологическая работа по методологическим трансдисциплинам, её делает роль методолога. Вот я обычно в проектах методолог).

Конечно, все эти роли будут использовать какой-то инструментарий: прежде всего различные моделеры, а также просто zettelkasten для удержания внимания ("лабораторные журналы", вот как мой этот блог, который вы сейчас читаете), и вот использование этого инструментария в составе мышления как составной его части на сегодня не оговаривается -- идеи extended cognition ещё не слишком распространены. Скорее, сегодня практику печати слепым десятипальцевым методом вытащат из мышления в простые телесные практики, хотя без неё мышлению будет туго (да, я понимаю, что это заявление породит холивары: покушаюсь на святое). Повторим: ответ сильно зависит от проекта. Или вы хотите что-то сделать с мышлением (например, учить деятельностям познания и познавательному мышлению в их составе -- как исследовательскому, так и ученическому, вот я этим занимаюсь, "усилением интеллекта"), или спрашиваете из абстрактного любопытства (тогда вам произвольно любые ответы могут нравиться или не нравиться, заведомо не договоримся).

Но если ответ зависит от проекта, то что тогда говорит пост? Он даёт набор понятий, как это для каждого конкретного проекта обсуждать, на какие объекты обратить внимание:
-- практика/деятельность (в составе которой есть мышление, ещё мало нами обсуждаемая коммуникация, а также изменение предметного физического мира с использованием технологий как рабочих продуктов)
-- дисциплины (как наборы понятий и их взаимосвязи aka онтологии/теории/модели плюс рекомендации по их использованию в мышлении)
-- деятельностная роль практикующего/деятеля
-- мышление (познающее в случае интеллекта -- как исследование и обучение с использованием трансдисциплин, а также вывод как прикладное мышление деятельностной роли)
-- технологии для практики/деятельности (инструменты и рабочие продукты)
-- указание на многоуровневость (декомпозицию ролей и их практик, а также декомпозицию мыслительной части деятельности и преобразующей/воспринимающей физический мир).

И традиционный DISCLAIMER: что не сказано в этом посте, то просто не сказано. В этом посте нельзя сказать, что такое машинка типов (но об этом уже говорилось, https://ailev.livejournal.com/1532144.html), дать основные схемы СМД-методологии (это просто tribute, я знаю, что меня читает много СМД-методологов, им проще будет понять содержание), пересказать учебник системного мышления (в котором в том числе говорится, что практика не может быть системой, ибо это поведение, а вот проектная роль, которую кто-то играет -- запросто, ибо это функциональный объект), пересказать материал про extended cognition/mind (и то же мышление письмом/моделированием/кодированием https://ailev.livejournal.com/1513051.html и инструментарий для него https://ailev.livejournal.com/1515735.html-- и т.д.).
2019

Куда думать в первом квартале -- 2021

Мои исследовательские планы ближайшего месяца (на каникулы):
-- сделать проход по обзорам digital twins (тему поднял в https://ailev.livejournal.com/1546514.html, а обзор обзоров поминает их в теме интеграции моделей https://ailev.livejournal.com/1548016.html)
-- докрутить тему внимания и удерживания его на разных временных горизонтах (удерживание планов/стратегирование тут смежная тема).
-- собрать с учётом этого материал по вычислительному мышлению (предыдущая сборка была в докладе https://ailev.livejournal.com/1545919.html, а с начала декабря много чего было сформулировано -- с конечным выходом на понятийный минимум по интеллекту и мышлению в https://ailev.livejournal.com/1548229.html)
-- докрутить выход вычислительного мышления на архитектуру предприятия, и не только digital twins, но и идею внимания, многоуровневого по системным уровням и временнЫм горизонтам.

Мои методические и преподавательские планы:
-- начитать на видео с учётом всего нового материала лекционный материал для курса "Системный менеджмент и стратегирование 2021" (старт там будет 31 января 2021, https://system-school.ru/sms). Новые тексты сделать будет очень времязатратно -- там только слайдов объём в целую книжку! Тексты точно написать не успею, если книгописательством займусь. Но лекционные куски из предыдущих потоков обновлю, жизнь не стоит на месте, курс продолжит меняться.
-- распланировать по-новому классную и домашнюю работу студентов на курсе "Системный менеджмент и стратегирование 2021" с учётом новых возможностей Aisystant (нашей школьной LMS).
-- провести очередной поток курса в виртуреальном формате (очный класс с добравшимися до офиса, и удалённое участие одновременно. Так раньше проводили)

Мои планы в научном руководстве:
-- всё-таки запуск курса вычислительного мышления. Продвижения уже заметны, но нужно довести начатое до конца: начать преподавание. В принципе, одно это дело требует full time, но в текущем повороте понимания "просто мышление" -- это "верхнеуровневое универсальное вычисление", так что без продвижения в вычислительном мышлении говорить о том, что мы преподаём системное, инженерное, танцевальное и т.д. мышление -- это говорить без опоры на теорию. Мы таки будем осторожными, и не будем говорить о "курсе мышления" (верхнеуровневых универсальных вычислений и их приложений), но о вычислительном мышлении в целом. А там посмотрим. Материал "Мышление -- это работа интеллекта по познанию (исследования и обучение) и прикладной вывод" https://ailev.livejournal.com/1548229.html получился достаточно неожиданным даже для меня. И он требует осмысления.
-- переформатирование кругозорных курсов системной инженерии, менеджмента, предпринимательства (в том числе курс предпринимательства требует новых дисциплин праксеологии и экономики). Тут уже есть множество разных идей (в том числе и радикальных, типа "инженерия -- это reverse-epistemology" из https://ailev.livejournal.com/1544639.html, или "инженерия это про решение задачи архитектурного синтеза, а наука и искусство (как вариант науки) дают анализ, функциональные элементы" .
-- переформатирование курса онтологики и коммуникации (тут потихоньку идут подвижки, и хочется выйти в какой-то момент на полноценный набор курсов, сегодняшний вариант знакомит с предметом, но нам нужна как минимум надёжная инсталляция в мозг машинки типов)
-- курс по собранности (откуда выкинуты будут все старинные модели внимания и сознания из поп-психологии. Никакого больше "бессознательного" и "внесознательного", только SoTA из современных теорий сознания и внимания. Ну, и опора на extended cognition: компьютеры в помощь управлению вниманием).
-- осознать, что за курс получается "введение в системное мышление" (по содержанию он похож на более попсовый вариант "Образования для образованных", ибо собственно системного мышления там не так много).
-- курс "танцевальное введение в системное мышление" (выпускники последних танцевальных курсов и курса системного фитнеса с удивлением обнаружили, что они как-то разобрались с идеей системных уровней и выделением их вниманием в динамической системе, с построением системных/многоуровневых планов развития, с различением функциональных и конструктивных объектов. Вот нужно эту линию освоения методологического материала на практике докрутить: сделать теперь материал системного мышления основным, а танцы и системный фитнес давать как "сквозной рабочий пример сложней механической системы, но проще предприятия" -- в учебнике ведь они именно так проходят. А поскольку речь идёт о танцевальном и телесном интеллекте, то и материал вычислительного мышления там тоже будет осваиваться по необходимости).
-- важно: переписать книжку/курс "Образование для образованных 2021" (хотя это вряд ли получится сделать до лета, но уже сейчас есть понимание, что это нужно сделать)
-- дописать книжку для организаторов образования (у меня есть уже собранный черновичок постов на 300 книжных страниц, вот взять этот черновичок и пройтись по нему сверху вниз -- переписать из формата постов в формат книжки). Но это небольшой приоритет. Для текущей работы хватит и иногда появляющихся тут постов в блоге, а книжку непонятно, кто будет читать. "Образование для образованных 2020" писалась для широкой аудитории, а тут аудитория в разы и разы меньше. Овчинка, скорее всего, не стоит выделки.

Мои планы по телесной/физической и танцевальной культуре:
-- продолжать лаборатории по моделированию отдельных танцев (сейчас идёт самба, и возбновить танго нуэво -- включая походы на альтернативные милонги). Заодно и сам научусь.
-- второй фестиваль зука (проверить гипотезу, что "три фестиваля -- и я чуть-чуть танцую на вечеринках"), 6-8 января семинар ламбазука
-- потихоньку продолжать распрямляться, для чего включить силовые упражнения ("лодочки" и "отжимания в мостик" в положении лёжа -- из системного фитнеса).

Предыдущие посты серии:
-- куда думать в четвёртом квартале 2020, https://ailev.livejournal.com/1535897.html (там предлагалось выбрать какие-то проекты для фокусирования на них, и после консультаций с окружающими неожиданно победило фокусирование на вычислительном мышлении -- чем и занялся практически фуллтайм)
-- куда думать в первом квартале 2020, https://ailev.livejournal.com/1501024.html (страшно подумать, год назад ещё не было онлайн-курсов! Сейчас кажется, что они всегда были!).
2019

Мышление/learning и трансдисциплины, мыследействование/inference (привет СМД-методологам)

Снова и снова возникает вопрос про мышление: поскольку слово бытовое, и каждый волен его трактовать как хочешь, приходят разные люди со своими размышлениями (двамышлениями, измышлениями, измышлизмами и т.д.). "Мышление -- это оперирование образами", "мышление -- это осознанный поиск правильных интуиций", "мышление -- это поиск лучшего научного описания проблемы" и это первая линия ad hoc определений, а вторая линия приходит как пересказ случайно выдернутой из литературы разных лет идеи из какой-нибудь околохудожественной философской школы. Скажем, берём Ницше и гуглим "Ницше мышление" -- и там сразу "воля к власти как осуществление мышления", и дальше можно уже бесконечно развлекаться словесными построениями вообще вне связи с идеями Ницше или его последователей. Обязательно придёт в дискуссию кто-то, кто погуглил "Анохин мышление", и он будет рассказывать про афферентацию и мозг, и полное отсутствие связи с волей власти его волновать не будет (равно как любителей Ницше не будет волновать афферентация).

Мы говорим об интеллекте как вычислителе, который способен находить решение разнообразных проблем. Вычисления этого интеллекта -- это и есть мышление. Больше разнообразие этих проблем -- выше уровень интеллекта, мощнее мышление, используем модель Chollet -- https://ailev.livejournal.com/1498481.html.

Затруднения возникают, когда мы говорим о системном интеллекте, системном мышлении. Если мы определяем, что трансдисциплины определяют важные объекты, которые выделяет своим вниманием интеллект этой трансдисциплины, то возникает вопрос: если дан набор понятий из учебника кулинарии, можем ли мы считать это "кулинарным мышлением"? Чем отличаются учебники кулинарии (в любом учебнике обычно дают какой-то набор понятий для настройки внимания интеллекта, полученного путём изучения учебника) от учебника кулинарного мышления? Учебники инженерии от учебника инженерного мышления? Учебники системного подхода от учебников системного мышления? Да, принято говорить, что мышление с использованием понятий системного подхода — это и есть системное мышление. Или использование понятий, связанных с вычислениями — это вычислительное мышление. Но использование понятий "кулинарного подхода" или "понятий кулинарии" -- это "кулинарное мышление"?

Есть ещё примеры, как люди определяют виды мышления. Мне наиболее запомнился Дейкстра, который вводил виды мышления (его интересовало программистское мышление, близкое к нужному нам в вычислительном мышлении) на примерах: "Хотя во времена, к которым относится наша история, человечество не знало ЭВМ, неизвестный, нашедший это решение, был первым в мире компетентным программистом. Я рассказывал эту историю разным людям. Программистам, как правило, она нравилась, а их начальники обычно сердились все больше и больше по мере ее развития. Hастоящие математики, однако, не могли понять, в чем соль." — это знаменитая история о туалетах, http://hosting.vspu.ac.ru/~chul/dijkstra/pritcha/pritcha.htm.

Помним, что "программирование" — это для Дейкстры "структурное программирование", то есть алгоритмика на императивном языке с простыми структурами данных. Но вот это "чем мышление программиста отличается от мышления математика" — это важно, Дейкстра различал виды мышления. "Хвост коровы Маргариты это часть стада" для системного мыслителя неправильное высказывание, а для математика -- правильное. Системный интеллект и математический интеллект мыслят по-разному!

Тут произошёл незаметный, но важный сдвиг: мы говорим уже не о мышлении как таковом, а о видах мышления, его специализациях. Не об интеллекте в целом, а о видах интеллекта, специализациях. Или частях общего мышления? В онтологии это вопрос удобства выбора отношения: виды/специализации это мышления и интеллекта, классы/классификации или части.

В случае трансдисциплин мышление "всё системное", "всё онтологическое", "всё эпистемологическое", "всё вычислительное". И только для удобства обсуждения и обучения (но не использования -- оно как раз растворено в целом интеллекте и его мышлении) мы делим этот кисель трансдисциплинарной части интеллекта и его мышления на растворённые друг в друге до неразличимости, но "логически" отдельные/функциональные части, они все "одновременны", то есть выделяются из функционирующего интеллекта и осуществляющегося мышления нашим вниманием.

В AI эта "одновременность" обсуждается как life long learning: все акты inference далее обрабатываются на то, насколько они оказались успешными, и эти результаты идут в learn. При этом времени на learn не хватает в живой природе, и по итогам inference обучение идёт ещё и во сне (мозг пересматривает записи того, что там происходило в ходе inference и перестраивает вычислитель).

Творчество и импровизация — это всё то же самое, но режиме generative алгоритмов, то есть в inference работаем с шумом как входными данными для inference и на выходе получаем выходные приемлемые результаты. А чтобы улучшить порождение/генерацию, нужно всё равно делать шаг learn. Можно ещё пообсуждать функцию награды в рамках reinforcement learning, исследовательскую деятельность в рамках self-supervised learning, самонаграждение в рамках исследований и т.д.. Но это пока лишнее (но на втором такте рассуждений придётся затрагивать, конечно).

Если в мышлении объектами внимания являются системы, выстроенные в какие-то разбиения/иерархии по отношениям часть-целое, то это системное мышление, "мышление системами". Интеллект -- это вычислитель, мышление -- это его поведение, то есть вычисление. Мышление вычислителями, мышление вычислениями, вычислительное мышление, вычислительный интеллект: всё равно, про объекты-вещи или про их поведение, объекты-процессы с объектами-вещами (поведение -- это взаимодействие вещей).

Если у нас в мозгу решение прикладных задач по уже известным объектам внимания, то есть вывод/inference (не меняем синаптические связи мокрой нейронной сетки, то есть не занимаемся работой с понятиями, работаем в режиме GPT-3 на нейроморфном вычислителе), то это мыследействование в рамках мыследеятельности (неразрывно связанных мышления и деятельности). Если занимаемся образованием новых объектов (скажем, выделяем системный уровень тогда, когда он очевидно не выделяется "по правилам", то есть нет прямого алгоритма его получения — не описано в каком-то учебнике), то это чистое мышление/learning. Когда генерируем/строим /кладём гипотезы о том, какие это могли бы быть понятия, каким объектам в жизни они могли бы соответствовать, чтобы была удобна деятельность — вот тогда чистое мышление/learning. Если нейронная сетка (хоть мокрая, хоть кремниевая, хоть оптическая) не меняется сама, а только используется — тогда чистый вывод/inference/мыследействование. Понятно, что любая принадлежность к классам (в том числе классам вычислений inference и learning) определяется статистически.

Learning в жизни ещё известен как программирование, онтологизирование, моделирование. А вот всякие "вычисления программы", "интерпретация модели", "использование онтологии" — это inference/мыследействование. Если плохо вывелось, в мыследействовании затык — идём в мышление, продолжаем мыследеятельность в мышлении.

Трансдисциплины как раз обслуживают learning, это алгоритмы (описания вычислителя-интеллекта), дающие inductive biases для определения целевых понятий в ходе learning/мышления. Для inference потом просто тренируешь мозг обезьянки, и далее S1 хватает. А для понятийных размышлений в S2 нужно построить понятия, в терминах которых дальше будет автоматический (с небольшой утерей качества, но быстрый и лёгкий) S1. В природе они круто перемешаны, конечно, выделяются нашим вниманием, но имеют слегка разные конструктивы и чуток таки разведены во времени. Мы предпочитаем эти "слегка" и "чуток" доводить до экстремума в наших схематизациях мышления и мыследействования в рамках общей мыследеятельности.

В СМД-методологии в ходе деятельности люди занимаются не столько мышлением, сколько мыследействованием, перемежаемым мыслекоммуникации -- и у них есть для этого схема мыследеятельности aka "трёхслойка" (вот публикация с её рассмотрением 1987 года, https://gtmarket.ru/laboratory/basis/3961/3974). Переведём часть той схемы на современный язык, то есть скажем чуть другими словами то, что я уже сказал чуть выше: для мыследействования речь идёт не о мышлении как функции интеллекта по способности найти/выучить/learn алгоритм решения какого-то класса проблем, а о применении этого выученного ранее алгоритма к решению прикладной проблемы данного класса, проведению вычисления/inference по этому алгоритму. Нет вычисления мышления/learn, есть вычисление мыследействования/inference. "Выход в мышление" — это когда вывод/inference на имеющихся понятиях как объектах внимания в деятельности с заземлением/grounding их на имеющиеся объекты в физическом мире невозможны, и требуется ввести новые объекты внимания (или подкорректировать старые), то есть выполнить обучение или дообучение/learning. Работа интеллекта — чистое мышление, разборка с новым типом задач, для этого используем в качестве объектов внимания понятия из трансдисциплин. А когда идёт inference по шаблону - не мышление, а мыследействование, использование выученных в ходе мышления понятий прикладных дисциплин. Про коммуникацию из схемы пока будем молчать, в полной схеме мыследеятельности есть и она.

Дальше СМД-методологи любят прибавить, что чистое мышление так же часто встречается в мире, как танцы лошадей. То есть этих вычислений у человечества по объёму не так много: вычисления системного мышления, вычислительного мышления, эпистемологического мышления и т.д. редки, как танцы лошадей. Хотя и бывают. А основной объём "думания" на планете -- это мыследействование/inference, использование плодов интеллекта: создаваемых интеллектом прикладных алгоритмов решения каких-то классов задач, для которых понятна понятийная структура. Нет затыков в (мысле)деятельности -- мозг работает в режиме автомата, лёгкий режим с использованием S1 (как GPT-3 -- работает "интуиция", новые теории при этом не порождаются). Есть затыки -- это значит, что наше описание мира/модель неверна, нужно выдвигать новую модель, описывать мир получше. Это делается дообучением/learning, и проверки/доказательства для полученных решений -- это понятийная работа, логические рассужения "по правилам", использование S2.

Примат мыследействования/inference активно обсуждается: по объёму в датацентрах вывода (распознавания голоса, например), в разы и разы больше в части задействования ресурсов. Но чтобы выучить/learn/вычислить_интеллектом этот распознаватель, ресурсов тоже немало нужно. Но всё одно меньше, чем ресурсов для задействования итогового распознавателя голоса.

У мыслителей, которые главным образом вырабатывают новые понятия (наука, да и существенная часть инженерии) мышления/learning много. А вот у каких-нибудь клерков среднего звена — понятийной работы ноль, сплошной вывод (вот их, замечу, и списывают за ненадобностью, заменяют компьютерами, это легко. Плохо понятно, как выучить компьютер пока, требуются разработчики софта со всем их искусством нахождения мыследействования и пересадки его в компьютер, но хорошо понятно, как заставить софт делать могучий вывод, когда его выучили/learn мозгом, а потом записали в машинночитаемой форме ("разработали"). А уж если не просто "автоматизируют", пересаживая мыследействование в компьютер, а задействуют чистое мышление разработчиков (получают новые объекты внимания и уже их воплощают в софте), то тогда вообще могут говорить о "цифровой трансформации" (ага, это я даю ретроспективное придание смысла бессмысленным словосочетаниям, навеянным современной атишной музыкой).

Тут в комменты обязательно придут СМД-методологи сказать, что я схему мыследеятельности в СМД-методологии не понимаю. Привет! (тот самый -- из заголовка поста). Я им отвечу, что они сами её не понимают, а я довольно много этой схемой занимался -- впервые я увидел её зимой 1988 года на ОДИ. И любил спрашивать: на каком холсте нарисована эта схема, то есть что там за foundational ontology, upper ontology для этой схемы? Молчание мне обычно было ответом. Ну вот, считайте, что я этим постом двинул СМД-методологию, связал хоть как-то с современностью. Цели СМД-методологов хорошие, я их вполне разделяю -- вот об этом мой текст 2011 года, https://ailev.livejournal.com/718446.html. Но вот средства существенно устарели, там ведь десятки лет уже ничего не происходит. И хотя пожилые уже СМД-методологи могут сказать, что "всё это они говорили прямо в момент появления схемы мыследеятельности, ничего нового не сказано и мир только ещё через десяток лет поймёт всю глубину трёхслойки", я отвечу, что идеи людям на планете приходят в голову давно уже очень похожие, терминология только разная -- и различение learning и inference из современного AI имеет больше шансов стать рабочим языком человечества, нежели различение "мышления" и "мыследействования" по схеме-трёхслойке.

В мире сегодня есть и обсуждение интеллекта по Chollet (хотя и это только одна из школ), и обсуждение трансдисциплинарности (https://en.wikipedia.org/wiki/Transdisciplinarity), и обсуждения вычислительного мышления. Этот пост просто показывает, что всё это разные части одного и того же набора идей -- в посте проделана примерно та же работа, которую я делал, выдёргивая разные фрагменты системного мышления из инженерных стандартов в один связный текст учебника. Или работа, которую делал Дэвид Дойч, рассказывая связно о четырёх сюжетных линиях объяснений структуры вселенной: квантовая физика, эпистемология, теория эволюции и вычисления, которые невозможно понять без учёта их тесной связи.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10220035178483821
2019

Алгоритмика-2020

Алгоритмика -- это сердце информатики/вычислительного мышления. Алгоритмы изобретаются, их вычислимость проверяется экспериментально (ибо вычисляют их физические вычислители, а физика -- естественная наука, тем самым computer science тоже оказывается экспериментальной, "естественной" наукой).

Мой тезис в том, что алгоритмы многоуровневы, алгоритмика системна "из коробки" (мой заход 2016 года на системную информатику в https://ailev.livejournal.com/1272169.html, а самое свежее рассуждение недельной давности про нахождение в интеллект-стеке выше системного мышления -- https://ailev.livejournal.com/1544639.html, обсуждения курса вычислительного мышления идёт в чате https://t.me/comp_thinking).

Алгоритм -- функциональное (время работы) описание вычислителя. Система определяется по её функции. Вычислитель определяется по его алгоритму работы. Код или инф.модель харда -- это описание вычислителя (включая его поведение: вычисления), его можно документировать. Вычислитель -- воплощение системы, описанной алгоритмом. Вычислитель физичен! Так что алгоритм -- это описание какой-то физической машины-вычислителя (или описание логической машины, которая описывает работу какой-то другой логической машины, и так по цепочке, пока не доходим до машинного кода физического вычислителя).

Исторически развитие compute science рассматривалось как развитие алгоритмики: всё более и более кучерявые вычислители над сравнительно простыми данными. Потом жизнь резко изменилась:
-- в компьютерах медленно, но верно победила концепция RISC (споры на эту тему по факту утихли), и это даже не самый нижний уровень, ибо ниже идёт физика вычислений (а RISC это уже "программирование физики" в предположении, что она у нас классическая "кремниевая").
-- на среднем уровне победили простые алгоритмы обработки десятков тысяч плотно связанных таблиц в корпоративных базах данных (кучерявые реляционные и далее графовые модели данных)
-- на уровне, когда появляется слово "интеллект" (общий вычислитель, который можно настроить для разных типов задач) всерьёз рассматривается "горький урок Sutton" ровно про то же самое: все прорывы связаны с простыми алгоритмами, работающими над всё более сложными и объёмными структурами данных, просто этим алгоритмам в самом низу алгоритмического стека дают достаточную вычислительную мощь.

Развитие многоуровнево: на каком уровне сейчас развивается алгоритмика? Ответ: на всех.

1. Физика вычислителя.
-- Уже заговорили о "квантовом пузыре" (имеется ввиду инвестиционный пузырь), в прошлом году не очень уверенно, а сегодня уже уверенно: https://www.pcmag.com/news/quantum-computing-a-bubble-ready-to-burst. Квантовое превосходство (и тут политика: слово "превосходство"/supremacy некоторым намекает расовое превосходство белых над чёрными -- и хотят это слово заменить!) уже подтверждено, вот вчерашнее сообщение о "квантовом преимуществе" (таки заменили слово!): https://science.sciencemag.org/content/early/2020/12/02/science.abe8770, там преимущество в скорости квантового вычисления -- 10**14 (за 200 секунд работы квантового вычислителя было выполнено вычисление, которое требует 2.5млрд лет работы суперкомпьютера Fugaku). Алгоритмика никогда уже не будет прежней. И деньги в квантовый софт уже пошли, вот Zapata raises $38 million for quantum machine learning, https://venturebeat.com/2020/11/19/zapata-raises-38-million-for-quantum-machine-learning/
-- оптика тоже рулит, вот свежий декабрьский 2020 обзор по оптике в AI, https://www.nature.com/articles/s41586-020-2973-6 (увы, там paywall), но там просто вал новых работ. Скажем, кремниевый оптический передатчик на 100Gbps https://phys.org/news/2020-11-world-all-silicon-optical-transmitter-100gbps.html -- кремний вроде тот же (совместимый техпроцесс с CMOS), но физика другая.
-- и даже питание имеет свои новации, "анти-лазеры" уже доказано, что возможны: https://www.livescience.com/anti-laser-wireless-charging.html. The new anti-laser demonstrated in this experiment accounts for all that, and it receives scattered energy beamed around a space in an unpredictable pattern — still receiving 99.996% of the sent power. The formal term for the method they used is "coherent perfect absorption" (CPA). CPA uses one machine to send power across the room, and another (the "anti-laser") to suck it back up.

2. На уровне "железа" классических машин (это просто "реализация алгоритмов в железе"):
-- побеждает классическая архитектура с RISC, засилье wintel потихоньку заканчивается (например, https://www.zdnet.com/article/risc-v-the-linux-of-the-chip-world-is-starting-to-produce-technological-breakthroughs/ -- As just one example, a recent microprocessor design using RISC-V has a clock speed of 5 gigahertz, well above a recent, top-of-the-line Intel Xeon server chip, E7, running at 3.2 gigahertz. Yet the novel RISC-V chip burns just 1 watt of power at 1.1 volts, less than one percent of the power burned by the Intel Xeon. ... "It's kind of amazing," said David Patterson, a professor at the University of California at Berkeley who helped create RISC-V. "I think IBM mainframes have a 5-gigahertz product that's liquid-cooled, and takes 100 watts" to run).
-- GPU это "новый CPU", тут просто гонка (попытки угадать алгоритмы следующего поколения в AI, и подстроиться именно под них. Хотя NVIDIA делает ставку на то, что не только нейросетями будет живо человечество). Обсуждение железа для задач AI на русском ведётся в чате "железячников" в телеграме, https://t.me/hw_ml. Всякие заметки типа "Амазон сделал кастом чип для обучения нейросетей для своего облака" (декабрь 2020, https://venturebeat.com/2020/12/01/amazon-debuts-trainium-a-custom-chip-for-machine-learning-training-workloads/), скорее всего, будут там.
-- средства выражения алгоритмов (языки программирования): там после десятилетия застоя в нулевых годах наметилась тихая революция: Rust, Go, Julia. Тренд: высокий уровень абстракции при высокой скорости исполнения этих абстракций (в Julia это описывается как "проблема двух языков": чтобы писать быстро и высокоуровнево, как на Python, а исполнять на железе быстро, как на C". Интересно, что лет тридцать назад тренд был "поддержать язык железом" (типа LISP-машины и PROLOG-машины). А сейчас LLVM в компиляторах идёт как отдельный абстрагирующий слой от железа! То есть "железный вычислитель", далее LLVM-вычислитель, далее уже язык как вычислитель.
-- с базами данных идёт сдвиг к GPU ускорителям, "типовые алгоритмы должны уходить в железо": The global GPU Database market size is expected to gain market growth in the forecast period of 2020 to 2025, with a CAGR of 16.0% in the forecast period of 2020 to 2025 and will expected to reach USD 279 million by 2025, from USD 153.8 million in 2019. Это из https://www.orbisresearch.com/reports/index/global-gpu-database-market-2020-by-company-regions-type-and-application-forecast-to-2025, эти алгоритмы уходят в железо, что очень похоже на "мейнфреймы, команды которых микропрограммируются" (тоже несколько уровней вычислителей)
-- Intel не прекратила баловаться с нейроморфными архитектурами, вот https://venturebeat.com/2020/12/03/intel-showcases-neuromorphic-computing-innovations-at-labs-day/, Loihi solutions required 75 times less power than conventional mobile graphics cards without perceivable losses in performance. In fact, in a study accepted to the 2020 Conference on Robot Learning, the Rutgers team concluded that Loihi could learn tasks with 140 times lower energy consumption compared with a mobile graphics chip. Основная проблема как раз с алгоритмикой для этой архитектуры, и софтом с этой алгоритмикой. Но тут трудно говорить о "другой физике". Архитектура другая, но вот физика (пока в нейроморфной архитектуре не задействуют мемристоры) та же, что и у классики -- и там тоже два уровня, используется микропрограммирование (https://en.wikichip.org/wiki/intel/loihi).

3. На уровне "обычных алгоритмов" -- это предыдущая алгоритмика. Думать тут нужно о томах Кнута: алгоритмы сортировок последовательностей, генерации случайных чисел, обхода графов, удаления невидимых линий в трёхмерной графике и т.д.. Тут полно результатов, только они сегодня не так интересны. Например, Гугль сказал, что его квантовый компьютер решает за 200 секунд задачу, которую суперкомпьютер IBM решает за 10тыс. лет. IBM предложила новый алгоритм, и он решает на суперкомпьютере эту задачу за 2.5 дня (https://www.ibm.com/blogs/research/2019/10/on-quantum-supremacy/). Но эти алгоритмы мало кого волнуют сегодня, это стало уделом узких спецов -- знание алгоритмики сегодня идёт в плюс программистам, но по большому счёту оно уже не считается фронтирным, рок-н-ролл ушёл в другие места. Да, кого-то ещё может взволновать крошечное (после 44 лет исследований!) улучшение алгоритма нахождения кратчайшего пути коммивояжёра -- https://www.quantamagazine.org/computer-scientists-break-traveling-salesperson-record-20201008/, но по большому счёту такие достижения вдруг перестали считаться интересными.

4. А вот "универсальные алгоритмы" (варианты The Master Algorithm, как он описан у Pedro Domingos в книжке https://yadi.sk/i/TxIe5tc1SWekdQ) как раз очень бурно развиваются. Именно про них был горький урок Sutton, именно им нужно добавлять вычислительную мощь. Вот только некоторые из результатов этой "новейшей алгоритмики":
-- по факту замена алгоритмов свёрточных нейронных сетей алгритмами архитектруры работы с вниманием -- трансформерами, впрямую использовали эту архитектуру для работы с изображениями и получили SoTA: https://ai.googleblog.com/2020/12/transformers-for-image-recognition-at.html. Теперь и CNN, и RNN заменены на трансформеры, появившиеся в 2017 (и появилось много вариантов, типа Reformer, эффективный вариант от января 2020 -- https://ai.googleblog.com/2020/01/reformer-efficient-transformer.html)/
-- алгоритмический прорыв в алгоритмах сворачивания белков, AlphaFold, 50 лет стояла эта задача в биологии, и оказалась решена (существенно раньше, чем в любых прогнозах. Так же, как задача победы человека в игре Го), https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
-- алгоритмический прорыв в решении уравнения Шрёдингера, https://syncedreview.com/2019/09/18/quantum-chemistry-breakthrough-deepmind-uses-neural-networks-to-tackle-schrodinger-equation/
-- алгоритм NVIDIA, сокращающий требуемый для видеоконференций трафик вдесятеро, https://syncedreview.com/2020/12/02/nvidia-neural-talking-head-synthesis-makes-video-conferencing-10x-more-bandwidth-efficient/
-- ... и этот поток нескончаем. Универсальные алгоритмы -- это универсальные аппроксиматоры. Если их научиться обучать, то можно решить множество самых разных задач (в том числе, конечно, инженерные расчёты, химические расчёты, физические расчёты и т.д.). Вот, например, обзор расчётов турбулентности методами машинного обучения: https://www.tu-ilmenau.de/fileadmin/media/tsm/papers/Schumacher2020_3.pdf. Но рассчитывать этими методами можно очень много чего, практически всё! Можно ли из этих расчётов потом вынуть математическую модель, "физическую модель"? Да, таких алгоритмов тоже полно, этим не занимаются только ленивые. Вот пример: https://arxiv.org/abs/2009.11500, Discovery of Governing Equations with Recursive Deep Neural Networks или https://arxiv.org/abs/2012.00428 по попыткам подбирать уравнения покомпактнее -- таких работ множество, "перевести данные в какие-то короткие формулы" скоро будет уделом стандартных библиотек. Я бы выделил вот эту работу: https://arxiv.org/abs/2011.11981, там уравнения в частных производных открываются генетическим алгоритмом из редких и зашумленных данных. Законы Кеплера легко открываются из данных, не нужно ждать сотни лет. Неполноприводное движение тоже обеспечивается сегодня выучиванием алгоритмов этого движения, а не программированием.

Мой пойнт в том, что алгоритмика многоуровнева и стремительно развивается. И пока непонятно, чему учить в алгоритмике
-- "простых людей" (алгоритмика в составе трансдисциплины вычислительного мышления -- мой интерес. Думаем об абстрактном "директоре стадиона", который должен уметь поддержать разговор со своими айтишниками на уровне более детальном, чем "сделайте мне красиво", тьфу, "вычислите мне что-нибудь, и подешевле"),
-- прикладных специалистов (инженеров, которым нужно делать инженерные расчёты. Или учёным, которым нужно "открывать законы природы"),
-- программистов (которых разных сортов уже столько, что не факт, что их нужно учить одной и той же алгоритмике -- скажем, спецов по квантовым компьютерам какой алгоритмике учить? А спецов в data science? А спецов в AI? Или они все уже не "программисты"?

И спросить не у кого. Такой момент в истории, когда никто ничего про алгоритмику в целом не знает. Как в притче о слоне и семи мудрецах, один видит в алгоритмике продолжение дела Кнута, другой дифференцируемое программирование (differentiable programming, https://ailev.livejournal.com/1464563.html), третий рассуждения про применимость теоретических работ Тьюринга к нейроморфным компьютерам на мемристорах и квантовым компьютерам (computer science -- естественная наука), и алгоритмика как-то теряется как цельная дисциплина. И даже непонятно, нужно ли стремиться компактифицировать знание об алгоритмике, сделать его более универсальным, или плюнуть и считать алгоритмику разъехавшейся по каким-то частным дисциплинам?

И это даже не всё вычислительное мышление. Кроме алгоритмики в вычислительном мышлении что-то должно быть сказано и про моделирование данных. Ибо без данных алгоритмы не бывают. А там тоже всё чудесато. Ибо алгоритмы и данные -- это две стороны одной медали, и не только в классической информатике. Графы знаний и коннективистские модели данных (скажем, language models как те же нейросети), моделирование данных в ходе DDD (domain-driven development) -- и вот уже и моделирование данных оказывается весьма бурно развивающимся. Хотя результаты этого моделирования, скорее всего, мы узнаем как "вот открыли ещё один тип алгоритма, который эффективно работает с вот этим видом данных" -- и новизна вида данных потухнет перед новизной алгоритма. Эту ситуацию с недооценкой моделирования данных в информатике тоже нужно исправлять. Есть чат "Типы в языках программирования, моделирования, представления знаний", https://t.me/typeslife, там 439 интересующихся. И поддержать какой-то осмысленный разговор на тему связи структур данных (Arrays, Linked Lists, Stacks, Queues, Maps & Hash Tables, Graphs, Trees самых разных видов, Disjoint Set Union и т.д.), типов данных (целое, строка, плавающее и т.д. -- активно развиваются сейчас плавающие для ускорения вычислений универсальных алгоритмов AI, тех же нейронных сетей), типов (они ж необязательно "данных"), баз данных (где "модель данных" уже звучит вполне знакомо), баз знаний/онтологий/графов знаний и т.д. -- там это не получается почему-то. Разговор сразу рассыпается, увы. Но будем проблемы решать по очереди. Пока решим, что делать с алгоритмикой.

UPDATE: обсуждение в чате блога с https://t.me/ailev_blog_discussion/5058, в чате по типам -- https://t.me/typeslife/7958
2019

Вычислительное мышление в интеллект-стеке уровнем выше, чем системное

Что выше по интеллект-стеку -- вычислительное мышление, или системное мышление? Разлепить эти две трансдисциплины в жизни практически невозможно, они весьма тесно переплетены. Но нам разлепить таки нужно: надо как-то выстроить обучение.

1. Вариант "вычислительное мышление с онтологикой ниже системного мышления, сначала нужно освоить вычислительное мышление".
По факту, это продолжение линии Дэвида Дойча про его сцепленные намертво четыре теории, вместе составляющие классическую "теорию всего", рациональное мировоззрение (https://yadi.sk/i/Rv9Tob18A6mxyA, стр.398):
"по отдельности все четыре теории [квантовая физика в интерпретации Эверетта, вычисления в докрученной Дойчем до разных физик вычислителя интерпретации Тьюринга, эпистемология в интерпретации Поппера с добавкой самого Дойча и теория эволюции с репликаторами в докрученной Дойчем интерпретации Докинза] содержат объяснительные пробелы из-за которых они могут показаться узкими, бесчеловечными и пессимистичными. Но я считаю, что как только их будут рассматривать совместно, как единое объяснение структуры реальности, это неудачное свойство изменится на прямо противоположное. Далекое от отрицания свободной воли, далекое от помещения человеческих цен­ностей в контекст, где они становятся тривиальными и неважными, далекое от пессимизма, это фундаментально оптимистичное мировоз­зрение помещает человеческий разум в центр физической вселенной, а объяснение и понимание — в центр стремлений людей".

Бесконечное познание и поэтому бесконечное улучшение мира: для защиты от катастроф нам просто не хватает знаний: наши предки умирали раньше от того, от чего нам бы в голову не пришло помирать сегодня. Знания непрерывно улучшаются (даже не увеличиваются: становятся более универсальными) -- это эволюция и эпистемология, они появляются в том числе в ходе вычислений, которые физичны в мире, описываемом теми же знаниями. Физика-эпистемология-вычисления-эволюция в одном флаконе.

В системном мышлении мы явно говорим о воплощении системы (физический мир) и об описаниях системы/veiws, методах описания системы/viewpoints -- и вычислительное мышление в этом клубке "теории всего" нам нужно для того, чтобы вести тут внятный разговор в рамках системного мышления.

Например, если мы берём такие описания, как требования системы, то в интеллект-стеке начинает работать рассуждение на уровень ниже. По Дойчу, так требование выдвигается, как "гипотеза" или им же предложенный термин "заблуждение" (все эти нюансы с выявляется/discover по Дойчу абсолютно однозначны: ничего не выявляется, а прямо изобретается/придумывается творческим мышлением). И выдвигается огромное количество требований, которые конкурируют между собой за своё качество сначала в голове выдвигающего требование, а затем и в коллективе людей и компьютеров проекта.

Качеством моделей/описаний (в нашем случае требований, но это просто пример общего паттерна мышления) занимается эпистемология. Она отвечает на вопрос "как вы узнали"? SoTA эпистемология говорит, что хороша та модель (те требования), которая нам даёт объяснение, а не просто предсказание. И что вот так понимаемое качество — это про то, какое описание из многих возможных нужно выбрать (а потом оказывается, что всегда можно сделать описание получше, но это только потом, когда найдётся случай, плохо описываемый — жизнь и описание расходятся). Этот выбор описаний (требований в их начальных вариантах) осуществляется путём фальсификации вариантов двумя путями:
— доказательством непротиворечивости (в том числе с ранее известными хорошими описаниями). И тут вспоминаем, что доказательства -- это вычисления, информатика это "наука о доказательствах", чуть подробней тут: https://ailev.livejournal.com/1540866.html (впрочем, и выдвижение требований это тоже вычисление, generative алгоритмы именно про "творческое мышление").
— измерением предсказанного описанием (эксперимент). Тут do-calculus, контрфактуальность, вычисления байесовских сетей, причинный вывод/causal inference. Тоже вычисления/вывод/доказательства.

Про такие описания, как требования, всё это вполне применимо. И тут же вылезает тот самый assurance case, который про доказательства (в том числе логические, и в том числе экспериментальные — описания). Для работы с требованиями через assurance case нужно вычислительное мышление. Нет -- вместо культурной работы с требованиями будет работа "на коленке", "требовательное кулибинство" (pun intended).

Разница только в том, что в требованиях мир (целевую систему) подгоняют потом под описания, а в классической эпистемологии описания под требования. В этом плане инженерия (в том числе инженерия требований) -- это reverse-epistemology, на этом уровне интеллект-стека это ближе к прагматике и праксиологии. И эту мысль нужно ещё продумать. Если требования невыполнимы в принципе — то это плохие требования. Они должны быть возможны. Это одна из проверок описаний, их физичность (выполнимость в жизни) — как раз это Дойч хорошо описывает, он в этом направлении хорошо дополнил SoTA эпистемологию Поппера. Так что да,
-- выявление требований, валидация требований и проверка требований с использованием assurance case берём из практик системной инженерии
-- объекты (целевая система) и их описания (требования) берём из системного мышления,
-- а вот читать для более глубокого понимания, что это такое и зачем нужно Дойча (который рекомендует читать более старого Поппера, чьи идеи он разделяет) -- это эпистемология, вычислительное мышление, эволюция, физика. Поверх всего этого читаем Judea Pearl, который говорит о том, что все эти объяснения — это объяснения причин и следствий, и даёт формальную модель для этого.

2. Вариант "вычислительное мышление выше системного мышления, сначала нужно освоить системное мышление".
Тот же Дойч в этих описаниях использует системное мышление: он явно говорит о системных уровнях (уровнях крупности вещества, у него же там в самом низу физика) и эмерджентности, требующей на каждом системном уровни новых объяснений. Квантовая физика имеет своё знание, свои объяснения -- частицы, атомы. А вот молекулы -- это другой уровень, работает эмерджентность, описания/объяснения там свои. Клетки и биохимия -- там уже новый уровень, новые эмерджентные свойства, поэтому новые описания/объяснения.

Но Дойч не использует в полной мере понятия "система": кроме системных уровней и эмерджентности у него из системного подхода нет практически ничего. Да и вряд ли он знает о системном мышлении в его современной версии. В старинных работах по общей теории систем системное мышление выглядит как ряд простых идей вокруг понятия "эмерджентность", это и использует Дойч. Это используют и другие авторы более-менее системных "теорий всего", тот же Уилбер, у которого вместо физики и реализма на ведущем месте вдруг "духовность", а из системного мышления идея холона трактуется более-менее произвольно в части соблюдения отношения часть-целое и эмерджентности, зато множественность методов описания/viewpoints на первом месте. У Дойча множественность методов описания по факту не отмечается, он всё больше про "универсальность" говорит и у него практически ничего про прагматизм и разделение труда, разнообразие ролей и интересов/concerns, влекущих разнообразие методов описаний. На более-менее полноценную трансдисциплину, которая рассказывает о структурировании мышления о проектах, а не только о целевых системах этих проектов, системное мышление 1.0 из общей теории систем не претендует, и именно оно у Дойча. А вот современная версия 2.0, развиваемая в системной инженерии -- она уже претендует. Тем не менее, идея "на разных системных уровнях используются разные описания, разные доказательства" -- она уже требует для своего понимания системного мышления.

А ещё в вычислительном мышлении нужно говорить о вычислительном стеке: внизу там физика, выше конструкция вычислителя, выше софт. Что-то по линии текста "сколько уровней в интеллект-стеке", https://ailev.livejournal.com/1382464.html (7 уровней только аппаратуры классического компьютера, и при этом я интеллект-стек я понимал как стек вычислителя, это сейчас я работаю именно с понятием интеллекта и мышления, обсуждая этот стек в "Образовании для образованных 2020").

Ход от вычислительного мышления (computer science) к инженерии (computer engineering, software engineering -- стек там слишком большой, чтобы говорить об одной инженерии) тоже требует системного мышления, ибо сегодня вся частная инженерия по факту специализация системной. Делаем-то successful computer system, successful software system. Но это не слишком сильное тут соображение в пользу "сначала системное мышление, потом вычислительное", ибо можно сказать, что "сначала вычислительное мышление, потом системное, потом уже инженерия, менеджмент, предпринимательство".

3. Почему системным мышлением и вычислительным мышлением нужно заморачиваться прямо сейчас?
Вот тут несколько моих комментов по поводу выступления Ольги Максименковой на тему современного IT-образования: https://www.facebook.com/olga.maksimenkova/posts/3812043265482152.

Вычислительное мышление как трансдисциплина -- это общее образование, и его можно понимать как айти образование, но не только для айтишников, а для всех образованных людей. Чтобы эти образованные люди могли хотя бы поддержать разговор с айтишниками. Далее вопрос: если вот так образованный для разговора с айтишником человек с каким-никаким вычислительным мышлением (и системным мышлением!)придёт к образованному айтишнику -- что он там встретит?! По идее, такое же вычислительное мышление, как у него (но кто научит ему сегодня айтишника?!) плюс что-то за его пределами (ибо речь идёт об образованном своим прикладным дисциплинам айтишнике, а не каком-нибудь условном директоре стадиона, которому даём просто трансдисциплины).

То есть для определения успешности айтишника после окончания его обучения рассмотреть не только самого айтишника в момент его работы как целевую систему, но и его в окружении других людей -- и предъявить требования к окружению. Мне кажется, что в сегодняшнем мире, где нет проектов без вычислителей (сложной сети из мозгов и классических компьютеров, а кое-где уже и квантовых компьютеров), от окружения айтишников нужно требовать умения с этими айтишниками разговаривать.

Если нет, то каждый айтишник должен стать учителем по вычислительному мышлению для окружающих его людей. Просто чтобы мочь обсудить постановку задачи с тем же условным директором стадиона на уровне чуть выше, чем "сделайте мне красиво".

Представим человека, который в шикарном ресторане обращается даже не к повару, а к официанту: "принесите мне поесть чего-нибудь". Конечно, принесут, именно "чего-нибудь". Приготовлено будет на уровне лучших мировых образцов, но может оказаться нелюбимой и ненужной для клиента едой.

Айтишникам же примерно так задачу и ставят: "Нарисуйте нам айти стратегию, а затем реализуйте её". То есть у айтишника в образовании должна быть ещё и учительская компетенция для дисциплины "вычислительное мышление" aka "информатика 2020" (и это ни разу не школьная сегодняшняя дисциплина).

При этом в самом айти огромное количество системных уровней (в модели OSI только семь!). Каждый из них требует своей дисциплины, своей практики, своего инструментария/технологии. Системность (а не систематичность) образования именно во многоуровневости, программы развития айтишника должны быть многоуровневыми. Для этого нужно учить айтишника работать с айти системно. Это где в его образовании?

Если неайтишное окружение айтишника и сам айтишник будут работать на разных системных уровнях, то ведь не договорятся никогда! А образователи не договорятся, чему учить. Так что сама идея системных уровней в образовании по вычислительному мышлению, похоже, уже должна присутствовать.

Но системности в разговоре про современные вычисления -- с гулькин нос, только эхо от разговоров старых компьютерщиков. В этом-то и беда момента. А поскольку парадигма вычислений меняется (алгоритмы AI это не алгоритмы Кнута, квантовый компьютинг -- это даже не функциональное программирование), и время этой смены становится сравнимым со временем образования, бессистемность становится вообще фатальной. Тему непонятно без этой многоуровневости даже как обсуждать. Разве что ограничиться "принципиальной вычислимостью" как у Тьюринга: формально, академично, но бесполезно без последующего развития в сторону неизбежной многоуровневости вычислителей.

4. А если таки попробовать говорить на системном языке в вычислительном мышлении с самого начала? Сделать системное мышление пререквизитом?

В курсе "вычислительное мышление" мы должны дать понятийный минимум: объекты внимания, нужные неайтишникам (и, конечно, айтишникам) при разговоре о вычислениях. По факту говорим о том, как описывать систему "вычислитель": зачем нужна эта система, из чего она состоит и как работает. Вычисления -- это и есть функционирование вычислителя! Мышление -- это функционирование интеллекта, а интеллект -- это тоже вычислитель.

Алгоритм -- функциональное (время работы) описание вычислителя. Система определяется по её функции. Вычислитель определяется по его алгоритму работы. Код или инф.модель харда -- это описание вычислителя (включая его поведение: вычисления), его можно документировать. Вычислитель -- воплощение системы, описанной алгоритмом. Вычислитель физичен!

Дальше нужно коснуться вопроса о данных, это потребует дополнительной онтологической проработки: все эти тонкости презентации (физичности) и репрезентации (символичного/модельного представления чего-то в физическом мире).

В системном языке вроде как получается меньше размахивать руками, и потом проще переходить к инженерии. Поэтому пока выбираем вариант "вычислительное мышление в интеллект-стеке уровнем выше, чем системное".

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10219884643120531, в чате лаборатории вычислительного мышления -- https://t.me/comp_thinking/384