Category: наука

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

2021 год

lytdybr

Наткнулся на свой текст десятилетней давности "Эскиз образовательного проекта" -- https://ailev.livejournal.com/961237.html (и было ещё небольшое к нему приложение пять лет назад, https://ailev.livejournal.com/1277589.html). Там и комменты рулят. Удивительно, но проект каким-то образом реализовался. Единственное что, так это нужно тогдашние мысли о DSL, который нужен был для вполне традиционного формального моделирования, заменить на сегодняшнее менее формальное табличное и текстовое моделирование: принцип "мышления моделированием" был понятен уже тогда, но не очень была понятна форма реализации. Сейчас с ней много ясней. Ещё оказалось неожиданностью, что настолько всё плохо с curriculum -- делать его пришлось практически с нуля, до сих пор в методологическую работу уходит львиная часть времени, а вот методике время уделяется, но явно не в том масштабе, в котором предполагалось это делать в тех древних текстах. Было понятно, что "шикарно учить случайно подобранному набору предметов" нельзя, но вот обнаружить, что по факту нет самих предметов -- это было неожиданностью. Ну ничего, проект ещё далеко не закончен, десяток лет в таких делах -- не срок.

По какой линии я бы обсуждал предлагаемые Пинкером идеи противоядий против tribalism/трайбализма (это когда ключевое слово из какой-то политической повестки вызывает отключку разума, переключая на трансляцию верований своего племени и критику верований другого племени)? Я понимаю это так, что человек тренирует-тренирует S2 -- но когда встречается слово-триггер (даже не идея, а именно слово!), то S2 отключается и дальше мы видим мощную нейронную сетку типа GPT-3 и даже мощнее, выучившую несколько несложных тезисов и круто из воспроизводящих. Внешне это выглядит, как отключка разума при полностью сохранённых лингвистических способностях. Главное, что каждое порождённое слово статистически предполагает следующее слово из какого-то манифеста, и так пока не кончатся буквы, а они не кончатся. Рассуждений нет, есть поток метафор и ассоциаций, анекдотические свидетельства, напор на эмоции и всё прочее, что умеет делать S1 без контроля S2. Как лечить других и себя от такой напасти? Пинкер говорит о том, что все идеи разных людей нужно обсуждать без классификации их каким-то общим лейблом (у него главным образом лейблы республиканцев и демократов, иногда либертарианцев), а обсуждать содержательно по одному -- не относя к искусственно созданному классу. То есть игнорировать якобы связную картину мира в голове собеседника (она ни разу не связная, это морок -- там ведь мешанина из самых разных идей), а разбираться с ней по частям и без навешивания ярлыков на целое. Если зацеплены аборты, то обсуждать аборты, но не обсуждать свободу торговли, и наоборот. Эта идея напоминает мне разные аналогичные, и можно как-то думать в этом направлении:
-- освободить практики от власти методологий, деконструировать монстрообразные методы и работать с отдельными практиками (продвигается Ivar Jacobsen, OMG Essence как раз воплощение этой идеи). Парное программирование тут -- это парное программирование, и не нужно обязательно связывать его с планирующей игрой (хотя впервые они появились в рамках методологии eXtreme programming, но можно просто забыть про общее происхождение и думать про эти практики независимо, оценивать и модифицировать их независимо друг от друга).
-- не считать, что мир обязательно должен быть логически связным, ибо это онтологически невозможно (формальные онтологии несовместимы). Переходить к микротеориям.
-- не считать, что все идеи идут через запятую на одном системном уровне. Не делать винегрета из рассуждений на разных системных уровнях, ибо там разные практики, разные микротеории на каждом системном уровне.
-- главное, это научить мыслить о мышлении, чтобы все эти объекты внимания хоть как-то обсуждать. Если ты не знаешь о различиях S1 и S2, не знаешь понятия аргумента, не знаешь о предвзятостях, анекдотические свидетельства считаешь чем-то с вебсайта анекдоты.ру, то дальше бесполезно обсуждать мыслительные проблемы -- трайбализм-шмайбализм, логика-шлогика, всё это будет пропущено мимо ушей, будет невидимо, вне внимания. То есть таки нужно учиться мышлению о мышлении, постигать методологические дисциплины, чтобы хоть как-то нормально обсуждать околополитические темы.

Выяснил вдруг, сколько евреев среди нобелевских лауреатов: The strong representation of Jews in science and academia is evidenced by the fact that 193 persons known to be Jews or of Jewish ancestry have been awarded the Nobel Prize, accounting for 22% of all individual recipients worldwide between 1901 and 2014. Of whom, 26% in physics, 22% in chemistry and 27% in Physiology or Medicine. In the fields of mathematics and computer science, 31% of Turing Award recipients and 27% of Fields Medal in mathematics were or are Jewish (https://en.wikipedia.org/wiki/Jewish_culture). У меня, конечно, были смутные подозрения, но я таких больших цифр не ожидал. При этом цифры могут быть и больше, ибо еврейское происхождение в силу повсеместного антисемитизма могло и скрываться. Культурная ли это линия ("давние образовательные традиции", но их ведь давно уже нет!), или таки что-то в генетике связано с усилением S2 (вся эта наука в целом и особенно физика-математика-логика как раз про проявленность S2) -- это даже боюсь копать, ибо там и протоколы сионских мудрецов сразу всплывут, и особая одарённость белой расы, и много чего ещё помоечного. Но статистика, конечно, удивительная. "Избранный народ", ага.

В самых разных тусовках обсуждаю сейчас вопрос выбора языка для рассказа о каком-то предмете: удивительно, но при коммуникации пытаются сюсюкать -- как с детьми, машину обзывать бибикой. Это, замечу, другая тема, нежели химию давать на алхимическом языке (то есть игнорировать понятия предметной области, а просто "делать хоть что-нибудь, объяснять хоть как-то уже неважно что и неважно как"), я писал об этом в https://ailev.livejournal.com/1509956.html. В сюсюкании есть множество проблем: возникает "язык близнецов", то есть участники сюсюканья понимают друг друга, но общение становится строго ограниченным. Ни погуглить, ни привести в проект кого-то грамотного без дополнительных ему объяснений, ничего этого нельзя. И хорошо бы ещё машину называли бибикой, "как все"! Нет, машину назовут бижукой, матиной, ездилом и прочим таким, чем внешнему человеку и не догадаться. При этом будут знать, что это "машина"! Откуда-то появляется вот это общение с сотрудниками как с детьми, твёрдое убеждение, что они нормальных слов без сюсюканья не понимают. В принципе, сотрудники тоже обычно этому способствуют, на любое новое слово реагируют нервно -- и в ответ на их нервы получают сюсюканье. При этом идеи, почему нельзя произносить термины бытуют самые разные -- примерно такие же, какие появляются у взрослых, сюсюкающих с детьми. Вот хоть бери литературу по общению с детьми от года до трёх и цитируй её взрослым. Конечно, хорошие термины (особенно, если речь идёт о переводах иностранных слов, которые не хочется давать как кальки) нужно придумывать, я и сам постоянно этим занимаюсь. Но придумывать такие слова вот прямо в каждом проекте для каждой новой команды -- быстро теряешь связь с мировой культурой и сам, и отрубаешь от мировой культуры команду. Язык на то и язык, чтобы служить коммуникации! Канбан надо таки называть канбаном, а не "работой по чуть-чуть"! А ещё бывает, когда со стороны кажущийся сюсюкающим не сюсюкает, а просто не знает оригинальных терминов (нет кругозора), и перезобрёл (или откуда-то услышал в плохом пересказе) известную давно идею. Это я вообще не рассматриваю.

Прогресс в AI продолжается со скоростью два прорыва в неделю. Например, из последнего:
-- Вышла работа по нейронным причинным моделям (NCM) по образу и подобию структурных причинных моделей (SCM) с участием Bengio и Barenboim -- https://arxiv.org/abs/2107.00793. An important property of many kinds of neural networks is universal approximability: the ability to approximate any function to arbitrary precision. Given this property, one may be tempted to surmise that a collection of neural nets is capable of learning any SCM by training on data generated by that SCM. In this paper, we show this is not the case by disentangling the notions of expressivity and learnability. Specifically, we show that the causal hierarchy theorem (Thm. 1, Bareinboim et al., 2020), which describes the limits of what can be learned from data, still holds for neural models. For instance, an arbitrarily complex and expressive neural net is unable to predict the effects of interventions given observational data alone. Given this result, we introduce a special type of SCM called a neural causal model (NCM), and formalize a new type of inductive bias to encode structural constraints necessary for performing causal inferences. Building on this new class of models, we focus on solving two canonical tasks found in the literature known as causal identification and estimation. Leveraging the neural toolbox, we develop an algorithm that is both sufficient and necessary to determine whether a causal effect can be learned from data (i.e., causal identifiability); it then estimates the effect whenever identifiability holds (causal estimation). Это всё особенно пикантно с учётом твита Pearl про невозможность для нейронных сеток быть хоть как-то разумными, ибо они не могут подняться до третьего ранга в лестнице контрфактуальности: https://twitter.com/yudapearl/status/1411842797376659457
-- с участием того же Bengio сделали нейронную продукционную систему, https://arxiv.org/abs/2103.01937 (но это ещё в марте было. Просто иллюстрация тренда "берёшь что-то из старого символьного AI и делаешь то же самое нейронное -- оно ж универсальный аппроксиматор!"). We take inspiration from cognitive science and resurrect a classic approach, production systems, which consist of a set of rule templates that are applied by binding placeholder variables in the rules to specific entities. Rules are scored on their match to entities, and the best fitting rules are applied to update entity properties. In a series of experiments, we demonstrate that this architecture achieves a flexible, dynamic flow of control and serves to factorize entity-specific and rule-based information. This disentangling of knowledge achieves robust future-state prediction in rich visual environments, outperforming state-of-the-art methods using GNNs, and allows for the extrapolation from simple (few object) environments to more complex environments.
-- продолжилась серия побед "нейронная сетка сдаёт экзамен лучше, чем средний студент", в этот раз экзамен по вводному курсу машинного обучения в MIT, https://arxiv.org/abs/2107.01238. The proposed model achieved an overall accuracy of 96 percent for open-response questions and 97 percent for multiple-choice questions, bettering the average MIT student score of 93 percent.
-- и очередной рекордсмен в SuperGLUE, ERNIE 3.0, https://arxiv.org/abs/2107.02137. We trained the model with 10 billion parameters on a 4TB corpus consisting of plain texts and a large-scale knowledge graph. Empirical results show that the model outperforms the state-of-the-art models on 54 Chinese NLP tasks, and its English version achieves the first place on the SuperGLUE benchmark (July 3, 2021), surpassing the human performance by +0.8% (90.6% vs. 89.8%). Красота тут в том, что GPT-3 -- это 175 billion parameters, а этот чемпион -- всего 10 billion. Вдобавок . It fuses auto-regressive network and auto-encoding network, so that the trained model can be easily tailored for both natural language understanding and generation tasks with zero-shot learning, few-shot learning or fine-tuning.
-- ... и такого много, чуть ли не каждый день что-то новенькое.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10221386545587154
2021 год

Описание описаний

Руки чешутся поподробней разобраться с описаниями описаний в цепочке описаний, ибо до этого подробней разбирались с описаниями физического мира. Вот поглядите, "мама мыла раму" -- это:
-- Информация, ибо обсуждаем то, что различимо на носителе информации и может быть копировано в различениях на другой носитель, описание физично. [Дойч, Марлетто. И далее пошла теория информации: Шэннон и вот это всё]
-- Данные, ибо запись цифровая (битами) и в известной кодировке
-- Текст, ибо это последовательность паттернов как знаков. [семиотика это наше всё, хотя ушла любовь, завяли помидоры -- и, похоже, ещё в прошлом веке]
-- Предложение, ибо законченное высказывание в грамматике (ещё и полное: присутствуют subject, object, predicate)
-- высказывание (в логике, utterance), ибо может быть истинно или ложно
-- сведения, ибо описывают определённые объекты внимания
-- Онтология, ибо описаны мама и рама как сущности в реальном мире и отношение мытья между ними.
-- Теория, ибо говорит о связи между мамой и рамой, позволяет предсказать состояние рамы и мамы.
-- Объяснение, ибо рассказывает о причине изменений в раме и маме. [привет Попперу-Дойчу]
-- Модель, ибо из сложной ситуации выделяет самое важное: маму, раму, что делает мама с рамой, и опускает всё остальное как неважное.
-- Описание, ибо описывает что-то в мире, неважно как
-- Наблюдение, ибо описывает что-то, "измеренное" (эээ... наблюдённое) в физическом мире
-- Репликатор, ибо эта запись упорно заставляет физический мир воспроизводить себя на самых разных носителях [привет Докинзу и его мемам]
-- ... этот ряд можно продолжать и продолжать.

Дальше можно обсуждать классы всех этих классов описаний: язык, дисциплина, знание, ... и этот ряд будет не меньше. И там по мелочи ещё набежит пара сотен понятий и три сотни терминов для этих понятий.

Хотелось бы навести хоть какой-то порядок в этом винегрете разных онтик описания, уточнить как понятия, так и терминологию (и по-русски, и по-английски). И чтобы с объяснениями. Как структурировать описания физического мира нам рассказывает системное мышление, а вот структурирование самих описаний (кроме того факта, что все описания -- это описания какой-то системы, если это не описания описаний) пока для меня не очень прозрачно. Хотя вроде всю жизнь этим занимаюсь. И это я ещё суперинформацию не поминаю, возможные миры и вот это вот всё.

UPDATE: Обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10221152740502173 и https://www.facebook.com/groups/771940449578453/permalink/3755566461215822/
2021 год

lytdybr

Понял, что хорошей формой документирования моей текущей исследовательской и даже организаторской (яжнаучныйруководитель!) работы будет переписка курса/книги "Образование для образованных 2020" (https://system-school.ru/uptodate, https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/), доведение до версии 2021 года. Главная работа у меня сейчас -- переделка интеллект-стека и какое-то уторговывание содержания курсов по разным частям этого стека. Но изложение интеллект-стека и краткое описание каждой из его практик -- это и есть содержание курса/книги. Вот и нужно документировать результаты прямо в тексте. Конечно, это такая работа, которая никогда не сможет быть закончена: жизнь не стоит на месте, state-of-the-art по всем поминаемым практикам меняется. Но это просто означает release early, release often. Уже очень много с момента выхода прошлой версии изменилось, нужно это нормальным образом документировать. Конечно, всё как-то описано у меня в блоге и помянуто в видео разных докладов на семинарах и конференциях, но курс/книжка отличаются связностью изложения, полнотой рассказа истории. Так что опять начинаю писательствовать.

Основная цель Chiara Marletto -- квантовая гравитация, она занимается этим с Vlatko Vedral, на основе идей David Deutsch. Их свежие работы можно найти вот так: https://arxiv.org/search/?query=marletto&searchtype=all, https://arxiv.org/search/?searchtype=author&query=Vedral%2C+V. Основной путь, который там намечен -- это показ, что рассуждение должно быть полностью квантовым (скажем, если речь идёт о замере квантового состояния, то и измеритель должен рассматриваться как квантовый, запутывающийся с замеряемым квантовым объектом, а не как классический, и это убирает большинство парадоксов. А переход к классике -- это decogerence). То есть вся эта эпистемология у них просто "эпистемологическое обеспечение" для теоретико-физической работы. Что добавляет доверия ко всей этой затее: это не абстрактная эпистемология-про-саму-себя, а прикладная.

Можно выделить две разные идеи: evolutionary epistemology/open-endedness (что всё это знание будет развиваться бесконечно, не имеет цели и т.д.) как общее направление и critical rationalism (обсуждается шаг развития знания: что такое теория, почему нельзя говорить о подтверждении теорий, но можно говорить об опровержении, почему теории невыводимы из опыта и т.д.) как специфически попперовский вариант, усиленный Дойчем в части опоры исключительно на теории-объяснения. По critical rationalism есть много интересных работ, например по менеджерской эпистемологии, типа докторской диссертации 2011 года "A Critical Rationalist Inquiry of Managerial Epistemology. Toward the Confrontation of the Unawareness Problem", https://research.utwente.nl/files/6067232/thesis_D_Faran.pdf (и там, конечно, про предпринимательство -- strategic management). Тут для разбирательства две основные идеи:
-- трансдисциплины как работающие на любом уровне интеллект-стека, в том числе и на прикладных уровнях. Это означает, что онтологическое, эпистемологическое, системное и прочее подобное знание непосредственно помогает разбираться с прикладными задачами, с рабочими ситуациями. Нет ничего практичней хорошей теории, и эта хорошая теория работает с прикладным материалом непосредственно. На курсе онтологики, на курсе системного мышления мы предлагаемыми там практиками мышления непосредственно можем разбираться с прикладными задачами, для этого необязательно дожидаться даже и кругозорных курсов и прикладных курсов (и чем больше задействовано прикладных знаний, тем более верно это замечание: если у тебя ситуация с двумя десятками прикладных дисциплин, то тебе явно не третий десяток прикладных дисциплин ещё нужен, чтобы с ней разобраться -- нужно как раз средство для разборок с этими дисциплинами, то есть методологические/трансдисциплины). То есть всю эту эпистемологию можно прямо привязывать к работе инженеров, операционных менеджеров, предпринимателей и т.д. -- ровно как в этой диссертации пытаются показать привязку эпистемологических идей критического рационализма к работам по стратегированию.
-- по этой линии можно аккуратно попробовать перетрактовать "критическое мышление" как мышление, использующееся в critical rationalism для собственно критики (по сути дела, оно сводится к логике, хотя завязано в том числе и на испытания/testing и суждениями тестируемости/проверяемости/фальсифицируемости теорий, типа работы Дойча о проверяемости эвереттовской квантовой механики https://www.sciencedirect.com/science/article/pii/S135521981530023X). Да, оно непродуктивно (ничего не создаёт, а только опровергает), но тем ведь и полезно! Главное, что появляется более-менее чёткое определение, интуитивно совместимое с тем бредом, который несут учителя критического мышления (помним, что critical thinking -- это чисто академическая дисциплина, легко выясняется тем, что ищут в Гугле её в начале вузовских семестров, а в остальное время никто об этом critical thinking и не вспоминает, не нужна никому эта дисциплина, нет у неё внятного содержания!).

Читаю твиттеры David Deutch (https://twitter.com/DavidDeutschOxf) и Judea Pearl (https://twitter.com/yudapearl), половина тамошнего материала про неадекватность отражения западной прессой ситуации с Палестиной и Израилем. Логика западных СМИ, похоже такая: "выселили четыре палестинских семьи из частной собственности израильтян -- мы недовольны! -- [выпустим за это больше четырёх тысяч ракет, и объявим по радио, что еврейскому народу не должно быть места на Земле, мы их всех уничтожим!] -- ах, как нам больно, нам неоправданно дали сдачи, применили излишнее насилие [за недовольство частной собственностью израильтян на жильё, мы хотим отнять это жильё по самую шею, то есть надо чтобы они тут не жили, не было ни их, ни их жилья, нужно ещё выпустить 10тыс.ракет, заграница нам поможет!]". Квадратные скобки значительной частью западной прессы опускаются, на что и указывают Давид и Джудиа. Скажем, NYT указывает, что палестинским деткам страшно, что на их головы прилетит что-то военное из Израиля. А что пропущено? В Израиле сотни тысяч детей, которым тоже страшно, что за последний десяток лет на их головы всё время летят ракеты из сектора Газа, а за последний месяц прилетело больше четырёх тысяч ракет, но об этом западные СМИ как-то не пишут.

Но половина материала из лент Дойча и Перла -- это "по работе". В частности, Перл напомнил о его статье 2019 года, где прямо показывается прикладное значение структурных причинных моделей для ситуаций из маркетинга/юнит-экономики: когда считается, сколько рекламы нужно вложить в unit, чтобы он стал клиентом. Говорится, что метод подсчёта с помощью SCM лучше, чем применяемый в классике A|B-testing. Вот эта статья: https://yadi.sk/i/R-ghSdLZxRfFBg. Дойч строго возражает против статистической физики, говоря, что физика должна быть детерминистской, то есть без случайностей ("бог не играет в кости", ага), но у него довольно много работ, где он рассказывает, каким образом учитывать неопределённости -- как минимум, различать неопределённость и вероятность! И он выступает против байесианской логики как логики науки (то есть против линии Jaynes и Pearl), где причинность тоже контрфактуальна (то есть "объяснительна", counterfactual mode of explanation как относительно новый способ доказательств), но показывает путь к тому, как таки работать с вероятностными моделями в физике (и тем самым везде). Например, вот эта работа: constructor theory of probability -- https://arxiv.org/abs/1507.03287.

Занялся (в очередной раз) проблемой стиля, этого близкого родственника "паттернированию" и прочему такому невнятному -- все эти "отличия, которые дают отличия", "знаки, которые не знаки" и прочая муть. "Стили менеджмента", "инженерные стили", "архитектурные стили" -- слово, которое вроде как понятно, но при ближайшем рассмотрении оказывается неопределимым. В этот раз заход сделаю на примере танцев, ибо если с системным мышлением и танцами хорошо получилось продемонстрировать выделение системных уровней как работу внимания, может и со стилем получится разобраться. Вот небольшой мой текст по переносу стиля движения (style transfer) в рамках исследований по AI: https://vk.com/wall-179019873_1236. Вообще, танцоры про слова "танец", "стиль", "форма", "структура" говорят удивительно невнятно. Вот типичный текст, где пытаются разбирать ровно вот эти термины (и после знакомства с этим текстом понятней не становится): https://yadi.sk/i/Eesl_d8CYtGr7Q. Трудность тут и в том, что вся эта "стилистика" проявляется статистически, а не строгими правилами: нейронные сети (включая мокрые) с этим срабатывают, а всякие синтаксисы и прочие формальные системы эти стили не ухватывают -- это верно и в отношении языковых стилей, и в отношении танцев, которые по сути своей "языки" (более того, сами термины "танец" и "стиль" оказываются во многих ситуациях взаимозаменяемыми!). И уж тем более по стилистике нет объяснительных теорий. Буду потихоньку рыть в этом направлении.

В субботу опять собрался на рейв "Кутёж Губалты", там кроме басов UK-undeground будут реггей-басы: https://vk.com/wall-204812426_3. Движение саундсистем, оказывается, и у нас в стране есть, https://en.wikipedia.org/wiki/Sound_system_(Jamaican). Тут всё честно: привезут дополнительных 4 саба 21".Когда-то в 70-х ещё годах прошлого века (а первую свою дискотеку как DJ я провёл в РГУ в марте 1977 года) мы шутили: "диджей -- это тот, кто таскает колонки". Ах, как мы были правы! На этом "рейве", правда, есть две засады (которые частично компенсируются уникальной музыкой с уникальным саундом):
1. Говорят про два "танцпола", хотя танцами там по факту не пахнет. Музыка, музыка, музыка. Но на этих рейвах не танцуют, разве что очень изредка, но и тут не слишком танцевально, скорее притоптывая и очень редко припригывая под музыку, а иногда и просто помахивая рукой в ритм. Иногда "для качества звука" ещё и ковёр можно на полу обнаружить (в том же ДК Культура в подвальчике), какие уж тут танцы!
2. Эти "танцполы" обычно оказываются крошечными комнатками (а на этой вечеринке один из танцполов будет "дворик", но и к нему наверняка это тоже относится). На вечеринке социальных/парных танцев туда влезло бы три-четыре пары, сольных танцоров — умножьте на два, при этом ограничьте возможность размахивать руками, чтобы кого-то не зацепить, и при этом уберите зрителей, чтобы место не занимали. Так что "крошечные нетанцполики".
2021 год

Вычислительное мышление, май 2021

Церен Церенов прошёл онлайн-вариант "Системного менеджмента 2021" (https://ailev.livejournal.com/1560118.html) и привёл время его прохождения: 40 часов за 2 месяца -- https://www.facebook.com/tseren.tserenov/posts/3793603804070881. Церен пишет, что это вдвое-втрое меньше, чем затратил бы новичок (ибо он проходил предыдущие версии этого курса несколько раз на очных тренингах). И даже если это 120 часов (второе больше), то это не выходит за границы обычного вузовского курса на 4 кредита, как и задумывалось.

В этом курсе менеджмента много внимания уделено цифровой трансформации (организации цифровой инженерии -- разработке цифровых двойников, связанных в сеть цифровой нитью). Но в нашей линейке курсов по-прежнему нет курса вычислительного мышления, и даже сам этот термин критикуется (масло масляное ведь, мышление само по себе -- это вычисления!). Я много раз касался этой тематики с момента публикации "Вычислительное мышление, декабрь 2020: думаем о современных digital twins" (https://ailev.livejournal.com/1546514.html):
-- небольшая подборка ссылок от декабря 2020 в первом абзаце https://ailev.livejournal.com/1547345.html, главным образом по проблеме многоуровневости
-- Обзор обзоров по универсальным алгоритмам (AI) и универсальной интеграции моделей (digital twins), https://ailev.livejournal.com/1548016.html
-- уточнения про мышления как вычисления/вывод, "Мышление -- это работа интеллекта по познанию (исследования и обучение) и прикладной вывод", https://ailev.livejournal.com/1548229.html
-- пара текстов про интеграцию данных и физическое моделирование в цифровых двойниках, https://ailev.livejournal.com/1549559.html и https://ailev.livejournal.com/1550931.html (и есть ещё видео моего доклада "Цифровой двойник и цифровая нить в системной инженерии", https://ailev.livejournal.com/1558533.html)
-- необходимость естественного языка в выводе, "Кругозорные витамины для жизненного опыта (common sense knowledge graphs для large language models)", https://ailev.livejournal.com/1551283.html
-- связь adaptive case management и low code, https://ailev.livejournal.com/1553343.html
-- Excel как среда полноценного программирования, https://ailev.livejournal.com/1554122.html
-- вычислительное мышление: пять тем для отслеживания в 2021 (1. operations research и механизмы внимания, экономика мышления/вычисления. 2. Мультифизическое моделирование. 3. Активный вывод и принцип свободной энергии. 4. Эпистемология, объяснения. 5. Неклассические квантовые вычисления), https://ailev.livejournal.com/1556571.html
-- системное мышление в нейросетях, https://ailev.livejournal.com/1557725.html
-- обсуждение параллелизации деятельности/вычислений как одна из важных мылей, развёрнута в https://ailev.livejournal.com/1559375.html, "у людей в деятельности это "разделение труда", а вот "разделение мышления", "разделение вычислений" плохо осмыслено пока".
-- NVIDIA как поставщик вычислительной инфраструктуры, https://ailev.livejournal.com/1561799.html
-- causal inference и directive explanations, это на стыке с вычислительным мышлением, третий абзац в https://ailev.livejournal.com/1561098.html
-- Наука о нельзя и льзя, там constructor theory of information, https://ailev.livejournal.com/1566392.html
-- физики про информатику, эмерджентность и ресурсы, https://ailev.livejournal.com/1567297.html
-- Программирование для математиков, 35 лет спустя, https://ailev.livejournal.com/1568319.html

Понимание, что делать с курсом информатики потихоньку растёт, но оно ещё недостаточно, чтобы просто вот так взять, и прочесть первую версию курса. И не факт, что это будет один курс. Текущий вариант содержания выглядит так:
1. Физика, математика, информатика: что они изучают, чем отличаются.
2. Физичность вычисления, понятие носителя информации, информации и суперинформации [квантовая информация -- это вид суперинформации].
3. Теория А. Понятие логического вывода/вычисления и алгоритма. Тезис Тьюринга-Чёрча-Дойча. Архитектуры «железа» вычислителей и многоуровневость софта.
4. Теория B. Ресурсы (алгоритмика Кнута, [квантовая] алгоритмика Дойча и разные другие алгоритмики [скажем, оптические вычисления, мемристоры и т.д.])
5. Моделирование, онтологизирование, программирование: это всё одно.
6. Алгоритмика Домингоса (алгоритмы AI).
7. Кругозор по Software Engineering (по линии, намеченной в кругозоре по системному мышлению https://ailev.livejournal.com/1563471.html -- это ж специализация системной инженерии!

При этом я держу в голове то, что учить нужно условного директора стадиона. И абсолютно непонятно, как показать ему практичность этого курса, зачем ему всё это знать и на каком уровне владения навыками (ибо если не навыки, то это непонятно вообще зачем). Лучшая гипотеза – это чтобы он мог поговорить со своим айтишником, примерно понимая, о чём и как нужно разговаривать.

Увы, говорить на эти темы ("вычислительное мышление", хотя сам термин -- "масло масляное", "мышление о мышлении") не с кем. В информатике сейчас как в медицине, в которой могут встретиться зубной врач и гинеколог, плюс замучанный после трёх ночных операций кардиохирург. И вот эти трое на бегу за обедом пытаются сформулировать программу обучения медицине в инженерном вузе. Понятно, что инженерам хорошо бы рассказать о медицине, ибо инженеры тоже живые люди, и тела у них ломаются, но в итоге выпускается учебник про чистку зубов (обязательно у стоматолога! не пробуйте это дома!), пять SoTA техник предохранения от беременности, и ещё там в приложении подробная инструкция, как определить, с какой стороны у человека сердце, ибо иногда оно бывает справа, и это нужно помнить -- это вклад кардиохирурга в учебную программу. Терапевт? Какой терапевт? Мы фельдшеров не приглашаем, у нас же специалисты -- вон, наш кардиохирург признан во всём мире!

А пока понимаем, что SoTA тут бежит со страшной скоростью:
-- Andrew Ng выдал сегодня (25 мая 2021 года!) "свежую идею" распространить дейкстровское определение программы на базе алгоритмов Кнута на программы на базе алгоритмов AI (https://www.facebook.com/andrew.ng.96/posts/3982283021827575): "Would love your feedback on this idea: AI Systems = Code (model/algorithm) + Data. Most academic benchmarks/competitions hold the Data fixed, and let teams work on the Code. Thinking of organizing something where we hold the Code fixed, and ask teams to work on the Data. Hoping this will more closely reflect ML application practice, and also spur innovative research on data-centric AI development. What do you think?". Повторюсь: это сегодня! Всё это сильно напоминает развитие алгоритмики времён Кнута: простые алгоритмы на простых данных (aka "алгоритмика", она же "информатика"), потом программирование стало программированием простых алгоритмов на кучерявых данных (над базами данных по факту) и появились проблемы programming-in-the-large. И вот история повторяется! Для меня это лишнее подтверждение, что нужно учить одним и тем же принципам на разных уровнях вычислительного стека, на разных принципах вычислений (для квантовых вычислений тоже ждём поначалу расцвета алгоритмики, а потом кто-то задаст вопрос о данных -- и мы сейчас уже знаем, что так и будет).
-- Quantum accelerator stack. A research roadmap, https://arxiv.org/abs/2102.02035. Это работа по довольно-таки продвинутому представлении архитектуры квантовых компьютеров с ускорителями (многоуровневая абстракция квантового компьютера, вполне системное рассмотрение -- без подобной многоуровневости в квантовый компьютинг лучше не соваться, с суперинформацией в один уровень ведь дела иметь не получится).

Так что потихоньку продолжаем, вернее, я продолжаю. Увы, в сообществе, которое хотело обсуждать вычислительное мышление, собралось на данный момент 270 зевак (вот тут: https://t.me/comp_thinking), которые с удовольствием что-нибудь бы на эти темы почитали, но своих исследований они там не ведут, так что я пока один копаю. Но я уверен, что в какой-то момент замысел будет уже достаточно понятен, чтобы можно было присоединиться. А пока на общей схеме курсов ШСМ "Вычислительное мышление" присутствует для методологического мастерства на серенькой плашке, "в разработке" -- https://system-school.ru/.
2021 год

Физики про информатику, эмерджентность и ресурсы

Физики (при активной помощи математиков) активно строят физические теории для информатики, ресурсов, эмерджентности.

1. Теории информации и вычислений
Вычислительное мышление (вычисления о вычислениях, ага) связано с операциями над информацией, и мы легко согласимся на имя "информатика". Проблема в том, что в 2021 году нам нужна общая информатика для:
-- вычислений классического компьютера, опирающегося на информацию
-- вычислений квантового компьютера, опирающегося на суперинформацию
-- вычислений робота (который ещё и что-то там воспринимает в окружающей физической среде, и может по итогам вычислений преобразовать эту среду -- то есть нужно внятно объяснить проблему "если мысль нематериальна, то что поднимает мою руку?")

Изо всех вариантов информатики (а их тьма) мне больше всего нравится основанный на constructor theory (не знаю уж, как перевести -- построительная теория? строительная теория?) Дойча-Марлетто, попсовое изложение самой теории в книгах Дойча и книге Марлетто (https://ailev.livejournal.com/1566392.html).

В этой теории вводятся понятия физических действий: вычисления (операции с информацией), подготовки (по информации что-то изменить в мире), измерения (из чего-то вытащить информацию), трансформации (перевести одни вещи в другие). Информация выводится из понятия вычисления, равно как и суперинформация (квантовая информация). Строгое изложение Constructor theory of information by David Deutsch and Chiara Marletto (2015), https://doi.org/10.1098/rspa.2014.0540 -- и там даётся мостик к традиционной теории информации (Шэннон и прочие, классические вычисления по Тьюрингу-Чёрчу, а также квантовый компьютинг). Развитие идей суперинформации по линии вероятностных измерений даётся в Constructor Theory of Probability https://arxiv.org/abs/1507.03287, а поскольку вычисления (в том числе квантовые) ещё оказываются завязанными на термодинамику, то в On the relation between thermodynamic work extraction and distinguishability показаны additional connection between thermodynamics and information theory, which is scale- and dynamics-independent, and goes via the law of conservation of energy -- https://arxiv.org/abs/2009.04588.

По этой линии сразу появилось и некоторое количество забавных работ с попытками отнести cognition к работе с суперинформацией, тем самым канализировав весь поток "квантовых теорий сознания" в это новое теоретическое русло -- First steps to a constructor theory of cognition, https://arxiv.org/abs/1904.09829 и даже Constructed emotions and superinformation: a constructor-theoretic approach, https://arxiv.org/abs/2008.06052.

Что тут ключевое? Constructor theory лежит как под традиционной информатикой, так и под квантовой (более того, это "суперинформатика", ибо квантовые системы это только подкласс систем с суперинформацией). И там даны ходы, как думать об автономных роботах/жизни -- Constructor theory of life, https://arxiv.org/abs/1407.0681.

Всё это закрывает какое-то количество вопросов, поднятых в моём обсуждении вычислительного мышления по состоянию на октябрь 2020, https://ailev.livejournal.com/1540866.html. Но основная проблема в том, что в информатике огромное количество системных уровней -- и вроде как информатика-через-построение (constructor theory of information) даёт общие принципы разговора про абстрагирование, но слишком много чего нужно сделать, чтобы подняться до уровня "системной информатики", как я это формулировал ещё в 2016 году: "Моя идея остаётся прежней: моделирование, программирование, онтологизирование (и, думаю, обучение как в machine learning) -- это предметная область для одного и того же отношения абстрагирования, как мереология -- это предметная область одного и того же отношения "часть-целое" в разных его ипостасях и вариантах. Ну, проектирование/конструирование (и программирование в смысле проектного управления, создание программ работ) -- это частный случай, просто абстрагирование будущего, будущих полных темпоральных частей целевой абстрагируемой (т.е. проектируемой/конструируемой/целевой для программы работ) системы" -- https://ailev.livejournal.com/1272169.html. И даже формулировка "вычислительное мышление в интеллект-стеке уровнем выше, чем системное" от ноября 2020 года https://ailev.livejournal.com/1544639.html не кажется такой уж очевидной на этом уровне.

Тут нужно сказать, что это всё не очень мейнстрим. В мейнстриме такие, например, работы, как "Quantum Foundations of Classical Reversible Computing", https://arxiv.org/abs/2105.00065. The concept of reversible computation, or computation without information loss (even locally), played a centrally important role in the historical development of the thermodynamics of computation. It remains critically important today in the field of quantum computing, where it is necessary for maintaining coherence in quantum algorithms.

Квантовых компьютеров уже много разных типов, плюс появляются неожиданные игроки типа "аналоговые компьютеры, ведущие себя как квантовые", https://www.infinityq.tech/ that came out of stealth mode April 29th, promising to do quantum computing with all of its benefits but without the tedium of a sub-zero refrigerator stuffed full of unstable materials. Некоторые подробности тут: https://www.zdnet.com/article/the-future-is-analog-startup-infinityq-pushes-novel-quantum-computer/. This approach can yield super-positional solutions, just like quantum computing in a fridge, but without the need for quantum entanglement, said Sellier, and without the need for masses of qubits to perform error correction, and with vastly less power than the quantum hardware. "We can exploit super-positional states, but we don't need entanglement like other people do," he said.

Вот всё это и нужно, чтобы как-то понималось, когда говорят, что "вычисления растут не на деревьях". Вычисления классического компьютера сегодня абсолютно понятны, а вот вычисления квантового компьютера -- уже не очень, хотя их архитектур уже довольно много разных, и вся отрасль хорошо финансируется и хорошо развивается, экономический пузырь там надувается.

Почему это всё крайне важно: в основе всей информатики лежат компьютерные чипы -- и нужно чётко понимать, что "булки не растут на деревьях". Что такое вычисления, их свойства, почему на первый план выходит "энергоэффективность", какие типы компьютеров и виды программирования будут развиваться -- это нужно понимать в самых общих чертах. Цифры там немаленькие, включая государственные вложения. Например, только одна Южная Корея решила вложить в программу развития полупроводниковой промышленности за 9 лет $0.451 триллиона долларов, https://syncedreview.com/2021/05/16/south-korea-devotes-450-billion-to-national-chip-strategy/. Да, пузырь в области квантового компьютинга только ещё надувается, ещё далеко до того момента, как он лопнет. А основные инвестиции в какую-то технологию ведь обычно делаются после того, как пузыри лопаются! Компьютеры -- это физические устройства, и понимание физики компьютинга приводит к изменению на самом нижнем уровне компьютерного стека, и дальше это изменение перетряхивает весь компьютерный стек до самого прикладного верха. Небольшие сдвижки в понимании информатики как физики могут приводить к существенным изменениям во всех информационных технологиях -- и в хардверной, и в сотфервной их частях, и речь тут идёт о триллионных и достаточно быстрых "межподотраслевых переливах капитала" (впрочем, понятие отрасли и даже подотрасли по отношению к IT тоже становится нерелевантным), мало никому не покажется. И это самый самый низ вычислительного стека!

2. Теории эмерджентности.
Теорий эмерджентности есть множество, но все они оказываются связанными с теориями информации: мы говорим о том, что невозможно описать свойство надсистемы, исходя только из свойств подсистемы -- обзор можно найти в работе "Emergence as the conversion of information: A unifying theory", https://arxiv.org/abs/2104.13368 (давал ссылку на неё в большом обзоре по эпистемологии 2021). В этой работе говорится (кроме обширного литературного обзора по теориям эмерджентности), что не только не хватает вычислительных мощностей для вычисления причинности в макроповедении по микроповедению, но и меняется тип информации -- и редукционизмом не удаётся решить проблему описания поведения на более высоком системном уровне из поведения на более низком уровне не только из-за сжатия, но и из-за потери смены типа информации при переходе с уровня на уровень (проблема causal emergence).

Тут самое интересное в том, что во всех этих теориях эмерджентности ни слова не говорится о собственно системном подходе в его нынешней не слишком формальной (по спектру формальности мышления) версии. Но выводы там делаются общие, применимые к каким угодно системам (включая разумные системы) -- бери, да используй. Физики -- они ведь вполне понимают, что "размер имеет значение".

Тут нужно особо отметить, что случай "я знаю, что ты знаешь, что я знаю, что ты знаешь" (неприменимость классического "физикализма" к социальным системам, состоящим из многих агентов и их окружения) тоже вполне разбирается сегодня физиками, см. хотя бы те же работы по construction theory, которые изучают физическое поведение репликаторов (то есть жизнь) и разбираются с системными уровнями. Так что все эти "ваша физика неприменима к экономике" относится к 20 веку, а в 21 веке нужно внимательно разбираться: какая именно физика, к какой именно экономике, на каком именно системном уровне идёт разговор.

3. Теории ресурсов
Я уже писал про необходимость экономического/ресурсного viewpoint в описании системы как по факту обязательного в https://ailev.livejournal.com/1565649.html, и потом писал про необходимость экономического рассмотрения в самом низу интеллект стека, где внимание сразу оценивается как потребляющее вычислительный ресурс и поэтому обсуждение сознания сразу нужно вести в праксиологических категориях, первый абзац в https://ailev.livejournal.com/1566927.html

Физики тоже перешли к ресурсным рассмотрениям, используя при этом самые разные "теории ресурсов".

Математическая теория ресурсов, https://arxiv.org/abs/1409.5531. Questions addressed by a theory of resources include: Which resources can be converted into which other ones? What is the rate at which arbitrarily many copies of one resource can be converted into arbitrarily many copies of another? Can a catalyst help in making an impossible transformation possible? How does one quantify the resource? Here, we propose a general mathematical definition of what constitutes a resource theory. We prove some general theorems about how resource theories can be constructed from theories of processes wherein there is a special class of processes that are implementable at no cost and which define the means by which the costly states and processes can be interconverted one to another. We outline how various existing resource theories fit into our framework. Похожесть говоримого в resource theories на говоримое в construction theory только кажущаяся: эти теории похожи друг на друга не больше, чем любые физические теории -- они говорят о процессах изменений в физическом мире, их возможности и невозможности. И вроде как ничто не запрещает использовать их вместе.

Но как же представления физиков об экономике и ресурсах отличаются от представлений самих экономистов! Понятно, что "ресурс" физики определяют в разы более формально и никакого отношения к экономическим/обмениваемым ресурсам эти ресурсы не имеют. Но когда физики пытаются обсуждать "ресурсы", то они обращаются к "экономическим метафорам".

"Basic economic principles dictate that objects acquire -- value when they cannot be easily obtained. From this perspective, value is a property that emerges relative to physical capabilities. A resource theory for a given scenario extends this principle by categorizing actions in terms of being either free or prohibited, and then analyzing what can be accomplished using the allowable operations. Certain objects cannot be generated in this
setting and they are considered to be a resource. For example, a camper is forced to consider what types of food can be prepared using a camping stove and nonperishable ingredients. The ability to bake and refrigerate is prohibited, and any ingredient requiring, say, a refrigerator is a resource for the camper. Это из обзора Quantum Resource Theories, https://arxiv.org/abs/1806.06107.

Весь обзор посвящён по факту квантовой информатике. In recent years, the resource theory perspective has flourished within the quantum information community. Instead of the resources being cooking ingredients for a camper or fuel for an automobile driver, the resources considered within quantum physics involve objects and phenomena at the atomic and sub-atomic levels. Resource theories of this sort are called quantum resource theories. It is quite natural to apply a resource-theoretic outlook to the study of quantum systems since processes like decoherence rapidly eliminate most quantum behavior of a system. Like an oil digger, one must exert considerable experimental effort to witness and control the subtle effects of quantum mechanics. И картинка в этом 62-страничном обзоре прямо про этот oil digger как "добытчик ресурса":


В принципе, в computer science два основных направления:
-- theory A, по факту это логика как наука о доказательствах, о выводе/inference и его надёжности, "теоретической вычислимости".
-- theory B, речь идёт о практической вычислимости, количестве алгоритмических шагов для вычисления на компьютере какой-то физической архитектуры.

Вот все эти "ресурсные теории", работы по operations research, работы по free energy (как альтернативные работам по reinforcement learning), работы по праксеологии и теории сознания (ибо все эти вычисления интересны не сами по себе, а только пока они ведут к достижению каких-то целей -- а если не ведут, то их можно было бы не делать, это иной способ сказать lean computing с waste computations) -- это теория B, это тоже должна быть часть информатики, и физики тут вполне могут помочь.

UPDATE: обсуждение в фейсбук -- https://www.facebook.com/ailevenchuk/posts/10221055651715014
2021 год

lytdybr

Моделировали вчера интеллект-стек (в очередной раз, и явно не последний), главные новации там:
-- это платформенный стек трансдисциплин, но я склоняюсь к тому, чтобы назвать его стеком транспрактик (тут может быть дискуссия о том, что в трансдисциплины это про мышление/вычисления, а практики про действия -- но все эти экзокортексы с их моделерами и прочими компьютерными моделями тут явно попадают в технологии, их не нужно выкидывать) и в явном виде вводим те оргроли, которые выполняют практики. Ибо практики это поведения (в случае стека -- вложенные поведения), которые выполняются ролями, разъяснения были тут: https://ailev.livejournal.com/1550013.html
-- практика осознанности выполняется осознанным киборгом (ибо extended cognition, включаем экзокортекс) и праксеология, экономическое мышление и агентность тут. Праксеология и экономическое мышление -- сознание это вычисления, это ресурс, и нужно чётко планировать как его тратить. Это означает, что курс праксиологии идёт довольно рано по стеку, а не в предпринимательском кругозоре (там можно давать его на другом уровне: в приложении уже не столько к экономическому мышлению, сколько в объяснении "традиционной экономики-с-деньгами").
-- в онтологике онтология и логика/вывод, плюс добавляем выход на физику и стек естественных наук и математику и стек абстрактных наук, вычисления вроде как упаковываются в естественные науки (computer science как естественная наука про доказательства). Тут очень, очень мутно, и нужно разбираться.
-- обсуждались отдельные роли объяснятеля (линии Дойча и Перла в эпистемологии) и доносителя/persuader (линия убеждающей коммуникации)
-- системное мышление бьётся на собственно системное мышление (про целевую систему) и системную методологию (про жизненный цикл как практики)
-- стек остановили пока на деятельностном кругозоре (и оно подозрительно совмещается с "управлением жизненным циклом"), прикладные уровни не рассматриваем.

В этом стеке мне пока не хватает чёткого выхода на (художественную) культуру/искусство, хотя мы и занимаемся моделированием танцевального практического стека (будет докладываться 20 мая, писал вот тут во втором абзаце: https://ailev.livejournal.com/1566616.html). Мы, кстати, после этого моделирования интеллект-стека, пошли танцевать странные танцы под Андреевский мост (я, Пион Медведева, Анна Лубенченко, и там к нам примкнула и Ирина Парамонова). А Виктор Агроскин вместо этого пошёл танцевать танго. Так что с культурой-искусством у самих модельеров всё ОК, плохо только в их моделировании. Я ещё и на очередной рейв пошёл, в тусовку любителей баса (вот сюда, https://vk.com/wall-204501700_5 -- там об меня аж фейс-контроль запнулся, не могли представить себе, что я на их вечеринке мог бы делать. Но ничего, таки пустили). И думал я там: вот десяток диджеев на пару сотен присутствующих зевак там тусуются, их хорошо видно, они там презентуют своё творчество, свой труд. А остальные зеваки вроде как потребляют, хотя есть и их косвенная роль: они показывают, что они готовы потреблять, так сказать, представляют "невидимую руку". И как это отличается от тусовки под Андреевским мостом: там, конечно, тоже есть несколько зевак, но остальные трудятся-сочиняют-танцуют, сами производят и сами потребляют свой продукт. А конкуренция? Ну, несмотря на всю кажущуюся демократию (начинашки там рядом с преподами трудятся-пляшут) не все со всеми могут потанцевать, и приходится впахивать -- чисто "потреблять" там не получится. Ну, и культур-мультур разный получается: хвастовство потреблением искусства "я тут сходил на концерт, получил море удовольствия" (ну типа как "поглядите фото, вот какой я завтрак съел!") против хвастовства творчеством "я тут сходил поплясать/порисовать/поиграть/побороться" (ну типа как "поглядите фото, вот какой я себе и друзьям завтрак приготовил!"). То есть на рейв я сходил, удовольствие получил, но чем хвастаться-то? Но времени пока разбираться с культурой по-тяжёлой нет, нужно ещё физику-математику-вычисления додумывать.

Добавочки к литературе по линии Дойча:
-- блог Naval https://nav.al/ -- короткие тексты с разъяснениями отдельных положений и короткие аудиоотрывки с их чтением в https://www.youtube.com/channel/UCh_dVD10YuSghle8g6yjePg
-- видеоблог Brett Hall, там множество разъясняющих видео https://www.youtube.com/channel/UCmP5H2rF-ER33a58ZD5jCig/videos
-- статья Дойча про логику экспериментальных проверок (и выводом, что эвереттовская трактовка квантовой механики вполне проверяема), https://www.sciencedirect.com/science/article/pii/S135521981530023X. В статье он чётко прописывает, чем его подход отличается от подхода Поппера: он уточняет, что It differs from his, if at all, by regarding fundamental science as exclusively explanatory. И его explanations такие, какие hard-to-vary. И он применяет подход Поппера и опору на объяснения к квантовой механике, включая Эвереттовскую интерпретацию). А ещё он чётко проговаривает, что в хороших объяснениях он не приемлет случайности (и регулярно оговаривает, что байесовский подход к науке не очень применим. У Пёрла же больше не просто про "объяснения, которые трудно менять", а про вероятности и причинность -- а сами объяснения вроде как делаются subject matter expert, которые откуда-то берут граф причинности, и уж затем только работает вся механика расчётов. Дойч же напирает на то, что лучшие объяснения вообще идут не по линии вероятности (и поэтому, кстати, отвергает все вероятностные модели в квантовой механике и тяжело наезжает на байесианцев). Тут нужно ещё покопаться, как это всё вместе понимать.
-- твиттер Дойча https://twitter.com/DavidDeutschOxf, твиттер Перла https://twitter.com/yudapearl, Chiara Marletto in not on twitter (https://twitter.com/brutalpleb/status/1392649932566409217).

Active inference и collective intelligence -- https://arxiv.org/abs/2104.01066, разбираются там с самоорганизацией агентов на базе active inference. Альтернативное название для идей active inference in the case of non-equilibrium physics -- self-organization or self-assembly (https://arxiv.org/abs/1906.10184 -- и тут становится понятным, что идеи free energy principle требуют существенной доработки, чтобы считаться хорошими объяснениями по Дойчу-Марлетто. В приложении к физике там статистика на статистике, и статистикой погоняет. Бейтсон любил говорить "плохая эпистемология", так вот с эпистемологией в active inference нужно долго и много разбираться. При этом по active inference довольно много выходит работ, хотя это ещё явно не мейстрим (это ж оппозиция reinforcement learning, что до сих пор мейнстрим -- но вроде как должно решать проблемы reinforcement learning), взгляните на https://arxiv.org/search/?query=%22active+inference%22&searchtype=all&abstracts=show&order=-announced_date_first&size=50. А координация работ по active inference идёт в еженедельных стримах https://www.youtube.com/channel/UCbPq2w41ZaJSWtpCq4BE6Dg.
2021 год

Наука о нельзя и льзя

Контрфактуалы (высказывания "против фактов", всевозможные "а если бы ..." -- высказывания о потенциальной невозможности/impossibility и возможности/possibility) сейчас в центре внимания. SoTA эпистемологии ставит контрфактуалы в основу правильных объяснений/explanations, в основу правильного причинного вывода/сausal inference. Вот сухая энциклопедическая статья про контрфактуалы: https://plato.stanford.edu/entries/counterfactuals/, вот не менее сухая энциклопедическая статья по контрфактуальным теориям объяснений/причинности: https://plato.stanford.edu/entries/causation-counterfactual/.

Я копал тему контрфактуалов, которые лежат в основе априорного метода праксиологии в австрийской школе довольно давно -- вот, например, онлайн-библиотечка по праксиологии https://www.praxeology.net/praxeo.htm и там одна из работ специально на эту тему, Facts and Counterfactuals in Economic Law [PDF file], 2003, by Jörg Guido Hülsmann. В психологии полно подобных исследований, например 2006 "Counterfactual thinking and regulatory fit", http://journal.sjdm.org/jdm06136.pdf. Много всего о контрфактуалах по линии психологии-социологии-экономики и просто логики можно найти в книжках https://b-ok.cc/s/counterfactual (там и книжки, и не забудьте заглянуть в статьи).

Книжка, где "причинная революция" в существенной мере объясняется тем, что в основу причинного вывода кладётся как раз контрфактическое мышление -- это The Book of Why, я писал о ней в 2018 https://ailev.livejournal.com/1435703.html. И контрфактические объяснения кладутся в основу объяснений эволюционной эпистемологии по линии Поппера-Дойча, о чём я тоже неоднократно писал (например, рассказывая о вычислительном мышлении в октябре 2020 -- и этой линии, по которой нужно копать дальше, https://ailev.livejournal.com/1540866.html. Вот потихоньку и копаю).

В обзоре эпистемологии-2021 (https://ailev.livejournal.com/1565165.html) я указывал на вышедшую 4 мая 2021 книжку ученицы Дойча Chiara Marletto, "The Science of Can and Can't: A Physicist's Journey through the Land of Counterfactuals", вот она уже доступна для всех -- https://b-ok.cc/book/13084569/9de29a. Я перевёл название этой книжки как "Наука о нельзя и льзя".

В этой книге полухудожественно (с литературными интерлюдиями) рассказывается как из контрфактуальных теорий получить не больше и не меньше, чем новую физику, да ещё сопряжённую с физической информатикой: даются контрфактуальные определения информации и контрфактуальные определения вычислений. Но затрагиваются не только вычисления (это затрагивается и в книгах Дойча, особенно в "Началах бесконечности", https://b-ok.cc/book/2703035/908de5), кратко намечается путь к решения проблем "квантовой гравитации" и второго закона термодинамики (который на сегодня является эвристикой, как и ньютоновская механика -- работает только в тех ситуациях, когда работает).

Контрфактуалы позволяют из эвристик ("неточных объяснений") переходить к теориям (точным объяснениям). И ещё демонстрируется пара принципов, позволяющих объединять находки из разных предметных областей: склеивать при помощи контрфактуалов и идеи о физичности доказательств разные онтологии на базе понятия interoperability (скажем, как определить информацию сразу для всех медиа, или вычисление сразу для всех вычислителей). По факту, речь идёт о приёмах абстрагирования каких-то свойств, проверяемо укоренённых в физической реальности, "проверяемое экспериментом абстрагирование". Прежде всего интересна идея, что контрфактуалы помогают формулировать принципы, выживающие на многих масштабах пространства-времени (то есть применимые на множестве системных уровней, "трансдисциплинарные" -- универсальные). За счёт чего? Принципы -- это законы для законов, "мета-законы", абстрагирование над законами (скажем, законами движения в физике), и эти принципы могут быть протестированы в эксперименте. Principles are in general tested by deducing their implications for the behaviour of physical systems that are assumed to obey them. One needs first to have at least two rival theories concerning a physical situation to which the principle purports to apply. For instance, one can consider a model for a pendulum that obeys the principle of energy conservation—for example, a model based on Newton’s laws—and then another model that does not, predicting that once the pendulum is set into motion, it spontaneously swings to higher and higher points. Then one performs an experiment with an actual pendulum, to test the prediction of one model against the other. In the case of the pendulum, all experiments done so far have refuted the model that predicts that energy is spontaneously created. Whenever it looks as though the pendulum swings to higher and higher points, it is because some nearby system is actually providing the energy to do so—for instance, by driving the oscillations with some mechanical engine, which provides the require energy for the swings. So far, the principle of conservation of energy has withstood all tests performed on it in its domain of applicability.

Для меня это книга про онтологические паттерны "контрфактуалов" типа того же interoperability (в книге это что-то типа "взаимозаменяемости" каких-то свойств, одинаково определяемых/defined контрфактически). Эти паттерны определяются примерно так же, как онтологические паттерны "отношений" -- типа выделяемых из огромного числа возможных отношений особо удобных паттернов композиции/часть-целое, специализации, классификации.

Эта книга немного добавляет к понятию "универсальный компьютер" (у Дойча это раскрывается много полнее), хотя и приводит много интересного по физичности информации, с которой и производятся вычисления, а также раскрываются понятие знаний/knowledge как что-то, что выживает в изменчивой физической среде. Но зато даётся понятие универсального строителя/universal constructor, которого можно мыслить как робота, сделанного из универсального компьютера+универсального принтера -- как универсальный компьютер потенциально/"в принципе" (контрфактуальное определение!) делает все возможные при существующей физике вселенной вычисления, так и универсальный принтер может выполнить все возможные трансформации физического мира (автор книжки прямо говорит о метафоре 3D-принтера: "напечатать всё, что захочешь из чего захочешь" -- а у Дойча мы подсматриваем идею, что трансмутации элементов тут тоже допустимы, добыча золота из водорода возможна, но просто пока не изобрели дешёвой технологии).

Книга даёт прямой совет искать контрфактические объяснения, вводя контрфактические свойства везде, где в теории есть проблемы.

Например, есть огромные проблемы с определениями в области ритмических паттернов (4D-системность, паттерны в пространстве и времени, формы и ритмы -- https://ailev.livejournal.com/1560357.html). Не обратиться ли там к контрфактическим определениям?

Австрийская экономика уже давно обратилась к таким определениям. И это часть причины её плохого понимания. Вот тут про австрийскую школу и логику, мы обсуждали это в 2011 https://ailev.livejournal.com/899308.html, а тут я писал про возможность перетолковывания праксеологии с учётом понятия "необходимого постериори" https://ailev.livejournal.com/916921.html -- но с 2011 очень много произошло в части понимания контрфактуальности, и нужно по-новому подходить к этим вопросам). Мышление о возможных мирах "человеку с улицы" трудно, но именно они скрываются за контрфактическими высказываниями -- и я даже удивляюсь, как в книжке про "науку о нельзя и льзя" не помянуты эти возможные миры, и даже не помянута эвереттовская интерпретация квантовой теории, хотя и говорится про квантовый компьютинг.

Так что контрфактуалы -- это про принципы/трансдисциплинарность, владение контрфактуальным мышлением/логикой/выводом это путь к усилению интеллекта. Читайте книжку о науке нельзя и льзя, https://b-ok.cc/book/13084569/9de29a.

UPDATE: комменты в фейсбуке -- https://www.facebook.com/groups/771940449578453/permalink/3693470360758766/ и https://www.facebook.com/ailevenchuk/posts/10221022273640583
2021 год

Эпистемология 2021

Эпистемологию я считаю входящей в онтологику, которую понимаю как логику, которая была до Frege. Вот что пишет на эту тему 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.
Можно поразмышлять над этим текстом (а тексты John Sowa стоят того, чтобы над ними поразмышлять -- он крут), и прийти к следующим интересным выводам:
-- критическое мышление это не более чем использование в мышлении формальной логики (всё, что формально нелогично -- считается прокритикованным и выкидывается)
-- эпистемология aka методология науки -- это часть логики. Онтология -- это то, что получается после того, как сработала наука, методология науки определяет, что на выходе науки.
-- всякие паттерны и их распознавание (грамматика про это) -- это тоже часть логики.
-- логика это про символы (семиотика же!)

В 21 веке произошли следующие интересные новации (которые не до конца были отслежены и John Sowa, но он в последнее время пытается и это отследить):
-- эпицентр представлений о знании (representations) вдруг ушёл из символических (семиотика!) в распределённые/distributive представления, и сейчас там дифференцируемые как общий случай и нейронные представления как более частный случай (я писал об этом, начиная с "обучение представлениям", 2012 -- https://ailev.livejournal.com/1045081.html, типичный текст дальше -- "Дифференцируемое всё: от чёрно-белой картины мира к рябенькой" 2019 https://ailev.livejournal.com/1464563.html, а дальше много постов было про третью волну neurosymbolic AI, где говорится о необходимости иметь и локалистские и коннективистские представления, обзор на эту тему https://arxiv.org/abs/2012.05876 поминаю в конце 2020 в https://ailev.livejournal.com/1548016.html, а затем и обновление понимания S1 (оказалось, что S1 тоже умеет в символы!) и S2 с подачи Канемана уже в 2021 году в "Кругозорные витамины для жизненного опыта (common sense knowledge graphs для large language models)", https://ailev.livejournal.com/1551283.html (и там много чего интересного -- в том числе про необходимость естественного языка как языка логики, и опровержимого вывода -- работы Yejin Choi. Там далеко всё ушло от начальных работ Jaysen по логике науки как байесовской логики, ибо формальная логика оказалась лишь частным случаем байесовской/вероятностной -- https://yadi.sk/i/xOMTIe0drCE1tw. И там до сих пор идут исследования, что ж там такого в математике -- Noisy Deductive Reasoning: How Humans Construct Math, and How Math Constructs Universes, https://arxiv.org/abs/2012.08298). Из последних интересностей там "символическое поведение", и там среди авторов и Timothy Lillicrap, так что можно ждать интересных продолжений, это Symbolic Behaviour in Artificial Intelligence, https://arxiv.org/abs/2102.03406.
-- причинный вывод, внимание к контрфактичности. Работа с объяснениями, causal inference. И тут книжка Marletto про контрфактуалы в физике, https://ailev.livejournal.com/1566392.html. Почти попсовая книжка Pearl, "The Book of Why", https://ailev.livejournal.com/1435703.html. Потом тоже много чего было: http://causality.cs.ucla.edu/blog/ -- это новости самого Judea Pearl, вот книга по causal inference https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/ с заданиями на программирование, вот развитие идей Pearl от Elias Barenboim https://causalai.net/ (и там chapter "On Pearl’s Hierarchy and the Foundations of Causal Inference" самого Баренбойма с Juan Correa, Duligur Ibeling, Thomas Icard -- https://causalai.net/r60.pdf). А вот совсем недавно люди, которые до сих пор пользуются p-критерием (помним о https://habr.com/ru/post/430190/), говорили ещё и о том, что людям часто нравятся directive explainations, хотя и контрфактуальные тоже бывают хороши -- https://arxiv.org/abs/2102.02671, это шевеления в том же направлении. Всё про "объяснения" в AI -- это работы по причинности, и этих работ много. Сюда же можно отнести и "Emergence as the conversion of information: A unifying theory", https://arxiv.org/abs/2104.13368 -- по факту это попытка показать формальную теорию системного подхода, которая говорит, что не только не хватает вычислительных мощностей для вычисления причинности в макроповедении по микроповедению, но и меняется тип информации -- и редукционизмом не удаётся решить проблему не только из-за сжатия, но и из-за потери смены типа информации (проблема causal emergence).
-- линия контрфактуальности в объяснениях получила развитие в линии Поппера-Дойча, изложенной прежде всего в книжке Дойча "Начало бесконечности", https://yadi.sk/i/SjpWiPqM4PQQSg. А что потом? Вот только что (формально -- через три дня, 4 мая 2021) вышла книга ученицы Дойча "The Science of Can and Can't: A Physicist's Journey through the Land of Counterfactuals", https://www.amazon.com/Science-Can-Cant-Physicists-Counterfactuals/dp/0525521925. Там раскрываются последние исследования в constructor theory Дойча, альтернативной репрезентации для физики,Instead of describing the world in terms of trajectories, initial conditions and dynamical laws, in constructor theory laws are about which physical transformations are possible and which are impossible, and why -- http://constructortheory.org/. Вся эта "бесконечность" существенно пересекается с идеями open-endedness, "квазиэволюциями", https://ailev.livejournal.com/1463013.html. Со всем этим активно работают. Скажем, Applying Deutsch's concept of good explanations to artificial intelligence and neuroscience -- an initial exploration, https://arxiv.org/abs/2012.09318 (и до этого работа от того же Daniel Elton "Self-explaining AI as an alternative to interpretable AI", https://arxiv.org/abs/2002.05149).
-- новации в статистике за последние 50 лет (и контрфактуальный статистический вывод только одна из этих новаций): counterfactual causal inference, bootstrapping and simulation-based inference, overparameterized models and regularization, multilevel models, generic computation algorithms, adaptive decision analysis, robust inference, and exploratory data analysis. Всё это про попытки компактно описать разнообразный мир -- "What are the most important statistical ideas of the past 50 years?", https://arxiv.org/abs/2012.00174
-- прагматический поворот в философии привёл к тому, что везде теперь агенты и цели, и мало кого интересует абстрактный inference в вакууме. Интересует только тот inference, который ведёт в достижению каких-то целей, интенциональность (не пишу интенСиональность, чтобы не путать с математической интенсиональностью, интенЦиональность тут о прагматизме). Поэтому огромный интерес к теории active inference и free energy principle, пришедшей из нейрофизиологии, но теперь это претендует на эпистемологический статус, "Active inference: demystified and compared", https://arxiv.org/abs/1909.10863 и "Is the free-energy principle a formal theory of semantics? From variational density dynamics to neural and phenotypic representations", https://arxiv.org/abs/2007.09291.
-- ещё одна линия -- это линия на ограниченность вычислительных ресурсов, направленных на познание. Тут чаще всего обсуждалась работа "Learning Curve Theory" про scaling laws для глубоких нейронных сетей -- https://arxiv.org/abs/2102.04074. Ставится вопрос, становится ли нейронная сеть умней, если просто наращивать её размер? Вся эта "гонка числа параметров" ведь ровно отсюда (последняя сетка -- 30 триллионов параметров, 19 апреля 2021, https://www.microsoft.com/en-us/research/blog/zero-infinity-and-deepspeed-unlocking-unprecedented-model-scale-for-deep-learning-training/). Но там не только про обучаемость нейросети нужно исследовать. Во-первых, это про алгоритмику как таковую, ибо сложность алгоритмов как основной вопрос алгоритмики -- она отсюда, и она про физику (что слишком сложно для классического компьютера, просто для квантового, и наоборот). Во-вторых -- это вечный вопрос про exploration vs exploitation в эволюции. Сколько вообще нужно тратить сил на исследования (в том числе продвижение в области представлений об исследованиях -- продвижения в эпистемологии) из общих ресурсов? Может, плюнуть на всю эту науку и пожить в своё удовольствие? Ответ может прийти из области праксиологии в её развитии в экономику как практику делёжки редкими ресурсами. И тут оказывается, что нужно изучать рынок, чтобы обсуждать эпистемологию! В computer science Theory A уходит главным образом в онтологику, а Theory B как раз в праксеологию -- https://cstheory.stackexchange.com/questions/1521/origins-and-applications-of-theory-a-vs-theory-b, и вся эта тематика предпринимательства оказывается завязана на тему разделения труда/вычислений/размышлений, плюс тему операционного менеджмента/operations research. В физике тоже есть "теория ресурсов", а ещё по этой линии "информации" довольно много всего, включая выход и на системное мышление и информационные обоснования эмерджентности (несводимость химии к физике, биологии к химии и т.д.): https://ailev.livejournal.com/1567297.html
-- в эпистемологии предпринимательство ведь тоже вполне может быть (что, учёных в компании сейчас не нанимают?! А как же учёных в AI? Основной поток работ идёт как раз не из университетов, плюс значительную часть работ мы не видим в журналах -- используется вся эта наука без публикации, удерживается конкурентное преимущество тех, кто оплачивает познание/исследования). Что тут читать, пока непонятно, но без этого дальше не пройти.

И когда я слышу в области эпистемологии про работы не позже работ Томаса Куна (1922-1996), вполне живого Бруно Латура (1947 -- сейчас ему 73 года), Имре Лакатоса (1922-1974) и прочих по линии социологии и "человеческой" истории науки, а не линии AI и современности в науке как абстрактном познании, то я их глубоко усомневаю -- часть идей там вполне осталась, но как физику нельзя брать образца 60-х прошлого века, ибо в физике за полвека много чего понапроисходило (скажем, giant magnetoreisistance -- это открыто в 1988 году, все винчестеры в компьютерах как раз на этом работают), так и эпистемологию нехорошо брать такой давности. Чтобы эпистемология заработала по-настоящему, нужно её автоматизировать и отстроить от человека как единственного вида познающего агента (начать с extended mind, пообсуждать экзокортекс, а потом и просто роботов, которые делают науку. Вполне себе традиционный на сегодня заход, немыслимый ещё вчера -- во времена расцвета кунства-латурства-лаканства). Научные открытия нужно делать компьютерами -- и полезность эпистемологических представлений будет тогда, когда эти представления помогут объяснить науку компьютерам, и те бодро начнут производить знания, на потоке. ОК, тогда поверим, что эта эпистемология полезна, а до тех пор будем считать её красивыми художественными рассказами про человеческую жизнь -- с красивыми историческими примерами, которые учат тому же, чему история (то есть ничему не учат). Это линия Поппера, дополненная Дойчем -- Дойч довольно много внимания как раз уделял тому, чтобы избавиться от чисто человеческих представлений о познании. Как всегда, нужно брать уже не "полный набор идей Куна, Латура, Лакана" и прочих из этой серии, а разбирать на части -- и добавлять новые части, появившиеся в последние три-четыре года, когда появилось много исследователей, знакомых с распределёнными представлениями из современного AI.

Про познание/науку-из-компьютера в сегодняшнем варианте можно гуглить, например, через discovering symbolic models, но и это уже немного устарело -- это если считать, что наука -- это только про локальные представления, а коннективистских представлений в науке не бывает. Ну, и опустить ту часть, что про объяснения. 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.

Так что всё пока идёт более-менее по Попперу, но более жёстко проводимая линия на то, что наши теории являются реплицирующимися (по линии Докинза, мемами) объяснениями и они должны быть детерминистичны, выражены на контрфактульном языке множественных миров, а статистика -- это концепт, появляющийся только в смысле принятия решений агентом, вдобавок к информации ещё нужно рассматривать и сверхинформацию (в тех же квантовых вычислениях.

Какой-то набор литературы для базового методологического чтения я давал в октябре 2020 -- https://ailev.livejournal.com/1541889.html. Обзор онтологий в июле 2020 года у меня шёл (поскольку онтология и эпистемология обычно рядышком -- эпистемология на выходе даёт онтологию) примерно по тем же линиям: интенциональность, причинность, байесовщина, common sense и т.д. -- https://ailev.livejournal.com/1527652.html, я там пишу "классическая онтологика выживает пока как knowledge graphs, и John Sowa правильно указывает, что там всё плохо: повторяются решения 60-х годов, только огромных размеров. Никакие "умности", наработанные за десятки лет, в этих knowledge graphs не замечены -- даже микротеории как в CYC, хотя без этого ведь никуда!", в 2021 году там всё осталось на месте. Ну, не поменяем эпистемологию -- на выходе не будет новой онтологии!

Так что учим людей современной онтологике (логике в части формального и не слишком формального вывода, эпистемологии, онтологии) и следим, чтобы речь шла не об изучении истории онтологики, а об изучении SoTA практического знания.

И уже потом можно что-то обсуждать в рамках разных "дискуссий о [научном] методе": о роли математики и computer science в современном познании, о разнице подходов неоклассики и австрийской школы экономики, о шансах constructor theory в физике и прочих подобных интересных вещах. Эпистемология, как осетрина: если не первой свежести -- не эпистемология.

UPDATE: больше ссылок по линии Дойча и active inference в https://ailev.livejournal.com/1566927.html
2021 год

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
2021 год

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.