Category: технологии

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

2019

Цифровой -- это новый информационный, цифровая нить -- это новая интеграция данных

Цифровая трансформация, инженерия, модель, тень, нить и так далее
В языке медленно, но верно слово цифровой/digital заменяет слово информационный/information. Где лет десять назвали бы "информационный", сегодня называют "цифровой". Означает ли это хоть что-нибудь? Нет, ничего особенного, кроме как вы будете попадать в правильные строчки бюджетов, если будете следовать моде. Под "организационные изменения" и даже "организационную трансформацию", равно как и под "автоматизацию/компьютеризацию" деньги не дадут, а вот под "цифровую трансформацию" -- пожалуйста. Ещё объяснят, что это ж вы будете думать и о людях, и о компьютерах, и о бизнес-моделях, как будто это в голову не придёт при использовании более старых терминов для того же (подробней я писал об этом год назад в "Об цифровую трансформацию: то же оргразвитие, и даже не в профиль", https://ailev.livejournal.com/1497402.html, там был и слоган про "больше buzzwords богу buzzwords"). Но новых "цифровых" терминов в коропоративной цифре (раньше бы сказали "айти", но поддамся тренду) к началу 2021 года резко набежало, давайте с ними разберёмся.

Речь пойдет о digital transformation, digital engineering, digital engineer, digital twins, digital model, digital shadow, digital thread, SDM (simulation data management), model-based engineering, model-based systems engineering, digital mission engineering, и тут давайте пока остановимся (игнорируя всякие маркетинговые терминологические затеи одной фирмы, типа specification data management, который формулируется как "высокоуровневый PLM", https://specright.com/blog/specright/whats-the-difference-between-product-lifecycle-management-and-specification-data-management/).

Сразу оговорка: о значении этих терминов в мире так и не договорились. Поскольку нет ни одного законодательного органа одной страны, ни одного комитета по стандартизации, ни одного факультета в каком-то университете, где приватизировали бы язык, есть множество документов, в которых даются самые разные толкования этим терминам. А ещё язык живёт независимо от всех этих официальных документов и словарей, и люди в самых разных фирмах используют эти слова уж как бог на душу положит. И помним, что словарные значения -- это значения вне контекста какого-то проекта, а в конкретных высказываниях у всех этих слов появляется ещё и уточнённый контекстом смысл. Но не всё так плохо: несмотря на дикий разнобой в значениях можно понять, о чём идёт речь. Уж точно не о сыроварении и не о бирюзовых организациях! Нельзя сказать, что "эти термины вообще ни о чём".

С цифровыми двойниками мы разобрались ("Цифровые двойники: физика ведёт математику, математика ведёт компьютерную науку", https://ailev.livejournal.com/1549559.html). Цифровые двойники/digital twin -- информационные/цифровые модели aka виртуальные системы для киберфизических систем (реальных экземпляров hardware), существующие на всём протяжении их жизненного цикла, особенно включая эксплуатацию.

Если мы провалимся на системный уровень выше, то получим сеть цифровых двойников/digital twins network. Если провалимся на уровень ниже, то получим целый ряд моделей как по разным viewpoints на стадии эксплуатации, так и по жизненному циклу (все эти механические, электрические, тепловые и прочие модели).

Цифровая инженерия: делаем цифрового двойника и связываем его цифровой нитью
Цифровая нить/digital thread -- это технология (инструменты и практика федерирования-объединения-интеграции данных, обычно на основе так называемых семантических моделей данных/semantic data models, тысячи их), связывающая между собой все эти отдельные модели, а также цифровые двойники окружения и физического двойника. Инженер старой закалки скажет "интеграция данных жизненного цикла" и помянет множество PLM (а если это не машиностроение, то помянет "корпоративную шину данных"), менеджер новой закалки скажет "цифровая нить" и помянет PLM, ERP, EAM и даже CRM (и вообще всё остальное). И, поскольку "цифровой -- это новый информационный", то заметят, что для какого-нибудь здания или моста кроме BIM/building information model цифровая нить добавит к цифровому двойнику данные дронов, сенсоры интернета вещей и какой-нибудь искусственный интеллект обнаружения аномалий для ремонта по состоянию. А разве это не предусматривалось концепцией BIM? Предусматривалось, но тогда и деньги были бы прежние. А цифровая нить -- это новый бюджет, новые слова для новых денег! Скажем, вы просите денег на интеграцию данных жизненного цикла, какие слова будете говорить? А тут говорят так: Digital thread -- golden thread of information that runs right throuht the life cycle of a project, the thread that grows and gathers more strands until it develops the heft and weight of a digital twin (https://www.raconteur.net/technology/digital-engineering-what-is-it-and-why-you-need-to-know-about-it/). Инженеры старой закалки продолжают говорить "управление информацией" или "управление данными", их эта менеджерская поэзия не увлекает. Так, если нужно сшить между собой мультифизическую модель (модели нескольких физик -- механическую модель, электрическую модель, тепловую модель, акустическую модель и т.д.), то инженеры будут говорить управление данными имитационного моделирования/SMD/simulation data management, а менеджеры старой закалки предпочтут говорить управление информацией (имитационного/мультифизичного) моделирования/simulation information management (но говорят так довольно редко, менеджеры до этих тонкостей уже не доходят, они больше про "нить").

Цифровая инженерия/digital engineering -- это создание цифрового двойника путём сплетения цифровой нитью различных его моделей, экземпляра его физического двойника и цифровых двойников окружения. Цифровой инженерией занимается цифровой инженер/digital engineer, и сразу признаётся, что знания цифрового инженера должны быть настолько широки (вся просто инженерия и всё просто айти), что его роль выполняется обычно большими командами.

Если цифровая нить не привязывает экземпляр цифровой модели цифрового двойника к физическому двойнику (экземпляру киберфизической системы, чей двойник), то это просто цифровая модель/digital model, данные к ней и из неё попадают "вручную", асинхронно. Если цифровая нить привязывает физического двойника к модели, и модель обновляется автомагически, то это будет цифровая тень/digital shadow. И только если цифровая нить привязывает не только физического двойника как источника калибровочной информации для модели, но и модель как источник калибровочной информации для физического двойника -- вот тогда это полноценный цифровой двойник/digital twin. И помним, что формально для ответов на вопросы "а что если..." можно породить несколько digital siblings (ибо они не будут соответствовать полностью физическому двойнику, их не любят называть цифровыми двойниками, но признают кровное родство).

Вот в этой картинке (из https://www.cadmatic.com/en/resources/blog/digital-model,-digital-shadow,-or-digital-twin-%E2%80%93-what-is-at-the-core-of-data-driven-shipbuilding/) пунктирная нить означает ту самую цифровую нить:

Вот типичное софтовое предложение для организации цифровой нити, найдите хоть одно отличие от предложений по организации PLM и интеграции данных жизненного цикла: https://prostep.us/cpmn/apidt/digital-thread-and-digital-twin-solutions/ (и да, это предложение от фирмы, которая традиционно занималась тематикой PLM, а дальше просто переписала свои тексты с использованием модной лексики).

Вот картинка новой V-диаграммы от Boeing, в которой поминается ещё один синоним для цифровой инженерии: моделеориентированная инженерия/model-base engineering/MBE, и теперь это не V, а MBE-ромб/diamond, с 2018 (https://www.incose.org/docs/default-source/midwest-gateway/events/incose-mg_2018-11-13_scheurer_presentation.pdf):

В этой диаграмме к традиционной V-диаграмме физической системы/двойника добавлена симметричная Λ-диаграмма цифрового двойника, а серединка отдана цифровой нити (вместо показа традиционных для этой диаграммы проверок и приёмок).

MBE любят в NIST и туда включают модели требований, архитектуры мультифизику и всё остальное, в отличие от INCOSE, которая любит MBSE/model-based systems engineering/моделеориентированную системную инженерию с акцентом на модели требований и архитектуры и меньшим акцентом на мультифизику -- но в INCOSE тоже переобуваются на ходу, и ветер там дует с военной стороны (см., например, как определяют digital engineering в SEBoK, https://www.sebokwiki.org/wiki/Digital_Engineering -- прямо ссылаются на DoD и в тексте, и в литературе).

Цифровая трансформация/digital transformation -- это прежде всего постановка практики цифровой инженерии, переход к тому, чтобы физические двойники (предприятие в ходе его работы, пациенты в ходе операции, здания в ходе эксплуатации, самолёты в полёте) управлялись со стороны своих цифровых двойников. Если этого нет, а просто вы ставите какую-то ещё одну базу данных и ещё одну систему аналитики, вроде как можете говорить о big data всём таком прочем модном, можете добавлять что-нибудь про цифровую тень но слово "цифровой" для такой трансформации говорить должно быть неудобно. Но с этим, конечно, никто не считается.

Военная цифровая инженерия
Как всегда, волну новой терминологии оседлали военные, прежде всего США. Они сходу объявили, что у них теперь цифровая инженерия, а в ней цифровая инженерия (военных) миссий/digital mission engineering -- удостоверение того, что вся инженерная работа как-то повлияет на результативность военных миссий. Если вы начнёте искать в сети всю эту цифровую терминологию, то найдёте много военного (они хорошо разрабатывают регламенты, стандарты и прочее подобное, что в нормальном бизнесе аккуратно срезается lean-подходом) -- так что аккуратней с источниками. Вот вам ссылки на тексты военных, прелесть ведь как всё структурировано, но не факт, что именно в этом виде оно будет хорошо работать в коммерческом секторе (факт, что не будет):
-- "What Is Digital Engineering and How Is It Related to DevSecOps?", ноябрь 2020, https://insights.sei.cmu.edu/sei_blog/2020/11/what-is-digital-engineering-and-how-is-it-related-to-devsecops.html (помним, что DevSecOps -- это те же DevOps, только с добавкой безопасности. Это ж военные!). При этом чётко говорится, что это всё для спасения жизней в том числе разработчиков и испытателей (во время испытаний F100 в 50-е погибли 324 пилота и потеряно 889 самолётов, https://en.wikipedia.org/wiki/North_American_F-100_Super_Sabre, а "цифровые испытания" позволяют сократить потери в подобных проектах).
-- "Digital Engineering Metrics. Supporting Technical Report SERC-2020-SR-003", июнь 2020, https://sercuarc.org/wp-content/uploads/2020/06/SERC-SR-2020-003-DE-Metrics-Summary-Report-6-2020.pdf (в этом отчёте старинное MBSE/model based systems engineering из INCOSE используется как синоним с Digital engineering, хотя MBSE это только часть digital engineering, ибо в MBSE обычно поддержка работы с требованиями, архитектурой и планами испытаний, а в digital engineering ещё и non-architectural part of design как минимум, плюс ремонт и обслуживание на стадии эксплуатации, во время работы digital twin. И это ж военные и государственные: если вы хотите попросить приличных денег за цифровую инженерию, то вам сюда: десятки метрик для оценки этой самой цифровой инженерии! KPI получите в количестве, никаких денег не хватит, чтобы их выполнять и по ним отчитываться! И упор тут именно на digital transformation: как определить, идёт трансформация, или таки не очень. Но если вам вдруг выпало заняться информатизацией, тьфу, цифровизацией, тьфу, цифровой трансформацией в части постановки цифровой инженерии, то это хорошие чеклисты: о чём нужно подумать -- но ни в коем случае не делать всё сразу, ибо тогда точно не сделаете, но зато освоите много денег, по круглой сумме за каждую метрику. Вот прямо берёте метрику и заключаете какой-нибудь договор на её реализацию с кем-нибудь, будет не хуже, чем в армии США).
-- digital mission engineering, https://www.agi.com/digital-mission-engineering (больше всего тут материалов от AGI, an ANSYS company -- поставщик софта для системной инженерии в военных применениях, вот и смотрите материалы на этой странице). Можно ли это применить гражданским? Ну, считайте, что речь идёт о нацеленности всей инженерии на эксплуатацию в условиях разнородного окружения целевой системы.

Смотреть новости по всему этому богатству цифровой инженерии можно на порталах https://www.plmportal.org, https://www.digitalengineering247.com, на немецком https://www.digital-engineering-magazin.de/. А что со старинными названиями? Например, "автоматизация"? Тоже всё найдёте, https://www.automation.com/ -- ресурс международного общества автоматизации. Ну, вы поняли: где раньше занимались PLM, автоматизацией, САПРами, инженерным моделированием, там и продолжают заниматься. Но слов стало больше, и ресурсов стало больше. Ну, и старые слова тоже вполне живут, люди-то никуда не делись. По последней ссылке вы найдёте и smart manufacturing (Industry 4.0), и integrated manufacturing business operations, и IIoT/Industrial Internet of Things.

Для не-заводов всё тоже цифровое, но единства в терминологии ещё меньше
У банка, страховой компании, вуза, логистической компании и многих других нет PLM, но цифровая трансформация есть. У нас для них советы:
-- иметь таки для их целевых систем цифровых двойников, а для этого целевую систему придётся таки найти в физическом мире как физического двойника.
-- считать, что прохождение кейсов по проектированию, как бы "изготовлению" и как бы "эксплуатации" (как это у них называется? у всех ведь по разному) -- это цифровой банкинг, цифровое образование, цифровое страхование и т.д.. Тем более что все эти слова есть (и означают в том числе уход в онлайн плюс ту же автоматизацию и биг дату с data-driven enterprise, тьфу, это ж теперь цифровая трансформация!).
-- смело пересказывать тексты и идеи промышленников, заменяя слова, там ведь всё то же самое. Не забывайте только вставлять слова про privacy, safety и security, хотя и у промышленников compliance через слово. С другой стороны, там везде и своих слов хватает. Но если вам приходится работать и с промышленными предприятиями, и банками, то лучше бы как-то экономить мышление и научиться думать о самой разной цифровой трансформации одинаково.

Обычно непромышленные организации идут впереди промышленных, у них что сейчас происходит с цифровизацией? Ну, hyperautomation/AI-Transformation/Digital Process Automation/Intelligent process automation (и ряд других терминов от разных лавок, пока совсем-совсем не договорились, вот обзор терминологии: https://research.aimultiple.com/hyperautomation/ (там полный винегрет изо всех идей, абсолютно разноуровневый). Отличается всё это от цифровой инженерии только тем, что явно и специально поминается через слово искусственный интеллект и машинное обучение, но не говорится о том, куда этот интеллект употребляется (а тут как с людьми и употреблением естественного интеллекта: нельзя ничего сказать, использовать-то можно везде!). В инженерии проще: объявляем эти "искусственные интеллекты" просто какими-то отдельными моделями/вычислителями и вплетаем их цифровой нитью в состав цифрового двойника. А что тогда RPA? Ну, это инструментарий цифровой нити, который может связать и текущий корпоративный софт, и вплести в него а хоть и людей. Интерфейсы к живым людям в PRA тоже есть, Текущий RPA состоит из набора коннекторов к софту, набора коннекторов к человеку (все эти распознавания речи), плюс BPM-движка (можно думать, насколько там близко к case management -- они ж себя процессниками считают, и языки там типа CMMN есть, хотя пока выглядит как "голимый недоBPMN". Но это ж ровно то же самое, что PLM, только данные берём не сапровские, и не только через API, но и через формы, и непосредственно от живых людей!

Так что терминологию цифровизации/цифровой трансформации для всех этих разных предприятий меняем, а мышление -- нет. Оно продолжает быть системным и вычислительным, трансдисциплинарным.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10220193584883882, обсуждение в чате блога -- с https://t.me/ailev_blog_discussion/5866
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

Видео доклада "Вычислительное мышление 2020"

Опубликовано видео моего доклада по вычислительному мышлению:
-- само видео тут: https://www.youtube.com/watch?v=Z0Da9BJ9SiA,
-- слайды доклада https://yadi.sk/d/eOIuff7xdOTEDw,
-- библиотечка с литературой https://yadi.sk/d/ga11Jt16N-pTXA.
-- видео семинара по сознанию и вниманию (трёхчастная модель Грациано), который я поминаю в докладе -- https://www.youtube.com/watch?v=lyOQhPlSxgI, тезисы по сознанию и вниманию (а в комментах там и конспект обсуждавшихся на семинаре идей) в https://vvagr.livejournal.com/2379034.html

Основная мысль, которую я сейчас думаю (уже после доклада) -- это про computing-in-the-large как работа на более высоких системных уровнях. Я многократно раньше писал про это "программирование-в-большом", но это не связывалось с идеей системных уровней.

Получается, что у нас на каждом системном уровне (железо, софт кнута "в малом", софт кровавого энтерпрайза "в большом", софт домингоса "непонятно в каком") разворачивается своя информатика: свой набор важных объектов внимания, свои типы алгоритмов, свои специалисты, свои нынешние проблемы и приёмы их решения. Дальше вопрос о том, что там общего. Директора стадиона точно будут интересовать вопросы верхнего (прикладного) уровня кровавого энтерпрайза, а вот вопросы архитектуры "в большом" уже непонятно где становятся вопросами для software architect (а перед этим есть же ещё и enterprise architect), и уж точно вопросы "в малом" идут к спецам, а железо и подавно к спецам. Пойнт в том, чтобы выделить общее мышление, которое позволяет всем этим добрым спецами общаться между собой и ещё с ними общаться директору стадиона. Что общего в обсуждении набора операций квантового компьютера и обсуждением data driven enterprise, digital transformation, digital twin и прочих вроде как buzzwords, за которыми скрываются абсолютно конкретные проекты создания корпоративных вычислителей?

Когда я делал курс системного мышления, то о его применимости я говорил очень лаконично: "без его понимания курса системной инженерии не будет". Сейчас я бы добавил, что и понимания курса вычислительного мышления не будет, и курса системного менеджмента не будет, и понимания всего интеллект-стека не будет. Но сейчас можно привести много примеров как именно разные положения системного подхода позволяют решать проблемы системной инженерии, системного менеджмента и даже вычислительного мышления.

Если делать вычислительное мышление как пререквизит для курса "программной инженерии" (как специализации системной инженерии), то задача сразу становится проще. Но уже понятно, что нас интересует разворот в сторону трансдисциплины. Ибо какой системный менеджмент без понимания роли компьютеров в проекте? Какая системная (а не программная) инженерия?

Вот над тем, какие именно проблемы проектов что именно в вычислительном мышлении решает, и нужно подумать. Для системного мышления это заняло несколько лет. Для вычислительно мышления должно быть чуток попроще, ибо перед глазами уже есть образец того, что нужно (хотя и в системном мышлении ещё много работы в этом направлении).

Второй вопрос -- это обилие примеров текущего вычислительного мира. Но это быстроскисающий материал! Вычислители (как железные, так и описываемые непрерывно улучшающимися и всё более разнообразными алгоритмами) непрерывно меняются. Как и чему учить, когда материал меняется не за десяток лет, а за буквально пару лет? Курс системного мышления как-то отстаивался восемь лет. Восемь лет назад (2012) нейронные сети только-только стали заметными, квантовый компьютер был в будущем, о вычислениях объяснений (causal inference) знали только спецы. Если бы курс разрабатывали тогда, то он сегодня был бы полностью неадекватен. А если разрабатывать сегодня, то неадекватность будет уже через полгода: все примеры применения SoTA мышления катастрофически устареют! Ну, или нужно таки вытащить нескисающую часть (какую? алгоритмическое мышление, в которое добавить мышление в части квантовых алгоритмов? и на каком уровне -- мы ж не рассчитываем, что люди начнут писать программы после курса мышления, мы ж не программистов готовим!).

То есть с позиционированием курса, содержанием его, организацией разработки (я продолжаю мечтать, что этим не я один занимаюсь) по-прежнему огромные проблемы. И доклад на видео больше содержит не ответы на вопросы, а постановку задачи. Но поставленная задача -- это уже половина ответа.
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

lytdybr

В Evernote решили, что больше не будет локальных файлов, а у меня в них 1443 заметки. И выдали новое приложение, в котором локальных файлов нет, а из старых заметок импортируется примерно тысяча -- и дальше "что-то пошло не так, импорт оборван". И тут же показывают, что именно пошло не так: "месячная квота на импорт исчерпана, заплати премиум-подписку!". А если заплачу, то продолжат импорт с какого места?! Хорошо ещё, что предложили пока попользоваться спец.версией legacy, и она увидела все 1443 локальных заметки (но не сомневаюсь, что квоту сбросить -- этого уже не будет, сервис синхронизации с телефоном закончен). Но предупредили, что эту версию будут поддерживать недолго, "на время перехода на новую версию". Вывод: куда-то нужно это всё срочно экспортировать (хотя непонятно, куда и как), и бегом-бегом из Evernote вообще. Тем более что версию legacy обещали через некоторое время тоже удавить. А когда я подсел на Evenote? 3 июня 2007 -- https://ailev.livejournal.com/488409.html. Ну что, 13 лет пользуюсь, хватит уже. Sic transit gloria mundi. Может, уже на OneNote переходить, всё равно я линейкой продуктов майкрософта пользуюсь. Там вроде всё тоже синхронизируется на разных устройствах (хотя наверняка помедленней). Единственная проблема -- я попробовал (там есть инструмент по переносу), но сходу не получилось. И я путаюсь в хитром множестве эккаунтов, которые требует иметь Майкрософт (каждая лавка, которая хочет мне дать доступ своему Teams дала мне эккаунт. И я реально уже не понимаю, где там что хранится, что из этого Офис считает моим, а что отвалится при перелогинивании как "чужое"). Так что нужно будет утром на свежую голову подумать, что делать.

Прошёл уже три дня из четырёх в системном фитнесе. Курс уже вообще не похож на то, с чего мы начинали. Продолжаем менять терминологию, объяснения, упражнения. Работает всё как из пушки. Я там всех удивлял своей нынешней физической формой: ухитрялся делать такие штуки, которые и не все помоложе меня делали. В том числе делал и силовые упражнения, хотя не злоупотреблял этим. В частности, выполнял все силовые упражнения в партере (валяясь на полу), чего много лет не мог себе позволить -- давление, сосуды, всё такое. А сейчас позволил! Круче всего видеть скорость, с которой продвигается группа. Я видел не одну группу системного фитнеса, и у меня есть с чем сравнить. Впрочем, у меня у самого много новых открытий: стало понятно, как разгребать некоторые свои проблемы (ибо бесконечное развитие в том и заключается, что после решения одних проблем приходят другие, посложней -- и так до бесконечности). Онлайн-поток системного фитнеса начнётся через пару дней, 24 ноября 2020 -- https://system-school.ru/move

Есть идея семинара по выработке понятийного минимума на русском языке по описанию движения роботов и людей. Людей тоже начинаем воспринимать как неполноприводных — и появляются все эти "импульсы" и "тяги". Сегодня про людей в неполноприводном движении говорят на "простом бытовом языке", от которого уши вянут, но до простых людей как-то доходит: "проведение инерции", "рассеяние инерции", "сохранение инерции" и т.д.. В танцах постоянную тягу называют ведением, а выдача импульса вообще не имеет своего языка (тяговое усилие имеет envelope с его атакой, плато, спадом, вот это даже не обсуждается и по-русски непонятно как обсуждать).
Идея ещё и в том, чтобы прочувствовать механику полноприводного и неполноприводного робота на собственном теле — мы даже провели один такой мастер-класс (вёл Антон Климат). Хорошо бы иметь пару робототехников с опытом в механике неполноприводного движения. Или хотя бы школьных учителей с опытом в физике, но это похуже чуток будет, неполноприводное движение чуток посложней физики камней (человеческое тело больше напоминает по физике поезд из 33 вагонов, поставленный на попа и слегка стянутый мышцами -- если сильно напрячься, то это будет "из учебника физики", но без этого для "просто физика" это будет кошмар. А для робототехника -- штатная ситуация, см. http://underactuated.mit.edu/). Так что надо бы сделать семинар, у нас в Школе системного менеджмента такое практикуется. Цели:
— учить школьников/студентов неполноприводной робототехнике или даже физике-механике было бы легче, ибо они эти принципы могли бы понять "в ощущениях", а не просто как сухие формулы
— уточнить русский язык. То же неполноприводное движение называют и малоприводным, и ещё пятью разными способами по-русски. И путают с полноприводными джипами 4x4. А дальше этот язык использовать для студентов и в телеске/танцах/спорте, и для студентов-робототехников для роботов.
Поглядите литературу к посту-резюме ко вчерашнему занятию системным мультидансом тут (в тексте там не слишком заморачивались над языком и собственно физикой, идея семинара как раз в том, чтобы заморочиться): https://vk.com/wall-179019873_1049. Я ещё сделал пост в сообщество смычки гуманитариев и технарей, но там пока почти нет реакции: https://www.facebook.com/groups/1033413820345310/permalink/1296854380667918/

И раз я заговорил о системном фитнесе, вот картинка с иллюстрацией из моих танцев. Да, в танцах партнёрши отдают тебе вес -- от нуля до ста процентов. И это происходит на скорости и в не самых удобных для этого позах. И тут нужно сказать, что системный фитнес включает в себя и силовые тренировки, и скоростные тренировки, и комбинированные тренировки силы и скорости, это ж не йога! Без таких тренировок подобных фото бы не было -- на этом фото ещё не самый силовой момент, ибо там отдаётся всего где-то 25% веса партнёрши. Но у меня регулярно бывают ситуации, когда партнёрша неожиданно отдаёт 100% веса, то есть прыгает к тебе на ручки на всём ходу -- и принимает там эффектную, позу. Если вы говорите, что в танцах не бывает таких неожиданностей, что там принято это делать по сигналу, вы успеваете приготовиться и т.д. -- то это вы говорите про партнёрш из учебников. Живые партнёрши отнюдь не всегда ведут себя так, как про это говорится в учебниках. Дальше должен быть жанр "охотничьи рассказы", но я это опущу.


UPDATE: обсуждения в https://www.facebook.com/ailevenchuk/posts/10219851848340682, в чате блога с https://t.me/ailev_blog_discussion/4987
2019

Мои мастер-классы для "Архипелага 20.35"

Я согласился читать четыре двухчасовых мастер-класса на "Архипелаге 20.35", онлайн-интенсиве по искусственному интеллекту и анализу данных (https://ai.leader-id.ru/, шутки про "Архипелаг ГУЛАГ" все уже отшутили). Приходите послушать, это будет с 7 по 12 ноября 2020, с 13 до 15 часов каждый класс.

1. «Образование для образованных 2020».
Каким должно быть надёжное образование во времена, когда профессионализации появляются и исчезают за время, меньшее чем обучение в вузе? Понятно, что хорошо бы просто поднять уровень интеллекта, и затем быстро разбираться в новых задачах, используя силу своего интеллекта. Но как это сделать? Чему учиться, чтобы поднять интеллект? Мастер-класс познакомит с составом интеллект-стека: набором трансдисциплин (собранность, онтологика и коммуникации, системное мышление, вычислительное мышление, кругозор в менеджменте, инженерии и предпринимательстве). Этим трансдисциплинам должны учить в бакалавриате. А главное, содержание этих трансдисциплин в 2020 году уже совсем другое, нежели было ещё десяток лет назад.

2. «Системное мышление 2020».
Системное мышление – это способ управления коллективным вниманием в сложных проектах. Набор понятий системного мышления позволяет объединить работу мультипрофессиональной команды, удерживать целостное восприятие проекта инженерами, менеджерами, предпринимателями. Доклад расскажет о месте системного мышления в интеллект-стеке – наборе современных трансдисциплин усиления интеллекта, а также раскроет краткое содержание самой трансдисциплины системного мышления по её состоянию на 2020 год.

3. «Системный менеджмент 2020».
Системное мышление – это способ управления коллективным вниманием в сложных проектах, а системный менеджмент -- это кругозорная дисциплина, рассказывающая об объектах внимания в менеджерской работе и использующая для организации внимания системное мышление. Системный менеджмент даёт основные объекты внимания для операционного менеджмента (включая цепи поставок и логистику), архитектуры предприятия, оргразвития (управления изменениями и лидерства), управленческого финансового учёта и контроллинга.

4. "Вычислительное мышление 2020"
Мозг, классический компьютер, квантовый компьютер, оптический компьютер -- это всё вычислители. "Вычислительная наука" (computer science), она же "информатика" это естественная наука, базирующаяся на физических экспериментах: компьютеры подчиняются законам физики, и реальная (а не математическая теоретическая) вычислимость чего бы то ни было определяется законами физики. Искусственный интеллект тоже основан на вычислениях, и там получен горький урок: какие бы хитрые алгоритмы вычислений не придумывались людьми, в конечном итоге побеждает вычислительная мощность. Кто хочет быть умней, у того должен быть вдобавок к мозгу (или коллективу мозгов) компьютер помощней. Мастер-класс расскажет о том, как думать о вычислениях.

Левенчук Анатолий Игоревич
Научный руководитель Школы системного менеджмента, директор по исследованиям Русского отделения международного совета по системной инженерии (INCOSE). Больше тридцати лет в консалтинге: помогал в части стратегий развития и управления оргизменениями маленьким стартапам, которые потом становились большими, большим корпорациям, которые потом реорганизовывались, государственным органам, которые потом проводили реформы. Руководил проектами системной и программной инженерии, искусственного интеллекта, инженерного и технологического менеджмента. Последний десяток лет занимается образованием для образованных: ведёт университетские курсы по системному мышлению, написал для этого учебники, составил задачи и разработал онлайн-курсы (чаты поддержки https://t.me/systemsthinking_course и https://t.me/odo_course). Почти двадцать лет ведёт блог «Лабораторный журнал» (https://ailev.livejournal.com).

С вычислительным мышлением это будет первая попытка выноса наработанного материала на публику, так что я заранее волнуюсь.

Ещё от нашей Школы там будут вести мастер-классы Вячеслав Мизгулин по системной инженерии, Прапион Медведева по онтологике и Антон Климат по неполноприводному движению. И если Вячеслав и Прапион понятно что будут там делать, то что будет делать Антон на интенсивном обучении по тематике искусственного интеллекта? То же самое, что он делает последние 20 своих преподавательских лет: учить людей почувствовать в себе робота "изнутри", чтобы лучше понять движение робота. Но если раньше он учил тому, как почувствовать в себе робота на полноприводном движении (намеренно двигаться "хуже чем человек с улицы"), то в этот раз он будет учить тому, как почувствовать в себе робота на неполноприводном/underactuated движении (намеренно двигаться "лучше, чем человек с улицы", ибо роботы в 2020 году кардинально изменились -- они двигаются как танцоры-профи). Идея в том, чтобы робототехники перед тем как программировать робота прочувствовали на себе инерционное/неполноприводное движение, ибо оно очень и очень контринтуитивно (https://vk.com/wall-179019873_890, https://vk.com/wall-179019873_856, https://vk.com/wall-179019873_965).
2019

Вычислительное мышление: эскиз структуры в сентябре 2020

Это просто рабочий дамп текущей структуры: чтобы собрать какие-то замечания и структурировать дальнейшую работу. Предыдущие развёрнутые материалы были в книге ОдО2020 (https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/) и https://ailev.livejournal.com/1477090.html. Ключевые влияния с тех пор:
-- предложение проконтролировать, что речь действительно идёт о трансдисциплине (обучение условного директора стадиона во втором бакалавриате), а не о начальном курсе программистской специализации (обучение будущего айтишника).
-- экспоненциальный рост представленности на рынке нецифровых вычислителей (оптические и квантовые машины). То есть через пару лет это будет общее место, и директор стадиона не должен будет считать их шайтан-машинами и не должен говорить "цифровизация" (это ж нецифровые компьютеры).
-- выход ОдО с интеллект-стеком и определением трансдисциплин как управления вниманием, а также понимание "курсового окружения": пререквизитами будут онтологика (онтология, эпистемология/научное мышление, логика) и системное мышление.

Цель курса: дать связанные с системным моделированием объекты, на которые обращать внимание в проектах.
На что это должно быть похоже: что-то среднее между "системным мышлением" и книжкой "главный алгоритм" Педро Домингоса как обзором вычислений для AI.

UPDATE из комментов: каждый день к директору стадиона подкатывает кто-нибудь с "цифровой трансформацией", "цифровой экономикой" как способом что-то заработать — но директору непонятно, что именно заработать, и всегда при этом почему-то просят деньги, а не дают. Ему хотелось бы понимать, в каком месте рассуждения его с этим "цифровым двойником стадиона" и "цифровым двойником спортсмена" и "цифровым двойником болельщика" дурят. А ещё директор обнаружил, что его айтишник называет себя архитектором предприятия и в какой-то мере сам является цифровым двойником директора: без него почему-то не обходится ни одно совещание, и директор хотел бы понимать, как так вышло. Дочь директора вдруг заявила, что её сознание будет уже через пару лет загружено в компьютер, и поэтому она бросает учиться и просто ждёт этого момента: директор хотел бы поддержать на эту тему разговор, но не очень понимает, что в этой области происходит. А ещё ему на семинаре объяснили, что без квантового компьютера сейчас нельзя, его айтишник глубоко поддерживает идею, но почему нельзя, и почему это так дорого стоит?!

Вот курс вычислительного мышления должен помогать директору во всём этом: не как компьютерному профи, а как человеку, который должен фильтровать весь этот околоайтишный шум, который вокруг него происходит. Вокруг него давно не происходит физического, химического, механико-инженерного и прочего подобного шума, а айтишные разговоры про какие-то модели и цифровые трансформации — с утра до вечера. Как так получилось, почему так?! В этих разговорах и нужно помочь.

Конечно, директор стадиона тут условен: речь идёт отнюдь не только о корпоративном софте.

Как проверять усвоение материала, какая тут практика? Так же, как в курсе системного мышления: эссе на тему того, как делается системное описание в рабочем проекте, как идут вычисления по используемым в нём моделям.

Предварительная (ни разу не окончательная! это первый дамп, версия 0.0.1) программа курса:

1. Вычислительное мышление в интеллект-стеке
-- для чего нужны вычисления
-- границы с онтологикой (физика, математика, вычисления -- физичность вычислений и т.д.)
-- границы с системным мышлением
-- границы с кругозорами (инженерия для вычислений -- software engineering, data engineering)
-- информатика как работа с текстами и кодами
-- скорость вычислений и исследование операций

2. Понятие вычисления
-- логика/inference как вычисления (включая causal inference)
-- объяснения в вычислениях
-- доказательства как вычисления
-- моделирование как вычисление
-- мышление как вычисление
-- проблема генерации (вычисления нового)
-- модели и данные

3. Структуры и базы данных
-- системное моделирование как формализация/кодирование/онтологизирование
-- имитационное моделирование как рендеринг/деформализация
-- моделирование данных (онтологии/графы знаний)
-- коннективистские модели (языковые модели)

4. Основные вычислительные парадигмы
-- императивное программирование
-- функциональная оценка
-- логическое программирование
-- вероятностное программирование
-- квантовое программирование
-- дифференцируемое программирование (и нейросетевое программирование как подкласс)
-- генетическое программирование и эволюционные алгоритмы
-- NLP и что там из искусственного интеллекта (inference в парадигме QA)

5. Многоуровневость вычислений (стеки и конвейеры/ленивость)
-- размытость границы софт-хард
-- ленивость и t-shirt конвейер Алан Кея сотоварищи
-- компьютерная архитектура
-- Осы, виртуализация

6. Основные типы аппаратуры вычислителей
-- аналоговые компьютеры
-- цифровые компьютеры
-- статистические компьютеры (вычислительная оптика)
-- квантовые компьютеры
-- разные вычисления (на DNA и прочей экзотике)

7. Распределённые вычисления
-- компьютерные сети и закон Амдаля
-- компьютерный туман
-- совместные вычисления людей и экзокортекс
-- совместные вычисления людей и компьютеров (exploratory programming)

8. Представления и нотации
-- мощность, безопасность, человеколюбие языков программирования
-- графика против текста

9. Искусственный интеллект как вычислитель
-- сжатие, внимание и сознание, воображение и т.д.

10. Особенности обеспечения/жизненного цикла вычислителей
-- жизненный цикл вычислителя (от компьютерной инженерии до DDD в корпоративном IT -- есть ли особенности?)
-- использование вычислителей для создания вычислителей (от кремниевых компиляторов до AI-автокомплита в IDE)
-- вычисления "в малом" и "в большом"
-- закон Мура и аналогичные ему представления

UPDATE: обсуждение в чате блога в телеграм, начиная с https://t.me/ailev_blog_discussion/4370, обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10219479934403066
2019

Новости неполноприводной робототехники-2020

Похоже, в робототехнике очередной прорыв: алгоритмы underactuated robotics (http://underactuated.mit.edu/) стали доступны на относительно дешёвом (пара тысяч баксов -- https://robosavvy.com/store/kondo-khr-3hv-ver-2-humanoid-robot-no-battery-included.html, оригинал https://kondo-robot.com/product/03110e) железе. Вот это чудо, которое делает стойку на руках, потом танцует, потом просто ходит (https://youtu.be/BhYUjSAwNB4):


Dr.Guero -- это Masahiko Yamaguchi. Вот тут можно увидеть и самого автора, и его предыдущий робот (предыдущего робота?), который катается на велосипеде: https://www.youtube.com/watch?v=SWTCJAE4LxM

Напомню, что прорыв (breakthrough) отличается от подрыва (disruption): прорыв это просто "вау-эффект", а подрыв -- это когда вау-эффект сочетается с обрушением цен. Обрушение цен даёт широкое распространение, люди находят неожиданные применения, и какие-то рынки схлопываются. Поляроид был прорывом, "мгновенная фотография". А цифровая фотография плюс интернет стали подрывом: в том числе и поляроид оказался не нужным, схлопнулись все химзаводы, схлопнулись фотофабрики, ларьки по проявке -- всё схлопнулось, когда цифровые камеры стали настолько дешёвыми, что их начали вставлять в телефоны!

С робототехникой, похоже, происходит то же самое, наметился подрыв. По оценке p2004r (в дискуссии к https://ailev.livejournal.com/1524874.html), главное в цене робота сегодня -- это не его механика (современный станочный парк делает даже очень навороченную и точную механику буквально за сотни или единицы тысяч долларов), а его софт. Появление примеров программирования дешёвого железа от Mashiko Yamaguchi показывает, что появились прорывы в алгоритмической части робота: как делать софт для управления неполноприводной/underactuated механикой становится понятно отнюдь не только программистам Boston Dynamics. Так что цены в робототехнике обрушатся уже в ближайшее время, поэтому робототехников (включая аналогов компьютерных эникейщиков) будет пруд пруди, а во многих текущих промышленностях, в которых роботов ещё не видело, обнаружится "подрыв" -- и неминуемый их коллапс.

Помним, что один из самых быстрорастущих секторов в IT -- это RPA, robotic process automation. Основная идея в том, что разработанный для человека софт не трогается, а вместо человека читает и заполняет формы программа. Уже разработанный корпоративный сотф со всеми своими базами данных и уникальными API становится "платформой", а всякие "интеграции" делаются через RPA. Роботы неожиданно могут пойти ровно таким же путём. Вместо какого-нибудь супер-пупернавороченного автомата за $500тыс. на работающий полуавтомат вместо рабочего придёт дешёвый робот ценой $10тыс. вместе с годичным контрактом на обслуживание. И переход на безлюдное производство (хотя и не везде, конечно) будет происходить не заменой станочного парка, а заменой людей на стандартных дешёвых (массовый выпуск! ибо универсальны!) роботов-гуманоидов (размеры и форма в приспособленной для человека станочной среде важны!). Да, обучить этих роботов будет что-то стоить, но уж точно не больше, чем проектирование и изготовление нового станка-автомата.

Работы при таком развитии событий у людей не уменьшится. Сумма труда на планете не константа, поэтому роботы не могут отнять работу у людей -- сколько от быстро растущей не-константы ни отнимай, меньше работы у людей не будет.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10219417698527208
2019

Наш интроекциозис и онинамсознание против Neuralink. Как тебе такое, Илон Маск?

Вышло видео панели по нейроинтерфейсам, которую я вчера модерировал: https://vk.com/video-198432432_456239183?t=1h23m33s (с 1:23:33), участниками обсуждения стали:
-- Левенчук Анатолий Игоревич (модератор), научный руководитель Школы системного менеджмента, директор по исследованиям Русского отделения международного совета по системной инженерии
-- Горбань Александр, профессор Center for Mathematical Modeling, University of Leicester, UK - ОНЛАЙН
-- Аушев Тагир Абдул-Хамидович, профессор, член РАН, АНО «Идея», научный директор
-- Александр Панов, СЕО Импульс Нейри
-- Сергей Елизаров, руководитель дизайн центра цифровой микроэлектроники МГУ
-- Василий Пятин, доктор медицинских наук, заведующий кафедрой физиологии СамГМУ - ОНЛАЙН
-- Рыкованов Сергей, профессор Сколковского Института Науки и Технологий
-- Наталия Галкина, основатель проекта Нейротренд
-- Михаил Бурцев, к. ф-м.н, зав.лабораторией нейронных систем и глубокого обучения МФТИ, руководитель проекта IPavlov - ОНЛАЙН
-- Кошев Николай, профессор Сколковского Института Науки и Технологий - ОНЛАЙН
-- Казанцев Виктор, доктор физико-математических наук, зав. кафедрой нейротехнологий Института биологии и биомедицины Нижегородского государственного университета имени Н. И. Лобачевского - ОНЛАЙН

Вопросы я писал в https://ailev.livejournal.com/1536146.html. Удалось обойтись без традиционных тем "большого брата и прайвеси", "порчи человечества через киборгизацию", политики (хотя один призыв к государству подкинуть деньжат таки был) и военных применений вкупе с развлекательными (ну, почти -- было таки мнение, что нейроинтерфейсы будут использоваться не столько для хлеба, сколько для зрелищ). Удерживали фокус возможных применений и технологий. Откровений особых не было, но в такой хорошей компании обсуждение было вполне интересно.

При этом стандарты нейронета у нас уже начали приниматься в виде ГОСТов. Вы этого хотели -- вот вам! Этих стандартов уже много, это только один из них (https://allgosts.ru/35/020/gost_r_43.4.16-2020):
ГОСТ Р 43.4.16—2020
НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ
Информационное обеспечение техники и операторской деятельности. Система «человек—информация»
ИНТРОЕКЦИОЗИС ИНФОРМАЦИОННОЙ ДЕЯТЕЛЬНОСТИ
Informational ensuring of equipment and operational activity. System «man—information». Interception of information activities
Дата введения — 2021—02—01

1 Область применения
Настоящий стандарт устанавливает общие и основные положения, относящиеся к интроекциозису информационной деятельности.
Положения настоящего стандарта по интроекциозису информационной деятельности могут быть использованы для формирования семантики мышления с осуществлением психофизиологических процессов висцериозиса и рефлектиозиса при проведении человекоинформационных взаимодействий (ЧИВ). образовании систем «человек—информация» (СЧИ) и возникновении информационно-обменных процессов (ИОП).
Текст "ГОСТ Р 43.0.21-2020 Информационное обеспечение техники и операторской деятельности. Сознание и самосознание" в гостовских базах отсутствует, хотя он принят 24 июля 2020 года. Но когда-нибудь и этот текст появится. Иначе как мы стандартизируем самосознание? Как определим, до какого уровня государство должно поднимать самосознание граждан? Мне кажется, что как эти чиновники онинасизоляцию назвали самоизоляцией, так и онинамсознание назвали самосознанием.

UPDATE: обсуждение в https://www.facebook.com/groups/nevronet/permalink/1772337029599277/
2019

Об нейроинтерфейсы и хайп по их поводу

Согласился модерировать панель "нейроинтерфейс и IT" (хайпово обозванную "Красная или синяя таблетка -- подключаем мозг к компьютеру") в воскресенье 13 сентября 2020, в 12:20 недалеко от дома, в Парке Горького -- https://creativityweek.ru/event/1185. Панелисты будут все знакомые люди, с которыми мы обсуждаем эти темы последние несколько лет (часть придут очно, часть будут онлайн). [видео вот тут -- https://vk.com/video-198432432_456239183?t=1h23m33s, с 1:23:33

Участниками стали:
Левенчук Анатолий Игоревич, научный руководитель Школы системного менеджмента, директор по исследованиям Русского отделения международного совета по системной инженерии
Горбань Александр, профессор Center for Mathematical Modeling, University of Leicester, UK - ОНЛАЙН
Аушев Тагир Абдул-Хамидович, профессор, член РАН, АНО «Идея», научный директор
Александр Панов, СЕО Импульс Нейри
Сергей Елизаров, руководитель дизайн центра цифровой микроэлектроники МГУ
Василий Пятин, доктор медицинских наук, заведующий кафедрой физиологии СамГМУ - ОНЛАЙН
Рыкованов Сергей, профессор Сколковского Института Науки и Технологий
Наталия Галкина, основатель проекта Нейротренд
Михаил Бурцев, к. ф-м.н, зав.лабораторией нейронных систем и глубокого обучения МФТИ, руководитель проекта IPavlov - ОНЛАЙН
Кошев Николай, профессор Сколковского Института Науки и Технологий - ОНЛАЙН
Казанцев Виктор, доктор физико-математических наук, зав. кафедрой нейротехнологий Института биологии и биомедицины Нижегородского государственного университета имени Н. И. Лобачевского - ОНЛАЙН
]

Мне кажется, что хайп по тематике нейроинтерфейсов и так на пике, поэтому "популяризировать" ничего не нужно: если будет killer application, то будет рынок, и дальше всё само популяризируется. Другое дело, что нейроинтерфейс не просто создать трудно, а даже профи плохо понимают, что это такое. Начнём с того, что это не "интерфейс", а "интерфейсный модуль" и даже при грубом разбиении этого модуля на части выделяется собственно "датчик" (и там есть нейро-цифровое преобразование, минимальное -- можно обсуждать, какое. Это и можно назвать "нейроинтерфейсом") и "нейроплатформа" (переработка нейросигналов во что-то более подходящее для последующих целей). А поверх "платформы" ещё и приложения -- и вот там-то и нужно искать killer application. Почему это я говорю? Ну, я вроде как системной инженерией занимаюсь, это взгляд системного инженера. Я ж нейроинтерфейсами занимаюсь с 1982 года, живых крыс и кошек с вживлёнными электродами навидался за пять лет дикое количество: строить эти пра-прадедушки Нейролинка была в том числе и моя работа. И тогда тоже были и медики, и электронщики в команде, а я отвечал за софт, включая программирование драйверов к АЦП и кончая выводом итогов "обработки сигналов" на лабораторный перьевой графопостроитель. Потом был всплеск интереса к нейронет (2013 год, https://ailev.livejournal.com/1095744.html -- я там как раз призываю исключить из обсуждения "сильный нейронет", все эти интеграции мозгов через нейроинтерфейсы и сеть, ограничиться отдельными приложениями, посиделки по нейронету, 2014 -- https://ailev.livejournal.com/1123738.html, разделение рабочей группы нейронета и рособороннейро 2015 -- "нейронет-из-НТИ как Олимпиада", https://ailev.livejournal.com/1213434.html. Это просто примеры текстов тех времён, самих текстов было много больше. В 2020 хайп был подстёгнут презентацией Neuralink v2. Я за то, чтобы хайповый маркетинговый туман сбить и как-то конкретизировать дискуссию.

Мои вопросы:

Нейроинтерфейс -- это нейроинтерфейсный модуль, и у него два интерфейса: электроды к мозгу и второй интерфейс куда-то ещё. Куда этот второй интерфейс, что по ту сторону? Понятно, что какие-то усилители с аттенюаторами и чип с массой аналого-цифровых преобразователей, а дальше радиоинтерфейс куда-нибудь (не по проводам же передавать сигналы с головы! Наушники и то беспроводные). Судя по всему Neuralink претендует ровно на такое простое устройство, и проект в безопасной установке этого устройства. Будет ли раскрыт стандарт этого радиоканала? Что будет на втором конце радиоканала (назовём это "нейроплатформой"), что там может быть в нейроплатформе, втыкающейся в радиоканал с мозгом, какие обработки? Какие интерфейсы нейроплатформы к прикладным модулями -- и что содержательно смогут делать эти модули в ближайшее время, если не фантазировать про "передачу мыслей" (у двоих человек три разных мнения о том, что такое "мысль"). Какие айтишные специальности нужны, чтобы сделать эту нейроплатформу?

Что может быть killer application для нейроинтерфейса с нейроплатформой -- если сдержать полёт фантазии и не напирать на развлечения (помним про "хотели летать в космос, а получили чирикатель на 140 символов")? Скажем, наверняка можно будет передавать речь (прямо звуком! ещё и ускоренным звуком, как слепым), но не видео (слишком широкий канал, это ещё не скоро будет). Но чем это лучше передачи звука просто наушниками? А видео можно передать через очки VR. Запахи и вкусы? Но какой на это будет спрос? Медицина? Это опять-таки нишевая область. Диктовка в чаты -- и для этого дырявить череп? И этим всем нужно будет учиться пользоваться -- как играть на музыкальном инструменте (много ли у нас желающих учиться играть на скрипке? Помним, что Энгельбарту за его интерфейсные идеи не платили -- та самая "скрипка Энгельбарта", mother of all presentations имела оглушительную коммерческую неудачу, оказав сильнейшее влияние на развитие IT.

Можно ли понять, почему по поводу нейроинтерфейсов такой большой хайп? Люди отлично договариваются друг с другом даже голосом. Настроение передают в чате эмотиконами. Цивилизация у нас -- цивилизация текста, и IT отлично укладываются в этот тренд. Если не скатываться опять в развлечения и конкуренцию виртуальных миров с галюциногенами (тоже создающими миры), то что из бытовых хайповых журналистских надежд на нейроинтерфейсы вы считаете реальной надеждой? А сами-то на что в нейроинтерфейсах надеетесь? Интерфейсы ведь штука хитрая: вся эта виртуальная реальность по части интерфейса общения людей, все эти секонд лайфы не взлетают уже десятки лет. Почему нейроинтерфейс вдруг станет незаменимой штукой? Высвободит руки для удобной печати в чате на смартфоне? Заменит неудобные очки augmented reality? Заменит наушники и ларингофоны? Что-то ещё?

UPDATE: обсуждение в чате блога с https://t.me/ailev_blog_discussion/4089, в фейсбуке -- https://www.facebook.com/groups/nevronet/permalink/1767165450116435/ и https://www.facebook.com/ailevenchuk/posts/10219370972519087