Category: технологии

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

2021 год

Новости digital twins, июнь 2021

От PLM к digital twins: от 6D к 8D
Число D потихоньку растёт. У Toshiba в конце нулевых в софте для конструирования было 6D (хотя это уже давно забытый факт, но в Росатоме с этим опытом когда-то разбирались), у НИАЭП в начале десятых -- радикальное Multi-D, а уже неделю в мире популяризируется 8D как самое броское в популяризации подхода. Вот презентация 8D digital twin experience от SNC-Lavalin с прошедшей на прошлой неделе конференции по digital twins: https://www.youtube.com/watch?v=OjH1OPezfak. В презентации всё ровно то же самое, что можно было услышать десяток лет назад в презентациях по PLM, но слова другие -- digital twins, ибо акцент уже не только на проектировании и сооружении, но и на эксплуатации, и engineering data дополняются asset data, а конечная цель -- автономная (без человека, где-нибудь в абсолютно безлюдной местности) эксплуатация на основе "единственного источника правды", single source of truth:
-- 1D метаданные, документация (тексты)
-- 2D чертежи (где ещё есть, "родные файлы" из CAD)
-- 3D информационные модели (вроде как уже должно быть везде, сборка всей "геометрии")
-- 4D "видеоролик" стройки в развёртке во времени, то есть к 3D добавляется план/schedule сооружения (стройки и монтажа)
-- 5D это ресурсы, material status/cost, то есть добавляется стоимость (экономическое описание системы становится обязательным, см. предложения для переписывания учебника системного мышления -- https://ailev.livejournal.com/1565649.html). До сих пор всё совпадает с 2008 годом (у меня об этом было в 2008 году, "основные черты новых капитальных проектов", https://ailev.livejournal.com/559985.html), тошибовским 5D, хотя тогдашние 6D, тогдашние "другие ресурсы", сегодня включаются в 5D
-- 6D вот тут появляется operation, real time data (и мы перешли из enabling realm проектирования и сооружения в operation realm, и с этого места "настоящий цифровой двойник" времени эксплуатации)
-- 7D это live streaming, передача видеопотока работающей целевой системы и её окружения (с видеокамер, со спутника -- отдельно от real time data с датчиков, ибо это огромные объемы данных).
-- 8D это уже аналитика, предсказания систем машинного обучения (ML predictive data)

Вот дайджест про конференцию http://www.oilandgastechnology.net/news/newly-launched-future-digital-twin-demystifies-technology, вот программа: https://www.futureoilgas.com/future-digital-twin/agenda. Маркетинг, маркетинг, маркетинг. Заголовки типа "Scalability at pace, success today and success tomorrow", догадайтесь, о чём это! Или вот "Maximising today and modelling for future energy", там всё такое.

Сленг с цифровыми двойниками пошёл в методологии разработки, например в https://www.researchgate.net/publication/349975431_Methodology_to_develop_Digital_Twins_for_energy_efficient_customizable_IoT-Products приводится самая навороченная V-диаграмма, которую я только видел: DT-V-model. Интересна тем, что к практикам известных методологий разработки (V-модели для мехатроники, водопаду, спиральной модели, RUP, SCRUM) предлагается добавить новые практики, чтобы получить Digital Twin Development model. Заход тут "в лоб": совмещение двух циклов разработки -- продукта/физического двойника и цифрового двойника (при этом различать ситуации разработки цифрового двойника для одной версии продукта и для нескольких последующих версий).

Объединением данных всех разных "измерений" (D, dimensions) занимаются поставщики онтологической интеграции данных, ибо другой сейчас по факту и не осталось. По-хорошему, к самим "новостям про цифровые двойники" я бы только их и отнёс. Остальные же -- просто прикладные нашлёпки, разные "коннекторы" и "адаптеры" из разного софта в базу данных цифрового двойника. База данных цифрового двойника при этом вроде как не единственная его подсистема, смотри мои обзоры https://ailev.livejournal.com/1550931.html и https://ailev.livejournal.com/1549559.html.

Тут, конечно, не нужно путать с 6D для экспоненциальных технологий от Peter Diamandis и Steven Kotler (exponential organizations должны быть digitised, deceptive, disruptive, dematerialized, demonetized, democratized -- https://www.diamandis.com/blog/the-6ds, это Singularity University в 2016, когда модно было искать везде экспоненты и единорогов).

Новые платформы, новые онтологии для старых платформ
Пару дней назад и Autodesk показала свою платформу Tandem для цифрового двойника в отрасли капитального строительства (AEC, architecture, engineering and construction), https://venturebeat.com/2021/06/06/autodesk-discloses-digital-twin-platform-for-aec-industry/. И ещё Autodesck купила Upchain, поставщика инструментов PLM. И купила Innovyze, поставщика систем моделирования водной инфраструктуры. Всё это идёт уже под маркой Autodesk digital twin strategy. Связь digital twins с PLM очевидна, например вот фраза про эти все события с Autodesk: "Notably, this move also allows Autodesk to expand beyond construction into the market for other types of digital twins solutions that is led by PLM giants like Siemens, PTC, and Dassault".

Уже писал (https://ailev.livejournal.com/1570432.html), что Microsoft объявила о доступности в Azure Digital Twins https://azure.microsoft.com/en-us/services/digital-twins/ онтологии зданий RealEstateCore -- https://venturebeat.com/2021/06/05/microsoft-paves-digital-twins-on-ramp-for-construction-real-estate/. Вот сайт этой онтологии: https://www.realestatecore.io/, RealEstateCore is a domain ontology preparing buildings to interact with the Smart City. RealEstateCore is not aiming to be a new standard, but we rather intend for it bridge existing standards and find the common denominators. RealEstateCore uses and maps such existing standards in a pragmatic manner by adding annotations (which can be reused by the community directly if needed). RealEstateCore focuses on merging and bridging three domains: digital representation of the building’s elements (e.g. BIM/IFC), control and operation of the building (e.g. Belok, Haystack, REHVA), emerging IoT technologies (e.g. SSN, WoT, IPSO). Как обычно в области строительных онтологий, это скандинавы (шведы): A consortium was formed 2017 with Vasakronan AB, Akademiska Hus AB, Idun Real Estate Solutions AB, Willhem AB, RISE, and the School of Engineering at Jönköping University, as the founders and main sponsors of the RealEstateCore project.

В Azure Digital Twins обычное дело объявлять о доступности онтологий. Вот в мае 2021 добавили онтологию для smart buildings (та самая из предыдущего абзаца) -- https://github.com/azure/opendigitaltwins-building, обновили онтологию для энергосистем (Enegry grid) https://github.com/Azure/opendigitaltwins-energygrid/, а в феврале 2021 была ещё добавлена онтология для smart sities https://github.com/Azure/opendigitaltwins-smartcities/. Товарищи в Azure Digital Twins хорошо понимают, что они делают.

Есть в Azure Digital Twins и движения в сторону онтологической интеграции платформ цифровых двойников с платформами машинного обучения, например интеграция с платформой Cognitive Operation System от Area Technology (https://www.aeratechnology.com/platform). Эта платформа машинного обучения, предназначенная для принятия решений (её поэтому назвали не цифровыми мозгами/digital brain). Но для этого нужны данные, которые собираются в базе данных Digital Twin, стыковка с Azure Digital Twin как раз про это -- https://www.prnewswire.com/news-releases/aera-technology-to-integrate-microsoft-azure-digital-twins-with-aeras-cognitive-operating-system-301298727.html. Платформа цифрового двойника собирает данные (она рассматривается в рамках сбора информации от датчиков, часть эко-системы IoT), а платформа цифровых мозгов разбирается в происходящих трансакциях (динамика!) и помогает принимать решения, для этого там есть low code автоматизация. "Digital twins of physical environments and processes like supply chains are critical for businesses to understand, plan and respond more efficiently to real-world conditions, such as drops and increases in demand," said Sam George, Corporate Vice President, Azure IoT at Microsoft. "Microsoft Azure Digital Twins offers an easy way to model any environment, process, or system and unify the heterogeneous assets and data sources within them— all with the security and scalability of the Azure Cloud. We're thrilled about this collaboration with Aera, because their Cognitive Automation capabilities will allow customers to extend their digital twins with a comprehensive set of planning and decision-making tools, offering the business agility required to react to a fast-changing environment".

И таких инициатив разного уровня много. Например, вот Open Simulation Platform (OSP) -- https://opensimulationplatform.com/, свободный софт для моделирования морского оборудования, систем и даже целых судов/кораблей (на базе стандарта FMU, functional mockup unit). Это серьёзная инициатива, координатором там DNV. В составе есть и maritime ontology (https://opensimulationplatform.com/mdo/). Конечно, это всё для цифровых двойников: The OSP sets out to provide the maritime industry with key tools and working processes for technical systems engineering, enabling efficient and effective construction and maintenance of digital twins for system integration, testing and verification.

Маркетинговый шум, без него никак
При этом любая оцифровка хоть чего-нибудь безо всех этих заморочек с 8D и онтологиями, упоминаниями эксплуатации и IoT маркетируется сегодня если не "мы сделали цифрового двойника", так "мы сделали шаг к цифровому двойнику". Например, следим за руками: заголовок новости от 7 июня 2021: "Digital Twin Platform Announces 200 Million Square Metres of Laser Scans Milestone" (https://metrology.news/digital-twin-platform-announces-200-million-square-metres-of-laser-scans-milestone/), первая же фраза уже не про платформу цифрового двойника, а про "преодоление разрыва" между захватом данных в реальном мире и цифровым двойником, "Cintoo Cloud continues to bridge the gap between Reality Capture and Digital Twins as it hits one million laser scans uploaded to its platform", а содержание -- With a client base spanning construction, engineering, architecture, utilities, oil and gas, energy, automotive, water treatment, food and beverage and cultural heritage, the platform’s 12,000 users have uploaded more than 10,000 BIM models and 200 million square metres of laser scans to Cintoo Cloud. То есть это конвертор облаков точек лазерного сканирования в формат игровых движков (Unreal и Unity), и в эти же форматы можно сконвертировать BIM (то есть CAE) и/или CAD и сравнить as built с as designed. Позвольте, а где ж тут "эксплуатация"? Ибо речь идёт не о 7м D (видеостриминг в порядке мониторинга), а просто о 3D в ходе строительства/реновации, до выхода в эксплуатацию (и приведены примеры именно таких проектов). Сама компания https://cintoo.com/ честно пишет, что она просто serving digital twin industries, которых находит пока две -- BIM & Construction (ох! ну и название) и Industry 4.0 (ага, тоже "отрасль"). Таких проектов много, вот HERE как платформа для карты, данных LiDAR, изображений улиц наладила коннектор (пресс-релиз тут) с Bently Orbit (https://www.bentley.com/en/products/product-line/reality-modeling-software/orbit-3dm-cloud) как платформой публикации картографии -- и да, это тоже for reality modelling and digital twin workflows.

Таких маркетинговых бла-бла-бла по "движению в сторону цифровых двойников" очень много. Рецепт тут прост: если вы сделали хоть какую-то передачу данных между платформами X и Y, смело добавляйте слова "for digital twin workflow" или даже "мы сделали систему поддержки цифровых двойников" (чего мелочиться?).

Я вот пишу эти строки, и согласно этой логике делаю своего цифрового двойника -- мой блог, конечно, если ещё не мой цифровой двойник, то уж точно "шаг в направлении цифрового двойника", "сокращение разрыва между физическим и цифровым двойником"! Ну, и конечно, я написанием этих строк делаю цифровую трансформацию среди себя, куда ж сегодня без этого!

Так что осторожней: не всё цифровой двойник, что называет таковым маркетинг. Полезный сигнал уже почти утонул в маркетинговом шуме. Это общая беда: тексты в журналы, социальные сети, на вебсайты пишут не дорогие специалисты, а в разы более дешёвые "журналисты". Они вычёркивают "малопонятные термины" (те же "онтологии") и добавляют "слова на слуху" -- "безопасность", "устойчивость в развитии", "прибыльность", "цифровой двойник", "цифровая трансформация". Вот, например, глоссарий консорциума по цифровым двойникам -- поглядите на тамошние термины, они таки приглашают поговорить ни о чём: https://www.digitaltwinconsortium.org/glossary/index.htm.

Конечно, пара-тройка исходных слов из предметной области, о которой идёт речь, в маркетинговом тексте останется, слово "космос" для космической компании оставят, слово "дорога" для дорожных строителей тоже не вычеркнут. Но не удивлюсь, если где-нибудь вы увидите "Стремительным домкратом ворвалась новая жизнь в частную образовательную практику: Школа системного менеджмента для поднятия прибыльности и достижения устойчивости в своём развитии разработала цифрового двойника в рамках своей цифровой трансформации". И ведь не поспоришь, всё правда!

А пока Digital Twins уже объявлен "рынком", который растёт на 10% в год, а ключевыми игроками там (ничего неожиданного для занимавшихся PLM) PTC, Siemens, Dassault Systèmes, IBM Corporation. Это всё из вышедшего вчера отчёта по этому рынку: https://ksusentinel.com/2021/06/07/digital-twins-market-2021-opportunities-and-key-players-to-2026-ptc-siemens-dassault-systemes-ibm-corporation/). Впрочем, эти отчёты тоже выходят чуть ли не ежемесячно, например, в марте 2021 вышел вот этот: https://www.researchandmarkets.com/reports/5308850/digital-twins-market-by-technology-twinning, вот этот вышел с тщательно замаскированной датой (похоже, это конец 2020 года), https://www.industryarc.com/Report/17932/digital-twins-market-in-industry-4.html, зато рост рынка цифровых двойников там оценивается в 25% в год!
2021 год

Зачем директору стадиона информатика

Три основных аргумента, зачем условному директору стадиона нужно разбираться в устройстве вычислительного стека (или стека практик, связанных с обеспечением вычислений, это чуть другой способ говорить о том же самом):
1. Учим не "директора стадиона", а занимающего эту должность человека -- и он должен быть универсальным в части интеллекта.
Так что учим универсального человека/универсального строителя/универсального киборга, поэтому даём надёжное универсальное знание, показывающее физичность вычислений/мышления и связь физики-математики-вычислений (всё это про разное, вот и рассказываем), а также вверх по этому стеку даём вычислительный кругозор: понимание того, что происходит, какие проблемы решаются, какие слова говорят на каждом уровне вычислительных/мыслительных практик. Понимание того, что там вообще с вычислениями и их физичностью важны для универсальности, независимости от предметной области.

Директору стадиона как человеку не вечно быть в должности директора стадиона, не вечно играть выскакивающие из этой должности роли. И если ему в его долгой карьере потребуется двинуться в другое место, то он должен быть готов к развитию в этом направлении, и должно быть понятно, на какую полочку в голове укладывать новое знание. В том числе это может быть и знание по вычислительной электронике/оптике/механике/спинтронике (не факт, что это всё именно "электронные" вычислительные машины!), алгоритмике, моделированию данных и т.д.. Мы знаем, что из физика можно стать историком, а из историка физика уже не получишь. Вот в образовании мы должны это помнить, и держать возможности открытыми всю жизнь. Если в какой-то момент нужно будеть стать спецом именно по вычислениям, все необходимые для этого места в мозге должны быть готовы, возможность должна всегда быть! Нужно определить этот минимум, и ему учить. Нужно будет -- и человек доучится, эта возможность не будет закрыта!

2. Директором стадиона скорее всего будет человек, поднявшийся по линии главного инженера, и он будет продолжать играть инженерную роль значительную часть рабочего времени.
Это не только старая советская традиция, по которой директором завода делали не номенклатурного партюка, а главного инженера -- иначе производство было не наладить, заводы переставали производить что-то годное к употреблению. Директор должен разбираться в тех практиках с их инженерными дисциплинами и технологиями, которые развёрнуты у него на заводе. Без этого он не сможет развивать производство. Даже в рыночной экономике юристы и финансисты производством не рулят, а рулят разбирающиеся в предметной области инженеры. Элон Маск, Билл Гейтс, Дженсен Хуанг -- они не случайно выросли по инженерной линии, максимальные истории успеха производственных предприятий связаны с образованными инженерами, которые возглавили эти предприятия.

В инженерии сегодня главное -- это digital twin, digital thread, инженерное моделирование, цифровая инженерия, цифровая трансформация. Стадион -- это сложная (хотя и не запредельно сложная, но low tech бизнесов сегодня вообще не бывает) инженерная конструкция, она должна уметь быстро перестраиваться и переналаживаться для выживания в конкуренции. Директор стадиона должен разбираться в практиках от обеспечения сохранности кабельных систем в железобетонной конструкции стадиона до работы электроники турникетов и софта по маркетингу и продаже билетов, со всеми необходимыми обновлениями в связи с жёсткой конкуренцией, регуляторными неожиданностями и прочими неожиданными событиями типа тех же пандемий. Компьютеры, цифровая трансформация -- они в центре задач развития предприятий. Директор стадиона поэтому сам разве что не должен быть главным айтишником! Вычислительное мышление для него оказывается профильной дисциплиной. Станочный парк современного производства (даже если это производство оказалось стадионом) -- это компьютеры с навороченным софтом.

3. Для выполнения коммуникативной (договорить всех со всеми) роли директору предприятия нужно иметь кругозор, в том числе по информатике.
По факту директор стадиона, отвечающий за выживание и постоянное развитие в условиях жёсткой конкуренции, обязан выполнять роль предпринимателя, он должен заниматься стратегированием (то есть понимать, что такого можно сделать, в чём будет рыночная потребность, при этом таким способом, который потребует меньше ресурсов, чем за товар/сервис можно будет отдать). А для выполнения предпринимательской роли нужен деятельностный кругозор, плюс для переговоров с командой нужен кругозор. Директору нужно понимание того, чем должен заниматься его айтишник (верхние уровни операционного вычислительного стека, плюс обеспечение полного вычислительного стека, плюс понимание того, как вообще устроен весь этот стек до самого низа, ибо все перетряхивающие бизнес новации обычно идут снизу технологического стека, хотя деньги обсуждаются на верхних уровнях). Умение поддержать глубокий содержательный разговор со своим айтишником оказывается для хорошего рыночного (а не номенклатурного, посаженного приглядывать за чужим бизнесом) директора стадиона важным.
Сам стадион при этом, повторюсь, рассматриваем как большой железобетонный робот, киборг (cybernetic organization) -- то есть компьютер на бетонной платформе с кучей датчиков и кучей эффекторов. Частью этих датчиков и эффекторов при этом будут люди из персонала стадиона, частью зрители, частью игроки или артисты из происходящих на стадионе игр/соревнований или выступлений. Информационная система стадиона делает работающего робота/киборга из кучи бетона, металла, пластика и бегающих среди этих материалов людей -- современные предприятия становятся единым целым организмом именно потому, что софт ничего не забывает и управляет вниманием входящих в это предприятие людей. А дёшево это всё потому, что софт позволяет автоматизировать работы, которые людьми выполняются очень дорого, или вообще не могут выполняться хрупкими и медленными людьми.

Этот робот-киборг-предприятие непрерывно поддерживает своё существование (resilience, если его разрушать, он будет сопротивляться!), а также этот робот пытается развиваться и для этого быть по возможности универсальным (чтобы выжить неожиданные существенные изменения окружающей среды) и он будет расти, то есть захватывать максимум из окружающего мира (размножаться, расти в размерах, обеспечивать больший проток людей через свои мероприятия, и т.д.).

Компьютеры и софт в составе этого робота -- предмет первостепенной заботы директора стадиона. Это общий ответ для производства: любое производство сегодня автоматизируют, любое производство по определению как-то меняет физический мир, в смысле Дойча это universal constructor, универсальный строитель на базе универсального вычислителя, использующего знания.

Поэтому директор любого производства имеет предметом своей первостепенной заботы рост знаний, а также рост вычислительных/мыслительных возможностей своего предприятия. Ему нужно более чем хорошо разбираться в информационных технологиях, это приоритетная на сегодня задача: основная трансформация производств (цифровая трансформация) направлена на рост универсальности, это культурный и экономический императив на сегодня.

На настоящий момент в интеллект-стеке физика, математика, вычисления/мышление -- они в основном попали в онтологику (хотя там и не всё, что-то смогло ускользнуть), которую потихоньку будем разбирать на части (см. https://ailev.livejournal.com/1569200.html про текущее состояние тамошних работ). Так что значительная часть информатики попадает в методологические дисциплины.

Но часть информатики должна попасть и в инженерный деятельностный кругозор -- вот был текст об этом, "Вычислительное мышление, декабрь 2020: думаем о современных digital twins", https://ailev.livejournal.com/1546514.html. Обзор того, что вообще происходит с темой вычислений -- "Вычислительное мышление, май 2021", https://ailev.livejournal.com/1568804.html.

На закуску работа мая 2021 года, лишний раз показывающая независимость алгоритмики от физического субстрата (и этому понятию вычисления/мышления, не зависящего от субстрата, замечу, нужно учить всех, чтобы происходящие "чудеса" не казались чудесами! Это неважно, что речь идёт о самом дне технологического стека, эта независимость вычислений от субстрата должна хорошо пониматься на любом системном уровне): "Deep physical neural networks enabled by a backpropagation algorithm for arbitrary physical systems", https://arxiv.org/abs/2104.13386. Предлагается делать нейронную сетку из буквально любой физической системы с какими-то нелинейностями, настраивая параметры этой системы через backpropagation ровно как в обычных нейронных сетях, вычисляемых на CPU или GPU традиционной компьютерной инфраструктуры. Для развлечения и демонстрации взяли механическую систему из динамика и микрофона, электронную из транзистора и катушки, оптическую из генератора второй гармоники -- и построили из них нейронные сетки. И получили удивительно приличные результаты. Для чего это делали? Хотят на несколько порядков по сравнению с GPU увеличить энергоэффективность работы с нейронными сетями и одновременно на несколько порядков увеличить скорость.



И не то чтобы эта мысль была нова (скажем, https://lighton.ai/ -- это ровно эта идея, и там уже тренируют на оптическом процессоре нейросетки с полутора миллиардами параметров), но популяризируется сам подход: говорится о том, что берём практически любую систему, и делаем на ней вычисления (в статье явно говорится, что речь идёт о подходе, который не только к нейросеткам применим, но и к самым разным другим вычислениям, произвольным). Вот условный директор стадиона про всё это должен понимать: необязательно уметь такое сделать, необязательно такое использовать прямо сегодня, но в разговорах со своим айтишником и при стратегировании уметь такое учитывать. Ибо когда внизу технологического стека что-то (скорость, энергоэффективность) меняется на несколько порядков, то верх технологического стека (стадион как техническая система) может очень сильно колбасить. Директор стадиона с удивлением обнаружит, что вверенного ему робота можно перестраивать полностью: бетонную дешёвую коробку можно оставить, а компьютеры-софт, в которые вложены миллионы денег, можно смело выкидывать -- или не выкидывать, но принимать какие-то срочные дорогостоящие инвестиционные решения. И он должен быть компетентен в принятии этих решений, конкуренты-то не дремлют!

А вот ещё одна майская 2021 года работа про футбол и AI -- хотя это и не совсем в помощь директору стадиона, но с чёткими указаниями на связи вычислительной техники (AI) со спортом и даже картинкой футбольного поля. Это работа DeepMind с Ливерпульским футбольным клубом по автоматизации работы тренера -- https://www.deepmind.com/blog/article/advancing-sports-analytics-through-ai

Вычислительное мышление (понимание того, как устроена поддержка мышления современными вариантами устройства экзокортекса и коммуникаций) директору стадиона нужно, и даже очень нужно -- и такое мышление у него должно быть ещё до вступления в должность, и пригодится оно ему и после того, как жизнь заставит его эту должность покинуть: на следующей его работе он встретится ровно с такими же проблемами организации вычислений в предприятии-роботе/киборге, только в другой предметной области.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/groups/771940449578453/permalink/3738356932936775/
2021 год

Системное мышление в нейросетях, 2021

Новостная лента у меня забита комментариями по поводу 44-страничной статьи Хинтона по поводу моделирования отношений "часть-целое" нейросетями: Geoffrey Hinton, How to represent part-whole hierarchies in a neural network -- https://arxiv.org/abs/2102.12627. Хинтон предлагает сетевую архитектуру GLOM, отвечающую на вопрос "How can a neural network with a fixed architecture parse an image into a part-whole hierarchy which has a different structure for each image?".

Я бы выделил отдельно аспект моделирования иерархии по отношению часть-целое в нейросетях, отдельно inductive bias в части критерия выделения и отдельно объект, в котором выделяются эти части. У Хинтона тут входной оптический поток и критерий выделения по факту -- это место во входном потоке, но по факту можно говорить и о размещении физически выделенной части в целом 3D объекте (а не во входном потоке, не на плоскости), и даже думать о 4D (изменения во времени 3D объекта).

В системном мышлении часть-целое выделяются по разным принципам:
-- функциональная часть (по роли в ходе работы/operation системы: глаза видят, нос это воздуховод)
-- конструктивная часть (из чего собрана, какие части нужно было собрать вместе: глазное яблоко/фасеточный глаз, дыхальце/хобот)
-- места/география (глаза обычно рядом с носом, но не на затылке)
-- ... бывают и другие inductive biases, но в системном мышлении по ним консенсуса нет, зато по предыдущим трём вроде как договорились

И если вот так заморачиваться и моделировать разные типы отношений часть-целое для одного объекта в их взаимосвязи (хотя бы три иерархии), то у нейросети будет системное мышление, давно об этом говорю (вот тут, например, в июне 2019, когда комментировал набор данных PartNet из 26671 модели 3D объектов в 24 категориях с отмеченными для них 573585 частями для обучения нейросеток, https://ailev.livejournal.com/1478887.html).

Пока же обсуждаем одну иерархию по отношению "часть-целое" неясного происхождения (то ли функциональные части, то ли конструктивные, то ли места, то ли что-то неведомое), системного мышления от нейросетей ждать нельзя. Можно ждать логичного, рационального, хорошего, научного и т.д. мышлений -- но не системного (подробней я писал об этом в https://ailev.livejournal.com/1557247.html).

UPDATE: комментарии в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10220539867940742
2021 год

Видеокурс системного менеджмента: структура готова, технология развёрнута

Потихоньку пилю курс системного менеджмента:
-- iSpring закупил (продают втрое дешевле, если вступаешь в переписку и просишь "специальное предложение для преподавателей"). Основной обнаруженный недостаток пока -- это что в плеере HTML5 нет опции ускорения воспроизведения. Основное достоинство -- это плагин к PowerPoint. Учитывая, что в нашем AIsystant сам курс создаётся как документ в MS Word, всё отличненько сходится.
-- слайды порезал на отдельные кусочки, в среднем там будет на полчаса рассказа каждый.
-- записал пробный первый кусочек на полчаса видео
-- вордовый документ курса создал, прописал в нём этот первый кусочек

Дальше нужно просто стоять перед камерой, и начитывать содержание -- там, похоже, где-то около 16 часов начитки. Потом в текст курса как вордовый документ добавятся дополнительные материалы, кейсы, задания, чеклисты -- видео будет просто одним из типов подразделов курса.

Общее содержание после окончательной перетряски такое:
1. Системный менеджмент и системное мышление
-- Видеолекция https://yadi.sk/d/g4HMH8_ErscoTw (вот тут лежит пробный начальный кусочек. Запускать index.html -- откроется в браузере по умолчанию. Буду благодарен за замечания)

2. Практика как объект первого класса
-- Понятие практики
-- Связь системных уровней целевой системы и практик обеспечения
-- Практики системного менеджмента
-- Моды и поветрия в практиках
-- Цифровая трансформация

3. Управление жизненным циклом
-- Чеклисты в управлении жизненным циклом
-- Управление конфигурацией
-- Цифровая нить
-- Цифровой двойник

4. Операционный менеджмент
-- Проектное, процессное, программное управление и управление кейсами
-- Предварительное планирование работ
-- Управление кейсами
-- Полномочия распоряжения ресурсами: DEMO
-- После Голдратта: литература

5. Управленческий учёт и контроллинг

6. Архитектура предприятия
-- Инженерия предприятия
-- Понятие архитектуры предприятия
-- Хорошая модульность предприятия
-- Архитектурные методологии
-- Формализм архитектурных описаний предприятия
-- Практические советы по архитектурному моделированию предприятий

7. Организационные изменения (оргразвитие и лидерство)
-- Развитие и совершенствование
-- Организация и лидерство
-- Постановка практики
-- Ритмичность в оргработе

Стратегирования тут нет, это часть курса предпринимательства. Стратегирование придётся, конечно, сделать довольно быстро -- ибо он нужен для текущей группы СМС2021, но это только через пару месяцев.

Так что всё с курсом системного менеджмента становится вполне обозримым, и текущий двадцатый поток "Системного менеджмента и стратегирования 2021" (начали в прошлое воскресенье) этот курс уже получит. Blended learning, flip teaching -- как заявляли, так и делаем.

И я полностью осознаю, что это паллиатив, и учебник с текстом лучше. Книжку не пишу только потому, что её писать от текущего состояния (готовая структура, готовый набор слайдов с содержанием книги -- 191 слайд на данный момент) нужно full time несколько месяцев. Видеокурс займёт несколько дней начитки и монтажа, и у него будет главное достоинство -- он будет существовать. И можно будет думать дальше, писать ли книгу, когда писать, что менять в книге по сравнению с текущей версией, и т.п.
2021 год

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
2021 год

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.).
2021 год

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.
2021 год

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
2021 год

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
2021 год

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).