lytdybr

Курс "Мастерство обучения 2022" потихоньку пишется, а черновик уже выдан рабочей группе по курсу системной инженерии, там как раз вчерне уже описана методологическая работа в учебном проекте. А ещё я сосредоточился и уже сделал файл для курса "Системная инженерия 2022" в формате, пригодном для загрузки на сервера и отправки в издательство. В этот файл я уже написал введение в рекомендованном там формате, оказалось очень удобно: краткое содержание того, что нужно писать во введении, в файле уже есть. Кирилл Гайдамака прислал пример своего содержания курса, я сделал из него оглавление. Дальше поделим главы и работы (скажем, кто-то пишет текст, а кто-то готовит упражнения) -- и вперёд. Если вперёд будет плохо получаться, то я закончу как-то курс по мастерству обучения и дальше подставлю собственное плечо в части системноинженерного содержания (я ж много лет читал Foundations of Systems Engineering и всякие "тренды в инженерии"!). Я думаю, что к весне курс коллективными усилиями вполне может быть готов. Вёрстка СМ2022 уже идёт 42 дня (с 10 декабря 2022), хотя я понимаю, что часть времени там ушла на новогодние каникулы. Продолжаем ждать. Я наивно думал, что публикация будет до конца этой недели, но нет. Вчера (впрочем, не только вчера) было некоторое количество разговоров про онтологию. Онтология IMHO без полного интеллект-стека не живёт, и главная проблема в этом. Если есть какие-то дыры в интеллекте, то онтология будет крива как смерть, поэтому нельзя вот так взять человека, дать ему трёхдневный курс онтологии (или трёхдневный курс моделирования, сегодня был и такой вопрос) и будет успех-успех. Нет, успеха не будет, будет всё дико трудоёмко и криво. Так, первое же заблуждение -- путают графовую природу онтологии и графическую диаграммную форму. Нет, выживают табличные представления, а вот полнографовые -- не выживают, с этими представлениями работают только алгоритмы, но не люди-модельеры. Поэтому в качестве онтологического моделера берём coda.io -- и реляционную модель вместе со всей к ней прилагающейся критикой Криса Партриджа. Ход на преодоление этой критики простой: концептуальную модель держим в уме, а потом неформально транслируем в таблички и данные уже держим в табличках. Онтологическую модель превращаем в модель базы данных, что совсем другое (мы сейчас рутинно учим, как это делать, например, в https://www.youtube.com/watch?v=vjmABZI_Vxc и это вошло уже даже в курс системного мышления). Как "затычка для проблемы" это отлично срабатывает! То же самое произошло в какой-то момент (где-то в 2013-2014) с трипл-сторами: разговоры о моделях данных велись умные и с правильными концептуальными схемами в головах, а потом с самими данными работали в реляционных базах данных, а не трипл-сторах. А иначе плохо и медленно работало! И тоже, как "затычка для проблемы" это срабатывает. А без этого трудоёмкость просто запредельная: формализовать нужно не только самое важное, но и всё подряд, причём впрок, "на вырост". Но главная проблема в этой трудоёмкости даже не в этом: повторноиспользуемость ноль, ибо одного онтолога ещё можно прокормить, но вот потом эту онтологию нужно как-то вложить в головы всем пользователям наработанного -- и вот тут проблема! Проще каждому пользователю стать онтологом на свои 10 нужных ему понятий, чем класть в голову сложную конструкцию из минимально 200 понятий чуждой ему онтологии. Сложная онтологическая работа — это онтология интеллект-стека, она сейчас вообще на формальную не очень похожа, но это и есть проблема: средств для подобной работы и нетути. Везде или полный формализм, или полная неформальность. Срединного пути нет! А он нужен. И онтология интеллект-стека -- это не онтология интеграции данных, не онтология для semantic web, не онтология для мастер-данных. Это онтология для мышления, и она на небольшом уровне формальности, но главное -- легко модифицируется. Формализовывать до дискретности потом можно только то, что очень нужно в проекте, узкие предметные области, а не всё подряд. John Sowa на это всё время напирает, и говорит, что делайте дискретные онтологии, делайте их много. Не ищите одной upper, не ищите одной foundational. То есть "работайте с онтиками, чёрт с ними, с онтологиями". Не чёрт с ними, а "работайте в голове, в нейросетке, интуитивно". А формально и на письме работайте с текстами и таблицами. В основе попыток влияния на сообщества, конечно, должна лежать меметика. Идея про репликаторы (мемы) была высказана давно, но она не стала пока ведущим объяснением. Это не означает, что с этой парадигмой не работают. Я думаю, что это всё было в силу непонимания самой идеи многоуровневой/многомасштабной эволюции. Как только это понимание пойдёт в массы, так появится второе дыхание у идеи мемов. Это вот как с нейросетями: на них в 80х годах были огромные надежды, коннективизму прочили большое будущее, но до 2012 года (победа алгоритма глубокого обучения в соревновании ImageNet) они считались неперспективными. Победа пришла тогда, когда вычислительных мощностей для этого типа алгоритма стало достаточно. Если верны догадки о том, что нейросети и эволюция представляют собой многоуровневый алгоритм, и генетическая эволюция с меметической эволюцией это просто эволюции разных системных уровней, то сейчас будет огромное количество публикаций про меметику. И можно будет возвращаться к идеям, которые я высказывал ещё в работе 2004 года, "Влияние на общественное мнение", это как раз про meme engineering и эволюции мемов в связи с отражением событий в жизни какими-то сообществами, https://ailev.livejournal.com/325303.html. Вот мои гаечки в сообщества как раз по этой линии меметики идут (мемы меняются и в типовых ситуациях предъявления нового проявляются, их хорошо бы отслеживать), https://ailev.livejournal.com/1606761.html. При этом в узких кругах компьютерных эволюционщиков идеи меметики ни разу не забыты, вот пример октября 2021 от GoodAI, "Bootstrapping of memetic from genetic evolution via inter-agent selection pressures", https://www.goodai.com/memetic-experiments-for-an-open-ended-learning-paradigm/. Так что потихоньку выполняем программу исследований 2022 года в части эволюционных оснований интеллект-стека, https://ailev.livejournal.com/1601601.html. И, конечно, будем активно использовать memetic engineering в нашей работе -- инженерно сообщества выстроить не получится, а вот влиять на них в конкурентной ситуации с другими такими же "влиятелями", это вполне можно. Интересные события на этой неделе показывают, как пропасть "не знаем как сделать -- ой, всё давно работает" в самых разных областях техническая эволюция перепрыгивает маленькими шажками: -- в квантовых компьютерах вышли уже три публикации по разным механизмам, делающих вычисление с парой кубитов с 99% надёжности (после этого уже можно работать с кодами коррекции ошибок, так что после налаживания этой технологии мы имеем дело с цифровым квантовым компьютером, а не аналоговым), https://scitechdaily.com/major-breakthrough-as-quantum-computing-in-silicon-hits-99-accuracy/ -- шажок в универсальности алгоритмики: нейросетка с архитектурой, которая хорошо чувствует себя с аудио, картинками и текстами, да ещё и выдаёт SoTA результаты -- https://ai.facebook.com/blog/the-first-high-performance-self-supervised-algorithm-that-works-for-speech-vision-and-text/. Танцевал мультиданс вчера в Буффе, попал на видео -- в фейсбуке https://www.facebook.com/ailevenchuk/posts/10222349321095940 (и тут обещали убрать звук на пару десятков секунд в силу копирайтных ограничений) и ВКонтакте https://vk.com/video2449939_456239575 (а тут всё просто опубликовалось, и всё). Музыка там -- https://www.youtube.com/watch?v=QcoLoIzwYKU, а вот с видео артиста (но это live), https://www.youtube.com/watch?v=esZSrn7ND7g UPDATE: обсуждение в чате блога с https://t.me/ailev_blog_discussion/13145