lytdybr

Разработка физматвычислительного мышления в FPF идёт более чем бодро, написан большой DRR, по нему уже добавили 10 тыс. строк разных паттернов в FPF, так что с FPF уже можно поговорить про физматвычислительное мышление. Но работа эта далеко не окончена. Идеал -- вывести рациональное эпистемологическое основание физматнаук (классические "естественные науки", базирующиеся на постулатных теориях и экспериментах для их проверки, плюс аксиоматические математические теории и доказательства для их проверки) на непосредственное применение к задачам инженерии и менеджмента. Другими словами, "исследования" (науки, эпистемология) с учётом прагматического поворота (приложение к инженерии, изменения мира -- и тут методология). Так что от не полностью доделанного Engineering DPF Suite пытаемся сделать то, что мои агенты называют foundational thinking architecture -- общие методы физического, математического и вычислительного мышления, их связи и применение к методологии с учётом последующего переноса знания этих методов в жизнь, например, явного использования в Engineering DPF Suite в инженерных проектах. Уже опубликованы math practice DPF и math modeling practice DPF, началась работа над physics DPF, но пока прервана на архитектурную работу -- и (предсказуемо) начал пополняться math practice DPF, там ровно не "разделы математики", а собственно математическое мышление. При этом я понимаю, что будет дикая критика от всех: поскольку это не математика, а именно математическое мышление, то критиковаться будет ровно этот вопрос -- дискуссии там вроде "зачем вообще эта ваша математика, с этой вашей теорией гомотопий, дитям в школе арифметику отменяют, а вы что-то никому не нужное даёте". В том числе там и про "превратить найденную конструкцию в повторно применимый приём, совместно развивать вопросы и способы решения, сохранять и обновлять культуру работы": C.39.RO, C.40.CD, C.36.RP, E.10.INT. Это в том числе и отклик на текущий манифест математиков по использованию AI (https://mathandai.org/), но у меня тут собственные соображения: уже имеющийся паттерн культурной эволюции C.36, а также соображения из OEE NQD по проблематизации, теории интереса (ролевого, Шмитхубера, Стенли и другие -- много их) и соображения вроде претензий Ромы Михайлова к Перельману, я о них писал время от времени, ибо они важны. Скажем, в 2022 (https://ailev.livejournal.com/1609242.html): «В математике, кстати, "постановка интересной задачи" (генерация среды, в которой можно получить что-то интересное) очень ценится. Интересная задача понимается (пересказываю тут Романа Михайлова) как задача, кажущаяся интересной человеку, который решил уже чью-то предыдущую интересную задачу. То есть мозг, который продемонстрировал интеллект в поиске проблемы, применяет этот интеллект для генерации следующей проблемы. И Михайлов обижался на Перельмана, который проблему-то предыдущих агентов решил (доказал гипотезу Пуанкаре), а вот свою проблему не выставил, гад. Гад, ибо "если может, то должен! Не так много таких, кто решает предыдущие интересные проблемы, то есть разобрался, что к чему в математике, поэтому он должен прокинуть цепочку проблем дальше"». Это были внутренние разговоры про Перельмана и математиков, теперь AI оказался таким Суперперельманом, и предъявы математиков теперь к чему-то не очень живому, занимательно. Что им мешает продолжать заниматься тем же, чем занимались? Играют же люди в го и шахматы, поддерживают традицию, хотя машины это делают уже лучше. Тут я мог бы вспомнить свои дискуссии о том, чем там должны заниматься математика и математики (неважно, живые или не очень), чьи интересы математика обслуживает (уж точно не математиков!): https://ailev.livejournal.com/668305.html (это 2009 год, и там 174 коммента, ибо я в исходных тезисах довольно резок) и продолжение в https://ailev.livejournal.com/669463.html (всего 59 комментов). В частности, ставлю вопрос на method physics как аналог factory physics, и тут тонкий момент: как в физике поведение реальных объектов описывают через хорошо изученное поведение математических идеальных объектов, так и в методологии возможно описание поведения методов через поведение хорошо изученных математических операций (морфизмов). Другое дело, что язык методологии при этом становится полностью непонятным обычным инженерам и менеджерам, но точность описания методов резко растёт. Культурный вопрос здесь существенный: практику нужны понятные способы работы, а разработчику сложного метода может понадобиться формальный аппарат. Нужно связать эти описания так, чтобы из формул можно было восстановить рабочий смысл, после чего "работать по формулам", а из обычного объяснения вытащить существенные (необходимые и достаточные) условия и инварианты, после чего можно обсуждать, "взлетит" или "не взлетит" обсуждаемый метод, исходя из формул, а не "по ощущениям". В чате про типы в языках программирования, моделирования и представления знаний поговорили про первые применения DPF -- одного участника разговора даже пришлось забанить, он требовал (ага, требовал, как будто я должен) от меня "доказательств" работоспособности DPF путём предъявления сравнения работы vanilla AI-агента и AI-агента с DPF -- ровно то упражнение, которое я давал ещё на первом бесплатном семинаре по FPF в конце июня. Но кроме этого немного обсудили конструктивную математику, методологию, конструктивную онтологию в экосистеме FPF (с https://t.me/typeslife/23076). И закончили тем, что Алексей Незнанов ткнул меня в язык паттернов для количеств и единиц измерений в физических вычислениях (https://dl.acm.org/doi/pdf/10.1145/3147704.3147715?download=true, 2017), и всё оттуда нашлось в FPF, но обнаружилось интересное дополнение-проблема для нового паттерна -- математическая модель корректна, а программный интерфейс принимает голые числа. Пересчёт единиц, допустимые операции и смысл результата становятся неявными соглашениями между частями программы. Попутно Алексей попробовал паттерны DPF матмоделирования -- и тут же заметил, что это ни разу не общее матмоделирование. Да, уже знаем, уже исправляем -- это матмоделирование вообще надо начинать было с precision restoration, ибо под "моделированием" понимают очень много всего разного, да и сама физика может легко считаться "моделированием". Ну, и роль интерпретатора модели. Вот пример, который предложил мне агент для роли интерпретатора мат. модели: "Один граф «A, затем B и C» при длительностях 2, 3 и 5 часов даёт 7 либо 10 часов в зависимости от ресурсов. Предпосылку о ресурсах и правило расчёта может добавлять читающий агент". Сейчас идёт активный ремонт паттернов мат. моделирования, чтобы они давали общие, а не частные решения общих, а не частных проблем. Наконец-то сделал инструкцию "как пользоваться FPF", потому как выполнил довольно много экспериментов (считали миллисекунды на выполнение операций разными способами извлекаемых паттернов: через skills, через SQLite, через банальный rg с PowerShell). Победил, как ни странно, rg. Поэтому в дистрибутив в GitHub (https://github.com/ailev/FPF) добавили краткую инструкцию и ещё короткий файл инструкции для агента, как писать регулярные выражения, чтобы доставать тексты паттернов и их разделов. Инструкция там такая:

Copy FPF-Spec.md, Readme.md, USING-FPF.md, LICENSE, LICENSING.md, and the Engineering DPF Suite folder into a folder in your project, for example fpf/. Include other DPF publications you need, and preserve the relative paths of their accompanying files. Add the following paragraph to the project instructions your agent environment actually loads, whether those are kept in a file or in its settings. Replace fpf/ with your chosen path: "Use FPF and Engineering DPF Suite from fpf/ for this project's work. Before using them, read fpf/USING-FPF.md and follow its guidance for choosing, reading, and applying patterns. Explain results and give feedback in the language of our work. Preserve the meaning of the sources". If the environment has no persistent project instructions, send that paragraph as the first message. Then describe the actual project question, constraints, and available evidence. USING-FPF.md (https://github.com/ailev/FPF/blob/main/USING-FPF.md) contains the agent's working instructions, file structure, and search examples.

В нашем случае надо догрузить ещё файлы пока standalone DPFs математического мышления или нарративистики. Фразу вставлять в какой-нибудь AGENTS.md или README.md, которые в вашей системе агент обязательно читает при работе и даже во многих системах читает после каждого поджатия контекста. И всё. Дальше работать со своим проектом как обычно, но в ответах появится инженерная, менеджерская и вот ещё с сегодняшнего дня математическая смекалка и сообразительность. И забыл написать в блог, но уже некоторое время для моих FPF и DPF в GitHub лежит лицензия -- это CC BY 4.0, https://creativecommons.org/licenses/by/4.0/, это open source для не-кода, для кода там другая линейка лицензий, MIT или Apache 2.0, но у меня это руководства, тех. документация, стандарты и всякое другое, где не стоит разговор о патентах. Грубо говоря, "делайте что хотите, только автора не забывайте упомянуть". Ещё одно свидетельство того, что инженерные DPF работают, -- https://t.me/ailev_blog_discussion/37593, там речь идёт ещё об одном фреймворке на базе FPF+DPF, это iEWR от Альберта Айтуганова (он директор по развитию в одной небольшой софтверной команде). Дальше там небольшое обсуждение, в том числе и про то, что непосредственная работа с FPF+DPF мимо skills с rg -- это вполне рабочий вариант. Надо хорошо понимать природу всех этих объектов. Язык паттернов в нашем случае — это набор отдельных методов, которые "на лету" выстраиваются в какую-то де-факто последовательность по предусловиям и постусловиям, при этом постусловия ещё и берутся не из самих методов, а прихватываются замерами реалий. В основе там case management и декларативное представление. Поэтому если есть какой-то community template (термин из adaptive case management), то вполне можно и skill сделать, и карточку практического применения (учебную мантру), и любую другую последовательность. А если нет этого template, то работать с корпусом в целом, медленнее, но адекватнее. А хоть и полнотекстовым поиском, а хоть и как-то по-другому (медитируя над оглавлением, а затем выполняя поиск с синонимами или ещё как). Вот если приглядеться к размышлениям агентов, то они так и делают. При этом важнейшая опция — сообразить, что агент смотрит явно не туда, и ткнуть его в нужные паттерны (необязательно по номерам, но надо знать, что метод в корпусе есть, — и послать его искать). Вот прямо как начальник старательного, но недалёкого сотрудника, если начальник разбирается в предмете. Вообще-то в экосистеме FPF сейчас более 600 паттернов, общий объём их 22Мb — и мне всегда забавно, когда спрашивают, "как это упаковать в skills". На таких числах skills без их точного указания не срабатывают, было же много экспериментов (спросите у своего любимого AI-агента, что происходит, когда у вас множество skills -- там нужный skill не находится почти в половине случаев). И файлы тоже ведь не срабатывают. И вопрос перемещается к вопросу "как узнать, что тебе из этих скиллов надо", дальше в обсуждении с этого места формат skill вообще не играет роли, играет роль умность агента и умение полнотекстового поиска с учётом регулярных выражений. Современные агенты это умеют, но мы им ещё и подсказываем, чтобы не тратить время на ненужные эксперименты. У меня таки появился 5G дома, я попал на пятачок, где это доступно (в Москве 5G уже включили, но сот пока очень мало, это буквально "пятачки", такое "покрытием" не назовёшь). Незадача: дома я как раз использую Wi-Fi, а если отойти от дома, то никакого 5G нет и в помине. Но лиха беда начало. 6G ожидается в мире только в начале 30-х, так что никто никуда ещё не опоздал, 5G ещё вполне успеет развернуться. [robotprogramming в источнике]