17 ноября 2026 · Запись

Карта ментальных моделей и методологических синтезов библиотеки FPF

Ментальную модель придётся думать С ментальными моделями есть знакомая неприятность: их можно собрать красивую коллекцию понятий, знать их терминологию, вставлять термины в разговор — и продолжать думать ровно так же, как до знакомства с этими моделями. «Учитывайте обратную связь», «смотрите на систему целиком», «помните об ограниченных ресурсах». Всё верно, спасибо, Кэп. Теперь надо сообразить, что именно делать с этими правильными слоганами в своём проекте. В составе документов стратегии МИМ (https://github.com/MimEcoSys/mim-strategy) появился MIMDEV54 — «Ментальные модели и синтезы FPF Library» (https://github.com/MimEcoSys/mim-strategy/blob/main/MIMDEV54-fpf-mental-models-and-syntheses.md). Это для тех, кто хотел понять, что вообще можно найти в библиотеке FPF, но при виде её размеров начинал откладывать знакомство до лучших времён или со вздохом "делегировал понимание" своему любимому AI-агенту. А ещё этот текст для тех, кто собирался строить на её основе учебные программы (скажем, это я сам). Теперь есть небольшой (объём MIMDEV54 -- 0.16M знаков) обзор всего содержания: 35M знаков библиотеки FPF. В MIMDEV54 приведён небольшой рубрикатор на 63 объяснения ментальных моделей и методологических синтезов разного масштаба: где-то общее (трансдисциплинарное) устройство рассуждения, где-то одна предметная дисциплина, а где-то способ соединить несколько методов для одной работы. В MIMDEV54 ментальная модель понимается как "усваиваемая схема, связывающая существенные предметы и отношения". Она позволяет объяснить происходящее, получить следствие, построить действие. Например, различение метода, его исполнения, способности исполнителя и обеспечения сразу меняет разбор какой-то неудачи. Один и тот же плохой результат может получиться потому, что способ негодный, инструкция невнятная, человек ещё не научился или ему просто не дали нужный инструмент. Можно делать чек-лист, думать как-то структурированно -- и далее прицельно устранять эту неудачу. Более того, многих неудач по такому чек-листу можно избежать, если его пройти заранее, "в проекте". Это особенно хорошо видно в работе с AI. Агент написал прекрасную инструкцию, но нужная работа так и не выполнена. Или работа выполнена один раз с огромной помощью человека, а мы уже решили, что приобрели автономного сотрудника. Или метод вполне пригоден, но агент не получил доступа к исходному материалу. Машинка типов должна удержать эти различия, иначе мы опять будем лечить всё бесполезными способами: переписывать промпт, покупать более дорогую модель, требовать «думать глубже, думать дольше, не терять внимания». Освоенная ментальная модель подсказывает, о чём надо ещё подумать. В MIMDEV54:1.2 появилась мантра рассуждения с моделями и методами. Среди её вопросов: о чём делаем вывод и чем он обоснован, каким способом получаем результат, что одна операция должна дать другой? Какие выводы и действия пересматриваем при изменении предпосылки? В голове удерживается общий ход рассуждения, а к подробному описанию возвращаешься по необходимости. В карте приводятся ментальные модели, помогающие отвечать на вопросы о целом (холоне), знании, управлении, обучении, распространении культуры и многом другом. Библиотека FPF в целом даёт способы переходить между рассуждениями на эти темы, сохраняя предмет рассуждения из рабочего проекта. На этих переходах и начинается самое интересное: для одной работы надо соединить методы разных дисциплин и разобраться, как соотносятся их понятия. Этим и занимаемся в методологическом синтезе. Методологический синтез: соединяем способы работы Методологическим синтезом называем всю работу по построению или изменению метода. В неё входит и работа с понятиями: надо понимать, с чем работает исполнитель, что он получает и как этот результат можно использовать дальше. Если принятых понятий хватает, используем их. Если источники по-разному объясняют предмет работы или её результат, внутри методологического синтеза понадобится концептуальный синтез. Концептуальный синтез даёт различения (то есть определяет типы) и объяснения из разных источников, в том числе внутри одной дисциплины. Есть несколько источников знаний, каждый выделяет свои собственные предметы, свои отношения, свои правила рассуждений -- и знания нескольких источников обычно не связаны между собой. Были электрические явления, а также магнитные явления. Потом Максвелл сделал концептуальный синтез, у нас оказались электромагнитные явления -- и связи описывались не отдельно уравнениями для магнитных и отдельно для электрических полей, а четырьмя уравнениями электромагнетизма. Концептуальный синтез восстанавливает, что именно утверждают отдельные авторы, сопоставляет их рассуждения и получает общее объяснение для самых разных вопросов, которые раньше объяснялись порознь. Иногда удаётся просто объединить понятия. Иногда выясняется, почему два похожих слова должны обозначать разные вещи. Иногда становится понятно, какого знания пока не хватает. Это вполне содержательные результаты. Типичная работа AI на этом месте: «первый автор считает..., второй автор считает..., оба подхода важны». Затем табличка. Пересказ получился, а соединение мыслей оставлено читателю. Концептуальный синтез требует проделать именно эту работу: показать, какие различия существенны, какие выводы теперь доступны и что происходит с неудобными контрпримерами. В Core общий метод этого разбора описан в F.0.2 (https://fpf.tools/F.0.2). Хороший пример — управление (control, но иногда -- management). Теория управления, экономический выбор, ценность информации и активный вывод рассматривают близкие вопросы -- но не совсем одни и те же. При их сопоставлении можно проследить общую связь: сведения о какой-то ситуации позволяют выбрать действие в этой ситуации, приближающее к цели, доступные средства ограничивают выполнение выбранного действия, непредвиденные последствия дают новые сведения, и следующий выбор действия будет уже другим. И всё это происходит во времени: полезность наблюдения зависит от того, успеем ли мы после него что-то сделать для приближения к цели или не успеем. Великолепный отчёт, поступивший после последнего подходящего момента для управляющего действия, будет бесполезен. При всей этой внешней похожести предметное содержание разных управленческих дисциплин всё равно приходится удерживать. В теории автоматического управления и регулирования понадобятся динамика объекта, ошибки оценивания и ограничения исполнительных устройств. В управлении организацией — обязательства людей и их права принимать решения. Общее объяснение помогает увидеть похожие связи и задать похожие вопросы, получив общие ответы, но точные детальные ответы всё-таки потребуют знаний соответствующих частных методов. В методологическом синтезе важно показать, как нужный результат получится из операций частных методов. Предметный метод объясняет, как получить результат для класса задач. Его можно разрабатывать и осваивать ещё до назначения исполнителей и составления графика конкретного проекта. В объяснении идём назад от результата к необходимым промежуточным результатам и вперёд от доступных операций разных методов к тому результату, который они позволяют получить. Где-то надо преобразовать вход, где-то согласовать время, где-то научить исполнителя работ новому методу, где-то предусмотреть другой ход после неудачи. Общий метод такого построения и соединения методов — C.39 (https://fpf.tools/C.39). Скажем, компания хочет быстрее выпускать изделие. Изменение конструкции может позволить использовать доступное оборудование, новый производственный метод потребует подготовки людей, обучение займёт время тех же людей, которые сейчас исполняют обещанные поставки. Можно выдать каждому специалисту по отдельному правильному совету. А затем всё равно придётся собрать вариант, в котором изделие получается, люди успевают научиться, оборудование доступно и обязательства выполнимы. Вот эта работа по соединению нескольких методов в составной метод и построению недостающих переходов и должна проходить тоже как будто с чек-листом «О чём не забыли подумать?». В суете проекта пять раз ты скажешь: «Это тривиально» -- и действительно сделаешь всё правильно, а в шестой раз о чём-то забудешь (скажем, о том, что обучение людей займёт то время, в течение которого они работают над текущим методом: их работу некому будет выполнять, если они будут учиться) -- и проблемы появятся "из ниоткуда". Проверка построенного метода может заставить пересмотреть и понятия. Сопоставление объяснений бывает и отдельным исследованием — скажем, при каких условиях две теории дают разные предсказания? Библиотека FPF пополняется прежде всего методологическими синтезами: мы строим и соединяем методы, при необходимости пересматривая их понятийные основания. Восемь крупных областей мышления FPF Core содержит общие трансдисциплинарные паттерны, а DPFs описывают предметные методы. Значительная часть DPF собрана в четыре набора (DPF Suite): инженерия, менеджмент, фундаментальные методы физматвычислительного мышления, инженерия человеческих способностей. Есть и самостоятельные DPF — например, по исследованиям, экономике, объяснениям и нарративам. Совместное использование методов разобрано в архитектурных справочниках. В MIMDEV54 это содержимое представлено через восемь крупных областей мышления. Такой разрез пересекает границы FPF Core и DPF: общие конструкции используются в нескольких дисциплинах, а предметная работа требует нескольких общих конструкций. Можно начать с проблемы в своём проекте и по карте найти нужные методы. 1. Целые, деятельность и методы. Холоническое мышление помогает рассуждать о целом и его частях. Для системы объясняем взаимодействие частей, для составного метода — соединение операций, дающее нужный результат. В архитектуре согласовываем, например, распределение функций по модулям с размещением модулей и обменом информацией между ними. Локальное улучшение может ухудшить работу всей системы. Многоуровневая методология и сети преобразований позволяют продолжить разбор: кто создаёт систему, кто обеспечивает создателей нужными средствами и как развивают сами методы работы. 2. Знание, смысл и синтез. О чём утверждение, как его читать, чем оно обосновано, можно ли применить его в другой ситуации? Здесь нужны эпистемология, семантика и типизация. При методологическом синтезе сопоставляем понятия источников, если от этого зависит, как соединить методы. Инженерия доступа к корпусам знаний помогает организовать поиск и чтение нужного материала к моменту работы. Затем человек или агент разбирается, что из найденного отвечает на исходный вопрос и при каких условиях ответ применим. Любители RAG тут найдут много знакомых неприятностей. 3. Обоснование, исследование и выбор. От показания прибора до обоснованного решения ещё надо добраться. Метрология помогает получить значение измеряемой величины и оценить неопределённость. Для причинного вывода понадобится установить, что позволяют заключить наблюдения и какие дополнительные основания нужны. При выборе решения приходится сравнивать варианты по нескольким критериям. Бывает, что один вариант лучше по одному критерию, другой — по другому, а оснований выбрать единственного победителя пока нет. Стоит ли продолжать исследование? Надо оценить, может ли дополнительная проверка повлиять на решение настолько, чтобы оправдать затраты. Иногда именно дешёвая проверка спасает от очень дорогой глупости. 4. Математические, физические и вычислительные основания. В одной задаче могут понадобиться математическая конструкция, физическая модель и вычисление. Доказательство даёт вывод при своих посылках; при моделировании обосновываем, как вывод относится к изучаемому предмету. Физическое объяснение позволяет учесть законы, ограничивающие поведение системы. Алгоритм задаёт операции, которыми получаем вычислительный результат. Нотационная инженерия помогает подобрать запись, в которой удобно видеть зависимости и выполнять нужные преобразования. Широко применимые физика и математика требуют собственных предметных знаний; им посвящены DPF. 5. Инженерия. От будущего полезного функционирования системы — к её устройству, способам получения, создателям и их обеспечению. Системная мантра помогает удержать эти связи. Выбирая конструкцию, учитываем, смогут ли создатели изготовить, проверить и сопровождать систему имеющимися средствами. Здесь же разобрано, как совместить версии компонентов разных поставщиков, использовать общую платформу для нескольких продуктов, поддерживать работоспособность активов. Отдельная тема — разделение работы между людьми и AI. Его пользу надо оценивать с учётом передачи контекста, ожидания и соединения результатов, а также проверки и исправления ошибок. Наконец-то можно обсуждать пользу пяти агентов с учётом работы шестого, который за ними всё собирает и переделывает. 6. Управление, организация и экономика. Управляя проектом, выбираем действия по имеющимся сведениям и смотрим, приблизили ли они нас к цели. При этом учитываем обязательства участников и доступные средства. Стратегирование связывает направления работы с возможностью их осуществить. Организационная инженерия помогает проектировать совместную работу, операционный менеджмент — управлять потоком работ с его очередями и сроками. Учёт различает расход ресурса, освобождённую мощность и сэкономленные деньги. При финансировании проверяем, хватит ли денег к сроку платежа; экономика объясняет согласование планов участников с разными знаниями. Ускорили участок, получили больше незавершёнки и потратили деньги раньше — такое «улучшение» тоже надо уметь увидеть. Вот зачем соединять техническое устройство, организацию и экономику в одном рассуждении. 7. Способности, объяснение и культурная передача. Как человек учится выполнять новую работу и как освоенная практика сохраняется при смене участников? В HCD разобраны проектирование обучения и проверка переноса освоенного метода в другую ситуацию. EXD помогает объяснить предмет адресату, NSTD — выстроить нарратив. DTM посвящён передаче и защите практики, IS — помощи во внедрении. Есть и методы телесного моделирования, ритмики, музыкальной и танцевальной практики. На них хорошо видна разница между описанием действия и собственным умением его выполнить. Для продолжения танцевальной практики нужны умеющие танцевать люди и способы передать умение следующим участникам. Люди и AI участвуют в общей профессиональной культуре, но обучение человека и подготовка агента к работе требуют разных методов. 8. Продолжающееся развитие и поиск. Успешно применённый в проекте метод можно попробовать перенести в другую ситуацию. Новое средство позволяет взяться за задачу, которая раньше была недоступна. Изменив постановку задачи, иногда обнаруживаем, что нужен другой метод. Поиск новизны и сохранение разнообразия вариантов расширяют выбор: вариант, проигравший по сегодняшним критериям, может содержать полезный ход для другой задачи. Улучшать можно и сами способы, которыми мы находим задачи и разрабатываем методы их решения. В одном проекте нужны методы из нескольких областей. Управление производством требует измерений, причинного рассуждения и планирования с учётом общих ресурсов. В MIMDEV54 эти связи объяснены, а к методам даны адреса в библиотеке FPF (адреса из https://fpf.tools/). При этом сами связи различаются. Один метод входит в состав другого. Результат одной работы используют в следующей. Обучение позволяет исполнителю освоить нужную операцию. Платформа предоставляет общие средства для нескольких видов работ, а разработка нового метода меняет способ их выполнения. Если всё это сводить к одному отношению «связано с», то теряется различие предметов: что именно надо получить, предоставить исполнителю или изменить в способе работы. Карта областей мышления как основа учебной программы При разработке учебной программы по карте можно выбрать содержание под будущую работу агента (не факт, что человека). Скажем, не очень живой инженер-менеджер должен выяснить причину задержки выпуска продукта и предложить (если полномочий нет) осуществимое изменение -- хотя лучше бы сразу провести такое изменение. Ему надо разобраться с потоком работ и причинами задержки, сравнить варианты изменения, учесть общие ресурсы и обязательства участников, спроектировать изменения -- и реализовать их. Дальше надо выяснить, что из этого агент уже умеет. Операционный менеджмент он знает в объёме 40 учебников разных лет и разных школ, но хорошо бы уточнить, какая тут принята версия на предприятии, а ещё где посмотреть модели потоков работ, где искать причины задержек и т. д. Более того, при попытке выполнить всю эту работу или даже её часть начнутся трудности: агент (живой или не очень) построит причинную модель, но не заметит, что несколько работ требуют одного и того же специалиста в одно время. Или отлично посчитает локальные затраты, но не выяснит, как его предложение (или даже сразу изменение) повлияет на результат компании. Или всё рассказывает правильными словами, но делает что-то абсолютно не то, о чём рассказывал, а при изменении ситуации предлагает (или даже реализует) ровно то же самое, что было в предыдущей ситуации. Во всех этих случаях надо бы агентам давать разную помощь, доучивать разному -- причём не очень живому агенту достаточно просто дать регламент, и он "выучил", а с людьми придётся повозиться: подготовить операционного менеджера обычно не так просто, да и сдвинуть всё на не очень живых операционных менеджеров может сразу не получиться -- кто-то всё равно должен будет разобраться, что там творит AI-агент! Но мы уже тут наговорили какой-то материал, которому надо научить. И если это человек -- то можно генерировать учебную программу по "карте знаний", по учебной программе генерировать текст руководства (на основе самих паттернов), включающий задания и возможность получения комментариев по итогам их выполнения, а также возможность проверки освоенного способа мышления (меняем условия задачи и смотрим, способен ли человек решить изменённую задачу; если способен -- способ мышления освоен). В текущей резидентуре ровно так и было -- взята системная мантра, сгенерирована программа из 17 занятий с прохождением этой мантры. Далее сгенерирована теоретическая программа под каждый шаг, далее сгенерировано руководство с заданиями по теоретической программе. Это закрывает дыру между "в библиотеке FPF уже всё есть" и "люди могут воспользоваться этим богатством". Карта как раз и даёт кратенькое содержание всего этого богатства (понятно, что даже D1 -- это только небольшая его часть). Так что мне была нужна учебная программа для резидентуры D1, а кому-то потребуется учебная программа для физматвычислительного мышления. Вот можно взять MIMDEV54 и за вечер её сделать. Инструкция, как это сделать, есть в самой карте: разработка учебных программ на основе карты областей мышления описана в MIMDEV54:10.3. После успеха становится интереснее По карте можно выяснить, чего именно не хватает для следующего шага развития. Скажем, подходящий метод уже где-то описан, но команда его не нашла -- надо учить искать методы. Или команда метод нашла, но не поняла объяснение -- надо тренировать понималку. Или команда всё поняла, но ещё не умеет выполнить нужные операции (нашла самоучитель игры на рояле, всё поняла, как нажимать на клавиши -- звуки появляются, про музыку теорию выучила, но пальцы почему-то не двигаются). Бывает, что все умеют, но не могут воспользоваться необходимым оборудованием (выучились музыке с игрой на рояле, а теперь надо спеть -- горло не слушается, голос даёт петуха!). А где-то действительно требуется новое знание или новый способ работы. От этого зависит, будем ли мы искать описание, объяснять, учить, договариваться об оборудовании или начинать исследование -- и этому всему надо бы учить, а для этого знать, что для этого всего есть свои методы снятия затруднений, свои паттерны, они все упомянуты в библиотеке FPF (да, и про музыку-танцы там тоже есть!). Для меня тут особенно интересна связь с бесконечным развитием: заранее заданного окончательного набора достижений в приведённой карте нет, но вот методы развития, методы обучения (не только себя, любимого, но и AI-агента, подразделения, фирмы в целом) -- есть. Кто хотел компактное представление содержания FPF Library или собирается делать свою учебную программу — берите MIMDEV54, полистайте. Но это не попса, ни разу не попса. Не надейтесь, что там популярным языком будет рассказано про лучшие практики в мышлении. Рассказано будет, но не популярным языком. Но вы можете попросить вашего любимого AI-агента вам что-нибудь оттуда растолковать. Ну, или прочесть краткий текст того, что там есть, прямо в этом моём посте (восемь пунктов содержания мышления написаны были моим любимым AI-агентом, так что можете оценить тамошний стиль. Некоторым он нравится даже больше, чем мой собственный стиль письма -- ну, тут мне только смириться: AI-агенты всё лучше и лучше становятся не только в программировании и решении математических задач, но и в написании текстов для других людей). mimdev54

Читать обсуждение →