Универсальный критерий хорошего управления
Есть много учебников и книг по истории, и все они сильно искажены политическими интригами. Но как разобраться самому, какие решения исторических деятелей были пагубны, а какие - плодотоворны?
Можно ли сформулировать универсальный критерий хорошего управления , который был бы применим и к государству, и к производству, и вообще к цивилизации?
Давайте попробуем.
Пусть X — некоторый достаточно общий и статистически измеримый показатель масштаба деятельности системы: валовое потребление энергии, производственная мощность, увеличение энтропии и т. п.
Эти показатели не совпадают буквально, но тесно связаны: чтобы больше производить, обычно требуется больше энергии; рост энергетики требует производства; расширение обоих процессов увеличивает материальные потоки и производство энтропии.
Поэтому интереснее смотреть не столько на абсолютное значение конкретного X, сколько на время, за которое система способна увеличить X на некоторую постоянную долю.
Обозначим характерное время роста:
τ = X / (dX/dt)
Смысл очень простой: чем меньше τ, тем быстрее происходит очередной пропорциональный прирост (например, удвоение) возможностей системы.
Отсюда возникают три принципиально разных режима.
1. Экспоненциальное развитие
τ примерно постоянно.
Каждый следующий пропорциональный прирост занимает примерно столько же времени, сколько предыдущий.
Например, если система удваивает свои возможности каждые 20 лет, то переход от 1 к 2, от 2 к 4 и от 4 к 8 занимает примерно одинаковое время. Это называют «экономическим чудом». Но вообще-то в природе это довольно обычная вещь. Так растут бактерии, водоросли и другие самовоспроизводящиеся системы, пока им хватает ресурсов.
Экспоненциальный рост означает: каждая новая единица способности системы действовать создаёт следующие единицы примерно с той же удельной скоростью.
2. Сверхэкспоненциальное развитие
τ уменьшается.
То есть каждый следующий пропорциональный прирост происходит быстрее предыдущего. Сегодня удвоение занимает 20 лет, следующее — 15, затем 10. Это уже значительно более интересный режим.
Система не просто воспроизводит свои возможности, а она улучшает сам механизм их воспроизводства.
Машины помогают быстрее делать новые машины. Новые электростанции помогают быстрее строить следующую энергетику. Научные инструменты ускоряют получение новых знаний. Компьютеры ускоряют проектирование компьютеров. Автоматизация ускоряет автоматизацию.
3. Субэкспоненциальное развитие
τ увеличивается.
Возможности системы ещё могут расти, но каждый следующий пропорциональный прирост занимает всё больше времени. Сегодня удвоение требует 20 лет, следующее — 30, потом 50.
Это ещё не обязательно абсолютный упадок. Производство и энергетика могут продолжать увеличиваться. Но система постепенно теряет способность поддерживать собственный темп развития. Если же уже уменьшается и сам X, начинается собственно деградация.
Из этого получается необычайно простой локальный критерий управления:
Хорошее управление стремится уменьшать τ — период удвоения возможностей системы.
Или ещё проще:
Хорошая система учится расти быстрее.
В реальных исторических примерах восстановление после разрушения часто выглядит сверхэкспоненциальным. Если половина заводов уничтожена, а затем быстро восстанавливается по уже известным технологиям, τ может резко сокращаться. Но это ещё не значит, что цивилизация изобрела более совершенный механизм саморазвития. Поэтому стоит различать рост ниже прежнего исторического максимума и рост на новой границе возможностей.
Пока X<Xmax, мы имеем прежде всего восстановление. Настоящее самоускоряющееся развитие следует искать после выхода на новый максимум.
@ntstg
Есть много учебников и книг по истории, и все они сильно искажены политическими интригами. Но как разобраться самому, какие решения исторических деятелей были пагубны, а какие - плодотоворны?
Можно ли сформулировать универсальный критерий хорошего управления , который был бы применим и к государству, и к производству, и вообще к цивилизации?
Давайте попробуем.
Пусть X — некоторый достаточно общий и статистически измеримый показатель масштаба деятельности системы: валовое потребление энергии, производственная мощность, увеличение энтропии и т. п.
Эти показатели не совпадают буквально, но тесно связаны: чтобы больше производить, обычно требуется больше энергии; рост энергетики требует производства; расширение обоих процессов увеличивает материальные потоки и производство энтропии.
Поэтому интереснее смотреть не столько на абсолютное значение конкретного X, сколько на время, за которое система способна увеличить X на некоторую постоянную долю.
Обозначим характерное время роста:
τ = X / (dX/dt)
Смысл очень простой: чем меньше τ, тем быстрее происходит очередной пропорциональный прирост (например, удвоение) возможностей системы.
Отсюда возникают три принципиально разных режима.
1. Экспоненциальное развитие
τ примерно постоянно.
Каждый следующий пропорциональный прирост занимает примерно столько же времени, сколько предыдущий.
Например, если система удваивает свои возможности каждые 20 лет, то переход от 1 к 2, от 2 к 4 и от 4 к 8 занимает примерно одинаковое время. Это называют «экономическим чудом». Но вообще-то в природе это довольно обычная вещь. Так растут бактерии, водоросли и другие самовоспроизводящиеся системы, пока им хватает ресурсов.
Экспоненциальный рост означает: каждая новая единица способности системы действовать создаёт следующие единицы примерно с той же удельной скоростью.
2. Сверхэкспоненциальное развитие
τ уменьшается.
То есть каждый следующий пропорциональный прирост происходит быстрее предыдущего. Сегодня удвоение занимает 20 лет, следующее — 15, затем 10. Это уже значительно более интересный режим.
Система не просто воспроизводит свои возможности, а она улучшает сам механизм их воспроизводства.
Машины помогают быстрее делать новые машины. Новые электростанции помогают быстрее строить следующую энергетику. Научные инструменты ускоряют получение новых знаний. Компьютеры ускоряют проектирование компьютеров. Автоматизация ускоряет автоматизацию.
3. Субэкспоненциальное развитие
τ увеличивается.
Возможности системы ещё могут расти, но каждый следующий пропорциональный прирост занимает всё больше времени. Сегодня удвоение требует 20 лет, следующее — 30, потом 50.
Это ещё не обязательно абсолютный упадок. Производство и энергетика могут продолжать увеличиваться. Но система постепенно теряет способность поддерживать собственный темп развития. Если же уже уменьшается и сам X, начинается собственно деградация.
Из этого получается необычайно простой локальный критерий управления:
Хорошее управление стремится уменьшать τ — период удвоения возможностей системы.
Или ещё проще:
Хорошая система учится расти быстрее.
В реальных исторических примерах восстановление после разрушения часто выглядит сверхэкспоненциальным. Если половина заводов уничтожена, а затем быстро восстанавливается по уже известным технологиям, τ может резко сокращаться. Но это ещё не значит, что цивилизация изобрела более совершенный механизм саморазвития. Поэтому стоит различать рост ниже прежнего исторического максимума и рост на новой границе возможностей.
Пока X<Xmax, мы имеем прежде всего восстановление. Настоящее самоускоряющееся развитие следует искать после выхода на новый максимум.
@ntstg
👍8🤔4👌2
США строят малые автоматические подземные ядерные реакторы
Энергии в XXI веке нужно очень много. Но традиционные атомные станции строятся долго. Требования к безопасности персонала и окружающей среды нешуточны. Да и уязвимость их в серьезном конфликте слишком велика.
Логично заменить такое строительство бурением и серийным машиностроением – размещать автоматические реакторы глубоко под землей. Этим и занялась компания Deep Fission.
Не нужно строить огромную гермооболочку, рассчитывать её на внутреннее давление аварии, падение самолёта, торнадо и другие внешние воздействия, сооружать массивные системы аварийного охлаждения, заботиться о персонале и экологии.
Оптимальной оказалась глубина в 1,6 км. Гидростатическое давление столба воды: p≈ρgh При h ≈ 1600 м получается около 15,7 МПа, типичное рабочее давление PWR, водо-водяного реактора под давлением.
На поверхности земли у PWR внутри корпуса 160 атмосфер, а снаружи - одна. Перепад давления огромен. А на глубине перепада давления нет: более лёгкие сосуды, меньшие механические нагрузки при разгерметизации и совсем другая аварийная динамика.
Разрабатываются коммерческие модули на 8, 15 и 45 МВт. Министерство энергетики на днях одобрило Nuclear Safety Design Agreement. В Канзасе пробурена скважина, изготовлен и гидравлически испытан полноразмерный прототип.
Децентрализованную сеть из тысяч, а тем более - миллионов таких реакторов - нельзя вывести из строя даже всем ядерным аресеналом планеты вместе взятым.
Когда мы продвигали тему подземных реакторов для России, суровые отечественные эксперты просто хихикали. Теперь они предпочитают видеть в этом “распил средств”. Следующий шаг принято посвящать оправданиям “почему у них есть, а у нас - нет и быть не могло”.
@ntstg
Энергии в XXI веке нужно очень много. Но традиционные атомные станции строятся долго. Требования к безопасности персонала и окружающей среды нешуточны. Да и уязвимость их в серьезном конфликте слишком велика.
Логично заменить такое строительство бурением и серийным машиностроением – размещать автоматические реакторы глубоко под землей. Этим и занялась компания Deep Fission.
Не нужно строить огромную гермооболочку, рассчитывать её на внутреннее давление аварии, падение самолёта, торнадо и другие внешние воздействия, сооружать массивные системы аварийного охлаждения, заботиться о персонале и экологии.
Оптимальной оказалась глубина в 1,6 км. Гидростатическое давление столба воды: p≈ρgh При h ≈ 1600 м получается около 15,7 МПа, типичное рабочее давление PWR, водо-водяного реактора под давлением.
На поверхности земли у PWR внутри корпуса 160 атмосфер, а снаружи - одна. Перепад давления огромен. А на глубине перепада давления нет: более лёгкие сосуды, меньшие механические нагрузки при разгерметизации и совсем другая аварийная динамика.
Разрабатываются коммерческие модули на 8, 15 и 45 МВт. Министерство энергетики на днях одобрило Nuclear Safety Design Agreement. В Канзасе пробурена скважина, изготовлен и гидравлически испытан полноразмерный прототип.
Децентрализованную сеть из тысяч, а тем более - миллионов таких реакторов - нельзя вывести из строя даже всем ядерным аресеналом планеты вместе взятым.
Когда мы продвигали тему подземных реакторов для России, суровые отечественные эксперты просто хихикали. Теперь они предпочитают видеть в этом “распил средств”. Следующий шаг принято посвящать оправданиям “почему у них есть, а у нас - нет и быть не могло”.
@ntstg
👍21❤4🔥3🤔2😭2👌1👀1
Если учеба достала.epub
8.1 MB
Если учёба достала...
До 1 сентября остаётся совсем немного, а вместе с началом учебного года снова встаёт старый и всё менее простой вопрос: зачем вообще учиться?
Предлагаю небольшую книжку «Если учёба достала...» - всего 24 страницы. Я написал её ещё в 2018 году для одного молодёжного издания. Тогда до публикации дело не дошло: редакция решила, что я слишком многого жду от молодых людей. Но, все же, думаю, не обязательно заранее считать их всех неспособными самостоятельно думать, выбирать цели и отвечать за собственное развитие.
Одна из причин нынешнего кризиса мотивации к учёбе глубже самой школы. Индустриальное общество уходит, а вместе с ним теряет убедительность привычный ответ: учись, чтобы занять своё место в большой и чужой системе.
Массовое обязательное образование когда-то создавалось под потребности индустриальной экономики и государства. Сегодня эта конструкция всё хуже объясняет молодому человеку, ради чего ему тратить годы жизни на образование.
В книге горизонт будущего лишь намечен: автоматизация, ИИ, новые технологии, резкое возрастание ценности знания и одновременно падение ценности человека как простого исполнителя. Но отсюда уже следует другой ответ на вопрос «зачем учиться»: не потому, что это нужно школе, государству или работодателю, а потому, что образование становится инструментом собственной субъектности.
Поэтому главный тезис книжки довольно простой: если старая система больше не способна выстроить образование в твоих интересах, придётся постепенно учиться выстраивать его самому. Выбирать цели, задавать вопросы, искать знания, проверять их практикой и относиться к собственной жизни не как к чужому заданию, а как к проекту, за который отвечаешь ты сам.
Доступны форматы PDF и EPUB.
@ntstg
До 1 сентября остаётся совсем немного, а вместе с началом учебного года снова встаёт старый и всё менее простой вопрос: зачем вообще учиться?
Предлагаю небольшую книжку «Если учёба достала...» - всего 24 страницы. Я написал её ещё в 2018 году для одного молодёжного издания. Тогда до публикации дело не дошло: редакция решила, что я слишком многого жду от молодых людей. Но, все же, думаю, не обязательно заранее считать их всех неспособными самостоятельно думать, выбирать цели и отвечать за собственное развитие.
Одна из причин нынешнего кризиса мотивации к учёбе глубже самой школы. Индустриальное общество уходит, а вместе с ним теряет убедительность привычный ответ: учись, чтобы занять своё место в большой и чужой системе.
Массовое обязательное образование когда-то создавалось под потребности индустриальной экономики и государства. Сегодня эта конструкция всё хуже объясняет молодому человеку, ради чего ему тратить годы жизни на образование.
В книге горизонт будущего лишь намечен: автоматизация, ИИ, новые технологии, резкое возрастание ценности знания и одновременно падение ценности человека как простого исполнителя. Но отсюда уже следует другой ответ на вопрос «зачем учиться»: не потому, что это нужно школе, государству или работодателю, а потому, что образование становится инструментом собственной субъектности.
Поэтому главный тезис книжки довольно простой: если старая система больше не способна выстроить образование в твоих интересах, придётся постепенно учиться выстраивать его самому. Выбирать цели, задавать вопросы, искать знания, проверять их практикой и относиться к собственной жизни не как к чужому заданию, а как к проекту, за который отвечаешь ты сам.
Доступны форматы PDF и EPUB.
@ntstg
👍17❤11🤔2🙏1🤝1🤪1
Руки для ИИ
Anthropic открыла исследовательский доступ к Model Hardware Standard (MHS) — новому стандарту, позволяющему ИИ-агентам работать непосредственно с реальным физическим оборудованием: роботами, микроскопами, лазерами, дозаторами, измерительными приборами и производственными установками.
До сих пор практически каждый станок или лабораторный прибор имеет собственный интерфейс, протокол и ПО. Чтобы заставить несколько устройств работать вместе, инженерам приходится писать отдельные интеграции. Это может занимать недели и месяцы.
MHS вводит общий промежуточный слой. Оборудование получает стандартизированный драйвер, через который можно читать его состояние, задавать параметры и запускать операции. Там же описываются характеристики устройства и ограничения безопасности. Благодаря этому ИИ-агент может обнаружить незнакомое ему оборудование, понять, что оно умеет, и начать управлять им через общий интерфейс.
В Carnegie Mellon через MHS связали дозатор жидкостей, роборуку, планшетный ридер и камеры, причём оборудование работало через три компьютера и совершенно разные интерфейсы. Интеграцию выполнили примерно за 8 часов вместо нескольких недель, после чего агент самостоятельно проводил эксперимент, анализировал результат и при необходимости менял параметры и повторял его.
В QuEra ИИ получил управление лазерной системой квантового компьютера. Созданный им алгоритм восстановления лазерной стабилизации успешно срабатывал в 695 из 700 испытаний — 99,3% случаев, причём восстановление занимало секунды вместо нескольких минут работы специалиста.
Поддержку MHS тестируют или разрабатывают Universal Robots, Doosan Robotics, Raspberry Pi, Hugging Face, Tecan, QIAGEN и другие производители. Anthropic намерена впоследствии открыть стандарт как open source.
Это один из ключевых компонентов кибермастерских.
@ntstg
Anthropic открыла исследовательский доступ к Model Hardware Standard (MHS) — новому стандарту, позволяющему ИИ-агентам работать непосредственно с реальным физическим оборудованием: роботами, микроскопами, лазерами, дозаторами, измерительными приборами и производственными установками.
До сих пор практически каждый станок или лабораторный прибор имеет собственный интерфейс, протокол и ПО. Чтобы заставить несколько устройств работать вместе, инженерам приходится писать отдельные интеграции. Это может занимать недели и месяцы.
MHS вводит общий промежуточный слой. Оборудование получает стандартизированный драйвер, через который можно читать его состояние, задавать параметры и запускать операции. Там же описываются характеристики устройства и ограничения безопасности. Благодаря этому ИИ-агент может обнаружить незнакомое ему оборудование, понять, что оно умеет, и начать управлять им через общий интерфейс.
В Carnegie Mellon через MHS связали дозатор жидкостей, роборуку, планшетный ридер и камеры, причём оборудование работало через три компьютера и совершенно разные интерфейсы. Интеграцию выполнили примерно за 8 часов вместо нескольких недель, после чего агент самостоятельно проводил эксперимент, анализировал результат и при необходимости менял параметры и повторял его.
В QuEra ИИ получил управление лазерной системой квантового компьютера. Созданный им алгоритм восстановления лазерной стабилизации успешно срабатывал в 695 из 700 испытаний — 99,3% случаев, причём восстановление занимало секунды вместо нескольких минут работы специалиста.
Поддержку MHS тестируют или разрабатывают Universal Robots, Doosan Robotics, Raspberry Pi, Hugging Face, Tecan, QIAGEN и другие производители. Anthropic намерена впоследствии открыть стандарт как open source.
Это один из ключевых компонентов кибермастерских.
@ntstg
🔥10👍3❤2🤨1
Тысяча агентов и один архитектор
Коллега хорошо написал о когнитивном долге при работе с ИИ: система может развиваться быстрее, чем человек успевает понимать созданное.
Но проблема шире. Масштабировать исполнение значительно проще, чем архитектурное осмысление. Типизированную работу можно распараллелить между людьми, КБ, подрядчиками, вычислительными мощностями, а теперь и ИИ-агентами.
Сегодня один инженер работает с несколькими агентами. Завтра их вклад в одном проекте может измеряться сотнями и тысячами параллельных исполнителей.
Причём речь уже не только о коде. ИИ всё лучше работает с CAD, электроникой, проектированием плат, программированием, анализом и отладкой оборудования. Не за горами кибеомастерские где все это будет соединено со станками, роботами и испытательными стендами.
Но возникает фундаментальная асимметрия: тысячу локальных инженерных задач можно выполнять почти в тысячу раз параллельнее. Понимать систему как целое в тысячу раз параллельнее нельзя.
Фредерик Брукс считал концептуальную целостность одним из важнейших качеств сложной системы: реализовывать её могут тысячи, но общий замысел должен удерживаться одним архитектором.
Дробить работу необходимо. Дробить мышление о системе опасно.
В сложной технике главные проблемы часто находятся не внутри блоков, а между ними. Масса влияет на механику, механика на энергетику, энергетика на охлаждение, охлаждение на компоновку, ремонт, логистику и производство.
Каждый специалист или агент может быть локально прав, а система в целом уже нежизнеспособна.
Причём административно это может выглядеть прекрасно. Задачи закрываются. Отчёты сдаются. Этапы принимаются. Графики соблюдаются. KPI зелёные.
Есть старый анекдот: один рабочий копает лунки, другой тут же их закапывает. Третий, который должен был класть в ямки картошку, сегодня не вышел. Каждый выполняет свою операцию правильно. Исчез только смысл целого процесса.
Формализм хорошо отвечает на вопрос, выполнена ли отдельная задача. Намного хуже - на вопрос: имеет ли ещё смысл система целиком? Для этого нужен кто-то, кто смотрит поверх границ подразделений, контрактов и модулей.
Советская ракетно-космическая программа хорошо показывает уязвимость таких систем. В воспоминаниях её участников повторяется мысль: пока был Королёв, существовал человек, способный среди огромного числа специалистов и противоречивых требований сказать, куда идти. После его смерти машина в основном двигалась в последнем заданном им направлении.
Исполнителей можно нарастить. Носителя целостного понимания - почти нет.
Поэтому с ростом возможностей ИИ человеческое внимание должно смещаться не к ещё большему числу локальных задач, а к удержанию целого. И сам ИИ становится ценен не только как армия исполнителей, а как средство расширения зрения архитектора: искать противоречия между подсистемами, прослеживать дальние последствия решений, восстанавливать причины старых решений и показывать связи, которые человек уже не способен одновременно удерживать в голове.
Иначе наша способность производить инженерные решения будет расти на порядки, а способность понимать их совокупность - нет. «Сила, лишённая разума, рушится от своей громадности сама собой».
Каждый руководитель наверное, помнит моменты, когда подчинённые простаивают, ожидая простых и понятных задач, а эффективно помочь в осмыслении ситуации в целом - попросту некому. И приходится раздавать либо какие попало задания, либо второстепенные.
Поэтому главным дефицитным ресурсом больших технических систем будущего может оказаться не число инженеров и не вычислительная мощность.
Им окажется архитектор и пропускная способность его понимания. Именно на этих людей и эти способности должна быть ориентирована образовательная система будущего.
@ntstg
Коллега хорошо написал о когнитивном долге при работе с ИИ: система может развиваться быстрее, чем человек успевает понимать созданное.
Но проблема шире. Масштабировать исполнение значительно проще, чем архитектурное осмысление. Типизированную работу можно распараллелить между людьми, КБ, подрядчиками, вычислительными мощностями, а теперь и ИИ-агентами.
Сегодня один инженер работает с несколькими агентами. Завтра их вклад в одном проекте может измеряться сотнями и тысячами параллельных исполнителей.
Причём речь уже не только о коде. ИИ всё лучше работает с CAD, электроникой, проектированием плат, программированием, анализом и отладкой оборудования. Не за горами кибеомастерские где все это будет соединено со станками, роботами и испытательными стендами.
Но возникает фундаментальная асимметрия: тысячу локальных инженерных задач можно выполнять почти в тысячу раз параллельнее. Понимать систему как целое в тысячу раз параллельнее нельзя.
Фредерик Брукс считал концептуальную целостность одним из важнейших качеств сложной системы: реализовывать её могут тысячи, но общий замысел должен удерживаться одним архитектором.
Дробить работу необходимо. Дробить мышление о системе опасно.
В сложной технике главные проблемы часто находятся не внутри блоков, а между ними. Масса влияет на механику, механика на энергетику, энергетика на охлаждение, охлаждение на компоновку, ремонт, логистику и производство.
Каждый специалист или агент может быть локально прав, а система в целом уже нежизнеспособна.
Причём административно это может выглядеть прекрасно. Задачи закрываются. Отчёты сдаются. Этапы принимаются. Графики соблюдаются. KPI зелёные.
Есть старый анекдот: один рабочий копает лунки, другой тут же их закапывает. Третий, который должен был класть в ямки картошку, сегодня не вышел. Каждый выполняет свою операцию правильно. Исчез только смысл целого процесса.
Формализм хорошо отвечает на вопрос, выполнена ли отдельная задача. Намного хуже - на вопрос: имеет ли ещё смысл система целиком? Для этого нужен кто-то, кто смотрит поверх границ подразделений, контрактов и модулей.
Советская ракетно-космическая программа хорошо показывает уязвимость таких систем. В воспоминаниях её участников повторяется мысль: пока был Королёв, существовал человек, способный среди огромного числа специалистов и противоречивых требований сказать, куда идти. После его смерти машина в основном двигалась в последнем заданном им направлении.
Исполнителей можно нарастить. Носителя целостного понимания - почти нет.
Поэтому с ростом возможностей ИИ человеческое внимание должно смещаться не к ещё большему числу локальных задач, а к удержанию целого. И сам ИИ становится ценен не только как армия исполнителей, а как средство расширения зрения архитектора: искать противоречия между подсистемами, прослеживать дальние последствия решений, восстанавливать причины старых решений и показывать связи, которые человек уже не способен одновременно удерживать в голове.
Иначе наша способность производить инженерные решения будет расти на порядки, а способность понимать их совокупность - нет. «Сила, лишённая разума, рушится от своей громадности сама собой».
Каждый руководитель наверное, помнит моменты, когда подчинённые простаивают, ожидая простых и понятных задач, а эффективно помочь в осмыслении ситуации в целом - попросту некому. И приходится раздавать либо какие попало задания, либо второстепенные.
Поэтому главным дефицитным ресурсом больших технических систем будущего может оказаться не число инженеров и не вычислительная мощность.
Им окажется архитектор и пропускная способность его понимания. Именно на этих людей и эти способности должна быть ориентирована образовательная система будущего.
@ntstg
Telegram
Robossembler - Открытая робототехника
Потрудившись непрерывно на протяжении пары месяцев бок о бок с командой из 3-4 ИИ-агентов над проектом, который ещё год назад даже и не вздумал бы начинать, должен отметить, что разработка уже не будет прежней. Причём, это коснётся не только программной инженерии…
💯14✍3❤1👍1🤔1