Важнейший техно-бизнес-тренд 1го двадцатилетия века.
Возможно, ИИ и блокчейн смогут в следующем десятилетии больше изменить нашу жизнь. Но по итогам 1го двадцатилетия, именно уберизация – это №1 среди трансформационных техно-бизнес-трендов, в немалой мере влияющий также и на социально-культурные аспекты жизни.
И дело даже не во все расширяющейся отраслевой экспансии (уберизация экономики, логистики, грузоперевозок, юридических услуг, образования …), а в том, что это новый класс бизнеса, в основе которого идеальный двусторонний рынок, со своими законами, механизмами и процессами. Именно он – уберынок, возможно, станет со временем не только основой бизнеса в цифровой экономике, но и экосистемой социальных платформ коллективного социального взаимодействия в цифровом обществе.

Уберынок кажется совсем не сложным для понимания. Но это обманчивая простота. Честно говоря, никто еще до конца не понимает, как он работает и куда уберизация приведет даже в, казалось бы, вполне понятной индустрии транспорта.

Например, есть мнение, что уберынок убьет не только индустрии такси и проката машин, но и весь мульти-триллионный рынок личного транспорта. Причем, не только существующий авторынок, но и еще только нарождающийся рынок персональных беспилотных авто и даже рынок частного авиатранспорта.

Другой пример – мечта Питера Тиля о летающих автомобилях, которые, по его мнению, давно пора было превратить в основной транспорт человечества, тогда как люди, вместо этого, вкладывают деньги в развитие всяких малополезных затей, типа социальных сетей.
Не секрет, что компания Uber,
- получая сейчас основную прибыль от доставки еды (а вовсе не от сервиса такси, Карл)
- свой будущий убер-бизнес видит кардинально иным, - вкладывая миллиарды долларов в разработку летающих авто и являясь сегодня лидером этого направления.

Понять специфику и ключевые отличия убер-бизнеса:
- его моделей (коих уже немала, а будет еще больше),
- организации процессов (кои уникальны и создаются с нуля),
- особенностей конкуренции (которая в России и Китае – совсем иная, чем в США)
- бизнес-метрик (среди которых рулит отрицательный отток пользователей), -
вы теперь можете, прочтя толково и понятно написанный отчет Cbinsights о родоначальнике уберизации - компании Uber - How Uber Makes Money.
Этот отчет позволяет разобраться со всем вышеперечисленным всего за минут 15-20, тогда как чтение подобных материалов инвестбанков (даже если у вас есть к ним бесплатный доступ) займет на порядок больше времени, при соизмеримых результатах.

Если же пожелаете кайфануть, заглянув в недалекое будущее летающих авто, посмотрите:
- 4х мин. ролик об интегрированной земно-воздушной системе транспорта по требованию http://bit.ly/2ECDaLL
- программу планируемого к запуску до 2023 г. сервиса UberAir https://cnet.co/2Lm48HT
- результаты недавно прошедшего саммита о прилетающих по требованию флаингкарах https://ubr.to/2USbfMz
- ну и конечно же отчет How Uber Makes Money http://bit.ly/2SPjqr2

#Уберизация #ЛетающиеАвто

Как долго нас будут помнить после смерти.
Открыта формула коллективной памяти. Мы забывает всё в соответствии с универсальным законом.
В увлекательной коллекции притч «Итог: сорок рассказов из загробного мира» нейробиолога Дэвида Иглмана описывается мир, в котором человек окончательно умирает лишь тогда, когда его совсем забудут. После физической смерти человек покидает Землю и попадает в что-то типа огромного зала, покинуть который будет можно лишь после того, как имя человека будет произнесено на Земле в последний раз.
«Это похоже на бесконечную зону ожидания аэропорта», — пишет Иглман. «Но состав людей в зале — просто потрясающий».
Оно и понятно. Ведь большинство людей относительно быстро покидают «зону ожидания», как только туда прибывают их самые близкие (супруги и дети) — те немногие, кто вспоминал о них на Земле.
Но по-настоящему знаменитым приходится тусоваться в «зоне ожидания» веками. Некоторые, замучившись бесконечно пребывать в «зоне ожидания», молят богов о разрушении на Земле их последних памятников …
Рассказ Иглмана — метафора того, что психологи и социологи называют коллективной памятью. Это наиважнейший фактор формирования идентичности и мировоззрения, влияющий на все структуры и приоритеты общества.

Так вот. На прошлой неделе в журнале Nature Human Behavior была опубликована статья об удивительном открытии, связанном с коллективной памятью.
Характер ее распада (затирания) следует универсальному математическому закону, описываемому биэкспоненциальной моделью
Продолжить чтение моего нового поста (еще на 5 мин.) можно
- на Medium http://bit.ly/2SXhk8U
- на Яндекс Дзен http://bit.ly/2A95d1n

#CollectiveMemory

Как держать любое количество фактов в долговременной памяти – ВЕЧНО!
Универсальная методика запоминания навсегда.
С удовольствием рекомендую новый кейс для эффективного самообучения.

Каждый знает: повторенье – мать учения.

Один из миллиона знает, как правильно организовать эффективный процесс повторения, т.к. он освоил теорию и практику науки «интервальных повторений» (для информации: этому долго и серьезно учат, причем, большинство из учебных курсов – просто шарлатаны).

Один из 7 миллиардов, наконец, придумал новый метод изучения и освоения науки «интервальных повторений» с помощью его же собственной методики визуально-игровых «исследуемых объяснений» и игры в карты по 20 мин. в день.

Главная хитрость этой методики такова.
✔️ Для того чтобы запомнить... нужно почти забыть.
Это как при тренировке мышц: ты ничего не получишь с весом, который слишком лёгок..., как и с тем, что слишком тяжёл.
Кажется просто. На деле же – совсем не так.

Зовут придумавшего этот визуально-игровой метод - Ники Кейс (Nicky Case).
А вот и сам курс на русском https://ncase.me/remember/ru.html (кому надо, есть и другие языки).

И вы сильно ошибетесь, если хотя бы не попробуете поучить своих детей (да и самим поучиться) держать большое количество единиц информации в долговременной памяти – ВЕЧНО!

Наводку на другие кейсы Ники Кейса для эффективного самообучения см. в постах моего канала по тэгу
#ExplorableExplanations

Расшифровка «Стонов Каскадии» может спасти десятки тысяч жизней. Предотвратить надвигающееся самое страшное землетрясение в истории США наука не может. Но сделан прорыв в его предсказании.
Исследователи лаборатории Лос-Аламос использовали машинное обучение для прогнозирования землетрясений в районе разлома Каскадия (длинной в 700 миль от северной Калифорнии до южной части Британской Колумбии – примерно до Сиэтла).
В этой истории поражают 2 вещи.

1) Безграничные пределы человеческой близорукости.
Обнаруженная связь между громкостью акустического сигнала разлома - т.н. «Стоны Каскадии» - и его физическими изменениями, никому раньше просто не приходила в голову. «Стоны Каскадии» считались бессмысленным шумом, из которого ничего не следует.
Но стоило преодолеть эту близорукость и запустить машинное обучение на поиск шаблонов, как тут же нашли звуковой шаблон, указывающий на повышение активности в движении тектонических плит.
Как тут не вспомнить «Глас Господа» Станислава Лема.

2) Безграничный оптимизм людей, знающих о надвигающейся катастрофе, но продолжающих любить, рожать детей, строить дома ...
Гигантская плита под Тихим океаном неуклонно скользит под Северную Америку со скоростью тридцать-сорок миллиметров в год. В результате в разломе Каскадия нарастает давление, и все обречено закончиться сильным землетрясением.
Два варианта:
- оно будет либо сильным (8-8,6 баллов),
- либо очень сильным (8,7-9,2 балла).
Вероятность 1го в ближайшие пятьдесят лет примерно 33%.
Вероятность 2го - примерно 10%.
Но в любом случае, это будет величайшая природная катастрофа в истории Северной Америки.
Континентальный шельф Каскадии, опустится на 2 метра и отскочит от 10 до 30 метров в западную сторону. В минуту произойдет выброс энергии, накопленной в результате столетнего сжатия. Вода поднимется вверх как гора, а затем быстро обрушится. Одна сторона гигантской волны пойдет на запад, в сторону Японии. Другая сторона - на восток. Тысяча километровая стена воды, сметая все на пути, достигнет Северо-Западного побережья где-то через пятнадцать минут после начала землетрясения.
Погибнут десятки тысяч человек. Миллионы останутся без крова. Вся инфраструктура будет разрушена…

Но никто не уезжает. Люди продолжают жить, как ни в чем не бывало. Авось на наш век хватит.
Но ведь шансы в 30%, что это может случится в ближайшие 50 лет, вовсе не отодвигают катастрофу на 50 лет. Это означает, что с такой вероятностью катастрофа может случиться, например, завтра или через месяц, или через год.

Подробней о расшифровке «Стонов Каскадии» (там же две ссылки на научные статьи) https://phys.org/news/2018-12-machine-learning-detected-earthquake.html
Подробней о грядущей катастрофе в зоне Каскадия https://www.newyorker.com/magazine/2015/07/20/the-really-big-one

#МашинноеОбучение

​​Лучшие нонфикшн книги мира 2018 года
Если что и брать с собой почитать в длинные НГ каникулы, так что-то из этих книг (благо есть номинации на любой вкус).
Рекомендации канала «Малоизвестное интересное», с полным осознанием ответственности, делегированы самой, имхо, интеллектуальной и беспристрастной мировой премии нонфикшн книг Non-Obvious Book Awards.
Победителями этой премии в 2018 стали:

1. Самая интересная деловая книга года - «Формула» Альберта-Ласло Барабаши.
Что если настоящий секрет знаменитости Эйнштейна был в том, что он оказался в нужном месте в нужное время? Почему только лидеры получают все лавры за коллективные достижения? Почему известные художники остаются известными, независимо от того, насколько хороши их работы? Первая в мире книга, посвященная науке об успехе.
подробней
2. Самая актуальная книга года - «Бесполезные работы» Дэвида Гребера.
Вследствие ИИ автоматизации, у всё большего количества людей работа становится бессмысленной. Есть ли какая-то польза от однообразной рутины? Диагноз и эпидемиология вопроса.
подробней
3. Самая полезная книга года - «Фактологичность» Ганса Рослинга.
Десять причин, по которым мы ошибаемся насчет мира и почему все лучше, чем кажется» - о стереотипах мировоззрения, не имеющих ничего общего с реальность, и причинах, искажающих восприятие.
подробней
4. Самая оригинальная книга года - «Победители забирают всё» Ананд Гиридхарадас
О том, что «всё могут богачи» и что истинная власть в развитых странах находится в руках финансовых титанов, которых править согражданами никто не выбирал.
подробней
5. Самая разшариваемая книга года - «Бунтарский талант» Франчески Джино.
Нарушение правил игры сотрудниками помогает усилить позиции компании на рынке. Перед тем, как увольнять, изучите другие варианты. Почему принимать на работу сотрудников-бунтарей – один из эффективных способов для развития бизнеса.
подробней

Но это еще не всё!
Это – шорт лист из 15 книг

А здесь все списки:
- 5 лучших книг,
- 15 книг шорт-листа,
- 35 книг лонг-листа, включая отличнейшие книги, которые я уже рекомендовал:
от «21 урок для XXI века» Харари
до «Сверхдержавы ИИ: Китай, Силиконовая долина и новый мировой порядок» Кай-Фу Ли

И поверьте, лучшей подборки из 35 книг для чтения в течение всего 2019, - не найдете! 👍

#БББ

Итоги: Самые важные прорывы ИИ & МО в 2018 и самые многообещающие тренды 2019
Это технический обзор с точки зрения практиков. И потому его написал специалист именно такого профиля – Пранав Дар из Analytics Vidhya (кто не слышал, рекомендую).
Почему в итогах 2018 говорится именно о ИИ & МО (машинное обучение), - долго объяснять не надо.
С т.з. инвестиций (на входе) и практики конкретных приложений (на выходе), сектор ИИ & МО составляет 90% всех передовых ИТ разработок.

Если сократить текст обзора итогов года до 1 слова, то получится –
- Impactful (во всем спектре переводов: от имеющий ударную силу до яркий, впечатляющий, плодотворный и показательный).

Обзор итогов проведен по 5 ключевым направлениям:
1) Обработка естественного языка
Главный итог: повсеместный переход на предварительно обученные модели (больше не надейтесь получить приличный перевод, предварительно не поучив переводчик на нужных вам текстах… Зато если поучите – получите вполне приличные переводы)
2) Компьютерное зрение
Главный итог: самостоятельное обучение (не тратя время на маркировку изображений вручную) выходит в мейнстрим.
3) Инструменты и библиотеки
Главный итог: начало преодоления разрыва между моделированием черного ящика и производством моделей с помощью machine learning interpretability (MLI)
4) Обучение с подкреплением
Главный итог: наконец-то, от академических задач (типа шахмат и Го) начинается переход к практическим задачам (поиск лекарств, оптимизация архитектуры электронных чипов, маршрутизация транспортных средств и пакетов и т. д.)
5) ИИ для добра - движение к этическому ИИ
Главный итог: государства всё больше влезают в эту сферу, и 2019 станет в данном тренде показательным, если не переломным.


Кто хотел бы рассмотреть итоги в режиме расширенного резюме (примерно на 5-10 мин. чтения) – вам сюда
https://www.analyticsvidhya.com/blog/2018/12/key-breakthroughs-ai-ml-2018-trends-2019/

#ИИ #МашинноеОбучение

Найдена формула вычисления человеческого капитала. Из неё следует, что стартапам нужны лисы, а не ежи!
Анализ больших данных о сложных сетевых системах приносит фантастические прорывные результаты во всё новых и новых областях.
Например, нынче почти все убеждены, что генетический код – лучший предиктор показателей здоровья. А на деле, наблюдаемый при тотальной урбанизации рост плотности, разнообразия, эпидемической связанности и неравенства населения привел к тому, что сегодня почтовые индексы людей являются лучшим показателем здоровья, чем их генетический код (см. рис. http://bit.ly/2BEgAOP).
Еще пример совсем из другой области – как проводить оптимальные географические границы регионов. Оказывается, лучшим предиктором оптимального расположения границ является функциональная сеть транспортных потоков по пригородным маршрутам. (см. рис. http://bit.ly/2Tbm7DQ) .

А что, если проанализировать на национальном уровне большие данные о развитии всех предприятий за 10+ лет в увязке с показателями человеческого капитала персонала каждой из компаний.
Это и было сделано в капитальном бразильском исследовании, сенсационные данные которого только что опубликованы.

Об этом мой новый пост на 5 мин.
- на Medium http://bit.ly/2Rbqi59
- на Яндекс Дзен http://bit.ly/2BCTh84
#ЧеловеческийКапитал

Если обобщить десятки уже опубликованных итогов года и прогнозов на следующий по широкому спектру тем (от технологий и экономики до социальной и политической жизни), интегральный прогноз получается такой.

• Волатильность и неопределенность растут во всех странах, отраслях и рынках, равно как и в большинстве аспектов жизни человечества.
• В следующем году этот процесс продолжится с ускорением.

Почему это происходит?
Разные эксперты из разных областей дают широкий спектр различных ответов на этот вопрос.

Мне среди них ближе всего версия Нассима Талеба.
Причина в росте эпистемической неопределенности и эмерджентности вследствие техно-социального усложнения мира.

Попробую развернуть эту мысль Талеба, воспользовавшись его же аргументацией, как я её понимаю.

Продолжить чтение на 7 мин:
- на Medium http://bit.ly/2EQRsb1
- на Яндекс Дзен http://bit.ly/2RgsmIT
#ЧерныйЛебедь #Неопределенность #Эмерджентность #Прогнозирование

​​Предновогодний сюрприз - Microsoft раскрывает секрет самого умного ИИ мира.
Секрет в том, что реальный ИИ - это гибридный ИИ.
Система Microsoft XiaoIce – это самый популярный в мире социальный чат. Его уникальность в том, что он выполняет роль интеллектуального собеседника с эмоциональной связью, тем самым удовлетворяя потребность людей в общении, привязанности и социальной принадлежности.
Стандартный тест Тьюринга, как вы помните, в том, чтобы было трудно (или даже невозможно) отличить при общении с кем говоришь: с человеком или машиной.
Microsoft пошел дальше на основе расширенного теста Тьюринга – чтобы с машиной людям хотелось говорить больше, чем с другими людьми.

При проектировании XiaoIce принимался во внимание как интеллектуальный коэффициент (IQ), так и эмоциональный коэффициент (EQ), а также формируемые черты характера. Т.е. формула XiaoIce = IQ + EQ + Personality.
В результате социальный чат человек-машина:
1) превратился в систему иерархического принятия решений, математически описываемых марковским процессам - Markov Decision Processes;
2) оптимизирует долгосрочное вовлечение людей в общение (измеряемое в ожидаемом количестве обращений за сеанс – CPS – сколько раз человек захочет продолжить разговор с машиной после её ответа).

Одна из главных фишек XiaoIce - модуль эмпатических вычислений.
Microsoft впервые раскрыл секрет, как XiaoIce динамически распознает человеческие чувства и состояния, понимает намерения человека и реагирует на динамику его потребностей в ходе долгих разговоров.
С момента выпуска в 2014 году система XiaoIce общалась уже с более чем 660 миллионами людей и преуспела в установлении долгосрочных отношений со многими из них. Средний CPS XiaoIce, равен 23, что значительно выше, чем у других чат-ботов и даже человеческих разговоров.
Проверьте это на себе - сколько раз вы в среднем возвращаетесь к разговору с френдом в социальной сети (комментируете сказанное им или снова высказываетесь сами)?
Боюсь, что среднего показателя в 23 раза добьются единицы из нас!
Что значит XiaoIce уже превзошел среднего человека в искусстве общения. Общаться с ним людям более интересно, чем с другими людьми.
Это реальная сенсация. Поскольку практически означает, что в ближайшие год-два ИИ превзойдет ВСЕХ людей по привлекательности общения (включая супругов и любовников, а также родителей и детей)
А это для миллиардов пользователей сети будет куда круче и практически нужнее, чем абсолютное превосходство в шахматах и Го.

Как устроен этот гибридный ИИ, вы можете теперь узнать из только что опубликованной статьи Microsoft. А как выглядит его высокоуровневая архитектура, показано на рисунке.
Хороший новогодний подарок для тех, кто понимает 😃 👍

#ГибридныйИИ

С наступающим 2019! Пусть он будет для читателей канала Годом Умной Свиньи!
Ведь свинья умна, эмоциональна, обладает индивидуальностью и по многим когнитивным параметрам находится на уровне собак, шимпанзе, слонов, дельфинов и даже людей. Свиньи обладают превосходной памятью, проявляют эмпатию, способны к творчеству, понимают язык символов и умеют распознавать сложные комбинации действий. Подробней http://bit.ly/2LCeSC7

Не планировал я вас отвлекать в суете новогодних каникул, но не получилось. Поскольку без этого вы, скорее всего, пропустите, не просто очередное «малоизвестное интересное», а весьма важное и, по отзывам, «самое блистательное и впечатляющее, радикальное и революционное, туманное и поэтичное» эссе Джоржа Дайсона «Конец детства», написанное и опубликованное им в 1й день 2019.
Об этом мой новый пост:
- на Medium http://bit.ly/2SzVJDB
- на Яндекс Дзен http://bit.ly/2F9sgws
#ЦифроваяРеволюция #Компьютинг

Всем (и особенно тем, кому мой вчерашний пост и эссе Дайсона не понравились и показались надуманными, а "аналоговая метафора" вызвала недоумение, а то и раздражение) весьма рекомендую взглянуть на это обсуждение данной темы
https://news.ycombinator.com/item?id=18810181

Вот перевод лишь шести толковых цитат из этого обсуждения (но там есть и другие)
1) "Я думаю, что в этой статье есть невероятно важный момент, который пропускают большинство людей, потому что эссе ужасно написано.
Часть проблемы в том, что аналоговый против цифрового не правильный термин. Вакуумные трубки совершенно не имеют отношения к тому, что автор пытается сказать, и это сбивают с толку читателя."
2) "«Аналоговая» метафора здесь заключается в том, что пользователь не является потребителем тщательно спроектированной системы, но он является одним «электроном» в цепи, которая несет в себе много пользователей, и общее поведение системы зависит от того, что они и миллионы других пользователей делают, как они взаимодействуют друг с другом."
3) "Интересная идея, которую я прочитал здесь, состоит в том, что системы, которые изначально предназначались для измерения реального мира, такие как карта трафика или социальная сеть, стали настолько влиятельными, что оказали значительное влияние на то, что они измеряют"
4) "Возможный взгляд на это - инверсия контроля между возникающим поведением и запрограммированным поведением. Когда число взаимодействий между дискретными единицами запрограммированного поведения превышает определенный порог, запрограммированная логика реагирует на возникающие взаимодействия, а не диктует их. Система в целом начинает подчиняться собственной логике, а не запрограммированной в нее."
5) "То, как модели незаметно подменили собой реальности, - очень и очень верно. Это совершенно очевидно, когда вы ищите знания, которых нет в общепринятых стандартных местах в Интернете, или действительно пытаетесь использовать Google в качестве поисковой системы, а не просто удобной замены закладок"
6) "Это похоже на рекурсивную версию закона Гудхарта - Goodheart's Law"

По просьбам читателей, что хотели бы лучше понять эссе Дайсона, но затрудняются пробиться сквозь смыслы не самого простого английского –
✔️ профессионально выполненный коллегой EVAN_GCRM синтез:
- чуть сокращенного и хорошо структурированного перевода эссе Дайсона (что делает его куда лучше читаемым, чем оригинал);
- моего поста об эссе с дополнением;
- хороших иллюстраций в тему (кому-то вполне достаточно будет посмотреть только их 😃)
https://evan-gcrm.livejournal.com/1392888.html
#ЦифроваяРеволюция #Компьютинг

Ровно два года назад в 1ом посте серии «Большой войны не миновать» я рассказал, как в ходе Нобелевского симпозиума Нассим Талеб опроверг теорию Стивена Пинкера о будто бы уже начавшейся эпохе «долгого мира» с неуклонным падением уровня насилия, снижением кровопролитности и числа войн. Нассим Талеб математически обосновал совершенно противоположный и страшный вывод.

Большой войны с десятками миллионов жертв человечеству не миновать.

Год назад я опубликовал 2й пост этой серии, названный «Большая война ближе, чем мы думаем». В нем было рассказано о результатах исследования Аарона Клаузета, подтвердившего правоту Талеба и доказавшего следующее.

Мы живем в циклической реальности, в которой на смену всё более «долгого мира» идут всё более кровопролитные войны.

И вот только что опубликовано исследование Уго Барди с коллегами, доводящее счет в легендарном споре Талеба и Пинкера о судьбе человечества до разгромных 3:0. Результаты интеллектуального анализа данных самой большой в мире базы о жертвах войн за 600 лет еще раз (и похоже, окончательно) развенчали идеи «долгого мира» и «снижения уровня насилия», отстаиваемые Стивеном Пинкером, и поддерживаемые многими другими известными интеллектуалами.

Вердикт нового исследования ужасен.

В недалеком будущем мир ждет война ещё более кровопролитная, чем 2я Мировая.
Но это не всё.

Еще более поражает интегральный результат трех работ — Талеба, Клаузета и Барди,— переводящий наши представления о войне из области качественных гуманитарных оценок и категорий в естественнонаучную область математически формулируемых гипотез и их экспериментальной проверки на моделях, позволяющих количественную оценку их точности.

Война — это встроенный в структуру общества механизм эффективного снижения энтропии человеческих обществ — сложных систем, живущих на кромке хаоса в состоянии самоорганизованной критичности.

Что это? Почему так? Причем здесь энтропия? И что из всего этого следует, — обо всем этом желающие могут прочесть в 3ей, завершающей статье серии «Большой войны не миновать».
На Medium http://bit.ly/2TyLaAH или https://goo.gl/S9nT3A
На Яндекс Дзен http://bit.ly/2RyfdLH или https://goo.gl/jb4Qv7

#БольшаяВойна #SOC #Энтропия

Подзарядитесь оптимизмом и желанием действовать в 2019.
100 хороших новостей, о которых мало кто слышал в 2018 году. А зря!
Ценность позитивных новостей не только в уменьшении тревоги и депрессии, нагнетаемых большинством публикаций СМИ, но и в сокращении фатализма, цинизма и радикализма, всё более охватывающих мир.
Вот 3 новости из 100, взятые просто навскидку:
• Индия объявила, что к 2022 году страна ликвидирует все одноразовые пластиковые изделия (FYI: уже три года, как Индия сделала обязательным использование пластиковых отходов в дорожном строительстве, и сейчас в стране насчитывается уже 100 000+ км. пластиковых дорог).
• Благодаря изменяющимся вкусам людей, родившихся после 1980 года, уже 70% населения мира сокращают потребление или вообще отказываются от мяса (а мы говорим, что у нас плохая молодежь!)
• Ирландия стала первой в мире страной, отказавшейся от ископаемого топлива (ведь можно же!)

Понизьте уровень своей тревоги (ведь как ни хорохорься, а она есть). Да и лишний цинизм вам незачем.
Просто полистайте оставшиеся 97 новостей, чтобы почувствовать:
- мир не развалился в 2018;
- а в 2019 нужно почаще читать новости из правильных источников.
https://goo.gl/rusmh3
А здесь сокращенно, но зато по-русски https://newsvo.ru/blogovo/118034

P.S. А еще не пожалейте 20 мин. на классную видео-презентацию – послание миру от авторов «100 хороших новостей» команды FUTURE CRUNCH, - о которой не самые глупые люди отзываются так:

«Лучшая презентация о состоянии мира, которую я видел за последние годы»

«Удивительная способность взглянуть на глобальные вызовы в перспективе и создать ощущение обоснованной надежды»

«Их послание о науке, необходимости критического мышления и оптимизма, которого мы должны придерживаться, уникально»

https://www.youtube.com/watch?v=VMQLbcwOj2w

#ХорошиеНовости

Человек создан по образу и подобию Божьему… А Искусственный Интеллект?
Новый прорывной метод сделать ИИ подобным людям.
Возможность рассуждать и выбирать – это не только то, что делает человека подобным Богу, но и то, что кардинально отличает человека от ИИ.
Ведь как работает современный ИИ на основе глубокого обучения?
Умеющему учиться (например, переводу) на основе обрабатываемых им данных алгоритму (он же – ИИ), дают на вход миллионы примеров, скажем, использования слова bank и для каждого из них фиксируют, что это слово означает в конкретном контексте («банк», «берег» и т.д.) Обучающийся алгоритм просто обрабатывает огромное количество данных. Никто не указывает, какие правила он должен использовать. Алгоритм должен сам найти контекстные ассоциации, позволяющие предсказывать конкретное значение слова для каждого из переводимых текстов. И чем больше данных загружается, тем точнее его предсказания, а значит и перевод.
Такой подход профессор MIT и Чикагского универа Муллайнатан называет «индуктивным научным методом» (от слова «индукция»). Взамен проверки конкретной гипотезы о значимости определенного фактора проверяются все возможные факторы.
Однако, такой метод эффективен далеко не всегда.
Когда самообучающийся алгоритм сам определяет все факторы, наибольшим образом влияющие на интересующий нас результат, – он может быть эффективным лишь, если получаемые результаты трактуются НЕ как причинно-следственные связи между исследуемыми факторами, а как некоторую из интерпретаций причинно-следственных связей.
При невыполнении этого условия легко впасть в заблуждение, а то и хуже, – в мистику и шаманство.

И тут мы сталкиваемся с одной из самых фундаментальных проблем в науке – нахождение и расшифровка причинно-следственных связей в больших массивах данных.

Современные подходы к выявлению причинно-следственных связей при машинном обучении основаны на тестах линейной и нелинейной регрессии и корреляции.
Эти подходы, мягко говоря, плохо справляются с иерархически структурированными данными и индуктивным выводом.
Из этого следуют 2 страшно неприятных результата, не позволяющих ИИ хоть как-то приблизиться к подобию людей. Современный ИИ не способен, подобно людям:
А) рассуждать (выносить суждения на основе выявленных путем индуктивного метода причинно-следственных связей).
Б) решать новые проблемы на основе опыта решения иного рода проблем (иными словами, ИИ должен запускаться с нуля каждый раз для каждой новой проблемы).

Новый прорывной метод, если не устранения, то эффективного обхода названных выше двух принципиальных ограничений современного ИИ предложен в работе с несильно понятным для непрофессионала названием «Казуальная деконволюция алгоритмических генеративных моделей». Замена «казуальной деконволюции» на «причинную обратную свертку» мало кому поможет понять, о чем речь.

Посему попытаюсь сказать, если не проще, то хоть конкретней.
Авторы придумали объединить:
- технику анализа возмущений, предложенную Джуда Пёрлом в его структурной модели причинности,
- и аппарат алгоритмической вероятности, предложенный в рамках Алгоритмической теории информации Колмогоровым и Соломоновым.

Свою идею авторы опробовали на сверточных нейронных сетях - одном из наиболее многообещающих подходов к классификации изображений в машинном обучении, в котором набор примитивных признаков извлекается из распределения изображений.
В результате им удалось построить алгоритмическую объяснительную генеративную модель, основанную на более глубоком понимании причинного механизма, чем это возможно посредством нелинейной регрессии.
Статья в Nature https://goo.gl/WLKovW
#ИИ

В основе мира простые паттерны.
Два новых открытия позволяют увидеть мир иначе, чем представлялось.
✔️ Мы привыкли думать, что в основе затейливой сложности мира какие-то замысловатые процессы и мудреные законы.
✔️ Всё новые открытия свидетельствуют об обратном: мир устроен на основе чрезвычайно простых паттернов, организованных по совсем простым принципам.
Выявить эти закономерности можно из практически любых массивов данных, анализировать которые раньше просто не приходило в голову.
Каким образом это теперь приходит в головы исследователей, остается загадкой, про которую можно лишь сказать эпиграфом из Гоголя к повести Стругацких «Понедельник начинается в субботу».
«Но что страннее, что непонятнее всего, это то, как авторы могут брать подобные сюжеты, признаюсь, это уж совсем непостижимо, это точно... нет, нет, совсем не понимаю. Н.В. Гоголь»

Вот эти 2 открытия.
1) Биологические закономерности, определяющие формирование рисунка перьев у цыплят, развитие волос млекопитающих, структуру зубообразных выступов на коже акул и др., - описываются простыми паттернами математической модели, придуманной Аланом Тьюрингом, придумавшим «мать всех компьютеров» - машину Тьюринга и приблизившего окончание Второй мировой войны, взломав немецкий секретный код Enigma (см. прекрасный фильм «Игра в имитацию»).
Модель Тьюринга, называемая модель реакции-диффузии, очень проста. Для неё требуются только два взаимодействующих вещества, активатор и ингибитор, которые диффундируют через ткань, подобно чернилам, уроненным в воду. Активатор инициирует некоторый процесс, такой как формирование пятна, и способствует воспроизводству самого себя. Ингибитор останавливает этот процесс. Важно отметить, что ингибитор распространяется через ткани быстрее, чем активатор. Это более быстрое распространение ингибитора предотвращает переполнение очагов активации. В зависимости от того, когда и где высвобождаются активатор и ингибитор, области активации будут располагаться в виде равномерно расположенных точек, полос или других рисунков. В результате получаются регулярные паттерны роста перьев, чешую или даже зубов.
Подробней:
• популярно http://nautil.us/issue/68/context/how-alan-turing-deciphered-shark-skin
• научная статья http://d3a5ak6v9sb99l.cloudfront.net/content/4/11/eaau5484/tab-pdf
• также рекомендую 4х минутный ролик про Реакцию диффузии — завораживающее зрелище под гипнотизирующую музыку https://www.youtube.com/watch?v=PtPK_xx5Hks

2) Пунктуация любого литературного текста описывается простыми паттернами, по которым, как по отпечаткам пальцев, можно определить автора текста и его жанр.
- То, что по результатам анализа текста можно определить его автора, сегодня мало кого удивишь.
- То, что можно выкинуть все слова, оставив лишь знаки препинания, и по их последовательности и частоте можно также определить автора, звучит бредово, но это факт.
Вот на картинке показаны хитмапы анализа пунктуации трех разных авторов, по которым их можно вычислить, не прочтя ни одного слова в их текстах – только по пунктуации. https://pbs.twimg.com/media/DwE5dN8WkAYzTMl.jpg

Подробней:
• популярная статья еще только пишется
• научная статья https://osf.io/preprints/socarxiv/2rzsg

#Паттернинг #ЭволюционнаяБиология #ВычислительнаяЛингвистика

Скандал лучше незамеченного зла.
Страшная сила великой безответственности.
Прочтя за праздники больше сотни разнообразных материалов с анализом итогов 2018 и прогнозами на 2019 в области ИИ, я попытался как-то отжать из них общий сухой остаток для своих читателей.
Заголовок поста – это то, что получилось.
• 1е предложение – взгляд оптимистов
• 2е – пессимистов.
Для иллюстрации взглядов оптимистов я использую итоговый отчет по ИИ за 2018 издания The Verge.
В роли пессимистов, как и положено по названию, - у меня выступит редакция The Guardian со своим прогнозом ИИ «Мир в 2019».

The Verge
https://goo.gl/p1dRtB
2018 ознаменовался парадом негативных заголовков о скандальных результатах и перспективах ИИ проектов.
- первые смертельные жертвы самоуправляемых авто;
- фирма Кембридж Аналитикс оскандалилась в попытках влияния на общественное мнение;
- компанию Facebook обвинили, что она способствовала геноциду в Мьянме;
- а компанию Google - в том, что помогала Пентагону обучать военные беспилотники;
- все технологические ассоциации, не сговариваясь, бьют в набат об огромном риске непроработанности этических вопросов ИИ.
Эти и многие другие примеры сподвигли исследовательскую группу AI Now охарактеризовать 2018, как год «каскадных скандалов» в области ИИ. И это точное, хотя и удручающее, определение.

В то же время, The Verge считает, что лучше уж публичные скандалы, чем заметание сора под ковёр. И если открыто клеймить все скандалы и обличать жадность и дурь тех, кто пытается использовать ИИ для своих низких целей или просто из-за суетливого желания застолбить за собой поляну с помощью недостаточно проработанных решений с непродуманными последствиями, - есть шанс, что всё понемногу образуется.
А другими словами, - ИИ может и сгубит мир, но не сразу, а мы еще успеем как следует помучиться. Вот такой оптимизм получился.

Теперь про анализ The Guardian.
https://goo.gl/j9J2tt
1) 2018 показал, что уровень ИИ технологий и человеческой глупости растут неимоверно быстро. И в 2019 нужно более всего опасаться слияния этих двух трендов.
2) Правительства, похоже, для себя вопрос с ИИ решили. Прагматический Китай не стесняясь заявил, что будет максимально использовать ИИ для «прогнозирования траекторий развития интернет-инцидентов ... превентивного вмешательства и управления общественным мнением для предотвращения массовых вспышек общественного мнения в Интернете и улучшения возможностей социального управления». Скромные правительства Запада вслух такого пока не говорят, но с интересом смотрят, что у Китая получится, чтобы сделать работу над ошибками.
3) В 2018 произошел концептуальный прорыв Google DeepMind в создании AlphaZero - самообучаемого класса программ, способных без участия человека в течение всего нескольких дней достигать сверхчеловеческого уровня в любой игре с «идеальной информацией», где все факты игры известны всем игрокам. Этот прорыв ставит крест на попытках сменить курс разработки ИИ систем в сторону понимаемого человеком способа решения задач ИИ программами. AlphaZero подход делает окончательно невозможным реконструировать процесс, по которому программы приходят к своим выводам, как решать задачу.
Вот превосходный рассказ всей истории AlphaZero https://goo.gl/5B56cT
4) Второе великое событие прошлого года немерено повышает риски от использования ИИ. В 2018 рост мощности HW и SW, сопровождаемый повсеместным триумфом облачных технологий, привел к полной демократизации ИИ технологии (они теперь доступны практически всем), но на самом деле это полная анархизация использования ИИ. Теперь все, от авторитарных правителей до криминала, получают в руки мощнейшие инструменты, и то, как они их применят, зависит лишь от уровня креативности их консультантов.
Вот свежий превосходный пример демократизации ИИ https://goo.gl/Ldyn7J

#ИИ #ИтогиПрогнозы

Метод опережающей интерактивной визуализации позволяет лучше понимать и запоминать числа. Используйте его сами и учите по нему детей, а еще примите участие в эксперименте.
Про это метод, полагаю, никто из вас даже не слышал. А ведь штука весьма полезная.
Суть идеи проста и очевидна – чтобы людям лучше понимать и запоминать ценную информацию, нужно у них предварительно задействовать элемент личной заинтересованности.
Для этого и придуман метод опережающей интерактивной визуализации:
1) сначала спросить, заинтриговав «загадкой»;
2) потом визуализировать «загадку» в максимально простой и понятной форме (в идеале, инфографикой);
3) потом мотивировать человека думать, что и даст нужный результат: улучшение понимания и запоминания до 300%.

✔️ Чтобы все это прочувствовать на практике, поучаствуйте в эксперименте. Он очень интересен, информативен, полезен и, точно, вас удивит.
• Пройдите по ссылке https://ncase.me/experiment-stats/.
• Вам покажут 10 статистических данных о мире, а затем попросят пройти быстрый анонимный опрос.
• В конце января будут представлены результаты, о которых вы узнаете в блоге автора эксперимента – великолепного Ники Кейса https://blog.ncase.me/ .

➡️ Не читающим по-английски – ниже перевод вопросов (так вы легко пройдете эксперимент)
Вопрос 1: Какой % населения мира живет при демократии?
Вопрос 2: какой % населения мира имеет хотя бы одно психическое расстройство или расстройство, связанное со злоупотреблением психоактивными веществами?
Вопрос 3: как изменился со временем уровень смертности от самоубийств в мире?
Вопрос 4: как рождаемость в мире (среднее число детей на маму) изменились с течением времени?
Вопрос 5: Каков % смертности в мире от сердечно-сосудистых заболеваний?
Вопрос 6: какой % смертей во всем мире приходится на хомицид – т.е. убийства + война + терроризм вместе взятые?
Вопрос 7: как изменилось со временем количество ядерных боеголовок в мире?
Вопрос 8: как изменилось со временем мировое соотношение людей, живущих в условиях крайней нищеты?
Вопрос 9: как изменилось загрязнение воздуха с течением времени?
Вопрос 10: насколько изменились глобальные годовые выбросы CO2 с течением времени?

ℹ️ Этот эксперимент был вдохновлен проектом New York Times «You Draw It» на тему «Как скачок передозировки наркотиков соотносится с другими причинами смертности в США?»
Весьма рекомендую посмотреть и его – познавательная и интересная иллюстрация метода опережающей интерактивной визуализации
https://www.nytimes.com/interactive/2017/04/14/upshot/drug-overdose-epidemic-you-draw-it.html

Про память я пишу посты регулярно – см. тэг
#Память

1е открытие 2019 – возможности ИИ оказались небеспредельными.
Подобно человеческому разуму, ИИ ограничен парадоксами теории множеств.
До сих пор считалось, что самой фундаментальной проблемой развитии технологий ИИ является необъяснимость принимаемых им решений. В январе 2019 к этой проблеме добавилась еще одна, не менее фундаментальная проблема — принципиальная непредсказуемость, какие задачи ИИ может решить, а какие нет.
На пути триумфального развития технологий машинного обучения, как казалось, способных при наличии большого объема данных превзойти людей в чем угодно — в играх, распознавании, предсказаниях и т.д. — встала первая из 23 проблем, поставленных в докладе Давида Гильберта на международном математическом конгрессе в Париже еще в 1900-м году.
Первой в списке этих 23 проблем, решение которых до сих пор считается высшим достижением для математика, была так называемая гипотеза континуума (континуум-гипотеза или 1я проблема Гильберта), которую выдвинул и пытался решить (но потерпел неудачу) еще сам создатель теории множеств Георг Кантор.
И вот сейчас, на исходе второго десятилетия XXI века гипотеза континуума, будучи примененная к задачам машинного обучения, стала холодным отрезвляющим душем для всех технооптимистов ИИ.
• Машинное обучение оказалось не всесильно
• И что еще хуже, — в широком спектре сценариев обучаемость ИИ не может быть ни доказана, ни опровергнута.
Продолжить чтение можно
- на Medium https://clck.ru/F3wny
- на Яндекс Дзен https://goo.gl/mFqasZ
#ИИ #МашинноеОбучение

По наводке от читателя, с интересом познакомился с превосходной медиапродукцией современного последователя Джеффа Питерса и Энди Таккера по имени Кли Ирвин.
Если Джефф и Энди 100 лет назад зарабатывали на жизнь с помощью довольно простого, но весьма творческого мошенничества (эксплуатируя человеческие жадность, глупость, страх и тщеславие), то Кли сегодня собирает на порядки больше, доведя мошенничество до такого уровня, что его предшественникам даже и не снился.

Вот классный ролик «Теория Симуляции - Взлом Реальности», сделанный на уровне Спилберга, если бы тот вдруг решил работать на National Geographic или на BBC Science.
Превосходно всё – от сценария до анимации, от монтажа до звука и т.д. (насладитесь - https://clck.ru/F4D6o))
Но больше всего поражает уровень популярной завлекательности в подаче и донесении «майн кампфа» Кли Ирвина – «Emergence Theory».
Это «теория точечного пространства-времени и реальности, как квазикристаллического точечного пространства, спроецированного из кристалла E8». Цель теории – создание единой и непротиворечивой концептуальной модели мира, объединяющей теорию относительности и квантовую механику с феноменами информации и сознания.

К чему я веду? А к тому, чтобы проиллюстрировать, до какого запредельного уровня привлекательности и убедительности для людей, не обладающих всей полнотой информации по какой-либо теме, может доходить фейковая медиареальность в руках талантливых и экстра-креативных мошенников.

Но это еще не самое страшное, а вот что.
Новое исследование «People use less information than they think to make up their minds» https://clck.ru/F4EKp подводит нас к довольно поразительному и неожиданному выводу.
1) Доступ ко всей полноте информации, способный, казалось бы, кардинально влиять на человека в наш информационный век, мало кого спасает.
2) Для подавляющего большинства доступ к обильной информации НЕ способствует формированию у них более информированных мнений и суждений.
3) В итоге, чем к большему объему информации люди имеют потенциальный доступ, тем менее объективно информированным становится большинство.

Результат очевиден:
Информационное общество XXI века обречено на расцвет фейковых новостей и псевдонаучных заманиловок, типа «Emergence Theory», проекта «Чистая вода» и много-много чего еще 🥺

#Псевдонаука #ФейковыеНовости #Психология