Переворот в представлениях об интеллекте людей и машин.
Это лишь 1й шаг, но за ним идут супер-прорывные открытия.
Назвав Альберта-Ласло Барабаши Эйнштейном 21 века, я все же не ошибся. Он открыл безмасштабные сети (scale-free network) и математически обосновал: они - основа мира. Вселенная на всех уровнях как бы энергетически запитывается этой безмасштабностью, главный механизм которой «предпочтительность установления связей» (preferential attachment) – следствие из 2го закона термодинамики, гласящего, что для вселенной в целом энтропия (мера хаоса) возрастает.
Последние несколько лет ушли на проверку – действительно ли сеть, образованная миллиардами нейронов человеческого мозга, работает по тем же информационным законам, что и Интернет.
Это сейчас самый фундаментальный вопрос на пути понимания интеллекта людей и машин.
Ибо если ответ «да»,
• раскрывается тайна того, как мозг, просеивая шум, выборочно запоминает только самое важное и не захлебывается в деталях;
• это сулит переворот в алгоритмике глубокого обучения ИИ, сегодня просто не обладающего механизмом нахождения компромисса между степенью детализации данных и продуктивностью выявления закономерностей в них.
Новое экспериментальное открытие позволило вплотную подойти к раскрытию загадки:
• каким образом мозг обрабатывает информацию, отбрасывая большую часть её в пользу более простых нейронных описаний;
• как усовершенствовать алгоритмы глубоко обучения ИИ, дабы они работали не тупо, как сейчас (за счет безумной производительности вычислений), а умно и экономно, как это делает мозг.
В основе эксперимента новая техника записи процесса одновременной работы 10 тыс. нейронов. С ее помощью мышам показывали тысячи изображений, наблюдая за реакциями в зрительной коре и обнаруживая паттерны, соответствующие более высоко-размерной (более детальной) картине нейронной активности.
В результате удалось понять, как работает «балансировочный акт» - тот самый механизм компромисса между объемом данных и вылавливаемым из них «смыслом».
Все объясняется наличием критический («фазовых») переходов при наращивании размерности (детализации) входной информации. Эти переходы нарушают свойство процесса обработки информации, названное «гладкостью» (непрерывностью), в результате чего небольшие изменения на входе могут генерировать большие изменения на выходе.
По сути, этот механизм позволяет выявлять во входных данных тот «один пиксель», изменение которого приведет к отображению в памяти уже другой ситуации. Извините за не совсем корректный пример, но похожим образом работает развертка на экранах – меняются только определенные пиксели, а не все изображение.
Но как идентифицировать эти «критические пиксели»?
Ответ тоже найден – нужно найти критический порог размерности (детализации), после которого появится фрактал (функция потеряет гладкость).
Иными словами, представления в памяти должны быть настолько подробными и объемными, насколько это было возможно, чтобы они оставались гладкими.
Итоговый новый закон - паттерны нейронной активности настолько детализированы (многомерны), насколько это возможно, не становясь фрактальными (негладкими).
В заключение пример.
Изрезанная береговая линия – это фрактал. Если идете вдоль берега, открывающаяся взору картинка все время меняется, т.к. вся кромка берега состоит из зубцов. Избавьтесь от фрактала, не дав «взорваться» степени детализации. Например (условный, но похожий на правду), - сфоткайте этот берег из космоса. И получите компромиссную по точности картину, информационно в миллионы раз меньшего объема, чем миллионы фото, снимаемых на каждом 10ом шаге обхода побережья. А «смысл» (понимание очертания побережья) вы при этом не потеряете.
Подробней:
- популярно https://www.quantamagazine.org/a-power-law-keeps-the-brains-perceptions-balanced-20191022/
- научно https://www.nature.com/articles/s41586-019-1346-5
#Нейронаука
Это лишь 1й шаг, но за ним идут супер-прорывные открытия.
Назвав Альберта-Ласло Барабаши Эйнштейном 21 века, я все же не ошибся. Он открыл безмасштабные сети (scale-free network) и математически обосновал: они - основа мира. Вселенная на всех уровнях как бы энергетически запитывается этой безмасштабностью, главный механизм которой «предпочтительность установления связей» (preferential attachment) – следствие из 2го закона термодинамики, гласящего, что для вселенной в целом энтропия (мера хаоса) возрастает.
Последние несколько лет ушли на проверку – действительно ли сеть, образованная миллиардами нейронов человеческого мозга, работает по тем же информационным законам, что и Интернет.
Это сейчас самый фундаментальный вопрос на пути понимания интеллекта людей и машин.
Ибо если ответ «да»,
• раскрывается тайна того, как мозг, просеивая шум, выборочно запоминает только самое важное и не захлебывается в деталях;
• это сулит переворот в алгоритмике глубокого обучения ИИ, сегодня просто не обладающего механизмом нахождения компромисса между степенью детализации данных и продуктивностью выявления закономерностей в них.
Новое экспериментальное открытие позволило вплотную подойти к раскрытию загадки:
• каким образом мозг обрабатывает информацию, отбрасывая большую часть её в пользу более простых нейронных описаний;
• как усовершенствовать алгоритмы глубоко обучения ИИ, дабы они работали не тупо, как сейчас (за счет безумной производительности вычислений), а умно и экономно, как это делает мозг.
В основе эксперимента новая техника записи процесса одновременной работы 10 тыс. нейронов. С ее помощью мышам показывали тысячи изображений, наблюдая за реакциями в зрительной коре и обнаруживая паттерны, соответствующие более высоко-размерной (более детальной) картине нейронной активности.
В результате удалось понять, как работает «балансировочный акт» - тот самый механизм компромисса между объемом данных и вылавливаемым из них «смыслом».
Все объясняется наличием критический («фазовых») переходов при наращивании размерности (детализации) входной информации. Эти переходы нарушают свойство процесса обработки информации, названное «гладкостью» (непрерывностью), в результате чего небольшие изменения на входе могут генерировать большие изменения на выходе.
По сути, этот механизм позволяет выявлять во входных данных тот «один пиксель», изменение которого приведет к отображению в памяти уже другой ситуации. Извините за не совсем корректный пример, но похожим образом работает развертка на экранах – меняются только определенные пиксели, а не все изображение.
Но как идентифицировать эти «критические пиксели»?
Ответ тоже найден – нужно найти критический порог размерности (детализации), после которого появится фрактал (функция потеряет гладкость).
Иными словами, представления в памяти должны быть настолько подробными и объемными, насколько это было возможно, чтобы они оставались гладкими.
Итоговый новый закон - паттерны нейронной активности настолько детализированы (многомерны), насколько это возможно, не становясь фрактальными (негладкими).
В заключение пример.
Изрезанная береговая линия – это фрактал. Если идете вдоль берега, открывающаяся взору картинка все время меняется, т.к. вся кромка берега состоит из зубцов. Избавьтесь от фрактала, не дав «взорваться» степени детализации. Например (условный, но похожий на правду), - сфоткайте этот берег из космоса. И получите компромиссную по точности картину, информационно в миллионы раз меньшего объема, чем миллионы фото, снимаемых на каждом 10ом шаге обхода побережья. А «смысл» (понимание очертания побережья) вы при этом не потеряете.
Подробней:
- популярно https://www.quantamagazine.org/a-power-law-keeps-the-brains-perceptions-balanced-20191022/
- научно https://www.nature.com/articles/s41586-019-1346-5
#Нейронаука
Quanta Magazine
A Power Law Keeps the Brain’s Perceptions Balanced
Researchers have discovered a surprising mathematical relationship in the brain’s representations of sensory information, with possible applications to AI
Неравенство и поляризация людей вечны.
Они будут в любом физическом или виртуальном пространстве и даже в Инфо-Рае.
Уже не раз писал о том, как в соцсетях работает механизм поляризации и раскола. Оппоненты на это постоянно возражали, что в соцсетях эти процессы лишь повторяют происходящее в физическом мире, и потому не нужно гнать волну на соцсети.
Прорывные исследования в понимании вышеописанного за последний год шли косяками. И вот теперь - бинго! Теория, модель и эксперимент сошлись. И все, наконец, проясняется.
Суть прорыва в понимании того, что сегрегация и поляризация – самопроизвольные процессы в любой среде, где есть люди.
Социальное поведение возникает в результате обмена информацией между людьми. Оно ограничено и взаимно влияет на структуру инфопотоков. Интернет радикально изменил общение, демократизировав возможности «вещания народу и миру» (от одного очень многим) и позволив легко и без границ заводить новые знакомства. Однако, фактические информационные потоки неоднородны и ограничены самоорганизующимися эхокамерами.
Центральное значение для будущего цифрового общества (формируемого на наших глазах) имеет понимание того, как существующая физическая сегрегация влияет на социальную фрагментацию в онлайне.
В новом прорывном исследовании показано.
-- Виртуальное пространство является отражением географического пространства, где физические взаимодействия и социальное обучение на основе близости являются основными источниками идей.
-- Авторы показали, что онлайн-взаимодействия разделены по доходам людей так же, как физические взаимодействия.
-- И что физическое разделение отражает поляризованное поведение вне культуры или политики.
Это исследование согласуется с теоретическими концепциями, предполагающими, что поляризация связана с социальной коммуникацией, которая усиливает внутригрупповую гомогенизацию и межгрупповую дифференциацию, и вместе они способствуют социальной фрагментации в зеркальных физических и виртуальных пространствах.
Иными словами.
Даже если когда-то люди загрузят сознание в сетевые облака, тем самым лишившись любой материальности, в этом новом нематериальном Инфо-Рае «цифровые души» людей снова разделятся на богатых и бедных, в независимости от того, что тогда будет пониматься под этими понятиями.
https://royalsocietypublishing.org/doi/10.1098/rsos.190573
#Раскол
Они будут в любом физическом или виртуальном пространстве и даже в Инфо-Рае.
Уже не раз писал о том, как в соцсетях работает механизм поляризации и раскола. Оппоненты на это постоянно возражали, что в соцсетях эти процессы лишь повторяют происходящее в физическом мире, и потому не нужно гнать волну на соцсети.
Прорывные исследования в понимании вышеописанного за последний год шли косяками. И вот теперь - бинго! Теория, модель и эксперимент сошлись. И все, наконец, проясняется.
Суть прорыва в понимании того, что сегрегация и поляризация – самопроизвольные процессы в любой среде, где есть люди.
Социальное поведение возникает в результате обмена информацией между людьми. Оно ограничено и взаимно влияет на структуру инфопотоков. Интернет радикально изменил общение, демократизировав возможности «вещания народу и миру» (от одного очень многим) и позволив легко и без границ заводить новые знакомства. Однако, фактические информационные потоки неоднородны и ограничены самоорганизующимися эхокамерами.
Центральное значение для будущего цифрового общества (формируемого на наших глазах) имеет понимание того, как существующая физическая сегрегация влияет на социальную фрагментацию в онлайне.
В новом прорывном исследовании показано.
-- Виртуальное пространство является отражением географического пространства, где физические взаимодействия и социальное обучение на основе близости являются основными источниками идей.
-- Авторы показали, что онлайн-взаимодействия разделены по доходам людей так же, как физические взаимодействия.
-- И что физическое разделение отражает поляризованное поведение вне культуры или политики.
Это исследование согласуется с теоретическими концепциями, предполагающими, что поляризация связана с социальной коммуникацией, которая усиливает внутригрупповую гомогенизацию и межгрупповую дифференциацию, и вместе они способствуют социальной фрагментации в зеркальных физических и виртуальных пространствах.
Иными словами.
Даже если когда-то люди загрузят сознание в сетевые облака, тем самым лишившись любой материальности, в этом новом нематериальном Инфо-Рае «цифровые души» людей снова разделятся на богатых и бедных, в независимости от того, что тогда будет пониматься под этими понятиями.
https://royalsocietypublishing.org/doi/10.1098/rsos.190573
#Раскол
Royal Society Open Science
Segregation and polarization in urban areas | Royal Society Open Science
Social behaviours emerge from the exchange of information among individuals—constrained
by and reciprocally influencing the structure of information flows. The Internet radically
transformed communication by democratizing broadcast capabilities and ...
by and reciprocally influencing the structure of information flows. The Internet radically
transformed communication by democratizing broadcast capabilities and ...
Успешен ли будет 18й роман о Фандорине?
На подходе коммерческий прорыв в «науке об успехе» книг
У «науки об успехе» есть шанс превзойти по влиянию все прежние самые революционные открытия, типа теорий Дарвина, Эйнштейна или Уотсона – Крика.
Причины две.
✔️ Успех – самое важное в жизни для большинства.
✔️ Он легко измерим деньгами.
Конечно, есть люди с иной мотивацией и жизненными KPI. Но речь о большинстве.
А еще я так много пишу о «науке об успехе», поскольку она скоро станет катализатором трансформации большинства наук в их новые сетевые инкарнации. Этот процесс уже пошел, но не хватает решающего толчка. Лучшим таким толчком стала бы перспектива с помощью новых сетевых наук много заработать.
Идеальный полигон для «науки об успехе» - книги. Рынок не мал - $43B и страшно конкурентен. Из более 3 млн. книг, опубликованных в 2015 году в США, только около 4000 были проданы за год числом более 1000 экземпляров, и только около 500 стали бестселлерами NYT.
Так что тот, кто научится предсказывать успех книг, заработает очень много.
Прошлый год стал переломным в «науке об успехе» книг. Была открыта «формула бестселлера» - модель, позволяющая предсказывать успех книг. Но много заработать на этой модели было трудно, поскольку она предсказывала с высокой точностью лишь ДОЛГОСРОЧНЫЙ успех книги по первым 6 мес. продаж. А эти 6 мес. – как раз тот период, в течение которого большинство книг уже достигают своего пика продаж и начинают терять темпы. А главное – практически все деньги на продвижение уже потрачены, и поздно пить Боржоми. Следовательно, эта модель полезна лишь для долгосрочного управления запасами, но не эффективна для прогнозирования потенциала продаж новой книги.
Прошел год. И в «науке об успехе» книг новый прорыв, способный уже принести большие деньги. Новая модель основана лишь на данных, доступных ДО публикации книги. Это данные о популярности и «видимости» автора, истории публикаций его предыдущих книг, теме и месяце выхода новой книги и ряде характеристик издателя. Модель также учитывает жанр книги, рецензии, премии и рекламу предыдущих книг. А еще учитываются прежние и текущие характеристики обсуждений в социальных медиа.
Специально под эту новую модель был разработан свой метод машинного обучения Learning to Place (обучение выводу на рынок). Модель по-разному работает с научной литературой и нонфикшен. А ее итоговую точность прогноза продаж художественной и публицистической литературы удалось довести до 88%.
• Для триллеров, ужасов и детективов «видимость» автора и предыдущие продажи его книг оказались важнее, чем в других жанрах худ. литературы.
• В жанрах научной литературы и биографий «видимость» автора гораздо важнее, чем предыдущие продажи; в то время, как для исторической литературы наоборот.
• Приятным для издателей результатом стало то, что для большинства книг с высокими продажами успех примерно в одинаковой степени определяется тремя факторами: автором, книгой и издателем.
Так что если Борис Акунин, решив снова оживить Фандорина в 18м романе легендарного цикла, рискнет из экономии связаться с каким-то нишевым издательством, то ни имя популярнейшего автора, ни его любимый миллионами героя, вовсе не гарантируют прежнего колоссального успеха.
Вот бы Акунин рискнул бросить вызов выводам новой «науки об успехе» книг и доказать, что автор и герой важнее, чем издатель! 😉
Success in books: predicting book sales before publication
В контексте темы, подборка моих постов «Новая наука об успехе и удаче. Как на них влияет сетевое устройство мира»
#ScienceOfSuccess
На подходе коммерческий прорыв в «науке об успехе» книг
У «науки об успехе» есть шанс превзойти по влиянию все прежние самые революционные открытия, типа теорий Дарвина, Эйнштейна или Уотсона – Крика.
Причины две.
✔️ Успех – самое важное в жизни для большинства.
✔️ Он легко измерим деньгами.
Конечно, есть люди с иной мотивацией и жизненными KPI. Но речь о большинстве.
А еще я так много пишу о «науке об успехе», поскольку она скоро станет катализатором трансформации большинства наук в их новые сетевые инкарнации. Этот процесс уже пошел, но не хватает решающего толчка. Лучшим таким толчком стала бы перспектива с помощью новых сетевых наук много заработать.
Идеальный полигон для «науки об успехе» - книги. Рынок не мал - $43B и страшно конкурентен. Из более 3 млн. книг, опубликованных в 2015 году в США, только около 4000 были проданы за год числом более 1000 экземпляров, и только около 500 стали бестселлерами NYT.
Так что тот, кто научится предсказывать успех книг, заработает очень много.
Прошлый год стал переломным в «науке об успехе» книг. Была открыта «формула бестселлера» - модель, позволяющая предсказывать успех книг. Но много заработать на этой модели было трудно, поскольку она предсказывала с высокой точностью лишь ДОЛГОСРОЧНЫЙ успех книги по первым 6 мес. продаж. А эти 6 мес. – как раз тот период, в течение которого большинство книг уже достигают своего пика продаж и начинают терять темпы. А главное – практически все деньги на продвижение уже потрачены, и поздно пить Боржоми. Следовательно, эта модель полезна лишь для долгосрочного управления запасами, но не эффективна для прогнозирования потенциала продаж новой книги.
Прошел год. И в «науке об успехе» книг новый прорыв, способный уже принести большие деньги. Новая модель основана лишь на данных, доступных ДО публикации книги. Это данные о популярности и «видимости» автора, истории публикаций его предыдущих книг, теме и месяце выхода новой книги и ряде характеристик издателя. Модель также учитывает жанр книги, рецензии, премии и рекламу предыдущих книг. А еще учитываются прежние и текущие характеристики обсуждений в социальных медиа.
Специально под эту новую модель был разработан свой метод машинного обучения Learning to Place (обучение выводу на рынок). Модель по-разному работает с научной литературой и нонфикшен. А ее итоговую точность прогноза продаж художественной и публицистической литературы удалось довести до 88%.
• Для триллеров, ужасов и детективов «видимость» автора и предыдущие продажи его книг оказались важнее, чем в других жанрах худ. литературы.
• В жанрах научной литературы и биографий «видимость» автора гораздо важнее, чем предыдущие продажи; в то время, как для исторической литературы наоборот.
• Приятным для издателей результатом стало то, что для большинства книг с высокими продажами успех примерно в одинаковой степени определяется тремя факторами: автором, книгой и издателем.
Так что если Борис Акунин, решив снова оживить Фандорина в 18м романе легендарного цикла, рискнет из экономии связаться с каким-то нишевым издательством, то ни имя популярнейшего автора, ни его любимый миллионами героя, вовсе не гарантируют прежнего колоссального успеха.
Вот бы Акунин рискнул бросить вызов выводам новой «науки об успехе» книг и доказать, что автор и герой важнее, чем издатель! 😉
Success in books: predicting book sales before publication
В контексте темы, подборка моих постов «Новая наука об успехе и удаче. Как на них влияет сетевое устройство мира»
#ScienceOfSuccess
Техномагия – обмен тел с Фрейдом помогает решать личные проблемы.
Как парадокс Соломона разрешается с помощью виртуальной реальности.
Обычно мы гораздо лучше в советах другу, попавшему в беду, чем в советах самим себе. Это называется «парадоксом Соломона», - в честь библейского царя Соломона, который был мудр, давая советы другим, но не блистал умом, когда речь шла о принятии решений, касающихся его самого. И действительно, психологи доказали, что, когда участникам дают указание рассмотреть проблему с точки зрения третьего лица (это называется «дистанцированием»), они более мудры в решении личных проблем, чем при рассмотрении их с позиции первого лица.
А дальше начинается техномагия.
Авторы нового исследования экспериментально доказали, что находясь в виртуальной реальности (VR широкоэкранный стерео-дисплей), можно вести внутренний диалог, поочередно занимая два разных виртуальных тела – одно – ваше собственное, а другое - Зигмунда Фрейда.
Вы можете:
- вести разговор с самим собой, объясняя свою проблему виртуальному Фрейду,
- затем с точки зрения воплощенного Фрейда увидеть и услышать объяснение своего виртуального двойника,
- и наконец, дать своему двойнику пару разумных советов.
Звучит техно-бредом. Но работает.
Первые эксперименты VR Self-Conversation дали на удивление хорошие результаты.
Технически все не просто. Посредством технологии захвата движения в реальном времени виртуальное тело программируется на синхронное движение в соответствии с движениями реального тела. Используемая висомоторная синхронная стимуляция приводит к ощущению иллюзорной принадлежности тела и позволяет играть с подбором тел (белый-афроамериканец, взрослый-ребенок, мужчина-женщина), одежды и т.д.
Главная фишка – обмен тел с Фрейдом. Участники заняты тем, чтобы помочь себе найти решения своих проблем, с точки зрения, отделенной от самих себя, но, тем не менее, воплощенной перспективы с телом человека - наиболее известного в мире психотерапевта.
В результате:
- участники чувствовали себя комфортно,
- у них было чувство, что с ними разговаривал доктор Фрейд,
- качество советов «самостоятельного консультирования» оказалось на высоте.
Оказалось, что многое упирается в нашу низкую самооценку. А вот когда совет вы даете, будучи в теле Фрейда, вес такого совета совсем иной.
И кстати, когда тело Фрейда заменили на Эйнштейна, последний тоже весьма неплохо разруливал личные проблемы.
Как все это делалось, можно посмотреть на 3х минутном видео
https://www.youtube.com/watch?v=GJ6cAVxQOwo&feature=youtu.be
А это научный отчет о результатах исследования
https://www.nature.com/articles/s41598-019-46877-3
#VR
Как парадокс Соломона разрешается с помощью виртуальной реальности.
Обычно мы гораздо лучше в советах другу, попавшему в беду, чем в советах самим себе. Это называется «парадоксом Соломона», - в честь библейского царя Соломона, который был мудр, давая советы другим, но не блистал умом, когда речь шла о принятии решений, касающихся его самого. И действительно, психологи доказали, что, когда участникам дают указание рассмотреть проблему с точки зрения третьего лица (это называется «дистанцированием»), они более мудры в решении личных проблем, чем при рассмотрении их с позиции первого лица.
А дальше начинается техномагия.
Авторы нового исследования экспериментально доказали, что находясь в виртуальной реальности (VR широкоэкранный стерео-дисплей), можно вести внутренний диалог, поочередно занимая два разных виртуальных тела – одно – ваше собственное, а другое - Зигмунда Фрейда.
Вы можете:
- вести разговор с самим собой, объясняя свою проблему виртуальному Фрейду,
- затем с точки зрения воплощенного Фрейда увидеть и услышать объяснение своего виртуального двойника,
- и наконец, дать своему двойнику пару разумных советов.
Звучит техно-бредом. Но работает.
Первые эксперименты VR Self-Conversation дали на удивление хорошие результаты.
Технически все не просто. Посредством технологии захвата движения в реальном времени виртуальное тело программируется на синхронное движение в соответствии с движениями реального тела. Используемая висомоторная синхронная стимуляция приводит к ощущению иллюзорной принадлежности тела и позволяет играть с подбором тел (белый-афроамериканец, взрослый-ребенок, мужчина-женщина), одежды и т.д.
Главная фишка – обмен тел с Фрейдом. Участники заняты тем, чтобы помочь себе найти решения своих проблем, с точки зрения, отделенной от самих себя, но, тем не менее, воплощенной перспективы с телом человека - наиболее известного в мире психотерапевта.
В результате:
- участники чувствовали себя комфортно,
- у них было чувство, что с ними разговаривал доктор Фрейд,
- качество советов «самостоятельного консультирования» оказалось на высоте.
Оказалось, что многое упирается в нашу низкую самооценку. А вот когда совет вы даете, будучи в теле Фрейда, вес такого совета совсем иной.
И кстати, когда тело Фрейда заменили на Эйнштейна, последний тоже весьма неплохо разруливал личные проблемы.
Как все это делалось, можно посмотреть на 3х минутном видео
https://www.youtube.com/watch?v=GJ6cAVxQOwo&feature=youtu.be
А это научный отчет о результатах исследования
https://www.nature.com/articles/s41598-019-46877-3
#VR
YouTube
An experimental study of a virtual reality counselling paradigm using embodied self-dialogue
This video accompanies the article:
Slater, M., S. Neyret, T. Johnston, G. Iruretagoyena, M. Á. d. l. C. Crespo, M. Alabèrnia-Segura, B. Spanlang and G. Feixas (2019). "An experimental study of a virtual reality counselling paradigm using embodied self-dialogue."…
Slater, M., S. Neyret, T. Johnston, G. Iruretagoyena, M. Á. d. l. C. Crespo, M. Alabèrnia-Segura, B. Spanlang and G. Feixas (2019). "An experimental study of a virtual reality counselling paradigm using embodied self-dialogue."…
Станет ли ИИ Големом 21 века?
Как встраивать этику в алгоритмы машинного обучения.
Это самый важный вопрос в симбиозе человека и машины. А такой симбиоз – не в будущем. Он уже вовсю идет. И самый важный и приоритетный среди его вызовов - решение проблемы нечеловеческого поведения алгоритмов, нарушающих права конкретных людей, да и вообще, человеческие принципы.
Что за реклама вам показывается?
Что за цена вам предлагается?
Дадут ли вам ссуду?
Получите ли вы страховку?
Возьмут ли вас на эту работу?
Как вас будут лечить?
Попадете ли вы под наблюдение спецслужб?
Это и многое другое в жизни каждого из нас все больше решают уже не люди, а алгоритмы. И это не преувеличение, а факт.
Как создавать более совершенные алгоритмы, в которые встроены точные определения справедливости, точности, прозрачности и этики?
Не научившись делать это, все достижения машинного обучения, создаваемые во благо человечества, будут обращены против конкретных людей.
После Второй мировой войны многие ученые Манхэттенского проекта переключили свои усилия, чтобы обуздать использование атомного оружия, которое они изобрели. В случае алгоритмов вред является более рассеянным и труднее обнаруживаемым, чем в случае с ядерными бомбами. Но и то, и другое - примеры необратимых технологий, которые можно контролировать, но нельзя отменить или устранить.
Те, кто разрабатывает алгоритмы машинного обучения, могут сыграть решающую роль в выявлении внутренних ограничений алгоритмов и разработке их новых разновидностей, сбалансированных по предсказательной силе с социальными ценностями, такими как справедливость и конфиденциальность.
Но это нужно делать сейчас, а не завтра. Ибо алгоритмы машинного обучения – это новые виды акторов на Земле, от поведения и действий которых теперь зависят судьбы миллиардов людей.
Станут ли эти новые виды акторов Големом 21 века?
Ведь и Голем, созданный праведным раввином Лёвом из глины, задумывался для исполнения разных чёрных работ и трудных поручений. Но по легенде Голем превысил свои «полномочия», проявив свою волю, противоречащую воле его создателя.
Искусственный человек стал делать то, что по закону «неприлично» или даже преступно для человека …
Это ли ни прообраз истории ИИ, алгоритмы которого могут повторить путь Голема?
Но выход есть. Существуют иные методы разработки алгоритмов, способные обуздать их нечеловеческое поведение. Алгоритмы могут быть прозрачными. В них может встраиваться справедливость и этика при принятии решений.
Как это может и должно делаться, рассказывает Бестселлер Ближайшего Будущего – только что вышедшая книга профессоров Майкла Кернса и Аарона Рота «Этический алгоритм: наука о разработке социально-ориентированных алгоритмов».
https://www.amazon.com/Ethical-Algorithm-Science-Socially-Design/dp/0190948205
Кто не найдет время на чтение 232 стр. книги, послушайте хотя бы в ускоренном режиме 70-минутный рассказ Майкла Кернса, предваряющий выход книги.
https://www.youtube.com/watch?v=B1tw2Dd_EVs
#БББ #Этика #ИИ
Как встраивать этику в алгоритмы машинного обучения.
Это самый важный вопрос в симбиозе человека и машины. А такой симбиоз – не в будущем. Он уже вовсю идет. И самый важный и приоритетный среди его вызовов - решение проблемы нечеловеческого поведения алгоритмов, нарушающих права конкретных людей, да и вообще, человеческие принципы.
Что за реклама вам показывается?
Что за цена вам предлагается?
Дадут ли вам ссуду?
Получите ли вы страховку?
Возьмут ли вас на эту работу?
Как вас будут лечить?
Попадете ли вы под наблюдение спецслужб?
Это и многое другое в жизни каждого из нас все больше решают уже не люди, а алгоритмы. И это не преувеличение, а факт.
Как создавать более совершенные алгоритмы, в которые встроены точные определения справедливости, точности, прозрачности и этики?
Не научившись делать это, все достижения машинного обучения, создаваемые во благо человечества, будут обращены против конкретных людей.
После Второй мировой войны многие ученые Манхэттенского проекта переключили свои усилия, чтобы обуздать использование атомного оружия, которое они изобрели. В случае алгоритмов вред является более рассеянным и труднее обнаруживаемым, чем в случае с ядерными бомбами. Но и то, и другое - примеры необратимых технологий, которые можно контролировать, но нельзя отменить или устранить.
Те, кто разрабатывает алгоритмы машинного обучения, могут сыграть решающую роль в выявлении внутренних ограничений алгоритмов и разработке их новых разновидностей, сбалансированных по предсказательной силе с социальными ценностями, такими как справедливость и конфиденциальность.
Но это нужно делать сейчас, а не завтра. Ибо алгоритмы машинного обучения – это новые виды акторов на Земле, от поведения и действий которых теперь зависят судьбы миллиардов людей.
Станут ли эти новые виды акторов Големом 21 века?
Ведь и Голем, созданный праведным раввином Лёвом из глины, задумывался для исполнения разных чёрных работ и трудных поручений. Но по легенде Голем превысил свои «полномочия», проявив свою волю, противоречащую воле его создателя.
Искусственный человек стал делать то, что по закону «неприлично» или даже преступно для человека …
Это ли ни прообраз истории ИИ, алгоритмы которого могут повторить путь Голема?
Но выход есть. Существуют иные методы разработки алгоритмов, способные обуздать их нечеловеческое поведение. Алгоритмы могут быть прозрачными. В них может встраиваться справедливость и этика при принятии решений.
Как это может и должно делаться, рассказывает Бестселлер Ближайшего Будущего – только что вышедшая книга профессоров Майкла Кернса и Аарона Рота «Этический алгоритм: наука о разработке социально-ориентированных алгоритмов».
https://www.amazon.com/Ethical-Algorithm-Science-Socially-Design/dp/0190948205
Кто не найдет время на чтение 232 стр. книги, послушайте хотя бы в ускоренном режиме 70-минутный рассказ Майкла Кернса, предваряющий выход книги.
https://www.youtube.com/watch?v=B1tw2Dd_EVs
#БББ #Этика #ИИ
Как освоить дыхание Бога?
Это теперь вполне практический вопрос.
В оригинале этот процесс описан так: «И создал Господь Бог человека из праха земного, и вдунул в лицо его дыхание жизни, и стал человек душою живою».
Т.е. дыхание Бога - это некая жизненная сила, переданная человеку, чтобы оживить его – вдохнуть в него жизнь.
А что такое жизнь в современном понимании?
Воспользуемся далее определениями М.Тегмарка.
• Жизнь - это самовоспроизводящийся процесс, сохраняющий свою сложность.
• Живые существа в ходе эволюции развили в себе способность достигать сложных целей (мы называем эту способность разум или интеллект).
• Параллельно в ходе эволюции у живых существ развилась еще одна важная способность – испытывать личные переживания (мы называем эту способность сознание).
Современная наука в попытках понять, как устроен разум человека и как построить его искусственный аналог (ИИ) как бы движется галсами, постоянно меняя курс, дабы хоть как-то поймать ветер ускользающих знаний.
-- Сначала сфокусировались на интеллекте, пытаясь воспроизвести его в различных вычислительных моделях, сойдясь в итоге, что это все же нейросеть, - только очень сложно иерархически устроенная.
-- Затем, когда к алгоритмистам примкнули нейробиологи, стали пытаться обнаруживать и моделировать различные корреляты сознания.
И вот, наконец, на подходе 3й галсовый поворот – самовоспроизведение. Ведь без него жизни по определению быть не может. Без сознания и тем паче разума жизнь плохо, но, возможно, как-то способна существовать. А вот без самовоспроизведения нет…
Все знают что подавляющее большинство компьютеров построены по архитектуре фон Неймана – гения из гениев всех времен и народов.
А многие ли знают, что «Машина фон Неймана», помимо архитектуры фон Неймана включает в себя «Универсальный конструктор» самовоспроизводящихся машин - класс машин, способных к самовоспроизведению (зонды фон Неймана)?
Этот «Универсальный конструктор» был создан фон Нейманом еще в 1940-х годах. А в завершенном Артуром Бёрксом виде опубликован лишь в 1966 году уже после смерти фон Неймана.
Идею практической реализации самовоспроизводящихся машин никогда не забывали. С 70х годов 20 века за нее довольно плотно взялись в NASA. Тогда тема освоения космоса была в приоритете. А без самовоспроизводящихся машин при серьезном освоении космоса не обойтись.
В 2016 возникла интрига биофизика Алекса Коувалда, который попробовал доказать невозможность существования зондов фон Неймана, которые смогли бы распространиться по Галактике и Вселенной.
А месяц назад физик Заза Османов показал, что зонды фон Неймана вполне реальны, но слишком малы для того, чтобы мы могли их заметить.
В любом случае, на подходе ренессанс исследований самовоспроизводящихся машин. Поэтому так интересно и полезно понимать реальное состояние дел и перспективы в этой области.
Такая работа будет опубликована в мае 2020. Но познакомиться с ее текущей версией можно уже сейчас.
Помимо рассмотрения современного состояния 3х основных теоретических моделей (кинематической, логической и клеточной), проиллюстрированы практические пути их реализации с применением, например, 3-D принтеров (иллюстрации работ NASA и MIT на приложенной картинке).
Так что вполне возможно, что главной интригой следующего десятилетия станет появление не Сильного ИИ, а самовоспроизводящихся машин. Считать ли тогда, что люди вдохнули в них дыхание жизни?
#СамовоспроизводящиесяМашины
Это теперь вполне практический вопрос.
В оригинале этот процесс описан так: «И создал Господь Бог человека из праха земного, и вдунул в лицо его дыхание жизни, и стал человек душою живою».
Т.е. дыхание Бога - это некая жизненная сила, переданная человеку, чтобы оживить его – вдохнуть в него жизнь.
А что такое жизнь в современном понимании?
Воспользуемся далее определениями М.Тегмарка.
• Жизнь - это самовоспроизводящийся процесс, сохраняющий свою сложность.
• Живые существа в ходе эволюции развили в себе способность достигать сложных целей (мы называем эту способность разум или интеллект).
• Параллельно в ходе эволюции у живых существ развилась еще одна важная способность – испытывать личные переживания (мы называем эту способность сознание).
Современная наука в попытках понять, как устроен разум человека и как построить его искусственный аналог (ИИ) как бы движется галсами, постоянно меняя курс, дабы хоть как-то поймать ветер ускользающих знаний.
-- Сначала сфокусировались на интеллекте, пытаясь воспроизвести его в различных вычислительных моделях, сойдясь в итоге, что это все же нейросеть, - только очень сложно иерархически устроенная.
-- Затем, когда к алгоритмистам примкнули нейробиологи, стали пытаться обнаруживать и моделировать различные корреляты сознания.
И вот, наконец, на подходе 3й галсовый поворот – самовоспроизведение. Ведь без него жизни по определению быть не может. Без сознания и тем паче разума жизнь плохо, но, возможно, как-то способна существовать. А вот без самовоспроизведения нет…
Все знают что подавляющее большинство компьютеров построены по архитектуре фон Неймана – гения из гениев всех времен и народов.
А многие ли знают, что «Машина фон Неймана», помимо архитектуры фон Неймана включает в себя «Универсальный конструктор» самовоспроизводящихся машин - класс машин, способных к самовоспроизведению (зонды фон Неймана)?
Этот «Универсальный конструктор» был создан фон Нейманом еще в 1940-х годах. А в завершенном Артуром Бёрксом виде опубликован лишь в 1966 году уже после смерти фон Неймана.
Идею практической реализации самовоспроизводящихся машин никогда не забывали. С 70х годов 20 века за нее довольно плотно взялись в NASA. Тогда тема освоения космоса была в приоритете. А без самовоспроизводящихся машин при серьезном освоении космоса не обойтись.
В 2016 возникла интрига биофизика Алекса Коувалда, который попробовал доказать невозможность существования зондов фон Неймана, которые смогли бы распространиться по Галактике и Вселенной.
А месяц назад физик Заза Османов показал, что зонды фон Неймана вполне реальны, но слишком малы для того, чтобы мы могли их заметить.
В любом случае, на подходе ренессанс исследований самовоспроизводящихся машин. Поэтому так интересно и полезно понимать реальное состояние дел и перспективы в этой области.
Такая работа будет опубликована в мае 2020. Но познакомиться с ее текущей версией можно уже сейчас.
Помимо рассмотрения современного состояния 3х основных теоретических моделей (кинематической, логической и клеточной), проиллюстрированы практические пути их реализации с применением, например, 3-D принтеров (иллюстрации работ NASA и MIT на приложенной картинке).
Так что вполне возможно, что главной интригой следующего десятилетия станет появление не Сильного ИИ, а самовоспроизводящихся машин. Считать ли тогда, что люди вдохнули в них дыхание жизни?
#СамовоспроизводящиесяМашины
Это 1й (насколько мне известно) развернутый сравнительный анализ российской национальной стратегии развития ИИ с аналогичными стратегиями других стран. Моей целью была попытка понять, каково может быть место России в мире ИИ лет через 10, когда завершится реализация принятых национальных ИИ-стратегий России и прочих стран. Для 14 стран, включая Россию, были детально проанализированы:
• текущее положение и потенциал в сфере ИИ;
• уровень проработки, обоснованность и специфика принятой национальной ИИ-стратегии;
• ресурсы, планируемые выделить на реализацию ИИ-стратегии.
Этот пост резюмирует результаты проведенного анализа.
Для вдумчивого чтения потребуется полчаса. Но если просто проглядеть таблицы, графики и выводы, можно успеть и за 5 мин.
На Medium http://bit.do/fgkoY
На Яндекс Дзен https://clck.ru/JpavY
На сайте РСМД https://clck.ru/JpbXK
#ИИгонка
• текущее положение и потенциал в сфере ИИ;
• уровень проработки, обоснованность и специфика принятой национальной ИИ-стратегии;
• ресурсы, планируемые выделить на реализацию ИИ-стратегии.
Этот пост резюмирует результаты проведенного анализа.
Для вдумчивого чтения потребуется полчаса. Но если просто проглядеть таблицы, графики и выводы, можно успеть и за 5 мин.
На Medium http://bit.do/fgkoY
На Яндекс Дзен https://clck.ru/JpavY
На сайте РСМД https://clck.ru/JpbXK
#ИИгонка
Как не позволить Китаю обогнать США в сфере ИИ.
Простая стратегия на основе поддавков.
Китайцы, высказываясь про перспективы ИИ-гонки, зачастую лукавят (при всем уважении к Кай-Фу Ли), - на это у них свой интерес. Американцы – аналогично. И поэтому экспертный анализ, проводимый и теми, и другими по своим собственным источникам, дает столь противоречивую картину.
Новый совместный проект двух стэнфордских мозговых центров «Geopolitics, Technology, and Governance Cyber Policy Center» и «The Stanford-New America» назван DigiChina Project. Его цель – американский анализ исключительно китайских источников.
И первый же отчет DigiChina Project, озаглавленный «ИИ-политика и Китай. Реалии ведомого государством развития», получился весьма интересен.
В отчете констатировано.
Две главные причины отставания Китая от США в сфере ИИ пока неизменны.
1) Китайцы по-прежнему работают в этой сфере на американском HW (американские GPU, TPU и FPGA) и базовом SW (напр. фреймворки глубокого обучения TensorFlow и PyTorch, разработанные Google и Facebook).
2) Утечка ¾ лучших мозгов в этой области в США.
Экспертный анализ показывает.
1) Китайцы, скорее всего, ошибаются в том, что инновации в ИИ сейчас не главное, а главное – быстро строгать приложения на основе океанов данных. Превосходство в HW и базовом SW для ИИ – плод перманентных инноваций. И так продолжится.
2) Сделать свои HW и базовый SW для ИИ китайцы, в принципе могут. Но это столь дорого и небыстро, что китайцы пойдут на это лишь при серьезном ужесточении экспорта из США.
3) Остановить же утечку мозгов в США невозможно из-за проблемы «курицы и яйца»: лучшие лабы и лучшие спецы уже в США, а новые лучшие спецы хотят работать в среде лучших.
Экспертный вывод таков
Оптимальная стратегия для США, чтобы не дать Китаю себя догнать:
1) Никаких эмбарго! И Китайцы будут продолжать зависеть от США в части HW и базового SW для ИИ.
2) Никаких ограничений для китайцев в американские лабы! Пусть продолжают ¾ лучших утекать из Китая в США.
И тогда не догнать Китаю США, хоть тресни.
https://www.newamerica.org/cybersecurity-initiative/digichina/blog/special-report-ai-policy-and-china-realities-of-state-led-development/
P.S. В отчет есть еще кое-что полезное. Например, про то, что государство, беря финансирование ИИ-стартапов на себя, ведет к «параличу ИИ-инноваций».
«Many of the government-funded “AI startups” do not make much use of AI, and many suffer from unsustainable business models.»
Хоть бы кто у нас к этому прислушался.
#ИИгонка #Китай #США
Простая стратегия на основе поддавков.
Китайцы, высказываясь про перспективы ИИ-гонки, зачастую лукавят (при всем уважении к Кай-Фу Ли), - на это у них свой интерес. Американцы – аналогично. И поэтому экспертный анализ, проводимый и теми, и другими по своим собственным источникам, дает столь противоречивую картину.
Новый совместный проект двух стэнфордских мозговых центров «Geopolitics, Technology, and Governance Cyber Policy Center» и «The Stanford-New America» назван DigiChina Project. Его цель – американский анализ исключительно китайских источников.
И первый же отчет DigiChina Project, озаглавленный «ИИ-политика и Китай. Реалии ведомого государством развития», получился весьма интересен.
В отчете констатировано.
Две главные причины отставания Китая от США в сфере ИИ пока неизменны.
1) Китайцы по-прежнему работают в этой сфере на американском HW (американские GPU, TPU и FPGA) и базовом SW (напр. фреймворки глубокого обучения TensorFlow и PyTorch, разработанные Google и Facebook).
2) Утечка ¾ лучших мозгов в этой области в США.
Экспертный анализ показывает.
1) Китайцы, скорее всего, ошибаются в том, что инновации в ИИ сейчас не главное, а главное – быстро строгать приложения на основе океанов данных. Превосходство в HW и базовом SW для ИИ – плод перманентных инноваций. И так продолжится.
2) Сделать свои HW и базовый SW для ИИ китайцы, в принципе могут. Но это столь дорого и небыстро, что китайцы пойдут на это лишь при серьезном ужесточении экспорта из США.
3) Остановить же утечку мозгов в США невозможно из-за проблемы «курицы и яйца»: лучшие лабы и лучшие спецы уже в США, а новые лучшие спецы хотят работать в среде лучших.
Экспертный вывод таков
Оптимальная стратегия для США, чтобы не дать Китаю себя догнать:
1) Никаких эмбарго! И Китайцы будут продолжать зависеть от США в части HW и базового SW для ИИ.
2) Никаких ограничений для китайцев в американские лабы! Пусть продолжают ¾ лучших утекать из Китая в США.
И тогда не догнать Китаю США, хоть тресни.
https://www.newamerica.org/cybersecurity-initiative/digichina/blog/special-report-ai-policy-and-china-realities-of-state-led-development/
P.S. В отчет есть еще кое-что полезное. Например, про то, что государство, беря финансирование ИИ-стартапов на себя, ведет к «параличу ИИ-инноваций».
«Many of the government-funded “AI startups” do not make much use of AI, and many suffer from unsustainable business models.»
Хоть бы кто у нас к этому прислушался.
#ИИгонка #Китай #США
New America
Special Report: AI Policy and China
Сравните 2 диаметрально разных подхода к практическому запуску национальных стратегий развития ИИ в России и Франции.
У нас: Российский фонд прямых инвестиций (РФПИ) и 5 мега-корпораций - Сбербанк, Яндекс, Mail. ru Group, Газпром нефть и МТС, - «взяли на себя лидерство организовать развитие» ИИ.
Во Франции: финансирование ИИ-стартапов в 2019 г. выросло на 38% ($634 млн. за первые 6 мес). Их уже 432 (в 2017- было 312, в 2016-180). И это при том, что Франция имеет самую большую концентрацию исследовательских ИИ-лабораторий в Европе.
Взгляните на диаграмму. Россия составляет, примерно, десятую часть высоты серого столбика – Others. Ох как за державу обидно.
#ИИгонка
У нас: Российский фонд прямых инвестиций (РФПИ) и 5 мега-корпораций - Сбербанк, Яндекс, Mail. ru Group, Газпром нефть и МТС, - «взяли на себя лидерство организовать развитие» ИИ.
Во Франции: финансирование ИИ-стартапов в 2019 г. выросло на 38% ($634 млн. за первые 6 мес). Их уже 432 (в 2017- было 312, в 2016-180). И это при том, что Франция имеет самую большую концентрацию исследовательских ИИ-лабораторий в Европе.
Взгляните на диаграмму. Россия составляет, примерно, десятую часть высоты серого столбика – Others. Ох как за державу обидно.
#ИИгонка
ИИ выступил на стороне демонстрантов и видеоблогеров.
Оказалось, что Большой Брат вовсе не всемогущ против де-идентификации и видео-невидимости.
Суд отказался запретить систему распознавания лиц в Москве. Но это, оказывается, преодолимо.
Студентов и журналистов обвиняют за их видео-обращения в сети. И это тоже теперь преодолевается.
Власти Китая, а за ними и других стран решили, что схватили Бога за бороду, получив в свои руки ИИ-технологии распознавания лиц. Теперь, мол, никто не уйдет от ответственности. Ни в сети, ни в реале.
Но они просчитались, просто забыв про историю меча и щита, снаряда и брони, болта с левой резьбой и крутой гайки. Ведь ИИ-технологии могут использовать обе соревнующиеся стороны. И вот результат.
✔️ Facebook Research разработал де-идентификатор лица на видео реального времени. Видеоблогер с помощью такого софта теперь может свободно вещать и его невозможно привлечь к ответственности. Элегантность решения в том, что в реальном времени происходит мизерная модификация существенных черт лица (глаз, носа, губ, бровей и рта). Исправленное видео для человека кажется почти тем же. Некоторые вообще не видят разницы – проверьте сами. Но распознавание подправленного лица с помощью ИИ делается невозможным.
Подробней: популярно, научно
✔️ Лаборатория MIT-IBM Watson AI и Северо-Восточный университет США разработали рисунок для футболки (рубашки, свитера и т.д.), делающий человека невидимым для камер наблюдения с вероятностью 79% и 63%, соответственно, для цифрового и реального мира. И это лишь 1я версия. Вероятность превращения в невидимку собираются довести до 97%.
Подробней: популярно, научно
Подобрать «броню» для защиты от «снарядов» новых технологий де-идентификации и видео-невидимости невозможно. Разнообразие модификаций «типов снарядов» настолько обширно, что практически не реально отгадать все возможные комбинации и научить систему защищаться.
Таким образом, на ИИ-болт с левой резьбой уже нашлась крутая ИИ-гайка. Счет становится 1:1. А триумф Большого Брата на какое-то время откладывается.
#БольшойБрат
Оказалось, что Большой Брат вовсе не всемогущ против де-идентификации и видео-невидимости.
Суд отказался запретить систему распознавания лиц в Москве. Но это, оказывается, преодолимо.
Студентов и журналистов обвиняют за их видео-обращения в сети. И это тоже теперь преодолевается.
Власти Китая, а за ними и других стран решили, что схватили Бога за бороду, получив в свои руки ИИ-технологии распознавания лиц. Теперь, мол, никто не уйдет от ответственности. Ни в сети, ни в реале.
Но они просчитались, просто забыв про историю меча и щита, снаряда и брони, болта с левой резьбой и крутой гайки. Ведь ИИ-технологии могут использовать обе соревнующиеся стороны. И вот результат.
✔️ Facebook Research разработал де-идентификатор лица на видео реального времени. Видеоблогер с помощью такого софта теперь может свободно вещать и его невозможно привлечь к ответственности. Элегантность решения в том, что в реальном времени происходит мизерная модификация существенных черт лица (глаз, носа, губ, бровей и рта). Исправленное видео для человека кажется почти тем же. Некоторые вообще не видят разницы – проверьте сами. Но распознавание подправленного лица с помощью ИИ делается невозможным.
Подробней: популярно, научно
✔️ Лаборатория MIT-IBM Watson AI и Северо-Восточный университет США разработали рисунок для футболки (рубашки, свитера и т.д.), делающий человека невидимым для камер наблюдения с вероятностью 79% и 63%, соответственно, для цифрового и реального мира. И это лишь 1я версия. Вероятность превращения в невидимку собираются довести до 97%.
Подробней: популярно, научно
Подобрать «броню» для защиты от «снарядов» новых технологий де-идентификации и видео-невидимости невозможно. Разнообразие модификаций «типов снарядов» настолько обширно, что практически не реально отгадать все возможные комбинации и научить систему защищаться.
Таким образом, на ИИ-болт с левой резьбой уже нашлась крутая ИИ-гайка. Счет становится 1:1. А триумф Большого Брата на какое-то время откладывается.
#БольшойБрат
YouTube
Live Face De-Identification in Video
The full paper can be found at:
https://research.fb.com/publications/live-face-de-identification-in-video
https://research.fb.com/publications/live-face-de-identification-in-video
Если ставка – жизнь, спасают лишь интуиция и молчаливое знание. И то, и другое можно натренировать, если знать как.
Увы, но самому главному в жизни нас не учат. Например, как спасти свою жизнь в экстремальных ситуациях: пожар, теракт и т.д. Классический подход к принятию важных решений учит – надо сформулировать проблему, очертить альтернативы, оценить варианты…
Однако, профессиональные пожарные вовсе не очерчивают альтернативы и не оценивают их, а используют первую более или менее приемлемую идею, которая приходит в голову, затем ищут следующую идею и т. д. Принятие решений у пожарных и близко не походит на то, что рекомендует классическая теория. Так же поступают и «морские котики», да и все профессиональные спасатели и бойцы спецподразделений в цейтнотных ситуациях жизни и смерти, характеризуемых высочайшей неуверенностью и нестабильностью, при которых рациональный подход к принятию решений не работает так, как предполагается.
Причина в том, что человеческая рациональность ограниченна, а требования к скорости обработки информации в экстремальных ситуациях намного превосходят познавательные способности людей. Поэтому в таких ситуациях нужно принимать решения не из расчета оптимальных исходов, а ориентируясь на то, что «достаточно хорошо» и довольствуясь тем, что есть. Разум нужно выключить, отдавшись на волю интуиции и своих «молчаливых знаний».
Чтобы научиться этому, существует специальных подход - Натуралистическое принятие решений Naturalistic Decision Decision (NDM). Он трактует интуицию наподобие глубокого обучения на большом количестве образцов, полученных в результате опыта, что приводит к различным формам молчаливого (неявного) знания. Не менее важно здесь принципиальное отличие интуиции и понимания.
- Интуиция зависит от «библиотеки моделей», которые человек приобрел в процессе жизни.
- А понимание является средством создания новых моделей.
NDM предлагает семь способов улучшения интуитивного принятия решений, основанных на создании у людей более совершенной библиотеки неявных знаний - Tacit Knowledge (молчаливое, неявное, невербализованное знание): от выбора «наименее худшего» варианта до практики рассказывания «мрачных историй».
И последнее. NDM – не очередное психо-разводилово. Этот подход разработан Гари Кляйном – проф. экспериментальной психологии экстремальных ситуаций, среди прочего, спроектировавшим Ситуационный центр Белого дома. Сегодня NDM - штатный метод подготовки к экстремальным ситуациям в армии, ВВС и ВМФ США, у пожарных и военных медсестер, морской пехоты и спецназа …
Подробней
- популярно
- научно
P.S. И кстати, как считают в McKinsey, в XXI веке «молчаливое знание» станет ключевым конкурентным преимуществом. Оно поможет совершить революцию в здравоохранении, торговле, страховании, финансовых услугах и консалтинге.
Подробней о возрастающей роли «молчаливого знания» при формировании сетевого разума - как будут устроены работа, развлечения, война и борьба с терроризмом в постиндустриальном мире, - читайте в моем посте на Republic.
#Интуиция #МолчаливоеЗнание #ПринятиеРешений
Увы, но самому главному в жизни нас не учат. Например, как спасти свою жизнь в экстремальных ситуациях: пожар, теракт и т.д. Классический подход к принятию важных решений учит – надо сформулировать проблему, очертить альтернативы, оценить варианты…
Однако, профессиональные пожарные вовсе не очерчивают альтернативы и не оценивают их, а используют первую более или менее приемлемую идею, которая приходит в голову, затем ищут следующую идею и т. д. Принятие решений у пожарных и близко не походит на то, что рекомендует классическая теория. Так же поступают и «морские котики», да и все профессиональные спасатели и бойцы спецподразделений в цейтнотных ситуациях жизни и смерти, характеризуемых высочайшей неуверенностью и нестабильностью, при которых рациональный подход к принятию решений не работает так, как предполагается.
Причина в том, что человеческая рациональность ограниченна, а требования к скорости обработки информации в экстремальных ситуациях намного превосходят познавательные способности людей. Поэтому в таких ситуациях нужно принимать решения не из расчета оптимальных исходов, а ориентируясь на то, что «достаточно хорошо» и довольствуясь тем, что есть. Разум нужно выключить, отдавшись на волю интуиции и своих «молчаливых знаний».
Чтобы научиться этому, существует специальных подход - Натуралистическое принятие решений Naturalistic Decision Decision (NDM). Он трактует интуицию наподобие глубокого обучения на большом количестве образцов, полученных в результате опыта, что приводит к различным формам молчаливого (неявного) знания. Не менее важно здесь принципиальное отличие интуиции и понимания.
- Интуиция зависит от «библиотеки моделей», которые человек приобрел в процессе жизни.
- А понимание является средством создания новых моделей.
NDM предлагает семь способов улучшения интуитивного принятия решений, основанных на создании у людей более совершенной библиотеки неявных знаний - Tacit Knowledge (молчаливое, неявное, невербализованное знание): от выбора «наименее худшего» варианта до практики рассказывания «мрачных историй».
И последнее. NDM – не очередное психо-разводилово. Этот подход разработан Гари Кляйном – проф. экспериментальной психологии экстремальных ситуаций, среди прочего, спроектировавшим Ситуационный центр Белого дома. Сегодня NDM - штатный метод подготовки к экстремальным ситуациям в армии, ВВС и ВМФ США, у пожарных и военных медсестер, морской пехоты и спецназа …
Подробней
- популярно
- научно
P.S. И кстати, как считают в McKinsey, в XXI веке «молчаливое знание» станет ключевым конкурентным преимуществом. Оно поможет совершить революцию в здравоохранении, торговле, страховании, финансовых услугах и консалтинге.
Подробней о возрастающей роли «молчаливого знания» при формировании сетевого разума - как будут устроены работа, развлечения, война и борьба с терроризмом в постиндустриальном мире, - читайте в моем посте на Republic.
#Интуиция #МолчаливоеЗнание #ПринятиеРешений
The Conversation
Making life-or-death decisions is very hard – here’s how we’ve taught people to do it better
Emergency responders and military personnel need to think creatively – even imaginatively – to save lives under pressure. Analyzing the Grenfell Tower Fire in London reveals useful lessons.
США проснулись и готовят ответный удар по ИИ Китая
Комиссия по национальной безопасности и искусственному интеллекту (NSCAI) опубликовала промежуточный доклад Конгрессу США. Это крайне важный 96 стр. документ с 239 ссылками.
1. Четко сформулирован и обоснован высший приоритет темы «Развития ИИ для обеспечения нацбезопасности» (заодно даны все главные определения и таксономии в этой сфере, а также грамотно описаны 8 главных угроз для США от ИИ, как в военном плане, так и в плане подрыва государственности).
2. Проанализировано состояние дел по теме.
• Потенциальных врага два: Китай и Россия (Китай опасней России, примерно в 4 раза – по числу упоминаний в тексте отчета).
• Китай надо «гасить», иначе он точно сделает США и станет №1 в мире ИИ с очень малоприятными для США последствиями. Предложены 5 направлений «гашения» Китая.
(1) Скачок в финансировании ИИ – окончательные цифры будут в закрытом приложении итоговой версии отчета в октябре 2020, но их прикидки уже известны из письма Фэй-Фэй Ли и Джона Этчеменди «Нам нужно национальное видение для ИИ»
Ежегодные инвестиции по $12 млрд в год в течение как минимум десятилетия с раскладом:
$7 млрд в прорывные ИИ-НИР, $3 млрд в ИИ-образование и $2 млрд в ИИ-стартапы.
Это 12 кратный рост невоенных расходов на ИИ.
(2) Плотный альянс ИИ-бизнеса с военными (предложена схема 4х типов главных вызовов, которые нужно решать для эффективного сотрудничества бизнеса и военных).
(3) Пылесосить ИИ-таланты со всего мира, держать и не отпускать.
(4) Законопатить все дыры утечки технологий, SW, HW, изобретений и прорывных идей.
(5) Организовать международное сотрудничество «в борьбе за это»: дипломатично дружить хоть с НАТО, хоть с чертом, хоть с Россией, - лишь бы «загасить» Китай.
Самое страшное то, что у нас ничего подобного таким отчетам нет.
А мои скромные попытки (типа https://t.me/theworldisnoteasy/921) явно недостаточны, чтобы изменить существующий подход к ИИ-гонке. И он остается пока что все тем же, что год назад Петр Саруханов изобразил в «Новой газете».
#ИИгонка #США #Китай
Комиссия по национальной безопасности и искусственному интеллекту (NSCAI) опубликовала промежуточный доклад Конгрессу США. Это крайне важный 96 стр. документ с 239 ссылками.
1. Четко сформулирован и обоснован высший приоритет темы «Развития ИИ для обеспечения нацбезопасности» (заодно даны все главные определения и таксономии в этой сфере, а также грамотно описаны 8 главных угроз для США от ИИ, как в военном плане, так и в плане подрыва государственности).
2. Проанализировано состояние дел по теме.
• Потенциальных врага два: Китай и Россия (Китай опасней России, примерно в 4 раза – по числу упоминаний в тексте отчета).
• Китай надо «гасить», иначе он точно сделает США и станет №1 в мире ИИ с очень малоприятными для США последствиями. Предложены 5 направлений «гашения» Китая.
(1) Скачок в финансировании ИИ – окончательные цифры будут в закрытом приложении итоговой версии отчета в октябре 2020, но их прикидки уже известны из письма Фэй-Фэй Ли и Джона Этчеменди «Нам нужно национальное видение для ИИ»
Ежегодные инвестиции по $12 млрд в год в течение как минимум десятилетия с раскладом:
$7 млрд в прорывные ИИ-НИР, $3 млрд в ИИ-образование и $2 млрд в ИИ-стартапы.
Это 12 кратный рост невоенных расходов на ИИ.
(2) Плотный альянс ИИ-бизнеса с военными (предложена схема 4х типов главных вызовов, которые нужно решать для эффективного сотрудничества бизнеса и военных).
(3) Пылесосить ИИ-таланты со всего мира, держать и не отпускать.
(4) Законопатить все дыры утечки технологий, SW, HW, изобретений и прорывных идей.
(5) Организовать международное сотрудничество «в борьбе за это»: дипломатично дружить хоть с НАТО, хоть с чертом, хоть с Россией, - лишь бы «загасить» Китай.
Самое страшное то, что у нас ничего подобного таким отчетам нет.
А мои скромные попытки (типа https://t.me/theworldisnoteasy/921) явно недостаточны, чтобы изменить существующий подход к ИИ-гонке. И он остается пока что все тем же, что год назад Петр Саруханов изобразил в «Новой газете».
#ИИгонка #США #Китай
ИИ – это Инопланетный Интеллект.
Но сделана 1я попытка превратить его в земной.
Интеллект Чужого (Alien) кардинально отличается от интеллекта любого земного существа от мыши до человека.
Например, интеллект «чужих» трисоляриан из трилогии Лю Цысиня стал принципиально иным, чем земной, из-за иной системы коммуникаций между особями – чтение мыслей, точнее, образов и их экзограмм. Это привело к формированию интеллекта, в котором отсутствует ложь. Кстати, подобный интеллект есть и на нашей планете. Но он не земной, а водный. Это дельфины, читающие мысли друг друга и потому не знающие лжи. Но про это как-нибудь в следующий раз.
Вот понятный пример, показывающий принципиальное отличие ИИ от интеллекта человека или мыши – ориентация и навигация в пространстве.
ИИ навигаторов в этом столь же преуспел, как и в настольных играх. Ориентироваться в городских пробках и прокладывать оптимальные маршруты он умеет лучше любого из нас. Однако:
- он делает это совсем иначе, чем мы;
- мы имеем в голове (1) модель пространства, (2) модель своего тела и его возможностей, (3) оптимизатор достижения целей с учетом 1 и 2;
- ИИ навигатора имеет в «голове» 1 и 3. Но 2 – абсолютно иной. Это море данных о движении многих тысяч авто по модели пространства.
При этом, ИИ навигатор не может решить, можно ли убрать с дороги легкое препятствие или перепрыгнуть небольшую канаву.
Из-за этой разницы, в вопросах навигации наш интеллект (или мыши) – универсальный земной. А ИИ навигатора – специализированный неземной.
Т.е. человек или мышь могут решать любую задачу о прокладывании маршрута из А в Б.
Например, при движении по комнате, где нужно огибать неустранимые препятствия (типа шкафа) и убирать или преодолевать устранимые (типа стула или фикуса). И в целом, соизмерять свои возможности с динамикой перемещения в конкретном физическом пространстве (см. рис.)
А ИИ навигатор этого не может.
Но что если вложить в голову ИИ навигатору нового поколения 3х мерную модель пространства и модель его тела и его возможностей?
Ведь это будет заветный мост между роботами и ИИ. Мост, которого почти нет. А есть лишь убогие «веревочные лестницы» через пропасть.
Роботы-собачки от Boston Dynamics или «луноход» робота-курьера Яндекса способны огибать препятствия, но у них все еще нет возможностей для универсальной ориентации и навигации в пространстве. Они неспособны сами воссоздавать в своей «голове» модель пространства и, зная возможности своего «тела», находить оптимальный маршрут передвижения к цели.
Попыткой решить эту задачу стал «Интерактивный Гибсон» - навигатор/оптимизатор интерактивной навигации в загроможденных средах. Его работа основана на нахождении компромисса между эффективностью пути навигации и возможными нарушениями положения окружающих объектов.
Сначала его научили «земному» способу навигации в виртуальных пространствах с учетом физических взаимодействий со средой. Теперь на очереди материальная физическая среда.
https://arxiv.org/abs/1910.14442
Как сказал по этому поводу Джек Кларк - «миры робототехники и ИИ становятся все более и более смешанными. Вопрос на $1 триллион состоит в том, в какой момент обе технологии объединятся, разовьются и дадут возможности, превышающие сумму их частей».
#ИИ #Роботы
Но сделана 1я попытка превратить его в земной.
Интеллект Чужого (Alien) кардинально отличается от интеллекта любого земного существа от мыши до человека.
Например, интеллект «чужих» трисоляриан из трилогии Лю Цысиня стал принципиально иным, чем земной, из-за иной системы коммуникаций между особями – чтение мыслей, точнее, образов и их экзограмм. Это привело к формированию интеллекта, в котором отсутствует ложь. Кстати, подобный интеллект есть и на нашей планете. Но он не земной, а водный. Это дельфины, читающие мысли друг друга и потому не знающие лжи. Но про это как-нибудь в следующий раз.
Вот понятный пример, показывающий принципиальное отличие ИИ от интеллекта человека или мыши – ориентация и навигация в пространстве.
ИИ навигаторов в этом столь же преуспел, как и в настольных играх. Ориентироваться в городских пробках и прокладывать оптимальные маршруты он умеет лучше любого из нас. Однако:
- он делает это совсем иначе, чем мы;
- мы имеем в голове (1) модель пространства, (2) модель своего тела и его возможностей, (3) оптимизатор достижения целей с учетом 1 и 2;
- ИИ навигатора имеет в «голове» 1 и 3. Но 2 – абсолютно иной. Это море данных о движении многих тысяч авто по модели пространства.
При этом, ИИ навигатор не может решить, можно ли убрать с дороги легкое препятствие или перепрыгнуть небольшую канаву.
Из-за этой разницы, в вопросах навигации наш интеллект (или мыши) – универсальный земной. А ИИ навигатора – специализированный неземной.
Т.е. человек или мышь могут решать любую задачу о прокладывании маршрута из А в Б.
Например, при движении по комнате, где нужно огибать неустранимые препятствия (типа шкафа) и убирать или преодолевать устранимые (типа стула или фикуса). И в целом, соизмерять свои возможности с динамикой перемещения в конкретном физическом пространстве (см. рис.)
А ИИ навигатор этого не может.
Но что если вложить в голову ИИ навигатору нового поколения 3х мерную модель пространства и модель его тела и его возможностей?
Ведь это будет заветный мост между роботами и ИИ. Мост, которого почти нет. А есть лишь убогие «веревочные лестницы» через пропасть.
Роботы-собачки от Boston Dynamics или «луноход» робота-курьера Яндекса способны огибать препятствия, но у них все еще нет возможностей для универсальной ориентации и навигации в пространстве. Они неспособны сами воссоздавать в своей «голове» модель пространства и, зная возможности своего «тела», находить оптимальный маршрут передвижения к цели.
Попыткой решить эту задачу стал «Интерактивный Гибсон» - навигатор/оптимизатор интерактивной навигации в загроможденных средах. Его работа основана на нахождении компромисса между эффективностью пути навигации и возможными нарушениями положения окружающих объектов.
Сначала его научили «земному» способу навигации в виртуальных пространствах с учетом физических взаимодействий со средой. Теперь на очереди материальная физическая среда.
https://arxiv.org/abs/1910.14442
Как сказал по этому поводу Джек Кларк - «миры робототехники и ИИ становятся все более и более смешанными. Вопрос на $1 триллион состоит в том, в какой момент обе технологии объединятся, разовьются и дадут возможности, превышающие сумму их частей».
#ИИ #Роботы
США больше нет, а есть РША.
Добро пожаловать в Расколотые Штаты Америки.
Еще несколько лет назад мы простодушно улыбались, читая про угрозу раскола США. Сегодня, при объективном анализе фактов, вывод один, - раскол произошел.
И этот раскол тектонический, поскольку политическая поляризация – лишь верхушка айсберга. Расколоты семьи, церковь, офисы корпораций, университетские кампусы … Расколоты по ВСЕМ мало-мальски важным вопросам.
И это не выводы аналитиков, - это факт, признаваемый 76% населения. И к сожалению, Трамп – не причина этого раскола, а лишь ярко проявившийся симптом.
«Как США пришли к расколу» и «Как его преодолевать» - будет рассказано во 2м и 3м посте серии «Расколотые Штаты Америки». А пока «Добро пожаловать в РША» - 1й пост этой серии (на 10 мин, вкл. 2 коротких видео).
И если кто-то думает, что проблема гражданского раскола актуальна лишь для США, боюсь, - это большая ошибка.
Подробней в моих постах по тегу
#раскол
Добро пожаловать в Расколотые Штаты Америки.
Еще несколько лет назад мы простодушно улыбались, читая про угрозу раскола США. Сегодня, при объективном анализе фактов, вывод один, - раскол произошел.
И этот раскол тектонический, поскольку политическая поляризация – лишь верхушка айсберга. Расколоты семьи, церковь, офисы корпораций, университетские кампусы … Расколоты по ВСЕМ мало-мальски важным вопросам.
И это не выводы аналитиков, - это факт, признаваемый 76% населения. И к сожалению, Трамп – не причина этого раскола, а лишь ярко проявившийся симптом.
«Как США пришли к расколу» и «Как его преодолевать» - будет рассказано во 2м и 3м посте серии «Расколотые Штаты Америки». А пока «Добро пожаловать в РША» - 1й пост этой серии (на 10 мин, вкл. 2 коротких видео).
И если кто-то думает, что проблема гражданского раскола актуальна лишь для США, боюсь, - это большая ошибка.
Подробней в моих постах по тегу
#раскол
Человечество, как часто бывает, боится не того. Вот и теперь мир помешался на опасности фейковых новостей. Но они существовали всегда, и теперь лишь появились технологии их индустриального тиражирования и распространения. Это опасно? Да. Но не более, чем новые формы гриппа.
Писец же подкрался незаметно и совсем с другой стороны. Это “Computational Propaganda” (Вычислительная Пропаганда - ВП) – технология масштабирования пропаганды через заражение симпатией в целях вовлечения и радикализации сторонников. Будучи освоенная террористами и авторитарными государствами, ВП грозит миру настоящей инфочумой, защиты от которой пока нет и не факт, что вообще появится.
Об этом в моем новом посте о результатах исследования, проведенного The Center on Terrorism, Extremism, and Counterterrorism (CTEC) совместно с Институтом международных исследований Мидлбери, и озаглавленном «The Industrialization of Terrorist Propaganda. Neural Language Models and the Threat of Fake Content Generation».
- на Medium http://bit.do/fhCXv
- на Яндекс Дзен https://clck.ru/K3MfP
#Cоцботы #ВычислительнаяПропаганда #NeuralLanguageModels
Писец же подкрался незаметно и совсем с другой стороны. Это “Computational Propaganda” (Вычислительная Пропаганда - ВП) – технология масштабирования пропаганды через заражение симпатией в целях вовлечения и радикализации сторонников. Будучи освоенная террористами и авторитарными государствами, ВП грозит миру настоящей инфочумой, защиты от которой пока нет и не факт, что вообще появится.
Об этом в моем новом посте о результатах исследования, проведенного The Center on Terrorism, Extremism, and Counterterrorism (CTEC) совместно с Институтом международных исследований Мидлбери, и озаглавленном «The Industrialization of Terrorist Propaganda. Neural Language Models and the Threat of Fake Content Generation».
- на Medium http://bit.do/fhCXv
- на Яндекс Дзен https://clck.ru/K3MfP
#Cоцботы #ВычислительнаяПропаганда #NeuralLanguageModels
Medium
Фейк-ньюс — всего лишь инфогрипп
А Вычислительная пропаганда — это инфочума
Нащупана «формула крепкого орешка».
Как почувствовать запах приближающегося успеха и не слиться в 5 мин. от него.
Генри Форд дважды обанкротился, прежде чем основать Ford Motor Company. Джоан Роулинг была отвергнута двенадцатью издателями, прежде Гарри Поттер стал мировым кумиром. А Томасу Эдисону потребовалось более 1 тыс. попыток (!), прежде чем удалось осуществить на практике идею электрической лампочки.
Почему к ним успех все же пришел, а к другим нет?
«Чемпион настырности» Томас Эдисон объяснил это так: "Многие из жизненных неудач коренятся в том, что люди сдаются, не понимая, насколько они были близки к успеху."
Но можно это вообще понять?
• Можно ли понять, через сколько провалов нужно еще пройти, чтобы достичь успеха?
• Как вырваться из полосы неудач?
• Можно ли по каким-то признакам уловить запах приближающегося успеха?
Про науку об успехе я пишу давно (см. по тегу #scienceofsuccess). И уже не думал, что после гениального Барабаши кто-то сможет меня здесь сильно удивить. Но тем и прекрасна наука, что нет здесь пределов для интеллектуальных взлетов. Нет в мире «интеллектуальной гравитации», не позволяющей прыгать все выше и выше, без каких-либо физических ограничений. И вот новый рекорд. Нащупана «формула крепкого орешка», - как почувствовать ранние сигналы, способные предсказать, что нас ждет - победа или поражение.
Модель сложной динамики, лежащей в основе серийных неудач проверялась на 3х больших базах данных:
- заявки на гранты, когда-либо подававшиеся в Национальные институты здравоохранения - крупнейший в мире государственный фонд финансирования биомедицинских исследований (776721 заявка от 139091 исследователей с 1985 по 2015);
- история инвестиций в 253 579 стартапа по данным VentureXpert;
- Глобальная база данных терроризма о 170 350 террористических актах, совершенных 3178 террористическими организациями с 1970 по 2017 (здесь успех, как вы понимаете, измерялся успешностью теракта, - тоже своего рода «стартап»).
3я база взята со смыслом – не все же позитивный кейсы успеха изучать.
Что показало исследование и моделирование.
1) Во всех трех наборах данных предпоследняя попытка показывает систематически лучшую производительность, чем начальная попытка (т.е. стратегия «крепкого орешка» работает – держи удар и шансы на победу растут).
2) Успех НЕ обусловлен просто случайностью. Неудачи и опыт в целом дают нам ценные уроки, которые невозможно освоить иным способом. Чем больше вы терпите неудач, тем больше вы учитесь, и тем лучше вы выступите в следующий раз.
3) Но, к сожалению, ни случай, ни обучение сами по себе не могут объяснить эмпирические закономерности, лежащие в основе неудач. Успех лежит где-то между игрой случая и обучением, полученным вами в ходе предыдущих попыток.
4) Тем ни менее, идентифицировать ранние сигналы, которые помогают предсказать и предвидеть окончательную победу или поражение, возможно. Конкретика в 70 стр. приложений к 20ти-страничной статье.
https://www.nature.com/articles/s41586-019-1725-y
Хотя здесь еще работать и работать. Но что-то подсказывает мне, что тысячи стартапов и венчурных инвесторов по всему миру не станут ожидать окончания продолжающейся серии этих исследований, а попытаются применить их результаты уже сейчас. И правильно сделают.
#scienceofsuccess
Как почувствовать запах приближающегося успеха и не слиться в 5 мин. от него.
Генри Форд дважды обанкротился, прежде чем основать Ford Motor Company. Джоан Роулинг была отвергнута двенадцатью издателями, прежде Гарри Поттер стал мировым кумиром. А Томасу Эдисону потребовалось более 1 тыс. попыток (!), прежде чем удалось осуществить на практике идею электрической лампочки.
Почему к ним успех все же пришел, а к другим нет?
«Чемпион настырности» Томас Эдисон объяснил это так: "Многие из жизненных неудач коренятся в том, что люди сдаются, не понимая, насколько они были близки к успеху."
Но можно это вообще понять?
• Можно ли понять, через сколько провалов нужно еще пройти, чтобы достичь успеха?
• Как вырваться из полосы неудач?
• Можно ли по каким-то признакам уловить запах приближающегося успеха?
Про науку об успехе я пишу давно (см. по тегу #scienceofsuccess). И уже не думал, что после гениального Барабаши кто-то сможет меня здесь сильно удивить. Но тем и прекрасна наука, что нет здесь пределов для интеллектуальных взлетов. Нет в мире «интеллектуальной гравитации», не позволяющей прыгать все выше и выше, без каких-либо физических ограничений. И вот новый рекорд. Нащупана «формула крепкого орешка», - как почувствовать ранние сигналы, способные предсказать, что нас ждет - победа или поражение.
Модель сложной динамики, лежащей в основе серийных неудач проверялась на 3х больших базах данных:
- заявки на гранты, когда-либо подававшиеся в Национальные институты здравоохранения - крупнейший в мире государственный фонд финансирования биомедицинских исследований (776721 заявка от 139091 исследователей с 1985 по 2015);
- история инвестиций в 253 579 стартапа по данным VentureXpert;
- Глобальная база данных терроризма о 170 350 террористических актах, совершенных 3178 террористическими организациями с 1970 по 2017 (здесь успех, как вы понимаете, измерялся успешностью теракта, - тоже своего рода «стартап»).
3я база взята со смыслом – не все же позитивный кейсы успеха изучать.
Что показало исследование и моделирование.
1) Во всех трех наборах данных предпоследняя попытка показывает систематически лучшую производительность, чем начальная попытка (т.е. стратегия «крепкого орешка» работает – держи удар и шансы на победу растут).
2) Успех НЕ обусловлен просто случайностью. Неудачи и опыт в целом дают нам ценные уроки, которые невозможно освоить иным способом. Чем больше вы терпите неудач, тем больше вы учитесь, и тем лучше вы выступите в следующий раз.
3) Но, к сожалению, ни случай, ни обучение сами по себе не могут объяснить эмпирические закономерности, лежащие в основе неудач. Успех лежит где-то между игрой случая и обучением, полученным вами в ходе предыдущих попыток.
4) Тем ни менее, идентифицировать ранние сигналы, которые помогают предсказать и предвидеть окончательную победу или поражение, возможно. Конкретика в 70 стр. приложений к 20ти-страничной статье.
https://www.nature.com/articles/s41586-019-1725-y
Хотя здесь еще работать и работать. Но что-то подсказывает мне, что тысячи стартапов и венчурных инвесторов по всему миру не станут ожидать окончания продолжающейся серии этих исследований, а попытаются применить их результаты уже сейчас. И правильно сделают.
#scienceofsuccess
Nature
Quantifying the dynamics of failure across science, startups and security
Nature - A model demonstrates that people who eventually succeed and those who do not may initially appear similar, but are characterized by fundamentally distinct failure dynamics in terms of the...
Визуализация «ДНК мировой науки».
Жизнь сложна, но мир оказался еще сложнее.
Заветная мечта, что полная расшифровка ДНК избавит людей от болезней и позволит достичь небывалого уровня здоровья, а также физических и интеллектуальных способностей, пока что столь же далека от реальности, как умная колонка с Алисой от Сильного ИИ.
Слишком сложно все оказалось устроено. Сложные комбинации генов столь витиевато влияют на устройство и процессы, происходящие в живом организме, да еще так хитро зависят от внешних условий, что проследить все возможные связи не менее сложно, чем проанализировать все возможные варианты в шахматах, а то и в Го. Т.е. не реально.
С наукой оказалось аналогично. Заветная мечта, что физика в состоянии исчерпывающе объяснить нам физическое устройство мира, химия – химическое, биология – биологическое и т.д., - не сбылась. И уже ясно, что не сбудется.
Как и в ДНК человека, в «ДНК науки» слишком много связей, которые все не проанализировать. И также как с дальнейшим изучением ДНК человека, у науке лишь один путь преодоления немыслимой и неисчислимой сложности – пытаться проводить комплексные исследования связей и зависимостей многих базовых элементов и внешних факторов. Т.е. междисциплинарность.
Но как же выглядит «ДНК современной науки»?
К 150-летию журнала Nature проведена интереснейшая работа - проверка на больших данных, насколько в науке возрастает роль междисциплинарности.
Проанализированы 700 млн цитирований по 38 млн первоклассных научных статей самых авторитетный научных журналов за 1900-2017 гг. В результате получилось что-то типа визуализации «ДНК современной науки» (с учетом того, что научные знания, полученные за последнюю сотню+ лет, составляют львиную долю всех научных знаний человечества).
Результат визуализации таков.
За последние 50 лет междисциплинарность (разнообразие дисциплин в ссылках и цитатах статей) увеличилась, примерно, в три раза. Т.е. тренд налицо и растет.
Все чаще профильная область статьи заметно отличается от тех, на которые она оказывает влияние. Например, «Цифровой код ДНК», эссе о природе 2003 года, написанное системными биологами Леруа Худом и Дэвидом Галасом, изначально относилось к молекулярной биологии, однако основательно цитируется в областях компьютерных наук, клинической медицины и социальных наук.
Сплетение разных областей науки становится все сложнее. Вот как смотрится «научная вселенная» в переплетении 14 областей наук.
Оценить этот феерический набор переплетений можно лишь с помощью инфографики.
Итоговый вывод исследования просто процитирую.
«Усиление междисциплинарного мышления наблюдается в разных дисциплинах и не показывает признаков замедления. С ростом популяции исследователей, научной литературы и знаний научные усилия все больше интегрируются через границы наук. Научно-исследовательским учреждениям и финансирующим органам было бы полезно понять, что междисциплинарность становится нормой».
А в заключение, посмотрите невиданную картину – вся мировая наука за последние 100 лет. (изучить в деталях интерактивную карту цитирований по 38 млн статей можно здесь).
И кстати, единственный существующий канал про междисциплинарность так и назван - @theworldisnoteasy 😊
#МеждисциплинарныеИсследования
Жизнь сложна, но мир оказался еще сложнее.
Заветная мечта, что полная расшифровка ДНК избавит людей от болезней и позволит достичь небывалого уровня здоровья, а также физических и интеллектуальных способностей, пока что столь же далека от реальности, как умная колонка с Алисой от Сильного ИИ.
Слишком сложно все оказалось устроено. Сложные комбинации генов столь витиевато влияют на устройство и процессы, происходящие в живом организме, да еще так хитро зависят от внешних условий, что проследить все возможные связи не менее сложно, чем проанализировать все возможные варианты в шахматах, а то и в Го. Т.е. не реально.
С наукой оказалось аналогично. Заветная мечта, что физика в состоянии исчерпывающе объяснить нам физическое устройство мира, химия – химическое, биология – биологическое и т.д., - не сбылась. И уже ясно, что не сбудется.
Как и в ДНК человека, в «ДНК науки» слишком много связей, которые все не проанализировать. И также как с дальнейшим изучением ДНК человека, у науке лишь один путь преодоления немыслимой и неисчислимой сложности – пытаться проводить комплексные исследования связей и зависимостей многих базовых элементов и внешних факторов. Т.е. междисциплинарность.
Но как же выглядит «ДНК современной науки»?
К 150-летию журнала Nature проведена интереснейшая работа - проверка на больших данных, насколько в науке возрастает роль междисциплинарности.
Проанализированы 700 млн цитирований по 38 млн первоклассных научных статей самых авторитетный научных журналов за 1900-2017 гг. В результате получилось что-то типа визуализации «ДНК современной науки» (с учетом того, что научные знания, полученные за последнюю сотню+ лет, составляют львиную долю всех научных знаний человечества).
Результат визуализации таков.
За последние 50 лет междисциплинарность (разнообразие дисциплин в ссылках и цитатах статей) увеличилась, примерно, в три раза. Т.е. тренд налицо и растет.
Все чаще профильная область статьи заметно отличается от тех, на которые она оказывает влияние. Например, «Цифровой код ДНК», эссе о природе 2003 года, написанное системными биологами Леруа Худом и Дэвидом Галасом, изначально относилось к молекулярной биологии, однако основательно цитируется в областях компьютерных наук, клинической медицины и социальных наук.
Сплетение разных областей науки становится все сложнее. Вот как смотрится «научная вселенная» в переплетении 14 областей наук.
Оценить этот феерический набор переплетений можно лишь с помощью инфографики.
Итоговый вывод исследования просто процитирую.
«Усиление междисциплинарного мышления наблюдается в разных дисциплинах и не показывает признаков замедления. С ростом популяции исследователей, научной литературы и знаний научные усилия все больше интегрируются через границы наук. Научно-исследовательским учреждениям и финансирующим органам было бы полезно понять, что междисциплинарность становится нормой».
А в заключение, посмотрите невиданную картину – вся мировая наука за последние 100 лет. (изучить в деталях интерактивную карту цитирований по 38 млн статей можно здесь).
И кстати, единственный существующий канал про междисциплинарность так и назван - @theworldisnoteasy 😊
#МеждисциплинарныеИсследования
Nature
Nature’s reach: narrow work has broad impact
Nature - A scientific paper today is inspired by more disciplines than ever before, shows a new analysis marking the journal’s 150th anniversary.
Завораживающее зрелище – пролет сквозь «ДНК мировой науки»
Подобное я впервые увидел в 1й половине 90х в «секретной» лаборатории SGI в Швейцарии. В ней тогда придумывали, как получить синергию от анализа Больших Данных (термин Big Data был нами придуман через несколько месяцев) и компьютерной 3D визуализации (движок был придуман компанией за полгода до этого) на графических суперкомьютерах.
Прошло каких-то четверть века и вот перед нами не просто пролет над ландшафтами из бараков и небоскребов данных (как в презентации бюджета РФ, сделанной SGI в 1999 по заказу ЦСР Грефа для 1й экономической программы Путина), а полет через скопление галактик с мириадами старых и нарождающихся звезд … 😳
5 минутное шоу от Эйнштейна 21 века Альберта-Ласло Барабаши, иллюстрирующее статью Nature, о которой я писал вчера.
Просто нельзя оторваться! 👍
P.S. Вот так будет выглядеть образование во 2й половине 21 века.
Междисциплинарные полеты во сне и наяву между галактикам знаний и прямая трансляция «увиденного» с перепрошивкой пластической структуры нейронных связей головного мозга.
https://www.youtube.com/watch?v=GW4s58u8PZo&feature=youtu.be
#МеждисциплинарныеИсследования
Подобное я впервые увидел в 1й половине 90х в «секретной» лаборатории SGI в Швейцарии. В ней тогда придумывали, как получить синергию от анализа Больших Данных (термин Big Data был нами придуман через несколько месяцев) и компьютерной 3D визуализации (движок был придуман компанией за полгода до этого) на графических суперкомьютерах.
Прошло каких-то четверть века и вот перед нами не просто пролет над ландшафтами из бараков и небоскребов данных (как в презентации бюджета РФ, сделанной SGI в 1999 по заказу ЦСР Грефа для 1й экономической программы Путина), а полет через скопление галактик с мириадами старых и нарождающихся звезд … 😳
5 минутное шоу от Эйнштейна 21 века Альберта-Ласло Барабаши, иллюстрирующее статью Nature, о которой я писал вчера.
Просто нельзя оторваться! 👍
P.S. Вот так будет выглядеть образование во 2й половине 21 века.
Междисциплинарные полеты во сне и наяву между галактикам знаний и прямая трансляция «увиденного» с перепрошивкой пластической структуры нейронных связей головного мозга.
https://www.youtube.com/watch?v=GW4s58u8PZo&feature=youtu.be
#МеждисциплинарныеИсследования
YouTube
A network of science: 150 years of Nature papers
Science is a network, each paper linking those that came before with those that followed. In an exclusive analysis, researchers have delved into Nature's part of that network. We explore their results, taking you on a tour of 150 years of interconnected…
А существует ли справедливость?
Мы можем заставить ИИ не быть расистом, но будет ли это справедливо?
В последнюю пару лет на пути расширения использования ИИ на основе машинного обучения образовывался все более фундаментальный завал – неконтролируемая предвзятость. Она проявлялась во всевозможных формах дискриминации со стороны алгоритмов чернокожих, женщин, малообеспеченных, пожилых и т.д. буквально во всем: от процента кредита до решений о досрочном освобождении из заключения.
Проблема стала настолько серьезной, что на нее навалились всем миром: IT-гиганты и стартапы, военные и разведка, университеты и хакатоны …
И вот, похоже, принципиальное решение найдено. Им стал «Алгоритм Селдона» (детали см. здесь: популярно, научно). Он назван так в честь персонажа легендарного романа «Основание» Айзека Азимова математика Гэри Селдона. Ситуация в романе здорово напоминает нашу сегодняшнюю. Галактическая империя разваливалась, отчасти потому, что выполнение Трех законов робототехники требует гарантий, что ни один человек не пострадает в результате действий роботов. Это парализует любые действия роботов и заводит ситуацию в тупик. Селдон же предложил, как исправить это, обратившись к вероятностным рассуждениям о безопасности.
Разработчики «Алгоритма Селдона» (из США и Бразилии) пошли тем же путем. В результате получился фреймворк для разработки алгоритмов машинного обучения, облегчающий пользователям алгоритма указывать ограничения безопасности и избегания дискриминации (это можно условно назвать справедливостью).
Идея 1й версии «Алгоритма Селдона» была предложена еще 2 года назад. Но нужно было проверить на практике, как она работает. 1е тестирование было на задаче прогнозирования средних баллов в наборе данных из 43 000 учащихся в Бразилии. Все предыдущие алгоритмы машинного обучения дискриминировали женщин. 2е тестирование касалось задачи улучшения алгоритма управления контроллера инсулиновой помпы, чтобы он из-за предвзятостей не увеличивал частоту гипогликемии. Оба теста показали, что «Алгоритм Селдона» позволяет минимизировать предвзятость.
Казалось бы, ура (!?). Не совсем.
Засада может ждать впереди (опять же, как и предсказано Азимовым). Проблема в понимании людьми справедливости. Алгоритмы же так и так ни черта не понимают. И потому решать, что справедливо, а что нет, «Алгоритма Селдона» предлагает людям. Фреймворк позволяет использовать альтернативные определения справедливости. Люди сами должны выбрать, что им подходит, а «Алгоритм Селдона» потом проследит, чтобы выбранная «справедливость» не была нарушена. Однако даже среди экспертов существуют порядка 30 различных определений справедливости. И если даже эксперты не могут договориться о том, что справедливо, было бы странно перекладывать бремя решений на менее опытных пользователей.
В результате может получиться следующее:
• Пользователь рассудит, что справедливо, и задаст правила справедливости алгоритму.
• «Алгоритм Селдона» отследит выполнение правил.
• Но, по-честному, люди так и не будут уверены, справедливо ли они рассудили или нет.
#МашинноеОбучение #Справедливость #ПредвзятостьИИ
Мы можем заставить ИИ не быть расистом, но будет ли это справедливо?
В последнюю пару лет на пути расширения использования ИИ на основе машинного обучения образовывался все более фундаментальный завал – неконтролируемая предвзятость. Она проявлялась во всевозможных формах дискриминации со стороны алгоритмов чернокожих, женщин, малообеспеченных, пожилых и т.д. буквально во всем: от процента кредита до решений о досрочном освобождении из заключения.
Проблема стала настолько серьезной, что на нее навалились всем миром: IT-гиганты и стартапы, военные и разведка, университеты и хакатоны …
И вот, похоже, принципиальное решение найдено. Им стал «Алгоритм Селдона» (детали см. здесь: популярно, научно). Он назван так в честь персонажа легендарного романа «Основание» Айзека Азимова математика Гэри Селдона. Ситуация в романе здорово напоминает нашу сегодняшнюю. Галактическая империя разваливалась, отчасти потому, что выполнение Трех законов робототехники требует гарантий, что ни один человек не пострадает в результате действий роботов. Это парализует любые действия роботов и заводит ситуацию в тупик. Селдон же предложил, как исправить это, обратившись к вероятностным рассуждениям о безопасности.
Разработчики «Алгоритма Селдона» (из США и Бразилии) пошли тем же путем. В результате получился фреймворк для разработки алгоритмов машинного обучения, облегчающий пользователям алгоритма указывать ограничения безопасности и избегания дискриминации (это можно условно назвать справедливостью).
Идея 1й версии «Алгоритма Селдона» была предложена еще 2 года назад. Но нужно было проверить на практике, как она работает. 1е тестирование было на задаче прогнозирования средних баллов в наборе данных из 43 000 учащихся в Бразилии. Все предыдущие алгоритмы машинного обучения дискриминировали женщин. 2е тестирование касалось задачи улучшения алгоритма управления контроллера инсулиновой помпы, чтобы он из-за предвзятостей не увеличивал частоту гипогликемии. Оба теста показали, что «Алгоритм Селдона» позволяет минимизировать предвзятость.
Казалось бы, ура (!?). Не совсем.
Засада может ждать впереди (опять же, как и предсказано Азимовым). Проблема в понимании людьми справедливости. Алгоритмы же так и так ни черта не понимают. И потому решать, что справедливо, а что нет, «Алгоритма Селдона» предлагает людям. Фреймворк позволяет использовать альтернативные определения справедливости. Люди сами должны выбрать, что им подходит, а «Алгоритм Селдона» потом проследит, чтобы выбранная «справедливость» не была нарушена. Однако даже среди экспертов существуют порядка 30 различных определений справедливости. И если даже эксперты не могут договориться о том, что справедливо, было бы странно перекладывать бремя решений на менее опытных пользователей.
В результате может получиться следующее:
• Пользователь рассудит, что справедливо, и задаст правила справедливости алгоритму.
• «Алгоритм Селдона» отследит выполнение правил.
• Но, по-честному, люди так и не будут уверены, справедливо ли они рассудили или нет.
#МашинноеОбучение #Справедливость #ПредвзятостьИИ
Wired
Researchers Want Guardrails to Help Prevent Bias in AI
Machine-learning experts often design their algorithms to avoid some unintended consequences. But that’s not as easy for others.
Информационные автократии - как модель будущего.
Как AI изменит IA, и что это значит для мира.
Лекция Сергея ГУРИЕВА «Информационные автократии», прочитанная в университете Нархоз в Алматы, - абсолютный мастсмотр. Поразительно смелое и информационно мощное изложение интереснейшей, крайне малоизвестной, сложной и актуальной темы понятным и доходчивым языком.
Рассказывается о новой теории «Информационных автократий» (Informational Autocracy – IA), разрабатываемой Сергеем Гуриевым и Дэниелем Трейсманом.
Современные диктаторы остаются у власти не с помощью массового насилия или идеологии, а убеждая общественность, что они более других компетентны вести страну к лучшем для нее будущему к вящей пользе ее народа.
Современные диктаторы – это инфоавтократы, удерживающие власть с помощью цензуры, подавления или маргинализации независимых СМИ, кооптации элиты и оснащения полиции и спецслужб для подавления попыток восстания.
Под элитой в теории информационных автократий понимается не сословное или имущественное отличие, а уровень информированности и понимания происходящего в реальности.
Такая элита – меньшинство общества: образованное, просвещенное, информированное, интересующееся и разбирающееся в происходящем. Большинство же современного общества отличается по всем названным параметрам, а свои представления о происходящем черпает из масс-медиа.
Авторы теории информационных автократий показывают, что инфоавтократии превалируют над старомодными, откровенно насильственными диктатурами, когда информированная элита:
- достаточно велика, чтобы запугать ее массовыми репрессиям;
- но еще не настолько велика, чтобы:
а) не хватало денег на ее подкуп;
б) не хватало возможностей (финансовых и технологических) цензурировать все инфопространство.
Получается, чтобы в современном мире инфоавтократу удерживать власть, ему достаточно денег и инфотехнологий.
С деньгами понятно. А с инфотехнологиями – не совсем.
Ведь они же работают и против власти, снижая косты организации любых форм инакомыслия и протеста: от разрушения цензуры с помощью блогосферы и интернет-СМИ до оргплатформ протеста в соцсетях и мессенджерах.
Ответ на вопрос – работают ли инфотехнологии больше на или против инфоавтократов – в лекции Гуриева, да и в теории информационных автократий, к сожалению, еще не доработан.
Авторы, в основном, анализируют лишь «старые медиа» (ТВ и СМИ), оставляя вне рассмотрения Интернет и блогосферу. Что в результате и приводит их к выводу, что учет лишь ТВ и СМИ, не дает релевантной картины.
За бОльшим авторы отсылают к работе Тибериу Драгу и Джонотана Лупу «Does Technology Undermine Authoritarian Governments?». В ней показывается, что влияние инфотехнологий на режимы инфоавтократов двойное:
- сначала, для 1го поколения сетевых инфотехнологий, они больше работают против инфоавтократов, пробивая дыры в цензуре и помогая организации протестов;
- но на следующем этапе, для 2го поколения сетевых инфотехнологий, все меняется наоборот:
они не просто начинают давать преимущества инфоавтократорам, но и становятся ключевым фактором удержания власти, выступая теперь не просто механизмом цензуры, а активно формируя ментальную картину представлений о реальности в головах масс.
• 1е поколение сетевых инфотехнологий – блогосфера, интернет-СМИ, соцсети и мессенджеры.
• 2е – это соцботы на основе ИИ и дальнейшие навороты анализа больших данных, управляемых инфокаскадов, вплоть до «социального лазера».
Получается, приехали!
Поскольку технологический прогресс неостановим, - 2е поколение инфотехнологий тоже.
А значит мир будет неуклонно трансформироваться в мир инфоавтократоров.
Есть, правда, и Good News – мы в тренде 😎
#ИнформационныеАвтократии
Как AI изменит IA, и что это значит для мира.
Лекция Сергея ГУРИЕВА «Информационные автократии», прочитанная в университете Нархоз в Алматы, - абсолютный мастсмотр. Поразительно смелое и информационно мощное изложение интереснейшей, крайне малоизвестной, сложной и актуальной темы понятным и доходчивым языком.
Рассказывается о новой теории «Информационных автократий» (Informational Autocracy – IA), разрабатываемой Сергеем Гуриевым и Дэниелем Трейсманом.
Современные диктаторы остаются у власти не с помощью массового насилия или идеологии, а убеждая общественность, что они более других компетентны вести страну к лучшем для нее будущему к вящей пользе ее народа.
Современные диктаторы – это инфоавтократы, удерживающие власть с помощью цензуры, подавления или маргинализации независимых СМИ, кооптации элиты и оснащения полиции и спецслужб для подавления попыток восстания.
Под элитой в теории информационных автократий понимается не сословное или имущественное отличие, а уровень информированности и понимания происходящего в реальности.
Такая элита – меньшинство общества: образованное, просвещенное, информированное, интересующееся и разбирающееся в происходящем. Большинство же современного общества отличается по всем названным параметрам, а свои представления о происходящем черпает из масс-медиа.
Авторы теории информационных автократий показывают, что инфоавтократии превалируют над старомодными, откровенно насильственными диктатурами, когда информированная элита:
- достаточно велика, чтобы запугать ее массовыми репрессиям;
- но еще не настолько велика, чтобы:
а) не хватало денег на ее подкуп;
б) не хватало возможностей (финансовых и технологических) цензурировать все инфопространство.
Получается, чтобы в современном мире инфоавтократу удерживать власть, ему достаточно денег и инфотехнологий.
С деньгами понятно. А с инфотехнологиями – не совсем.
Ведь они же работают и против власти, снижая косты организации любых форм инакомыслия и протеста: от разрушения цензуры с помощью блогосферы и интернет-СМИ до оргплатформ протеста в соцсетях и мессенджерах.
Ответ на вопрос – работают ли инфотехнологии больше на или против инфоавтократов – в лекции Гуриева, да и в теории информационных автократий, к сожалению, еще не доработан.
Авторы, в основном, анализируют лишь «старые медиа» (ТВ и СМИ), оставляя вне рассмотрения Интернет и блогосферу. Что в результате и приводит их к выводу, что учет лишь ТВ и СМИ, не дает релевантной картины.
За бОльшим авторы отсылают к работе Тибериу Драгу и Джонотана Лупу «Does Technology Undermine Authoritarian Governments?». В ней показывается, что влияние инфотехнологий на режимы инфоавтократов двойное:
- сначала, для 1го поколения сетевых инфотехнологий, они больше работают против инфоавтократов, пробивая дыры в цензуре и помогая организации протестов;
- но на следующем этапе, для 2го поколения сетевых инфотехнологий, все меняется наоборот:
они не просто начинают давать преимущества инфоавтократорам, но и становятся ключевым фактором удержания власти, выступая теперь не просто механизмом цензуры, а активно формируя ментальную картину представлений о реальности в головах масс.
• 1е поколение сетевых инфотехнологий – блогосфера, интернет-СМИ, соцсети и мессенджеры.
• 2е – это соцботы на основе ИИ и дальнейшие навороты анализа больших данных, управляемых инфокаскадов, вплоть до «социального лазера».
Получается, приехали!
Поскольку технологический прогресс неостановим, - 2е поколение инфотехнологий тоже.
А значит мир будет неуклонно трансформироваться в мир инфоавтократоров.
Есть, правда, и Good News – мы в тренде 😎
#ИнформационныеАвтократии
Мир – это хаос, машина или эволюционирующая сложность?
Как сценарии «смежного возможного» описывают путь от демократии к автократии … и обратно.
Эффект бабочки предполагает, что миром правит хаос. Что связи процессов здесь настолько случайны или нюансированы, что точно измерить или прогнозировать их практически невозможно. Предсказать, как они будут взаимодействовать, еще менее реально. Из-за открытого Стюартом Кауфaманом "смежного возможного" (см. мой пост) и противоречивых импульсов человеческого поведения, большая часть мира движется как бы в случайных спазмах. Каждая новая технология и политическое событие создают возможности для продвижения общества в новых и часто непредвиденных направлениях, движимых человеческими агентами, имеющими свои важные, но непредсказуемые цели, стратегии и действия.
Вопреки вышесказанному, наука о сложности стремится выявить закономерности в этих процессах и взаимоотношениях. Многие паттерны могут быть нанесены на карту и, в некоторых случаях, предвидены сценарии будущего.
Сравнение политических режимов по всему миру указывает на определенные факторы, способствующие их социальной приспособляемости к быстро меняющимся условиям современного мира. Анализ государств, которые снизили свою социальную приспособляемость, показывает, почему их сильные стороны вдруг превратились в слабые.
Анализ обществ, перешедших от демократии к автократии указывает на несколько факторов, которые способствовали такому переходу. Более того. Теория антихаоса Стюарта Кауффмана позволяет нащупать критические факторы, с помощью которых можно направить как "фактические", так и” смежные возможности" общества в конструктивное будущее. И тем самым сменить автократию на демократию.
Об этом рассказывается в только что опубликованной в осеннем выпуске междисциплинарного журнала NETSOL статье Стюарта Кауффмана и Уолтера Клеменса «Is the World Chaos, a Machine, or Evolving Complexity? How Well Can We Understand Life and World Affairs?».
Клеменс – почетный проф. Бостонского универа, специализирующийся на междисциплинарном синтезе политологии и науки о сложности, как подходе к изучению международных отношений и сравнительной политики. Кстати, он еще 4 года назад описал на основе теории "смежного возможного" сценарии того, как сложатся в ближайшие годы отношения США и России.
Про Кауффмана - … даже не знаю, как сказать. Но если Барабаши мне видится Эйнштейном 21 века, то Кауффмана я бы назвал Аристотелем 21 века (почитайте упомянутый мой пост).
Резюмировать 40 страничную статью Кауффмана и Клеменса столь же тщетно, как «Физику» Аристотеля. Скажу лишь, о чем она.
В статье рассказывается:
• почему предсказание социальных и экономических процессов трудно, если не невозможно;
• но тем не менее, и здесь можно находить общие паттерны, воспользовавшись теориями анти-хаоса, самоорганизованной критичности и смежных возможностей;
• какова цена экстрактивной политики;
• как на 6 столпах построен сегодняшний западный мир: конкуренция, наука, демократия собственников, современная медицина, потребительское общество и протестантская трудовая этика;
• почему в мире растет тренд на удушение демократий, и как они умирают;
• каковы 4 ключевые черты «клик», устанавливающих авторитарные режимы;
• как возникает противостояние «Неизбежности» демократии против «Вечности» авторитарных режимов.
И главный итог анализа.
✔️ Просвещенность и свободное мышления - 2 главных приоритета на пути воспитания достоинства и обретения благополучия каждого индивида, равно как и каждой этнической/культурной группы – необходимое, но не достаточное условие выхода на "смежные возможные" сценарии пути из автократии к демократии.
#ИнформационныеАвтократии #Антихаос #СамоорганизованнаяКритичность #СмежноеВозможное
Как сценарии «смежного возможного» описывают путь от демократии к автократии … и обратно.
Эффект бабочки предполагает, что миром правит хаос. Что связи процессов здесь настолько случайны или нюансированы, что точно измерить или прогнозировать их практически невозможно. Предсказать, как они будут взаимодействовать, еще менее реально. Из-за открытого Стюартом Кауфaманом "смежного возможного" (см. мой пост) и противоречивых импульсов человеческого поведения, большая часть мира движется как бы в случайных спазмах. Каждая новая технология и политическое событие создают возможности для продвижения общества в новых и часто непредвиденных направлениях, движимых человеческими агентами, имеющими свои важные, но непредсказуемые цели, стратегии и действия.
Вопреки вышесказанному, наука о сложности стремится выявить закономерности в этих процессах и взаимоотношениях. Многие паттерны могут быть нанесены на карту и, в некоторых случаях, предвидены сценарии будущего.
Сравнение политических режимов по всему миру указывает на определенные факторы, способствующие их социальной приспособляемости к быстро меняющимся условиям современного мира. Анализ государств, которые снизили свою социальную приспособляемость, показывает, почему их сильные стороны вдруг превратились в слабые.
Анализ обществ, перешедших от демократии к автократии указывает на несколько факторов, которые способствовали такому переходу. Более того. Теория антихаоса Стюарта Кауффмана позволяет нащупать критические факторы, с помощью которых можно направить как "фактические", так и” смежные возможности" общества в конструктивное будущее. И тем самым сменить автократию на демократию.
Об этом рассказывается в только что опубликованной в осеннем выпуске междисциплинарного журнала NETSOL статье Стюарта Кауффмана и Уолтера Клеменса «Is the World Chaos, a Machine, or Evolving Complexity? How Well Can We Understand Life and World Affairs?».
Клеменс – почетный проф. Бостонского универа, специализирующийся на междисциплинарном синтезе политологии и науки о сложности, как подходе к изучению международных отношений и сравнительной политики. Кстати, он еще 4 года назад описал на основе теории "смежного возможного" сценарии того, как сложатся в ближайшие годы отношения США и России.
Про Кауффмана - … даже не знаю, как сказать. Но если Барабаши мне видится Эйнштейном 21 века, то Кауффмана я бы назвал Аристотелем 21 века (почитайте упомянутый мой пост).
Резюмировать 40 страничную статью Кауффмана и Клеменса столь же тщетно, как «Физику» Аристотеля. Скажу лишь, о чем она.
В статье рассказывается:
• почему предсказание социальных и экономических процессов трудно, если не невозможно;
• но тем не менее, и здесь можно находить общие паттерны, воспользовавшись теориями анти-хаоса, самоорганизованной критичности и смежных возможностей;
• какова цена экстрактивной политики;
• как на 6 столпах построен сегодняшний западный мир: конкуренция, наука, демократия собственников, современная медицина, потребительское общество и протестантская трудовая этика;
• почему в мире растет тренд на удушение демократий, и как они умирают;
• каковы 4 ключевые черты «клик», устанавливающих авторитарные режимы;
• как возникает противостояние «Неизбежности» демократии против «Вечности» авторитарных режимов.
И главный итог анализа.
✔️ Просвещенность и свободное мышления - 2 главных приоритета на пути воспитания достоинства и обретения благополучия каждого индивида, равно как и каждой этнической/культурной группы – необходимое, но не достаточное условие выхода на "смежные возможные" сценарии пути из автократии к демократии.
#ИнформационныеАвтократии #Антихаос #СамоорганизованнаяКритичность #СмежноеВозможное
Telegram
Малоизвестное интересное
Apple – не продавец, а провидец «Смежного Возможного»
После презентации новых iPhone и другой продукции капитализация Apple превысила $1 трлн. Многие уверены, что понимают, в чем секрет долгосрочного фантастического успеха Apple. Но они ошибаются. Потому…
После презентации новых iPhone и другой продукции капитализация Apple превысила $1 трлн. Многие уверены, что понимают, в чем секрет долгосрочного фантастического успеха Apple. Но они ошибаются. Потому…