ОТКРЫТ 1й ЗАКОН КАРШЕРИНГА

Данный закон, как и любой закон физики, выражается уравнением (например, уравнение Эйнштейна E=MC2). Это уравнение устанавливает функциональную зависимость шерабилити - доли индивидуальных поездок, переводимых на каршеринг – от 2х параметров: максимально допустимое увеличение времени поездки и максимально допустимое время ожидания машины.

Численное же значение шерабилити для конкретного города вычисляется на основе пространственно-временной плотности городских поездок. Она измеряеется числом поездок, инициированных за 1 час из района площадью в 1 кв. километр, и зависит от моря параметров: число жителей, площадь и планировка города, месторасположение района, организация движения, число такси и т.д. и т.п.). Потому для разных городов эта плотность сильно разнится (например, в Нью-Йорке - 344, а в Вене - меньше 1).

Смоделировать все это море параметров для 4х городов (Нью Йорк, Сан Франциско, Сингапур и Вена) оказалось возможным лишь при использовании аппарата комплексных сетей.

Исследователи построили пространственно-временную многоуровневую сеть (сеть из двумерных пространственных сетей, описывающих множество временных уровней) – см. диаграмму 1 (в следующем посте).

А потом отобразили на этой сети всю имеющуюся базу данных из 156 млн. поездок такси (множество черных точек, образующих маршруты поездок на двумерном уровне сети – см диаграмму 2)

Среди прочего, исследование показало, что в Нью Йорке можно перевести на каршеринг все индивидуальные поездки, а в Вене – до 85%.

Этим постом я начинаю рассказ о том, как с помощью комплексных сетей можно решать нерешаемые доселе задачи. И как междисциплинарные исследования комплексных систем (состоящих из комплексных сетей) меняют самые фундаментальные представления о возможностях физико-математического описания сложнейших техно-гуманитарных систем.

Ну а в качестве 1го примера таких систем взята область «Жизнь города и его населения». Не слабая такая системка, состоящая из миллионов аспектов, для большинства из которых есть тысячи неразрешенных задач.

Источник: Scaling Law of Urban Ride Sharing
- - - - -

P.S. Приведенный в этом посте пример относился к одной из нерешенных задач одного из перспективных аспектов «Жизни города и его населения» - кашерингу.
Но это только начало. Будут и другие. Следующий - на гиперактуальную тему интеграции иммигрантов в жизнь крупных городов (какие национальности хуже всех интегрируется в жизнь разных городов мира).

Диаграмма 1. Пространственно-временная многоуровневая сеть исследования (двумерная пространственная сеть из множества временных уровней)

Диаграмма 2. Отображение на двумерном уровне сети 156 млн. поездок такси по 4ем городам: Сан Франциско, Нью Йорк, Вена и Сингапур

ЭТО НЕ РАСИЗМ. ЭТО НОВАЯ ДОКАЗАТЕЛЬНАЯ НАУКА.

Можно ли доказательным образом (evidence-based) определить, насколько неуживчив конкретный народ в качестве иммигранта, и то, насколько данный город эффективен в качестве плавильного котла народов?

Теперь, оказывается, можно.

Проблема интеграции иммигрантов чрезвычайно актуальна для всего мира. Поэтому столь интересны и актуальны результаты нового кросс-дисциплинарного исследования. С помощью аппарата комплексных сетей и Big Data исследователи смогли определить степень интегрируемости в чужую культуру у 30+ национальностей (от албанцев до вьетнамцев), а также потенциал для интеграции различных культур у 50+ самых популярных городов мира (от Амстердама до Ванкувера).

Это первое подобное исследование в мире, выводы которого строго научны и численно верифицируемы.

Исследователи определяли пространственную интеграцию иммигрантов (где живут, работают и проводят время) в 53 городах на основе анализа всех гео-локализуемых сообщений Twitter за 5 лет (2010-2015). Для каждого твитта определялись: UserID, дата, время, место и язык написания. Специальным образом отфильтровывались твитты от ботов.

Национальность иммигранта определялась с помощью языкового детектора Chromium Compact Language Detector. Все исходные данные проходили жесткую процедуру валидации.

Результаты получились страшно интересные и показательные.

См. в следующем посте диаграмму 1:

—- Наихудшая степень интегрируемости в чужую культуру у арабов. Причем арабы плохо интегрируются во всех 5 странах, где проходило исследование, - от Австралии до Малайзии.

—- Также не очень хорошо интегрируются в чужую культуру турки, филиппинцы (Tagalog) и даже французы.

—- Русские, Белорусы и Украинцы (East Slavic) хуже всего интегрируются в Канаде. Но справедливости ради надо отметить, что в Канаде вообще плохо с интеграцией

См. в следующем посте диаграмму 2:

—- Самый высокий интеграционный потенциал у городов из кластера С1 (лучший в кластере – Лондон с потенциалом 0,79 – кто бы сомневался!)

—- Самый низкий интеграционный потенциал у городов из кластера С3 (лучшие в кластере – Рим, Майами и Торонто с потенциалом 0,12)

—- Потенциал Москвы - 0,113 чуть хуже Рима, но сильно лучше Санкт Петербурга – 0,035 (оба наших города в худшем 3ем кластере; Москва ближе к началу, Питер – к концу)

—- Метафора «США – плавильный котел народов» сильно преувеличена. Лос-Анжелес и Сан Франциско – хоть и не Лондон, но вполне себе приличные «котлы народов» (по 0,52). А например, Детройт и Даллас имеют потенциал всего 0,06 и 0,07 (хуже Москвы). Чуете, чем, оказывается, высокая преступность в городах обуславливается?

—- Удивительно, но среди городов, у которых интеграционный потенциал ниже плинтуса, есть богатые и бедные города (Брюссель и Богота – по 0,011), северные и южные (Стокгольм и Сеул), да и вообще сильно разные.
Можно перефразировать Льва Толстого – каждый несчастливый для иммигрантов город несчастлив по-своему.
- - - - -
Источник: Immigrant community integration in world cities https://arxiv.org/abs/1611.01056
Приложения: 2 диаграммы

Диаграмма 1. Иммигранты с наихудшей интегрируемостью (слева) в культуру чужой страны (справа); желтым отмечено - хуже всего интегрируются арабы

Диаграмма 2. Интеграционный потенциал 53 городов. Слева – лучшая интеграция. Справа – худшая. Лондон рулит. Осака – отстой.

СНОВА О ШАРЛАТАНСТВО В МАРКЕТИНГЕ НАУКИ И ТЕХНОЛОГИЙ

Формирование массовых ошибочных представлений – вредная и даже опасная штука. Но ничего не поделаешь.

Это делают журналисты, которым нужно зарабатывать на жизнь, а разбираться в сути того, о чем пишут, времени нет.

Это делают спецы по маркетингу технологий (о чем я уже писал), которым нужно подогревать интерес к своему бизнесу в массах наиболее простыми и понятными словами – аналогиями и метафорами из обыденной жизни.

Так появляются в самых солидных СМИ статьи типа вчерашней - Computer ‘Dreams’ to Improve Learning.

А вслед появляются весьма позитивные комментарии на эту статью от самых солидных специалистов. Приводить ссылки, извините, не буду. Кто читает самые популярные технологические каналы – сам увидит. А наезжать на профессионалов, выполняющих свою работу, - не хочу.

Однако, возвращаясь к вредности и опасности массовых ошибочных представлений, считаю необходимым уточнить для читателей этого канала. Хотя конечно, - это «канал для умных» и уж никак не массовый. Но все равно уточнить стоит.

1) Все использованные в упомянутой выше статье метафоры – интуиция, имитация "сновидений", стимуляция познаний у детей, научение компьютеров мечтать – независимо от закавыченности или отсутствия оной, - это чистая завлекуха для читателей, не имеющая никакого отношения к сути упомянутых в статье разработок Google и, вообще, к современному состоянию и видимым перспективам технологий ИИ.

2) Чисто для информации (если кто не в курсе):

—- Интуиция – это неосознаваемый когнитивный процесс, результат которого, тем не менее, способен осознаваться. Профессионально, но популярно про это можно послушать здесь.

—- В современных науках отсутствует какое-либо более-менее общепринятое понимание, что такое сознание. Т.е. мы понимаем, что означает вышеприведенное определение интуиции, НО что такое сознание, нам пока не известно. Профессионально, но популярно про это можно прочесть здесь и посмотреть тут

—- Поэтому говорить о понимании (и тем паче, - воспроизведении в методах машинного обучения) интуиции – разговор ни о чем. Аналогично и про остальные использованные в статье и в комментариях к ней метафоры. Профессионально, но популярно про это можно посмотреть в подборке здесь

3) И последнее, но, пожалуй, самое важное. Не смотря на колоссальные успехи Глубинного обучения нейронных сетей, этот подход «данные на входе – действия на выходе», скорее всего, принципиально ошибочен для сколь-нибудь адекватного научного описания феномена человеческого сознания и всех связанных с ним понятий (интуиция и т.д.)

Первым это обосновал еще Джефф Хокинс в замечательной книге «Об интеллекте» (очень рекомендую всем, кто не любит разводилово про ИИ, но хочет понимать его реальные перспективы).


А сегодня к такому заключению склоняются все больше ученых мирового уровня, сфокусированных на изучении этой мульти-дисциплинарной области науки. Профессионально и не очень популярно (но здорово интересно) про это можно посмотреть тут.

КАКИЕ ВЫГОДЫ СПОСОБНЫ ДАТЬ МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ?

Прекрасная иллюстрация ответа на этот вопрос дается в новом исследовании «Голосовая коммуникация среди и между людей, животных и роботов»

Почти все животные используют голосовые сигналы для разнообразных экологически мотивированных целей: обнаружения хищников или добычи, пометки территории, выражения эмоций, установления социальных отношений и обмена информацией. Идет ли речь о птице, поднимающей тревогу, ките, призывающем потенциального партнера, собаке, реагирующей на человеческие команды, маме, читающей книжку ребенку или бизнесмене, запрашивающем цены на акции с помощью голосового интерфейса Siri, - всюду голос представляет собой ценный канал связи, посредством которого поведение может быть согласовано и проконтролировано, а информация может быть передана и получена.

Вездесущность голосовых взаимодействий определяет их исследования в чрезвычайно разнообразных областях - от оценки состояния животных для выяснения предшественников человеческого языка до развития голосовой коммуникации человек и компьютера. Здесь открывается обширное поле кросс-дисциплинарного обогащения разных дисциплин. Например, использование искусственных когнитивных агентов для исследования различных теорий возникновения языков или использование машинного обучения для анализа различных сред обитания или добавление голосовой выразительности к следующему поколению языков автономных агентов. Тем не менее, большая часть исследований проводится в рамках четко определенных дисциплинарных границ и потому остается много нерешенных фундаментальных проблем.

Данное исследование пытается восстановить баланс, представляя сравнительный обзор голосовых взаимодействий внутри-и-между людьми, животными и искусственными агентами (такими, как роботы). В результате в статье формулируется обширный набор открытых вопросов для исследований, способных обогатить многие дисциплины за счет междисциплинарного анализа.

Чтобы увидеть и почувствовать возможности, предоставляемые междисциплинарным подходом в этой области, во-первых, просто приведу оглавление названной статьи.

1 Введение

2 Голосовые сигналы при коммуникациях и взаимодействиях

2.1 Психология и морфология

2.2 Свойства и функции сигналов у животных

2.3. Свойства человеческого языка

2.3.1 Структура языка

2.3.2 Эволюция и развитие человеческого языка

2.3.3 Возможности собеседников

2.3.4 Передача эмоций

2.4 Сравнительный анализ голосовой коммуникации людей и животных

3 Голосовое взаимодействие

3.1 Использование голоса

3.2 Голосовое взаимодействие с «другими» (существами, способными действовать, но имеющими иные возможности голосовой коммуникации)

3.3 Системы голосовой коммуникации

4 Технологические методы исследований

Во-вторых, назову число цитируемых здесь научных источников - 206.

А в-третьих, назову число неисследованных вопросов, названных в статье первоочередными для понимания того, как устроена голосовая коммуникация среди и между людей и животных, а также того, как это использовать в коммуникации между людьми и роботами - 45.

Вот такой фронт работ предстоит освоить междисциплинарным исследователям.

Неужели не впечатляет глубина и масштаб перспектив?

О СИЛЕ ПИАРА, КОНКУРЕНЦИИ И ГЛУБИННОМ ОБУЧЕНИИ

Один весьма мною уважаемые знакомый написал мне после публикации моего поста «Снова про шарлатанство …» (кстати, извините за очепятку в заголовке):

- Ну что ты опять наезжаешь на журналистов и маркетеров? Чем уж так вредны массовые ошибочные представления о глубинном обучении нейронных сетей? Ведь для большинства читателей разбираться в этих дебрях просто не интересно.

Тогда я понял, что этот момент обязательно нужно прояснить. И как смог, прояснил здесь - чтения на 5 минут.

https://goo.gl/FK0bFY

Если совсем коротко, то выводы такие.

А) В сегодняшнем мире правит пиар. Именно он, а не качество и перспективность, определяет уровень финансирования и внимания к новой технологии.

Б) Из-за лавинообразного роста числа источников и объемов информации (статей, идей, компаний, исследовательских групп и т.д.), отслеживать все это с каждым годом все труднее. Потому ограниченное число самых популярных идей, теорий и технологий получают львиную долю внимания и финансирования. Что существенно снижает конкуренцию, отрубая от нее многих.

В) В области ИИ это особенно опасно. Ставка только на самое популярное направление - глубинное обучение нейронных сетей – пока что ведет к непредсказуемым результатам из-за невозможности понять логику машинных решений.

Изложил я вышеприведенную аргументацию своему знакомому, но увы – не убедил.

Он ответил на мои соображения так:

А) Хорошие идеи и теории себе всегда дорогу пробьют. И никакой пиар это не изменит.

Б) Отсутствие конкуренции не мешает поиску лучших идей и теорий. Просто время изменилось и теперь будет так.

В) Ничего страшного. В будущем рано или поздно научаться понимать логику принятия компьютерных решений при использовании глубинного обучения. А пока и так ничего.

Решайте сами, какая точка зрения вам ближе.

ЧТО ЖЕ ТЫ ЗАРАЗА - И ВОТ ТЫ В БОЛЬНИЦЕ

Как думаете, - сколько людей ежегодно умирают в российских больницах не от тех заболеваний, с которыми туда поступают, а от подхваченных в больнице специфичных-для-больниц-инфекций? И кстати, - вы вообще про такие специфичные-для-больниц-инфекции (СДБИ) слышали?

Для справки - в США от СДБИ в год умирает около 100К, что повышает ежегодные расходы на здравоохранение примерно на $40 ярдов.

Возбудители СДБИ, как следует из названия, являются специфичными для больниц, но могут распространиться и за их пределы. Ситуация усугубляется тем, что СДБИ часто устойчивы ко многим антибиотикам.

В настоящее время подход к ограничению распространения СДБИ фокусируется на точках контакта между пациентами и медперсоналом, а также с их непосредственным окружением. Это выражается в как можно более частом мытье рук медперсоналом до и после контактов с пациентами и стерилизации инструментов, катетеров и пр. Пациенты с инфекционным диагнозом полностью изолируются.

Увы, но из-за рутинизации указанных мер и в силу их принципиальных ограничений (об этом ниже), эффективность таких мер далека от совершенства.

Их принципиальное ограничение в том, что зараза в больницах далеко не только на руках персонала. Она всюду. Руки врача могут быть чистыми, но инфекция есть на одежде. Инструменты могут быть стерилизованы, а инфекция – на подносе для инструментов. А еще мобильные телефоны и планшеты и т.д. и т.п.

Короче, как у нас говорят, - систему надо менять!

Исследование с помощью аппарата комплексных сетей показало, КАК менять.

Больница – это огромная мультиуровневая темпоральная (изменяющаяся во времени) сеть, в которой постоянно перемещаются и взаимодействуют разнообразные агенты (от больных и медперсонала до посетителей и микроорганизмов, часть из которых патогенна, т.е. заразна).

Исследование динамики этой многоуровневой сети установило, что даже легкое пространственно-временное движение патогенов может резко (нелинейный скачок) повысить их агрессивность. И чем больше связей в этой больничной мультисети между агентами и любыми поверхностями, тем более агрессивные могут стать патогены. Более того.

Эта сеть имеет важное значение для размножения патогенных микроорганизмов и их мутации, что приводит к их лекарственной устойчивости.

Исследование объясняет низкую эффективность используемых сегодня методов борьбы с СДБИ на моделях комплексных сетей.

Попытки остановить передачу инфекции на всех узлах делают нынешние методы неэффективными. Усилий много – толку мало.

НУЖНО РВАТЬ СВЯЗИ МЕЖДУ КЛАСТЕРАМИ, КОТОРЫЕ ПРЕЖДЕ НЕОБХОДИМО ВЫЯВИТЬ.

Больницы нужно разбивать на блоки, и делать между ними дезинфекционные шлюзы, в которых не просто руки моют, а дезинфицируются все поверхности: от одежды до персональной электроники.

Исследование не ограничивается декларацией новой концепцией, а предлагает конкретный проект ее реализации, включая набор стратегий и политик:

—- где должны располагаться шлюзы в конкретной больнице;

—- кто, когда и как должен проходить обработку в шлюзах.

Данное исследование применимо не только к больницам.

Реализация аналогичной концепции могла бы здорово помочь для ограничения распространения эпидемий. Разделение шлюзами стран, городов и районов с ограниченным скринингом и гибкой политикой дезинфекций при поездках между этими доменами может быть эффективным способом сдерживания распространения эпидемий.

И последнее. Это только кажется, что подобные меры потребуют неподъемных вложений. На самом деле, отсутствие подобных мер приводит к куда большим затратам.

Только они списываются на разгул заразы, а не на проектные инвестиции, необходимые для ее сдерживания.

ВОДИТЕЛЯМ НА ЗАМЕТКУ

Существует ли оптимальная стратегия вождения для тех, кто хочет доехать побыстрее?

До сих пор не существовало убедительной модели, позволяющей ответить на этот вопрос, - слишком много сложно определяемых параметров (от плотности и динамики конкретного автопотока до множества стилей и психологий участников движения) с непонятными связями между ними и неоднозначными следствиями их изменений.

Но вот наконец такая модель все же построена на основе теории игр в комплексной сети взаимодействий водителей.

Исследовались 2 стратегии вождения:

— кооперативная (все по правилам и с уважением к другим)
— нагло-агрессивная (каждый за себя и забей на правила).

В результате моделирования оказалось:

(1) Если все придерживаются кооперативного стиля – общий поток замедлится, что не выгодно всем;

(2) Нагло-агрессивный стиль также не оптимален (на каждый болт с хитрой левой резьбой, всегда найдется крутая гайка);

(3) Оптимальная модель – случайное чередование 2ух стилей вождения.

Опытные водители, наверное, и без модели так делают. Но все равно, - с моделью теперь нарушать и хамить как-то убедительней и солидней - математика, однако 😊

https://goo.gl/u2acyb (PLOS ONE - The world’s first multidisciplinary Open Access journal)

ВЗРЫВ БОМБЫ СРЕДИ ВСЕОБЩЕГО ХАОСА

Интрига вокруг перспективы приобретения Лукойла Роснефтью рождает много слухов. О другой похожей интриге, - стоимостью больше, чем Лукойл и Роснефть вместе взятые, - в России пока знают лишь единицы.

А зря. Оно того стоит. Не только по объему возможной сделки, но и по уровню скандальности, внезапности и масштабу вовлеченных сил, - это беспрецедентная история.

Речь о возможной покупке компанией IBM флагмана индийского хай-тека Tata Consultancy Services Limited (TCS) – компании, входящей в 4ку крупнейших мировых провайдеров IT сервисов, имеющей капитализацию около $80 млрд. и 336 тыс. сотрудников в 46 странах мира.

Информация о происходящей схватке бульдогов под ковром вокруг этой сделки еще не успела стать информационной бомбой лишь по одной причине – эта бомба взорвалась в объятой страшным хаосом кризиса Индии.

Но если IBM все же удастся купить TCS (битва идет страшная, а итог пока вовсе не предрешен) – это будет иметь очень серьезные последствия для мировой IT индустрии.

НАШ ОТВЕТ GEEKTIMES

Комментируя мой недавний пост, редактор Geektimes Анатолий Ализар справедливо отнес меня к скептикам подхода «данные на входе – действия на выходе», воплощаемого, в частности, при глубинном обучении нейронных сетей.

В заключение своего комментария, Анатолий заметил:

— К сожалению, Сергей Карелов не сказал, какой подход следует использовать учёным вместо той ерунды, которой они занимаются сейчас. Возможно, разработчики из компании DeepMind тоже хотят это знать.

Из уважения к Geektimes и лично к Анатолию (мне очень нравятся его посты – в большинстве своем содержательные и интересные), не могу оставить без ответа этот дипломатично-едкий комментарий и заодно хочу устранить возникшую путаницу.

Дело в том, что я НЕ являюсь скептиком в отношении:

— самого подхода глубинного обучении нейронных сетей,

— исследований, проводимых учеными в этой области,

— разработок на его основе (компании DeepMind и других компаний).

Как мною дословно написано в процитированном Анатолием отрывке,

— я скептически отношусь к использованию подхода глубинного обучения нейронных сетей для сколь-нибудь адекватного научного описания феномена человеческого сознания и всех связанных с ним понятий (интуиция и т.д.).

Т.е. не сам подход плох, а бессмысленны попытки его применять там, где от него толку, имхо, нет и не будет.

Ну а какие подходы видятся мне наиболее адекватными для научного описания феномена человеческого сознания, я здесь перечислять не буду (это довольно много букв).

Лучше как-нибудь напишу про это отдельный подробный пост, который с удовольствием обсужу потом с Анатолием (при взаимном непротивлении сторон 😊 ).

ОДНА ИЗ САМЫХ-САМЫХ КОНФЕРЕНЦИЙ

Для интересующихся комплексными сетями ежегодная международная школа и конференция NetSci – главное событие года. В 2017 она пройдет 15-18 января в Тель-Авиве, Израиль.

http://www.netscisociety.net/

Будут обсуждаться очень интересные темы на все вкусы и пристрастия. Среди прочего, будет рассказано, как аппарат комплексных сетей позволяет продвинуться дальше в исследованиях:

— влияния конфигурации и характера банковских связей на развитие финансовых кризисов;

— влияние миграций болезнетворных вирусов и бактерий на историческое развитие стран и регионов (ведь это влияние оказывается совсем не меньше, чем у политики, экономики и даже войн);

— моделей оценки сценариев и прогнозирования развития эпидемии.

—------—

ИЗЫСКАННАЯ ПИЩА ДЛЯ УМА

В новой книге Naoki Masuda (University of Bristol, UK), Renaud Lambiotte (University of Namur, Belgium) - A Guide to Temporal Networks – рассказывается все от А до Я про один из 2х основных классов комплексных сетей - темпоральные (временные) сети. Здесь есть все: теория, математические и вычислительные методы исследований таких сетей, примеры.

Эта книга – идеальный стыковочный узел для подготовки междисциплинарных исследований темпоральных сетей на стыке математики и физики с социальными науками, биологией и нейронауками.

https://goo.gl/euFIQA (World Scientific)

Тем, кто хочет понять, что из себя представляет другой тип комплексный сетей – многомерные гиперсети – очень рекомендуй книгу Jeffrey Johnson (The Open University, UK) – Hypernetworks in the Science of Complex Systems.

https://goo.gl/yJWCJa (World Scientific)

ТЕХНОЛИБРИУМ НАСТУПИТ ЧЕРЕЗ 10 ЛЕТ

Согласно прогнозу VP Gartner Марка Роскино, примерно столько времени потребуется для кардинальной трансформации мирового бизнеса, тотально переводимого с помощью цифровых бизнес-технологий на цифровые бизнес-модели и бизнес-процессы.

Вымрут, как в свое время мамонты, многие из традиционных индустриальных гигантов, не сумевшие или запоздавшие перестроить свой бизнес в цифру.
Их места на рынках займут либо Рожденные цифровыми - типа Google, либо Вовремя оцифровавшиеся - типа Amazon, традиционные в прошлом компании.

Однако большинство имен участников нового технологического равновесия остается пока малоизвестным широкой публике.

Об этом я написал здесь (чтения на 2 мин.)

СРОЧНО ТРЕБУЕТСЯ НАУКА О ВСЕМИРНОЙ ПАУТИНЕ

До последнего времени всемирная паутина (World Wide Web) была объектом изучения двух наук. Наука о сетях (network science) изучает WWW, как математический объект, т.е. с использованием разнообразного математического аппарата. Наука о компьютерах (computer science) изучает WWW, как инфраструктурный объект для организации и управления информационными потоками.

Но нет пока на свете науки, изучающей WWW, как комплексный объект взаимодействий информационных технологий (IT) и общества, в результате которых очень быстро и в непредсказуемом направлении меняются и то и другое. Такую науку, по мнению профессора Джеймса Хендлера, необходимо срочно создавать.

Иначе все возрастающая скорость изменений уже не позволит человечеству не только контролировать, но и просто понимать, в каком направлении движется связка IT и общества, и к чему это может привести еще через десяток лет.

Комплексные взаимодействия IT и общества уже настолько сильно разогнали скорость изменений, что даже футурологи теряют способность к продуктивным прогнозам на горизонте большем, чем несколько лет.

Сто лет назад, хоть и не точно во многих деталях, но люди могли хотя бы в принципе представить, как будет выглядеть общество, оснащенное новыми технологиями, через 100 лет.

Но примерно 10 лет назад люди стали быстро терять способность увидеть технологическую реальность общества на горизонте хотя бы в 10 лет.

Десять лет назад, Википедия была еще в младенческом возрасте и абсолютно игнорировалась истеблишментом, Facebook был небольшим сетевым сообществом университетских студентов, Twitter вообще был только в бета-тестировании, а улучшение возможности поиска было основной темой конференций по WWW. Практически не было смартфонов, интернет наблюдение за людьми и накопление данных о них были почти неизвестны за пределами деятельности спецслужб, и уж никому даже в голову не приходило, что Data Scientist может стать самой привлекательной и перспективной работой в мире.

А теперь представьте себе - как с учетом еще более возросшей скорости изменений, может выглядеть в 2016 году общество, оснащенное IT второй половины 2020х годов?

Увы! Но скорее всего, даже самые умные прогнозы не предскажут ключевых изменений.

О том, каким через 10 лет станет бизнес еще хоть как-то понятно.

Какой через 10 лет станет повседневная жизнь общества, - невозможно представить.

Поэтому срочно и нужна новая «Наука о Всемирной паутине».

Уборка дома (видение 2000 года из 1900 https://publicdomainreview.org/collections/france-in-the-year-2000-1899-1910/)

Городской транспорт (видение 2000 года из 1900 https://publicdomainreview.org/collections/france-in-the-year-2000-1899-1910/)

ЗА СБЫЧУ МЕЧТ!

Признаюсь, - даже после того, как коллеги из Экономического журнала определили наш канал, как «канал для умных», я до конца не представлял уровень нашей аудитории. Однако, почитав пришедшие мне после вчерашнего поста комментарии и вопросы, я понял, что был неправ и здорово недооценивал уровень читателей канала. А он, действительно, чрезвычайно высок.

Поэтому я с удовольствием продолжу тему «Науки о WWW», уже не боясь переусложнить текст, и постараюсь по ходу дальнейшего обсуждения темы отреагировать на поставленные передо мной вопросы и комментарии.

Итак, во-первых уточняю. Говоря о необходимости создания новой «Науки о WWW», я имею в виду именно новую самостоятельную научную дисциплину, изучающую комплексные взаимодействия IT и общества.

Междисциплинарные исследования на стыках Network science, Computer science, социологии, антропологии, футурологии и пр. наук ведутся в последние годы весьма широко (я уже об этом кое-что писал на этом канале). Однако, нужна новая самостоятельная дисциплина, объектом которой стало бы научное исследование возможных сценариев комплексного взаимодействия IT и общества.

Междисциплинарные исследования этим не занимаются. А это чрезвычайно важная тема.

Поясню на примере, какие из возможных сценариев будущего могли бы (среди прочих) стать объектом исследований новой науки о комплексном взаимодействии IT и общества.

Для этого примера я воспользуюсь (по рекомендации одного из уважаемых читателей канала) идеей Вернора Винджа. Идея называется «Несбывшиеся мечты» (Failed Dreams) и заключается в следующем.

А) "Существуют определенные технологические задачи, которые сегодня (то есть, в конце 20-го века) могут казаться достижимыми в будущем, но на самом деле навсегда останутся вне нашей досягаемости"


Б) Самый простой пример «Несбывшейся мечты», по мнению разработчиков из Oracle – это, возможно, создание гибкого и одновременно мощного инструментария для разработки многопоточных графических интерфейсов (flexible, powerful, truly multi-threaded GUI toolkit).

В ) Самым фундаментальным примером «Несбывшейся мечты» может стать идея Сингулярности – т.е. предполагаемой в будущем эпохи, когда будут созданы машины, превосходящие по уму человека, и дальнейшая история станет непредсказуемой, поскольку невозможно предугадать поведение интеллекта, превосходящего человеческий.
Для справки - существуют три сценария, при которых Сингулярность никогда не наступит.
1) «Возвращение в безумство» - сценарий наступления ядерной зимы после военного конфликта государств, обладающих ядерным оружием.
2) «Золотой век» - экстраполяция сегодняшнего общества потребления в общество, подобное описанному в романе «Хищные вещи века» - мир, так и не нашедший противоядия от кошмаров консюмеризма, потребления и праздности.
3) «Колесо времен» - чередование техногенных и военных катастроф, не разрушающих культуру и науку до основания, но и не дающих им развиваться дальше.
Продолжение в посте ниже

ЗА СБЫЧУ МЕЧТ! (продолжение)

Г) Про мир «Несбывшихся мечт» даже написан роман, в котором Вернер Виндж основательно пересмотрел свои соображения о Сингулярности, изложенные им в знаменитом эссе «The Coming Technological Singularity: How to Survive in the Post-Human Era»



Д) Мир «Несбывшихся мечт», согласно Винджу, - специфика земной цивилизации, лежащей в т.н. «Медленной зоне» развития, где невозможны скорости выше световой, бессмертие, «Сильный ИИ» (сильно-сильно превосходящий человеческий) и кое-что еще. Но есть и другая зона – «Зона мысли», - где все это возможно.

- - - - - - -
У кого будет время и желание, могут пройтись по ссылкам и осмыслить в деталях идею о «Несбывшихся мечтах» и сценарии жизни человечества в случае этой несбычи.

Ну а кому лень на это тратить время, скажу так. С Вернором Винджем я познакомился в 1995 в Калифорнии, когда я работал в штаб-квартире Silicon Graphics в Маунтен-Вью, а он – на Отделении математических наук Университета Сан-Диего. Уже тогда мне были весьма близки его мысли. А теперь, спустя 21 год я лишь крепче уверился, что Вернор был прав в обоих случаях:
— и когда он придумал и теоретически обосновал концепцию Сингулярности.
— и когда, спустя 14 лет, он придумал теорию обоснованных сомнениях достижимости Сингулярности в нашей реальности.