Бедность простоты
В свете перехода Linkedin на RAG хочется как-то подбить баланс современных антифич дизайна интерфейсов. Топ три, на мой взгляд, следующий:
1. Автосортировка
Всё что чаще используется всплывает наверх, всё что редко оседает вниз.
Последствия?
Выученная беспомощность в управлении вниманием (что суют, то и ешь), дисбаланс в потреблении контента (более хайповое ещё больше акцентируется, вместо того чтобы удаляться), разрушение социальных связей (за счёт "одноранговости" списков контактов).
Вырабатывает привычку "не раскладывать по полочкам", провоцирует произвольные "перескакивания" элементов "внутренних каталогов" и общую путаницу.
Используется повсеместно, вот хотя бы список контактов-каналов Телеграмма взять.
Решение: очевидно, дизайнеров бить, деньги брать.
2. Выборка по "релевантности"
От Гугла до Фейсбука, от Линкедина до Дзена, нигде либо нет сквозного поиска (от "А" до "Я", от года основания до сего дня, от ближайших по графу связей постов до самой периферии сети), либо доступ к нему крайне затруднён.
Контр-примеры: в Gmail (и почтовых клиентах в целом), в том же Телеграмме и др. пока сквозной поиск возможен.
Последствия: пребывание пользователя в вечном блаженном или озлобленном состоянии (в зависимости от личных склонностей), снижение эффективности памяти (за счёт интериоризации "быстро смываемого потока событий"), снижение способностей к обучению (результат обучения это всегда составление "исчерпывающей выборки" некоего сорта – как "в голове", так и "на бумаге").
Решение: регуляторно принудить крупные площадки отдавать публичную информацию в форме, удобной для стандартных поисковых инструментов (+ разработка-внедрение подобных инструментов).
3. Метрики "внимания", "удержания" и "запоминания"
В целом считается, что чтобы с пользователя получить денег надо: а) привлечь внимание; б) заставить зайти повторно; в) заставить помнить имя компании.
Всё это, конечно, полная ерунда, работающая в лучшем случае только для крупнейших производителей товаров компульсивного потребления: газировка, политика, видеоролики милых котиков.
Постановка вопроса "просто делать что-то полезное, чтобы пользователь ХОТЕЛ платить", рассматривается (для массовых сервисов) с каким-то стеснением, неловкостью, в последнюю очередь.
Последствия: развитие и обострение неврозов, потеря времени, всеобщая ненависть ко всем крупнейшим компаниям.
Решение: перекрыть "компаниям роста" левые источники финансирования (кредиты, биржевой хайп, финансирование из крупных фондов, продажу данных), разрешить жить только на деньги от пользователей.
Итого
Интуитивно кажется, что на фоне хорошей задумки "простого поиска на человеческом языке" Линкедин по факту три главные антифичи соединит в единую сверхантифичу :)
Кстати, слишком простой интерфейс поиска, как любой слишком простой интерфейс чего угодно, приводит к потере интереса и угасанию обучения. Крутить крутилки, переключать переключатели, выбирать селекторы и т.д. (да и просто разглядывать витрину и бродить между виртуальными рядами) не просто интересно – всё это создаёт в голове у пользователя модель содержания продукта, учит (по ходу автоматической интериоризации) внутренней навигации по своему ментальному пространству, подсказывает когнитивные алгоритмы обработки информации.
Короче, что у дизайнера на макете – то у пользователя в голове.
Думаю менеджерам продуктов, UX инженерам, интерфейсным аналитикам и исследователям в этих областях стоит прежде всего задаваться следующим вопросом: "хотел бы я, чтобы у меня в голове работал аналогичный интерфейс в отношении содержания моего ума?".
Наверное большинство предпочтут всё же иметь возможность сознательно настраивать фильтры и селекторы своего ассоциативного поиска, а не отдавать это на откуп... кому? какой-то безличной внешней силе?
Связанные темы ранее обсуждали в следующих заметках:
– Право "нет" и массовое психологическое насилие (9.08.2023)
– Вкратце про Твиттер (4.11.2022)
– Вкратце про платформы для блоггинга (и "разложение правды") (28.10.2022)
В свете перехода Linkedin на RAG хочется как-то подбить баланс современных антифич дизайна интерфейсов. Топ три, на мой взгляд, следующий:
1. Автосортировка
Всё что чаще используется всплывает наверх, всё что редко оседает вниз.
Последствия?
Выученная беспомощность в управлении вниманием (что суют, то и ешь), дисбаланс в потреблении контента (более хайповое ещё больше акцентируется, вместо того чтобы удаляться), разрушение социальных связей (за счёт "одноранговости" списков контактов).
Вырабатывает привычку "не раскладывать по полочкам", провоцирует произвольные "перескакивания" элементов "внутренних каталогов" и общую путаницу.
Используется повсеместно, вот хотя бы список контактов-каналов Телеграмма взять.
Решение: очевидно, дизайнеров бить, деньги брать.
2. Выборка по "релевантности"
От Гугла до Фейсбука, от Линкедина до Дзена, нигде либо нет сквозного поиска (от "А" до "Я", от года основания до сего дня, от ближайших по графу связей постов до самой периферии сети), либо доступ к нему крайне затруднён.
Контр-примеры: в Gmail (и почтовых клиентах в целом), в том же Телеграмме и др. пока сквозной поиск возможен.
Последствия: пребывание пользователя в вечном блаженном или озлобленном состоянии (в зависимости от личных склонностей), снижение эффективности памяти (за счёт интериоризации "быстро смываемого потока событий"), снижение способностей к обучению (результат обучения это всегда составление "исчерпывающей выборки" некоего сорта – как "в голове", так и "на бумаге").
Решение: регуляторно принудить крупные площадки отдавать публичную информацию в форме, удобной для стандартных поисковых инструментов (+ разработка-внедрение подобных инструментов).
3. Метрики "внимания", "удержания" и "запоминания"
В целом считается, что чтобы с пользователя получить денег надо: а) привлечь внимание; б) заставить зайти повторно; в) заставить помнить имя компании.
Всё это, конечно, полная ерунда, работающая в лучшем случае только для крупнейших производителей товаров компульсивного потребления: газировка, политика, видеоролики милых котиков.
Постановка вопроса "просто делать что-то полезное, чтобы пользователь ХОТЕЛ платить", рассматривается (для массовых сервисов) с каким-то стеснением, неловкостью, в последнюю очередь.
Последствия: развитие и обострение неврозов, потеря времени, всеобщая ненависть ко всем крупнейшим компаниям.
Решение: перекрыть "компаниям роста" левые источники финансирования (кредиты, биржевой хайп, финансирование из крупных фондов, продажу данных), разрешить жить только на деньги от пользователей.
Итого
Интуитивно кажется, что на фоне хорошей задумки "простого поиска на человеческом языке" Линкедин по факту три главные антифичи соединит в единую сверхантифичу :)
Кстати, слишком простой интерфейс поиска, как любой слишком простой интерфейс чего угодно, приводит к потере интереса и угасанию обучения. Крутить крутилки, переключать переключатели, выбирать селекторы и т.д. (да и просто разглядывать витрину и бродить между виртуальными рядами) не просто интересно – всё это создаёт в голове у пользователя модель содержания продукта, учит (по ходу автоматической интериоризации) внутренней навигации по своему ментальному пространству, подсказывает когнитивные алгоритмы обработки информации.
Короче, что у дизайнера на макете – то у пользователя в голове.
Думаю менеджерам продуктов, UX инженерам, интерфейсным аналитикам и исследователям в этих областях стоит прежде всего задаваться следующим вопросом: "хотел бы я, чтобы у меня в голове работал аналогичный интерфейс в отношении содержания моего ума?".
Наверное большинство предпочтут всё же иметь возможность сознательно настраивать фильтры и селекторы своего ассоциативного поиска, а не отдавать это на откуп... кому? какой-то безличной внешней силе?
Связанные темы ранее обсуждали в следующих заметках:
– Право "нет" и массовое психологическое насилие (9.08.2023)
– Вкратце про Твиттер (4.11.2022)
– Вкратце про платформы для блоггинга (и "разложение правды") (28.10.2022)
Forwarded from Covalue
Нашел качественную диссертацию с обзором состояния дел в model checking на 2010й год:
Weißenbacher, [2010] "Program Analysis with Interpolants"
Вкратце идею проверки моделей можно описать так: мы хотим автоматически верифицировать программы, для этого мы аппроксимируем их моделями, то есть автоматами или системами переходов с конечным набором состояний, задаём спецификацию (обычно в какой-то разновидности пропозициональной темпоральной логики) и с помощью поисковых алгоритмов и эвристик исчерпывающе перебираем состояния модели, проверяя что для них всех спецификация верна.
Концептуально этот подход описывается теорией моделей (одним из двух основных разделов логики, второй - это теория доказательств, на которой основана теория типов и proof assistants). Интересно, что в моделчекинге примерно раз в декаду сменяется доминирующая парадигма, в целом его таймлайн выглядит примерно так:
* 1980е - зарождение самой идеи MC из работ Эдмунда Кларка по вычислению неподвижных точек для систем доказательств в предикат-трансформерах, использование BDD для компактификации состояний
* 1990е - дальнейшее ужатие состояний через partial order reduction, появление предикат-абстракции и CEGAR - методов автоматического конструирования моделей из набора assertions о программе
* 2000е - SAT/SMT-революция и уход от BDD, быстрая аппроксимация через интерполяцию Крейга
* 2010е - Аарон Брэдли изобретает семейство алгоритмов PDR (property directed reachability), где процесс построение инварианта чередуется и взаимодействут с построением контрпримера, взаимно усекая пространства поиска
* 2020е - ажиотаж вокруг техник из машинного обучения
Первые три декады и основные их идеи расписаны в первых двух с половиной главах диссертации (вторая половина третьей и четвертая главы более технические).
#automatedreasoning
Weißenbacher, [2010] "Program Analysis with Interpolants"
Вкратце идею проверки моделей можно описать так: мы хотим автоматически верифицировать программы, для этого мы аппроксимируем их моделями, то есть автоматами или системами переходов с конечным набором состояний, задаём спецификацию (обычно в какой-то разновидности пропозициональной темпоральной логики) и с помощью поисковых алгоритмов и эвристик исчерпывающе перебираем состояния модели, проверяя что для них всех спецификация верна.
Концептуально этот подход описывается теорией моделей (одним из двух основных разделов логики, второй - это теория доказательств, на которой основана теория типов и proof assistants). Интересно, что в моделчекинге примерно раз в декаду сменяется доминирующая парадигма, в целом его таймлайн выглядит примерно так:
* 1980е - зарождение самой идеи MC из работ Эдмунда Кларка по вычислению неподвижных точек для систем доказательств в предикат-трансформерах, использование BDD для компактификации состояний
* 1990е - дальнейшее ужатие состояний через partial order reduction, появление предикат-абстракции и CEGAR - методов автоматического конструирования моделей из набора assertions о программе
* 2000е - SAT/SMT-революция и уход от BDD, быстрая аппроксимация через интерполяцию Крейга
* 2010е - Аарон Брэдли изобретает семейство алгоритмов PDR (property directed reachability), где процесс построение инварианта чередуется и взаимодействут с построением контрпримера, взаимно усекая пространства поиска
* 2020е - ажиотаж вокруг техник из машинного обучения
Первые три декады и основные их идеи расписаны в первых двух с половиной главах диссертации (вторая половина третьей и четвертая главы более технические).
#automatedreasoning
Вкратце оформление документов на ребёнка
По свежей памяти решил записать шпаргалку для действий после рождения ребёнка :)
Думаю вне Москвы соответствующие пункты аналогично через региональные центры госуслуг/сайты/ведомства делаются.
1. Свидетельство о рождении – получить в роддоме.
2. Добавить карточку ребёнка каждому родителю на Госуслугах (не обязательно/автоматически)
– Идентификационные номера присваиваются автоматически
* СНИЛС – приходит в email;
* ИНН – отображается в карточке госуслуг.
– Маткапитал приходит автоматически.
– Формальный номер полиса ОМС присваивается автоматически (пока не работает, см. п.6).
Прим. На Госуслугах, Мосуслугах и ФНС можно сделать ребёнку отдельный личный кабинет. Делать этого не следует.
3. Штамп о гражданстве на свидетельство (оформление наличие гражданства по рождению) – лично через любой МФЦ (взять свой паспорт и свидетельство ребёнка).
4. Добавить ребёнка в учётку каждого родителя на Мосуслугах.
5. Прописать ребёнка через Госуслуги.
6. Выбрать страховую компанию ОМС через Госуслуги.
7. Прикрепить ребёнка к поликлинике через Мосуслуги.
8. Запрос детской кухни (при желании – 12 литров молока и 4 литра сока в месяц для мамы или, альтернативно, смесь для ребёнка)
8.1. Подать заявление на получение питания через Мосуслуги
8.2. Записаться к педиатру через Госуслуги. Ребёнка можно не брать, попросить нажать кнопку для молочной кухни. Заодно откроют направления на специалистов по достижению 1 мес.
8.3. Подать заявление на получение QR-кода для пункта выдачи через Мосуслуги.
9. Получить доступ к мед. карте ребёнка через Мосуслуги. Карта станет доступна через lk.emias.mos.ru.
10. Получить три пособия ~20к каждое (не считая помощи для малоимущих и совсем копеечных)
– "Компенсация взамен получения подарочного комплекта для новорожденных" – для Москвы (если отказались от "Собянинской коробки" в роддоме)
– "Единовременная компенсация при рождении (усыновлении) ребёнка" – для Москвы
– "Единовременное пособие при рождении ребёнка" – для РФ (если работаете по ТК – через работодателя)
По свежей памяти решил записать шпаргалку для действий после рождения ребёнка :)
Думаю вне Москвы соответствующие пункты аналогично через региональные центры госуслуг/сайты/ведомства делаются.
1. Свидетельство о рождении – получить в роддоме.
2. Добавить карточку ребёнка каждому родителю на Госуслугах (не обязательно/автоматически)
– Идентификационные номера присваиваются автоматически
* СНИЛС – приходит в email;
* ИНН – отображается в карточке госуслуг.
– Маткапитал приходит автоматически.
– Формальный номер полиса ОМС присваивается автоматически (пока не работает, см. п.6).
Прим. На Госуслугах, Мосуслугах и ФНС можно сделать ребёнку отдельный личный кабинет. Делать этого не следует.
3. Штамп о гражданстве на свидетельство (оформление наличие гражданства по рождению) – лично через любой МФЦ (взять свой паспорт и свидетельство ребёнка).
4. Добавить ребёнка в учётку каждого родителя на Мосуслугах.
5. Прописать ребёнка через Госуслуги.
6. Выбрать страховую компанию ОМС через Госуслуги.
7. Прикрепить ребёнка к поликлинике через Мосуслуги.
8. Запрос детской кухни (при желании – 12 литров молока и 4 литра сока в месяц для мамы или, альтернативно, смесь для ребёнка)
8.1. Подать заявление на получение питания через Мосуслуги
8.2. Записаться к педиатру через Госуслуги. Ребёнка можно не брать, попросить нажать кнопку для молочной кухни. Заодно откроют направления на специалистов по достижению 1 мес.
8.3. Подать заявление на получение QR-кода для пункта выдачи через Мосуслуги.
9. Получить доступ к мед. карте ребёнка через Мосуслуги. Карта станет доступна через lk.emias.mos.ru.
10. Получить три пособия ~20к каждое (не считая помощи для малоимущих и совсем копеечных)
– "Компенсация взамен получения подарочного комплекта для новорожденных" – для Москвы (если отказались от "Собянинской коробки" в роддоме)
– "Единовременная компенсация при рождении (усыновлении) ребёнка" – для Москвы
– "Единовременное пособие при рождении ребёнка" – для РФ (если работаете по ТК – через работодателя)
Одиннадцать вопросов ИИ (для изучения математики и всего прочего)
Меня часто спрашивают...
Говорят, в эпоху модерна важно было наизусть знать основные факты, в эпоху постмодерна – где их найти. А в эпоху больших лингвистических моделей – как наиболее эффективно извлекать информацию по ходу диалогов на естественном языке.
В связи с этим решил описать свою "познавательную стратегию", направленную на ускорение обучения с применением LLM-ок. Применяю в основном в изучении математики, примеры соответствующие.
Общий план знакомства с новой концепцией такой:
1. Основные определения и алгоритмы
2. Связь с другими предметными областями через общие математические объекты
3. Допущения, нюансы, пресуппозиции
4. Перепроверка
Вопросы, которые задаю LLM-ке на каждом шаге соответственно, приведены далее. Стоит иметь в виду, что по-русски все современные LLM дают ответы значительно более низкого качества, перевод дан для удобства.
Основные определения и алгоритмы
1. Что такое X / What is X?
Пример: что такое сигмоида?
Вариации:
– Я всё ещё не понимаю X / I still don't understand X.
– О чем здесь речь / What's described here?
2. Напиши формулу для X / Write formula for X.
Пример: напиши формулу сигмоиды.
И наоборот:
– Объясни по-русски / Explain in plain English.
3. Как X делается по шагам / How X is performed, step-by-step?
Пример: как делается градиентный спуск, по шагам?
Связь с другими областями
4. Как связаны X и Y / How X implies Y?
Пример: как связаны MLE и лосс-функция логистической регрессии?
5. Объясни X, не упоминая Y / Explain X without referring to Y.
Пример: объясни логистическую регрессию, не упоминая GLM.
6. Объясни X с точки зрения Y / Explain X from the perspective of Y.
Пример: объясни MLE с точки зрения статистики.
7. X это то же, что Y / Is X the same as Y?
Пример: эквивариантность (equivariance) это то же, что естественное преобразование (natural transformation)?
(Прим.: один из вопросов, показывающих кардинальное превосходство LLM-ок над поисковыми системами в данной области. Выдачу гугла надо фильтровать и разбирать, LLM-ка сразу даёт резюме.)
Допущения, нюансы, пресуппозиции
8. Почему должно быть X / Why must be X?
Пример: почему в логистической регрессии log-odds должны линейно зависеть от признаков?
9. Что обычно упускают, рассказывая об X / What is usually omitted, when they speak of X?
Пример: что обычно упускают, рассказывая о логистической регрессии?
10. Какие базовые предпосылки X / What are basic assumptions of X?
Пример: какие базовые предпосылки логистической регрессии?
Перепроверка
11. Является ли этот конспект/решение корректным / Is this cheatsheet/solution correct?
Говорят, в эпоху модерна важно было наизусть знать основные факты, в эпоху постмодерна – где их найти. А в эпоху больших лингвистических моделей – как наиболее эффективно извлекать информацию по ходу диалогов на естественном языке.
В связи с этим решил описать свою "познавательную стратегию", направленную на ускорение обучения с применением LLM-ок. Применяю в основном в изучении математики, примеры соответствующие.
Общий план знакомства с новой концепцией такой:
1. Основные определения и алгоритмы
2. Связь с другими предметными областями через общие математические объекты
3. Допущения, нюансы, пресуппозиции
4. Перепроверка
Вопросы, которые задаю LLM-ке на каждом шаге соответственно, приведены далее. Стоит иметь в виду, что по-русски все современные LLM дают ответы значительно более низкого качества, перевод дан для удобства.
Основные определения и алгоритмы
1. Что такое X / What is X?
Пример: что такое сигмоида?
Вариации:
– Я всё ещё не понимаю X / I still don't understand X.
– О чем здесь речь / What's described here?
2. Напиши формулу для X / Write formula for X.
Пример: напиши формулу сигмоиды.
И наоборот:
– Объясни по-русски / Explain in plain English.
3. Как X делается по шагам / How X is performed, step-by-step?
Пример: как делается градиентный спуск, по шагам?
Связь с другими областями
4. Как связаны X и Y / How X implies Y?
Пример: как связаны MLE и лосс-функция логистической регрессии?
5. Объясни X, не упоминая Y / Explain X without referring to Y.
Пример: объясни логистическую регрессию, не упоминая GLM.
6. Объясни X с точки зрения Y / Explain X from the perspective of Y.
Пример: объясни MLE с точки зрения статистики.
7. X это то же, что Y / Is X the same as Y?
Пример: эквивариантность (equivariance) это то же, что естественное преобразование (natural transformation)?
(Прим.: один из вопросов, показывающих кардинальное превосходство LLM-ок над поисковыми системами в данной области. Выдачу гугла надо фильтровать и разбирать, LLM-ка сразу даёт резюме.)
Допущения, нюансы, пресуппозиции
8. Почему должно быть X / Why must be X?
Пример: почему в логистической регрессии log-odds должны линейно зависеть от признаков?
9. Что обычно упускают, рассказывая об X / What is usually omitted, when they speak of X?
Пример: что обычно упускают, рассказывая о логистической регрессии?
10. Какие базовые предпосылки X / What are basic assumptions of X?
Пример: какие базовые предпосылки логистической регрессии?
Перепроверка
11. Является ли этот конспект/решение корректным / Is this cheatsheet/solution correct?
Forwarded from Гиперкаталог
Сегодня в 20:30 традиционный пятничный стрим. Будем допрашивать автора блога metaprogramming про групповую динамику, обучение гопатычей и экономику.
YouTube
HYPERTV: стрим номер 15. Разведдопрос: метапрограминг.
Сегодня цепляемся и допытываем автора канала https://t.iss.one/metaprogramming на разные темы: от, собственно, программирования до психологии. Гостя предупредили, что хотим поговорить про последние байки о ИИ, которые газлайтят пользователей и сводят их с ума…