ОПТИМАЛЬНАЯ СТРАТЕГИЯ ИННОВАЦИЙ
Инновации для организаций, - то же самое, что эволюция для живых организмов: с их помощью организации адаптируются к изменениям в окружающей бизнес-среде и совершенствуются.
Без инноваций, компании сначала отстают от конкурентов и потом и вовсе уходят под давлением рыночных и средовых изменений.
Тем не менее, несмотря на неуклонный прогресс в нашем понимании эволюции, то, что движет инновациями, до сих пор оставалось неуловимым.
— С одной стороны, многие крупные компании вкладывают значительные средства в свои стратегии стимулирования инноваций.
Например, P&G и Unilever разработали специальные бизнес-процессы и руководства, по поиску новых инновационных продуктов и довольно успешно опираются на них в развитии бизнеса.
— С другой стороны, исторический анализ и индивидуальный опыт позволяют предположить, что значительную роль в процессе обнаружения инноваций играет серендипность – способность к интуитивным прозрениям.
Примеры компаний Apple и Tesla наглядно демонстрируют высокую эффективность обнаружения инноваций с помощью серендипности.
Поэтому любая компания стремится понять:
Каково же оптимальное место серендипности в стратегии инноваций?
Одинаковы ли должны быть стратегии для крупных компаний и стартапов?
Можно ли в принципе формализовать и оцифровать стратегии инноваций, сочетающие классический подход с серендипностью?
На все эти вопросы пытается дать ответы уникальное исследование «Серендипность и стратегия быстрых инноваций» , выполненное на стыке математики и практики разработки стратегий бизнеса.
Это не очередная красивая теория, а вполне практическое исследование, выполненное совместно Лондонским институтом математических наук, Национальным научно-исследовательским центром Франции и Хендерсовским институтом консалтинговой компании BCG, исследующим пути эффективного внедрения бизнес-идей на основе наиболее передовых научных методов и технологий.
Авторы исследования проанализировали математику инноваций, как процесс поиска жизнеспособных проектов во вселенной строительных блоков. А затем протестировали свои выводы на исторических данные по инновациям.
Три класса исследуемых авторами стратегий можно уподобить трем стратегиям сборки конструктора Лего, которые используют Боб, Элис и Вася, получившие задание собрать как можно больше интересных игрушек - фигур/механизмов/оборудования по теме «Мир пожарных».
Каждый из трех имеет собственную стратегию отбора лего-элементов из общей кучи доступных.
— Боб следует стратегии выбора таких лего-элементов, которые более всего подходят для скорейшей сборки той конкретной фигуры, которая им задумана и, вроде как, уже начала получаться (это недальновидная стратегии создания минимально-жизнеспособного продукта, свойственная стартапам).
— Стратегия Элис – выбор наиболее универсальных лего-элементов, которые могут подойти много к чему (это дальновидная ресурсопожирающая стратегия китов бизнеса, типа IBM и Google).
— Вася следует своим интуитивным озарениям, тягая из кучи элементов то, что подсказывает его интуиция (это стратегия Apple).
Исследователи показали, что все 3 стратегии НЕ оптимальные. Для оптимальности нужно сочетание всех трех стратегий в уникальной для каждой компании пропорции
#инновации #серендипность #стратегия #бизнес
Редко встречаются исследования, результаты которых одинаково полезны для китов бизнеса и мелких стартапов, для СЕО и инженера, для инвестбанкира и ITшника.
Этот пост как раз про такое исследованиеИнновации для организаций, - то же самое, что эволюция для живых организмов: с их помощью организации адаптируются к изменениям в окружающей бизнес-среде и совершенствуются.
Без инноваций, компании сначала отстают от конкурентов и потом и вовсе уходят под давлением рыночных и средовых изменений.
Тем не менее, несмотря на неуклонный прогресс в нашем понимании эволюции, то, что движет инновациями, до сих пор оставалось неуловимым.
— С одной стороны, многие крупные компании вкладывают значительные средства в свои стратегии стимулирования инноваций.
Например, P&G и Unilever разработали специальные бизнес-процессы и руководства, по поиску новых инновационных продуктов и довольно успешно опираются на них в развитии бизнеса.
— С другой стороны, исторический анализ и индивидуальный опыт позволяют предположить, что значительную роль в процессе обнаружения инноваций играет серендипность – способность к интуитивным прозрениям.
Примеры компаний Apple и Tesla наглядно демонстрируют высокую эффективность обнаружения инноваций с помощью серендипности.
Поэтому любая компания стремится понять:
Каково же оптимальное место серендипности в стратегии инноваций?
Одинаковы ли должны быть стратегии для крупных компаний и стартапов?
Можно ли в принципе формализовать и оцифровать стратегии инноваций, сочетающие классический подход с серендипностью?
На все эти вопросы пытается дать ответы уникальное исследование «Серендипность и стратегия быстрых инноваций» , выполненное на стыке математики и практики разработки стратегий бизнеса.
Это не очередная красивая теория, а вполне практическое исследование, выполненное совместно Лондонским институтом математических наук, Национальным научно-исследовательским центром Франции и Хендерсовским институтом консалтинговой компании BCG, исследующим пути эффективного внедрения бизнес-идей на основе наиболее передовых научных методов и технологий.
Авторы исследования проанализировали математику инноваций, как процесс поиска жизнеспособных проектов во вселенной строительных блоков. А затем протестировали свои выводы на исторических данные по инновациям.
Три класса исследуемых авторами стратегий можно уподобить трем стратегиям сборки конструктора Лего, которые используют Боб, Элис и Вася, получившие задание собрать как можно больше интересных игрушек - фигур/механизмов/оборудования по теме «Мир пожарных».
Каждый из трех имеет собственную стратегию отбора лего-элементов из общей кучи доступных.
— Боб следует стратегии выбора таких лего-элементов, которые более всего подходят для скорейшей сборки той конкретной фигуры, которая им задумана и, вроде как, уже начала получаться (это недальновидная стратегии создания минимально-жизнеспособного продукта, свойственная стартапам).
— Стратегия Элис – выбор наиболее универсальных лего-элементов, которые могут подойти много к чему (это дальновидная ресурсопожирающая стратегия китов бизнеса, типа IBM и Google).
— Вася следует своим интуитивным озарениям, тягая из кучи элементов то, что подсказывает его интуиция (это стратегия Apple).
Исследователи показали, что все 3 стратегии НЕ оптимальные. Для оптимальности нужно сочетание всех трех стратегий в уникальной для каждой компании пропорции
А каковы эти пропорции – читайте статью. Но все упирается в т.н. «относительную полезность» нового элемента при заданном максимальном числе возможных элементов. #инновации #серендипность #стратегия #бизнес
«Убийство путем машинного обучения» или «Святой Грааль инноваций»?
О двух важных, но малоизвестных потенциальных последствиях машинного обучения и, в целом, ИИ.
Как говорится, есть 2 новости: плохая и хорошая.
О плохой недавно написал в Harvard Business Review Майкл Шраге из MIT – “Является ли «Убийство путем машинного обучения» новой «Смертью от PowerPoint»?” https://goo.gl/4tDFvr
Сухой остаток таков.
1) IT далеко не всегда ведут к повышению производительности (привет вчерашнему посту 😳). Зачастую их внедрение лишь усиливает уже имеющиеся дисфункции (автоматизация бардака лишь усиливает бардак). Например:
— Перегрузка эл-почтовых ящиков явно ухудшает управленческую производительность, моральный дух и настрой на продуктивную работу;
— Электронные таблицы изобилуют глубоко упрятанными ошибками и макро просчетами.
2) В результате этого, затраты на технологию часто конкурируют с ее преимуществами.
3) Однако, при внедрении IT обратного хода уже нет.
— Многие слышали о "Смерти от PowerPoint" https://goo.gl/XvrfKy – колоссальных отрицательных последствиях применения этого приложения, которых мало кому удается избежать https://goo.gl/XETYEC
— Но несмотря на наличие десятков альтернативных приложений (Keynote, Slides, Prezi, SlideRocket, Easel.ly, Emaze, Slidedog …), PowerPoint с 1990 г. занимает 95%+ рынка, имея более 1.2 млрд. пользователей, делающих ежедневно много миллионов скучных и бездарных презентаций, убивающий у их читателей интерес к теме, а у их авторов, - элементарные навыки сторителинга (важнейшего качества для любого бизнеса).
4) С машинным обучением (МО) запросто может получиться, как с PowerPoint.
— МО создает новые сложные организационные риски, поскольку решения на основе МО склонны внушать ложную и / или неуместную уверенность в своих выводах; усиливать и / или укреплять привязку к данным; укреплять или даже усугублять недостатки людей, которые это ПО обучают и / или им пользуются.
— Никто ведь не хочет создавать скучные презентации, лишь убивающие кучу времени их авторов и слушателей… но они это все же делают.
— Аналогично, никто не захочет тренировать алгоритмы МО, чтобы они порождали ошибочные прогнозы, … но люди все равно будут это делать.
Подробней читайте у Майкла Шраге.
О хорошей новости читайте https://goo.gl/kNwpUa (27 слайдов) и смотрите https://goo.gl/NNcR3H (46 мин) совместный доклад NBER и MIT о том, что глубокое обучение может оказаться Изобретением кардинально нового способа изобретательства.
Сухой остаток здесь формулируется предельно лаконично.
Глубокое обучение (равно как и Машинное обучение, равно как весь спектр технологий ИИ):
1) Суть междисциплинарное явление – см. эффектный слайд 20, где показано почти равномерное распределение числа статей по ИИ между дюжиной областей
2) Это «Технология общего назначения» (вроде астролябии у Остапа Бендера - "Сама меряет. Было бы что мерять" и, одновременно с этим, средство поиска инноваций – см. слайд 11.
3) Это единственный известный человечеству способ извлечения информации (а потом и знаний) о т.н. «4ом квадранте» или «Неизвестном неизвестном» - крупнейшей и самой неисследованной области знаний об окружающей нас реальности (о которой, к слову, только и пишет Нассим Талеб) – см. что это такое https://yadi.sk/i/-EXXDPBJ3JqoUj
#МО #ИИ #Инновации #НеизвестноеНеизвестное #Производительность
О двух важных, но малоизвестных потенциальных последствиях машинного обучения и, в целом, ИИ.
Как говорится, есть 2 новости: плохая и хорошая.
О плохой недавно написал в Harvard Business Review Майкл Шраге из MIT – “Является ли «Убийство путем машинного обучения» новой «Смертью от PowerPoint»?” https://goo.gl/4tDFvr
Сухой остаток таков.
1) IT далеко не всегда ведут к повышению производительности (привет вчерашнему посту 😳). Зачастую их внедрение лишь усиливает уже имеющиеся дисфункции (автоматизация бардака лишь усиливает бардак). Например:
— Перегрузка эл-почтовых ящиков явно ухудшает управленческую производительность, моральный дух и настрой на продуктивную работу;
— Электронные таблицы изобилуют глубоко упрятанными ошибками и макро просчетами.
2) В результате этого, затраты на технологию часто конкурируют с ее преимуществами.
3) Однако, при внедрении IT обратного хода уже нет.
— Многие слышали о "Смерти от PowerPoint" https://goo.gl/XvrfKy – колоссальных отрицательных последствиях применения этого приложения, которых мало кому удается избежать https://goo.gl/XETYEC
— Но несмотря на наличие десятков альтернативных приложений (Keynote, Slides, Prezi, SlideRocket, Easel.ly, Emaze, Slidedog …), PowerPoint с 1990 г. занимает 95%+ рынка, имея более 1.2 млрд. пользователей, делающих ежедневно много миллионов скучных и бездарных презентаций, убивающий у их читателей интерес к теме, а у их авторов, - элементарные навыки сторителинга (важнейшего качества для любого бизнеса).
4) С машинным обучением (МО) запросто может получиться, как с PowerPoint.
— МО создает новые сложные организационные риски, поскольку решения на основе МО склонны внушать ложную и / или неуместную уверенность в своих выводах; усиливать и / или укреплять привязку к данным; укреплять или даже усугублять недостатки людей, которые это ПО обучают и / или им пользуются.
— Никто ведь не хочет создавать скучные презентации, лишь убивающие кучу времени их авторов и слушателей… но они это все же делают.
— Аналогично, никто не захочет тренировать алгоритмы МО, чтобы они порождали ошибочные прогнозы, … но люди все равно будут это делать.
Подробней читайте у Майкла Шраге.
О хорошей новости читайте https://goo.gl/kNwpUa (27 слайдов) и смотрите https://goo.gl/NNcR3H (46 мин) совместный доклад NBER и MIT о том, что глубокое обучение может оказаться Изобретением кардинально нового способа изобретательства.
Сухой остаток здесь формулируется предельно лаконично.
Глубокое обучение (равно как и Машинное обучение, равно как весь спектр технологий ИИ):
1) Суть междисциплинарное явление – см. эффектный слайд 20, где показано почти равномерное распределение числа статей по ИИ между дюжиной областей
2) Это «Технология общего назначения» (вроде астролябии у Остапа Бендера - "Сама меряет. Было бы что мерять" и, одновременно с этим, средство поиска инноваций – см. слайд 11.
3) Это единственный известный человечеству способ извлечения информации (а потом и знаний) о т.н. «4ом квадранте» или «Неизвестном неизвестном» - крупнейшей и самой неисследованной области знаний об окружающей нас реальности (о которой, к слову, только и пишет Нассим Талеб) – см. что это такое https://yadi.sk/i/-EXXDPBJ3JqoUj
#МО #ИИ #Инновации #НеизвестноеНеизвестное #Производительность
Harvard Business Review
Is “Murder by Machine Learning” the New “Death by PowerPoint”?
New tools don’t always promote efficiency.
Супер-идея для стартапа, который будет куплен Фейсбуком за миллиарды
Это не шутка и не преувеличение. И если Фейсбук не заплатит за эту технологию несколько ярдов (причем быстро и не торгуясь), то ее купит Амазон или Волмарт, - но уже за двузначное число ярдов. И остается только один вопрос – кто теперь сделает такую технологию первым.
Суть идеи в возможности автоматической идентификации возникновения стадного поведения, - т.е. поведенческих каскадов, вирусно охватывающих большие массы людей: обитателей социальных сетей, потенциальных покупателей и т.д.
Тот, кто способен автоматически идентифицировать только-только зарождающееся стадное поведение (в моде, покупательских предпочтениях, политических пристрастиях и т.п.), будет способен заработать на этом немыслимые деньги. Как если узнавать, какая из лошадей выиграет, уже на первых секундах забега, когда никто в мире этого еще не знает.
Новая работа «Оценка человеческого суждения о вычислительно-генерируемом роевом поведении» https://goo.gl/2kghNP - это развитие матмодели роя, предложенной Рейнольдсом еще в 1987 г.
Последний еще 30 лет назад поставил вопрос, - почему идентификация роевого поведения людьми столь быстра и эффективна, при том, что выполнение этой же задачи вычислительными методами, столь долго и затруднительно? Как человек делает это – на глазок и практически мгновенно? На какие параметры опирается человек, вынося суждение о том, что он видит формирующийся рой?
Развивая работы своих предшественников, авторы нового исследования таки придумали модель идентификации роевого поведения вычислительным образом, добавив к разработанной в 2015 модели еще 3 параметра: сила влечения, сила выравнивания и сила отталкивания «частиц» из которых формируется рой.
Уточню, что такое рой.
Это суперорганизм (см. вчерашний пост), состоящий из множества автономных особей (когнитивных агентов), полагающихся в своих поведенческих реакциях на собственные ощущения от коммуникации со средой, и взаимодействующих между собой таким образом, что в результате формируется глобальная форма поведения, проявляющаяся на уровне всего роя.
Т.е. динамика феномена рой в том, что структура на макроуровне возникает в результате взаимодействий на микроуровне.
Ключевые свойства роя:
- много-много частиц, кластеризующихся/группирующихся;
- частицы постоянно движутся, но их движение не является равномерно упорядоченным или выровненным, то есть отдельные частицы движутся в разных направлениях.
Поведение частиц роя напоминает свойства кипящих систем, «находящихся на краю хаоса».
Конечно же, любой умудренный знанием нейронных сетей читатель, тут же возразит, что элементарная нейронка легко распознает рой. Так в чем же прорывная идея?
А в том, что нейронка способна визуально распознать рой. А как она это сделает, если рой визуально не идентифицируем? Например, если рой (стадное поведение) формируется в социальной сети или шире, - в сетевом инфопространстве?
Для этого нужны идентификационные параметры, которые можно фиксировать и замерять.
А новое исследование предлагает работающую модель из 3х таких параметров: сила влечения, сила выравнивания и сила отталкивания «частиц» из которых формируется рой.
Дальше дело техники. Научиться оценивать эти 3 силы у когнитивных агентов, пребывающих в сетевом инфопространстве. И вуаля, - извольте бриться. Система будет способна идентифицировать зарождение стадного поведения на самой ранней стадии его возникновения.
Как сопоставить силы, характеризующие движение частиц роя, силам влечения, выравнивания и отталкивания мнений людей в инфопространстве, оставлю пока в тайне.
Лишь отмечу, что похожие «силы» можно фиксировать и измерять в модели синтеллектуального краудсорсинга, реализованного на платформе Witology.
#КогнитивныеАгенты #СтадноеПоведение #Инновации
Это не шутка и не преувеличение. И если Фейсбук не заплатит за эту технологию несколько ярдов (причем быстро и не торгуясь), то ее купит Амазон или Волмарт, - но уже за двузначное число ярдов. И остается только один вопрос – кто теперь сделает такую технологию первым.
Суть идеи в возможности автоматической идентификации возникновения стадного поведения, - т.е. поведенческих каскадов, вирусно охватывающих большие массы людей: обитателей социальных сетей, потенциальных покупателей и т.д.
Тот, кто способен автоматически идентифицировать только-только зарождающееся стадное поведение (в моде, покупательских предпочтениях, политических пристрастиях и т.п.), будет способен заработать на этом немыслимые деньги. Как если узнавать, какая из лошадей выиграет, уже на первых секундах забега, когда никто в мире этого еще не знает.
Новая работа «Оценка человеческого суждения о вычислительно-генерируемом роевом поведении» https://goo.gl/2kghNP - это развитие матмодели роя, предложенной Рейнольдсом еще в 1987 г.
Последний еще 30 лет назад поставил вопрос, - почему идентификация роевого поведения людьми столь быстра и эффективна, при том, что выполнение этой же задачи вычислительными методами, столь долго и затруднительно? Как человек делает это – на глазок и практически мгновенно? На какие параметры опирается человек, вынося суждение о том, что он видит формирующийся рой?
Развивая работы своих предшественников, авторы нового исследования таки придумали модель идентификации роевого поведения вычислительным образом, добавив к разработанной в 2015 модели еще 3 параметра: сила влечения, сила выравнивания и сила отталкивания «частиц» из которых формируется рой.
Уточню, что такое рой.
Это суперорганизм (см. вчерашний пост), состоящий из множества автономных особей (когнитивных агентов), полагающихся в своих поведенческих реакциях на собственные ощущения от коммуникации со средой, и взаимодействующих между собой таким образом, что в результате формируется глобальная форма поведения, проявляющаяся на уровне всего роя.
Т.е. динамика феномена рой в том, что структура на макроуровне возникает в результате взаимодействий на микроуровне.
Ключевые свойства роя:
- много-много частиц, кластеризующихся/группирующихся;
- частицы постоянно движутся, но их движение не является равномерно упорядоченным или выровненным, то есть отдельные частицы движутся в разных направлениях.
Поведение частиц роя напоминает свойства кипящих систем, «находящихся на краю хаоса».
Конечно же, любой умудренный знанием нейронных сетей читатель, тут же возразит, что элементарная нейронка легко распознает рой. Так в чем же прорывная идея?
А в том, что нейронка способна визуально распознать рой. А как она это сделает, если рой визуально не идентифицируем? Например, если рой (стадное поведение) формируется в социальной сети или шире, - в сетевом инфопространстве?
Для этого нужны идентификационные параметры, которые можно фиксировать и замерять.
А новое исследование предлагает работающую модель из 3х таких параметров: сила влечения, сила выравнивания и сила отталкивания «частиц» из которых формируется рой.
Дальше дело техники. Научиться оценивать эти 3 силы у когнитивных агентов, пребывающих в сетевом инфопространстве. И вуаля, - извольте бриться. Система будет способна идентифицировать зарождение стадного поведения на самой ранней стадии его возникновения.
Как сопоставить силы, характеризующие движение частиц роя, силам влечения, выравнивания и отталкивания мнений людей в инфопространстве, оставлю пока в тайне.
Лишь отмечу, что похожие «силы» можно фиксировать и измерять в модели синтеллектуального краудсорсинга, реализованного на платформе Witology.
#КогнитивныеАгенты #СтадноеПоведение #Инновации
Frontiers
Assessing Human Judgment of Computationally Generated Swarming Behavior
Computer-based swarm systems, aiming to replicate the flocking behavior of birds, were first introduced by Reynolds in 1987. In his initial work, Reynolds noted that while it was difficult to quantify the dynamics of the behavior from the model, observers…
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 что знать что-то по-настоящему – значит уметь это смоделировать на матмодели, имеющей строгое теоретическое обоснование. Людей же, способных сделать это на примере успехов Apple, - на Земле всего 1 (один). И его зовут Стюарт Кауффман (Stuart Kauffman).
Более противоречивой личности в современной науке нет. С одной стороны, куча почетных научных званий, премии и награды, 350+ научных публикаций и 6 бестселлеров … С другой, - репутация самого амбициозного и радикального современного ученого, бросившего вызов самому Дарвину.
Но это еще не все!
Все абсолютно революционные теории Кауффмана (а их несколько) построены на едином фундаменте, - близком идеям Канта и Гёте, но не соответствующем мейнстриму современной науки. Подобно великим мыслителям прошлого, Кауффман утверждает,
• в основе структуры природы лежат общие математические принципы или правила;
• сформулировав их, можно смоделировать что угодно – жизнь, разум, свободную волю, квантовую критичность …
И это еще не все!
На этом фундаменте Кауффман
• уже построил несколько обалденных теорий, например:
- теорию антихаоса, для которой естественный отбор Дарвина – лишь некое приложение,
- теорию происхождения жизни и разума, на основе самоорганизованной критичности (Кауффман применил модели булевых сетей для упрощения генетической схемы);
• а на их основе создал компьютерные модели.
Извините, но и это еще не всё!
✔️ Модели Кауффмана показывают результаты очень близкие к реальности, что буквально ставит на уши мировую науку. Что ж теперь, - признавать теории Хауффмана, а теории Дарвина и пр. низводить до частных случаев?
Да никогда! – заявляет современная наука. И выкладывает на стол свой джокер - невозможно признать истинность статистических моделей Кауффмана, т.к. описываемые ими явления не имеют статистики.
- Жизнь ведь образовалась единожды.
- И естественный отбор на Земле имеется в единственном экземпляре.
- И разум тоже появился единожды.
Какая здесь на фиг статистика!!!
А причем здесь успехи Apple, спросите вы.
А вот причем.
В прошлом году Хауффман опубликовал новую теорию – «Простая комбинаторная модель мировой экономической истории». Эта теория объясняет появление промышленной революции комбинаторным взрывом инноваций. А этот взрыв, как водится у Хауффмана, происходит в его матмодели, как говорится, на глазах почтеннейшей публики. И потому возразить на это нечего.
И вот теперь (на прошлой неделе) Хауффман замутил еще одну революцию. Теперь про инновации. В основе новой теории (называется Экономический WEB) открытое ранее Хауффманом понятие «реальности смежных возможностей», со скрипом, но все же признанной мейнстримом экономики.
Теория Экономического WEBа объясняет, откуда растут ноги взрыва инноваций.
Согласно ей, экономика представляет собой сеть дополнений и заменителей уже существующих товаров и услуг. Как и в случае с биосферой (которая, по Кауффману, тоже сеть), эволюция сети экономики в значительной степени непредсказуема, зависит от контекста и создает свой собственный растущий контекст, который включает в себя элементы из реальности «смежного возможного». Смежное возможное - это то, что может возникнуть следующим в ходе эволюции. Эта эволюция «втягивается» в те самые возможности, которые она сама создает. Т.о. инновации в Смежное Возможное стимулируют рост Экономического WEBа.
Просто чума, как интересно. И сводит в ноль почти все современные экономические теории.
А вопрос один.
Что мир будет делать, когда и эта модель Кауффмана даст 98%ную точность при моделировании?
Комбинаторная модель экономики – видео и текст
Общее описание модели Экономического WEBа
#Инновации #Экономика #Антихаос #СамоорганизованнаяКритичность
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 что знать что-то по-настоящему – значит уметь это смоделировать на матмодели, имеющей строгое теоретическое обоснование. Людей же, способных сделать это на примере успехов Apple, - на Земле всего 1 (один). И его зовут Стюарт Кауффман (Stuart Kauffman).
Более противоречивой личности в современной науке нет. С одной стороны, куча почетных научных званий, премии и награды, 350+ научных публикаций и 6 бестселлеров … С другой, - репутация самого амбициозного и радикального современного ученого, бросившего вызов самому Дарвину.
Но это еще не все!
Все абсолютно революционные теории Кауффмана (а их несколько) построены на едином фундаменте, - близком идеям Канта и Гёте, но не соответствующем мейнстриму современной науки. Подобно великим мыслителям прошлого, Кауффман утверждает,
• в основе структуры природы лежат общие математические принципы или правила;
• сформулировав их, можно смоделировать что угодно – жизнь, разум, свободную волю, квантовую критичность …
И это еще не все!
На этом фундаменте Кауффман
• уже построил несколько обалденных теорий, например:
- теорию антихаоса, для которой естественный отбор Дарвина – лишь некое приложение,
- теорию происхождения жизни и разума, на основе самоорганизованной критичности (Кауффман применил модели булевых сетей для упрощения генетической схемы);
• а на их основе создал компьютерные модели.
Извините, но и это еще не всё!
✔️ Модели Кауффмана показывают результаты очень близкие к реальности, что буквально ставит на уши мировую науку. Что ж теперь, - признавать теории Хауффмана, а теории Дарвина и пр. низводить до частных случаев?
Да никогда! – заявляет современная наука. И выкладывает на стол свой джокер - невозможно признать истинность статистических моделей Кауффмана, т.к. описываемые ими явления не имеют статистики.
- Жизнь ведь образовалась единожды.
- И естественный отбор на Земле имеется в единственном экземпляре.
- И разум тоже появился единожды.
Какая здесь на фиг статистика!!!
А причем здесь успехи Apple, спросите вы.
А вот причем.
В прошлом году Хауффман опубликовал новую теорию – «Простая комбинаторная модель мировой экономической истории». Эта теория объясняет появление промышленной революции комбинаторным взрывом инноваций. А этот взрыв, как водится у Хауффмана, происходит в его матмодели, как говорится, на глазах почтеннейшей публики. И потому возразить на это нечего.
И вот теперь (на прошлой неделе) Хауффман замутил еще одну революцию. Теперь про инновации. В основе новой теории (называется Экономический WEB) открытое ранее Хауффманом понятие «реальности смежных возможностей», со скрипом, но все же признанной мейнстримом экономики.
Теория Экономического WEBа объясняет, откуда растут ноги взрыва инноваций.
Согласно ей, экономика представляет собой сеть дополнений и заменителей уже существующих товаров и услуг. Как и в случае с биосферой (которая, по Кауффману, тоже сеть), эволюция сети экономики в значительной степени непредсказуема, зависит от контекста и создает свой собственный растущий контекст, который включает в себя элементы из реальности «смежного возможного». Смежное возможное - это то, что может возникнуть следующим в ходе эволюции. Эта эволюция «втягивается» в те самые возможности, которые она сама создает. Т.о. инновации в Смежное Возможное стимулируют рост Экономического WEBа.
Просто чума, как интересно. И сводит в ноль почти все современные экономические теории.
А вопрос один.
Что мир будет делать, когда и эта модель Кауффмана даст 98%ную точность при моделировании?
Комбинаторная модель экономики – видео и текст
Общее описание модели Экономического WEBа
#Инновации #Экономика #Антихаос #СамоорганизованнаяКритичность
YouTube
The Shape of History with Stuart Kauffman
Guest lecture by Stuart Kauffman (The Institute for Systems Biology) at the New England Complex Systems Institute's Courses in Complexity 2019 Winter Session.
For more information about the course, go to: https://necsi-global.org/winter-school
For more information about the course, go to: https://necsi-global.org/winter-school
Имаджинавты — это супер-креативные люди, способные к ничем не ограниченным перемещениям по неисчерпаемой вселенной воображаемых миров. Их феноменальный творческий потенциал основан на возможности мысленно улететь далеко от реальности и оттуда увидеть её в каком-то абсолютно ином ракурсе (подробней см. мой пост «Они видят сквозь пространство и время, а их мозг работает иначе»).
Имаджинавты — штучные люди, встречающиеся, преимущественно, в науке и в искусстве. Но изредка такие люди встречаются и в бизнесе, где они на практике меняют бизнес-реальность и создают новую, подобно тому, как это cделал Стив Джобс.
Но есть среди них и не столь широко известные предприниматели. Это имаджинавты — теоретики. Их супер-креативность проявляется не столько в придумывании и создании новых рынков, сколько в новом осмыслении и новых моделях уже существующих рынков и бизнесов.
Один из таких редких имаджинавтов — теоретиков, пионер венчурного интернет-бизнеса Джерри Нойманн (Jerry Neumann), широко известный в узких кругах как интернет-ориентированный бизнес-ангел, а также как создатель новых смыслов и прорывных концепций в понимании венчурного бизнеса. Кроме того, Нойманн — эрудит и универсал с такой авто-характеристикой:
«у меня так много конфликтов интересов, что конфликты возникают даже там, где у других людей вообще нет интересов»
Его новое эссе посвящено довольно неожиданному и, на первый взгляд, странному вопросу — как монетизировать неопределенность.
Отвечая на этот вопрос, Нойман сконструировал новую концепцию «продуктивной неопределенности». Т.е. неопределенности, служащей защитой от конкурентов и позволяющей тем самым дольше получать сверхприбыль.
Главное в этой теории — строительство «рва» вокруг стартапа. Назначение «рва» — не позволить конкурентам скопировать инновацию. Предложенный Нойманом подход к «строительству и эксплуатации рвов», по его убеждению, позволяет монетизировать неопределенность самым продуктивным способом.
Продолжить чтение (еще 5 мин.):
• на Medium https://bit.ly/43XaCVj
• на Яндекс Дзен https://clck.ru/SQiLi
#Инновации #Неопределенность #ВенчурныеИнвестиции #Стартапы #Сверхприбыль
P.S. На канале небольшая пауза. Надо дописать давно обещанное продолжение поста «Конституция биоматематики. Основной принцип жизни и разума»
Имаджинавты — штучные люди, встречающиеся, преимущественно, в науке и в искусстве. Но изредка такие люди встречаются и в бизнесе, где они на практике меняют бизнес-реальность и создают новую, подобно тому, как это cделал Стив Джобс.
Но есть среди них и не столь широко известные предприниматели. Это имаджинавты — теоретики. Их супер-креативность проявляется не столько в придумывании и создании новых рынков, сколько в новом осмыслении и новых моделях уже существующих рынков и бизнесов.
Один из таких редких имаджинавтов — теоретиков, пионер венчурного интернет-бизнеса Джерри Нойманн (Jerry Neumann), широко известный в узких кругах как интернет-ориентированный бизнес-ангел, а также как создатель новых смыслов и прорывных концепций в понимании венчурного бизнеса. Кроме того, Нойманн — эрудит и универсал с такой авто-характеристикой:
«у меня так много конфликтов интересов, что конфликты возникают даже там, где у других людей вообще нет интересов»
Его новое эссе посвящено довольно неожиданному и, на первый взгляд, странному вопросу — как монетизировать неопределенность.
Отвечая на этот вопрос, Нойман сконструировал новую концепцию «продуктивной неопределенности». Т.е. неопределенности, служащей защитой от конкурентов и позволяющей тем самым дольше получать сверхприбыль.
Главное в этой теории — строительство «рва» вокруг стартапа. Назначение «рва» — не позволить конкурентам скопировать инновацию. Предложенный Нойманом подход к «строительству и эксплуатации рвов», по его убеждению, позволяет монетизировать неопределенность самым продуктивным способом.
Продолжить чтение (еще 5 мин.):
• на Medium https://bit.ly/43XaCVj
• на Яндекс Дзен https://clck.ru/SQiLi
#Инновации #Неопределенность #ВенчурныеИнвестиции #Стартапы #Сверхприбыль
P.S. На канале небольшая пауза. Надо дописать давно обещанное продолжение поста «Конституция биоматематики. Основной принцип жизни и разума»
Medium
Монетизация неопределенности
Как долго получать сверхприбыль
«Предсказывать очень трудно, особенно предсказывать будущее»
— мудро шутил Нильс Бор. И хотя вся история науки подтверждает его слова, это не помешало, например, Уильяму Джону Варнеру снискать славу «Эйнштейн хироманитии». Ведь его прогнозы будущего людей по их «линиям судьбы» (кожному рельефу ладоней) часто оказывались поразительно точными.
А может ли существовать «линия судьбы» у всего человечества?
И был ли в истории гений, способный эту линию предсказать?
Как ни удивительно, но ответы на оба эти вопроса — да. История знает такого гения (и я бы даже сказал, супергения).
• Еще в 1986 он предвидел, каким может быть универсальный шаблон истории развития глобальной цивилизации, и какое будущее эта «линия судьбы» сулит человечеству.
• А спустя 36 лет, в 2022 году были опубликованы две прорывные междисциплинарные научные работы, давшие предвидению гения научное обоснование.
Но это еще не все.
✔️ В первой из этих работ показано, что в основе «линии судьбы» человечества одна единственная простая и элегантная математическая формула.
✔️ А из второй следует, что у землян всего два варианта будущего: умереть во сне или проснуться.
Продолжить чтение (еще 15 мин.):
- на Medium https://bit.ly/3Q62pat
- на Яндекс Дзен https://clck.ru/sSQ7w
#Инновации #СмежноеВозможное #Вызовы21века #Культура #ПарадоксФерми #Будущее
— мудро шутил Нильс Бор. И хотя вся история науки подтверждает его слова, это не помешало, например, Уильяму Джону Варнеру снискать славу «Эйнштейн хироманитии». Ведь его прогнозы будущего людей по их «линиям судьбы» (кожному рельефу ладоней) часто оказывались поразительно точными.
А может ли существовать «линия судьбы» у всего человечества?
И был ли в истории гений, способный эту линию предсказать?
Как ни удивительно, но ответы на оба эти вопроса — да. История знает такого гения (и я бы даже сказал, супергения).
• Еще в 1986 он предвидел, каким может быть универсальный шаблон истории развития глобальной цивилизации, и какое будущее эта «линия судьбы» сулит человечеству.
• А спустя 36 лет, в 2022 году были опубликованы две прорывные междисциплинарные научные работы, давшие предвидению гения научное обоснование.
Но это еще не все.
✔️ В первой из этих работ показано, что в основе «линии судьбы» человечества одна единственная простая и элегантная математическая формула.
✔️ А из второй следует, что у землян всего два варианта будущего: умереть во сне или проснуться.
Продолжить чтение (еще 15 мин.):
- на Medium https://bit.ly/3Q62pat
- на Яндекс Дзен https://clck.ru/sSQ7w
#Инновации #СмежноеВозможное #Вызовы21века #Культура #ПарадоксФерми #Будущее
Medium
У землян всего два варианта будущего
Умереть во сне или проснуться
Это продолжение рассказа о гениальном прозрении Станислава Лема, в котором он предсказал «линию судьбы» человечества: форму этой линии и развилку на ней, ведущую к двум вариантам будущего землян — умереть во сне или проснуться.
В 1-й части поста были подробно разобраны характерные свойства «линии судьбы» земной цивилизации, описанной Лемом в виде диаграммы Ортеги-Нейсселя. Эта диаграмма — артефакт научно-фантастического романа «Фиаско», — описывает траекторию развития глобальных цивилизаций (Земли и всех иных цивилизаций во Вселенной), достигших эры психозоя (эры Разума — по Вернадскому).
Теперь же мы рассмотрим предсказанную Лемом «линию судьбы» человечества с позиций двух недавно опубликованных междисциплинарных научных работ, подводящих под гениальное предвидение Лема научное обоснование.
И начнем с опубликованной в мае 2022 работа Марины Кортес, Стюарта Кауфмана, Эндрю Р. Лиддла и Ли Смолина (Marina Cortes, Stuart A. Kauffman, Andrew R. Liddle, Lee Smolin) «Уравнение ТАР: расчет комбинаторных инноваций» (The TAP equation: evaluating combinatorial innovation).
Продолжить чтение (14 мин):
- на Medium https://bit.ly/3ArfbKX
- на Яндекс Дзен https://clck.ru/sctqa
1-я часть поста
#Инновации #СмежноеВозможное #Вызовы21века #Культура #ПарадоксФерми #Будущее
В 1-й части поста были подробно разобраны характерные свойства «линии судьбы» земной цивилизации, описанной Лемом в виде диаграммы Ортеги-Нейсселя. Эта диаграмма — артефакт научно-фантастического романа «Фиаско», — описывает траекторию развития глобальных цивилизаций (Земли и всех иных цивилизаций во Вселенной), достигших эры психозоя (эры Разума — по Вернадскому).
Теперь же мы рассмотрим предсказанную Лемом «линию судьбы» человечества с позиций двух недавно опубликованных междисциплинарных научных работ, подводящих под гениальное предвидение Лема научное обоснование.
И начнем с опубликованной в мае 2022 работа Марины Кортес, Стюарта Кауфмана, Эндрю Р. Лиддла и Ли Смолина (Marina Cortes, Stuart A. Kauffman, Andrew R. Liddle, Lee Smolin) «Уравнение ТАР: расчет комбинаторных инноваций» (The TAP equation: evaluating combinatorial innovation).
Продолжить чтение (14 мин):
- на Medium https://bit.ly/3ArfbKX
- на Яндекс Дзен https://clck.ru/sctqa
1-я часть поста
#Инновации #СмежноеВозможное #Вызовы21века #Культура #ПарадоксФерми #Будущее
Medium
Умереть во сне или проснуться
У землян всего два варианта будущего
AI превратится в AGI, когда обретёт сознание.
И для этого ему потребуются задатки имажинавта.
О том, что 3 года назад писали лишь футурологи ИИ, сегодня пишут инженеры – практики солидных фирм.
В 2019 я написал пост на довольно важную для меня тему - про имажинавтов (людей со сверхразвитой способностью к ничем не ограниченным перемещениям в пространстве и времени по неисчерпаемой вселенной воображаемых миров). Эта способность, лежащая в основе креативности, базируется на т.н. дистальном моделировании, для которого в мозге задействован особый нейронный механизм — дорсомедиальная подсистема сети пассивного режима (подробней в моём посте).
Спустя 3 года совместными усилиями Microsoft Research и Araya Inc. (Япония), на мой взгляд, намечается прорыв.
Авторы исследования смогли увязать:
1. человеческую способность путешествовать во времени с сознанием;
2. три современные теории сознания с функциями общего (универсального) интеллекта (AGI);
3. современные методы глубокого обучения сначала с 2, а потом и с 1.
Тем самым исследователи Microsoft Research и Araya Inc. предлагают способ, с помощью которого понимание сознания в каждой из трех теорий можно объединить в единую унифицированную и реализуемую модель искусственных агентов, способных «мысленно» путешествовать во времени. Фишка такого похода в том, что, обладая этой возможностью, ИИ становится по-человечески креативным, и за счет этого у него появляется возможность развиваться до AGI человеческого уровня (естественно, при наличии опыта воплощенности или какого-то (пока не придуманного) его заменителя).
Насколько это круто, каждый может оценить самостоятельно.
Мне же это кажется очень-очень перспективным
.
✔️ Ибо обладающие способностями имажинавтов — это штучные люди, встречающиеся, преимущественно, в науке и в искусстве, хотя встречаются и в бизнесе. В последнем случае они кардинально меняют бизнес, монетизируя неопределенность и создавая новую бизнес-реальность, подобно Стиву Джобсу, создавшему для бизнеса новую реальность так же, как это сделал Эйнштейн для науки (подробней читай мой пост).
✔️ Ибо, по большому счету, весь сегодняшний мир создан имажинавтами. Именно им цивилизация обязана за все культурные достижения Homo sapiens, превратившие людей из животных в полубогов.
✔️Ибо способность мысленно путешествовать сквозь пространство и время – может статься, и есть тот золотой ключик, что откроет для современных методов глубокого обучения путь превращения в AGI, который в итоге обретёт сознание, став имажинавтом.
#Креативность #Воображение #Инновации #МашинноеОбучение #AGI
И для этого ему потребуются задатки имажинавта.
О том, что 3 года назад писали лишь футурологи ИИ, сегодня пишут инженеры – практики солидных фирм.
В 2019 я написал пост на довольно важную для меня тему - про имажинавтов (людей со сверхразвитой способностью к ничем не ограниченным перемещениям в пространстве и времени по неисчерпаемой вселенной воображаемых миров). Эта способность, лежащая в основе креативности, базируется на т.н. дистальном моделировании, для которого в мозге задействован особый нейронный механизм — дорсомедиальная подсистема сети пассивного режима (подробней в моём посте).
Спустя 3 года совместными усилиями Microsoft Research и Araya Inc. (Япония), на мой взгляд, намечается прорыв.
Авторы исследования смогли увязать:
1. человеческую способность путешествовать во времени с сознанием;
2. три современные теории сознания с функциями общего (универсального) интеллекта (AGI);
3. современные методы глубокого обучения сначала с 2, а потом и с 1.
Тем самым исследователи Microsoft Research и Araya Inc. предлагают способ, с помощью которого понимание сознания в каждой из трех теорий можно объединить в единую унифицированную и реализуемую модель искусственных агентов, способных «мысленно» путешествовать во времени. Фишка такого похода в том, что, обладая этой возможностью, ИИ становится по-человечески креативным, и за счет этого у него появляется возможность развиваться до AGI человеческого уровня (естественно, при наличии опыта воплощенности или какого-то (пока не придуманного) его заменителя).
Насколько это круто, каждый может оценить самостоятельно.
Мне же это кажется очень-очень перспективным
.
✔️ Ибо обладающие способностями имажинавтов — это штучные люди, встречающиеся, преимущественно, в науке и в искусстве, хотя встречаются и в бизнесе. В последнем случае они кардинально меняют бизнес, монетизируя неопределенность и создавая новую бизнес-реальность, подобно Стиву Джобсу, создавшему для бизнеса новую реальность так же, как это сделал Эйнштейн для науки (подробней читай мой пост).
✔️ Ибо, по большому счету, весь сегодняшний мир создан имажинавтами. Именно им цивилизация обязана за все культурные достижения Homo sapiens, превратившие людей из животных в полубогов.
✔️Ибо способность мысленно путешествовать сквозь пространство и время – может статься, и есть тот золотой ключик, что откроет для современных методов глубокого обучения путь превращения в AGI, который в итоге обретёт сознание, став имажинавтом.
#Креативность #Воображение #Инновации #МашинноеОбучение #AGI
Ахиллесова пята Китая уже зажата в капкан.
Но решения Си лишь загоняет ее еще дальше.
Следуя совету Сталина "кадры решают все", Председатель Си взялся решать главную проблему Китая – стимулирование инноваций, - путем кадрового обновления верхушки власти. Но этот путь лишь еще глубже загоняет «ахиллесову пяту» страны в капкан торможения инноваций. Что может иметь сокрушительные последствия для намерений Китая стать №1 в мире.
Выиграв большую игру за свое переизбрание, председатель Си должен сделать принципиальный выбор между двумя несовместимыми целями своего 3го срока.
• Либо цель - стать пожизненным властелином Китая.
И тогда главным приоритетом должен быть политический контроль.
• Либо цель – ускорение развития Китая.
И тогда главный приоритет – стимулирование инноваций, необходимых для преодоления демографических и других долгосрочных препятствий для роста экономики Китая.
Серединного пути здесь нет. Ибо цели разнонаправленные. А попытка пойти серединным путем будет просто означать - ни инноваций, ни контроля.
А что эти цели разнонаправленные, давно известно.
• Инновации растут и колосятся лишь на почве свободного творчества.
• А для политического контроля свободное творчество – самый неудобный и потенциально опасный характер деятельности.
Власти Китая прекрасно осознают ключевую слабость Китая в борьбе с США за мировое первенство – отставание в производстве и внедрении инноваций. Еще в 2019 году Си назвал отставание инноваций «Ахиллесовой пятой» Китая.
Но огромные деньги, выделяемые КПК на развитие инноваций, пока что дают предельно скромные результаты.
• Китай по-прежнему даже не входит в десятку инновационных лидеров мира (см рис с динамикой ТОР15 стран мира по Глобальному инновационному индексу).
• Продолжая такими темпами, Китаю никаких денег не хватит, чтобы и за 10 лет стать мировым лидером в инновациях.
• США уже поняли, как больнее защемить ахиллесову пяту Китая научно-технологическими ограничениями экспорта, и Китай уже в этом капкане по всем наиболее инновационным направлениям.
И что же делает теперь Си?
• Не ослабляя железной хватку власти против лидеров высокотехнологичного бизнеса,
• Си обещает расширить роль «партийных ячеек», блюдущих партийную дисциплину и догмы в университетах и частном секторе,
• а теперь перетряхивает кадры ЦК КПК, заменив на 40% мест (81 место) в ЦК (элитный орган власти, определяющий основновы национальной политики) карьерных партийцев на выходцев из самых инновационно успешных областей (с самым большим представительством (20 мест) аэрокосмической области).
Из чего следует, что, выбирая между политическим контролем и стимулированием научно-технологического творчества, ведущего к инновациям, Председатель Си выбирает первое.
Что позволяет предположить о уже сделанном им выборе своей главной цели на 3ем сроке.
P.S. Было бы неправильно не упомянуть о месте России в мировом инновационном ландшафте.
Так вот, до 2022 Россия здесь оставалась истинный островом стабильности: в 2022 Россия на 47м месте (а 4 года назад в 2018 была на 46м), обойдя Вьетнам, Румынию и Чили, но пропустив вперед Словакию, Маврикий и Грецию. Но в свете происходящего, видимо, и здесь стабильность закончилась.
#Китай #Инновации
Но решения Си лишь загоняет ее еще дальше.
Следуя совету Сталина "кадры решают все", Председатель Си взялся решать главную проблему Китая – стимулирование инноваций, - путем кадрового обновления верхушки власти. Но этот путь лишь еще глубже загоняет «ахиллесову пяту» страны в капкан торможения инноваций. Что может иметь сокрушительные последствия для намерений Китая стать №1 в мире.
Выиграв большую игру за свое переизбрание, председатель Си должен сделать принципиальный выбор между двумя несовместимыми целями своего 3го срока.
• Либо цель - стать пожизненным властелином Китая.
И тогда главным приоритетом должен быть политический контроль.
• Либо цель – ускорение развития Китая.
И тогда главный приоритет – стимулирование инноваций, необходимых для преодоления демографических и других долгосрочных препятствий для роста экономики Китая.
Серединного пути здесь нет. Ибо цели разнонаправленные. А попытка пойти серединным путем будет просто означать - ни инноваций, ни контроля.
А что эти цели разнонаправленные, давно известно.
• Инновации растут и колосятся лишь на почве свободного творчества.
• А для политического контроля свободное творчество – самый неудобный и потенциально опасный характер деятельности.
Власти Китая прекрасно осознают ключевую слабость Китая в борьбе с США за мировое первенство – отставание в производстве и внедрении инноваций. Еще в 2019 году Си назвал отставание инноваций «Ахиллесовой пятой» Китая.
Но огромные деньги, выделяемые КПК на развитие инноваций, пока что дают предельно скромные результаты.
• Китай по-прежнему даже не входит в десятку инновационных лидеров мира (см рис с динамикой ТОР15 стран мира по Глобальному инновационному индексу).
• Продолжая такими темпами, Китаю никаких денег не хватит, чтобы и за 10 лет стать мировым лидером в инновациях.
• США уже поняли, как больнее защемить ахиллесову пяту Китая научно-технологическими ограничениями экспорта, и Китай уже в этом капкане по всем наиболее инновационным направлениям.
И что же делает теперь Си?
• Не ослабляя железной хватку власти против лидеров высокотехнологичного бизнеса,
• Си обещает расширить роль «партийных ячеек», блюдущих партийную дисциплину и догмы в университетах и частном секторе,
• а теперь перетряхивает кадры ЦК КПК, заменив на 40% мест (81 место) в ЦК (элитный орган власти, определяющий основновы национальной политики) карьерных партийцев на выходцев из самых инновационно успешных областей (с самым большим представительством (20 мест) аэрокосмической области).
Из чего следует, что, выбирая между политическим контролем и стимулированием научно-технологического творчества, ведущего к инновациям, Председатель Си выбирает первое.
Что позволяет предположить о уже сделанном им выборе своей главной цели на 3ем сроке.
P.S. Было бы неправильно не упомянуть о месте России в мировом инновационном ландшафте.
Так вот, до 2022 Россия здесь оставалась истинный островом стабильности: в 2022 Россия на 47м месте (а 4 года назад в 2018 была на 46м), обойдя Вьетнам, Румынию и Чили, но пропустив вперед Словакию, Маврикий и Грецию. Но в свете происходящего, видимо, и здесь стабильность закончилась.
#Китай #Инновации
ИИ можно научить интуитивной прозорливости.
Глубокое обучение способно находить скрытые маркеры провидческих идей в обширных корпусах текстов.
Такой вывод следует из фантастически интересной работы «Модель глубокого обучения провидческих идей демонстрирует, что они возникают на периферии», которая выйдет в мартовском номере PNAS Nexus.
Революционность этого открытия в следующем:
• До сего времени считалось, что провидческие идеи могут быть обнаружены только постфактум, то есть когда известно будущее состояние мира.
• Оказалось, это не так. ИИ способен идентифицировать провидческие идеи в настоящем времени, не зная будущее состояние мира.
В 21 веке открытие механизма серендипности (способности к интуитивным прозрениям, лежащей в основе провидческих, абсолютно нестандартных и воистину прорывных идей) может стать для человечества столь же важно, как открытие квантовой механики для 20го века.
Дело в том, что серендипность это:
✔️ важнейший элемент, без которого любые стратегии инноваций не будут оптимальны - см. мой пост;
✔️ ключевая отличительная способность разума Homo sapiens, делающая нас «богоподобными», позволяя нам привносить связную, богатую смысловую перспективу в многомерную сложную реальность (часто эту способность ошибочно называют интуицией, но это, хоть и близкая, но совсем иная способность) – см. мой пост;
✔️ один из семи базовых элементов (наряду со смежным возможным, аффордансами, предиктивным мозгом, дистальным моделированием, квантовой суперпозицией внутренних реальностей и мультиверсом) «теории относительности интеллекта» Роли-Йегера-Кауффмана ) – см. мой пост;
✔️ уникальное эволюционное преимущество (наряду с нерациональностью), помогающее людям не только творить, но и выживать за счет способности решать невычислимые задачи – см. мой пост;
Согласно «теории относительности интеллекта», серендипность не доступна ИИ.
Но зато, как показало новое исследование, с помощью глубокого обучения можно обнаруживать в корпусах текстов из разных сфер деятельности людей (бизнес, право, политика) скрытые лингвистические маркеры провидческих идей.
Кроме того, исследование установило два нетривиальных момента.
1. Провидческие идеи возникают не в центре, а на периферии многомерного пространства слов.
2. Для появления провидческой идеи, важен не только сам автор, но и контекст, в котором идея рождается. Хотя способность генерировать такие идеи часто приписывается отдельным людям, их происхождение может быть связано как с людьми, так и с контекстом.
Авторы идентифицируют лингвистические маркеры провидческих идей, используя представления двунаправленного кодировщика трансформера BERT - глубокую нейронную сеть, которая кодирует семантическую и контекстуальную информацию языка.
Новый метод позволяет извлекать провидческие идеи из естественного языка независимо от формы, в которой эта идея в конечном итоге реализуется, и в широком диапазоне областей.
#инновации #серендипность #Аффорданс
Глубокое обучение способно находить скрытые маркеры провидческих идей в обширных корпусах текстов.
Такой вывод следует из фантастически интересной работы «Модель глубокого обучения провидческих идей демонстрирует, что они возникают на периферии», которая выйдет в мартовском номере PNAS Nexus.
Революционность этого открытия в следующем:
• До сего времени считалось, что провидческие идеи могут быть обнаружены только постфактум, то есть когда известно будущее состояние мира.
• Оказалось, это не так. ИИ способен идентифицировать провидческие идеи в настоящем времени, не зная будущее состояние мира.
В 21 веке открытие механизма серендипности (способности к интуитивным прозрениям, лежащей в основе провидческих, абсолютно нестандартных и воистину прорывных идей) может стать для человечества столь же важно, как открытие квантовой механики для 20го века.
Дело в том, что серендипность это:
✔️ важнейший элемент, без которого любые стратегии инноваций не будут оптимальны - см. мой пост;
✔️ ключевая отличительная способность разума Homo sapiens, делающая нас «богоподобными», позволяя нам привносить связную, богатую смысловую перспективу в многомерную сложную реальность (часто эту способность ошибочно называют интуицией, но это, хоть и близкая, но совсем иная способность) – см. мой пост;
✔️ один из семи базовых элементов (наряду со смежным возможным, аффордансами, предиктивным мозгом, дистальным моделированием, квантовой суперпозицией внутренних реальностей и мультиверсом) «теории относительности интеллекта» Роли-Йегера-Кауффмана ) – см. мой пост;
✔️ уникальное эволюционное преимущество (наряду с нерациональностью), помогающее людям не только творить, но и выживать за счет способности решать невычислимые задачи – см. мой пост;
Согласно «теории относительности интеллекта», серендипность не доступна ИИ.
Но зато, как показало новое исследование, с помощью глубокого обучения можно обнаруживать в корпусах текстов из разных сфер деятельности людей (бизнес, право, политика) скрытые лингвистические маркеры провидческих идей.
Кроме того, исследование установило два нетривиальных момента.
1. Провидческие идеи возникают не в центре, а на периферии многомерного пространства слов.
2. Для появления провидческой идеи, важен не только сам автор, но и контекст, в котором идея рождается. Хотя способность генерировать такие идеи часто приписывается отдельным людям, их происхождение может быть связано как с людьми, так и с контекстом.
Авторы идентифицируют лингвистические маркеры провидческих идей, используя представления двунаправленного кодировщика трансформера BERT - глубокую нейронную сеть, которая кодирует семантическую и контекстуальную информацию языка.
Новый метод позволяет извлекать провидческие идеи из естественного языка независимо от формы, в которой эта идея в конечном итоге реализуется, и в широком диапазоне областей.
#инновации #серендипность #Аффорданс
OUP Academic
A deep-learning model of prescient ideas demonstrates that they emerge from the periphery
Abstract. Where do prescient ideas—those that initially challenge conventional assumptions but later achieve widespread acceptance—come from? Although their out
«Инновационная ДНК» изобретений и открытий человечества.
Рохит Кришнан развивает подход Фуллера – Лема – Кауфмана.
Работы трёх гениальных мыслителей Ричарда Бакминстер Фуллера, Станислава Лема и Стюарта Кауфмана позволяют представить «линию судьбы» (траекторию ускоряющегося технологического развития) глобальной цивилизации Земли в виде «критического пути», состоящего из тысяч важнейших технологических инноваций. Причем:
• любая инновация в ближайшем будущем ограничена уже существующими объектами,
• «критический путь» включает в себя всю последовательность инноваций, без которых невозможно осуществление действий, ведущих к поставленной цели,
• инновации «критического пути» творчески эмерджентны (иными словами, способы решения задач, не известные до начала проекта, в принципе непредсказуемы).
«Критический путь» любой инновации таков, что 1) чем сложнее новая цель, тем больше инноваций требуется для ее достижения, и 2) чем сложнее конкретная инновация, тем длиннее «критический путь», приведший к ее появлению - подробней об этом читайте мою трилогию «У землян всего два варианта будущего - умереть во сне или проснуться» (1, 2, 3).
Только что опубликованная работа Рохита Кришнана «Инновации. Основанный на данных взгляд на то, как инновации появлялись на протяжении всей истории человечества» развивает подход Фуллера – Лема – Кауфмана. Эта работа позволяет наглядно увидеть структуру «инновационной ДНК» 1677-и важнейших инноваций, придуманных Homo с момента появления на Земле почти 3 млн лет назад.
База важнейших изобретений и открытий, составленная Рохитом Кришнаном, существенно расширяет и дополняет базу Ричарда Бакминстер Фуллера, опубликованную в его книге «Критический путь». Новая база сгруппирована по разделам изобретений и открытий в областях: биология, медицина, химия, математика, материалы, философия, изготовление устройств, вычисления, транспорт, коммуникации, культура, искусство, экономика, коммерция, сельское хозяйство.
Эта база позволяет ответить на два важнейших вопроса «инновационной ДНК» изобретений и открытий:
1) Почему та или иная инновация появилась лишь тогда, когда она появилась, а не на 50, 100, 200 или 1000 лет раньше?
2) Что за сплетения цепочек и циклических петель открытий и изобретений на протяжении сотен лет приводили к появлению у человечества конкретных ключевых инноваций?
Автор иллюстрирует это на примере предшественника факса - печатного телеграфа, изобретенного в 1842 году шотландским изобретателем, профессором Александром Бейном.
На диаграмме показана «инновационная ДНК» печатного телеграфа – прорывного изобретения человечества, объединившего магию электричества с осязаемым ощущением печатного слова, без которого сегодня не было бы Интернета.
В заключение отмечу, что работа Кришнана куда глубже и сложнее, чем может показаться на первый взгляд. Ибо в ней автор анализирует роль растущей сложности инноваций, требующей накопления у человечества объемов т.н. «дистилированных знаний» о существующих инновациях (что требует, среди прочего, увеличения населения и потому имеет физические пределы). И это, кстати, крайне важно понимать при анализе роста возможностей больших языковых моделей по мере их масштабирования.
#Инновации #СмежноеВозможное
Рохит Кришнан развивает подход Фуллера – Лема – Кауфмана.
Работы трёх гениальных мыслителей Ричарда Бакминстер Фуллера, Станислава Лема и Стюарта Кауфмана позволяют представить «линию судьбы» (траекторию ускоряющегося технологического развития) глобальной цивилизации Земли в виде «критического пути», состоящего из тысяч важнейших технологических инноваций. Причем:
• любая инновация в ближайшем будущем ограничена уже существующими объектами,
• «критический путь» включает в себя всю последовательность инноваций, без которых невозможно осуществление действий, ведущих к поставленной цели,
• инновации «критического пути» творчески эмерджентны (иными словами, способы решения задач, не известные до начала проекта, в принципе непредсказуемы).
«Критический путь» любой инновации таков, что 1) чем сложнее новая цель, тем больше инноваций требуется для ее достижения, и 2) чем сложнее конкретная инновация, тем длиннее «критический путь», приведший к ее появлению - подробней об этом читайте мою трилогию «У землян всего два варианта будущего - умереть во сне или проснуться» (1, 2, 3).
Только что опубликованная работа Рохита Кришнана «Инновации. Основанный на данных взгляд на то, как инновации появлялись на протяжении всей истории человечества» развивает подход Фуллера – Лема – Кауфмана. Эта работа позволяет наглядно увидеть структуру «инновационной ДНК» 1677-и важнейших инноваций, придуманных Homo с момента появления на Земле почти 3 млн лет назад.
База важнейших изобретений и открытий, составленная Рохитом Кришнаном, существенно расширяет и дополняет базу Ричарда Бакминстер Фуллера, опубликованную в его книге «Критический путь». Новая база сгруппирована по разделам изобретений и открытий в областях: биология, медицина, химия, математика, материалы, философия, изготовление устройств, вычисления, транспорт, коммуникации, культура, искусство, экономика, коммерция, сельское хозяйство.
Эта база позволяет ответить на два важнейших вопроса «инновационной ДНК» изобретений и открытий:
1) Почему та или иная инновация появилась лишь тогда, когда она появилась, а не на 50, 100, 200 или 1000 лет раньше?
2) Что за сплетения цепочек и циклических петель открытий и изобретений на протяжении сотен лет приводили к появлению у человечества конкретных ключевых инноваций?
Автор иллюстрирует это на примере предшественника факса - печатного телеграфа, изобретенного в 1842 году шотландским изобретателем, профессором Александром Бейном.
На диаграмме показана «инновационная ДНК» печатного телеграфа – прорывного изобретения человечества, объединившего магию электричества с осязаемым ощущением печатного слова, без которого сегодня не было бы Интернета.
В заключение отмечу, что работа Кришнана куда глубже и сложнее, чем может показаться на первый взгляд. Ибо в ней автор анализирует роль растущей сложности инноваций, требующей накопления у человечества объемов т.н. «дистилированных знаний» о существующих инновациях (что требует, среди прочего, увеличения населения и потому имеет физические пределы). И это, кстати, крайне важно понимать при анализе роста возможностей больших языковых моделей по мере их масштабирования.
#Инновации #СмежноеВозможное
ИИ вскрыл “пространство открытий” человечества, войдя туда через заднюю дверь.
Столь эпохальный прорыв Google DeepMind авторы от греха опасаются называть своим именем.
FunSearch от Google DeepMind, - скромно представленная создателями, как новый эволюционный методический инструмент решения математических задач, с ходу в карьер сделал математическое открытие, решив центральную задачу экстремальной комбинаторики – задачу о наборе предельных значений.
Это несомненная сенсация, поскольку:
• это 2-е в истории человечества математическое открытие, сделанное машиной (1-е открытие также сделал DeepMind, создав в 2022 AlphaTensor (агент в стиле AlphaZero), который обнаружил превосходящие человеческие алгоритмы для выполнения таких задач, как умножение матриц)
• это 1-е в истории человечества математическое открытие, сделанное большой языковой моделью (LLM) – главным кандидатом на превращение в СуперИИ.
https://deepmind.google/discover/blog/funsearch-making-new-discoveries-in-mathematical-sciences-using-large-language-models/?utm_source=twitter&utm_medium=social
Однако, если называть вещи своими именами, - это не «еще одна сенсация», а суперсенсация, открывающая новую эру в развитии ИИ на основе LLM - эволюционный метод FunSearch позволяет расширять границы человеческих знаний.
✔️ Этот метод позволяет ИИ на основе LLM выходить за пределы знаний, предоставленных модели людьми на стадии ее обучения (и воплощенные, в результате обучения, в миллиарды и триллионы корреляций между словами).
✔️ Образно говоря, этот метод открывает для ИИ на основе LLM «дверь в пространство знаний», еще не познанных людьми.
✔️ Но это не обычная «дверь», через которую в это пространство попадают люди, совершая открытия. Это, своего рода, «задняя дверь», - не доступная людям, но вполне подходящая для LLM.
Хитрость «задней двери в пространство еще не познанных людьми знаний» в том, что, подобно всем другим интеллектуальным операциям LLM, эта операция нечеловеческая (не доступная людям в силу своих масштабов).
1. сначала предварительно обученная LLM генерирует первоначальные творческие решения в виде компьютерного кода;
2. потом вступает в дела «автоматический оценщик», задача которого отсеять из множества первоначальных решений любые подозрения на конфабуляции модели (кстати, использование применительно к LLM термина «галлюцинация» - это сильное огрубление смысла, ведущее к его ограниченной трактовке; верный термин – именно конфабуляция), т.е. возникновение ложного опыта из-за появления фрагментов памяти с описанием того, чего, на самом деле, не было в реальных данных обучения);
3. в результате объединения 1 и 2, первоначальные решения эволюционным путем «превращаются» в новые знания, т.е., по сути, происходит «автоматизация открытий», о которой вот уже несколько десятков лет мечтают разработчики ИИ - вычисления превращаются а оригинальные инсайты.
В заключение немного остужу восторги.
Это вовсе не преувеличение, что FunSearch знаменует новую эру в развитии ИИ на основе LLM, позволяя им проникать в «пространство открытий» человечества.
Однако, FunSearch позволяет ИИ попасть лишь в весьма небольшую часть этого пространства – в пространство решений задач, для которых легко написать код, оценивающий возможные решения.
Ибо многие из наиболее важных проблем — это проблемы, которые мы не знаем, как правильно оценить успех в их решении. Для большинства таких проблем, знай мы, как количественно оценить успех, уж решения то мы уж как-нибудь придумали бы.... (подробней про это я написал целый суперлонгрид «Ловушка Гудхарта» для ИИ https://t.iss.one/theworldisnoteasy/1830.
А для того, чтоб сравниться с людьми в полном освоении «пространства открытий», без интуитивной прозорливости ИИ не обойтись (впрочем, и про это я уже писал 😊 https://t.iss.one/theworldisnoteasy/1650).
#ИИ #AGI #Вызовы21века #инновации #серендипность
Столь эпохальный прорыв Google DeepMind авторы от греха опасаются называть своим именем.
FunSearch от Google DeepMind, - скромно представленная создателями, как новый эволюционный методический инструмент решения математических задач, с ходу в карьер сделал математическое открытие, решив центральную задачу экстремальной комбинаторики – задачу о наборе предельных значений.
Это несомненная сенсация, поскольку:
• это 2-е в истории человечества математическое открытие, сделанное машиной (1-е открытие также сделал DeepMind, создав в 2022 AlphaTensor (агент в стиле AlphaZero), который обнаружил превосходящие человеческие алгоритмы для выполнения таких задач, как умножение матриц)
• это 1-е в истории человечества математическое открытие, сделанное большой языковой моделью (LLM) – главным кандидатом на превращение в СуперИИ.
https://deepmind.google/discover/blog/funsearch-making-new-discoveries-in-mathematical-sciences-using-large-language-models/?utm_source=twitter&utm_medium=social
Однако, если называть вещи своими именами, - это не «еще одна сенсация», а суперсенсация, открывающая новую эру в развитии ИИ на основе LLM - эволюционный метод FunSearch позволяет расширять границы человеческих знаний.
✔️ Этот метод позволяет ИИ на основе LLM выходить за пределы знаний, предоставленных модели людьми на стадии ее обучения (и воплощенные, в результате обучения, в миллиарды и триллионы корреляций между словами).
✔️ Образно говоря, этот метод открывает для ИИ на основе LLM «дверь в пространство знаний», еще не познанных людьми.
✔️ Но это не обычная «дверь», через которую в это пространство попадают люди, совершая открытия. Это, своего рода, «задняя дверь», - не доступная людям, но вполне подходящая для LLM.
Хитрость «задней двери в пространство еще не познанных людьми знаний» в том, что, подобно всем другим интеллектуальным операциям LLM, эта операция нечеловеческая (не доступная людям в силу своих масштабов).
1. сначала предварительно обученная LLM генерирует первоначальные творческие решения в виде компьютерного кода;
2. потом вступает в дела «автоматический оценщик», задача которого отсеять из множества первоначальных решений любые подозрения на конфабуляции модели (кстати, использование применительно к LLM термина «галлюцинация» - это сильное огрубление смысла, ведущее к его ограниченной трактовке; верный термин – именно конфабуляция), т.е. возникновение ложного опыта из-за появления фрагментов памяти с описанием того, чего, на самом деле, не было в реальных данных обучения);
3. в результате объединения 1 и 2, первоначальные решения эволюционным путем «превращаются» в новые знания, т.е., по сути, происходит «автоматизация открытий», о которой вот уже несколько десятков лет мечтают разработчики ИИ - вычисления превращаются а оригинальные инсайты.
В заключение немного остужу восторги.
Это вовсе не преувеличение, что FunSearch знаменует новую эру в развитии ИИ на основе LLM, позволяя им проникать в «пространство открытий» человечества.
Однако, FunSearch позволяет ИИ попасть лишь в весьма небольшую часть этого пространства – в пространство решений задач, для которых легко написать код, оценивающий возможные решения.
Ибо многие из наиболее важных проблем — это проблемы, которые мы не знаем, как правильно оценить успех в их решении. Для большинства таких проблем, знай мы, как количественно оценить успех, уж решения то мы уж как-нибудь придумали бы.... (подробней про это я написал целый суперлонгрид «Ловушка Гудхарта» для ИИ https://t.iss.one/theworldisnoteasy/1830.
А для того, чтоб сравниться с людьми в полном освоении «пространства открытий», без интуитивной прозорливости ИИ не обойтись (впрочем, и про это я уже писал 😊 https://t.iss.one/theworldisnoteasy/1650).
#ИИ #AGI #Вызовы21века #инновации #серендипность
Google DeepMind
FunSearch: Making new discoveries in mathematical sciences using Large Language Models
We introduce FunSearch, a method for searching for “functions” written in computer code, and find new solutions in mathematics and computer science. FunSearch works by pairing a pre-trained LLM,...