Не знаю, как читать, но писать о том, о чем в мире очень мало кто знает, - весьма увлекательно. Хочется писать и писать. Но даже лонгрид не резиновый.
Ну а как кратко описать, о чем этот лонгрид – вообще загадка.
Попробую последовать с детства любимому Жюлю-Верну.
Краткое содержание лонгрида про «топор под компасом американской разведки» и про то, кто кого сборет - краудсорсинг против рынков предсказаний:
Бомба замедленного действия. — Таинственная смерть на Эвересте. — Триумф и крах Intrade. — Упреждающая разведка. — ЦРУ спешит на помощь. — Результативность прогнозов растет. — Но точность хромает. — Два сокрушительных удара. — Черные лебеди не ловятся. — Требуются кентавры.
Мой новый пост https://goo.gl/ggcXCo
#ИнтеллектКентавра #AI #ИИ #IA #AIA #Краудсорсинг #РынкиПредсказаний #АльтернативныйИИ #Прогнозирование #Будущее #ПринятиеРешений #Случайность #Память #КогнитивныеСистемы #Нейронаука #IARPA
Ну а как кратко описать, о чем этот лонгрид – вообще загадка.
Попробую последовать с детства любимому Жюлю-Верну.
Краткое содержание лонгрида про «топор под компасом американской разведки» и про то, кто кого сборет - краудсорсинг против рынков предсказаний:
Бомба замедленного действия. — Таинственная смерть на Эвересте. — Триумф и крах Intrade. — Упреждающая разведка. — ЦРУ спешит на помощь. — Результативность прогнозов растет. — Но точность хромает. — Два сокрушительных удара. — Черные лебеди не ловятся. — Требуются кентавры.
Мой новый пост https://goo.gl/ggcXCo
#ИнтеллектКентавра #AI #ИИ #IA #AIA #Краудсорсинг #РынкиПредсказаний #АльтернативныйИИ #Прогнозирование #Будущее #ПринятиеРешений #Случайность #Память #КогнитивныеСистемы #Нейронаука #IARPA
Medium
Топор под компасом американской разведки
Краудсорсинг против рынков предсказаний
Представления о мире скоро кардинально изменятся.
Шквал прорывов в «термодинамике вычислений» несет новое видение законов возникновения и эволюции жизни в мире, который все же оказывается компьютером.
Ускорение прогресса науки и технологий огромно. Предпринятые в начале ХХ в. попытки представить мир через 100 лет, сегодня трогательны и смешны.
Сегодня же, пытаясь предсказать мир всего на 10 лет вперед, мы не менее смешны в своей наивной простоте экстраполяции видимых нами трендов и темпов.
Причина даже не в жутком ускорении темпов развития отдельных наук (в 5, 10, 100 раз). Причина в том, что прогнозы не учитывают характер ускорения междисциплинарных областей, где рост скорости развития области определяется умножением скоростей входящих в нее наук (в 5х5х5х5, 10х10х10х10 и т.п.)
Одной из таких самых фантастических областей стала «термодинамика вычислений», в которую входят элементы статистической физики, информатики, клеточной биологии и, возможно, даже нейробиологии.
«Термодинамика вычислений», в свое основе, отталкивается от работ моего великого коллеги по IBM Рольфа Ландауэра, еще в 1961 предположившего физическую суть информации, требующую потерь тепловой энергии при стирании всего одного бита (FYI мало кто знает, что Ландауэр также предсказал тупик в построении квантовых компьютеров, к которому нам еще только предстоит прийти).
Потом последовало открытие уравнения Ярзинского, описывающего преобразование информации в энергию. А затем и его экспериментальная проверка, показавшая, что при комнатной температуре, в полном соответствии с теорией, один бит превращается в 3 х 10 -21 джоулей …
И вот снова теоретико-экспериментальный прорыв, умножающий скорости междисциплинарной «термодинамики вычислений».
Только что опубликованная работа Вольперта и Грохова доказывает, что помимо интенсивности стирания битов (зависящей от точности/разрядности вычислений), термодинамическая эффективность (изменение энтропии системы из-за потерь тепловой энергии) зависит также от объема памяти и времени вычислений.
А теперь держитесь за стул, а кто стоит, лучше сядьте.
Это открытие, помимо очевидных кардинальных изменений для компьютерных наук и практик – изменение парадигмы охлаждения компов и, в целом, их архитектуры (от exascale до роёв крошечных роботов) – может поменять все наши представления о жизни и о мире!
Желающие могут дочитать мой новый пост здесь
https://goo.gl/jR3w68
#ТермодинамикаВычислений #Физика #Биология #ВозникновениеЖизни
Шквал прорывов в «термодинамике вычислений» несет новое видение законов возникновения и эволюции жизни в мире, который все же оказывается компьютером.
Ускорение прогресса науки и технологий огромно. Предпринятые в начале ХХ в. попытки представить мир через 100 лет, сегодня трогательны и смешны.
Сегодня же, пытаясь предсказать мир всего на 10 лет вперед, мы не менее смешны в своей наивной простоте экстраполяции видимых нами трендов и темпов.
Причина даже не в жутком ускорении темпов развития отдельных наук (в 5, 10, 100 раз). Причина в том, что прогнозы не учитывают характер ускорения междисциплинарных областей, где рост скорости развития области определяется умножением скоростей входящих в нее наук (в 5х5х5х5, 10х10х10х10 и т.п.)
Одной из таких самых фантастических областей стала «термодинамика вычислений», в которую входят элементы статистической физики, информатики, клеточной биологии и, возможно, даже нейробиологии.
«Термодинамика вычислений», в свое основе, отталкивается от работ моего великого коллеги по IBM Рольфа Ландауэра, еще в 1961 предположившего физическую суть информации, требующую потерь тепловой энергии при стирании всего одного бита (FYI мало кто знает, что Ландауэр также предсказал тупик в построении квантовых компьютеров, к которому нам еще только предстоит прийти).
Потом последовало открытие уравнения Ярзинского, описывающего преобразование информации в энергию. А затем и его экспериментальная проверка, показавшая, что при комнатной температуре, в полном соответствии с теорией, один бит превращается в 3 х 10 -21 джоулей …
И вот снова теоретико-экспериментальный прорыв, умножающий скорости междисциплинарной «термодинамики вычислений».
Только что опубликованная работа Вольперта и Грохова доказывает, что помимо интенсивности стирания битов (зависящей от точности/разрядности вычислений), термодинамическая эффективность (изменение энтропии системы из-за потерь тепловой энергии) зависит также от объема памяти и времени вычислений.
А теперь держитесь за стул, а кто стоит, лучше сядьте.
Это открытие, помимо очевидных кардинальных изменений для компьютерных наук и практик – изменение парадигмы охлаждения компов и, в целом, их архитектуры (от exascale до роёв крошечных роботов) – может поменять все наши представления о жизни и о мире!
Желающие могут дочитать мой новый пост здесь
https://goo.gl/jR3w68
#ТермодинамикаВычислений #Физика #Биология #ВозникновениеЖизни
Medium
Представления о мире скоро кардинально изменятся
Шквал прорывов в «термодинамике вычислений» несет новое видение законов возникновения и эволюции жизни в мире, который все же оказывается…
Техно-методами наступающую тьму фейковой инфореальности не остановить.
Это 1й пункт звучащего приговором резюме цикла новых исследований.
2й и 3й пункты этого резюме подстать.
2) Фейковая инфореальность имеет высокие шансы стать доминирующей уже в ближайшее десятилетие, что будет иметь радикальные последствия для политики, культуры и образования.
3) Ключевой и пока что непреодолимой силой, толкающей мир в новые темные времена, является своеобразная цепная реакция, в основе которой:
✔️ многочисленные “тараканы” в наших головах — наличие у большинства из нас разнообразных когнитивных искажений и предубеждений на подсознательном уровне;
✔️ многократный рост размеров этих «тараканов» в результате «облучения сетевой заразой» — искусственно порождаемыми вирусными мемами.
Поэтому, если мы хотим выжить в этой кислотной инфосреде и при этом не выжить из ума, погрузившись в фейковую инфореальность, нам необходимо:
— знать и понимать механику, порождающую фейковую инфореальность;
— найти и освоить инструментарий для борьбы с этой механикой, — типа осинового кола или серебряных пуль для изведения вампиров.
Об этом мой новый пост https://goo.gl/H8XkZD
#Соцботы #ФейковыеНовости #Каскады #СоциальноеЗаражение
Это 1й пункт звучащего приговором резюме цикла новых исследований.
2й и 3й пункты этого резюме подстать.
2) Фейковая инфореальность имеет высокие шансы стать доминирующей уже в ближайшее десятилетие, что будет иметь радикальные последствия для политики, культуры и образования.
3) Ключевой и пока что непреодолимой силой, толкающей мир в новые темные времена, является своеобразная цепная реакция, в основе которой:
✔️ многочисленные “тараканы” в наших головах — наличие у большинства из нас разнообразных когнитивных искажений и предубеждений на подсознательном уровне;
✔️ многократный рост размеров этих «тараканов» в результате «облучения сетевой заразой» — искусственно порождаемыми вирусными мемами.
Поэтому, если мы хотим выжить в этой кислотной инфосреде и при этом не выжить из ума, погрузившись в фейковую инфореальность, нам необходимо:
— знать и понимать механику, порождающую фейковую инфореальность;
— найти и освоить инструментарий для борьбы с этой механикой, — типа осинового кола или серебряных пуль для изведения вампиров.
Об этом мой новый пост https://goo.gl/H8XkZD
#Соцботы #ФейковыеНовости #Каскады #СоциальноеЗаражение
Medium
Техно-методами наступающую тьму фейковой инфореальности не остановить
— Мадам, а не хотите кофе? —
Социальная эволюция оплачивается отказом женщин от самореализации.
Природа (или Творец, - или определите это любым иным словом) работает, как гениальный Перелицовщик. Она не сколько обновляет старое, сколько мастырит на основе старого немыслимые по дерзости и перехватывающие дух красотой своей сложности прорывные инновации.
Делая это, Природа не заморачивается платой, которую придется по жизни вечно платить ее инновационным творениям. На то она и Природа…
Одной из таких супер-инноваций было изобретение женщины.
Другим супер-инновационным творением – человеческое общество.
Женщина, - как личность, созданная по образу и подобию – казалось бы, не должна кардинально отличаться интеллектом от мужчины. Ан нет. Перелицовщик тут такого наваял…!
Социальная эволюция - основа создания и развития общества, качественно отличающая человека от всего живого - казалось бы, не должна выступать ограничителем интеллектуального развития отдельных видов особей. Ан нет. И здесь Перелицовщик намудрил …!
И все потому, что Перелицовщик буквально «лепил из того, что было» (ну так он работает!), используя уже зашитые им же в человека миллионы лет назад нейрокодированные супер-инстинкты - чувства вины, позора и страха.
Результат этого, если попытаться его проанализировать, получился довольно спорным.
По сути, за возможность социальной эволюции человечества пришлось заплатить отказом женщин от самореализации.
Алгоритмы нейрокодированных супер-инстинктов вины, позора и страха у женщин кардинально отличаются от мужских.
Их действия подавляют способности одаренных женщины, в результате чего, в большинстве случаев, они «убивают» свой потенциал самореализации в угоду «традициям» общества.
Истоки этой беды в том, что Природа так сконструировала самопознание человека, что оно постоянно формируется через других, и положительный образ индивида зависит от того, как его видят другие.
Положительная оценка другими влечет за собой признание индивида в обществе полезной, продуктивной личностью. А отсюда получается и положительная самооценка.
Чтобы добиться такого признания, одаренные женщины должны вести себя в соответствии с предписаниями социальной системы.
А социальная система (см. выше) построена на перемастыренных женских алгоритмах вины, позора и страха, включающихся, как только она начинает делать что-то иное, отвлекающее ее от решения ключевой задачи, для которой ее Природа создала – деторождение.
Т.е. социальная система требует, чтобы женщины, на которых возложена ответственнейшая задача производства будущих поколений работников, должна быть послушной, а не чрезмерно любознательной и не ставить под сомнение статус-кво, тем самым дестабилизируя его.
В результате, общество развивается, а женщины за это платят своей самореализацией.
И сломать стереотип «кухня, церковь и дети» нам не дано на социальном уровне. Надо учиться раскодировать и перекодировать нейро-инстинкты.
Подробней в фантастически интересной новой работе Франсиса Хейлигена «Vicky Prefers Voltaire to Vogue: Obstacles to the Self-actualisation of Gifted Women within Social Systems» см. здесь https://goo.gl/rZSveY
#ЭволюционнаяПсихология #Общество
Природа (или Творец, - или определите это любым иным словом) работает, как гениальный Перелицовщик. Она не сколько обновляет старое, сколько мастырит на основе старого немыслимые по дерзости и перехватывающие дух красотой своей сложности прорывные инновации.
Делая это, Природа не заморачивается платой, которую придется по жизни вечно платить ее инновационным творениям. На то она и Природа…
Одной из таких супер-инноваций было изобретение женщины.
Другим супер-инновационным творением – человеческое общество.
Женщина, - как личность, созданная по образу и подобию – казалось бы, не должна кардинально отличаться интеллектом от мужчины. Ан нет. Перелицовщик тут такого наваял…!
Социальная эволюция - основа создания и развития общества, качественно отличающая человека от всего живого - казалось бы, не должна выступать ограничителем интеллектуального развития отдельных видов особей. Ан нет. И здесь Перелицовщик намудрил …!
И все потому, что Перелицовщик буквально «лепил из того, что было» (ну так он работает!), используя уже зашитые им же в человека миллионы лет назад нейрокодированные супер-инстинкты - чувства вины, позора и страха.
Результат этого, если попытаться его проанализировать, получился довольно спорным.
По сути, за возможность социальной эволюции человечества пришлось заплатить отказом женщин от самореализации.
Алгоритмы нейрокодированных супер-инстинктов вины, позора и страха у женщин кардинально отличаются от мужских.
Их действия подавляют способности одаренных женщины, в результате чего, в большинстве случаев, они «убивают» свой потенциал самореализации в угоду «традициям» общества.
Истоки этой беды в том, что Природа так сконструировала самопознание человека, что оно постоянно формируется через других, и положительный образ индивида зависит от того, как его видят другие.
Положительная оценка другими влечет за собой признание индивида в обществе полезной, продуктивной личностью. А отсюда получается и положительная самооценка.
Чтобы добиться такого признания, одаренные женщины должны вести себя в соответствии с предписаниями социальной системы.
А социальная система (см. выше) построена на перемастыренных женских алгоритмах вины, позора и страха, включающихся, как только она начинает делать что-то иное, отвлекающее ее от решения ключевой задачи, для которой ее Природа создала – деторождение.
Т.е. социальная система требует, чтобы женщины, на которых возложена ответственнейшая задача производства будущих поколений работников, должна быть послушной, а не чрезмерно любознательной и не ставить под сомнение статус-кво, тем самым дестабилизируя его.
В результате, общество развивается, а женщины за это платят своей самореализацией.
И сломать стереотип «кухня, церковь и дети» нам не дано на социальном уровне. Надо учиться раскодировать и перекодировать нейро-инстинкты.
Подробней в фантастически интересной новой работе Франсиса Хейлигена «Vicky Prefers Voltaire to Vogue: Obstacles to the Self-actualisation of Gifted Women within Social Systems» см. здесь https://goo.gl/rZSveY
#ЭволюционнаяПсихология #Общество
Покупка выборов и смерть автократора.
Уже не раз меня просили назвать самые, на мой взгляд, малоизвестные интересные исследования в политике. Вот 2 таких исследования, топовые по критерию важность/известность.
1) Покупка выборов.
Выборы – это политический процесс, суть которого в том, что группы инвесторов объединяют свои инвестиции чтобы контролировать государство.
Это следует из «Инвестиционной теории конкуренции партий» Томаса Фергюсона, разработанной в результате анализа путей финансирования предвыборных компаний за последние 100 лет.
По оценке Ноама Хомского, «эта теория не объясняет всего (она на это и не претендует), но она объясняет многое».
От динамики роста и конкретных сумм, необходимых, чтобы:
- выиграть президентские выборы в большой стране,
- получить пост председателя комитета в ее парламенте.
До детального финансового объяснения победы Трампа, абсолютно не требующей, по принципу Оккама, дополнительных объяснений о влиянии руки Москвы.
Детали здесь:
- Investment theory of party competition https://goo.gl/CgcYTy
- Thomas Ferguson: Who Really Elected Trump? (Hint: It Wasn't Russia) видео на 46 мин https://goo.gl/i3TvmM, и текст резюме на 2 мин со ссылкой на 100 страничный отчет https://goo.gl/MS62tm
2) Роль смерти автократора.
При любом авторитарном правителе пропаганда утверждает, что все хорошее происходит исключительно по его доброй воле, мужеству и мудрости. А приближенные автократора уверяют, что без него страны не станет.
Но ведь всякий человек смертен. И автократор тоже.
Что говорит наука о данных о последствиях внезапного ухода со сцены автократора?
Ведь как выражался Козьма Прутков, государственный план "открывается в неотвратимых результатах истории", а "результаты истории" проверяются экономической статистикой.
Интересный ответ на этот вопрос дает цикл работ Бена Джонса и Бена Олкена, включающий, в частности, эти 2работы.
- Do Leaders Matter? National Leadership and Growth (Национальный лидер – это важно? Национальное лидерство и экономический рост);
На основе анализа смены 1294 национальных лидеров из 130 стран, показано, что смерть лидера в недемократической стране имеет большое положительное значение для роста, если эта смерть неожиданная.
- Hit or miss? The effect of Assassinations on Institutions and War (Пан или пропал: последствия политический убийств на институты и войну)
Про то, что убийства автократов являются толчком к демократизации. И что «страна, где автократор убит, имеет на 13% больше шансов склониться к демократии уже в следующем после убийства году, чем страна, где попытка покушения на автократа не удалась».
Детали здесь:
- «Каким образом личность влияет на экономический рост страны» https://goo.gl/DM8pbM
- Уроки экономики от К.Сонина https://goo.gl/2ayorL
- Do Assassinations Change History? (Политические убийства меняют историю?) https://goo.gl/LENihs
Оба названные исследования стоят того, чтобы о них подумать.
Дальше no comments, - читайте, думайте и решайте сами «иметь или не иметь».
#Политика
Уже не раз меня просили назвать самые, на мой взгляд, малоизвестные интересные исследования в политике. Вот 2 таких исследования, топовые по критерию важность/известность.
1) Покупка выборов.
Выборы – это политический процесс, суть которого в том, что группы инвесторов объединяют свои инвестиции чтобы контролировать государство.
Это следует из «Инвестиционной теории конкуренции партий» Томаса Фергюсона, разработанной в результате анализа путей финансирования предвыборных компаний за последние 100 лет.
По оценке Ноама Хомского, «эта теория не объясняет всего (она на это и не претендует), но она объясняет многое».
От динамики роста и конкретных сумм, необходимых, чтобы:
- выиграть президентские выборы в большой стране,
- получить пост председателя комитета в ее парламенте.
До детального финансового объяснения победы Трампа, абсолютно не требующей, по принципу Оккама, дополнительных объяснений о влиянии руки Москвы.
Детали здесь:
- Investment theory of party competition https://goo.gl/CgcYTy
- Thomas Ferguson: Who Really Elected Trump? (Hint: It Wasn't Russia) видео на 46 мин https://goo.gl/i3TvmM, и текст резюме на 2 мин со ссылкой на 100 страничный отчет https://goo.gl/MS62tm
2) Роль смерти автократора.
При любом авторитарном правителе пропаганда утверждает, что все хорошее происходит исключительно по его доброй воле, мужеству и мудрости. А приближенные автократора уверяют, что без него страны не станет.
Но ведь всякий человек смертен. И автократор тоже.
Что говорит наука о данных о последствиях внезапного ухода со сцены автократора?
Ведь как выражался Козьма Прутков, государственный план "открывается в неотвратимых результатах истории", а "результаты истории" проверяются экономической статистикой.
Интересный ответ на этот вопрос дает цикл работ Бена Джонса и Бена Олкена, включающий, в частности, эти 2работы.
- Do Leaders Matter? National Leadership and Growth (Национальный лидер – это важно? Национальное лидерство и экономический рост);
На основе анализа смены 1294 национальных лидеров из 130 стран, показано, что смерть лидера в недемократической стране имеет большое положительное значение для роста, если эта смерть неожиданная.
- Hit or miss? The effect of Assassinations on Institutions and War (Пан или пропал: последствия политический убийств на институты и войну)
Про то, что убийства автократов являются толчком к демократизации. И что «страна, где автократор убит, имеет на 13% больше шансов склониться к демократии уже в следующем после убийства году, чем страна, где попытка покушения на автократа не удалась».
Детали здесь:
- «Каким образом личность влияет на экономический рост страны» https://goo.gl/DM8pbM
- Уроки экономики от К.Сонина https://goo.gl/2ayorL
- Do Assassinations Change History? (Политические убийства меняют историю?) https://goo.gl/LENihs
Оба названные исследования стоят того, чтобы о них подумать.
Дальше no comments, - читайте, думайте и решайте сами «иметь или не иметь».
#Политика
Wikipedia
Investment theory of party competition
The Investment theory of party competition is a political theory developed by Thomas Ferguson, Emeritus Professor of Political Science at the University of Massachusetts Boston. The theory focuses on how business elites, not voters, play the leading part…
Почему Германия вылетела
Объяснение междисциплинарщиков
В командном спорте ключевой фактор выигрыша вовсе не уровень индивидуального мастерства и не стратегическое озарение тренера. Здесь главное – химия командной игры.
Это не ново и всем хорошо известно. Однако, лишь совсем недавно исследователи вплотную взялись за поиск формулы командной химии. И уже кое-чего добились.
Среди сотен миллионов зрителей позавчерашнего эпохального позора сборной Германии, были участники симпозиума Limits: The role of collective effects in individual & team performance, собравшиеся в эти дни в «Институте сумасшедших идей» Санта Фе для обмена идеями целенаправленного поиска командной химии в спорте.
Неудивительно, что ключевая причина вылета Германии, по мнению экспертов, совпала с главной темой семинара – сбой в командной химии, как главный фактор снижения синергии командной производительности.
Но что же такое командная химия (КХ), и какова её основа?
Версия 1: КХ – это особый эмоционально-психический настрой членов команды, индуцируемый в них «вдохновителями» - уникально одаренными членами команды.
Эта версия тщательно проверялась в исследовании, о результатах которого написано в статье «В поисках Дэвида Росса», опубликованной в 2017 MIT Sloan Sports Analytics Conference. Авторы проанализировали причины выигрышей/проигрышей команд, сильно противоречивших прогнозам. Изучив данные более чем 15 бейсбольных сезонов лиги MLB, они выявили конкретных игроков, индуцировавших командную химию, поднимавшей уровень игры команд сильно выше суммы ее частей.
Кто такой Дэвид Росс, и чем «звезды» отличаются от «вдохновителей», - можно будет прочесть в статье «Поиск формулы командной химии» в выпуске The Atlantic за июль-август https://goo.gl/1yfhYw. Резюме оригинальной работы «В поисках Дэвида Росса» https://goo.gl/zJSSpE.
Версия 2: КХ – это продукт специального менеджмента. Расселл Карлтон - детский психолог по образованию, консультант 3х команд MLB, пишущий для Baseball Prospectus, нашел доказательства того, что химию можно культивировать в долгосрочной перспективе через тщательное организационное управление командой.
О подходе Расселла Карлтона можно прочесть в книге Бена Линдберга и Сэма Миллера The Only Rule Is It Has to Work.
3я версия: КХ определяется глубиной «разломов» между членами команды. Ее автор профессор Катерина Безрукова изучила «демографические» данные всех 30 команд MLB за пять сезонов, анализируя возраст, расу, национальность, сроки пребывания в команде, зарплату и др. По её теории, хотя разнообразие необходимо для успеха команды, но у тех, у кого нет «демографических коллег», - развиваются «разломы» или разрывы в химии, которые усугубляются, когда команда жестко борется, и это кардинально влияет на общую результативность командной игры. Модель Безруковой показывает, что «линии разломов» могут быть смягчены.
Версия 4: КХ – это реально химия, т.е. сочетание и согласование уровней тестостерона и гормонального состояния членов команд.
Но самой сильной смотрится 5я версия: КХ - это результат периодизации компонентов программы тренировки и подготовки спортсменов, позволяющей в заданный момент всей команде синхронно показать пиковые результаты.
Спектр компонентов весьма широк: нагрузки, восстановление, питание, психологический тренинг, тепло- и высотная адаптация, состав и физиопараметры тела …
И если все правильно скоординировать у членов команды, получится оптимальная командная химия https://goo.gl/GB1gDn.
У кого она лучшая на ЧМ 2018 – скоро узнаем.
О симпозиуме по КХ https://goo.gl/xyNhW4
#Пределы
Объяснение междисциплинарщиков
В командном спорте ключевой фактор выигрыша вовсе не уровень индивидуального мастерства и не стратегическое озарение тренера. Здесь главное – химия командной игры.
Это не ново и всем хорошо известно. Однако, лишь совсем недавно исследователи вплотную взялись за поиск формулы командной химии. И уже кое-чего добились.
Среди сотен миллионов зрителей позавчерашнего эпохального позора сборной Германии, были участники симпозиума Limits: The role of collective effects in individual & team performance, собравшиеся в эти дни в «Институте сумасшедших идей» Санта Фе для обмена идеями целенаправленного поиска командной химии в спорте.
Неудивительно, что ключевая причина вылета Германии, по мнению экспертов, совпала с главной темой семинара – сбой в командной химии, как главный фактор снижения синергии командной производительности.
Но что же такое командная химия (КХ), и какова её основа?
Версия 1: КХ – это особый эмоционально-психический настрой членов команды, индуцируемый в них «вдохновителями» - уникально одаренными членами команды.
Эта версия тщательно проверялась в исследовании, о результатах которого написано в статье «В поисках Дэвида Росса», опубликованной в 2017 MIT Sloan Sports Analytics Conference. Авторы проанализировали причины выигрышей/проигрышей команд, сильно противоречивших прогнозам. Изучив данные более чем 15 бейсбольных сезонов лиги MLB, они выявили конкретных игроков, индуцировавших командную химию, поднимавшей уровень игры команд сильно выше суммы ее частей.
Кто такой Дэвид Росс, и чем «звезды» отличаются от «вдохновителей», - можно будет прочесть в статье «Поиск формулы командной химии» в выпуске The Atlantic за июль-август https://goo.gl/1yfhYw. Резюме оригинальной работы «В поисках Дэвида Росса» https://goo.gl/zJSSpE.
Версия 2: КХ – это продукт специального менеджмента. Расселл Карлтон - детский психолог по образованию, консультант 3х команд MLB, пишущий для Baseball Prospectus, нашел доказательства того, что химию можно культивировать в долгосрочной перспективе через тщательное организационное управление командой.
О подходе Расселла Карлтона можно прочесть в книге Бена Линдберга и Сэма Миллера The Only Rule Is It Has to Work.
3я версия: КХ определяется глубиной «разломов» между членами команды. Ее автор профессор Катерина Безрукова изучила «демографические» данные всех 30 команд MLB за пять сезонов, анализируя возраст, расу, национальность, сроки пребывания в команде, зарплату и др. По её теории, хотя разнообразие необходимо для успеха команды, но у тех, у кого нет «демографических коллег», - развиваются «разломы» или разрывы в химии, которые усугубляются, когда команда жестко борется, и это кардинально влияет на общую результативность командной игры. Модель Безруковой показывает, что «линии разломов» могут быть смягчены.
Версия 4: КХ – это реально химия, т.е. сочетание и согласование уровней тестостерона и гормонального состояния членов команд.
Но самой сильной смотрится 5я версия: КХ - это результат периодизации компонентов программы тренировки и подготовки спортсменов, позволяющей в заданный момент всей команде синхронно показать пиковые результаты.
Спектр компонентов весьма широк: нагрузки, восстановление, питание, психологический тренинг, тепло- и высотная адаптация, состав и физиопараметры тела …
И если все правильно скоординировать у членов команды, получится оптимальная командная химия https://goo.gl/GB1gDn.
У кого она лучшая на ЧМ 2018 – скоро узнаем.
О симпозиуме по КХ https://goo.gl/xyNhW4
#Пределы
The Atlantic
Chasing the ‘Holy Grail’ of Baseball Performance
Inside the wide-ranging search—led by economists and psychologists—for the elixir that turns good squads into great ones
Найдена формула разума. Она элегантна, как E=mc2, и столь же непоколебима.
Эта формула приближает человечество к решению 2х колоссальных вызовов:
— созданию великой объединенной теории функций мозга и
— построению нейроморфных компьютеров.
Об этом мой новый пост https://bit.ly/2tXINMv
#Критичность #НейроморфныйКомпьютинг #Мозг #Нейронауки
Эта формула приближает человечество к решению 2х колоссальных вызовов:
— созданию великой объединенной теории функций мозга и
— построению нейроморфных компьютеров.
Об этом мой новый пост https://bit.ly/2tXINMv
#Критичность #НейроморфныйКомпьютинг #Мозг #Нейронауки
Medium
Найдена формула разума
Она элегантна, как E=mc2, и столь же непоколебима
Истинные угрозы несет не сам ИИ, а тупость народа, популизм политиков и жадность «олигархов».
Так бы я резюмировал весьма глубокие, оригинальные и созвучные мне мысли Калума Чейса, опубликованные во вчерашнем Forbes под заголовком «Как искусственный интеллект может убить капитализм».
До сего времени книги Калума Чейса - самого продаваемого автора художественных и научно-популярных книг и статей про ИИ в мире – не давали мне особого повода написать о них.
И на статьи из Forbes, по понятным причинам, я ссылаюсь не часто.
Однако, тут особый случай. Ничего подобного о наиболее вероятном будущем ИИ на Земле в массовых медиа доселе не писалось.
Резюмирую, что сказал Калум Чейс.
1) Все разговоры об опасных последствиях массового внедрения ИИ небезосновательны, но страшно преувеличены. И тотальный отъем рабочих мест, и перехват на себя принятия жизненно важных решений, - всё это реально, но далеко не так фатально. Адаптация к технологическому прогрессу у общества уже имеет многовековой опыт. Справились бы и теперь с вызовами со стороны ИИ.
2) Но вот ведь беда. Слабым местом сильно усложнившейся системы постиндустриального общества становятся не уязвимости от угроз ИИ, и собственная реакция общества на риск разрастания этих угроз.
А именно.
А) Паника, которая возникнет в народе с началом массовой замены людей ИИ-автоматами в первой же из потенциальных областей (например, водители).
Эскалация паники из-за боязни, что скоро ИИ «отнимет и мое рабочее место» (неважно, кем я работаю, и какие альтернативы мог бы представить мне тот же ИИ).
Взрывное развитие паники и протестов, приводящее к п. Б.
Б) Реакция политиков-популистов (типа, оградим наш народ от отъема рабочих мест Искусственным Интеллектом!) в форме законодательных и регламентирующих актов, да и, как это обычно бывает при взрывах популизма, тотального нарастания маразма вплоть до объявления ИИ техно-фашизмом.
В) Нежелание тех, кто возглавляет технологическую отрасль, признать, что есть более важный мотив, чем прибыль, и тем самым скорректировать текущее направление развития технологий ИИ, ведущее прямиком к пп. А и Б.
N.B. Универсальный базовый доход не решит этих проблем.
Будущее, в котором:
— 99% живут на уровне прожиточного минимума, финансируемого плодами роботизированной рабочей силы,
— а 1% элиты (высший класс - те, кто контролирует роботов) строят свои империи и наживают невиданные ранее богатства, —
шатко, взрывоопасно и потому долго не продержится.
Перевод статьи «Как искусственный интеллект может убить капитализм» https://goo.gl/35wvAp
Оригинал статьи https://goo.gl/Rk6WBw
#ИИ #Общество #Политика #Бизнес
Так бы я резюмировал весьма глубокие, оригинальные и созвучные мне мысли Калума Чейса, опубликованные во вчерашнем Forbes под заголовком «Как искусственный интеллект может убить капитализм».
До сего времени книги Калума Чейса - самого продаваемого автора художественных и научно-популярных книг и статей про ИИ в мире – не давали мне особого повода написать о них.
И на статьи из Forbes, по понятным причинам, я ссылаюсь не часто.
Однако, тут особый случай. Ничего подобного о наиболее вероятном будущем ИИ на Земле в массовых медиа доселе не писалось.
Резюмирую, что сказал Калум Чейс.
1) Все разговоры об опасных последствиях массового внедрения ИИ небезосновательны, но страшно преувеличены. И тотальный отъем рабочих мест, и перехват на себя принятия жизненно важных решений, - всё это реально, но далеко не так фатально. Адаптация к технологическому прогрессу у общества уже имеет многовековой опыт. Справились бы и теперь с вызовами со стороны ИИ.
2) Но вот ведь беда. Слабым местом сильно усложнившейся системы постиндустриального общества становятся не уязвимости от угроз ИИ, и собственная реакция общества на риск разрастания этих угроз.
А именно.
А) Паника, которая возникнет в народе с началом массовой замены людей ИИ-автоматами в первой же из потенциальных областей (например, водители).
Эскалация паники из-за боязни, что скоро ИИ «отнимет и мое рабочее место» (неважно, кем я работаю, и какие альтернативы мог бы представить мне тот же ИИ).
Взрывное развитие паники и протестов, приводящее к п. Б.
Б) Реакция политиков-популистов (типа, оградим наш народ от отъема рабочих мест Искусственным Интеллектом!) в форме законодательных и регламентирующих актов, да и, как это обычно бывает при взрывах популизма, тотального нарастания маразма вплоть до объявления ИИ техно-фашизмом.
В) Нежелание тех, кто возглавляет технологическую отрасль, признать, что есть более важный мотив, чем прибыль, и тем самым скорректировать текущее направление развития технологий ИИ, ведущее прямиком к пп. А и Б.
N.B. Универсальный базовый доход не решит этих проблем.
Будущее, в котором:
— 99% живут на уровне прожиточного минимума, финансируемого плодами роботизированной рабочей силы,
— а 1% элиты (высший класс - те, кто контролирует роботов) строят свои империи и наживают невиданные ранее богатства, —
шатко, взрывоопасно и потому долго не продержится.
Перевод статьи «Как искусственный интеллект может убить капитализм» https://goo.gl/35wvAp
Оригинал статьи https://goo.gl/Rk6WBw
#ИИ #Общество #Политика #Бизнес
Medium
Как искусственный интеллект может убить капитализм
Если вы верите в шумиху, то искусственный интеллект (AI) намерен скоро изменить мир. Nay-sayers утверждают, что это приведет, в лучшем…
Хотим предложить вам каталог интересных русскоязычных и зарубежных каналов Telegram.
Наш каталог специализируется только на лучших каналах для заработка и саморазвития!
@businnes_catalog
Наш каталог специализируется только на лучших каналах для заработка и саморазвития!
@businnes_catalog
Создана единая теория смысла информации, универсальная для живого и неживого.
Эта теория:
А) дает формальное описание семантической информации, пригодное для использования в разных науках (от философии и психологии до физики и биологии);
Б) позволяет использовать формальное описание семантической информации, как для живых существ, так и для любой иной физической системы (скалы, урагана или сети).
Данная теория объясняет и формально описывает, почему одна и та же информация:
✔️ для одного человека (и вообще, для любой физической системы) имеет смысл, а для другого – нет;
✔️ для одного имеет ценность, а для другого – нет;
✔️ для одного является истиной, а для другого – нет.
Подробности в моем новом посте https://goo.gl/82yTa1
#Семантика #Информация
Эта теория:
А) дает формальное описание семантической информации, пригодное для использования в разных науках (от философии и психологии до физики и биологии);
Б) позволяет использовать формальное описание семантической информации, как для живых существ, так и для любой иной физической системы (скалы, урагана или сети).
Данная теория объясняет и формально описывает, почему одна и та же информация:
✔️ для одного человека (и вообще, для любой физической системы) имеет смысл, а для другого – нет;
✔️ для одного имеет ценность, а для другого – нет;
✔️ для одного является истиной, а для другого – нет.
Подробности в моем новом посте https://goo.gl/82yTa1
#Семантика #Информация
Medium
Создана единая теория смысла информации
Универсальная для живого и неживого
Выживет ли человечество, следуя Принципу предосторожности?
Недавняя публикация в The Wall Street Journal исповеди бывшего активиста противников ГМО (о том, что «генетически модифицированные культуры обвинялись огульно, с научной точки зрения, они совершенно безопасны, - более того, мир отчаянно нуждается в них») – это увертюра ко 2му действию глобальной медиа-оперы, наверное, самой дорогой в истории науки и технологий (на кону уже десятки миллиардов долларов, и это лишь начало).
В апреле 2е действие началась публикацией агентством Синьхуа интервью с лауреатом Нобелевской премии Сэром Ричардом Дж. Робертсом, призвавшим «начать образовательную кампанию в мире против лжи, связанной с ГМО».
1е действие медиа-оперы, начавшейся в 2016 с подачи The Washington Post колоссальным хором 107 нобелевских лауреатов (к концу действия уже 133), подписавших письмо в защиту ГМО, продолжалось 2 года, нанеся изрядный урон и без того не стройным рядам тех, кого называют противники ГМО.
Среди последних группа исследователей из New England Complex Systems Institute и Institute of Mathematics and Theoretical Physics, возглавляемая директором NECSI Яниром Бар-Ямом и руководителем направления института Нассимом Талебом.
Их аргументация вовсе не направлена на доказательство вредности ГМО (пусть об этом судят биологи и врачи). Их ключевой аргумент – т.н. «не наивная» версия «Принципа предосторожности» (ПП).
Он гласит - что если какое-либо действие или правило может нанести серьезный вред общественным интересам (повредить здоровью населения или окружающей среде по всему миру), от этого действия необходимо отказаться до получения научных обоснований его безопасности. В этих условиях груз доказательства безвредности лежит на тех, кто предлагает предпринять это действие, а не на его противниках.
ПП предназначен для устранения неопределенности и риска в тех случаях, когда отсутствие доказательств и неполнота научных знаний имеет глобальные последствия и при наличии рисков «черных лебедей» - непредвиденных и непредсказуемых событий, несущих чрезвычайные последствия.
Аргументация группы Бар-Яма – Талеба чисто математическая. Она основана на анализе соотношения неопределенность/риск и никак не затрагивает оценок вредности или невредности ГМО.
Эту аргументацию я уже упоминал в посте «Возможно ли падение самолета со всем человечеством на борту?». Тут все предельно популярно, но точно изложено.
Боящихся летать успокаивают тем, что шансы погибнуть в автокатастрофе примерно в 100 раз выше, и что шансы погибнуть в конкретном перелете не выше, чем от удара молнии – 1 из 5 млн.
И это действительно так. Потому нет смысла отказываться от самолетов – выгода от полетов заведомо выше ущерба гибели ограниченного числа людей, имеющих куда большие шансы погибнуть от чего-то иного.
И тут засада! Что, если в самолете летит ВСЕ ЧЕЛОВЕЧЕСТВО? Тогда это тот самый глобальный риск, о котором пишет группа Бар-Яма – Талеба.
Или еще пример – русская рулетка. Многие из нас не побоялись бы в нее сыграть с призом, скажем, в $1 тыс. и при условии, что единственная пуля заряжена в барабан гигантской емкостью в 5 млн. патроно-мест (та же вероятность, что быть убитым молнией).
Но если это выстрел в голову всему человечеству, допустим ли такой риск, даже если приз - $5 трлн.?
Ведь единственный шанс из 5 млн. все равно может случиться. Причем при 1ом же выстреле.
Полагаю, что большинство политиков, бизнесменов, ученых, журналистов … рискнули бы сыграть при таком призе.
И ведь так оно в реальности и происходит ((
Статья WSJ https://goo.gl/GUQTdU (ее открытый текст https://goo.gl/osEbZN и https://goo.gl/d5nzMf )
Меморандум группы Бар-Яма – Талеба https://goo.gl/fQjDnU
Таблица факты против вымыслов, от группы Бар-Яма – Талеба https://goo.gl/JMUaZ1
Аргументация против позиции группы Бар-Яма– Талеба https://goo.gl/MydbQh
Наиболее подробная аргументация за ГМО https://goo.gl/uZawX8
Упомянутый мой пост https://t.iss.one/theworldisnoteasy/276
#ГМО #ПринципПредосторожности
Недавняя публикация в The Wall Street Journal исповеди бывшего активиста противников ГМО (о том, что «генетически модифицированные культуры обвинялись огульно, с научной точки зрения, они совершенно безопасны, - более того, мир отчаянно нуждается в них») – это увертюра ко 2му действию глобальной медиа-оперы, наверное, самой дорогой в истории науки и технологий (на кону уже десятки миллиардов долларов, и это лишь начало).
В апреле 2е действие началась публикацией агентством Синьхуа интервью с лауреатом Нобелевской премии Сэром Ричардом Дж. Робертсом, призвавшим «начать образовательную кампанию в мире против лжи, связанной с ГМО».
1е действие медиа-оперы, начавшейся в 2016 с подачи The Washington Post колоссальным хором 107 нобелевских лауреатов (к концу действия уже 133), подписавших письмо в защиту ГМО, продолжалось 2 года, нанеся изрядный урон и без того не стройным рядам тех, кого называют противники ГМО.
Среди последних группа исследователей из New England Complex Systems Institute и Institute of Mathematics and Theoretical Physics, возглавляемая директором NECSI Яниром Бар-Ямом и руководителем направления института Нассимом Талебом.
Их аргументация вовсе не направлена на доказательство вредности ГМО (пусть об этом судят биологи и врачи). Их ключевой аргумент – т.н. «не наивная» версия «Принципа предосторожности» (ПП).
Он гласит - что если какое-либо действие или правило может нанести серьезный вред общественным интересам (повредить здоровью населения или окружающей среде по всему миру), от этого действия необходимо отказаться до получения научных обоснований его безопасности. В этих условиях груз доказательства безвредности лежит на тех, кто предлагает предпринять это действие, а не на его противниках.
ПП предназначен для устранения неопределенности и риска в тех случаях, когда отсутствие доказательств и неполнота научных знаний имеет глобальные последствия и при наличии рисков «черных лебедей» - непредвиденных и непредсказуемых событий, несущих чрезвычайные последствия.
Аргументация группы Бар-Яма – Талеба чисто математическая. Она основана на анализе соотношения неопределенность/риск и никак не затрагивает оценок вредности или невредности ГМО.
Эту аргументацию я уже упоминал в посте «Возможно ли падение самолета со всем человечеством на борту?». Тут все предельно популярно, но точно изложено.
Боящихся летать успокаивают тем, что шансы погибнуть в автокатастрофе примерно в 100 раз выше, и что шансы погибнуть в конкретном перелете не выше, чем от удара молнии – 1 из 5 млн.
И это действительно так. Потому нет смысла отказываться от самолетов – выгода от полетов заведомо выше ущерба гибели ограниченного числа людей, имеющих куда большие шансы погибнуть от чего-то иного.
И тут засада! Что, если в самолете летит ВСЕ ЧЕЛОВЕЧЕСТВО? Тогда это тот самый глобальный риск, о котором пишет группа Бар-Яма – Талеба.
Или еще пример – русская рулетка. Многие из нас не побоялись бы в нее сыграть с призом, скажем, в $1 тыс. и при условии, что единственная пуля заряжена в барабан гигантской емкостью в 5 млн. патроно-мест (та же вероятность, что быть убитым молнией).
Но если это выстрел в голову всему человечеству, допустим ли такой риск, даже если приз - $5 трлн.?
Ведь единственный шанс из 5 млн. все равно может случиться. Причем при 1ом же выстреле.
Полагаю, что большинство политиков, бизнесменов, ученых, журналистов … рискнули бы сыграть при таком призе.
И ведь так оно в реальности и происходит ((
Статья WSJ https://goo.gl/GUQTdU (ее открытый текст https://goo.gl/osEbZN и https://goo.gl/d5nzMf )
Меморандум группы Бар-Яма – Талеба https://goo.gl/fQjDnU
Таблица факты против вымыслов, от группы Бар-Яма – Талеба https://goo.gl/JMUaZ1
Аргументация против позиции группы Бар-Яма– Талеба https://goo.gl/MydbQh
Наиболее подробная аргументация за ГМО https://goo.gl/uZawX8
Упомянутый мой пост https://t.iss.one/theworldisnoteasy/276
#ГМО #ПринципПредосторожности
WSJ
Confession of an Anti-GMO Activist
Genetically modified crops have been vilified and banned, but the science is clear: They’re perfectly safe. And what’s more, the world desperately needs them.
Третий артефакт.
Децентрализованные рынки предсказаний, как фактор эволюции.
В основе самого грандиозного из когда-либо снятых кино — фильма Кубрика «2001 год: Космическая одиссея» — три главных для человечества аллегорических сюжета: странствие Одиссея (Гомер), симбиоз человека и машины (Артур Кларк) и появление сверхчеловека Заратустры (Ницше).
В сплетении этих 3х аллегорических сюжетов одновременно скрываются и раскрываются более чем 200 провидчески-образных, а иногда и дьявольски умных символов.
Главным из них, на мой взгляд, является символ трех артефактов.
Сам Кубрик рассказывал про это так.
«Все начинается с 1го артефакта, оставленного на земле 4 млн. лет назад инопланетными исследователями, которые наблюдали за поведением человекообразных людей того времени и решили повлиять на их эволюционное развитие.
Затем проявился 2й артефакт, глубоко погруженный в лунную поверхность и запрограммированный на детектирование первых робких шагов человечества, вышедшего за пределы Земли — своего рода космическая охранная сигнализация.
И, наконец, 3й артефакт, расположенный на орбите вокруг Юпитера и ожидающий того времени, когда человек достиг внешнего края своей солнечной системы.
Когда выживший астронавт, Боумен, наконец, достигает Юпитера, этот артефакт всасывает его в силовое поле «звездных врат» и забрасывает в путешествие по внутреннему и внешнему пространству вселенной, перенося его в итоге в другую часть галактики, где он помещается в «человеческий зоопарк», похожий на техно-продвинутый бокс земного роддома.
В безвременном состоянии его жизнь пролетает от среднего возраста к старению и смерти. А затем он вновь возрождается, становясь уже иным существом, — звездным ребенком, ангелом, сверхчеловеком, если хотите, и возвращается на землю, готовым к следующему скачку вперед в эволюционной судьбе человека».
Кубрик — гений. Его фильм — шедевр. Но 3й артефакт он, возможно, не угадал.
Берусь предположить, что он проявится не при достижении «звездных врат», а еще на Земле.
И целью 3го артефакта будет детектирование вовсе не роста человеческих возможностей в космических перелётах, а совсем в ином, — в предсказании будущего.
Детектирование фазового перехода, превращающего человека из Наблюдателя, необходимого мирозданию для осознания его текущего состояния, в Вершителя, прозревающего будущее мироздания и тем самым осознающего его развитие.
И возможно, именно сегодняшний день — 9 июля 2018 года — станет поворотным моментом в движении человечества навстречу 3му артефакту.
Об этом будет рассказано в 5ом посте постосериала «ЦРУ создает кентавров для предсказания будущего» https://goo.gl/AncwTo, приуроченном к сегодняшнему событию.
В 18:01 UTC (21:01 по Москве) контракты Augur будут развернуты в основной сети Ethereum и начнется миграция токенов криптовалюты Augur — REP.
Децентрализованные рынки предсказаний, как фактор эволюции.
В основе самого грандиозного из когда-либо снятых кино — фильма Кубрика «2001 год: Космическая одиссея» — три главных для человечества аллегорических сюжета: странствие Одиссея (Гомер), симбиоз человека и машины (Артур Кларк) и появление сверхчеловека Заратустры (Ницше).
В сплетении этих 3х аллегорических сюжетов одновременно скрываются и раскрываются более чем 200 провидчески-образных, а иногда и дьявольски умных символов.
Главным из них, на мой взгляд, является символ трех артефактов.
Сам Кубрик рассказывал про это так.
«Все начинается с 1го артефакта, оставленного на земле 4 млн. лет назад инопланетными исследователями, которые наблюдали за поведением человекообразных людей того времени и решили повлиять на их эволюционное развитие.
Затем проявился 2й артефакт, глубоко погруженный в лунную поверхность и запрограммированный на детектирование первых робких шагов человечества, вышедшего за пределы Земли — своего рода космическая охранная сигнализация.
И, наконец, 3й артефакт, расположенный на орбите вокруг Юпитера и ожидающий того времени, когда человек достиг внешнего края своей солнечной системы.
Когда выживший астронавт, Боумен, наконец, достигает Юпитера, этот артефакт всасывает его в силовое поле «звездных врат» и забрасывает в путешествие по внутреннему и внешнему пространству вселенной, перенося его в итоге в другую часть галактики, где он помещается в «человеческий зоопарк», похожий на техно-продвинутый бокс земного роддома.
В безвременном состоянии его жизнь пролетает от среднего возраста к старению и смерти. А затем он вновь возрождается, становясь уже иным существом, — звездным ребенком, ангелом, сверхчеловеком, если хотите, и возвращается на землю, готовым к следующему скачку вперед в эволюционной судьбе человека».
Кубрик — гений. Его фильм — шедевр. Но 3й артефакт он, возможно, не угадал.
Берусь предположить, что он проявится не при достижении «звездных врат», а еще на Земле.
И целью 3го артефакта будет детектирование вовсе не роста человеческих возможностей в космических перелётах, а совсем в ином, — в предсказании будущего.
Детектирование фазового перехода, превращающего человека из Наблюдателя, необходимого мирозданию для осознания его текущего состояния, в Вершителя, прозревающего будущее мироздания и тем самым осознающего его развитие.
И возможно, именно сегодняшний день — 9 июля 2018 года — станет поворотным моментом в движении человечества навстречу 3му артефакту.
Об этом будет рассказано в 5ом посте постосериала «ЦРУ создает кентавров для предсказания будущего» https://goo.gl/AncwTo, приуроченном к сегодняшнему событию.
В 18:01 UTC (21:01 по Москве) контракты Augur будут развернуты в основной сети Ethereum и начнется миграция токенов криптовалюты Augur — REP.
Medium
Третий артефакт
Децентрализованные рынки предсказаний, как фактор эволюции
Доли мастерства и удачи в футбольном выигрыше вычисляемы
Ласло Барабаши, которого иногда называют Эйнштейном ХХI века, в контексте непредсказуемости хода ЧМ 2018, давеча рекомендовал всем познакомиться с работой своего коллеги Луки Паппалардо.
Лука заинтриговал многих, написав у себя в Twitter следующее: «Поражающий числом случайностей ЧМ 2018 ставит во главу угла вопрос – каково соотношение мастерства и удачи в футбольных выигрышах. И наше недавнее исследование дает ответ на этот вопрос».
https://goo.gl/B9HyJj
Рекомендация Барабаши и все возгоняющийся хайп ЧМ 2018 заставили меня тут же прочесть рекомендованную работу, как-то проскочившую мимо меня в прошлом году.
И честно сказать, был впечатлен.
Все вы видите в каждом матче разнообразную матчевую аналитику: процент владения мячом, точность передач, число ударов в створ ворот и т.д.
Но что если:
— собирать и мониторить не десяток показателей, а ВСЕ значимые события матча (передача, принятие передачи, удар, подкат, отбор мяча, его потеря, нарушение, борьба за мяч в воздухе и т.д.) для каждого игрока в привязке к координатам событий на поле и последствиям каждого из событий;
— а потом оцифровывать их: например, взять 10 млн. таких событий в 6 тыс. матчей, игранных в 2013-2016 гг 145тью клубами 6ти европейских национальных футбольных лиг;
— и запустить на этих Больших данных алгоритмы машинного обучения.
Что тогда получится?
Так и сделала команда под руководством Луки Паппалардо, чтобы получить фантастически интересные результаты о соотношении мастерства и удачи в футбольных выигрышах.
Для тех, у кого нет времени читать 29 страниц, скажу, что меня поразило больше всего.
✔️ Это даже не то, что натасканный на полученных Больших данных алгоритм машинного обучения, не зная результатов матчей, с высокой точностью рассчитал рейтинги команд и предсказал места, занятые ими по итогам турниров национальных лиг.
✔️ Больше всего меня поразило намерение авторов, добавив к анализируемым данным кривые пространственно-временных перемещений игроков, натравить натасканные на Больших данных о прошлых играх алгоритмы машинного обучения на онлайн трекинг вживую идущих матчей.
Т.е. например, - вы смотрите матч Реала и Барселоны.
А на 10й минуте вам показывается матчевая аналитика.
И последней строчкой в ней написано: по расчетам Гугл-Футбол, с 95%ной вероятностью победит Барселона.
И вопрос теперь даже не в том, - кто после этого станет досматривать матч.
А в том, зачем вообще его начинать, если победителя можно с высокой вероятностью определить заранее, проанализировав текущий относительный уровень мастерства команд?
P.S. С поясняющими картинками см. здесь
https://goo.gl/7ntCtA
#АналитикаБольшихДанных
Ласло Барабаши, которого иногда называют Эйнштейном ХХI века, в контексте непредсказуемости хода ЧМ 2018, давеча рекомендовал всем познакомиться с работой своего коллеги Луки Паппалардо.
Лука заинтриговал многих, написав у себя в Twitter следующее: «Поражающий числом случайностей ЧМ 2018 ставит во главу угла вопрос – каково соотношение мастерства и удачи в футбольных выигрышах. И наше недавнее исследование дает ответ на этот вопрос».
https://goo.gl/B9HyJj
Рекомендация Барабаши и все возгоняющийся хайп ЧМ 2018 заставили меня тут же прочесть рекомендованную работу, как-то проскочившую мимо меня в прошлом году.
И честно сказать, был впечатлен.
Все вы видите в каждом матче разнообразную матчевую аналитику: процент владения мячом, точность передач, число ударов в створ ворот и т.д.
Но что если:
— собирать и мониторить не десяток показателей, а ВСЕ значимые события матча (передача, принятие передачи, удар, подкат, отбор мяча, его потеря, нарушение, борьба за мяч в воздухе и т.д.) для каждого игрока в привязке к координатам событий на поле и последствиям каждого из событий;
— а потом оцифровывать их: например, взять 10 млн. таких событий в 6 тыс. матчей, игранных в 2013-2016 гг 145тью клубами 6ти европейских национальных футбольных лиг;
— и запустить на этих Больших данных алгоритмы машинного обучения.
Что тогда получится?
Так и сделала команда под руководством Луки Паппалардо, чтобы получить фантастически интересные результаты о соотношении мастерства и удачи в футбольных выигрышах.
Для тех, у кого нет времени читать 29 страниц, скажу, что меня поразило больше всего.
✔️ Это даже не то, что натасканный на полученных Больших данных алгоритм машинного обучения, не зная результатов матчей, с высокой точностью рассчитал рейтинги команд и предсказал места, занятые ими по итогам турниров национальных лиг.
✔️ Больше всего меня поразило намерение авторов, добавив к анализируемым данным кривые пространственно-временных перемещений игроков, натравить натасканные на Больших данных о прошлых играх алгоритмы машинного обучения на онлайн трекинг вживую идущих матчей.
Т.е. например, - вы смотрите матч Реала и Барселоны.
А на 10й минуте вам показывается матчевая аналитика.
И последней строчкой в ней написано: по расчетам Гугл-Футбол, с 95%ной вероятностью победит Барселона.
И вопрос теперь даже не в том, - кто после этого станет досматривать матч.
А в том, зачем вообще его начинать, если победителя можно с высокой вероятностью определить заранее, проанализировав текущий относительный уровень мастерства команд?
P.S. С поясняющими картинками см. здесь
https://goo.gl/7ntCtA
#АналитикаБольшихДанных
Twitter
Luca Pappalardo
This serendipitous #WorldCup is raising a crucial question: what's the relation between performance and success in soccer? ⚽ We provide an answer in a recent paper published on #ACS: --> https://t.co/IMSK1gFflx #sportsanalytics #complexsystems
В русском языке, паноптикум — это сборище чего-то невероятного и малоприятного.
В английском же The Panopticon — это проект «идеальной тюрьмы» (или обобщенно, — институционального здания и системы управления), разработанный английским философом и социальным теоретиком Джереми Бентамом в конце 18-го века.
Суть проекта в том, чтобы обеспечить централизованное наблюдение за всеми заключенными одним сторожем без того, чтобы заключенные знали, наблюдаются они в данный момент или нет.
Цель проекта Паноптикум — обеспечить для власти прозрачность социальной реальности, делая власть для общества невидимой.
На Западе проект Паноптикум оказался неосуществимым, хотя в ХХ веке, с подачи французского философа Мишеля Фуко, интерес к проекту весьма оживился (в своей работе «Дисциплина и наказание» Фуко использовал Паноптикум, чтобы проиллюстрировать склонность дисциплинарных обществ подчинять своих граждан).
А в Китае проект состоялся.
Почему так?
В чем секрет и особенности тотальной идеальной е-тюрьмы по-китайски?
Об этом мой новый пост https://goo.gl/f46pgz
#CCTV
В английском же The Panopticon — это проект «идеальной тюрьмы» (или обобщенно, — институционального здания и системы управления), разработанный английским философом и социальным теоретиком Джереми Бентамом в конце 18-го века.
Суть проекта в том, чтобы обеспечить централизованное наблюдение за всеми заключенными одним сторожем без того, чтобы заключенные знали, наблюдаются они в данный момент или нет.
Цель проекта Паноптикум — обеспечить для власти прозрачность социальной реальности, делая власть для общества невидимой.
На Западе проект Паноптикум оказался неосуществимым, хотя в ХХ веке, с подачи французского философа Мишеля Фуко, интерес к проекту весьма оживился (в своей работе «Дисциплина и наказание» Фуко использовал Паноптикум, чтобы проиллюстрировать склонность дисциплинарных обществ подчинять своих граждан).
А в Китае проект состоялся.
Почему так?
В чем секрет и особенности тотальной идеальной е-тюрьмы по-китайски?
Об этом мой новый пост https://goo.gl/f46pgz
#CCTV
Medium
Тотальная идеальная е-тюрьма по-китайски
Главное в национальной китайской системе мониторинга и идентификации людей вовсе не в достижениях национальных технологий машинного…
Эксперименты эволюции с разными типами интеллекта
Группа исследователей, о работе которой редакции Edge рассказал эволюционный антрополог Брайан Хэр, уже 10 лет проверяет идею, что морфология, физиология и психология являются эволюционирующим пакетом, играющим ключевую роль в том, какой тип интеллекта получается у конкретного вида.
Текст и видео на 45 мин
Сначала они решили сравнивать самые близкие виды в поисках ключевого свойства, определяющего различие их интеллектов. Например, волки и собаки.
В результате одомашнивания у волков изменились морфология, физиология и психология. Превращаясь в собак, они учились читать наши коммуникативные намерения (жесты, мимику, интонации) и налаживать социальное взаимодействие с людьми.
А ключевым свойством, обретенным в ходе одомашнивания, стало дружелюбие.
Но может ли естественный отбор работать по критерию дружелюбия и приводить к чему-то, наподобие одомашнивания?
Оказалось, может. Пример - наш ближайший родственник, карликовые шимпанзе бонобо. Изменения в их морфологии, физиология и психологии в результате естественного отбора сильно похожи на то, что произошло в процессе одомашнивания волков.
Особенно важно, что у бонобо сложилась кардинально иная физиологическая реакция на конкуренцию.
Поведение при конкуренции зависит от двух параметров.
1й – мотивация к достижению высокого социального статуса.
2й – стратегия поведения при стрессе: активная (борьба) либо пассивная (избегание). В первом случае повышается тестостерон, во втором — кортизол.
По-видимому, в эволюции два близких вида разделились между собой по этому поведению. У бонобо отбор благоприятствовал низкой агрессии, а у шимпанзе — наоборот.
Поэтому вместо реакции «дерись или беги» у бонобо - «обнимайся и занимайся сексом».
В итоге, как в случае с собакой – обретение дружелюбия. Да еще и с образованием когнитивной системы «ухаживать и дружить» с соответствующим типом интеллекта.
Но зачем такой тип интеллекта эволюции?
Ответ на этот вопрос дали экономист Роберт Франк и философ Ким Стерелны.
Они показали, что дружелюбные чувства (привязанность, любовь, доверие и лояльность), позволяют, даже при разных краткосрочных интересах индивидов, сотрудничать таким образом, что это приносит им пользу в долгосрочной перспективе.
Родители против детей, жены против мужей, начальники против подчиненных - все эти отношения неизбежно связаны с напряженностью и конфликтом.
Но рациональность и переговоры не могут разрешить все возникающие противоречия, если все преследуют свои собственные интересы.
И тут могут помочь дружелюбные чувства. Они действуют как «механизм принятия обязательств», гарантируя, что партнеры не обманут и не откажутся от соглашения, когда оно станет неудобным.
Таким образом, в ходе экспериментов эволюции с близкими видами, одним доставалась агрессивность, а других эволюция «одомашнила», сделав дружелюбными.
В ходе этих экспериментов эволюции все же пришлось понизить у человека уровень тестостерона, вследствие чего в среднем палеолите мужчины перестали конкурировать исключительно мордобоем. А став более дружелюбными, они открыли дорогу к обмену знаниями, - что и заложило основу прогресса.
Однако для подстраховки эволюция все же оставила человеку, наряду с вариантом бонобо, еще и вариант шимпанзе, превратив человека в «самую биполярную обезьяну».
Те, кто высоко мотивирован на достижение высокого социального статуса, реагируют на конкуренцию как шимпанзе, и у них при этом повышается тестостерон.
Те, для кого статус не так важен, в условиях конкуренции испытывают стресс и реагируют как бонобо, увеличивая уровень кортизола.
В дополнение см. 2 книги:
«Почему собаки гораздо умнее, чем вы думаете»
«Достаточно ли мы умны, чтобы судить об уме животных?»
#ЭволюционнаяАнтропология
Как сравнивать интеллект, если у одного из видов - плавники, у 2го - руки, а у 3го - хобот?
И разница не только в морфологии, но и в физиологии и психологии видов.Группа исследователей, о работе которой редакции Edge рассказал эволюционный антрополог Брайан Хэр, уже 10 лет проверяет идею, что морфология, физиология и психология являются эволюционирующим пакетом, играющим ключевую роль в том, какой тип интеллекта получается у конкретного вида.
Текст и видео на 45 мин
Сначала они решили сравнивать самые близкие виды в поисках ключевого свойства, определяющего различие их интеллектов. Например, волки и собаки.
В результате одомашнивания у волков изменились морфология, физиология и психология. Превращаясь в собак, они учились читать наши коммуникативные намерения (жесты, мимику, интонации) и налаживать социальное взаимодействие с людьми.
А ключевым свойством, обретенным в ходе одомашнивания, стало дружелюбие.
Но может ли естественный отбор работать по критерию дружелюбия и приводить к чему-то, наподобие одомашнивания?
Оказалось, может. Пример - наш ближайший родственник, карликовые шимпанзе бонобо. Изменения в их морфологии, физиология и психологии в результате естественного отбора сильно похожи на то, что произошло в процессе одомашнивания волков.
Особенно важно, что у бонобо сложилась кардинально иная физиологическая реакция на конкуренцию.
Поведение при конкуренции зависит от двух параметров.
1й – мотивация к достижению высокого социального статуса.
2й – стратегия поведения при стрессе: активная (борьба) либо пассивная (избегание). В первом случае повышается тестостерон, во втором — кортизол.
По-видимому, в эволюции два близких вида разделились между собой по этому поведению. У бонобо отбор благоприятствовал низкой агрессии, а у шимпанзе — наоборот.
Поэтому вместо реакции «дерись или беги» у бонобо - «обнимайся и занимайся сексом».
В итоге, как в случае с собакой – обретение дружелюбия. Да еще и с образованием когнитивной системы «ухаживать и дружить» с соответствующим типом интеллекта.
Но зачем такой тип интеллекта эволюции?
Ответ на этот вопрос дали экономист Роберт Франк и философ Ким Стерелны.
Они показали, что дружелюбные чувства (привязанность, любовь, доверие и лояльность), позволяют, даже при разных краткосрочных интересах индивидов, сотрудничать таким образом, что это приносит им пользу в долгосрочной перспективе.
Родители против детей, жены против мужей, начальники против подчиненных - все эти отношения неизбежно связаны с напряженностью и конфликтом.
Но рациональность и переговоры не могут разрешить все возникающие противоречия, если все преследуют свои собственные интересы.
И тут могут помочь дружелюбные чувства. Они действуют как «механизм принятия обязательств», гарантируя, что партнеры не обманут и не откажутся от соглашения, когда оно станет неудобным.
Таким образом, в ходе экспериментов эволюции с близкими видами, одним доставалась агрессивность, а других эволюция «одомашнила», сделав дружелюбными.
В ходе этих экспериментов эволюции все же пришлось понизить у человека уровень тестостерона, вследствие чего в среднем палеолите мужчины перестали конкурировать исключительно мордобоем. А став более дружелюбными, они открыли дорогу к обмену знаниями, - что и заложило основу прогресса.
Однако для подстраховки эволюция все же оставила человеку, наряду с вариантом бонобо, еще и вариант шимпанзе, превратив человека в «самую биполярную обезьяну».
Те, кто высоко мотивирован на достижение высокого социального статуса, реагируют на конкуренцию как шимпанзе, и у них при этом повышается тестостерон.
Те, для кого статус не так важен, в условиях конкуренции испытывают стресс и реагируют как бонобо, увеличивая уровень кортизола.
В дополнение см. 2 книги:
«Почему собаки гораздо умнее, чем вы думаете»
«Достаточно ли мы умны, чтобы судить об уме животных?»
#ЭволюционнаяАнтропология
Создан алгоритм справедливого ИИ.
Паноптикум (см. пост 11.06) – это еще не самая страшная антиутопия будущего ИИ.
Еще хуже мир, лишенный справедливости. Ценнейшего (наряду со свободой и любовью), что есть у человека.
Большинство ошибочно полагает, что главные проблемы ИИ – отъем рабочих мест и бунт машин. Но это не так. Самой большой проблемой (не будущего, а уже настоящего), становится предвзятость ИИ, способная, в перспективе, лишить мир справедливости.
Да-да! А вы как хотели, чтоб интеллект был, а субъективных предубеждений и стереотипов у него не было?
Увы, так не бывает.
Основа современного ИИ - машинное обучение. Алгоритмы с минимальной помощью людей учатся на огромных объемах данных классифицировать объекты по их характеристикам. Применяя это умение при принятии решений, компьютеры заменяют людей во все новых и новых областях от рекомендаций до анализа медицинских снимков.
Исключение человека из процесса принятия решений устраняет проблему когнитивных искажений людей, всегда присутствующих из-за наличия у нас субъективных предубеждений и стереотипов.
Но на смену им приходят субъективные предубеждения алгоритмов машинного обучения. Их источник – «алгоритмический опыт», накопленный при анализе учебных наборов данных в процессе обучения. Их результат - принимаемые алгоритмом решения, дискриминирующие ту или иную категорию людей. А это ни что иное, как несправедливость, порождаемая ИИ.
Например, если из данных, на которых обучался алгоритм оценки кадров при найме, следует, что мужчины продуктивнее женщин, машина, скорее всего, «узнает» эту разницу и будет предпочитать кандидатов-мужчин. А кадровики при этом не смогут распознать это дискриминационное предубеждение машины, будучи уверены, что
(1) уж машина то, точно, не может иметь предубеждений,
(2) мужчин она отбирает потому, что таковы лучшие кандидаты (селяви).
Подобная несправедливость (а это точно она, поскольку дискриминирует вполне конкретных хороших кандидатов из-за предубеждений машины) теперь повсюду:
— от оценки кредитного рейтинга заемщика до формирования списков подозреваемых;
— повсюду, где так или иначе фигурируют пол, возраст, расовая принадлежность, сексуальная ориентация и т.д.
И это только сейчас. А завтра, - в «светлом будущем» а ля китайского паноптикума – обучающиеся алгоритмы будут учитывать такое, о чем люди и не предполагают: от характеристик поведения в соцсетях до кулинарных пристрастий людей. И черт их еще знает, какие корреляции алгоритмы распознают при обучении на очередных больших данных.
Этот вал машинных предубеждений будет нарастать, порождая тотальную несправедливость во всем, где решение принимается машинами.
А тех, кто думает, что подобное можно устранить, просто убрав при оценке конкретный критерий, спешу разочаровать. Это не поможет.
— Согласно кейсу Верховного суда США 1971 года Griggs v. Duke Power Co., 401 U.S., тесты ущемляют заявителя определенной расы и незаконны, даже если решение в них не было четко определено на основе расы.
— А убрать вообще все (пол, средний бал и т.д.) невозможно, поскольку нечего будут анализировать.
Теперь про Good News.
Разработан алгоритм, решающий эту проблему. Он обеспечивает соблюдение федеральных законов о недискриминации и позволяет строго контролировать уровень справедливости.
За кажущимся простым решением – ручным заданием максимального уровня предвзятости алгоритма – 10 страниц крутой математики.
Этот алгоритм прорывной, поскольку позволяет обеспечивать компромисс точности и дискриминации:
— для обоих классов задач: классификация и регрессия;
— для обоих видов параметров: дискретные (пол, раса ...) и числовые (типа возраста).
Похоже, это 1е качественное, а не количественное преимущество ИИ перед людьми.
https://proceedings.mlr.press/v80/komiyama18a.html
#МашинноеОбучение #КогнитивныеИскажения #Справедливость
Паноптикум (см. пост 11.06) – это еще не самая страшная антиутопия будущего ИИ.
Еще хуже мир, лишенный справедливости. Ценнейшего (наряду со свободой и любовью), что есть у человека.
Большинство ошибочно полагает, что главные проблемы ИИ – отъем рабочих мест и бунт машин. Но это не так. Самой большой проблемой (не будущего, а уже настоящего), становится предвзятость ИИ, способная, в перспективе, лишить мир справедливости.
Да-да! А вы как хотели, чтоб интеллект был, а субъективных предубеждений и стереотипов у него не было?
Увы, так не бывает.
Основа современного ИИ - машинное обучение. Алгоритмы с минимальной помощью людей учатся на огромных объемах данных классифицировать объекты по их характеристикам. Применяя это умение при принятии решений, компьютеры заменяют людей во все новых и новых областях от рекомендаций до анализа медицинских снимков.
Исключение человека из процесса принятия решений устраняет проблему когнитивных искажений людей, всегда присутствующих из-за наличия у нас субъективных предубеждений и стереотипов.
Но на смену им приходят субъективные предубеждения алгоритмов машинного обучения. Их источник – «алгоритмический опыт», накопленный при анализе учебных наборов данных в процессе обучения. Их результат - принимаемые алгоритмом решения, дискриминирующие ту или иную категорию людей. А это ни что иное, как несправедливость, порождаемая ИИ.
Например, если из данных, на которых обучался алгоритм оценки кадров при найме, следует, что мужчины продуктивнее женщин, машина, скорее всего, «узнает» эту разницу и будет предпочитать кандидатов-мужчин. А кадровики при этом не смогут распознать это дискриминационное предубеждение машины, будучи уверены, что
(1) уж машина то, точно, не может иметь предубеждений,
(2) мужчин она отбирает потому, что таковы лучшие кандидаты (селяви).
Подобная несправедливость (а это точно она, поскольку дискриминирует вполне конкретных хороших кандидатов из-за предубеждений машины) теперь повсюду:
— от оценки кредитного рейтинга заемщика до формирования списков подозреваемых;
— повсюду, где так или иначе фигурируют пол, возраст, расовая принадлежность, сексуальная ориентация и т.д.
И это только сейчас. А завтра, - в «светлом будущем» а ля китайского паноптикума – обучающиеся алгоритмы будут учитывать такое, о чем люди и не предполагают: от характеристик поведения в соцсетях до кулинарных пристрастий людей. И черт их еще знает, какие корреляции алгоритмы распознают при обучении на очередных больших данных.
Этот вал машинных предубеждений будет нарастать, порождая тотальную несправедливость во всем, где решение принимается машинами.
А тех, кто думает, что подобное можно устранить, просто убрав при оценке конкретный критерий, спешу разочаровать. Это не поможет.
— Согласно кейсу Верховного суда США 1971 года Griggs v. Duke Power Co., 401 U.S., тесты ущемляют заявителя определенной расы и незаконны, даже если решение в них не было четко определено на основе расы.
— А убрать вообще все (пол, средний бал и т.д.) невозможно, поскольку нечего будут анализировать.
Теперь про Good News.
Разработан алгоритм, решающий эту проблему. Он обеспечивает соблюдение федеральных законов о недискриминации и позволяет строго контролировать уровень справедливости.
За кажущимся простым решением – ручным заданием максимального уровня предвзятости алгоритма – 10 страниц крутой математики.
Этот алгоритм прорывной, поскольку позволяет обеспечивать компромисс точности и дискриминации:
— для обоих классов задач: классификация и регрессия;
— для обоих видов параметров: дискретные (пол, раса ...) и числовые (типа возраста).
Похоже, это 1е качественное, а не количественное преимущество ИИ перед людьми.
https://proceedings.mlr.press/v80/komiyama18a.html
#МашинноеОбучение #КогнитивныеИскажения #Справедливость
PMLR
Nonconvex Optimization for Regression with Fairness Constraints
The unfairness of a regressor is evaluated by measuring the correlation between the estimator and the sensitive attribute (e.g., race, gender, age), and the ...
Лучший способ объяснить и быть понятым
Был просто поражен, узнав, что лишь единицы у нас слышали про «Исследуемые объяснения» (Explorable Explanations) – чрезвычайно полезный и жутко интересный интерактивный обучающий научно-популярный нон-фикшн.
Это одновременно:
✔️ инновационный подход к обучению
✔️ и новый жанр интерактивного просвещения на стыке:
— образовательного развлечения,
— инди-игр и головоломок,
— аналитики визуальных исследований.
4 года назад проект Explorable Explanations запустил великолепный Ники Кейс (Nicky Case), тогда 20летний вундеркинд и гений дизайна визуализации.
С тех пор его сообществом сознано уже 122 «исследуемых объяснения» в 15 областях: искусство, биология, химия, обществоведение, науки о земле, экономика, журналистика, математика, философия, физика, программирование, психология, исследуемые разъяснения и неклассифицируемые улеты.
Бессмысленно рассказывать, насколько это интересно, прикольно, полезно и перспективно, - надо самим видеть.
Поражает, что новый кроссдисциплинарный, синтетический жанр позволяет создавать продукты, одинаково годные для:
— самообучения и просвещения,
— дизайна UI и UX,
— маркетинга и рекламы,
— пиара и коммуникаций
— написания тизеров стартапов …
и вообще, для любых задач, когда нужно свою идею аккуратненько и играючи, быстро и незаметно вдвинуть в голову другим людям, да еще и так, чтобы:
✔️ они эту идею правильно поняли,
✔️ и им понравились: как сама идея, так и ощущение от процесса ее постижения.
Затыкаю фонтан восторженного красноречия. Дальше смотрите сами.
1) Каталог 122ух «исследуемых объяснений» в 15 областях
2) «Исследуемые объяснения» Ники Кейса, что такое «исследуемые объяснения» и как их делать:
— два текста – первый и второй
— видео на 24 мин.
3) Резюме на русском пяти «исследуемых объяснений»:
— что такое доверие,
— как вирусно распространяется информация,
— как в обществе возникает сегрегация
— как работают нейроны в человеческом мозге,
— как признаться родителям в своей бисексуальности.
4) Пример применения «исследуемых объяснений» для суперсложного вопроса – как объяснить, что такое комплексные системы:
— обстоятельно в лекции на 1.5 часа
— кратко во фрагменте этой лекции на 5 мин.
#Визуализация #Edutainment #ExplorableExplanations
Был просто поражен, узнав, что лишь единицы у нас слышали про «Исследуемые объяснения» (Explorable Explanations) – чрезвычайно полезный и жутко интересный интерактивный обучающий научно-популярный нон-фикшн.
Это одновременно:
✔️ инновационный подход к обучению
✔️ и новый жанр интерактивного просвещения на стыке:
— образовательного развлечения,
— инди-игр и головоломок,
— аналитики визуальных исследований.
4 года назад проект Explorable Explanations запустил великолепный Ники Кейс (Nicky Case), тогда 20летний вундеркинд и гений дизайна визуализации.
С тех пор его сообществом сознано уже 122 «исследуемых объяснения» в 15 областях: искусство, биология, химия, обществоведение, науки о земле, экономика, журналистика, математика, философия, физика, программирование, психология, исследуемые разъяснения и неклассифицируемые улеты.
Бессмысленно рассказывать, насколько это интересно, прикольно, полезно и перспективно, - надо самим видеть.
Поражает, что новый кроссдисциплинарный, синтетический жанр позволяет создавать продукты, одинаково годные для:
— самообучения и просвещения,
— дизайна UI и UX,
— маркетинга и рекламы,
— пиара и коммуникаций
— написания тизеров стартапов …
и вообще, для любых задач, когда нужно свою идею аккуратненько и играючи, быстро и незаметно вдвинуть в голову другим людям, да еще и так, чтобы:
✔️ они эту идею правильно поняли,
✔️ и им понравились: как сама идея, так и ощущение от процесса ее постижения.
Затыкаю фонтан восторженного красноречия. Дальше смотрите сами.
1) Каталог 122ух «исследуемых объяснений» в 15 областях
2) «Исследуемые объяснения» Ники Кейса, что такое «исследуемые объяснения» и как их делать:
— два текста – первый и второй
— видео на 24 мин.
3) Резюме на русском пяти «исследуемых объяснений»:
— что такое доверие,
— как вирусно распространяется информация,
— как в обществе возникает сегрегация
— как работают нейроны в человеческом мозге,
— как признаться родителям в своей бисексуальности.
4) Пример применения «исследуемых объяснений» для суперсложного вопроса – как объяснить, что такое комплексные системы:
— обстоятельно в лекции на 1.5 часа
— кратко во фрагменте этой лекции на 5 мин.
#Визуализация #Edutainment #ExplorableExplanations
explorabl.es
ALL OF IT | Explorable Explanations
a hub for learning through play
Предвзятость ИИ порождает несправедливость. И наконец это начали осознавать.
Мой недавний пост про «справедливый ИИ» некоторым читателям не понравился, - мол, кликбейтовая подача второстепенной темы.
Это не так. Тема наиважнейшая и куда более актуальная, чем ИИ-страшилки или ИИ-восторги, заполонившие СМИ и блогосферу.
Вот краткая подборка в подтверждение сказанного.
1️⃣ Google опубликовал свои принципы этики, включающие, проверку алгоритмов на предвзятость, для чего на специальном сайте «Ответственные AI-практики» даются рекомендации по способам защиты от Предвзятости Данных (Data bias) и обеспечения ИИ-справедливости (AI Fairness).
2️⃣ Комитет по науке и технологиям Конгресса США проводит слушания по вопросу, как обязать техкомпании решать проблему предвзятости ИИ.
«Нам нужно решать проблемы, связанные с данными, которые используются для обучения машин. Предвзятые данные ведут к предвзятым действиям только кажущихся нам объективными машин», - сказал конгрессмен Дэн Липински.
3️⃣ Accenture выпустила 1й инструмент для борьбы с Предвзятостью Данных (Data bias) при машинном обучении. Он называется «Инструментарий AI-справедливости» (AI Fairness Tool) и позволяет выявлять корреляции в данных по отношению к возрасту, расе, полу и иным демографическим данным. Определив эти корреляции, можно перенастроить системы, чтобы дать более справедливые результаты по всем демографическим показателям.
Джоди Уоллис, управляющий директор по ИИ в Accenture, сказала:
«Даже если вы намеренно исключаете из своих данных чувствительные переменные, типа этническая принадлежность, пол, возраст и другие очевидные источники несправедливой предвзятости, система машинного обучения может использовать какую-то другую переменную или комбинацию переменных, которая тесно коррелирует с половой принадлежностью или расой, тем самым делая “инъекцию несправедливости“ в действия системы».
4️⃣ А тем временем, примеры банальной, но при этом тотальной Предвзятости Данных встречаются повсюду.
— Системы распознавания лиц проявляют черты гендерной и расовой дискриминации. С 99%ой вероятностью распознаются лишь белые мужчины. Тогда как темнокожие женщины в трети случаев распознаются, как мужчины.
— И даже Google Translate ухитряется делать переводы с гендерным уклоном. Например, на турецком языке существует одно местоимение «o» для он, она, оно. Поэтому, когда Google Translate переводит с турецкого, например, на английский, нужно угадать, означает ли «о» он, она или оно. И эти переводы раскрывают гендерный уклон алгоритма:
✔️ если переводится слово трудолюбивый, то подставляется он;
✔️ если же переводится ленивый, … то она, т.е. ленивая.
#МашинноеОбучение #КогнитивныеИскажения #Справедливость
Мой недавний пост про «справедливый ИИ» некоторым читателям не понравился, - мол, кликбейтовая подача второстепенной темы.
Это не так. Тема наиважнейшая и куда более актуальная, чем ИИ-страшилки или ИИ-восторги, заполонившие СМИ и блогосферу.
Вот краткая подборка в подтверждение сказанного.
1️⃣ Google опубликовал свои принципы этики, включающие, проверку алгоритмов на предвзятость, для чего на специальном сайте «Ответственные AI-практики» даются рекомендации по способам защиты от Предвзятости Данных (Data bias) и обеспечения ИИ-справедливости (AI Fairness).
2️⃣ Комитет по науке и технологиям Конгресса США проводит слушания по вопросу, как обязать техкомпании решать проблему предвзятости ИИ.
«Нам нужно решать проблемы, связанные с данными, которые используются для обучения машин. Предвзятые данные ведут к предвзятым действиям только кажущихся нам объективными машин», - сказал конгрессмен Дэн Липински.
3️⃣ Accenture выпустила 1й инструмент для борьбы с Предвзятостью Данных (Data bias) при машинном обучении. Он называется «Инструментарий AI-справедливости» (AI Fairness Tool) и позволяет выявлять корреляции в данных по отношению к возрасту, расе, полу и иным демографическим данным. Определив эти корреляции, можно перенастроить системы, чтобы дать более справедливые результаты по всем демографическим показателям.
Джоди Уоллис, управляющий директор по ИИ в Accenture, сказала:
«Даже если вы намеренно исключаете из своих данных чувствительные переменные, типа этническая принадлежность, пол, возраст и другие очевидные источники несправедливой предвзятости, система машинного обучения может использовать какую-то другую переменную или комбинацию переменных, которая тесно коррелирует с половой принадлежностью или расой, тем самым делая “инъекцию несправедливости“ в действия системы».
4️⃣ А тем временем, примеры банальной, но при этом тотальной Предвзятости Данных встречаются повсюду.
— Системы распознавания лиц проявляют черты гендерной и расовой дискриминации. С 99%ой вероятностью распознаются лишь белые мужчины. Тогда как темнокожие женщины в трети случаев распознаются, как мужчины.
— И даже Google Translate ухитряется делать переводы с гендерным уклоном. Например, на турецком языке существует одно местоимение «o» для он, она, оно. Поэтому, когда Google Translate переводит с турецкого, например, на английский, нужно угадать, означает ли «о» он, она или оно. И эти переводы раскрывают гендерный уклон алгоритма:
✔️ если переводится слово трудолюбивый, то подставляется он;
✔️ если же переводится ленивый, … то она, т.е. ленивая.
#МашинноеОбучение #КогнитивныеИскажения #Справедливость
Google
AI at Google: our principles
We’re announcing seven principles to guide our work in AI.
Зомбирование нейросетей уже возможно
В феврале исследователи из Google Brain опубликовали работу, из которой следовало, что:
— состязательную нейронную сеть для распознавания образов можно запросто хакнуть и заставить видеть совсем не то, что ей показывают, например, собаку вместо кошки;
—похожим образом можно хакнуть и зрительное восприятие человека.
Та статья звучала страшновато. Однако новая статья исследователей из Google Brain - вообще жуть.
Дальнейшие исследования показали:
✔️ Нейронные сети распознавания образов запросто можно так хакнуть, что они не просто будут видеть ложные изображения, а станут выполнять иные, совершенно левые функции.
Без преувеличений можно сказать, что это способ зомбирования нейросетей – превращение их в послушного исполнителя чужой воли.
Это значит, что хакеры, например, могут:
— перепрограммировать классификатор компьютерного зрения в облачной службе фотографий с тем, чтобы начать воровать вычислительные ресурсы, скажем, для майнинга криптовалюты;
— или перепрограммировать любой смартфон, использующий нейросети для функций цифрового помощника и тем самым получить доступ к почте, паролям, кредиткам …
Авторы пока точно не выяснили, какие конкретно задачи злоумышленники смогут заставить выполнять зомбируемые нейронные сети. Однако, как они пишут, успешная атака может побудить их выполнять «очень большой набор задач».
И еще одна гордая по тону и убийственная по сути цитата:
«Наши результаты впервые демонстрируют возможность ... состязательных атак, направленных на перепрограммирование нейронных сетей ... Эти результаты демонстрируют как удивительную гибкость, так и удивительную уязвимость в глубоких нейронных сетях».
В общем, приехали!
Авторы успокаивают. Мол, рандомные сети (random neural networks) так просто не хакнешь, как состязательные. Но тут же признают, что с тотальной уязвимостью состязательных нейронных сетей придется разбираться ох как серьезно. Ведь этот тип сетей повсюду: от дизайна до Facebook.
#GAN #Хакинг
В феврале исследователи из Google Brain опубликовали работу, из которой следовало, что:
— состязательную нейронную сеть для распознавания образов можно запросто хакнуть и заставить видеть совсем не то, что ей показывают, например, собаку вместо кошки;
—похожим образом можно хакнуть и зрительное восприятие человека.
Та статья звучала страшновато. Однако новая статья исследователей из Google Brain - вообще жуть.
Дальнейшие исследования показали:
✔️ Нейронные сети распознавания образов запросто можно так хакнуть, что они не просто будут видеть ложные изображения, а станут выполнять иные, совершенно левые функции.
Без преувеличений можно сказать, что это способ зомбирования нейросетей – превращение их в послушного исполнителя чужой воли.
Это значит, что хакеры, например, могут:
— перепрограммировать классификатор компьютерного зрения в облачной службе фотографий с тем, чтобы начать воровать вычислительные ресурсы, скажем, для майнинга криптовалюты;
— или перепрограммировать любой смартфон, использующий нейросети для функций цифрового помощника и тем самым получить доступ к почте, паролям, кредиткам …
Авторы пока точно не выяснили, какие конкретно задачи злоумышленники смогут заставить выполнять зомбируемые нейронные сети. Однако, как они пишут, успешная атака может побудить их выполнять «очень большой набор задач».
И еще одна гордая по тону и убийственная по сути цитата:
«Наши результаты впервые демонстрируют возможность ... состязательных атак, направленных на перепрограммирование нейронных сетей ... Эти результаты демонстрируют как удивительную гибкость, так и удивительную уязвимость в глубоких нейронных сетях».
В общем, приехали!
Авторы успокаивают. Мол, рандомные сети (random neural networks) так просто не хакнешь, как состязательные. Но тут же признают, что с тотальной уязвимостью состязательных нейронных сетей придется разбираться ох как серьезно. Ведь этот тип сетей повсюду: от дизайна до Facebook.
#GAN #Хакинг
Экономика ИИ – как удешевление предсказаний изменит мир.
Публикация этой новой статьи в Forbes означает возможную смену парадигмы понимания ИИ бизнесом. Когда это произойдет, то одна из главных тем моего канала - «ИИ и предсказания» - превратится из «малоизвестного интересного» в мейнстрим бизнеса.
https://goo.gl/gtW9Vx
Статья пересказывает разговор ее автора - Бернарда Марра с Джошуа Гансом о ключевых темах новой книги последнего - Prediction Machines: The Simple Economics of Artificial Intelligence.
Три ключевые мысль этой книги таковы.
✔️ В практическом плане в экономике и бизнесе термин ИИ относится не к интеллекту, а всего лишь к одному из его аспектов, коим является предсказание.
✔️ Основная задача ИИ в бизнесе – снижение показателя цена/качество предсказаний.
✔️ Ключом к успеху при решении этой задачи будет то, смогут ли люди, работающие ИИ-менеджерами научиться различать задачи, связанные с предсказанием, и те, в которых по-прежнему более важен человеческий фактор.
В этом разговоре есть и другие ценные мысли. А в книге, - так и тем более.
Тем ни менее, названные три – самые суперважные, суперценные и пока еще мало кем понимаемые.
А значит, и самые годные, чтобы на их понимании начать хорошо зарабатывать.
#Предсказания #ИИ #Бизнес
P.S. Некоторых читателей коробит термин «предсказание», и мне рекомендуют заменить его на «прогноз».
Так вот. Термин «предсказание», а не «прогноз» используется мною осмысленно и намеренно, чтобы подчеркнуть особенности нашего времени, когда большие данные уже есть, а умения ими эффективно пользоваться пока мало.
Как по этому поводу хорошо написал Michael Schrage:
«In the good old days, of course, predictions were called forecasts and stodgy statisticians would torture their time series and/or molest multivariate analyses to get them. Today, brave new data scientists discipline k-means clusters and random graphs to proffer their predictions».
Прогноз подразумевает понимание, как и почему нечто произойдет. Предсказание же не отвечает на вопросы «как и почему».
Без понимания этого различия у Гугла и Яндекса, получается ошибочный перевод приведенной выше цитаты:
«В старые добрые времена, конечно, прогнозы назывались прогнозами …» 😂
Публикация этой новой статьи в Forbes означает возможную смену парадигмы понимания ИИ бизнесом. Когда это произойдет, то одна из главных тем моего канала - «ИИ и предсказания» - превратится из «малоизвестного интересного» в мейнстрим бизнеса.
https://goo.gl/gtW9Vx
Статья пересказывает разговор ее автора - Бернарда Марра с Джошуа Гансом о ключевых темах новой книги последнего - Prediction Machines: The Simple Economics of Artificial Intelligence.
Три ключевые мысль этой книги таковы.
✔️ В практическом плане в экономике и бизнесе термин ИИ относится не к интеллекту, а всего лишь к одному из его аспектов, коим является предсказание.
✔️ Основная задача ИИ в бизнесе – снижение показателя цена/качество предсказаний.
✔️ Ключом к успеху при решении этой задачи будет то, смогут ли люди, работающие ИИ-менеджерами научиться различать задачи, связанные с предсказанием, и те, в которых по-прежнему более важен человеческий фактор.
В этом разговоре есть и другие ценные мысли. А в книге, - так и тем более.
Тем ни менее, названные три – самые суперважные, суперценные и пока еще мало кем понимаемые.
А значит, и самые годные, чтобы на их понимании начать хорошо зарабатывать.
#Предсказания #ИИ #Бизнес
P.S. Некоторых читателей коробит термин «предсказание», и мне рекомендуют заменить его на «прогноз».
Так вот. Термин «предсказание», а не «прогноз» используется мною осмысленно и намеренно, чтобы подчеркнуть особенности нашего времени, когда большие данные уже есть, а умения ими эффективно пользоваться пока мало.
Как по этому поводу хорошо написал Michael Schrage:
«In the good old days, of course, predictions were called forecasts and stodgy statisticians would torture their time series and/or molest multivariate analyses to get them. Today, brave new data scientists discipline k-means clusters and random graphs to proffer their predictions».
Прогноз подразумевает понимание, как и почему нечто произойдет. Предсказание же не отвечает на вопросы «как и почему».
Без понимания этого различия у Гугла и Яндекса, получается ошибочный перевод приведенной выше цитаты:
«В старые добрые времена, конечно, прогнозы назывались прогнозами …» 😂
Найден оптимальный алгоритм выявления «скрытых пружин» в устройстве общества.
На основе данных о коммуникации людей в любой социальной сети (онлайновой, типа ФБ, или офлайновой – в реальной жизни) можно выявить скрытую иерархическую структуру среди участников сетевых коммуникаций. Это делается путем анализа асимметричных моделей взаимодействий участников.
Подобные иерархии существуют в любых социальных группах: от птиц, приматов и слонов до людей. Все эти группы организованы в соответствии с иерархиями доминирования, определяющими модели повторяющихся взаимодействий, при которых доминирующие особи склонны утверждать себя над менее влиятельными членами групп.
Чем больше и сложнее сеть участников социальных взаимодействий, тем больше в нем скрытых иерархий, порою неведомых самим участникам коммуникаций.
Выявление архитектуры таких иерархий – критически важная задача для:
- понимания характера существующих и предсказания возникновения новых иерархий;
- увязки этих иерархий со «струями и течениями» социальных взаимодействий;
- оказания влияния на них в целях управления динамикой социальных коммуникаций.
Т.е. в наше время, - это важнейшая задача для социологов, политтехнологов, спецслужб и СМИ.
Поскольку задача столь важная, то для ее решения уже разработаны несколько подходов, в каждом из которых построено по несколько типов алгоритмических моделей и, соответственно, алгоритмов выявления иерархий.
Алгоритмов много, но их производительность и масштабирование до последнего времени оставляли желать лучшего.
Новая прорывная модель и алгоритм SpringRank навеяны элементарной физической аналогией – представить социальную сеть коммуникаций, как физическую систему, в которой между каждой парой участников натянута ориентированная пружина определенной длины и упругости.
Гениальная идея нового алгоритма - минимизировать общую энергию всех пружин системы. И поскольку эта задача оптимизации требует только линейной алгебры, ее можно решить для сетей с миллионами узлов и ребер за считанные секунды.
Натурные испытания алгоритма SpringRank на синтетических и реальных наборах данных (включая данные о поведении животных, найме преподавателей, сетях социальной поддержки и спортивных турнирах) показали замечательные результаты – алгоритм жутко эффективен, как по скорости, так и по масштабируемости.
Он также может выявлять и предсказывать появление ненаблюдаемых ребер в сети, - так сказать выявлять «скрытые пружины», влияющие на поведение общества.
Принципиальное преимущество SpringRank перед прежними алгоритмами в том, что
- старые алгоритмы, как правило, лишь «выявляют элиту» - дают высокие ранги небольшому числу важных узлов, что дает мало информации об иерархии узлов с более низким рейтингом;
- новый алгоритм выявляет всю многоуровневую иерархию, - и в том числе, латентную: неявную, скрытую и неочевидную.
Новый алгоритм, возможно, произведет революцию в т.н. «системах одобрения» (Systems of Endorsement ), в которых статус участников обусловлен престижем, репутацией или социальным положением.
К ним, в той или иной мере, относится почти все: от рекомендательных систем в Интернете, до социального устройства общества.
Подробней см. только что опубликованную работу «A physical model for efficient ranking in networks» https://advances.sciencemag.org/content/4/7/eaar8260
#СоциальныеСети #СоциальнаяИерархия #МоделиАлгоритмы
На основе данных о коммуникации людей в любой социальной сети (онлайновой, типа ФБ, или офлайновой – в реальной жизни) можно выявить скрытую иерархическую структуру среди участников сетевых коммуникаций. Это делается путем анализа асимметричных моделей взаимодействий участников.
Подобные иерархии существуют в любых социальных группах: от птиц, приматов и слонов до людей. Все эти группы организованы в соответствии с иерархиями доминирования, определяющими модели повторяющихся взаимодействий, при которых доминирующие особи склонны утверждать себя над менее влиятельными членами групп.
Чем больше и сложнее сеть участников социальных взаимодействий, тем больше в нем скрытых иерархий, порою неведомых самим участникам коммуникаций.
Выявление архитектуры таких иерархий – критически важная задача для:
- понимания характера существующих и предсказания возникновения новых иерархий;
- увязки этих иерархий со «струями и течениями» социальных взаимодействий;
- оказания влияния на них в целях управления динамикой социальных коммуникаций.
Т.е. в наше время, - это важнейшая задача для социологов, политтехнологов, спецслужб и СМИ.
Поскольку задача столь важная, то для ее решения уже разработаны несколько подходов, в каждом из которых построено по несколько типов алгоритмических моделей и, соответственно, алгоритмов выявления иерархий.
Алгоритмов много, но их производительность и масштабирование до последнего времени оставляли желать лучшего.
Новая прорывная модель и алгоритм SpringRank навеяны элементарной физической аналогией – представить социальную сеть коммуникаций, как физическую систему, в которой между каждой парой участников натянута ориентированная пружина определенной длины и упругости.
Гениальная идея нового алгоритма - минимизировать общую энергию всех пружин системы. И поскольку эта задача оптимизации требует только линейной алгебры, ее можно решить для сетей с миллионами узлов и ребер за считанные секунды.
Натурные испытания алгоритма SpringRank на синтетических и реальных наборах данных (включая данные о поведении животных, найме преподавателей, сетях социальной поддержки и спортивных турнирах) показали замечательные результаты – алгоритм жутко эффективен, как по скорости, так и по масштабируемости.
Он также может выявлять и предсказывать появление ненаблюдаемых ребер в сети, - так сказать выявлять «скрытые пружины», влияющие на поведение общества.
Принципиальное преимущество SpringRank перед прежними алгоритмами в том, что
- старые алгоритмы, как правило, лишь «выявляют элиту» - дают высокие ранги небольшому числу важных узлов, что дает мало информации об иерархии узлов с более низким рейтингом;
- новый алгоритм выявляет всю многоуровневую иерархию, - и в том числе, латентную: неявную, скрытую и неочевидную.
Новый алгоритм, возможно, произведет революцию в т.н. «системах одобрения» (Systems of Endorsement ), в которых статус участников обусловлен престижем, репутацией или социальным положением.
К ним, в той или иной мере, относится почти все: от рекомендательных систем в Интернете, до социального устройства общества.
Подробней см. только что опубликованную работу «A physical model for efficient ranking in networks» https://advances.sciencemag.org/content/4/7/eaar8260
#СоциальныеСети #СоциальнаяИерархия #МоделиАлгоритмы