Кто сильнее в сложных играх – человек или ИИ?
С одной стороны, ИИ уже превзошел человека во множестве игр.
С другой - люди, по-прежнему не считают ИИ за ровню по части уровня интеллекта.
Что этому мешает?
В качестве объяснений можно приводить разные сложные аргументы – от алгоритмических (типа узкой специализации алгоритмов ИИ в отличие от универсальных возможностей людей) до философских (отсутствие у ИИ сознания, желаний, воли и т.д.).
А можно просто привести пример онлайн-игры, где ИИ пока не в состоянии победить людей.
Речь об играх класса MOBA — «многопользовательская онлайновая боевая арена». И конкретно, о компьютерной командной игре Dota 2, ставшей ныне популярным испытательным полигоном и камнем преткновения для ИИ.
Даже самые продвинутые в игре Dota 2 боты, разработанные созданной Илоном Маском лабораторией OpenAI, не в состоянии выиграть у команды людей.
И здесь зарыто простое и понятное объяснение превосходства людей над современным ИИ.
Dota 2 чрезвычайно сложна. Гораздо сложнее, чем любая настольная игра (желающие могут удостовериться, прочтя про игру в Википедии).
При этом Dota 2 - командная игра, и потому, как и в жизни, стратегия в ней становится важнее тактики. И если в тактике команда ИИ ботов OpenAI Five превосходит людей, то в стратегии ИИ боты слабее по той причине, что нет у них такого понятия – стратегия.
Получается, как у Козьмы Пруткова – «Многие вещи нам непонятны не потому, что наши понятия слабы; но потому, что сии вещи не входят в круг наших понятий».
А еще у ботов OpenAI Five нет ни командного духа, ни спортивной злости. А это два самых секретных ингредиента, позволяющие выигрывать (в игре и в жизни), когда у соперников примерно равные возможности и в тактике, и в стратегии.
Наличие у людей командного духа и спортивной злости известно всем и давным-давно. Но вот померили и проанализировали их мощь только что в ходе исследования влияния социальных связей на поведение игроков Dota 2.
Оказалось, что командный дух, возрастающий с ростом социальных связей (дружеских отношений), помогает команде нивелировать локальные проседания производительности в игре.
А спортивная злость растет быстрее в командах из малознакомых игроков, чем в командах, состоящих из друзей. Как поётся в песне, - «друга не надо просить ни о чем, с ним не страшна беда». Ну а когда на друга положиться нельзя из-за его отсутствия, приходится подналечь самому.
Ну а в результате, происходит мобилизация внутренних ресурсов, и растет уровень игры.
Возможно, это скоро изменится. Но пока можно констатировать - уровень интеллекта человека все же выше сегодняшнего ИИ (HW + SW на основе алгоритмов машинного обучения), по аналогии с тем, что жизнь сложнее игры фишками на многоклеточной доске (даже если клеток на доске очень много, а фишки ходят все по-разному).
Подробней:
- о соревновании людей и ИИ в Dota 2
- о влиянии социальных связей на игру команд в Dota 2
#ИИ #ОнлайнИгры #СоциальныеСвязи
С одной стороны, ИИ уже превзошел человека во множестве игр.
С другой - люди, по-прежнему не считают ИИ за ровню по части уровня интеллекта.
Что этому мешает?
В качестве объяснений можно приводить разные сложные аргументы – от алгоритмических (типа узкой специализации алгоритмов ИИ в отличие от универсальных возможностей людей) до философских (отсутствие у ИИ сознания, желаний, воли и т.д.).
А можно просто привести пример онлайн-игры, где ИИ пока не в состоянии победить людей.
Речь об играх класса MOBA — «многопользовательская онлайновая боевая арена». И конкретно, о компьютерной командной игре Dota 2, ставшей ныне популярным испытательным полигоном и камнем преткновения для ИИ.
Даже самые продвинутые в игре Dota 2 боты, разработанные созданной Илоном Маском лабораторией OpenAI, не в состоянии выиграть у команды людей.
И здесь зарыто простое и понятное объяснение превосходства людей над современным ИИ.
Dota 2 чрезвычайно сложна. Гораздо сложнее, чем любая настольная игра (желающие могут удостовериться, прочтя про игру в Википедии).
При этом Dota 2 - командная игра, и потому, как и в жизни, стратегия в ней становится важнее тактики. И если в тактике команда ИИ ботов OpenAI Five превосходит людей, то в стратегии ИИ боты слабее по той причине, что нет у них такого понятия – стратегия.
Получается, как у Козьмы Пруткова – «Многие вещи нам непонятны не потому, что наши понятия слабы; но потому, что сии вещи не входят в круг наших понятий».
А еще у ботов OpenAI Five нет ни командного духа, ни спортивной злости. А это два самых секретных ингредиента, позволяющие выигрывать (в игре и в жизни), когда у соперников примерно равные возможности и в тактике, и в стратегии.
Наличие у людей командного духа и спортивной злости известно всем и давным-давно. Но вот померили и проанализировали их мощь только что в ходе исследования влияния социальных связей на поведение игроков Dota 2.
Оказалось, что командный дух, возрастающий с ростом социальных связей (дружеских отношений), помогает команде нивелировать локальные проседания производительности в игре.
А спортивная злость растет быстрее в командах из малознакомых игроков, чем в командах, состоящих из друзей. Как поётся в песне, - «друга не надо просить ни о чем, с ним не страшна беда». Ну а когда на друга положиться нельзя из-за его отсутствия, приходится подналечь самому.
Ну а в результате, происходит мобилизация внутренних ресурсов, и растет уровень игры.
Возможно, это скоро изменится. Но пока можно констатировать - уровень интеллекта человека все же выше сегодняшнего ИИ (HW + SW на основе алгоритмов машинного обучения), по аналогии с тем, что жизнь сложнее игры фишками на многоклеточной доске (даже если клеток на доске очень много, а фишки ходят все по-разному).
Подробней:
- о соревновании людей и ИИ в Dota 2
- о влиянии социальных связей на игру команд в Dota 2
#ИИ #ОнлайнИгры #СоциальныеСвязи
The Verge
OpenAI’s Dota 2 defeat is still a win for artificial intelligence
Machines, like humans, learn best when they’re beaten.
5 ключевых прогнозов по ИИ на 2019 (Forbes считает, что это мастрид. Я поддерживаю)
Статья Бернарда Марра в Forbes четко фокусирует наше внимание на самое главное. И мне приятно отметить, что все 5 прогнозов уже были подробно рассмотрены в постах моего канала.
Вот эти прогнозы Forbes. Их порядковые номера соответствуют степени важности. Детали прогнозов желающие прочтут по ссылке на Forbes (линк). Кроме того, к каждому прогнозу приложена ссылка на мой пост, в котором я на эту тему уже писал.
1) ИИ все больше становится вопросом международной политики
Подробный анализ этого прогноза был дан мною в посте «Впереди ИИ-национализм и ИИ-национализация. Анализ влияния технологий ИИ на геополитику»
2) Движение к «Прозрачному ИИ»
Подробный анализ этого прогноза был дан мною в посте «Последнее решение «бить или не бить» навсегда должно остаться за людьми. Революция в ИИ-революции начинается - «черный ящик» пытаются заменить на «стеклянный».
3) ИИ для автоматизации все больше проникает во все сектора бизнеса
Подробный анализ этого прогноза был дан мною в посте «Какова реальная отдача от ИИ в бизнесе (сейчас и через 5 лет)»
4) ИИ создаст больше рабочих мест, чем будет потеряно из-за него
Подробный анализ этого прогноза был дан мною в посте «Роботизация – какая она на самом деле».
5) ИИ ассистенты начнут приносить пользу
Подробный анализ этого прогноза был дан мною в посте «Как стать более продуктивным и эффективным с помощью AI-инструментов».
#ИИ
Статья Бернарда Марра в Forbes четко фокусирует наше внимание на самое главное. И мне приятно отметить, что все 5 прогнозов уже были подробно рассмотрены в постах моего канала.
Вот эти прогнозы Forbes. Их порядковые номера соответствуют степени важности. Детали прогнозов желающие прочтут по ссылке на Forbes (линк). Кроме того, к каждому прогнозу приложена ссылка на мой пост, в котором я на эту тему уже писал.
1) ИИ все больше становится вопросом международной политики
Подробный анализ этого прогноза был дан мною в посте «Впереди ИИ-национализм и ИИ-национализация. Анализ влияния технологий ИИ на геополитику»
2) Движение к «Прозрачному ИИ»
Подробный анализ этого прогноза был дан мною в посте «Последнее решение «бить или не бить» навсегда должно остаться за людьми. Революция в ИИ-революции начинается - «черный ящик» пытаются заменить на «стеклянный».
3) ИИ для автоматизации все больше проникает во все сектора бизнеса
Подробный анализ этого прогноза был дан мною в посте «Какова реальная отдача от ИИ в бизнесе (сейчас и через 5 лет)»
4) ИИ создаст больше рабочих мест, чем будет потеряно из-за него
Подробный анализ этого прогноза был дан мною в посте «Роботизация – какая она на самом деле».
5) ИИ ассистенты начнут приносить пользу
Подробный анализ этого прогноза был дан мною в посте «Как стать более продуктивным и эффективным с помощью AI-инструментов».
#ИИ
Forbes
5 Important Artificial Intelligence Predictions (For 2019) Everyone Should Read
Artificial intelligence (AI), machine learning and deep learning have made huge strides in 2018. In this post we look at some of the key AI predictions for 2019, where is will be used, how it will make the biggest impact, as well as the key challenges we…
Не пропустите! 2 новых отчета по ИИ дают стереоскопическое представление о важнейшей области развития человечества.
Вышли 2 толковых отчета, пропустить которые себе дороже.
- The 2018 AI Index report (линк)
- AI Now Report 2018 (линк)
В отчете The 2018 AI Index report вся инфа упакована в несколько десятков графиков, просмотреть которые можно за 10 мин.
Подход авторов постмодернистский – статистика ото всюду и обо всем вокруг ИИ. Поэтому каждый находит в отчете что-то свое.
Например, в топе QUARTZ уже через час после публикации отчета вышли сразу три новостные статьи по материалам отчета:
- что теперь Европа, а не США или Китай, публикуют больше всего работ по ИИ (и это заслуга госфинансирования) (линк);
- что госиследования ИИ в Китае нарастают лавиной (линк);
- что ИИ стал резервацией гендерного неравенства (линк).
В отчете AI Now Report 2018 дан содержательный анализ пяти ключевых болевых точек, привнесенных человечеству технологиями ИИ и быстро превращающихся в источник его новых хронических заболеваний.
1) Обладание ИИ технологиями становится ключевым фактором нового вида быстро углубляющегося неравенства - «ИИ неравенства» среди людей, компаний и государств.
2) ИИ неотвратимо провоцирует дрейф государств к системам тотального наблюдения и контроля за гражданами, подталкивая на путь авторитаризма все правительства и режимы.
3) Расширение использования правительством автоматизированных систем принятия решений на основе ИИ, оказывает непосредственное воздействие на граждан и их сообщества, не предоставляя последним, по сути, никаких средств контроля подотчетности государства.
4) Расширяется практика нерегулируемых и неконтролируемых экспериментов применения ИИ технологий к человеческим популяциям (движемся к «Миру Дикого Запада»?)
5) Нерешаемые пока проблемы справедливости, предвзятости и дискриминации технологических решений на основе ИИ должны стать жестким ограничителем для их широкого применения.
Четверть тысячи полезных ссылок, большинство их которых кликабельны, - ценное дополнение для понимания положений отчета.
В заключение взгляните на приложенные 2 графика из 1го отчета – наглядная иллюстрация срочной необходимости для США включиться всей государственной мощью в ИИ-гонку с Китаем (где уже 73% публикаций об исследованиях в области ИИ приходится на государственные структуры).
#ИИ
Вышли 2 толковых отчета, пропустить которые себе дороже.
- The 2018 AI Index report (линк)
- AI Now Report 2018 (линк)
В отчете The 2018 AI Index report вся инфа упакована в несколько десятков графиков, просмотреть которые можно за 10 мин.
Подход авторов постмодернистский – статистика ото всюду и обо всем вокруг ИИ. Поэтому каждый находит в отчете что-то свое.
Например, в топе QUARTZ уже через час после публикации отчета вышли сразу три новостные статьи по материалам отчета:
- что теперь Европа, а не США или Китай, публикуют больше всего работ по ИИ (и это заслуга госфинансирования) (линк);
- что госиследования ИИ в Китае нарастают лавиной (линк);
- что ИИ стал резервацией гендерного неравенства (линк).
В отчете AI Now Report 2018 дан содержательный анализ пяти ключевых болевых точек, привнесенных человечеству технологиями ИИ и быстро превращающихся в источник его новых хронических заболеваний.
1) Обладание ИИ технологиями становится ключевым фактором нового вида быстро углубляющегося неравенства - «ИИ неравенства» среди людей, компаний и государств.
2) ИИ неотвратимо провоцирует дрейф государств к системам тотального наблюдения и контроля за гражданами, подталкивая на путь авторитаризма все правительства и режимы.
3) Расширение использования правительством автоматизированных систем принятия решений на основе ИИ, оказывает непосредственное воздействие на граждан и их сообщества, не предоставляя последним, по сути, никаких средств контроля подотчетности государства.
4) Расширяется практика нерегулируемых и неконтролируемых экспериментов применения ИИ технологий к человеческим популяциям (движемся к «Миру Дикого Запада»?)
5) Нерешаемые пока проблемы справедливости, предвзятости и дискриминации технологических решений на основе ИИ должны стать жестким ограничителем для их широкого применения.
Четверть тысячи полезных ссылок, большинство их которых кликабельны, - ценное дополнение для понимания положений отчета.
В заключение взгляните на приложенные 2 графика из 1го отчета – наглядная иллюстрация срочной необходимости для США включиться всей государственной мощью в ИИ-гонку с Китаем (где уже 73% публикаций об исследованиях в области ИИ приходится на государственные структуры).
#ИИ
Беспилотник для раллийных гонок. Как научить беспилотное авто гонять как в «Форсаже».
Задача нетривиальная. «Обычный ИИ» на глубоком обучении так не умеет. Однако, со временем подобные вещи будут делать «кентавры», объединяющие в себе возможности людей и ИИ.
Вот отличный практический пример – обучение беспилотных авто агрессивному сверхчеловеческому вождению в стиле культового фильма «Форсаж».
Исследователи из Технологического института штата Джорджия создали систему автоматического вождения, которая успешно гоняет на высоких скоростях автомодель в масштабе 1:5 по ралли на грунтовой дороге.
FYI: вождение беспилотных авто по бездорожью – важнейшая задача для вояк, готовых вкладывать в разработку наземных беспилотников немереные деньги.
Работает это путем совмещения глубокого обучения и модели прогнозирующего контроля (подробности см. в статье). Исследователи тестируют систему на сложной грунтовой дороге в техническом гоночном центре. Дорога включает повороты различного радиуса, включая 180-градусный крутой поворот и S-образную кривую, а также длинный прямой участок (см. видео)
Автомобильчик AutoRally способен сколь угодно много раз преодолевать гоночный круг, показывая самый лучший из всех результатов, единожды достигнутый опытным водителем-испытателем (данные гонки которого загружаются в систему).
Подобные гибридные системы, где глубокое обучение решает конкретную задачу, но является при этом лишь одним из компонентов системы, - вероятно, имеют большое будущее в сложных областях. Есть все основания предполагать, что в будущем большинство прикладных робототехнических систем будут использовать модульные системы, сочетающие в себе лучшие из заданных человеком функций, а также системы аппроксимации функций, основанных на глубоком обучении.
Свежее видео Vision-Based High Speed Driving with a Deep Dynamic Observer на 2мин https://www.youtube.com/watch?v=5ALIK-z-vUg
Свежая статья, объясняющая в деталях, как работает этот кентавр, на формулах, таблицах и картинках https://arxiv.org/pdf/1812.02071.pdf
#ИнтеллектКентавра #БеспилотныеАвто
Задача нетривиальная. «Обычный ИИ» на глубоком обучении так не умеет. Однако, со временем подобные вещи будут делать «кентавры», объединяющие в себе возможности людей и ИИ.
Вот отличный практический пример – обучение беспилотных авто агрессивному сверхчеловеческому вождению в стиле культового фильма «Форсаж».
Исследователи из Технологического института штата Джорджия создали систему автоматического вождения, которая успешно гоняет на высоких скоростях автомодель в масштабе 1:5 по ралли на грунтовой дороге.
FYI: вождение беспилотных авто по бездорожью – важнейшая задача для вояк, готовых вкладывать в разработку наземных беспилотников немереные деньги.
Работает это путем совмещения глубокого обучения и модели прогнозирующего контроля (подробности см. в статье). Исследователи тестируют систему на сложной грунтовой дороге в техническом гоночном центре. Дорога включает повороты различного радиуса, включая 180-градусный крутой поворот и S-образную кривую, а также длинный прямой участок (см. видео)
Автомобильчик AutoRally способен сколь угодно много раз преодолевать гоночный круг, показывая самый лучший из всех результатов, единожды достигнутый опытным водителем-испытателем (данные гонки которого загружаются в систему).
Подобные гибридные системы, где глубокое обучение решает конкретную задачу, но является при этом лишь одним из компонентов системы, - вероятно, имеют большое будущее в сложных областях. Есть все основания предполагать, что в будущем большинство прикладных робототехнических систем будут использовать модульные системы, сочетающие в себе лучшие из заданных человеком функций, а также системы аппроксимации функций, основанных на глубоком обучении.
Свежее видео Vision-Based High Speed Driving with a Deep Dynamic Observer на 2мин https://www.youtube.com/watch?v=5ALIK-z-vUg
Свежая статья, объясняющая в деталях, как работает этот кентавр, на формулах, таблицах и картинках https://arxiv.org/pdf/1812.02071.pdf
#ИнтеллектКентавра #БеспилотныеАвто
YouTube
Vision-Based High Speed Driving with a Deep Dynamic Observer
Experimental results collected using an AutoRally platform for the paper available on arXiv: https://arxiv.org/abs/1812.02071
Открыт обратный 2й закон термодинамики. Он определяет закономерность спонтанного усложнения жизни и социальных систем: от вирусов до государств.
«Понять — значит упростить» — лаконично и точно сформулировали братья Стругацкие в повести “Волны гасят ветер”. Испокон века наука делала именно так.
Ньютон упростил свои законы до одной универсальной идеи — гравитации, объясняющей движения любых тел: от падающих яблок до планет, от полета камня из пращи до пули и ракеты.
Но законы Ньютона, как и вся наука, построенная на их фундаменте, имели пределы. Они не смогли справиться с очень сильной гравитацией, чрезвычайно быстрым движением и сверхмалыми частицами.
Теория относительности и квантовая механика смогли превзойти эти ограничения, по-своему упростив макро и микро-мир парой оригинальных и интригующих идей.
1. Гравитация — это искажение пространства-времени массивными телами.
2. Свет и элементы, составляющие материю, могут вести себя не только, как частицы, но и как волны.
Но и после триумфа теории относительности и квантовой физика, все равно оставалась область, где наука тщетно пыталась найти способ упростить особый класс систем, не поддававшихся упрощению.
Самое неприятное было в том, что этот неупрощаемый класс т.н. сложных систем встречается буквально повсюду и описывает важнейшие системы мироздания.
• Некоторые из таких систем физические — например, электросети или Интернет.
• Многие из них биологические — мозг, органы, экосистемы.
• Третьи — самый непонятный для упрощения подкласс — социальные системы общества, финансовые рынки, системы корпоративного управления и, конечно же, наше все 21го века — социальные сети.
И вот, наконец, к концу 2ой декады 21 века свершилось, — смогли упростить и их.
Сознан формализм, позволяющий математически (количественно) описать принципиальное отличие сложных систем от всех остальных классов систем — их структурные свойства, как совокупность отношений между всеми наборами компонентов в системе.
Теперь, упростив и создав математический формализм, шансы понять, как же работают все эти важнейшие из систем окружающего мира, включая нас самих, становятся реальными.
О новой интригующей работе Института комплексных систем Новой Англии (NECSI), формально открывающей путь к пониманию поведения (зависящего от структурных свойств) сложных систем (от соцсетей до государств) — можно прочесть в моем новом посте на 10 мин.:
- на Medium (https://bit.ly/2S5y2Tt)
- или Яндекс Дзен (https://bit.ly/2zZrpek)
#Сложность #Complexity
«Понять — значит упростить» — лаконично и точно сформулировали братья Стругацкие в повести “Волны гасят ветер”. Испокон века наука делала именно так.
Ньютон упростил свои законы до одной универсальной идеи — гравитации, объясняющей движения любых тел: от падающих яблок до планет, от полета камня из пращи до пули и ракеты.
Но законы Ньютона, как и вся наука, построенная на их фундаменте, имели пределы. Они не смогли справиться с очень сильной гравитацией, чрезвычайно быстрым движением и сверхмалыми частицами.
Теория относительности и квантовая механика смогли превзойти эти ограничения, по-своему упростив макро и микро-мир парой оригинальных и интригующих идей.
1. Гравитация — это искажение пространства-времени массивными телами.
2. Свет и элементы, составляющие материю, могут вести себя не только, как частицы, но и как волны.
Но и после триумфа теории относительности и квантовой физика, все равно оставалась область, где наука тщетно пыталась найти способ упростить особый класс систем, не поддававшихся упрощению.
Самое неприятное было в том, что этот неупрощаемый класс т.н. сложных систем встречается буквально повсюду и описывает важнейшие системы мироздания.
• Некоторые из таких систем физические — например, электросети или Интернет.
• Многие из них биологические — мозг, органы, экосистемы.
• Третьи — самый непонятный для упрощения подкласс — социальные системы общества, финансовые рынки, системы корпоративного управления и, конечно же, наше все 21го века — социальные сети.
И вот, наконец, к концу 2ой декады 21 века свершилось, — смогли упростить и их.
Сознан формализм, позволяющий математически (количественно) описать принципиальное отличие сложных систем от всех остальных классов систем — их структурные свойства, как совокупность отношений между всеми наборами компонентов в системе.
Теперь, упростив и создав математический формализм, шансы понять, как же работают все эти важнейшие из систем окружающего мира, включая нас самих, становятся реальными.
О новой интригующей работе Института комплексных систем Новой Англии (NECSI), формально открывающей путь к пониманию поведения (зависящего от структурных свойств) сложных систем (от соцсетей до государств) — можно прочесть в моем новом посте на 10 мин.:
- на Medium (https://bit.ly/2S5y2Tt)
- или Яндекс Дзен (https://bit.ly/2zZrpek)
#Сложность #Complexity
Medium
Открыт обратный 2й закон термодинамики
Он определяет закономерность спонтанного усложнения жизни и социальных систем: от вирусов до государств
Важнейший техно-бизнес-тренд 1го двадцатилетия века.
Возможно, ИИ и блокчейн смогут в следующем десятилетии больше изменить нашу жизнь. Но по итогам 1го двадцатилетия, именно уберизация – это №1 среди трансформационных техно-бизнес-трендов, в немалой мере влияющий также и на социально-культурные аспекты жизни.
И дело даже не во все расширяющейся отраслевой экспансии (уберизация экономики, логистики, грузоперевозок, юридических услуг, образования …), а в том, что это новый класс бизнеса, в основе которого идеальный двусторонний рынок, со своими законами, механизмами и процессами. Именно он – уберынок, возможно, станет со временем не только основой бизнеса в цифровой экономике, но и экосистемой социальных платформ коллективного социального взаимодействия в цифровом обществе.
Уберынок кажется совсем не сложным для понимания. Но это обманчивая простота. Честно говоря, никто еще до конца не понимает, как он работает и куда уберизация приведет даже в, казалось бы, вполне понятной индустрии транспорта.
Например, есть мнение, что уберынок убьет не только индустрии такси и проката машин, но и весь мульти-триллионный рынок личного транспорта. Причем, не только существующий авторынок, но и еще только нарождающийся рынок персональных беспилотных авто и даже рынок частного авиатранспорта.
Другой пример – мечта Питера Тиля о летающих автомобилях, которые, по его мнению, давно пора было превратить в основной транспорт человечества, тогда как люди, вместо этого, вкладывают деньги в развитие всяких малополезных затей, типа социальных сетей.
Не секрет, что компания Uber,
- получая сейчас основную прибыль от доставки еды (а вовсе не от сервиса такси, Карл)
- свой будущий убер-бизнес видит кардинально иным, - вкладывая миллиарды долларов в разработку летающих авто и являясь сегодня лидером этого направления.
Понять специфику и ключевые отличия убер-бизнеса:
- его моделей (коих уже немала, а будет еще больше),
- организации процессов (кои уникальны и создаются с нуля),
- особенностей конкуренции (которая в России и Китае – совсем иная, чем в США)
- бизнес-метрик (среди которых рулит отрицательный отток пользователей), -
вы теперь можете, прочтя толково и понятно написанный отчет Cbinsights о родоначальнике уберизации - компании Uber - How Uber Makes Money.
Этот отчет позволяет разобраться со всем вышеперечисленным всего за минут 15-20, тогда как чтение подобных материалов инвестбанков (даже если у вас есть к ним бесплатный доступ) займет на порядок больше времени, при соизмеримых результатах.
Если же пожелаете кайфануть, заглянув в недалекое будущее летающих авто, посмотрите:
- 4х мин. ролик об интегрированной земно-воздушной системе транспорта по требованию https://bit.ly/2ECDaLL
- программу планируемого к запуску до 2023 г. сервиса UberAir https://cnet.co/2Lm48HT
- результаты недавно прошедшего саммита о прилетающих по требованию флаингкарах https://ubr.to/2USbfMz
- ну и конечно же отчет How Uber Makes Money https://bit.ly/2SPjqr2
#Уберизация #ЛетающиеАвто
Возможно, ИИ и блокчейн смогут в следующем десятилетии больше изменить нашу жизнь. Но по итогам 1го двадцатилетия, именно уберизация – это №1 среди трансформационных техно-бизнес-трендов, в немалой мере влияющий также и на социально-культурные аспекты жизни.
И дело даже не во все расширяющейся отраслевой экспансии (уберизация экономики, логистики, грузоперевозок, юридических услуг, образования …), а в том, что это новый класс бизнеса, в основе которого идеальный двусторонний рынок, со своими законами, механизмами и процессами. Именно он – уберынок, возможно, станет со временем не только основой бизнеса в цифровой экономике, но и экосистемой социальных платформ коллективного социального взаимодействия в цифровом обществе.
Уберынок кажется совсем не сложным для понимания. Но это обманчивая простота. Честно говоря, никто еще до конца не понимает, как он работает и куда уберизация приведет даже в, казалось бы, вполне понятной индустрии транспорта.
Например, есть мнение, что уберынок убьет не только индустрии такси и проката машин, но и весь мульти-триллионный рынок личного транспорта. Причем, не только существующий авторынок, но и еще только нарождающийся рынок персональных беспилотных авто и даже рынок частного авиатранспорта.
Другой пример – мечта Питера Тиля о летающих автомобилях, которые, по его мнению, давно пора было превратить в основной транспорт человечества, тогда как люди, вместо этого, вкладывают деньги в развитие всяких малополезных затей, типа социальных сетей.
Не секрет, что компания Uber,
- получая сейчас основную прибыль от доставки еды (а вовсе не от сервиса такси, Карл)
- свой будущий убер-бизнес видит кардинально иным, - вкладывая миллиарды долларов в разработку летающих авто и являясь сегодня лидером этого направления.
Понять специфику и ключевые отличия убер-бизнеса:
- его моделей (коих уже немала, а будет еще больше),
- организации процессов (кои уникальны и создаются с нуля),
- особенностей конкуренции (которая в России и Китае – совсем иная, чем в США)
- бизнес-метрик (среди которых рулит отрицательный отток пользователей), -
вы теперь можете, прочтя толково и понятно написанный отчет Cbinsights о родоначальнике уберизации - компании Uber - How Uber Makes Money.
Этот отчет позволяет разобраться со всем вышеперечисленным всего за минут 15-20, тогда как чтение подобных материалов инвестбанков (даже если у вас есть к ним бесплатный доступ) займет на порядок больше времени, при соизмеримых результатах.
Если же пожелаете кайфануть, заглянув в недалекое будущее летающих авто, посмотрите:
- 4х мин. ролик об интегрированной земно-воздушной системе транспорта по требованию https://bit.ly/2ECDaLL
- программу планируемого к запуску до 2023 г. сервиса UberAir https://cnet.co/2Lm48HT
- результаты недавно прошедшего саммита о прилетающих по требованию флаингкарах https://ubr.to/2USbfMz
- ну и конечно же отчет How Uber Makes Money https://bit.ly/2SPjqr2
#Уберизация #ЛетающиеАвто
YouTube
The Terrafugia TF-2
The Terrafugia TF-2: Transforming On-Demand travel with a three-part transportation system for seamless door-to-door travel.
Как долго нас будут помнить после смерти.
Открыта формула коллективной памяти. Мы забывает всё в соответствии с универсальным законом.
В увлекательной коллекции притч «Итог: сорок рассказов из загробного мира» нейробиолога Дэвида Иглмана описывается мир, в котором человек окончательно умирает лишь тогда, когда его совсем забудут. После физической смерти человек покидает Землю и попадает в что-то типа огромного зала, покинуть который будет можно лишь после того, как имя человека будет произнесено на Земле в последний раз.
«Это похоже на бесконечную зону ожидания аэропорта», — пишет Иглман. «Но состав людей в зале — просто потрясающий».
Оно и понятно. Ведь большинство людей относительно быстро покидают «зону ожидания», как только туда прибывают их самые близкие (супруги и дети) — те немногие, кто вспоминал о них на Земле.
Но по-настоящему знаменитым приходится тусоваться в «зоне ожидания» веками. Некоторые, замучившись бесконечно пребывать в «зоне ожидания», молят богов о разрушении на Земле их последних памятников …
Рассказ Иглмана — метафора того, что психологи и социологи называют коллективной памятью. Это наиважнейший фактор формирования идентичности и мировоззрения, влияющий на все структуры и приоритеты общества.
Так вот. На прошлой неделе в журнале Nature Human Behavior была опубликована статья об удивительном открытии, связанном с коллективной памятью.
Характер ее распада (затирания) следует универсальному математическому закону, описываемому биэкспоненциальной моделью
Продолжить чтение моего нового поста (еще на 5 мин.) можно
- на Medium https://bit.ly/2SXhk8U
- на Яндекс Дзен https://bit.ly/2A95d1n
#CollectiveMemory
Открыта формула коллективной памяти. Мы забывает всё в соответствии с универсальным законом.
В увлекательной коллекции притч «Итог: сорок рассказов из загробного мира» нейробиолога Дэвида Иглмана описывается мир, в котором человек окончательно умирает лишь тогда, когда его совсем забудут. После физической смерти человек покидает Землю и попадает в что-то типа огромного зала, покинуть который будет можно лишь после того, как имя человека будет произнесено на Земле в последний раз.
«Это похоже на бесконечную зону ожидания аэропорта», — пишет Иглман. «Но состав людей в зале — просто потрясающий».
Оно и понятно. Ведь большинство людей относительно быстро покидают «зону ожидания», как только туда прибывают их самые близкие (супруги и дети) — те немногие, кто вспоминал о них на Земле.
Но по-настоящему знаменитым приходится тусоваться в «зоне ожидания» веками. Некоторые, замучившись бесконечно пребывать в «зоне ожидания», молят богов о разрушении на Земле их последних памятников …
Рассказ Иглмана — метафора того, что психологи и социологи называют коллективной памятью. Это наиважнейший фактор формирования идентичности и мировоззрения, влияющий на все структуры и приоритеты общества.
Так вот. На прошлой неделе в журнале Nature Human Behavior была опубликована статья об удивительном открытии, связанном с коллективной памятью.
Характер ее распада (затирания) следует универсальному математическому закону, описываемому биэкспоненциальной моделью
Продолжить чтение моего нового поста (еще на 5 мин.) можно
- на Medium https://bit.ly/2SXhk8U
- на Яндекс Дзен https://bit.ly/2A95d1n
#CollectiveMemory
Medium
Как долго нас будут помнить после смерти
Открыта формула коллективной памяти. Мы забывает всё в соответствии с универсальным законом
Как держать любое количество фактов в долговременной памяти – ВЕЧНО!
Универсальная методика запоминания навсегда.
С удовольствием рекомендую новый кейс для эффективного самообучения.
Каждый знает: повторенье – мать учения.
Один из миллиона знает, как правильно организовать эффективный процесс повторения, т.к. он освоил теорию и практику науки «интервальных повторений» (для информации: этому долго и серьезно учат, причем, большинство из учебных курсов – просто шарлатаны).
Один из 7 миллиардов, наконец, придумал новый метод изучения и освоения науки «интервальных повторений» с помощью его же собственной методики визуально-игровых «исследуемых объяснений» и игры в карты по 20 мин. в день.
Главная хитрость этой методики такова.
✔️ Для того чтобы запомнить... нужно почти забыть.
Это как при тренировке мышц: ты ничего не получишь с весом, который слишком лёгок..., как и с тем, что слишком тяжёл.
Кажется просто. На деле же – совсем не так.
Зовут придумавшего этот визуально-игровой метод - Ники Кейс (Nicky Case).
А вот и сам курс на русском https://ncase.me/remember/ru.html (кому надо, есть и другие языки).
И вы сильно ошибетесь, если хотя бы не попробуете поучить своих детей (да и самим поучиться) держать большое количество единиц информации в долговременной памяти – ВЕЧНО!
Наводку на другие кейсы Ники Кейса для эффективного самообучения см. в постах моего канала по тэгу
#ExplorableExplanations
Универсальная методика запоминания навсегда.
С удовольствием рекомендую новый кейс для эффективного самообучения.
Каждый знает: повторенье – мать учения.
Один из миллиона знает, как правильно организовать эффективный процесс повторения, т.к. он освоил теорию и практику науки «интервальных повторений» (для информации: этому долго и серьезно учат, причем, большинство из учебных курсов – просто шарлатаны).
Один из 7 миллиардов, наконец, придумал новый метод изучения и освоения науки «интервальных повторений» с помощью его же собственной методики визуально-игровых «исследуемых объяснений» и игры в карты по 20 мин. в день.
Главная хитрость этой методики такова.
✔️ Для того чтобы запомнить... нужно почти забыть.
Это как при тренировке мышц: ты ничего не получишь с весом, который слишком лёгок..., как и с тем, что слишком тяжёл.
Кажется просто. На деле же – совсем не так.
Зовут придумавшего этот визуально-игровой метод - Ники Кейс (Nicky Case).
А вот и сам курс на русском https://ncase.me/remember/ru.html (кому надо, есть и другие языки).
И вы сильно ошибетесь, если хотя бы не попробуете поучить своих детей (да и самим поучиться) держать большое количество единиц информации в долговременной памяти – ВЕЧНО!
Наводку на другие кейсы Ники Кейса для эффективного самообучения см. в постах моего канала по тэгу
#ExplorableExplanations
ncase.me
Как помнить что-нибудь навсегда
интерактивный комикс об искусстве и науке памяти
Расшифровка «Стонов Каскадии» может спасти десятки тысяч жизней. Предотвратить надвигающееся самое страшное землетрясение в истории США наука не может. Но сделан прорыв в его предсказании.
Исследователи лаборатории Лос-Аламос использовали машинное обучение для прогнозирования землетрясений в районе разлома Каскадия (длинной в 700 миль от северной Калифорнии до южной части Британской Колумбии – примерно до Сиэтла).
В этой истории поражают 2 вещи.
1) Безграничные пределы человеческой близорукости.
Обнаруженная связь между громкостью акустического сигнала разлома - т.н. «Стоны Каскадии» - и его физическими изменениями, никому раньше просто не приходила в голову. «Стоны Каскадии» считались бессмысленным шумом, из которого ничего не следует.
Но стоило преодолеть эту близорукость и запустить машинное обучение на поиск шаблонов, как тут же нашли звуковой шаблон, указывающий на повышение активности в движении тектонических плит.
Как тут не вспомнить «Глас Господа» Станислава Лема.
2) Безграничный оптимизм людей, знающих о надвигающейся катастрофе, но продолжающих любить, рожать детей, строить дома ...
Гигантская плита под Тихим океаном неуклонно скользит под Северную Америку со скоростью тридцать-сорок миллиметров в год. В результате в разломе Каскадия нарастает давление, и все обречено закончиться сильным землетрясением.
Два варианта:
- оно будет либо сильным (8-8,6 баллов),
- либо очень сильным (8,7-9,2 балла).
Вероятность 1го в ближайшие пятьдесят лет примерно 33%.
Вероятность 2го - примерно 10%.
Но в любом случае, это будет величайшая природная катастрофа в истории Северной Америки.
Континентальный шельф Каскадии, опустится на 2 метра и отскочит от 10 до 30 метров в западную сторону. В минуту произойдет выброс энергии, накопленной в результате столетнего сжатия. Вода поднимется вверх как гора, а затем быстро обрушится. Одна сторона гигантской волны пойдет на запад, в сторону Японии. Другая сторона - на восток. Тысяча километровая стена воды, сметая все на пути, достигнет Северо-Западного побережья где-то через пятнадцать минут после начала землетрясения.
Погибнут десятки тысяч человек. Миллионы останутся без крова. Вся инфраструктура будет разрушена…
Но никто не уезжает. Люди продолжают жить, как ни в чем не бывало. Авось на наш век хватит.
Но ведь шансы в 30%, что это может случится в ближайшие 50 лет, вовсе не отодвигают катастрофу на 50 лет. Это означает, что с такой вероятностью катастрофа может случиться, например, завтра или через месяц, или через год.
Подробней о расшифровке «Стонов Каскадии» (там же две ссылки на научные статьи) https://phys.org/news/2018-12-machine-learning-detected-earthquake.html
Подробней о грядущей катастрофе в зоне Каскадия https://www.newyorker.com/magazine/2015/07/20/the-really-big-one
#МашинноеОбучение
Исследователи лаборатории Лос-Аламос использовали машинное обучение для прогнозирования землетрясений в районе разлома Каскадия (длинной в 700 миль от северной Калифорнии до южной части Британской Колумбии – примерно до Сиэтла).
В этой истории поражают 2 вещи.
1) Безграничные пределы человеческой близорукости.
Обнаруженная связь между громкостью акустического сигнала разлома - т.н. «Стоны Каскадии» - и его физическими изменениями, никому раньше просто не приходила в голову. «Стоны Каскадии» считались бессмысленным шумом, из которого ничего не следует.
Но стоило преодолеть эту близорукость и запустить машинное обучение на поиск шаблонов, как тут же нашли звуковой шаблон, указывающий на повышение активности в движении тектонических плит.
Как тут не вспомнить «Глас Господа» Станислава Лема.
2) Безграничный оптимизм людей, знающих о надвигающейся катастрофе, но продолжающих любить, рожать детей, строить дома ...
Гигантская плита под Тихим океаном неуклонно скользит под Северную Америку со скоростью тридцать-сорок миллиметров в год. В результате в разломе Каскадия нарастает давление, и все обречено закончиться сильным землетрясением.
Два варианта:
- оно будет либо сильным (8-8,6 баллов),
- либо очень сильным (8,7-9,2 балла).
Вероятность 1го в ближайшие пятьдесят лет примерно 33%.
Вероятность 2го - примерно 10%.
Но в любом случае, это будет величайшая природная катастрофа в истории Северной Америки.
Континентальный шельф Каскадии, опустится на 2 метра и отскочит от 10 до 30 метров в западную сторону. В минуту произойдет выброс энергии, накопленной в результате столетнего сжатия. Вода поднимется вверх как гора, а затем быстро обрушится. Одна сторона гигантской волны пойдет на запад, в сторону Японии. Другая сторона - на восток. Тысяча километровая стена воды, сметая все на пути, достигнет Северо-Западного побережья где-то через пятнадцать минут после начала землетрясения.
Погибнут десятки тысяч человек. Миллионы останутся без крова. Вся инфраструктура будет разрушена…
Но никто не уезжает. Люди продолжают жить, как ни в чем не бывало. Авось на наш век хватит.
Но ведь шансы в 30%, что это может случится в ближайшие 50 лет, вовсе не отодвигают катастрофу на 50 лет. Это означает, что с такой вероятностью катастрофа может случиться, например, завтра или через месяц, или через год.
Подробней о расшифровке «Стонов Каскадии» (там же две ссылки на научные статьи) https://phys.org/news/2018-12-machine-learning-detected-earthquake.html
Подробней о грядущей катастрофе в зоне Каскадия https://www.newyorker.com/magazine/2015/07/20/the-really-big-one
#МашинноеОбучение
phys.org
Machine learning-detected signal predicts time to earthquake
Machine-learning research published in two related papers today in Nature Geoscience reports the detection of seismic signals accurately predicting the Cascadia fault's slow slippage, a type of failure ...
Лучшие нонфикшн книги мира 2018 года
Если что и брать с собой почитать в длинные НГ каникулы, так что-то из этих книг (благо есть номинации на любой вкус).
Рекомендации канала «Малоизвестное интересное», с полным осознанием ответственности, делегированы самой, имхо, интеллектуальной и беспристрастной мировой премии нонфикшн книг Non-Obvious Book Awards.
Победителями этой премии в 2018 стали:
1. Самая интересная деловая книга года - «Формула» Альберта-Ласло Барабаши.
Что если настоящий секрет знаменитости Эйнштейна был в том, что он оказался в нужном месте в нужное время? Почему только лидеры получают все лавры за коллективные достижения? Почему известные художники остаются известными, независимо от того, насколько хороши их работы? Первая в мире книга, посвященная науке об успехе.
подробней
2. Самая актуальная книга года - «Бесполезные работы» Дэвида Гребера.
Вследствие ИИ автоматизации, у всё большего количества людей работа становится бессмысленной. Есть ли какая-то польза от однообразной рутины? Диагноз и эпидемиология вопроса.
подробней
3. Самая полезная книга года - «Фактологичность» Ганса Рослинга.
Десять причин, по которым мы ошибаемся насчет мира и почему все лучше, чем кажется» - о стереотипах мировоззрения, не имеющих ничего общего с реальность, и причинах, искажающих восприятие.
подробней
4. Самая оригинальная книга года - «Победители забирают всё» Ананд Гиридхарадас
О том, что «всё могут богачи» и что истинная власть в развитых странах находится в руках финансовых титанов, которых править согражданами никто не выбирал.
подробней
5. Самая разшариваемая книга года - «Бунтарский талант» Франчески Джино.
Нарушение правил игры сотрудниками помогает усилить позиции компании на рынке. Перед тем, как увольнять, изучите другие варианты. Почему принимать на работу сотрудников-бунтарей – один из эффективных способов для развития бизнеса.
подробней
Но это еще не всё!
Это – шорт лист из 15 книг
А здесь все списки:
- 5 лучших книг,
- 15 книг шорт-листа,
- 35 книг лонг-листа, включая отличнейшие книги, которые я уже рекомендовал:
от «21 урок для XXI века» Харари
до «Сверхдержавы ИИ: Китай, Силиконовая долина и новый мировой порядок» Кай-Фу Ли
И поверьте, лучшей подборки из 35 книг для чтения в течение всего 2019, - не найдете! 👍
#БББ
Если что и брать с собой почитать в длинные НГ каникулы, так что-то из этих книг (благо есть номинации на любой вкус).
Рекомендации канала «Малоизвестное интересное», с полным осознанием ответственности, делегированы самой, имхо, интеллектуальной и беспристрастной мировой премии нонфикшн книг Non-Obvious Book Awards.
Победителями этой премии в 2018 стали:
1. Самая интересная деловая книга года - «Формула» Альберта-Ласло Барабаши.
Что если настоящий секрет знаменитости Эйнштейна был в том, что он оказался в нужном месте в нужное время? Почему только лидеры получают все лавры за коллективные достижения? Почему известные художники остаются известными, независимо от того, насколько хороши их работы? Первая в мире книга, посвященная науке об успехе.
подробней
2. Самая актуальная книга года - «Бесполезные работы» Дэвида Гребера.
Вследствие ИИ автоматизации, у всё большего количества людей работа становится бессмысленной. Есть ли какая-то польза от однообразной рутины? Диагноз и эпидемиология вопроса.
подробней
3. Самая полезная книга года - «Фактологичность» Ганса Рослинга.
Десять причин, по которым мы ошибаемся насчет мира и почему все лучше, чем кажется» - о стереотипах мировоззрения, не имеющих ничего общего с реальность, и причинах, искажающих восприятие.
подробней
4. Самая оригинальная книга года - «Победители забирают всё» Ананд Гиридхарадас
О том, что «всё могут богачи» и что истинная власть в развитых странах находится в руках финансовых титанов, которых править согражданами никто не выбирал.
подробней
5. Самая разшариваемая книга года - «Бунтарский талант» Франчески Джино.
Нарушение правил игры сотрудниками помогает усилить позиции компании на рынке. Перед тем, как увольнять, изучите другие варианты. Почему принимать на работу сотрудников-бунтарей – один из эффективных способов для развития бизнеса.
подробней
Но это еще не всё!
Это – шорт лист из 15 книг
А здесь все списки:
- 5 лучших книг,
- 15 книг шорт-листа,
- 35 книг лонг-листа, включая отличнейшие книги, которые я уже рекомендовал:
от «21 урок для XXI века» Харари
до «Сверхдержавы ИИ: Китай, Силиконовая долина и новый мировой порядок» Кай-Фу Ли
И поверьте, лучшей подборки из 35 книг для чтения в течение всего 2019, - не найдете! 👍
#БББ
Итоги: Самые важные прорывы ИИ & МО в 2018 и самые многообещающие тренды 2019
Это технический обзор с точки зрения практиков. И потому его написал специалист именно такого профиля – Пранав Дар из Analytics Vidhya (кто не слышал, рекомендую).
Почему в итогах 2018 говорится именно о ИИ & МО (машинное обучение), - долго объяснять не надо.
С т.з. инвестиций (на входе) и практики конкретных приложений (на выходе), сектор ИИ & МО составляет 90% всех передовых ИТ разработок.
Если сократить текст обзора итогов года до 1 слова, то получится –
- Impactful (во всем спектре переводов: от имеющий ударную силу до яркий, впечатляющий, плодотворный и показательный).
Обзор итогов проведен по 5 ключевым направлениям:
1) Обработка естественного языка
Главный итог: повсеместный переход на предварительно обученные модели (больше не надейтесь получить приличный перевод, предварительно не поучив переводчик на нужных вам текстах… Зато если поучите – получите вполне приличные переводы)
2) Компьютерное зрение
Главный итог: самостоятельное обучение (не тратя время на маркировку изображений вручную) выходит в мейнстрим.
3) Инструменты и библиотеки
Главный итог: начало преодоления разрыва между моделированием черного ящика и производством моделей с помощью machine learning interpretability (MLI)
4) Обучение с подкреплением
Главный итог: наконец-то, от академических задач (типа шахмат и Го) начинается переход к практическим задачам (поиск лекарств, оптимизация архитектуры электронных чипов, маршрутизация транспортных средств и пакетов и т. д.)
5) ИИ для добра - движение к этическому ИИ
Главный итог: государства всё больше влезают в эту сферу, и 2019 станет в данном тренде показательным, если не переломным.
Кто хотел бы рассмотреть итоги в режиме расширенного резюме (примерно на 5-10 мин. чтения) – вам сюда
https://www.analyticsvidhya.com/blog/2018/12/key-breakthroughs-ai-ml-2018-trends-2019/
#ИИ #МашинноеОбучение
Это технический обзор с точки зрения практиков. И потому его написал специалист именно такого профиля – Пранав Дар из Analytics Vidhya (кто не слышал, рекомендую).
Почему в итогах 2018 говорится именно о ИИ & МО (машинное обучение), - долго объяснять не надо.
С т.з. инвестиций (на входе) и практики конкретных приложений (на выходе), сектор ИИ & МО составляет 90% всех передовых ИТ разработок.
Если сократить текст обзора итогов года до 1 слова, то получится –
- Impactful (во всем спектре переводов: от имеющий ударную силу до яркий, впечатляющий, плодотворный и показательный).
Обзор итогов проведен по 5 ключевым направлениям:
1) Обработка естественного языка
Главный итог: повсеместный переход на предварительно обученные модели (больше не надейтесь получить приличный перевод, предварительно не поучив переводчик на нужных вам текстах… Зато если поучите – получите вполне приличные переводы)
2) Компьютерное зрение
Главный итог: самостоятельное обучение (не тратя время на маркировку изображений вручную) выходит в мейнстрим.
3) Инструменты и библиотеки
Главный итог: начало преодоления разрыва между моделированием черного ящика и производством моделей с помощью machine learning interpretability (MLI)
4) Обучение с подкреплением
Главный итог: наконец-то, от академических задач (типа шахмат и Го) начинается переход к практическим задачам (поиск лекарств, оптимизация архитектуры электронных чипов, маршрутизация транспортных средств и пакетов и т. д.)
5) ИИ для добра - движение к этическому ИИ
Главный итог: государства всё больше влезают в эту сферу, и 2019 станет в данном тренде показательным, если не переломным.
Кто хотел бы рассмотреть итоги в режиме расширенного резюме (примерно на 5-10 мин. чтения) – вам сюда
https://www.analyticsvidhya.com/blog/2018/12/key-breakthroughs-ai-ml-2018-trends-2019/
#ИИ #МашинноеОбучение
Analytics Vidhya
A Technical Overview of AI & ML (NLP, Computer Vision, Reinforcement Learning) in 2018 & Trends for 2019
From Google's BERT to Facebook's PyTorch, 2018 was a HUGE year in ML. Find out what else made the news and what to look forward to in the new year!
Найдена формула вычисления человеческого капитала. Из неё следует, что стартапам нужны лисы, а не ежи!
Анализ больших данных о сложных сетевых системах приносит фантастические прорывные результаты во всё новых и новых областях.
Например, нынче почти все убеждены, что генетический код – лучший предиктор показателей здоровья. А на деле, наблюдаемый при тотальной урбанизации рост плотности, разнообразия, эпидемической связанности и неравенства населения привел к тому, что сегодня почтовые индексы людей являются лучшим показателем здоровья, чем их генетический код (см. рис. https://bit.ly/2BEgAOP).
Еще пример совсем из другой области – как проводить оптимальные географические границы регионов. Оказывается, лучшим предиктором оптимального расположения границ является функциональная сеть транспортных потоков по пригородным маршрутам. (см. рис. https://bit.ly/2Tbm7DQ) .
А что, если проанализировать на национальном уровне большие данные о развитии всех предприятий за 10+ лет в увязке с показателями человеческого капитала персонала каждой из компаний.
Это и было сделано в капитальном бразильском исследовании, сенсационные данные которого только что опубликованы.
Об этом мой новый пост на 5 мин.
- на Medium https://bit.ly/2Rbqi59
- на Яндекс Дзен https://bit.ly/2BCTh84
#ЧеловеческийКапитал
Анализ больших данных о сложных сетевых системах приносит фантастические прорывные результаты во всё новых и новых областях.
Например, нынче почти все убеждены, что генетический код – лучший предиктор показателей здоровья. А на деле, наблюдаемый при тотальной урбанизации рост плотности, разнообразия, эпидемической связанности и неравенства населения привел к тому, что сегодня почтовые индексы людей являются лучшим показателем здоровья, чем их генетический код (см. рис. https://bit.ly/2BEgAOP).
Еще пример совсем из другой области – как проводить оптимальные географические границы регионов. Оказывается, лучшим предиктором оптимального расположения границ является функциональная сеть транспортных потоков по пригородным маршрутам. (см. рис. https://bit.ly/2Tbm7DQ) .
А что, если проанализировать на национальном уровне большие данные о развитии всех предприятий за 10+ лет в увязке с показателями человеческого капитала персонала каждой из компаний.
Это и было сделано в капитальном бразильском исследовании, сенсационные данные которого только что опубликованы.
Об этом мой новый пост на 5 мин.
- на Medium https://bit.ly/2Rbqi59
- на Яндекс Дзен https://bit.ly/2BCTh84
#ЧеловеческийКапитал
Если обобщить десятки уже опубликованных итогов года и прогнозов на следующий по широкому спектру тем (от технологий и экономики до социальной и политической жизни), интегральный прогноз получается такой.
• Волатильность и неопределенность растут во всех странах, отраслях и рынках, равно как и в большинстве аспектов жизни человечества.
• В следующем году этот процесс продолжится с ускорением.
Почему это происходит?
Разные эксперты из разных областей дают широкий спектр различных ответов на этот вопрос.
Мне среди них ближе всего версия Нассима Талеба.
Причина в росте эпистемической неопределенности и эмерджентности вследствие техно-социального усложнения мира.
Попробую развернуть эту мысль Талеба, воспользовавшись его же аргументацией, как я её понимаю.
Продолжить чтение на 7 мин:
- на Medium https://bit.ly/2EQRsb1
- на Яндекс Дзен https://bit.ly/2RgsmIT
#ЧерныйЛебедь #Неопределенность #Эмерджентность #Прогнозирование
• Волатильность и неопределенность растут во всех странах, отраслях и рынках, равно как и в большинстве аспектов жизни человечества.
• В следующем году этот процесс продолжится с ускорением.
Почему это происходит?
Разные эксперты из разных областей дают широкий спектр различных ответов на этот вопрос.
Мне среди них ближе всего версия Нассима Талеба.
Причина в росте эпистемической неопределенности и эмерджентности вследствие техно-социального усложнения мира.
Попробую развернуть эту мысль Талеба, воспользовавшись его же аргументацией, как я её понимаю.
Продолжить чтение на 7 мин:
- на Medium https://bit.ly/2EQRsb1
- на Яндекс Дзен https://bit.ly/2RgsmIT
#ЧерныйЛебедь #Неопределенность #Эмерджентность #Прогнозирование
Medium
Итоги итогов 2018
Волотильность и неопределенность выросли и в 2019 вырастут еще больше
Предновогодний сюрприз - Microsoft раскрывает секрет самого умного ИИ мира.
Секрет в том, что реальный ИИ - это гибридный ИИ.
Система Microsoft XiaoIce – это самый популярный в мире социальный чат. Его уникальность в том, что он выполняет роль интеллектуального собеседника с эмоциональной связью, тем самым удовлетворяя потребность людей в общении, привязанности и социальной принадлежности.
Стандартный тест Тьюринга, как вы помните, в том, чтобы было трудно (или даже невозможно) отличить при общении с кем говоришь: с человеком или машиной.
Microsoft пошел дальше на основе расширенного теста Тьюринга – чтобы с машиной людям хотелось говорить больше, чем с другими людьми.
При проектировании XiaoIce принимался во внимание как интеллектуальный коэффициент (IQ), так и эмоциональный коэффициент (EQ), а также формируемые черты характера. Т.е. формула XiaoIce = IQ + EQ + Personality.
В результате социальный чат человек-машина:
1) превратился в систему иерархического принятия решений, математически описываемых марковским процессам - Markov Decision Processes;
2) оптимизирует долгосрочное вовлечение людей в общение (измеряемое в ожидаемом количестве обращений за сеанс – CPS – сколько раз человек захочет продолжить разговор с машиной после её ответа).
Одна из главных фишек XiaoIce - модуль эмпатических вычислений.
Microsoft впервые раскрыл секрет, как XiaoIce динамически распознает человеческие чувства и состояния, понимает намерения человека и реагирует на динамику его потребностей в ходе долгих разговоров.
С момента выпуска в 2014 году система XiaoIce общалась уже с более чем 660 миллионами людей и преуспела в установлении долгосрочных отношений со многими из них. Средний CPS XiaoIce, равен 23, что значительно выше, чем у других чат-ботов и даже человеческих разговоров.
Проверьте это на себе - сколько раз вы в среднем возвращаетесь к разговору с френдом в социальной сети (комментируете сказанное им или снова высказываетесь сами)?
Боюсь, что среднего показателя в 23 раза добьются единицы из нас!
Что значит XiaoIce уже превзошел среднего человека в искусстве общения. Общаться с ним людям более интересно, чем с другими людьми.
Это реальная сенсация. Поскольку практически означает, что в ближайшие год-два ИИ превзойдет ВСЕХ людей по привлекательности общения (включая супругов и любовников, а также родителей и детей)
А это для миллиардов пользователей сети будет куда круче и практически нужнее, чем абсолютное превосходство в шахматах и Го.
Как устроен этот гибридный ИИ, вы можете теперь узнать из только что опубликованной статьи Microsoft. А как выглядит его высокоуровневая архитектура, показано на рисунке.
Хороший новогодний подарок для тех, кто понимает 😃 👍
#ГибридныйИИ
Секрет в том, что реальный ИИ - это гибридный ИИ.
Система Microsoft XiaoIce – это самый популярный в мире социальный чат. Его уникальность в том, что он выполняет роль интеллектуального собеседника с эмоциональной связью, тем самым удовлетворяя потребность людей в общении, привязанности и социальной принадлежности.
Стандартный тест Тьюринга, как вы помните, в том, чтобы было трудно (или даже невозможно) отличить при общении с кем говоришь: с человеком или машиной.
Microsoft пошел дальше на основе расширенного теста Тьюринга – чтобы с машиной людям хотелось говорить больше, чем с другими людьми.
При проектировании XiaoIce принимался во внимание как интеллектуальный коэффициент (IQ), так и эмоциональный коэффициент (EQ), а также формируемые черты характера. Т.е. формула XiaoIce = IQ + EQ + Personality.
В результате социальный чат человек-машина:
1) превратился в систему иерархического принятия решений, математически описываемых марковским процессам - Markov Decision Processes;
2) оптимизирует долгосрочное вовлечение людей в общение (измеряемое в ожидаемом количестве обращений за сеанс – CPS – сколько раз человек захочет продолжить разговор с машиной после её ответа).
Одна из главных фишек XiaoIce - модуль эмпатических вычислений.
Microsoft впервые раскрыл секрет, как XiaoIce динамически распознает человеческие чувства и состояния, понимает намерения человека и реагирует на динамику его потребностей в ходе долгих разговоров.
С момента выпуска в 2014 году система XiaoIce общалась уже с более чем 660 миллионами людей и преуспела в установлении долгосрочных отношений со многими из них. Средний CPS XiaoIce, равен 23, что значительно выше, чем у других чат-ботов и даже человеческих разговоров.
Проверьте это на себе - сколько раз вы в среднем возвращаетесь к разговору с френдом в социальной сети (комментируете сказанное им или снова высказываетесь сами)?
Боюсь, что среднего показателя в 23 раза добьются единицы из нас!
Что значит XiaoIce уже превзошел среднего человека в искусстве общения. Общаться с ним людям более интересно, чем с другими людьми.
Это реальная сенсация. Поскольку практически означает, что в ближайшие год-два ИИ превзойдет ВСЕХ людей по привлекательности общения (включая супругов и любовников, а также родителей и детей)
А это для миллиардов пользователей сети будет куда круче и практически нужнее, чем абсолютное превосходство в шахматах и Го.
Как устроен этот гибридный ИИ, вы можете теперь узнать из только что опубликованной статьи Microsoft. А как выглядит его высокоуровневая архитектура, показано на рисунке.
Хороший новогодний подарок для тех, кто понимает 😃 👍
#ГибридныйИИ
С наступающим 2019! Пусть он будет для читателей канала Годом Умной Свиньи!
Ведь свинья умна, эмоциональна, обладает индивидуальностью и по многим когнитивным параметрам находится на уровне собак, шимпанзе, слонов, дельфинов и даже людей. Свиньи обладают превосходной памятью, проявляют эмпатию, способны к творчеству, понимают язык символов и умеют распознавать сложные комбинации действий. Подробней https://bit.ly/2LCeSC7
Ведь свинья умна, эмоциональна, обладает индивидуальностью и по многим когнитивным параметрам находится на уровне собак, шимпанзе, слонов, дельфинов и даже людей. Свиньи обладают превосходной памятью, проявляют эмпатию, способны к творчеству, понимают язык символов и умеют распознавать сложные комбинации действий. Подробней https://bit.ly/2LCeSC7
Не планировал я вас отвлекать в суете новогодних каникул, но не получилось. Поскольку без этого вы, скорее всего, пропустите, не просто очередное «малоизвестное интересное», а весьма важное и, по отзывам, «самое блистательное и впечатляющее, радикальное и революционное, туманное и поэтичное» эссе Джоржа Дайсона «Конец детства», написанное и опубликованное им в 1й день 2019.
Об этом мой новый пост:
- на Medium https://bit.ly/2SzVJDB
- на Яндекс Дзен https://bit.ly/2F9sgws
#ЦифроваяРеволюция #Компьютинг
Об этом мой новый пост:
- на Medium https://bit.ly/2SzVJDB
- на Яндекс Дзен https://bit.ly/2F9sgws
#ЦифроваяРеволюция #Компьютинг
Medium
Битва за Землю, которая может быть проиграна
Цифровая революция не закончилась, но переродилась в нечто иное
Всем (и особенно тем, кому мой вчерашний пост и эссе Дайсона не понравились и показались надуманными, а "аналоговая метафора" вызвала недоумение, а то и раздражение) весьма рекомендую взглянуть на это обсуждение данной темы
https://news.ycombinator.com/item?id=18810181
Вот перевод лишь шести толковых цитат из этого обсуждения (но там есть и другие)
1) "Я думаю, что в этой статье есть невероятно важный момент, который пропускают большинство людей, потому что эссе ужасно написано.
Часть проблемы в том, что аналоговый против цифрового не правильный термин. Вакуумные трубки совершенно не имеют отношения к тому, что автор пытается сказать, и это сбивают с толку читателя."
2) "«Аналоговая» метафора здесь заключается в том, что пользователь не является потребителем тщательно спроектированной системы, но он является одним «электроном» в цепи, которая несет в себе много пользователей, и общее поведение системы зависит от того, что они и миллионы других пользователей делают, как они взаимодействуют друг с другом."
3) "Интересная идея, которую я прочитал здесь, состоит в том, что системы, которые изначально предназначались для измерения реального мира, такие как карта трафика или социальная сеть, стали настолько влиятельными, что оказали значительное влияние на то, что они измеряют"
4) "Возможный взгляд на это - инверсия контроля между возникающим поведением и запрограммированным поведением. Когда число взаимодействий между дискретными единицами запрограммированного поведения превышает определенный порог, запрограммированная логика реагирует на возникающие взаимодействия, а не диктует их. Система в целом начинает подчиняться собственной логике, а не запрограммированной в нее."
5) "То, как модели незаметно подменили собой реальности, - очень и очень верно. Это совершенно очевидно, когда вы ищите знания, которых нет в общепринятых стандартных местах в Интернете, или действительно пытаетесь использовать Google в качестве поисковой системы, а не просто удобной замены закладок"
6) "Это похоже на рекурсивную версию закона Гудхарта - Goodheart's Law"
https://news.ycombinator.com/item?id=18810181
Вот перевод лишь шести толковых цитат из этого обсуждения (но там есть и другие)
1) "Я думаю, что в этой статье есть невероятно важный момент, который пропускают большинство людей, потому что эссе ужасно написано.
Часть проблемы в том, что аналоговый против цифрового не правильный термин. Вакуумные трубки совершенно не имеют отношения к тому, что автор пытается сказать, и это сбивают с толку читателя."
2) "«Аналоговая» метафора здесь заключается в том, что пользователь не является потребителем тщательно спроектированной системы, но он является одним «электроном» в цепи, которая несет в себе много пользователей, и общее поведение системы зависит от того, что они и миллионы других пользователей делают, как они взаимодействуют друг с другом."
3) "Интересная идея, которую я прочитал здесь, состоит в том, что системы, которые изначально предназначались для измерения реального мира, такие как карта трафика или социальная сеть, стали настолько влиятельными, что оказали значительное влияние на то, что они измеряют"
4) "Возможный взгляд на это - инверсия контроля между возникающим поведением и запрограммированным поведением. Когда число взаимодействий между дискретными единицами запрограммированного поведения превышает определенный порог, запрограммированная логика реагирует на возникающие взаимодействия, а не диктует их. Система в целом начинает подчиняться собственной логике, а не запрограммированной в нее."
5) "То, как модели незаметно подменили собой реальности, - очень и очень верно. Это совершенно очевидно, когда вы ищите знания, которых нет в общепринятых стандартных местах в Интернете, или действительно пытаетесь использовать Google в качестве поисковой системы, а не просто удобной замены закладок"
6) "Это похоже на рекурсивную версию закона Гудхарта - Goodheart's Law"
По просьбам читателей, что хотели бы лучше понять эссе Дайсона, но затрудняются пробиться сквозь смыслы не самого простого английского –
✔️ профессионально выполненный коллегой EVAN_GCRM синтез:
- чуть сокращенного и хорошо структурированного перевода эссе Дайсона (что делает его куда лучше читаемым, чем оригинал);
- моего поста об эссе с дополнением;
- хороших иллюстраций в тему (кому-то вполне достаточно будет посмотреть только их 😃)
https://evan-gcrm.livejournal.com/1392888.html
#ЦифроваяРеволюция #Компьютинг
✔️ профессионально выполненный коллегой EVAN_GCRM синтез:
- чуть сокращенного и хорошо структурированного перевода эссе Дайсона (что делает его куда лучше читаемым, чем оригинал);
- моего поста об эссе с дополнением;
- хороших иллюстраций в тему (кому-то вполне достаточно будет посмотреть только их 😃)
https://evan-gcrm.livejournal.com/1392888.html
#ЦифроваяРеволюция #Компьютинг
Livejournal
Конец детства
Не планировал я вас отвлекать в суете новогодних каникул, но не получилось. Поскольку без этого вы, скорее всего, пропустите весьма важное эссе George Dyson «Childhood's End» , написанное и опубликованное им первого января 2019. Вначале напомню первоисточник…
Ровно два года назад в 1ом посте серии «Большой войны не миновать» я рассказал, как в ходе Нобелевского симпозиума Нассим Талеб опроверг теорию Стивена Пинкера о будто бы уже начавшейся эпохе «долгого мира» с неуклонным падением уровня насилия, снижением кровопролитности и числа войн. Нассим Талеб математически обосновал совершенно противоположный и страшный вывод.
Большой войны с десятками миллионов жертв человечеству не миновать.
Год назад я опубликовал 2й пост этой серии, названный «Большая война ближе, чем мы думаем». В нем было рассказано о результатах исследования Аарона Клаузета, подтвердившего правоту Талеба и доказавшего следующее.
Мы живем в циклической реальности, в которой на смену всё более «долгого мира» идут всё более кровопролитные войны.
И вот только что опубликовано исследование Уго Барди с коллегами, доводящее счет в легендарном споре Талеба и Пинкера о судьбе человечества до разгромных 3:0. Результаты интеллектуального анализа данных самой большой в мире базы о жертвах войн за 600 лет еще раз (и похоже, окончательно) развенчали идеи «долгого мира» и «снижения уровня насилия», отстаиваемые Стивеном Пинкером, и поддерживаемые многими другими известными интеллектуалами.
Вердикт нового исследования ужасен.
В недалеком будущем мир ждет война ещё более кровопролитная, чем 2я Мировая.
Но это не всё.
Еще более поражает интегральный результат трех работ — Талеба, Клаузета и Барди,— переводящий наши представления о войне из области качественных гуманитарных оценок и категорий в естественнонаучную область математически формулируемых гипотез и их экспериментальной проверки на моделях, позволяющих количественную оценку их точности.
Война — это встроенный в структуру общества механизм эффективного снижения энтропии человеческих обществ — сложных систем, живущих на кромке хаоса в состоянии самоорганизованной критичности.
Что это? Почему так? Причем здесь энтропия? И что из всего этого следует, — обо всем этом желающие могут прочесть в 3ей, завершающей статье серии «Большой войны не миновать».
На Medium https://bit.ly/2TyLaAH или https://goo.gl/S9nT3A
На Яндекс Дзен https://bit.ly/2RyfdLH или https://goo.gl/jb4Qv7
#БольшаяВойна #SOC #Энтропия
Большой войны с десятками миллионов жертв человечеству не миновать.
Год назад я опубликовал 2й пост этой серии, названный «Большая война ближе, чем мы думаем». В нем было рассказано о результатах исследования Аарона Клаузета, подтвердившего правоту Талеба и доказавшего следующее.
Мы живем в циклической реальности, в которой на смену всё более «долгого мира» идут всё более кровопролитные войны.
И вот только что опубликовано исследование Уго Барди с коллегами, доводящее счет в легендарном споре Талеба и Пинкера о судьбе человечества до разгромных 3:0. Результаты интеллектуального анализа данных самой большой в мире базы о жертвах войн за 600 лет еще раз (и похоже, окончательно) развенчали идеи «долгого мира» и «снижения уровня насилия», отстаиваемые Стивеном Пинкером, и поддерживаемые многими другими известными интеллектуалами.
Вердикт нового исследования ужасен.
В недалеком будущем мир ждет война ещё более кровопролитная, чем 2я Мировая.
Но это не всё.
Еще более поражает интегральный результат трех работ — Талеба, Клаузета и Барди,— переводящий наши представления о войне из области качественных гуманитарных оценок и категорий в естественнонаучную область математически формулируемых гипотез и их экспериментальной проверки на моделях, позволяющих количественную оценку их точности.
Война — это встроенный в структуру общества механизм эффективного снижения энтропии человеческих обществ — сложных систем, живущих на кромке хаоса в состоянии самоорганизованной критичности.
Что это? Почему так? Причем здесь энтропия? И что из всего этого следует, — обо всем этом желающие могут прочесть в 3ей, завершающей статье серии «Большой войны не миновать».
На Medium https://bit.ly/2TyLaAH или https://goo.gl/S9nT3A
На Яндекс Дзен https://bit.ly/2RyfdLH или https://goo.gl/jb4Qv7
#БольшаяВойна #SOC #Энтропия
Medium
Окончательный диагноз — большой войны не миновать
Война — это встроенный в структуру общества механизм снижения энтропии человеческих обществ с максимальной скоростью
Подзарядитесь оптимизмом и желанием действовать в 2019.
100 хороших новостей, о которых мало кто слышал в 2018 году. А зря!
Ценность позитивных новостей не только в уменьшении тревоги и депрессии, нагнетаемых большинством публикаций СМИ, но и в сокращении фатализма, цинизма и радикализма, всё более охватывающих мир.
Вот 3 новости из 100, взятые просто навскидку:
• Индия объявила, что к 2022 году страна ликвидирует все одноразовые пластиковые изделия (FYI: уже три года, как Индия сделала обязательным использование пластиковых отходов в дорожном строительстве, и сейчас в стране насчитывается уже 100 000+ км. пластиковых дорог).
• Благодаря изменяющимся вкусам людей, родившихся после 1980 года, уже 70% населения мира сокращают потребление или вообще отказываются от мяса (а мы говорим, что у нас плохая молодежь!)
• Ирландия стала первой в мире страной, отказавшейся от ископаемого топлива (ведь можно же!)
Понизьте уровень своей тревоги (ведь как ни хорохорься, а она есть). Да и лишний цинизм вам незачем.
Просто полистайте оставшиеся 97 новостей, чтобы почувствовать:
- мир не развалился в 2018;
- а в 2019 нужно почаще читать новости из правильных источников.
https://goo.gl/rusmh3
А здесь сокращенно, но зато по-русски https://newsvo.ru/blogovo/118034
P.S. А еще не пожалейте 20 мин. на классную видео-презентацию – послание миру от авторов «100 хороших новостей» команды FUTURE CRUNCH, - о которой не самые глупые люди отзываются так:
«Лучшая презентация о состоянии мира, которую я видел за последние годы»
«Удивительная способность взглянуть на глобальные вызовы в перспективе и создать ощущение обоснованной надежды»
«Их послание о науке, необходимости критического мышления и оптимизма, которого мы должны придерживаться, уникально»
https://www.youtube.com/watch?v=VMQLbcwOj2w
#ХорошиеНовости
100 хороших новостей, о которых мало кто слышал в 2018 году. А зря!
Ценность позитивных новостей не только в уменьшении тревоги и депрессии, нагнетаемых большинством публикаций СМИ, но и в сокращении фатализма, цинизма и радикализма, всё более охватывающих мир.
Вот 3 новости из 100, взятые просто навскидку:
• Индия объявила, что к 2022 году страна ликвидирует все одноразовые пластиковые изделия (FYI: уже три года, как Индия сделала обязательным использование пластиковых отходов в дорожном строительстве, и сейчас в стране насчитывается уже 100 000+ км. пластиковых дорог).
• Благодаря изменяющимся вкусам людей, родившихся после 1980 года, уже 70% населения мира сокращают потребление или вообще отказываются от мяса (а мы говорим, что у нас плохая молодежь!)
• Ирландия стала первой в мире страной, отказавшейся от ископаемого топлива (ведь можно же!)
Понизьте уровень своей тревоги (ведь как ни хорохорься, а она есть). Да и лишний цинизм вам незачем.
Просто полистайте оставшиеся 97 новостей, чтобы почувствовать:
- мир не развалился в 2018;
- а в 2019 нужно почаще читать новости из правильных источников.
https://goo.gl/rusmh3
А здесь сокращенно, но зато по-русски https://newsvo.ru/blogovo/118034
P.S. А еще не пожалейте 20 мин. на классную видео-презентацию – послание миру от авторов «100 хороших новостей» команды FUTURE CRUNCH, - о которой не самые глупые люди отзываются так:
«Лучшая презентация о состоянии мира, которую я видел за последние годы»
«Удивительная способность взглянуть на глобальные вызовы в перспективе и создать ощущение обоснованной надежды»
«Их послание о науке, необходимости критического мышления и оптимизма, которого мы должны придерживаться, уникально»
https://www.youtube.com/watch?v=VMQLbcwOj2w
#ХорошиеНовости
Medium
99 Good News Stories You Probably Didn’t Hear About in 2018
The world didn’t fall apart this year. You were just getting your news from the wrong places.