lytdybr
Принял сегодня участие во встрече advisory board ActInfLab (https://www.activeinference.org/). У меня там было несколько замечаний:
-- меньше разговора в терминах типов active inference, к ним нужно относиться так же, как к типам из учебника системного мышления, то есть это типы мета-мета-модели. В обращении к обычным людям или нужно опускать такие типы вообще (скажем, "практика архитектурного моделирования" это ведь "архитектурное моделирование::практика", поэтому внешним людям говорим, опуская тип: "архитектурное моделирование", а "практика" как "тип из учебника" отмечаем у себя в уме. Вот с active inference онтологией нужно делать всё то же самое).
-- сам active inference вроде как трансдисциплина, то есть мета-мета-модель. Это не прикладное мышление, которое нужно применять в каких-то там особых проектах. Это выглядит как описание того, что делают люди, организации и даже сообщества без особой организации ("незримый колледж", community of practice для active inference). Поэтому и говорим об этой трансдисциплине, и учим ей как мыслительной практике, реализующей прагматический поворот. То есть просто учим людей так думать и действовать, выделять объекты внимания в повседневном мышлении -- а для этого гармонизируем с другими мыслительными практиками интеллект стека. Это (active inference в том же статусе, что системное мышление, онтология, логика и так далее по всему интеллект-стеку) совсем другой подход по сравнению с active inference как особым прикладным инструментом, особыми средствами моделирования для решения какого-то класса задач, который в некоторых проектах встречается, а в некоторых не встречается, и поэтому особого инструмента не требует.
-- в advisory board собрались почти исключительно "учёные" из университетов (даже я в какой-то мере "из университета", ШСМ по факту "стартап университета"). Поэтому что бы они ни делали, они будут делать университет: то, что знают и умеют. ActInfLab представляется поэтому таким "маленьким тематическим университетом", в котором как учат студентов одной-двум дисциплинам, так и занимаются по ним исследованиями. И ещё там есть инфраструктура для этого: инструменты исследовательского моделирования и учебные пособия (по большому счёту это одно и то же). Какие там при этом Markov blankets по отношению к собственно обучению и собственно исследованиям, это непонятно но тамошнее деление на "исследования", "обучение" и "инструменты" отражает ровно вот такой "маленький тематический университет" (а не фирму, не академию наук, не газету). Вот это и нужно признать и честно такое делать: "лаборатория плюс учебный центр = маленький университет".
-- для active inference нужно кроме строгого математического изложения тамошних формализмов сделать нестрогое изложение важнейших типов и отношений мета-мета-модели, чтобы можно было не только "считать", но и "рассуждать". Это относится не только к "телеологической" части ("для чего нужен active inference", функциональное описание целей и задач, что он может), но и к конструктивной (в которой сейчас только математика). Без этого не слишком формального описания будет трудно с образованием по active inference как нормативной трансдисциплине/науке.
-- относительно курсов, так предмет может быть как разобран по частям в состав разных курсов (то же системное мышление тут вполне себе курс для такого подхода), так и лечь в основу множества самых разных прикладных курсов. И ШСМ, конечно, может предоставить свою учебную инфраструктуру (Aisystant как courseware), почему бы и нет.
Видео доклада Церена Церенова "Чему и как учиться в современном мире", https://www.youtube.com/watch?v=unZU740fZaE. Доклад был в Ереване 19 марта 2022 года. Чем в более беспокойное время мы живём, тем больше опираться нужно на свой интеллект, поддержанный компьютерами -- ибо больше опереться не на что. Интеллекта всегда не хватает (проявляется это как решение проблем медленней, чем скорость их появления), поэтому нужно учиться каждый день, делать это всю жизнь, и тем более в экстраординарных форсмажорных обстоятельствах скоростного появления проблем. Для постоянной учёбы нужно перестраивать своё расписание, даже в (иногда вынужденных) путешествиях.
Русскоязычная лекция Андрея Хренникова по квантовоподобности и сознанию "на пальцах" на канале PROnauky (16 дек 2021, 48 минут): https://www.youtube.com/watch?v=Fgsfwe47PcE. Лекция посвящена моделированию “наблюдений”, которые осуществляет сознание над бессознательным. Квантово-подобное моделирование взаимодействия бессознательного и сознания в рамках теории открытых квантовых систем. При этом помним, что "бессознательное", "внесознательное", "неосознанное" и так далее есть отнюдь не во всех теориях сознания. И теории решений с выбором из фиксированного числа вариантов -- это вчерашний день, современные теории решений (например, в active inference) включают в себя и творчество по генерации альтернатив при помощи generative model, не только выбор. И сам предмет конференции -- религия и духовность. Андрея Хренникова это не смущает, он вполне готов давать квантовоматематические описания бога, почему бы и нет! Тем не менее, квантовоподобные описания становятся мейнстримом, а русскоязычных материалов по ним пока не так много, чтобы можно было выбирать.
GTC 2022 стартовала, концерт от Jensen Huang можно смотреть тут: https://www.youtube.com/watch?v=39ubNuxnrK8. "Во-первых, это красиво". Но и презентация более чем интересна: новая архитектура GPU Hopper + CPU Grace. Новый DGX SuperPOD -- это 1 экзафлопс (хотя и на формате 8FP, но всё-таки). По прошлому поколению таких компьютеров мы помним, что проект по его установке идёт пару месяцев, а не годы. Сказки по части вычислительной мощности для GPT-4 становятся былью. И куча всего по линии робототехники, автономных автомобилей, медицины и даже розничной торговли. Но мощности там, конечно, запредельные -- 0.5-0.7кВт на один процессор, конечно, меньше чем 20кВт у Cerebras на wafer scale engine 2, но тоже ой-ой. Ничего, AI сейчас сильно поможет с термоядом, DeepMind управлением плазмой крепко озаботилась и уже демонстрирует решения.
Waymo говорит, что готов к запуску в Сан-Франциско роботакси без водителя-наблюдателя (хотя и не говорит, когда ему выдадут разрешение на такие поездки за деньги), https://www.reuters.com/technology/alphabet-unit-waymo-says-ready-launch-driverless-vehicles-san-francisco-2022-03-22/. В любом случае: из-за ковида всё это беспилотство тормознулось на год, ибо рынок роботакси ожидался с 2021 года (вот я рассказывал про этот 2021 год в материале "NVIDIA как поставщик инфраструктуры для роботакси-стека" -- https://ailev.livejournal.com/1384766.html). И всё-таки прогноз 2017 года по роботакси плохо (то есть с годичным опозданием), но выполняется.
-- меньше разговора в терминах типов active inference, к ним нужно относиться так же, как к типам из учебника системного мышления, то есть это типы мета-мета-модели. В обращении к обычным людям или нужно опускать такие типы вообще (скажем, "практика архитектурного моделирования" это ведь "архитектурное моделирование::практика", поэтому внешним людям говорим, опуская тип: "архитектурное моделирование", а "практика" как "тип из учебника" отмечаем у себя в уме. Вот с active inference онтологией нужно делать всё то же самое).
-- сам active inference вроде как трансдисциплина, то есть мета-мета-модель. Это не прикладное мышление, которое нужно применять в каких-то там особых проектах. Это выглядит как описание того, что делают люди, организации и даже сообщества без особой организации ("незримый колледж", community of practice для active inference). Поэтому и говорим об этой трансдисциплине, и учим ей как мыслительной практике, реализующей прагматический поворот. То есть просто учим людей так думать и действовать, выделять объекты внимания в повседневном мышлении -- а для этого гармонизируем с другими мыслительными практиками интеллект стека. Это (active inference в том же статусе, что системное мышление, онтология, логика и так далее по всему интеллект-стеку) совсем другой подход по сравнению с active inference как особым прикладным инструментом, особыми средствами моделирования для решения какого-то класса задач, который в некоторых проектах встречается, а в некоторых не встречается, и поэтому особого инструмента не требует.
-- в advisory board собрались почти исключительно "учёные" из университетов (даже я в какой-то мере "из университета", ШСМ по факту "стартап университета"). Поэтому что бы они ни делали, они будут делать университет: то, что знают и умеют. ActInfLab представляется поэтому таким "маленьким тематическим университетом", в котором как учат студентов одной-двум дисциплинам, так и занимаются по ним исследованиями. И ещё там есть инфраструктура для этого: инструменты исследовательского моделирования и учебные пособия (по большому счёту это одно и то же). Какие там при этом Markov blankets по отношению к собственно обучению и собственно исследованиям, это непонятно но тамошнее деление на "исследования", "обучение" и "инструменты" отражает ровно вот такой "маленький тематический университет" (а не фирму, не академию наук, не газету). Вот это и нужно признать и честно такое делать: "лаборатория плюс учебный центр = маленький университет".
-- для active inference нужно кроме строгого математического изложения тамошних формализмов сделать нестрогое изложение важнейших типов и отношений мета-мета-модели, чтобы можно было не только "считать", но и "рассуждать". Это относится не только к "телеологической" части ("для чего нужен active inference", функциональное описание целей и задач, что он может), но и к конструктивной (в которой сейчас только математика). Без этого не слишком формального описания будет трудно с образованием по active inference как нормативной трансдисциплине/науке.
-- относительно курсов, так предмет может быть как разобран по частям в состав разных курсов (то же системное мышление тут вполне себе курс для такого подхода), так и лечь в основу множества самых разных прикладных курсов. И ШСМ, конечно, может предоставить свою учебную инфраструктуру (Aisystant как courseware), почему бы и нет.
Видео доклада Церена Церенова "Чему и как учиться в современном мире", https://www.youtube.com/watch?v=unZU740fZaE. Доклад был в Ереване 19 марта 2022 года. Чем в более беспокойное время мы живём, тем больше опираться нужно на свой интеллект, поддержанный компьютерами -- ибо больше опереться не на что. Интеллекта всегда не хватает (проявляется это как решение проблем медленней, чем скорость их появления), поэтому нужно учиться каждый день, делать это всю жизнь, и тем более в экстраординарных форсмажорных обстоятельствах скоростного появления проблем. Для постоянной учёбы нужно перестраивать своё расписание, даже в (иногда вынужденных) путешествиях.
Русскоязычная лекция Андрея Хренникова по квантовоподобности и сознанию "на пальцах" на канале PROnauky (16 дек 2021, 48 минут): https://www.youtube.com/watch?v=Fgsfwe47PcE. Лекция посвящена моделированию “наблюдений”, которые осуществляет сознание над бессознательным. Квантово-подобное моделирование взаимодействия бессознательного и сознания в рамках теории открытых квантовых систем. При этом помним, что "бессознательное", "внесознательное", "неосознанное" и так далее есть отнюдь не во всех теориях сознания. И теории решений с выбором из фиксированного числа вариантов -- это вчерашний день, современные теории решений (например, в active inference) включают в себя и творчество по генерации альтернатив при помощи generative model, не только выбор. И сам предмет конференции -- религия и духовность. Андрея Хренникова это не смущает, он вполне готов давать квантовоматематические описания бога, почему бы и нет! Тем не менее, квантовоподобные описания становятся мейнстримом, а русскоязычных материалов по ним пока не так много, чтобы можно было выбирать.
GTC 2022 стартовала, концерт от Jensen Huang можно смотреть тут: https://www.youtube.com/watch?v=39ubNuxnrK8. "Во-первых, это красиво". Но и презентация более чем интересна: новая архитектура GPU Hopper + CPU Grace. Новый DGX SuperPOD -- это 1 экзафлопс (хотя и на формате 8FP, но всё-таки). По прошлому поколению таких компьютеров мы помним, что проект по его установке идёт пару месяцев, а не годы. Сказки по части вычислительной мощности для GPT-4 становятся былью. И куча всего по линии робототехники, автономных автомобилей, медицины и даже розничной торговли. Но мощности там, конечно, запредельные -- 0.5-0.7кВт на один процессор, конечно, меньше чем 20кВт у Cerebras на wafer scale engine 2, но тоже ой-ой. Ничего, AI сейчас сильно поможет с термоядом, DeepMind управлением плазмой крепко озаботилась и уже демонстрирует решения.
Waymo говорит, что готов к запуску в Сан-Франциско роботакси без водителя-наблюдателя (хотя и не говорит, когда ему выдадут разрешение на такие поездки за деньги), https://www.reuters.com/technology/alphabet-unit-waymo-says-ready-launch-driverless-vehicles-san-francisco-2022-03-22/. В любом случае: из-за ковида всё это беспилотство тормознулось на год, ибо рынок роботакси ожидался с 2021 года (вот я рассказывал про этот 2021 год в материале "NVIDIA как поставщик инфраструктуры для роботакси-стека" -- https://ailev.livejournal.com/1384766.html). И всё-таки прогноз 2017 года по роботакси плохо (то есть с годичным опозданием), но выполняется.