Функциональное и конструктивное описание трансдисциплин
Итак, победили панпсихисты (https://plato.stanford.edu/entries/panpsychism/) в той их ветви, где живое и неживое, а потом сознательное и несознательное представляют собой некоторый континуум, а не противоположности. Скажем, Cris Fields и Karl Friston сотоварищи прямо об этом говорит (именно это слово!) в https://arxiv.org/abs/2112.15242. То есть в природе существует "нечто", которое как-то ухитряется поддерживать свою отдельность по отношению к окружению -- хоть атом, который довольно долго живёт не распадаясь, хоть капля масла в воде, хоть инфузория туфелька, хоть кошка, хоть человек в батискафе на дне Марианской впадины. Частица, или чувствующее (sentient) существо, или даже разумное существо с сознанием. Примерно та же линия рассуждения об эволюции у Ванчурина сотоварищи: https://scholar.google.com/citations?hl=en&user=nEEFLp0AAAAJ&view_op=list_works&sortby=pubdate, но там чуть другие слова (про многомасштабную/multiscale эволюцию). При этом обсуждение идей Гайи/Геи астрофизиками (подробности в четвёртом абзаце https://ailev.livejournal.com/1612901.html) тут просто художественная проза, ибо у первых двоих это всё с математикой и сделано квантовыми физиками. И термодинамиками (Колчинский и Волперт, и там заголовки типа Semantic information, autonomous agency and non-equilibrium statistical physics с одной стороны и A thermodynamic threshold for Darwinian evolution -- https://scholar.google.ru/citations?hl=en&user=RmRwJJIAAAAJ&view_op=list_works&sortby=pubdate, https://scholar.google.ru/citations?hl=en&user=PRjgI8kAAAAJ&view_op=list_works&sortby=pubdate).
Карл Фристон предлагает в https://zenodo.org/record/5797041 все подобные теории (прежде всего active inference) излагать в двух описаниях: функциональном и конструктивном. Он функциональное описание называет телеологическим, то есть "для какого-то назначения", https://ru.wikipedia.org/wiki/Телеология -- сходите туда и оцените, как это перекликается с его же готовностью использовать слово "панпсихизм", где ближайший аналог это "анимизм", то есть одушевление камней и рек. Но у Фристона там никакой религии или духовности нет, просто он слово "функция" использует не системноинженерно, а математически, а для "вменяемого создателем назначения" (создатель -- это enabling system, или constructor из constructor theory) берёт "целеориентированность" как teleology, он просто начитался философской литературы и эту "телеологию" считает необходимой в силу столетней давности прагматическому повороту в философии (ага, у Фристона "цели" есть и у недоагентов, хотя могут быть трудности с policy и plans). А дальше он говорит, что конструктивная сторона -- это математическое описание, и называет это under the hood ("под капотом там математика"). Грубо говоря, автомобиль телеологически описывается для водителя (application interface: как рулить и заправлять), а под капотом что там -- это описывается для механиков (как устроен мотор и из чего делают шины).
В кругозорных курсах упор делается на application interface (если там много математики в дисциплине, то при минимуме этой математики говорится про API), а в прикладных глубоких курсах -- про математику (фреймворк, считающий эту математику по конкретным формулам). В интеллект-стеке мы даём больше упор на кругозор (интерфейс дисциплины, итоговые рассуждения) и отсылки к литературе, описывающей сами фреймворки. В перекладе на математику, формулировки теорем и зачем они вдруг понадобились даются, а вот доказательства -- нет (ага, про дискуссии о том, нужно ли математику нематематикам давать с доказательствами теорем или таки давать без них, я слышал. И о преподавании математики с использованием пакетов типа Wolfram Mathematica и строго без таких пакетов я тоже слышал. Привет математикам, но и привет физикам, а ещё привет инженерам). И тут засада: даже при преподавании таких предметов как онтологика и системное мышление нам удаётся сейчас непосредственно привязать рассуждения дисциплин (в терминах мета-мета-модели) к рассуждениям о прикладных предметных областях (мета-моделях, "проектирование ведётся всегда в типах") и ситуациях (операционных моделях, экземплярах).
В случае математики (а нам нужна прямая дорожка к квантовой механике, включая квантовую термодинамику -- и там просто линейной алгеброй и матаном не отделаешься, но это ж в "просто вузе" сразу на четыре семестра занятие!) и сопутствующей физики (интерпретация уравнений квантовой механики, ещё минимум пара семестров, а затем пара семестров выхода на квантовую теорию информации и термодинамику) всё с "непосредственным применением" сильно похуже. Поднимаемся на уровень выше -- и получаем современные представления об ответе на главный вопрос о жизни, вселенной и всего такого (с ответом, конечно, "42"), но вот непосредственного применения в проектах вот этого всего как-то не просматривается. ОК, вам рассказали, что эволюцию на Земле можно описать вот так-то и так-то -- и дали математику. Вы сделали в мозгах пометку ("там много уровней"), а дальше-то что?
Тот же Pearl в рассказах про causal inference выдал полухудожественную книжку, но результат сомнительный: претендует-то он на универсальность, а книжка вся про медицину и сельское хозяйство плюс искусственный один пример с криминалистикой. А когда рассказывает про свой предмет Фристон (у него ведь тоже inference, причём там внутри и causal inference есть, и даже парочка разных -- и это не тот causal inference, что у Pearl, и вы будете в этом путаться, описано в том же https://zenodo.org/record/5797041), и у него универсальность от переопределения понятия агента до определения целей жизни и эволюции, то вы удивитесь: до прикладного использования этих идей как до Луны. А что вы хотите, когда используется для указания на важность описания "как используем" слово "телеология"?! Эдакий философский канцелярит. А нужно ведь кроме работ Фристона и с другими подобными "мультимасштабистами" (трансдисциплинарщиками и "ренормализаторщиками") согласоваться.
У меня сейчас задача описать новый интеллект-стек 2022 и выдать кругозоры по стеку создания 2022. И если в части политологии всем будет понятно, зачем проходить курс (чтобы трындеть в интернетах, не политиком же становиться!), то в части active inference или термодинамической семантики или квантовой теории эволюции -- тут уже менее понятно. На уровне науч-попа -- это будет "интересненько", но нам-то нужно давать как трансдисциплину, чтобы увязывать рассуждения на многих системных уровнях и на многих уровнях абстракции/описаний. Всё это вроде как SoTA (ибо хорошо согласуется с экспериментом, выдаёт результаты лучше других объяснительных теорий), но всё настолько свежее, что не накопилось опыта массового использования в проектах. Нюх мне показывает, что это не прикладное знание, а вполне общеобразовательное, фундаментальное/трансдисциплинарное/мультимасштабное "для всех уровней". Но вот зачем и как в голову ставить "машинку типов" и что будет, если её в голове нет можно буквально на пальцах объяснить, зачем нужен граундинг и как его делать -- это сразу становится понятным, а вот про free energy и отличия байесовского вывода от квантового вывода -- не факт, что быстро удастся описать. А нейронные сети? Понятно, что мало кто в мире знает про то, как работают и как делают микропроцессоры, и как именно устроены нейронные сети. Или секрет рецепта кока-колы. И ничего, живут. А вот active inference -- это такое же "важное, но прикладное" знание, или "фундаментальное/мультимасштабное знание/трансдисциплина, которую вы будете использовать каждый день при рассуждениях о самых разных других предметах для самых разных системных уровней"? Мой нюх говорит, что каждый день будете использовать: просто generative model будете делать практически в каждом проекте, хотя и разную, но говорить о ней придётся. Поэтому должны знать, что это. Если вы преподаёте системный фитнес, то будете объяснять, как ставить тело под контроль через predictive performance framework -- и это знание PPF должно быть общим, ибо если вы ставите корпорацию под контроль, то и про корпорацию должны рассуждать примерно так же.
Итого: математика во всех этих панпсихических эволюционных дисциплинах как-то готова, прикладные курсы можно читать а хоть и по статьям прямо сейчас, но к описанию в рамках интеллект-стека и стека создания готово почти совсем ничего. Я понимаю, что функциональное/кругозорное/телеологическое описание практики (дисциплина и требуемые инструменты, для интеллект-стека прежде всего моделеры) нужно давать "на пальцах" (кругозорно, по факту даже описание математики давать без математики, а желающих отсылать к спецкурсам/прикладным курсам) и дальше давать разные контексты использования на самых разных системных уровнях в самых разных проектах, чтобы показать универсальность. Нужен граундинг в разве что не бытовые ситуации. С онтологией мы справились в этом плане, с системным мышлением справились, вот и тут справимся (хотя прямо сейчас хорошей архитектурной идеи у меня нет, зато есть примеры уже решённых подобных задач и можно попробовать внимательней поглядеть на эти примеры. И если окажется, что в стек прихватили что-то прикладное -- безжалостно вычистить).
Но задачка трудная. Скажем, решим давать математику-физику (и заодно теоретическую computer science до кучи) по-тяжёлой, то есть и "телеологически" (рассказывать для чего, и давать попробовать) и что там "под капотом" (вся сопутствующая математика и достижение в ней беглости и интуиции). При всей возможной оптимизации по части методики обучения только на это может уйти два года студенческого full time, как на университетских физфаках или мехматах. Чудес не бывает, царской дороги в геометрию нет. Это будет очень круто и крайне полезно для всей будущей жизни такого студента, но этого ли хардкора мы хотим, или всё-таки чего-то более лайтового?! Тот самый вопрос, который я задавал когда-то про алгоритмику: чему из алгоритмики нужно учить условного директора стадиона? А чему учить условного директора стадиона из термодинамической теории эволюции и квантового понимания active inference? И зачем ему знать хоть что-то про термодинамическую семантику? Ответ "для общего развития" тут не подойдёт, нужно указать, как это будет потом использоваться. Ибо если не будет использоваться, то и учить не нужно!
Карл Фристон предлагает в https://zenodo.org/record/5797041 все подобные теории (прежде всего active inference) излагать в двух описаниях: функциональном и конструктивном. Он функциональное описание называет телеологическим, то есть "для какого-то назначения", https://ru.wikipedia.org/wiki/Телеология -- сходите туда и оцените, как это перекликается с его же готовностью использовать слово "панпсихизм", где ближайший аналог это "анимизм", то есть одушевление камней и рек. Но у Фристона там никакой религии или духовности нет, просто он слово "функция" использует не системноинженерно, а математически, а для "вменяемого создателем назначения" (создатель -- это enabling system, или constructor из constructor theory) берёт "целеориентированность" как teleology, он просто начитался философской литературы и эту "телеологию" считает необходимой в силу столетней давности прагматическому повороту в философии (ага, у Фристона "цели" есть и у недоагентов, хотя могут быть трудности с policy и plans). А дальше он говорит, что конструктивная сторона -- это математическое описание, и называет это under the hood ("под капотом там математика"). Грубо говоря, автомобиль телеологически описывается для водителя (application interface: как рулить и заправлять), а под капотом что там -- это описывается для механиков (как устроен мотор и из чего делают шины).
В кругозорных курсах упор делается на application interface (если там много математики в дисциплине, то при минимуме этой математики говорится про API), а в прикладных глубоких курсах -- про математику (фреймворк, считающий эту математику по конкретным формулам). В интеллект-стеке мы даём больше упор на кругозор (интерфейс дисциплины, итоговые рассуждения) и отсылки к литературе, описывающей сами фреймворки. В перекладе на математику, формулировки теорем и зачем они вдруг понадобились даются, а вот доказательства -- нет (ага, про дискуссии о том, нужно ли математику нематематикам давать с доказательствами теорем или таки давать без них, я слышал. И о преподавании математики с использованием пакетов типа Wolfram Mathematica и строго без таких пакетов я тоже слышал. Привет математикам, но и привет физикам, а ещё привет инженерам). И тут засада: даже при преподавании таких предметов как онтологика и системное мышление нам удаётся сейчас непосредственно привязать рассуждения дисциплин (в терминах мета-мета-модели) к рассуждениям о прикладных предметных областях (мета-моделях, "проектирование ведётся всегда в типах") и ситуациях (операционных моделях, экземплярах).
В случае математики (а нам нужна прямая дорожка к квантовой механике, включая квантовую термодинамику -- и там просто линейной алгеброй и матаном не отделаешься, но это ж в "просто вузе" сразу на четыре семестра занятие!) и сопутствующей физики (интерпретация уравнений квантовой механики, ещё минимум пара семестров, а затем пара семестров выхода на квантовую теорию информации и термодинамику) всё с "непосредственным применением" сильно похуже. Поднимаемся на уровень выше -- и получаем современные представления об ответе на главный вопрос о жизни, вселенной и всего такого (с ответом, конечно, "42"), но вот непосредственного применения в проектах вот этого всего как-то не просматривается. ОК, вам рассказали, что эволюцию на Земле можно описать вот так-то и так-то -- и дали математику. Вы сделали в мозгах пометку ("там много уровней"), а дальше-то что?
Тот же Pearl в рассказах про causal inference выдал полухудожественную книжку, но результат сомнительный: претендует-то он на универсальность, а книжка вся про медицину и сельское хозяйство плюс искусственный один пример с криминалистикой. А когда рассказывает про свой предмет Фристон (у него ведь тоже inference, причём там внутри и causal inference есть, и даже парочка разных -- и это не тот causal inference, что у Pearl, и вы будете в этом путаться, описано в том же https://zenodo.org/record/5797041), и у него универсальность от переопределения понятия агента до определения целей жизни и эволюции, то вы удивитесь: до прикладного использования этих идей как до Луны. А что вы хотите, когда используется для указания на важность описания "как используем" слово "телеология"?! Эдакий философский канцелярит. А нужно ведь кроме работ Фристона и с другими подобными "мультимасштабистами" (трансдисциплинарщиками и "ренормализаторщиками") согласоваться.
У меня сейчас задача описать новый интеллект-стек 2022 и выдать кругозоры по стеку создания 2022. И если в части политологии всем будет понятно, зачем проходить курс (чтобы трындеть в интернетах, не политиком же становиться!), то в части active inference или термодинамической семантики или квантовой теории эволюции -- тут уже менее понятно. На уровне науч-попа -- это будет "интересненько", но нам-то нужно давать как трансдисциплину, чтобы увязывать рассуждения на многих системных уровнях и на многих уровнях абстракции/описаний. Всё это вроде как SoTA (ибо хорошо согласуется с экспериментом, выдаёт результаты лучше других объяснительных теорий), но всё настолько свежее, что не накопилось опыта массового использования в проектах. Нюх мне показывает, что это не прикладное знание, а вполне общеобразовательное, фундаментальное/трансдисциплинарное/мультимасштабное "для всех уровней". Но вот зачем и как в голову ставить "машинку типов" и что будет, если её в голове нет можно буквально на пальцах объяснить, зачем нужен граундинг и как его делать -- это сразу становится понятным, а вот про free energy и отличия байесовского вывода от квантового вывода -- не факт, что быстро удастся описать. А нейронные сети? Понятно, что мало кто в мире знает про то, как работают и как делают микропроцессоры, и как именно устроены нейронные сети. Или секрет рецепта кока-колы. И ничего, живут. А вот active inference -- это такое же "важное, но прикладное" знание, или "фундаментальное/мультимасштабное знание/трансдисциплина, которую вы будете использовать каждый день при рассуждениях о самых разных других предметах для самых разных системных уровней"? Мой нюх говорит, что каждый день будете использовать: просто generative model будете делать практически в каждом проекте, хотя и разную, но говорить о ней придётся. Поэтому должны знать, что это. Если вы преподаёте системный фитнес, то будете объяснять, как ставить тело под контроль через predictive performance framework -- и это знание PPF должно быть общим, ибо если вы ставите корпорацию под контроль, то и про корпорацию должны рассуждать примерно так же.
Итого: математика во всех этих панпсихических эволюционных дисциплинах как-то готова, прикладные курсы можно читать а хоть и по статьям прямо сейчас, но к описанию в рамках интеллект-стека и стека создания готово почти совсем ничего. Я понимаю, что функциональное/кругозорное/телеологическое описание практики (дисциплина и требуемые инструменты, для интеллект-стека прежде всего моделеры) нужно давать "на пальцах" (кругозорно, по факту даже описание математики давать без математики, а желающих отсылать к спецкурсам/прикладным курсам) и дальше давать разные контексты использования на самых разных системных уровнях в самых разных проектах, чтобы показать универсальность. Нужен граундинг в разве что не бытовые ситуации. С онтологией мы справились в этом плане, с системным мышлением справились, вот и тут справимся (хотя прямо сейчас хорошей архитектурной идеи у меня нет, зато есть примеры уже решённых подобных задач и можно попробовать внимательней поглядеть на эти примеры. И если окажется, что в стек прихватили что-то прикладное -- безжалостно вычистить).
Но задачка трудная. Скажем, решим давать математику-физику (и заодно теоретическую computer science до кучи) по-тяжёлой, то есть и "телеологически" (рассказывать для чего, и давать попробовать) и что там "под капотом" (вся сопутствующая математика и достижение в ней беглости и интуиции). При всей возможной оптимизации по части методики обучения только на это может уйти два года студенческого full time, как на университетских физфаках или мехматах. Чудес не бывает, царской дороги в геометрию нет. Это будет очень круто и крайне полезно для всей будущей жизни такого студента, но этого ли хардкора мы хотим, или всё-таки чего-то более лайтового?! Тот самый вопрос, который я задавал когда-то про алгоритмику: чему из алгоритмики нужно учить условного директора стадиона? А чему учить условного директора стадиона из термодинамической теории эволюции и квантового понимания active inference? И зачем ему знать хоть что-то про термодинамическую семантику? Ответ "для общего развития" тут не подойдёт, нужно указать, как это будет потом использоваться. Ибо если не будет использоваться, то и учить не нужно!