2. Совместная работа
• Совместная работа – это делать какую-то
систему/сервис (не рассматриваем совместные
развлечения, религиозные практики, совместные
занятия сексом для деторождения и т.д.)
• Используем представления системной инженерии –
вид жизненного цикла как «принципиальная схема»
работ по созданию системы.
• Где в жизненном цикле ожидать помощи со
стороны «нейро»?
• Будущее доступно через метафору тумана: вблизи
всё прозрачно, а в трёх метрах может быть
невидимая стена. Так что ограничиваемся только
тем, что уже видно – стараемся много не сочинять.
2
3. Тотальная автоматизация
•Традиционная автоматизация –
алгоритмическая (можем
использовать точные определения)
• Черчение и стереометрия, физика,
дифференциальные уравнения, логика
•Обучение нейронных сетей –
неалгоритмическая (не можем
использовать точные определения).
• Стиль и художественный дизайн
• Работа с интересами людей
3
4. Искусственный интеллект: «то, что
компьютеры пока не умеют делать»
Граница быстро движется: шахматы,
вождение автомобиля, распознавание речи и
т.д.
Смена парадигмы:
Обучение (learning) проектированию,
конструированию, моделированию
вместо/вместе программирования (GOFAI)
Эпистемология (неявное знание и методы
обучения) вместо/вместе онтологии (явного
сконструированного знания)
Машинное обучение бывает
(с выходом на master algorithm):
• Символьное (правила)
• Коннекционистское
(нейронные сети) – сегодня в
моде («глубокое обучение»)!
• Байесовское (вероятности)
• Эволюционное (генетические алгоритмы)
• Поиском аналогий 4
5. Почему только сейчас?!
Оборудование: enabling technology
Интернет (1990 – первый
браузер WWW)
• Линии связи позволили передавать
картинки на дом (т.е. стало можно
использовать WWW)
• Дисплеи смогли картинки показать
• Процессоры смогли картинки обработать
250Kb веб-страница
• 56Kbps – 36 секунд
• 1Mbps – 2 секунды
• 100Mbps – 0.2 секунды
Нейронные сетки (2012 – первая
победа на соревнованиях)
• Процессоры сумели выдать
терафлопс, нужный для
научения сетки за обозримое
время
• Связь и память смогли дать
терабайты данных для научения
• 1TFLOP -- 200млн. человек по 14 вычислений на
калькуляторе в день каждый, за год
• GTX Titan X – 7TFLOPS (single preсision)
• Intel Knights Landing Xeon Phi – 6TFLOPS
(http://www.zdnet.com/article/intels-next-big-thing-knights-landing/,
http://arxiv.org/abs/1506.09067)
• FPGA: эксперименты до 10TFLOPS и до 6x
меньше TFLOPS/Watt
5
http://www.theguardian.com/technology/2011/jul/06/broadband-speeds-uk
6. Дилемма инноватора: мужики-то не знают!
(Clayton Christensen из Гарварда)
Х
а
р
а
к
т
е
р
и
с
т
и
к
и
Время
Характеристики
лучших продуктов
На рынке
Характеристики
худших продуктов
на рынке
http://web.mit.edu/6.933/www/Fall2000/teradyne/clay.html
6
• Инновации обеспечиваются на неприкладных уровнях технологического
стека (проектирование – алгоритмы обучения
• Обучение компьютеров сегодня даёт любительские результаты во всём,
кроме задач распознавания изображений, звука, сигналов, вторжений и т.д..
• Через 5 лет эти любительские результаты окажутся профессиональными,
если не сверхчеловеческими. Всё происходит быстро.
7. Экстремальная сложность
INCOSE VISION 2025 (июнь 2014)
http://www.incose.org/AboutSE/sevision
Выход за пределы сложности для
классического
проектирования/конструирования:
• Эволюция в системах систем
• Общественные дисциплины
(сдвиг на оргсистемы)
• Мегаломания (появилась Земля
как объект контроля-
проектирования)
7
Там, где интересы людей, там меньше уравнений,
больше трудноопределяемых понятий – там
нужно использовать нейро!
8. Многомасштабность*за пределами жизненного цикла
<<< Замысел Архитектура «Рабочка» Изготовление Эксплуатация>>>
Using
system
IT-1 IT-2 IT-3 IT-4 IT-5
Макро IT1 IT2 IT3 IT4 IT5
Мезо IT6 IT7 IT8 IT9 IT10
Микро IT11 IT12 IT13 IT14 IT15
Нано IT16 IT17 IT18 IT19 IT20
Специализация/профессионализация: фирма в каждой клетке, плюс экспансия на соседей
Интеграция в продукте: вся таблица (эко-система!)
CAD/CAM/codes/PLM/CAE/ERP/EAM/… будут интегрированы!
уровни структуры вещества * уровни воплощения
8
ФормальностьНейро сюда!
9. Экстремальное начало ЖЦ проекта:
исследования как часть проектирования
• Отрицательный результат в исследованиях – это не результат, если
есть проектирование. Исследования и изобретательство различны.
• Наука-техника Латура: исследования и изобретательство едины.
• Лаборатории условного Эйнштейна, условного Эдисона.
• R&D management – относительно новая дисциплина, но мы-то не про
менеджмент! Дисциплины R&D инженерии пока нет.
• Крупные корпорации, государство (институты развития), стартап-
движение, предпринимательские университеты.
• Пример: акселераторы и лаборатории при акселераторах (Y
Combinator, http://ailev.livejournal.com/1220274.html), фонды для
инфраструктурных проектов «низко по стеку» (NumFocus и Julia)
9
Basic Research Applied Research Concept Design Engineering
http://www.3ds.com/products-services/biovia/
global, collaborative product lifecycle
experiences to transform scientific innovation
Нейро сюда!
10. Model-based conceptual design
Выход за пределы:
• Явное упоминание стратегии (ISO 15288:2015 – 6.4.1 Business of mission
analysis process)
• Пересечение с системной инженерией (требования и архитектура)
• Пересечение с классическим предметным проектированием
10
Steven J.Saunders, INCOSE INSIGHT volume 17 issue 4
Нейро сюда!
11. Киборги-2, мультиагентные системы
• Агент – сущность, способная к действию
(https://en.wikipedia.org/wiki/Agency_(philosophy))
• Пока разделение «человек или компьютер» важно:
• Мультиагентские системы
• Экономика, социология, правоведение психология, и т.д.
• Завтра эти дисциплины начнут смешиваться
• Киборг-1 = кибернетический организм
• Киборг-2 = кибернетическая организация
• Киборгизируются и
• отдельные люди (экзокортекс и персональные агенты), и
• Команды, коллективы (корпоративные информационные
системы как агенты), и
• общество в целом (агенты социальных сетей).
• Команда, коллектив, общество = мультиагентная
система из людей и достаточно умных компьютеров
11
12. Чтобы проект начать, нужно его как-то описать!
(ISO 42010 – OMG Essence)
12
Нейро сюда!
13. Concerns = интересы (озабоченности)
• Интересы плохо формализуются!
• Интересы часто бессознательны
• С бессознательным работает
нейролингвистическое программирование
(R.Bandler, J.Grinder. Epistemology by
G.Bateson)
• Работа с кортексом двусторонняя (обучение
идёт в две стороны – ситуации в проекте
учится и кортекс, и экзокортекс!)
13
14. Нейролингвистическое программирование
(neuro-linguistics programming)
• Упор не на онтологию, а эпистемологию (обучение,
моделирование)
• Бинарная модель психики (хорошо согласуется с
нейромоделями)
• совершенно необязательно тамошним моделям «верить на
слово», для сегодняшнего уровня техники можно легко
проверить постулаты (они довольно эклектичны) и
воспользоваться только тем, что проверилось/подтвердилось.
• Использовать не только само НЛП как набор отдельных
моделей, но и дискуссию вокруг (например, дискуссии про
манипулятивность воздействий, повременную оплату против
фиксированной за терапию/обучение)
• Использовать не столько конкретные модели, сколько сам
подход (эпистемологию), способ задания вопросов, подход к
моделированию.
14
15. Терминология: не так важно
(word embeddings)
15
Словарные сообщества
тачка
Понятийное сообщество
car машинка автомобиль
16. Эстетика и художественность (модели стилей)
Learning Visual Clothing
Style with Heterogeneous
Dyadic Co-occurrences
(http://arxiv.org/abs/1509.07473)
16
A Neural Algorithm of
Artistic Style
(http://arxiv.org/abs/1508.06576)
17. Аватаризация инженерного софта
• Обучение САПР вместо/вместе программирования/настройки
• Естественный язык вместо/вместе компьютерного
• Диалог компьютера с человеком по уточнению намерений и ограничений
• Совместное порождение идей вместо/вместе оформления идей человека
• Комфортный диалог: имя и образ (аватар), распознавание и учёт эмоций
Фирма Имя умного помощника
Google Google
Apple Siri
Microsoft Cortana
Facebook M
Amazon Alexa
Autodesk ???????????
17
18. Коллаборативное проектирование
• Дисинтермедиация проектирования, создание команд «вне
фирм»:
• не требуется фирма для гладкого включения в команду людей (Uber для
поиска коллаборантов, включая по-разному обученных компьютерных
интеллектуальных агентов от разных поставщиков) – распознавание
интересов, опыт «сайтов свиданий»
• Низкий барьер входа (облачные ресурсы и подписки, доступны даже
индивидам, а не только фирме)
• Совместная работа с аватаризованными инженерными
компьютерными помощниками (на естественном языке, с
распознаванием жестов, они всех будут различать по голосу и
помнить по именам!)
• Киборг-2:
• Ведение протокола принятых решений (и изменения решений –
возможно с переспросом), отметки о консенсусе и расхождении мнений
• Учёт интересов, определение провалов в представленности каких-то
интересов (например, если никто не озаботился о финансах, то можно
об этом в какой-то момент сообщить команде – легко сравнивать
происходящее с чеклистами)
18