Два способа принятия решений

В военном деле определены два разных способа принятия решений:

• Управление задачами - Mission command.
• Детализированное управление - Detailed command).

Примечание. Исторический источник - немецкая доктрина противопоставления тактики задач и тактики приказов (Auftragstaktik vs. Befehlstaktik). Основные принципы Mission Command описаны в документе "Army Doctrine Reference Publication 6-0 Mission command".

В этом документе присутствует такой блок «Самоограничение старшего командира»:

1. Командирам и солдатам не нужно говорить, как конкретно им выполнять поставленную задачу. Наоборот, подчинённым должна предоставляться максимальная свобода по определению путей выполнения задачи.
2. Управление осуществляется доведением общего намерения командира, а не детализированного приказа. Именно общее намерение является ограничителем для сферы использования инициативы.
3. Принудительная краткость. Намерение командира должно излагаться в 3-5 предложениях, и быть простым и понятным для подчинённых двумя уровнями ниже. Командир минимизирует инструкции, предоставляя лишь необходимый минимум вводных, нужных для координации.
4. Командиры в приказах предоставляют максимум свободы действий подчинённым. Он избегает делать всё сам и принимать все решения. Командиры не контролируют каждый шаг подчинённых. Они вмешиваются ТОЛЬКО чтобы поправить действия подчинённых в той степени, в которой это необходимо для общего замысла операции. Командиры доводят до подчинённых общий замысел действий, а не только конкретную задачу.
5. Командирами принимаются ошибки подчинённых, если они позволят в будущем действовать более эффективно.

Блок «Обязанности подчинённых»:

1. Обязанность по координации усилий вне зависимости от подчинённости. Задача по координации всех со всеми возлагается на всех.
2. Должны понимать ситуацию и доводить информацию до других. Подчёркивается, что взгляд при котором снизу поступает информация, а сверху решения – устарела. Взаимный обмен информацией для создания общего понимания ситуации.
3. Всё, что делается – делается в рамках цели, поставленной старшим командиром.
4. Подчинённые должны принимать на себя риск сопоставимый с потенциальным ущербом от неудачи. Задача не предотвращать поражение, а создавать возможности для победы. Командиры должны принимать на себя разумный риск подчинённых.

С помощью принципов управления Mission Command происходит централизация замысла и децентрализация выполнения этого замысла. Доктрина стимулирует инициативу подчинённых и, как следствие, повышает общую эффективность управления.

* * *

Самая большая ошибка, которую может совершить человек, – спутать, как выразился Ницше, непонятное с неосмысленным

Возможности цифровых двойников

Цифровые двойники и изменение климата

Оптимизация энергоэффективности. Цифровые двойники могут моделировать реальный мир с тем, чтобы определить области повышения энергоэффективности. Используя цифровые двойники для моделирования строительных и промышленных процессов, инженеры могут оптимизировать конструкции, процессы, сократить потери энергии и как следствие, возможно сократить выбросы парниковых газов.

Сокращение выбросов. Цифровые двойники можно использовать для прогнозирования воздействий на окружающую среду, что позволяет регулирующим органам принимать обоснованные решения об использовании энергии. Например, цифровые двойники могут помочь прогнозировать выбросы углерода при различных вариантах транспортировки, что может помочь с инвестированием в альтернативы с низким уровнем выбросов.

Улучшение производства возобновляемой энергии. Цифровые двойники можно использовать для моделирования производительности систем возобновляемой энергии, таких как солнечные и ветряные электростанции, и определения областей, в которых можно повысить энергоэффективность. Это может помочь максимизировать выход энергии таких источников, уменьшая потребность в ископаемом топливе и снижая выбросы парниковых газов.

Планирование реагирования на стихийные бедствия. Цифровые двойники можно использовать для моделирования воздействия стихийных бедствий, таких как наводнения и ураганы, что позволяет властям лучше планировать такие события и реагировать на них. Это может помочь уменьшить ущерб, причиняемый такими бедствиями.

Сокращение пищевых отходов

Оптимизация управления цепочками поставок. Создавая цифровой двойник, моделирующий цепочки поставок продуктов питания, компании могут определять области, в которых возникают отходы, такие как перепроизводство, порча при транспортировке или хранении и истечение срока годности. Эту информацию можно использовать для оптимизации цепочки поставок, сокращения отходов и повышения эффективности.

Прогнозирование спроса. Цифровые двойники можно использовать для прогнозирования спроса на продукты питания, что позволяет производителям и розничным торговцам лучше сопоставлять предложение со спросом, сокращая количество непроданных и выбрасываемых продуктов питания.

Мониторинг качества пищевых продуктов. Датчики и камеры можно использовать для мониторинга качества пищевых продуктов в режиме реального времени, раннего обнаружения порчи или загрязнения и обеспечения быстрого реагирования для предотвращения дальнейших потерь.

Сокращение перепроизводства. Используя цифровые двойники для оптимизации производства, компании могут сократить перепроизводство, которое является значительным источником пищевых отходов. Анализируя производственные данные, цифровые двойники могут определить, когда и где возникает перепроизводство, и помочь соответствующим образом скорректировать производство.

Улучшение пожертвований продовольствия. Цифровые двойники можно использовать для отслеживания и оптимизации распределения излишков продовольствия среди благотворительных организаций, продовольственных банков и других организаций, которые могут помочь перераспределить продовольствие среди нуждающихся.

Здоровье и благополучие

Персонализированное управление здоровьем. Цифровые двойники могут использоваться для создания персонализированных профилей здоровья для отдельных лиц путем анализа данных с носимых устройств и других датчиков. Эта информация может использоваться для создания индивидуальных планов медицинского обслуживания и прогнозирования результатов в отношении здоровья, помогая людям принимать более обоснованные решения в отношении своего здоровья.

Профилактика и лечение заболеваний. Цифровые двойники можно использовать для имитации распространения заболеваний и моделирования воздействия вмешательств, таких как вакцинация и социальное дистанцирование. Прогнозируя исходы заболеваний, цифровые двойники могут помочь чиновникам и врачам общественного здравоохранения разработать более эффективные стратегии профилактики и лечения.

Открытие и разработка лекарств. Цифровые двойники можно использовать для имитации воздействия лекарств на организм, что позволяет исследователям тестировать потенциальные лекарства до того, как они будут испытаны на людях. Это может помочь ускорить процесс разработки лекарств и снизить риск негативных побочных эффектов.

Виртуальный коучинг и обучение. Цифровых двойников можно использовать для создания виртуальных инструкторов, которые могут предоставлять персонализированную обратную связь и рекомендации для отдельных лиц. Это может помочь людям улучшить свою физическую форму и самочувствие, обеспечивая мотивацию и ответственность.

Поддержка психического здоровья. Цифровые двойники могут использоваться для создания виртуальных тренеров по психическому здоровью и оказания поддержки тем, кто в ней нуждается. Анализируя данные с носимых устройств и социальных сетей, цифровые двойники могут выявлять людей, которые могут подвергаться риску проблем с психическим здоровьем, и оказывать им поддержку.

Улучшение городов

Городское планирование и проектирование. Цифровые двойники можно использовать для моделирования дизайна и планировки городов, что позволяет градостроителям тестировать предлагаемые изменения. Это может помочь оптимизировать дизайн города с учетом таких факторов, как транспортный поток, энергоэффективность и общественный транспорт.

Оптимизация инфраструктуры. Цифровые двойники можно использовать для моделирования производительности инфраструктуры, такой как дороги, мосты и здания, что позволяет инженерам оптимизировать проекты для повышения эффективности и устойчивости. Это может помочь снизить затраты на техническое обслуживание и увеличить срок службы инфраструктуры.

Умное управление городом. Цифровые двойники можно использовать для мониторинга и управления городской инфраструктурой в режиме реального времени, предоставляя информацию о транспортных потоках, потреблении энергии и других факторах. Это может помочь сити-менеджерам оптимизировать услуги, быстрее и эффективнее реагировать на проблемы.

Планирование реагирования на стихийные бедствия. Цифровые двойники могут использоваться для моделирования воздействия стихийных бедствий на города, что позволяет властям лучше планировать такие события и реагировать на них. Это может помочь уменьшить ущерб и повысить безопасность жителей города.

Вовлечение граждан. Цифровые двойники можно использовать для создания интерактивных возможностей, позволяющих горожанам исследовать и оставлять отзывы о предлагаемых изменениях в городе. Это может помочь повысить прозрачность и взаимодействие с сообществом, что приведет к более эффективному и инклюзивному городскому планированию.

Глобальная производительность

Оптимизация производства. Цифровые двойники могут использоваться для моделирования производственного процесса, позволяя производителям оптимизировать производственные процессы для повышения эффективности и качества. Это может помочь сократить количество отходов, снизить затраты и увеличить объем производства.

Управление цепочкой поставок. Цифровые двойники можно использовать для создания цифрового двойника моделирования цепочки поставок, предоставляя в режиме реального времени информацию о состоянии товаров, уровне запасов и сроках доставки. Это может помочь повысить эффективность цепочки поставок и снизить риск задержек или нехватки товаров.

Прогностическое техническое обслуживание. Цифровые двойники могут использоваться для прогнозирования того, когда оборудование и механизмы потребуют обслуживания, что позволяет заранее планировать техническое обслуживание. Это может помочь сократить время простоя и затраты на техническое обслуживание, а также повысить надежность оборудования.

Управление энергопотреблением. Цифровые двойники можно использовать для мониторинга и оптимизации энергопотребления в зданиях и на промышленных объектах, определения областей, в которых потребление энергии может быть сокращено, и предоставления информации о влиянии мер по повышению энергоэффективности. Это может помочь снизить затраты на электроэнергию и воздействие на окружающую среду.

Оптимизация рабочей силы. Цифровые двойники можно использовать для мониторинга и оптимизации производительности рабочей силы, определения областей, в которых можно повысить производительность, и выявления возможностей для обучения и развития. Это может помочь повысить производительность и удовлетворенность сотрудников.

Улучшения образования

Персонализированное обучение. Цифровые двойники можно использовать для создания индивидуальных планов обучения для отдельных учащихся в зависимости от их стиля и темпа обучения. Это может помочь улучшить вовлеченность и удержание, поскольку учащиеся с большей вероятностью будут мотивированы материалом, адаптированным к их конкретным потребностям.

Разработка учебной программы. Цифровые двойники можно использовать для имитации воздействия различных стратегий обучения и учебных программ, что позволяет преподавателям оптимизировать методы обучения для различных групп учащихся. Это может помочь улучшить результаты обучения и сократить разрыв в успеваемости.

Профессиональное развитие. Цифровые двойники можно использовать для виртуального коучинга и обучения преподавателей, что позволяет им улучшать навыки преподавания и быть в курсе последних образовательных тенденций и передового опыта.

Оценка успеваемости. Цифровые двойники можно использовать для создания виртуальных оценок, имитирующих сценарии реального мира, что позволяет преподавателям оценивать успеваемость учащихся в более реалистичном и актуальном контексте. Это может помочь определить области, в которых учащиеся нуждаются в дополнительной поддержке, и дать более точную оценку их успеваемости.

Дистанционное обучение. Цифровые двойники можно использовать для создания виртуальных классов и предоставления возможностей дистанционного обучения для учащихся, которые не могут посещать школу лично. Это может помочь улучшить доступ к образованию и расширить возможности для обучения.

Обеспечение чистой водой и санитария

Планирование инфраструктуры. Цифровые двойники можно использовать для моделирования работы инфраструктуры водоснабжения и канализации, что позволяет планировщикам оптимизировать конструкцию и размещение труб, насосов и очистных сооружений. Это может помочь повысить эффективность и надежность инфраструктуры.

Мониторинг в режиме реального времени. Цифровые двойники можно использовать для мониторинга работы инфраструктуры водоснабжения и санитарии в режиме реального времени, предоставляя информацию о качестве и доступности услуг водоснабжения и канализации. Это поможет быстрее и эффективнее выявлять проблемы и реагировать на них.

Прогностическое обслуживание. Цифровые двойники можно использовать для прогнозирования того, когда инфраструктуре водоснабжения и канализации потребуется техническое обслуживание, что позволяет заранее планировать техническое обслуживание. Это может помочь сократить время простоя и расходы на техническое обслуживание, а также повысить надежность инфраструктуры.

Мониторинг качества воды. Цифровые двойники могут использоваться для мониторинга качества воды в режиме реального времени, обеспечивая понимание наличия загрязняющих веществ и позволяя быстро реагировать на возникающие проблемы. Это может помочь гарантировать безопасное для человека водоснабжение.

Управление водными ресурсами. Цифровые двойники можно использовать для моделирования воздействия различных стратегий управления водными ресурсами, таких как сбор дождевой воды и пополнение запасов подземных вод, что позволяет специалистам по планированию оптимизировать подход к управлению водными ресурсами. Это может помочь обеспечить устойчивость водоснабжения в долгосрочной перспективе.

Экономический рост

Повышение эффективности. Цифровые двойники помогают оптимизировать процессы, снижая затраты и повышая производительность. Выявляя неэффективные процессы и оптимизируя процессы, предприятия могут повысить производительность и прибыльность.

Улучшенное качество. Цифровые двойники помогают выявлять проблемы с качеством в режиме реального времени, обеспечивая быстрое реагирование и снижая риск дефектов. Это может привести к повышению качества продуктов и услуг, повышению удовлетворенности и лояльности клиентов.

Сокращение времени простоев. Цифровые двойники помогают прогнозировать, когда оборудование потребует обслуживания, сокращая время простоя и повышая общую эффективность. Это может помочь предприятиям достичь производственных целей и увеличить объемы производства.

Лучшее принятие решений. Цифровые двойники могут предоставлять информацию о процессах в режиме реального времени, что позволяет принимать более обоснованные решения. Используя данные для принятия решений, компании могут принимать более обоснованные решения, снижать риски и повышать прибыльность.

Инновации. Цифровые двойники могут предоставить платформу для экспериментов и инноваций, позволяя компаниям исследовать новые идеи и тестировать их в виртуальной среде. Это может привести к разработке новых продуктов и услуг, открытию новых рынков и стимулированию экономического роста.

Снижение неравенства

Планирование инфраструктуры. Цифровые двойники можно использовать для моделирования работы инфраструктуры, такой как транспортные сети и коммунальные услуги, что позволяет планировщикам оптимизировать проектирование и размещение инфраструктуры для лучшего обслуживания малообеспеченных слоев населения.

Доступ к образованию и обучению. Цифровые двойники могут предоставлять виртуальные классы и обучение студентам и специалистам из любой точки мира, делая образование и обучение более доступными для малообеспеченных слоев населения.

Персонализированное здравоохранение. Цифровые двойники можно использовать для создания персонализированных планов медицинского обслуживания, основанных на индивидуальном состоянием здоровья и факторах риска. Это может помочь улучшить показатели здоровья для неблагополучных слоев населения, которые могут иметь ограниченный доступ к медицинским услугам.

Профилактическое обслуживание. Цифровые двойники могут помочь снизить затраты и время простоя основной инфраструктуры за счет прогнозирования потребностей в техническом обслуживании, повышения надежности инфраструктуры и сокращения перебоев в обслуживании, которые могут несоразмерно повлиять на неблагополучные сообщества.

Реагирование на стихийные бедствия. Цифровые двойники могут помочь смоделировать стихийные бедствия и сценарии реагирования, позволяя спасателям лучше планировать и готовиться к чрезвычайным ситуациям, которые могут затронуть обездоленные сообщества.

Достижение социальной справедливости

Городское планирование и дизайн. Цифровые двойники можно использовать для моделирования городских пространств, что позволяет планировщикам экспериментировать с различными проектами и конфигурациями, которые лучше подходят для различных сообществ. Включая различные точки зрения и мнения членов сообщества, цифровые двойники могут помочь гарантировать, что городские пространства спроектированы так, чтобы удовлетворять потребности всех жителей, независимо от дохода, расы или пола.

Реформа уголовного права. Цифровые двойники можно использовать для имитации воздействия различных политик и процедур уголовного правосудия, что позволяет политикам и правозащитникам экспериментировать с новыми подходами, которые могут уменьшить неравенство в работе полиции и при вынесении приговоров. Предоставляя платформу для экспериментов, цифровые двойники могут помочь выявить и устранить системные предубеждения, которые могут существовать в системе уголовного правосудия.

Экологическая справедливость. Цифровые двойники можно использовать для моделирования воздействия экологической политики и практик, что позволяет политикам и активистам выявлять и устранять экологические риски, которые могут непропорционально повлиять на малообеспеченные или маргинализированные сообщества.

Вовлечение сообществ. Цифровые двойники могут использоваться для вовлечения членов сообщества в процессы принятия решений, что позволяет принимать более справедливые и инклюзивные решения. Предоставляя виртуальную платформу для совместной работы и ввода информации, цифровые двойники могут помочь гарантировать, что все голоса будут услышаны и что решения будут приниматься в интересах сообществ.

* * *

Источник.

https://frankdiana.net/2023/02/17/the-expanding-possibility-space-for-digital-twins/
The Expanding Possibility Space For Digital Twins

Расширение пространства возможностей для цифровых двойников
17 февраля 2023 г. Фрэнк Диана

Цифровые двойники

Из множества прогнозов, опубликованных в 2022 году, ни один потенциально не может оказать более сильного влияния на общество в целом, чем моделирование в киберпространстве биологических органов и воссоздание чего угодно, от человеческого сердца до носа и кожи с тем, чтобы помочь диагностировать заболевания и прогнозировать последствия процедур и медикаментов для здоровья.

Вышеупомянутое предложение исходит от Фрэнка Дианы, главного футуролога Tata Consultancy Services ( TCS ), который в интервью IT World Canada заявил, что технологический прорыв, известный как цифровые двойники, не является чем-то невероятным. спасет тысячи жизней, как людей, так и животных, в 2023 году.

Кроме того, по его словам, в этом году будет создан настоящий близнец человека, который будет действовать как цифровое представление тела и поведения. Могут анализировать поведенческие модели, например выбор покупок, голосование, широкий спектр вопросов принятия решения в разных ситуациях и обстоятельствах.

Не только быстрое развитие базовых технологий, таких как искусственный интеллект (ИИ), машинное обучение (МО), 5G, датчики, расширенный анализ данных, 3D-моделирование и Интернет вещей (IoT), делает такие прорывы возможными. - сказал Диана, - но и то факт, что оин действуют одновременно и совместно. И это расширяет пространство возможностей.

«По мере того, как конвергенция этих технологий ускоряется, возможности растут», — сказал Франк Диана.

Итак, конвергенция технологий:

• искусственный интеллект (ИИ), 
• машинное обучение (МL), 
• 5G, 
• датчики, 
• расширенный анализ данных, 
• 3D-моделирование,
• Интернет вещей (IoT).

Эта конвергенция делает технологию цифровых близнецов весьма интригующей как для Дианы, так и для других. «Цифровые двойники представляют собой комбинацию нескольких технологий, таких как датчики, облачные вычисления, искусственный интеллект и расширенная аналитика, моделирование, визуализация, а также дополненная и виртуальная реальность. Компании могут использовать индивидуальный набор технологий в зависимости от своих потребностей и ожиданий. Что отличает цифровых двойников и делает их такими мощными, так это их способность подражать человеческим способностям, поддерживать принятие важных решений и даже принимать решения от имени людей».

Цифровые двойники можно использовать для борьбы с болезнями. Существует ряд исследовательских лабораторий TCS, которые создали «цифровые носы", "цифровую кожу", "цифровой мозг" и "цифровое сердце", а также используют цифровые представления этих органов таким образом, чтобы мы могли исследовать, как решать проблемы.

«Даже в контексте еды цифровой банан можно использовать, чтобы понять, что заставляет банан слишком быстро созревать и портиться, и иметь возможность заранее решить эту проблему». По его словам, это означает, что технологию цифровых двойников можно использовать не только для решения проблемы нехватки продовольствия, но и для решения проблемы пищевых отходов. Он также может сыграть важную роль, когда речь идет об устойчивости и окружающей среде.

Согласно исследовательскому документу TCS , цифровые двойные решения могут служить катализатором для повышения производительности электростанций. «Решения цифровых двойников, поддерживаемые Интернетом вещей, искусственным интеллектом, облаком и расширенной аналитикой данных, служат катализаторами для повышения производительности электростанций по всем функциям. Сюда может входить мониторинг оборудования и процессов, оптимизация операций в режиме реального времени и повышение доступности. Цифровые двойные решения могут помочь в улучшении эксплуатации и обслуживания таких приложений, как котлы, газовые турбины, системы сероочистки дымовых газов, системы селективного каталитического восстановления и воздухонагреватели».

Источник.

https://www.itworldcanada.com/article/tcs-futurist-predicts-big-things-in-2023-for-digital-twins-movement/521218
Футурист TCS предсказывает большие успехи в 2023 году для движения «цифровых близнецов».

Программное обеспечение трансформирует каждую отрасль

Все больше и больше традиционных компаний понимают, что для того, чтобы конкурировать и расти в цифровом мире, они должны выглядеть, думать и действовать как компании-разработчики программного обеспечения. Согласно исследованию McKinsey, проведенному в июне 2022 года, почти 70% наиболее эффективных экономических деятелей, по сравнению с половиной их коллег, используют собственное программное обеспечение, чтобы выделиться среди конкурентов. Треть - напрямую монетизирует программное обеспечение.

Хотя компании, возможно, уже признали важность программного обеспечения, они по-прежнему склонны рассматривать программное обеспечение как возможность, которую они могут "прикрутить" к существующиму бизнесу. 

И что приходится делать? Развивать софтверный бизнес, то есть создавать подразделение или бизнес-единицу, которые будут заниматься разработкой программного обеспечения. Но не получится подойти к развитию софтверного бизнеса на тех же корпоративных подходах и технологиях, что и традиционный бизнес. Но так не получится - чтобы развить софтверный бизнес, необходимы фундаментальные изменения, связанные с различным набором навыков, практикой, лидерством и организационной структурой.

Выделяют три архетипа компаний, переходящих от традиционной бизнес-модели к бизнес-модели программного обеспечения.

Первый архетип. Программное обеспечение - в основе бизнеса, стратегия развития бизнеса базируется на программном обеспечении, операционная модель смещается в сторону программного обеспечения. Например, один ведущий глобальный банк понял, что для того, чтобы реагировать на потребности финтех-компаний и меняющиеся ожидания клиентов, ему необходимо стать цифровым банком.

Второй архетип. Запуск нового бизнеса по разработке программного обеспечения. Этот архетип может начать генерировать новые доходы, а сам бизнес по разработке программного обеспечения может стать доминирующими.

Третий архетип. Компания имеет программное обеспечение, разработанное для внутреннего использования и решает превратить некоторые программные решения в товар и вывести на рынок.

Некоторые компании следуют нескольким архетипам, если у них есть возможности и достаточный рыночный спрос.

Но не все так просто. Только 7% рынка программного обеспечения приходится на нетехнологические компании. Остальную долю рынка держат софтверные профессиональные компании.

Поэтому трудно компанией-разработчиком программного обеспечения. McKensey предлагает шесть принципов, которые должны сопровождать успешную попытку стать компанией-разработчиком программного обеспечения.

Придерживаться культуры разработки программного обеспечения.

Требуется создать культуру, которая глубоко ценит творчество и мастерство инженеров, лидерство, ​​ориентированность на клиента. Руководящая команда должна обладать глубокое понимание бизнес-моделей и технологии программного обеспечения.

Лидерство

От одной трети до половины руководящего состава должны быть экспертами в программном обеспечении. Это может потребовать изменения состава руководящей команды. Совет диреторов должен иметь как минимум двух директоров с опытом работы с программным обеспечением, отслеживать прогресс конкретных ключевых показателей эффективности программного обеспечения. Также потребуется обучать и менеджеров среднего звена. Это означает базовые тренинги, посещение стартапов. Эффективное обучение и обретение опыта требует налаживания отношений и тесного взаимодействия с компаниями-разработчиками программного обеспечения.

Коммуникация

Стратегия, ценностное предложение и прогресс программного бизнеса должны сообщаться последовательно. Одна из задач состоит в том, чтобы сделать это таким образом, чтобы сделать приоритетным бизнес программного обеспечения, сохраняя при этом основной бизнес и его сотрудников, работающих и чувствующих себя ценными.

Не менее важно знать, как идут дела у других компаний, какие используются технологии и каковы затраты ресурсов, труда и квалификации.

Инвестиции

Компании, чей бизнес - программное обеспечение, требуют постоянных инвестиций. Большинству новых предприятий необходимо реинвестировать в среднем от 25 до 35 процентов доходов в течение трех-пяти лет, прежде чем они начнут приносить прибыль. Также требуются значительные операционные расходы, потому многие компании обращаются к поглощениям. Во многих случаях одно крупное приобретение является ключом к ускорению развития бизнеса, ориентированного на программное обеспечение.

Инвестируйте в менеджеров по программным продуктам

Вы не можете создавать программные продукты мирового класса без менеджеров программных продуктов мирового класса. Они превращают творческую силу инженеров и дизайнеров в выигрышные программные продукты и услуги. Они привносят сквозную ответственность, а в некоторых случаях даже полную ответственность за прибыли и убытки конкретного продукта. В мире технологий господство и важность продакт-менеджеров хорошо известны. Но немногие нетехнологические компании возлагают на них соответствующие обязанности или влияние. Это большая ошибка.

Две ключевые характеристики отличного менеджера по продукту:

1. Такие менеджеры зациклены на данных об использовании программного продукта и используют все доступные и недоступные данные: от знания клиентов, информирования о продвижении согласно дорожной карты создания программного продукта до принятия решений о выводе продукта из эксплуатации, а также в содействии пользователям деле быстрого извлечения выгод от использования клиентом программного продукта. Продукт-менеджеры проводят активные полевые испытания и эксперименты для получения нужных данных о том, как улучшать продукт.
2. У отличного менеджера по продукту прекрасное «чувство продукта», точно так же, как у лучшего тренера лошадей есть «чувство лошади». Основываясь на многолетнем опыте и мышлении, не ограниченном нормами, успешные продакт-менеджеры обладают интуитивной способностью понимать, как технологии могут решить проблему клиента по-новому. Они привлекают дизайнеров, инженеров и специалистов по обработке и анализу данных на ранней стадии формирования идей и задействуют широкий спектр нестандартного мышления.

Автономные команды, гибкая архитектура для достижения высоких результатов

Хорошая разработка программного обеспечения не может развиваться в иерархической организации. Крайне важно предоставить продуктовым командам автономию для экспериментов, опробования новых технологий и разработки собственных решений. Все начинается с предоставления менеджерам по продукту свободы и ответственности, чтобы они могли руководить своими межфункциональными командами так, как они считают нужным. Эта автономия может поддерживаться ключевыми механизмами (такими как цели и ключевые показатели) для обеспечения ответственности за результаты и автоматизированными функциями (такими как тестирование), которые не только ускоряют разработку, но и устанавливают барьеры для ограничения риска.

Чтобы команды разработчиков могли работать автономно, им нужна гибкая техническая архитектура. Основные компоненты этой архитектуры включают API, которые могут получать доступ к базовым данным, алгоритмам и процессам в устаревших системах; набор микросервисов (по сути автономных единиц кода, которые выполняют определенную функцию), которые являются модульными и подключаются к API, устраняя зависимости, которые досаждают устаревшим системам, где изменение одной части кода обычно требует множественных изменений в других; и общая платформа данных, которая объединяет разрозненные источники данных в единый доступный пул, к которому разработчики могут легко получить доступ.

Экосистема в деле разработки программного обеспечения

Экосистема программного обеспечения объединяет независимые технологические компании, от 30 до 40 миллионов штатных и независимых разработчиков. Компании-разработчики программного обеспечения все чаще нуждаются в доступе к широкой экосистеме, чтобы получить доступ к талантам, что необходимо для конкуренции.

Приобретение или доступ к разработчикам программного обеспечения, взращивание их и преобретение ими отличного опыта имеет решающее значение для победы. Ведущие компании подключаются к этой экосистеме разработчиков с помощью двух стратегий.

• Присоединение к существующей экосистеме. В широкой программной экосистеме есть множество бурно развивающихся подсистем, управляемых ведущими поставщиками программных услуг, которые вложили огромные средства в расширение возможностей и услуг своих платформ. Почти все лидеры говорят, что присоединение к существующим экосистемам — отличный способ получить доступ к опыту ведущих разработчиков.
• Создание внутренней экосистемы. Разработка собственной программной экосистемы либо на основе партнерства с клиентами, либо с другими поставщиками или разработчиками программного обеспечения.

Создание возможности выхода на рынок программного обеспечения

Продажа программного обеспечения сильно отличается от продажи других продуктов. Большинство компаний, не занимающихся программным обеспечением, продают по принципу «затраты плюс цена», ориентируясь, например, на маржу. Но поскольку программное обеспечение имеет низкие предельные издержки (после разработки), ценообразование должно основываться на ценности, которую программное обеспечение создает для клиента.

Еще одно отличие: продажа программного обеспечения требует более глубокого взаимодействия с клиентом. Это сообщения обновлений, отслеживания того, как клиенты используют программное обеспечение, предоставление технических экспертов, которые могут научить клиентов, как использовать программное обеспечение. Возможно для продаж придется привлекать извне ветеранов в деле продаж программного обеспечения.

Поиск и сохранение талантов

Конкуренция за лучшие технические таланты в настоящее время является жесткой. Компаниям легче нанимать лучших специалистов, если они имеют привлекательную миссию, предоставляют разработчикам работу, которая позволяет разработчикам развивать ключевые навыки в области программного обеспечения, .

Компаниям, стремящимся привлечь таланты в области программного обеспечения, вероятно, придется переосмыслить свои методы найма.

Но компании часто недооценивают опыт сотрудников, что приводит к серьезным проблемам с удержанием. Лучшие инженеры-программисты, например, хотят автономии, хотят иметь возможности для роста и развития своих навыков. 

Опыт разработчиков может быть настолько важен, что компания использует панель инструментов для отслеживания оценок удовлетворенности разработчиков.

Источник

McKinsey Quarterly
Every company is a software company: Six ‘must dos’ to succeed
December 13, 2022

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/every-company-is-a-software-company-six-must-dos-to-succeed

Самые вредные антиэксперты: издание 2023 г

Брайан Даннинг: "В очередной раз мы собираем людей, которые усердно трудятся над распространением дезинформации".

Даннинг Б. «Самые вредные антиэксперты: издание 2023 года». Подкаст Скептоид. Skeptoid Media, 24 января 2023 г. Интернет. 24 января 2023 г. <https://skeptoid.com/episodes/4868>

Ни для кого не секрет, что мы окружены дезинформацией и людьми, которые ее распространяют. Важным этапом обучения распознаванию является обращение к нему. Сегодня мы собираемся сделать именно это; но вместо того, чтобы сосредоточиться на самой дезинформации, мы собираемся определить ведущих антиэкспертов в каждой из десяти научных областей.

Антиэксперт — это человек, наиболее известный как ведущий эксперт в какой-либо области, однако его точка зрения в этой области является ложной. Например, если бы мы спросили группу геофизиков, которые являются лучшими экспертами в своей области, мы бы получили определенный список имен; но если бы мы задали тот же вопрос группе плоскоземельцев, то получили бы совсем другой список. Эти имена были бы антиэкспертами в этой области.

Итак, мы пройдемся по некоторым научным областям, пользующимся особой популярностью в наши дни, и выявим антиэксперта в каждой из них. Очевидно, что при составлении такого списка присутствует изрядная доля субъективности, поэтому вы вполне можете подумать, что я ошибаюсь в одном или нескольких из них, и вы можете подумать, что я пропустил кого-то лучше. А у меня вполне может быть. Но я поддерживаю свое утверждение, что каждый из этих людей, которых я называю, является как минимум одним из видных антиэкспертов в данной области.

Поскольку этот список Топ-10 представляет 10 различных тем, они не упорядочены по номерам. Что касается улыбок, я решил упорядочить их по последней букве в имени каждого антиэксперта. Потому что я могу.

Питание: Пит Эванс

Спросите любого человека с альтернативными представлениями о питании и еде, кто является лучшим экспертом в мире, и он, вероятно, ответит — особенно если он живет в Австралии — Пит Эванс. Хотя он поддерживает и продвигает большинство ложных заговорщических убеждений, как знаменитый шеф-повар, он наиболее известен своей защитой псевдонаучных диетических идей, особенно палеодиеты . Его ложные утверждения подверглись резкой критике со стороны всех, от Австралийской медицинской ассоциации до Ассоциации терапевтических товаров, и он является первым человеком, дважды удостоенным премии « Изогнутая ложка» от австралийских скептиков, ежегодно присуждаемой «совершителю самого нелепого произведения». паранормальной или псевдонаучной чепухи».

К счастью, Эванс имел немного меньше влияния, поскольку большая часть его присутствия в социальных сетях была закрыта за неоднократные нарушения политики дезинформации и нанесения вреда, а также с тех пор, как его издатель и крупные розничные продавцы разорвали с ним связи за продвижение иконографии сторонников превосходства белой расы. Большой сюрприз. Помните, что когда человек придерживается одной странной или вредной точки зрения, он, скорее всего, будет придерживаться и других.

COVID-19: Джозеф Меркола

Теперь, очевидно, есть много настоящих экспертов по COVID-19 для тех из нас, кто принимает науку, но для тех из нас, кто этого не делает, кого они считают лучшим экспертом? Вероятно, есть несколько кандидатов, но я бы остановился на Джо Мерколе как на самом влиятельном и вредном.

Как и несколько других имен в этом списке, Меркола уже был в этих 10 списках Skeptoid Top 10, что свидетельствует о его стойкости. На протяжении всей пандемии COVID-19 Меркола (пожизненный борец с вакцинами) продавал поддельные лекарства на своем веб-сайте и подвергался потоку предупреждений и штрафов со стороны регулирующих органов, которые он, похоже, считает просто затратами на ведение бизнеса. Доктор Оз уже давно активно продвигает его, и лучшим доказательством того, что его следует считать главным антиэкспертом в этом вопросе, является то, что он занял первое место в списке « Дюжины дезинформации » Центра противодействия цифровой ненависти .

Мошенничество на выборах: Динеш Д'Суза

Ранее известный как защитник креационизма, Динеш Д'Суза провел последнее десятилетие, изобретая себя как режиссер политической пропаганды. Он стал ведущим антиэкспертом страны в связи с якобы подтвержденным данными выводом о том, что результаты президентских выборов в США 2020 года были украдены организованной группой оперативников, противостоящих бывшему президенту Дональду Трампу, как показано в его фильме 2022 года « 2000 мулов» .

Основная предпосылка Д'Сузы заключается в том, что несколько десятков человек, присутствовавших в Атланте во время протестов против Джорджа Флойда в 2020 году, также находились рядом с местами голосования в колеблющихся штатах, которые стоили Трампу выборов: Аризоне, Джорджии, Мичигане, Пенсильвании и Висконсине, и все это согласно коммерчески приобретенные данные GPS анонимного мобильного телефона. Хотя об этих людях вообще ничего нельзя было знать, кроме того, что они были владельцами телефонов в тех штатах в то время, Д'Суза утверждает, что единственный рациональный вывод состоит в том, что они были крайне левыми активистами, которым платили за то, что они набивали бюллетени фальшивыми голосами. И его фильм, и его заключение ошеломительно мертвы для мозга и подверглись резкой критике со стороны прессы, специалистов по данным, демографов и экспертов по выборам. Тем не менее, этого достаточно, чтобы сделать его ведущим экспертом в области науки о выборах в своей конкретной демографической группе.

Здоровье: Гвинет Пэлтроу

Удивительно, но она попала практически в каждый из этих списков, составленных Skeptoid за последние 15 лет. Почему? Это потому, что она непропорционально влиятельна, поскольку ее компания Goop, занимающаяся вопросами здоровья и образа жизни, имеет годовой объем продаж, оцениваемый в 100 миллионов долларов. Не заблуждайтесь, Пэлтроу по-прежнему имеет большое влияние — продает людям, в основном женщинам, продукты, которые почти полностью бесполезны, под видом «здоровья» — индустрия, которая сама по себе почти полностью бесполезна .

Помимо продажи продуктов со змеиным маслом, таких как наборы для детоксикации, нефритовые яйца, предположительно заряженные лунным светом, и микробиомных «суперпорошков», Goop наиболее известен тем, что Федеральная торговая комиссия регулярно штрафует его за вводящие в заблуждение методы маркетинга. В основном, делая ложные заявления о пользе для здоровья глупых продуктов, которые вообще ничего не делают. В 2017 году одна независимая наблюдательная группа обнаружила около 51 такого ложного утверждения на веб-сайте Goop.

Астрофизика: Ави Леб

Всякий раз, когда в новостях появляются новости об астрофизике и НЛО, средства массовой информации обязательно хватаются за одного человека: Ави Лоэба, гарвардского физика-теоретика и астрофизика. Конечно, у вас не может быть более впечатляюще звучащих полномочий, поэтому они обращаются к нему. Для средств массовой информации, всегда жадных до сенсаций, бонусом является то, что Леб, кажется, полностью готов к инопланетному посещению. Леб впервые стал публичной фигурой, когда Оумуамуа, длинный тонкий астероид, прошел через Солнечную систему в 2017 году. Его разъяснения предполагали, что это был искусственный инопланетный космический корабль, включая статью в Scientific American, к большому разочарованию практически всего астрономическое сообщество.

В 2021 году Леб основал проект «Галилео» для систематического научного поиска доказательств существования внеземных технологических артефактов. Как видно из самого названия, итог проекта был заранее установлен. Люди с маргинальными убеждениями встречаются во всех слоях общества. Важно не путать корреляцию с причинно-следственной связью: в области астрофизики нет ничего, что заставило бы объективного астрофизика заключить, что нас посещают инопланетяне.

Древние цивилизации: Грэм Хэнкок

Британский писатель Грэм Хэнкок уже давно публикует свои представления о древних развитых цивилизациях, таких как высокотехнологичная версия Атлантиды, которая погибла во время последнего ледникового периода и передала секретные знания настоящим древним цивилизациям. Несмотря на то, что у него нет никакого опыта в истории, археологии или антропологии, и он противоречит реальной науке практически по каждому пункту, который он когда-либо утверждал, он остается популярным телевизионным экспертом по этому вопросу; до такой степени, что когда Netflix хотел сделать документальный сериал 2022 года по этой теме, они, по сути, сделали его рекламным роликом для его доказанных ложных убеждений под названием « Древний Апокалипсис».

Климат: Бьорн Ломборг

Датский профессор политологии, превратившийся в отрицателя науки о климате, Бьорн Ломборг наиболее известен своей серией научно-популярных книг, в которых утверждается, что нет никаких причин что-либо предпринимать для сдерживания изменения климата. Его первый фильм «Скептический эколог» 2001 года привлек всеобщее внимание и сыграл большую роль в запуске движения за отрицание климата. После того, как фильм Эла Гора « Неудобная правда » поднял тревогу о необходимости ограничить потепление, Ломборг быстро выпустил свою вторую книгу «Остынь», за которым последовал одноименный документальный фильм, который по существу бросил вызов фильму Гора. Обратите внимание, какой эффект это производит, когда политик и политический профессор спорят о науке — это убеждает многих людей в том, что научные дебаты существуют, хотя на самом деле их нет вообще. Больше таких фильмов должны снимать ученые, а не политики.

Ломборг получал жалобы на научную нечестность на протяжении большей части своей карьеры. В 2008 году Министерство науки, технологий и инноваций Дании обнаружило, что его книга действительно была нечестной с научной точки зрения, преднамеренно искажающей науку, но что он сам не был виновен, поскольку он не ученый, и, таким образом, это было авторским мнением. В 2010 году была опубликована книга под названием «Обман Ломборга », в которой показано, что целая книга необходима только для того, чтобы изложить всю глубину нечестности и ошибок Ломборга. И сегодня он так же занят, как и раньше, распространяя дезинформацию о климате.

Пришельцы: Джорджио Цукалос

Вероятно, никто не думает, что Джорджио Цукалос — сумасшедший хозяин «Древних пришельцев» — на самом деле является экспертом в истории, археологии или — ну, в общем, во всем. У него определенно нет опыта работы в смежных областях; единственной другой работой, которую он имел, была реклама бодибилдинга. Помимо телешоу, он наиболее известен мем-графикой «Я не говорю, что это инопланетяне, но это инопланетяне».

Теперь есть настоящие эксперты по инопланетянам. Их называют астробиологами, и они знают все, что мы знаем о возможности внеземной жизни. Но, назовите астробиолога. Большинство людей не могут. Поэтому, когда вы спросите, кто является большим экспертом по инопланетянам, большинство людей назовут имя Цукалос. Или, что более вероятно, они узнают его сумасшедшие волосы, так как его имя немного неуловимо. Это действительно грустный комментарий, когда большинство людей обращаются к эксперту по актуальному академическому предмету, это телеведущий, наиболее тесно связанный с гелем для волос.

Паранормальные явления: Трэвис Тейлор

Трэвис Тейлор, одна из звезд шоу The Secret of Skinwalker Ranch на HISTORY Channel , имеет две докторские степени в области инженерии и является законным аэрокосмическим инженером, и это круто. Он также писатель-фантаст-любитель, и это тоже круто. И то, что он звезда телешоу о паранормальных явлениях, означает, что он, вероятно, заинтересован в этом, и это тоже круто. Но когда телеаудитория, жаждущая доказательств загробной жизни, видит кого-то с законными полномочиями STEM в качестве одного из своих самых публичных защитников, это создает проблему. Это узаконивает беготню в темноте, держа в руках причудливую электронику и прыгая при каждом малейшем шорохе, как если бы это был научный эксперимент, что, приношу свои извинения поклонникам шоу, таковым не является.

Телеведущим повезло найти любую работу, на которую они способны, поэтому я не виню Тейлор за участие в шоу. Может быть, он искренне верит, или, может быть, он просто готов выступать перед камерами и вести себя так, как будто межпространственный космический призрак несет ответственность за каждого мертвого скота, которого они встречают на ранчо. Но его законные полномочия, несомненно, сделали его серьезным экспертом №1 в Америке по паранормальным явлениям, и в результате многие теперь думают, что за космическими полтергейстами стоит наука.

Прививка: Роберт Ф. Кеннеди мл.

Говоря о списке «Дюжины дезинформации», на второй позиции мы находим Роберта Ф. Кеннеди-младшего, возможно, самого заметного фанатика антивакцин и науки на планете. Невозможно оценить, сколько смертей от вакциноуправляемых болезней несет ответственность за Кеннеди, но мы можем быть уверены, что это не ноль. Он снимал антипрививочные фильмы, писал антипрививочные книги, а также занимался разжиганием заговоров широкого спектра действия.

Его биография читается как история антипрививочного движения и окружающих его теорий заговора. Он даже снял видео через некоммерческую организацию Children's Health Defense, которую он возглавляет, утверждая, что вакцины против COVID-19 являются тайной программой для проведения медицинских экспериментов над чернокожими. Если вы уже думали, что он сошел с рельсов, он, вероятно, намного дальше, чем вы думали.


* * *

Ссылки и дополнительная литература

• Блэк, Р. «Идиотизм, вымыслы и ложь древних пришельцев». Смитсоновский журнал. Смитсоновский институт, 11 мая 2012 г. Интернет. 22 января 2023 г.
• Дефан, М. «Вызов потерянной цивилизации: анализ утверждений Грэма Хэнкока в книге «Волшебники богов». Журнал Скептик. 1 июля 2017 г., том 22, номер 3.
• Редакторы. «TINA.org передает регулирующим органам жалобы Гвинет Пэлтроу на здоровье». Потребительские новости. Правда в рекламе, 22 августа 2017 г. Интернет. 18 января 2023 г. <https://truthinadvertising.org/articles/tina-takes-goop-claims-to-regulators/>
• Френкель, С. «Самый влиятельный распространитель дезинформации о коронавирусе в Интернете». Нью-Йорк Таймс. The New York Times Company, 24 июля 2021 г. Интернет. 22 января 2023 г. <https://www.nytimes.com/2021/07/24/technology/joseph-mercola-coronavirus-misinformation-online.html>
• Фрил, Х. Ломборгский обман. Нью-Хейвен: издательство Йельского университета, 2010.
• Гриц, Дж. «Чудо Ави Леба». Смитсоновский журнал. Смитсоновский институт, 1 октября 2021 г. Интернет. 22 января 2023 г. <https://www.smithsonianmag.com/science-nature/wonder-avi-loeb-180978579/>
• Клоор, К. «Исследование НЛО в Пентагоне под руководством исследователя, который верит в сверхъестественное». Наука. Американская ассоциация развития науки, 29 июня 2022 г. Интернет. 22 января 2023 г. <https://www.science.org/content/article/pentagon-ufo-study-led-researcher-who-believes-supernatural>
• Митчелл, Г. «Пит Эванс получил награду, признающую шарлатанство». SMH.au. The Sydney Morning Herald, 18 октября 2015 г. Интернет. 22 января 2023 г. <https://www.smh.com.au/entertainment/pete-evans-given-award-to-recognise-quackery-20151017-gkbq4i.html>
• Свенсон, А. «ФАКТЫ В ФОКУСЕ: зияющие дыры в заявлениях о мулах для голосования на 2 тысячи». Новости АП. Ассошиэйтед Пресс, 3 мая 2022 г. Интернет. 18 января 2023 г.
• Вейр, К. «Как Роберт Ф. Кеннеди-младший стал иконой американских кошмаров против прививок». Ярмарка Тщеславия. Condé Nast, 13 мая 2021 г. Интернет. 22 января 2023 г. <https://www.vanityfair.com/news/2021/05/how-robert-f-kennedy-jr-became-anti-vaxxer-icon-nightmare>

Великое создается по частям

Однажды ученик Мудрейшего из клана Спокойных попросил Учителя открыть ему очередную истину. Учитель выслушал его просьбу и велел каждый день в течение трех лет приносить из долины определенное число камней и складывать их в русло пересохшего ручья. Прошло время, и талые воды, скопившись у плотины, построенной учеником из камней, образовали озеро дивной красоты.
– И какую же истину извлек ты из моего урока? – спросил, любуясь озером, Мудрейший у своего ученика.
– Великое создается по частям, о, Учитель, – ответил тот.

Из интервью о том, что такое метавселенная

В узком смысле, или пока, в начальной стадии своего развития, метавселенная представляет собой эволюцию Интернета, поскольку она включает в себя 3D в реальном времени в качестве основной среды и иммерсивную аппаратную платформу. Точно так же, как Интернет охватывал цифровые, видео и мобильные платформы 15 лет назад.

Метавселенная будет отвечать фундаментальной потребности людей для действий в реальном масштабе времени в 3D, где все становится интерактивным и многопользовательским. Так как метавселенная позволит взаимодействовать со всеми, то это явление социально "до мозга костей": будь то сотрудничество на рабочем месте или просто проведение времени с желательными людьми. И этот социальный аспект нужен всем.

Использование метавселенной помимо игр будет зависеть от платформы. Чувство соприсутствия является фундаментальным и, вероятно, понадобится установка виртуальной реальности (VR) или что-то довольно сложное и захватывающее, позволяющее читать язык тела, улавливать эмоциональные сигналы и действительно создавать ощущение общения "как бы в реальности". И на создание таких возможностей возможно уйдут десятилетия. А пока можно дополнить нашу жизнь подключенными отображающими цифровой контент устройствами, такими как очки или ветровое стекло, подключенными к телефону или облаку.

Метавселенная может позволить использовать интерактивный контент и пространственные вычисления для помощ людям в их реальной жизни, будь то навигация по городу или изучение вещей, которые иначе невозможно увидеть или видеть. Компьютеры могут знать об окружающей среде гораздо больше человека, потому что они могут получить доступ к базам данных и затем отобразить нужную информацию с помощью подключенных устройств. И такое "усиление" возможностей и осведомленности человека может являтья одним из фундаментальных аспектов метавселенной.

На пути широкого внедрения метавселенной имеются большие препятствия. Создание контента является сложной задачей, равно как и публикация и распространение контента. И это связано с расходами. Конечно, с развитием фотограмметрии (сбор надежной информации о физических объектах с помощью фотографий) появились интересные способы сокращения расходов на создание цифрового контента, что является в определенном смысле инновацией. Возможно, будут и следующие прорывы.

Другая инновация, которую можно использовать для развития метавселенной, это использование машинного обучения для создания контента. Что же касается доставки контента, по-прежнему нужно обновление инфраструктуры, обеспечивающей доставку контекста. В этом деле также наблюдается некоторый прогресс.

Еще одно нововведение - 3D в реальном масштабе времени в открытой сети с развивающимся стандартом WebGPU. Наличие браузера, обеспечивающего универсальный доступ к 3D-контенту, будет важной частью уравнения, позволяющим использовать такой интернет-контент в веб-браузерах.

Открытая экономика метавселенной. Важно создать по-настоящему ориентированную на пользователей экономику открытой метавселенной, в которой создатели контента смогут осознать ценность своих творений, а не просто быть во власти забирающей прибыль администрации метавселенной. То есть, придется создать новое поколение платформ, обеспечивающих лучшую экономику для авторов, в которой все должно быть честным, открытым и совместимым. 

Перенос смоделированных миров с платформы на платформу, а также сохранение смоделированных миров на платформе автора. В настоящий момент техника перемещения полностью смоделированных миров с одной платформы на другую сложна. Но она должна быть быть улучшена или преобразована, с тем, чтобы такие действия были удобными и устраивать  авторов миров.

Игровые движки и искусственный интеллект — два очень мощных инструмента, упрощающих процесс создания контента. Например, архитектор может захотить увидеть, как будет выглядеть здание в различной природной среде, с деревьями или без вокруг здания, как здание будет выглядеть летом и зимой. Для создания среды, времени суток, сезонов может использоваться игровой движок с соответствующим функционалом.

Цифровой двойник - это понятным и окупаемый способ взаимодействия руководителей с метавселенной. В этом случае нужно понимать, как получать данные, которые можно использовать в 3D в реальном масштабе времени, как будет получаться цифровая версия объекта или продукта, как будет обеспечиваться доступ и обновление цифрового двойника в реальном масштабе времени, как будет поддерживать каждый этап жизненного цикла объекта или продукта. Но это потребует изменений в технологии и способах работы. Людям потребовалось десять-пятнадцать лет, чтобы переварить революцию в области управления жизненным циклом продукта (PLM) и построения информационного моделирования (BIM). Исходя из этого, потребуется время для того, чтобы научиться творить в 3D в рамках инфраструктуры корпоративного уровня. То есть потребуются и время, и значительные ивестиции для производства цифровых двойников.

NFT - невзаимозаменяемые токены. Без данных нет метавселенной. Нет истории. Речь идет не о невзаимозаменяемых токенах (NFT), речь идет о данных. Сейчас нам нужно сосредоточиться на технологической революции, - 3D в реальном масштабе времени, - а также на том, почему это так важно в жизни. Возможно потому, что оно приносит многопользовательский социальный аспект и интерактивность.

Web 2.0 — это для "уединенного" опыта. В этой технологии мы смотрим что-то в одиночестве и это что-то либо нравится, либо не нравится. Но погружение в мир, в котором вы участник, вызовет совсем другие ощущения и другой опыт, возможно для будущих поколений. И когда пользователи распробуют "новое качество", пути назад уже не будет.

Пересказано интервью Марка Пети, это его взгляд и его соображения.

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/building-a-creator-economy

Marc Petit, Vice President of Unreal Engine Ecosystem at Epic Games. "Building a creator economy". December 7, 2022

Восстание против человечества

The Revolt Against Humanity: Imagining a Future Without Us
https://globalreports.columbia.edu/books/the-revolt-against-humanity/

Адам Кирш, автор, как аксиому принамает, что наступает конец человечеству. И не постулируя и не артикулируя эту аксиому - тут же задает провокационный вопрос: 

"Должны ли мы приветствовать конец человечества?"

Амазон утверждает, что в этой блестящей книге об истории одной идеи один из ведущих критиков обращает внимание на, казалось бы, непостижимую тему, которая серьезно обсуждается: конец господства человечества на земле неизбежен и мы должны приветствовать это.

Кирш выделяет две разновидности того, что он назвал постгуманизмом.

• Одна из них, которую он называет антропоценовым антигуманизмом, утверждает, что мы, люди, проделали такую плохую работу по управлению землей, что больше не заслуживаем играть эту роль. 
• Другая, которую он называет трансгуманизмом, более оптимистична. Он воображает, что технологические достижения скоро прорвутся сквозь границы времени, пространства и познания, те самые, которые всегда определяли наше существование.

Откуда взялись эти два направления? Адам Кирш исследует литературу, философию, науку и популярную культуру, и на основе такого анализа определяет два направления мышления: антропоценовый антигуманизм (утверждает, что разрушение климата обрекло человечество), который приветствует наше вымирание, и трансгуманизм, кльлоый считает, что генная инженерия и искусственный интеллект приведут к новым формам жизни, к возникновению "новых" существ, превосходящих нынешних людей.

Кирш представляет утверждения мыслителей и писателей от Роджера Халлама до Джейн Беннетт, Дэвида Бенатара до Ника Бострома, Патриции МакКормак до Рэя Курцвейла, Яна Макьюэна до Ричарда Пауэрса. И это, согласно рецензии Амазон, заставит нас увидеть текущий момент, текущее время в новом свете. Восстание против человечности уже распространилось за пределы интеллектуального мира и может коренным образом изменить политику и общество — если уже не сделало этого.

* * *

P.S. Вопрос - а не сводится ли все к революции в рамках дискурса? А действительность и природа движутся своим чередом... Но вгляды интеллектуалов могут быть сродни "религии". В данном случае, не направлено ли воздействие на лиц, принимающих решение. А уж потом и появится и "общественное мнение", и тренды и новые ценности...

* * * *

P.S.S. XXI век принес с собой мощную волну геополитических, экономических и демократических потрясений. Их последствия привели к тому, что центральные банки создали более 25 триллионов долларов новых денег, положили начало новой эре геополитической конкуренции, дестабилизировали Ближний Восток, раскололи Европейский союз и обнажили старые политические разломы в Соединенных Штатах.

Генеративный ИИ уже здесь

Генеративный ИИ уже здесь: как такие инструменты, как ChatGPT, могут изменить ваш бизнес
20 декабря 2022 г.| Комментарий от Майкл Чуи, Роджер Робертс, Ларейна Йи.

https://www.mckinsey.com/capabilities/quantumblack/our-insights/generative-ai-is-here-how-tools-like-chatgpt-could-change-your-business

Новейший класс генеративных систем искусственного интеллекта возник из базовых моделей — крупномасштабных моделей глубокого обучения, обученных на массивных, обширных, неструктурированных наборах данных (таких как текст и изображения), которые охватывают множество тем. Разработчики могут адаптировать модели для широкого спектра вариантов использования, требуя небольшой тонкой настройки для каждой задачи. 

Например, GPT-3.5, базовая модель, лежащая в основе ChatGPT, использовалась для перевода текста, а ученые использовали более раннюю версию GPT для создания новых последовательностей белков. Таким образом, мощь таких возможностей доступна для всех, включая разработчиков, которым не хватает специальных навыков машинного обучения, и, в некоторых случаях, людей без технического образования. Использование базовых моделей ИИ может сократить время разработки новых приложений ИИ.

Генеративный ИИ обещает сделать 2023 год одним из самых захватывающих для ИИ. Но, как и в случае с каждой новой технологией, бизнес-лидеры должны действовать с широко открытыми глазами, потому что сегодня эта технология сопряжена со многими этическими и практическими проблемами.

Продвигаясь дальше в человеческие сферы

Более десяти лет назад мы написали статью, в которой разделили экономическую деятельность на три категории — производство, транзакции и взаимодействия — и изучили, в какой степени технологии проникли в каждую из них. Машины и фабричные технологии изменили производство, расширив и автоматизировав человеческий труд во время промышленной революции более 100 лет назад, а искусственный интеллект еще больше повысил эффективность производства. Транзакции претерпели множество технологических итераций примерно в одно и то же время, включая недавнюю оцифровку и, часто, автоматизацию.

До недавнего времени интерактивный труд, такой как обслуживание клиентов, подвергался наименее зрелым технологическим вмешательствам. Генеративный ИИ призван изменить это, выполняя интерактивный труд таким образом, который близко и, в некоторых случаях, незаметно приближается к человеческому поведению. Это не означает, что эти инструменты предназначены для работы без участия и вмешательства человека. Во многих случаях они наиболее эффективны в сочетании с людьми, расширяя их возможности и позволяя выполнять работу быстрее и лучше.

Генеративный ИИ также продвигает технологии в сферу, которая, как считается, уникальна для человеческого разума: в творчество. Технология использует свои входные данные (данные, которые она приняла, и подсказки пользователя) и опыт (взаимодействия с пользователями, которые помогают ей «узнавать» новую информацию и определять, что является правильным/неправильным) для создания совершенно нового контента. Хотя в обозримом будущем за обеденным столом будут бушевать дебаты о том, действительно ли это приравнивается к творчеству, большинство, вероятно, согласится с тем, что эти инструменты могут дать волю бОльшему творчеству в мире.

Широкое использование в бизнесе

• Маркетинг и продажи — создание персонализированного маркетинга, социальных сетей и технического контента для продаж (включая текст, изображения и видео); создание помощников, ориентированных на конкретные предприятия, такие как розничная торговля
• Операции — создание списков задач для эффективного выполнения заданной деятельности.
• ИТ/инженерия — написание, документирование и проверка кода
• Оценка риска и юридические вопросы — ответы на сложные вопросы, извлечение огромного количества юридической документации, а также составление и проверка годовых отчетов.
• НИОКР — ускорение открытия лекарств благодаря лучшему пониманию болезней и открытию химических структур.

...требуется осторожность

Впечатляющие результаты генеративного ИИ могут показаться готовой технологией, но это не так. Его зарождение требует от руководителей проявлять большую осторожность. Технологи все еще работают над ошибками, и множество практических и этических вопросов остаются открытыми. Вот несколько.

• Как и люди, генеративный ИИ может ошибаться. ChatGPT, например, иногда «галлюцинирует», что означает, что он уверенно генерирует совершенно неточную информацию в ответ на вопрос пользователя и не имеет встроенного механизма, чтобы сигнализировать об этом пользователю или оспаривать результат. Например, мы наблюдали случаи, когда инструменту предлагалось создать краткую биографию, и он выдавал несколько неверных фактов о человеке, например, неправильное учебное заведение.
• Фильтры еще недостаточно эффективны, чтобы отлавливать неприемлемый контент. Пользователи приложения для создания изображений, которое может создавать аватары из фотографии человека, получали от системы параметры аватара, которые изображали их обнаженными, даже если они ввели соответствующие фотографии самих себя.
• Системные предубеждения все еще нуждаются в устранении. Эти системы основаны на огромных объемах данных, которые могут содержать нежелательные искажения .
• Индивидуальные нормы и ценности компании не отражены в решениях ИИ. Компании должны будут адаптировать технологию, чтобы включить в нее свою культуру и ценности, а для этого требуются технические знания и вычислительная мощность, к которой некоторые компании могут иметь свободный доступ.
• Вопросы интеллектуальной собственности. Когда генеративная модель ИИ выдвигает новый дизайн продукта или идею на основе запроса пользователя, кто может претендовать на это? Что происходит, когда он занимается плагиатом источника на основе своих обучающих данных?

С чего начать?

В компаниях, рассматривающих возможность использования генеративного ИИ, руководители захотят быстро определить те части бизнеса, где технология может оказать самое непосредственное влияние, а затем внедрить мониторинга темпов развития и использования ИИ.. Беспроигрышный вариант — собрать кросс-функциональную команду, включающую практиков в области обработки данных, экспертов в области права и руководителей функционального бизнеса, чтобы продумать такие основные вопросы:

• Где технология может помочь или нарушить нашу отрасль и/или цепочку создания стоимости нашего бизнеса?
• Какова наша политика и позиция? Например, ждем ли мы развития технологии, инвестируем ли в пилотные проекты или пытаемся построить новый бизнес? 
• Должна ли позиция различаться в зависимости от сферы бизнеса?
• Учитывая ограничения моделей, каковы наши критерии выбора сценариев использования?
• Как нам построить эффективную экосистему партнеров, сообществ и платформ?
• Каким правовым и общественным стандартам должны соответствовать эти модели, чтобы мы могли поддерживать доверие наших заинтересованных сторон?

-----------

Что такое генеративный ИИ?

https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai

Генеративный искусственный интеллект (ИИ) описывает алгоритмы (такие как ChatGPT), которые можно использовать для создания нового контента, включая аудио, код, изображения, текст, симуляции и видео. Недавние новые достижения в этой области могут радикально изменить подход к созданию контента.

Системы генеративного ИИ подпадают под широкую категорию машинного обучения, и вот как одна из таких систем — ИИ ChatGPT — описывает свои возможности:

"Готовы вывести свое творчество на новый уровень? Не смотрите дальше генеративного ИИ! Эта изящная форма машинного обучения позволяет компьютерам генерировать все виды нового и захватывающего контента, от музыки и искусства до целых виртуальных миров. И это не только для развлечения — у генеративного ИИ есть множество практических применений, таких как создание новых продуктов и оптимизация бизнес-процессов. Так зачем ждать? Раскройте всю мощь генеративного ИИ и посмотрите, какие удивительные творения вы сможете создать!"

Что такое ChatGPT и DALL-E?

GPT расшифровывается как генеративный предварительно обученный преобразователь. ChatGPT - бесплатный чат-бот, который может дать ответ практически на любой заданный вопрос. Разработанный OpenAI и выпущенный для тестирования для широкой публики в ноябре 2022 года, он уже считается лучшим чат-ботом с искусственным интеллектом. И он также популярен: более миллиона человек подписались на него всего за пять дней. Здравомыслящие фанаты публиковали примеры того, как чат-бот создает компьютерный код, эссе на уровне колледжа, стихи и даже не очень приличные шутки.

Хотя многие отреагировали на ChatGPT (а также на ИИ и машинное обучение в более широком смысле) со страхом, у машинного обучения явно есть хороший потенциал. За годы, прошедшие с момента его широкого внедрения, машинное обучение продемонстрировало влияние в ряде отраслей, выполняя такие задачи, как анализ медицинских изображений и прогнозы погоды с высоким разрешением. Опрос McKinsey 2022 года показывает, что внедрение ИИ увеличилось более чем вдвое за последние пять лет, и инвестиции в ИИ быстро растут. Генеративные инструменты искусственного интеллекта, такие как ChatGPT и DALL-E (инструмент для искусства, созданного искусственным интеллектом), могут изменить способ выполнения ряда работ. Однако полный масштаб этого воздействия до сих пор неизвестен, равно как неизвестны и риски.

В чем разница между машинным обучением и искусственным интеллектом?

Искусственный интеллект — это в значительной степени попытка заставить машины имитировать человеческий интеллект для выполнения задач. Вы, вероятно, взаимодействовали с ИИ, даже если не осознаете этого — голосовые помощники, такие как Siri и Alexa, основаны на технологии ИИ, как и чат-боты обслуживания клиентов, которые появляются, чтобы помочь вам перемещаться по веб-сайтам.

Машинное обучение — это разновидность искусственного интеллекта. С помощью машинного обучения специалисты-практики развивают искусственный интеллект с помощью моделей, которые могут «учиться» на шаблонах данных без участия человека. Неуправляемо огромный объем и сложность данных (во всяком случае, не поддающихся управлению людьми), которые сейчас генерируются, увеличили потенциал машинного обучения, а также потребность в нем.

Каковы основные типы моделей машинного обучения?

Машинное обучение основано на ряде строительных блоков, начиная с классических статистических методов, разработанных между 18 и 20 веками для небольших наборов данных. В 1930-х и 1940-х годах пионеры вычислительной техники, включая математика-теоретика Алана Тьюринга, начали работать над основными методами машинного обучения. Но эти методы были ограничены лабораториями до конца 1970-х годов, когда ученые впервые разработали компьютеры, достаточно мощные для их установки.

До недавнего времени машинное обучение в значительной степени ограничивалось прогностическими моделями, используемыми для наблюдения и классификации закономерностей в контенте. Например, классическая задача машинного обучения — начать с изображения или нескольких изображений, скажем, очаровательных кошек. Затем программа определяла шаблоны среди изображений, а затем тщательно изучала случайные изображения в поисках тех, которые соответствовали бы шаблону очаровательного кота. Генеративный ИИ стал прорывом. Вместо того, чтобы просто воспринимать и классифицировать фотографию кошки, машинное обучение теперь может создавать изображение или текстовое описание кошки по запросу.

Как работают текстовые модели машинного обучения? Как они обучаются?

ChatGPT сейчас может быть во всех заголовках, но это не первая текстовая модель машинного обучения, которая произвела фурор. GPT-3 от OpenAI и BERT от Google были запущены в последние годы с некоторой помпой. Но до появления ChatGPT, который, по мнению большинства пользователей, большую часть времени работал довольно хорошо (хотя он все еще находится на стадии оценки), чат-боты с искусственным интеллектом не всегда получали самые лучшие отзывы. GPT-3 «поочередно очень впечатляет и очень разочаровывает», — сказал технический репортер New York Times Кейд Мец в видео, где он и кулинарный писатель Прия Кришна попросили GPT-3 написать рецепты для (довольно катастрофического) ужина в честь Дня Благодарения .

Первые модели машинного обучения для работы с текстом были обучены людьми. Входные данные имели метки для классификации. Метки устанавливались исследователями. Одним из примеров может быть модель, обученная маркировать сообщения в социальных сетях как положительные или отрицательные. Этот тип обучения известен как контролируемое обучение, потому что человек отвечает за «обучение» модели тому, что делать.

Следующее поколение текстовых моделей машинного обучения основано на так называемом самоконтролируемом обучении. Этот тип обучения включает подачу в модели большого количества текста для обучения. Например, некоторые модели могут предсказать, основываясь на нескольких словах, чем закончится предложение. При правильном количестве образцов текста — скажем, в Интернете — эти текстовые модели становятся достаточно точными.

Что нужно для создания генеративной модели ИИ?

Построение генеративной модели ИИ по большей части было серьезной задачей, до такой степени, что только несколько технических тяжеловесов с хорошими ресурсами предприняли попытку. OpenAI, компания, стоящая за ChatGPT, бывшими моделями GPT и DALL-E, получила миллиарды долларов от спонсоров. DeepMind является дочерней компанией Alphabet, материнской компании Google, а Meta выпустила свой продукт Make-A-Video, основанный на генеративном искусственном интеллекте. В этих компаниях работают одни из лучших в мире компьютерщиков и инженеров.

Но дело не только в таланте. Когда вы тренируете модель тренироваться на всем интернете, это будет стоит денег. OpenAI не опубликовала точную стоимость, но оценки показывают, что GPT-3 был обучен примерно на 45 терабайтах текстовых данных — это примерно один миллион футов книжной полки или четверть всей Библиотеки Конгресса — по ориентировочной стоимости в несколько миллион долларов. Это не те ресурсы, к которым может  позволить себе начинающий стартап.

Какие результаты может дать генеративная модель ИИ?

Как вы, возможно, заметили выше, результаты генеративных моделей ИИ могут быть неотличимы от контента, созданного людьми, или могут показаться немного сверхъестественными. Результаты зависят от качества модели — как мы видели, результаты ChatGPT до сих пор кажутся лучше, чем у его предшественников.

ChatGPT может создать то, что один комментатор назвал эссе на «отлично » , сравнивая теории национализма Бенедикта Андерсона и Эрнеста Геллнера — за десять секунд. В нем также появился уже известный отрывок, описывающий, как вынуть бутерброд с арахисовым маслом из видеомагнитофона в стиле Библии короля Якова. Художественные модели, созданные с помощью искусственного интеллекта, такие как DALL-E (его название представляет собой смесь художника-сюрреалиста Сальвадора Дали и очаровательного робота Pixar WALL-E), могут по запросу создавать странные, красивые изображения. Другие модели генеративного ИИ могут создавать код, видео, аудио или бизнес-симуляции .

Но результаты ИИ не всегда точны или уместны. ChatGPT, похоже, испытывает проблемы со счетом или решением базовых задач по алгебре — или с преодолением сексистских и расистских предубеждений, которые скрываются в подводных течениях Интернета и общества в целом.

Выходные данные генеративного ИИ представляют собой тщательно откалиброванные комбинации данных, используемых для обучения алгоритмов. Поскольку объем данных, используемых для обучения этих алгоритмов, настолько огромен — как уже отмечалось, GPT-3 был обучен на 45 терабайтах текстовых данных, — что модели могут показаться «творческими» при создании выходных данных. Более того, модели обычно имеют случайные элементы, а это значит, что они могут создавать различные выходные данные из одного входного запроса, что делает их еще более реалистичными.

Какие проблемы может решить генеративная модель ИИ?

Генеративные инструменты ИИ как игрушки могут могут генерировать развлечения. Возможность применения ИИ очевидна и для бизнеса. Инструменты генеративного ИИ могут за считанные секунды создавать широкий спектр заслуживающих доверия текстов, а затем реагировать на критику. Это имеет значение для самых разных отраслей: от организаций, занимающихся информационными технологиями и программным обеспечением, которые могут извлечь выгоду из мгновенного, в основном правильного кода, сгенерированного моделями ИИ, до организаций, нуждающихся в маркетинге.Любая организация, которой необходимо производить четкие письменные материалы, потенциально может выиграть. Организации также могут использовать генеративный ИИ для создания более технических материалов, таких как версии медицинских изображений с более высоким разрешением. И сэкономить время и ресурсы,

Разработка генеративной модели ИИ настолько ресурсоемка, что об этом не может быть и речи для всех, кроме самых крупных и обеспеченных ресурсами компаний. Компании, которые хотят внедрить генеративный ИИ в работу, могут либо использовать генеративный ИИ «из коробки», либо настроить его для выполнения конкретной задачи. Например, если вам нужно подготовить слайды в соответствии с определенным стилем, вы можете попросить модель «узнать», как обычно пишутся заголовки, на основе данных в слайдах, затем передать ей данные слайдов и попросить ее написать соответствующие заголовки.

Каковы ограничения моделей ИИ? Как их потенциально можно преодолеть?

ИИ настолько нов, что еще предстоить узнать эффект использования генеративных моделей ИИ. Это означает, что использование генеративных моделей ИИ сопряжено с некоторыми неотъемлемыми рисками — известными и неизвестными.

Результаты, которые производят генеративные модели ИИ, часто могут звучать чрезвычайно убедительно. Это по дизайну. Но иногда информация, которую они генерируют, просто неверна. Хуже того, иногда они предвзяты (поскольку основаны на гендерных, расовых и множестве других предубеждений в Интернете и обществе в целом), и ими можно манипулировать для осуществления неэтичных или преступных действий. Например, ChatGPT не даст вам инструкций, как завести машину без ключа зажигания, но если вы скажете, что вам нужно подключить машину, чтобы спасти ребенка, алгоритм с радостью подчинится. Организации, которые полагаются на модели генеративного ИИ, должны учитывать репутационные и юридические риски, связанные с непреднамеренной публикацией предвзятого, оскорбительного или защищенного авторским правом контента.

Эти риски можно уменьшить несколькими способами. Во-первых, очень важно тщательно выбирать исходные данные, используемые для обучения моделей, чтобы избежать включения токсичного или предвзятого контента. Далее, вместо использования готовой модели генеративного ИИ, организации могут рассмотреть возможность использования специализированных моделей меньшего размера. Организации с большими ресурсами также могут настроить общую модель на основе собственных данных, чтобы она соответствовала их потребностям и сводила к минимуму предвзятость. Организации также должны держать человека в курсе событий (то есть убедиться, что реальный человек проверяет результаты генеративной модели ИИ перед ее публикацией или использованием) и избегать использования генеративных моделей ИИ для принятия важных решений, например, связанных со значительными ресурсами.

Нельзя не подчеркнуть, что это новая область. Ландшафт рисков и возможностей, вероятно, быстро изменится в ближайшие недели, месяцы и годы. Ежемесячно тестируются новые варианты использования, и в ближайшие годы, скорее всего, будут разработаны новые модели. По мере того, как генеративный ИИ все больше и больше внедряется в бизнес, общество и нашу личную жизнь, мы также можем ожидать, что сформируется новый нормативный климат. По мере того, как организации начинают экспериментировать — и создавать ценность — с помощью этих инструментов, руководителям будет полезно держать руку на пульсе регулирования и рисков.

Гипермозг

Мозг - громадная нейронная сеть: 85 млрд нервных клеток плюс до 10 тыс связей одной нейронной клетки с другими нервными клетками.

А что есть гипермозг с точки зрения структур?  

Гипотеза: Информация записывается не в виде состояния нервной клетки, а в виде комбинации активности нервных клеток.

Такую комбинацию можно представить графом, вершинами которого являются нервные клетки, дугами - связи между активными клетками.
Число возможных графов на множестве нервных клеток и их связей настолько велико, что превышает число элементарных частиц видимой Вселенной.

Более точно подобная гипотеза связана с теорией интегрированной информации Джулио Тонони, состоящую в утверждении, что сознание в нейронной сети лежит "сверху" над информацией изолированных нервных клеток.

Для описания графа активности мозга ученые придумали понятие - "когн".

Когн - сеть нейронов, сцепленных единым опытом. Более научно - сцепленных когнитивным опытом.

Но когны то же связаны друг с другом и составляют сеть когнов. Аналогом такой сети уже будет выступать гиперграф. В гиперграфе вершинами являются множества вершин базисного графа, дугами - множества дуг.

Сеть когнов получила название "когнита". Может быть это уже кирпичики для построения понятий и образов.

В динамике работа мозга выглядит наверное так. При рождении мы имеем некоторый набор когнитов. Затем начинает формироваться более развитая сеть когов и после их строительства - множество когнитов. Число связей когнов определяет богатство ассоциаций. Обучение вычеркивает бесполезные и неправильные ассоциации. Но видимо не у всех. У некоторых остаются очень богатые связи, что в свою очередь определяет фантазию, творческие способности и вообще инаковость мышления.

Однако от потока новой информации никуда не деться и сеть обязана корректироваться. Механизм обработки новой информации можно представить так. В случае поступления информации, которая не укладывается в сеть когнов, описывающих стереотипные или рутинные задачи, включается механизм формирования новой сети. А именно, с помощью математического формализма можно сказать - происходит перестройка или формирование новой матрицы смежности, описывающей новые связи и даже вершины графа. Если известен механизм формирования когнитивной сети, то должен быть и механизм "разрушения" когнитивной сети, а также механизм "перепрограммирования" когнитивной сети.

Допустим, решена задача перепрограммирования когнитивной сети. Не отвечает ли это "перепрограммированию мозгов"? Если да, то открываются широкие перспективы как созидательного, так и разрушительного толка.

В фанстической литературе (например, Exodus). описывается сеть более высокого порядка: объединение "мозгов" нескольких людей для решения неких сверхложных задач. Как правило, задач, обеспечивающих выживание более высокого порядка и поиска "истин". Мозг и так гиперграф, а что может дать объединение двух мозгов? Увеличится размер нейронной сети? Да. Увеличится размер памяти? Возможно, да. Но вот вычисление и поиск потребных связей, а также энергозатраты на поддержание и работу новых цепей то же обязательно возрастут. И это должно ограничить что то с точки зрения физиологии, так как "топки" остались те же, и дополнительная энергия на организацию межмозговых связи должна откуда то изыматься, равно как и кровь, обеспечивающая доставку энергетических молекул.

Нейронная сеть - граф в трехмерном пространстве. В математике есть понятие гиперграфа. В гиперграфе вершина может связываться с множеством вершин, а в обычном графе - с какой-нибудь вершиной. Не обязательно одной. Если попытаться связать два мозга, может ли для этого подойти концепция гиперграфа? Вероятно не очень, так как все равно придется связывать вершины. Да и понятие гиперграфа не отличается особым многобразием - для описания все равно придется использовать матрицу смежности, такую же, как и для описания графа.

Итого, что же может обеспечить решение задач намного эффективнее по сравнению с лучшими человеческими мозгами? Увеличение числа нейронов? Увеличение числа связей между нейронами? Если да, то "объединение мозгов" может оказаться заманчивым. Ну а если не объединять мозги, а оснащать их "расширителями" - дополнительными вычислителями, дополнительной памятью, пусть пока даже и кремнивой. Возможно до определенной степени - потребление энергии мозгом. И эта энергия - это энергия организма.

Правила мозгового штурма

 Мозговой штурм (brainstorm) - метод генерации новых идей.

Состоит из этапов

1. Формулировка проблемы. Должна быть четкой и возможно потребуется мозговой штурм для выбработки четкой формулировки пробелемы.
2. Генерация идей.
3. Оценка идей.
4. Отбор идей.

Правила организации и проведения "результативного" мозгового штурма.

1. Все участники должны понимать проблему и раздедять правила штурма.
2. Каждый должен понимать свою задачу и свою роль в ходе мозгового штурма.
3. В мозговом штурме не должности и статусов. Все равны.
4. Если участников больше трех, один из участников должен выступать в роли модератора или должен быть привлечен "профессиональный" модератор.
5. Один из участников должен фиксировать идеи. промежуточные результаты и итоги. Могут применяться "продвинутые" методики визуализации.
6. Критика - запрещена.
7. Запрещено перебивать друг друга - слушаем до конца каждого участника.
8. Чем больше идей - тем лучше.
9. Все идеи должны соответствовать теме и решаемым задачам.
10. Время штурма ограничено и должно быть соблюдено.
11. Вначале идеи выдвигаются, а затем - оцениваются. Можно поручить двум командам, одна команда выдвигает идеи, другая команда - оценивает идеи.