Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

А.Левенчук -- смычка кортекса и экзокортекса

9,715 views

Published on

Доклад А.Левенчука на "Открытых инновациях", 28 октября 2015г.

Published in: Technology
  • Dating direct: ❤❤❤ http://bit.ly/36cXjBY ❤❤❤
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Sex in your area is here: ♥♥♥ http://bit.ly/36cXjBY ♥♥♥
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

А.Левенчук -- смычка кортекса и экзокортекса

  1. 1. Повышение производительности труда и нейро: смычка кортекса и экзокортекса Москва 28 октября 2015г.
  2. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 12. Чтобы проект начать, нужно его как-то описать! (ISO 42010 – OMG Essence) 12 Нейро сюда!
  13. 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. 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. 15. Терминология: не так важно (word embeddings) 15 Словарные сообщества тачка Понятийное сообщество car машинка автомобиль
  16. 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. 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. 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
  19. 19. 19 Спасибо за внимание Анатолий Левенчук, http://ailev.ru ailev@asmp.msk.su TechInvestLab

×