Страница телеграм канала DX space

Цифровой геноцид. Новый сезон Итак, мы постепенно выходим из отпуска и попробуем анонсировать грядущий небольшой пивот нашего контентного проекта. ЦГ — это проект о природе интерфейсов, который возник 2 года назад. Среди наших традиционных тем эти годы были: книги и учебные пособия по эргономике и UX, энциклопедия паттернов с описанием паттернов взаимодействия или проектирования, словарь юного HCI с терминами из западной литературы, циклы статей (Thanatosensivity, редабилити), история HCI и юзабилити, просто свежие статьи о HCI, отдельный цикл о советских интерфейсах в аэрокосмической и других отраслях промышленности. Большую роль в прошлом году занимали тексты и исследования геймификации и гедономики интерфейсов. Но, кажется, что можно сделать лучше. Мы бы хотели в новом сезоне развивать новые направления: Энциклопедия промышленных интерфейсов и цифровых продуктов для работы. В первую очередь интерфейсов для рабочих мест, мобильных рабочих мест, эргономики судов и самолетов, повседневной деятельности синих и белых воротничков. Несколько шире: подобного рода энциклопедия должна быть универсальным справочником со всеми паттернами и потенциальным эффектом для бизнеса и экономики предприятия, оценивать эту инновацию. Кажется, что это придаст проекту глубины и пользы. Внутренности условной фигмы и документация по дизайнерскому ПО на русском. Тема этой рубрики — объяснение терминов и тонкостей работы именно с программным обеспечением для проектирования интерфейсов. Мы приглашаем в этой теме присоединиться к обсуждению будущего зеро-кодинга и попытаться разобраться с тем, как все это функционирует на уровне выше - своеобразный метадизайн. Хотя мы и не разработчики такого ПО и никогда не работали, но попробуем собрать данные в открытом доступе. Старые рубрики тоже останутся, некоторые моменты с книгами мы будем делать более расширенно, в формате аннотаций и ревью. Оставайтесь с нами, пересылайте друзьям ссылку и приглашайте друзей на канал.

Штож, друзья. У меня есть очень хорошие новости: как говорится, мы строили-строили... и вот уже готовы взять много людей для теста НОВОГО МЕССЕНДЖЕРА. Это по сути знаменитый FireChat-2. Но теперь он называется FireSide (кстати, название берёт от радиопередач Уинстона Черчилля Рузвельта — погуглите). спойлер: снаружи мессенджер очень похож на Signal Записаться на тест не просто. А очень просто! Нужно оставить свой имейл в форме и указать платформу. И не позднее вторника должна прийти ссылка на GooglePlay или AppStore, где можно установить приложение и затестить. Это, вообще-то, история создается :) ну, я-то уже тестил и примерно понимаю о чем речь :) Крч, вот форма: https://forms.gle/qRHeGCRPHYZ4v9jNA

В конце 2018 года я познакомился с деятельностью Школы Системного Менеджмента, начал изучение Системного Мышления. В следующем году принял решение идти дальше и глубже в образовательную программу ШСМ, ежедневно инвестируя время и планируя заниматься этим несколько лет. И сейчас с полной уверенностью могу сказать, что это было самым важным решением в жизни и его результаты уже выше любых моих ожиданий тогда. Мысль о том, что чтобы изменить свою жизнь нужно делать в ней что-то по-новому, а для этого новому нужно научиться, всем достаточно понятна. Но чему и как учиться для улучшения жизни во всех смыслах, да еще и так чтобы мозг не заставил быстро забросить эти мероприятия? Если эти вопросы вам приходят, если вы много уже чему "поучились", но еще не нашли фундамента для постройки новой версии себя, то рекомендую этим сентябрем вернуться в Школу. Вход в кроличью нору Системного Мышления сейчас существует в виде онлайн-курса "Системное саморазвитие: введение в системное мышление", авторский анонс новой его версии даст вам развернутую картину о его содержании: t.me/systemsthinkinglife/75

По совпадению, в день когда вышел предыдущий пост была опубликована новая работа, обобщающая последние наработки в predictive coding и его связи с подходами машинного обучения. И если то, что рассказал Andy Clark вас заинтересовало, то попробуйте разгрызть статью Beren Millidge, Anil Seth, Christopher L Buckley "Predictive Coding: a Theoretical and Experimental Review": Predictive coding offers a potentially unifying account of cortical function - postulating that the core function of the brain is to minimize prediction errors with respect to a generative model of the world. The theory is closely related to the Bayesian brain framework and, over the last two decades, has gained substantial influence in the fields of theoretical and cognitive neuroscience. A large body of research has arisen based on both empirically testing improved and extended theoretical and mathematical models of predictive coding, as well as in evaluating their potential biological plausibility for implementation in the brain and the concrete neurophysiological and psychological predictions made by the theory. Despite this enduring popularity, however, no comprehensive review of predictive coding theory, and especially of recent developments in this field, exists. Here, we provide a comprehensive review both of the core mathematical structure and logic of predictive coding, thus complementing recent tutorials in the literature. We also review a wide range of classic and recent work within the framework, ranging from the neurobiologically realistic microcircuits that could implement predictive coding, to the close relationship between predictive coding and the widely-used backpropagation of error algorithm, as well as surveying the close relationships between predictive coding and modern machine learning techniques. https://arxiv.org/abs/2107.12979

Современные представления о работе мышления к текущему моменту обрели определенный консенсус, который упрощенно формулирует, что мозг это машина предсказаний. И вся его работа это контроль генерируемых галлюцинаций. Согласно более ранним взглядам считалось, что мы получаем сигналы на сенсорный аппарат, которые преобразуются и отправляются в голову, где мозг уже формирует наши представления об окружающей реальности в соответствии с полученными данными и нашими собственными предустановкам. В концепции predictive processing все перевернуто. Сначала мозг формирует предсказание того, что он ожидает на следующем шаге, отправляет их по цепочке вниз и на сенсорном уровне по полученным данным только определяются ошибки предсказания. На бытовом уровне примером может быть ощущение, что у вас кармане вибрирует телефон, хотя он молчит или его вообще там нет. Просто вы ждете какой-то звонок и предсказываете его поступление. Такая модель оказывает существенное влияние на многие дисциплины вокруг мышления, сознания и интеллекта, в том числе искусственного. К сожалению, пока еще не в полной мере. По ссылке ниже интервью с Andy Clark, одним из самых веселых и модных когнитивных философов, с которого можно начать увлекательное путешествие на фронтир нейронауки. https://www.edge.org/conversation/andy_clark-perception-as-controlled-hallucination

QR-коды: то вводим, то выводим. Краткая история одного знака в промышленном производстве Впервые QR-код внедрили на заводах японской Denso: машиностроительная компания специализировалась на производстве автомобильных комлектующих и запчастей, но не могла достигнуть унификации и стандартизации качества на каждом из 10 заводов. Разработчик Масахиро Хара начал прорабатывать идею нового кода на маркировке деталей с 1992 года: обычный и всем знакомый штрих-код - это линейный код, который может вместить в себя от 20-ти до 30-ти символов, чего было недостаточно для целей компании. Вдохновением для создания QR-кода послужила игра го, в которую Масахиро Хара играл во время обеденного перерыва. Хара решил, что цель разработки состоит не только в увеличении объема кодовой информации, но и в «точном и быстром чтении», а также в том, чтобы сделать код читаемым и устойчивым к масляным пятнам, грязи и повреждениям, предполагая, что он будет использоваться на соответствующих производствах. Предполагалось, чтотакой код получится прочитать, даже если 30% его области загрязнены или повреждены. Камни на поле игры Го выстроены в определенном порядке - и этот порядок удобен для чтения (когнитивист назвал бы такое термином “чанки”, вслед за Гербертом Саймоном, который также анализировал игру в шахматы) Так QR-код был впервые представлен японской компанией Denso-Wave, в 1994 году после двухлетнего периода разработки. На картинке сам Масахиро Хара

Будущее совсем рядом. Посмотрите на то, как при помощи роботов и VR можно оказаться в любом месте на планете.

Сегодня вечером пройдет вебинар, который будет интересен разработчикам, которые уже выросли или планируют встать на роль тимлида (и выше), или просто на них "повесили" выполнение менеджерских обязанностей в команде. Системный подход очень поможет разобраться, что нужно знать и уметь, чтобы эта деятельность была эффективна. Да и просто даст понимание, нужно вам это или стоит оставаться в зоне комфорта своего IDE. Регистрация по ссылке bit.ly/2TDYHwN

Когда в 2018 году Microsoft купил Github за $7.5 BUSD было сильное бурление, что якобы коварный капиталист собирается придушить проект или как-то еще испортить жизнь open-source сообществу, которое понятное дело всегда в белых одеждах. Хотя в принципе было ясно, что Сатья Наделла, к тому моменту уже увеличивший капитализацию компании за время своей работы CEO примерно в 3 раза, останавливаться на этом не планирует. А для дальнейшего роста банальные ходы, приходящие в конспирологические умы, не подходят. И вероятно, когда в следующем 2019 году Microsoft инвестировал $1 BUSD в OpenIA, у которых к тому моменту уже была GPT-2, некоторым стало понятно куда дуют такие финансовые ветра. Для принимающих и следующих экспоненциальным законам развития технологий это была задача уровня 2х2. И вот вчера ребята выкатили новый продукт для разработчиков Сopilot и говорят, что это "Your AI pair programmer". Модель, обученная на всем массиве кода Github, умеет дописывать за вас код на всех языках программирования, исходя из осмысленного названия функций или даже из описания задачи в комментариях. Выглядит уже очень впечатляюще, но нужно снова представлять, чем это станет в будущем и когда оно отправит огромное количество разработчиков низкой квалификации на заслуженный отдых. https://copilot.github.com/

Прорыв в ИИ может произойти уже до конца этого года. Начинается всемирный поиск новых ИИ-моделей, в котором вы можете участвовать. Речь идет об объявленном AIcrowd Facebook AI крауд-конкурсе проектирования и обучения альтернативных ИИ-агентов, работающих иначе, чем современный мейнстрим машинного обучения с подкреплением. Недавно DeepMind объявил, что обучение с подкреплением — метод, когда ИИ-агент ничего не знает об окружающей среде, но может самообучаться, взаимодействуя с ней, - может позволить прорыв к ИИ человеческого уровня (AGI). Этот метод, действительно, весьма перспективен. Но он требует значительного объема вычислений и мощного компьютерного оборудования. А это, к сожалению, не очень подходит за пределами демонстрационных игр, когда цель – не удивить общественность, а решение практических задач в реальном мире. Facebook решил попробовать обойти эту проблему, организовав всемирный поиск новых ИИ-моделей, позволяющих ИИ-агентам ориентироваться в сложных средах при низких вычислительных затратах. В качестве супер-теста была выбрана NetHack — старая, но до сих пор одна из самых сложных игр. В ней игроки должны спуститься на 50+ уровней подземелья, чтобы найти магический амулет. Шансов выиграть в эту игру мало даже у ИИ-агентов, разгромивших людей в StarCraft II, Dota 2 и Minecraft. Ведь в этой игре игроки просто мрут, как мухи. А после каждой смерти подземелье полностью перестраивается, тем самым сводя почти что к нулю набранный опыт. Единственный способ выиграть в таких адских условиях — каким-то образом суметь совместить нестандартное мышление, исследовательские навыки и удачу. Такой ИИ-агент должен уметь совмещать оптимальное применение уже имеющихся знаний со способностью исследовать совершенно неизученные области (т.е. сочетать exploitation & exploration). Идея исследователей из Facebook проста. Авторитеты машинного обучения так пока и не преуспели в создании ИИ-агентов, способных учиться с малыми вычислительными затратами. Поэтому вместо того, чтобы самим пытаться поймать «золотую рыбку» прорывной ИИ-модели, Facebook решил провести открытый конкурс, пригласив участвовать всех желающих и предоставив каждому участнику высокотехнологическую «удочку». Ею будет специально разработанная учебная среда с открытым кодом - NetHack Learning Environment (NLE). Это масштабируемая, процедурно генерируемая, стохастическая, весьма сложная среда для исследования обучения с подкреплением в ходе игры ИИ-агента в NetHack. Работая в среде NLE, участники смогут тратить больше времени на тестирование новых перспективных идей, а не на ожидание результатов длительных вычислений. Перед ними поставлена задача спроектировать и обучить своего агента каким угодно существующим или изобретенным способом - с машинным обучением или без него, с использованием любой внешней информации, любого метода обучения с любым вычислительным бюджетом. Единственное требование – создать ИИ-агента, который может быть оценен жюри конкурса. О его результатах будут судить по тому, как часто этот агент выживает и поднимается из подземелья с Амулетом. Среди альтернативных концепций создания моделей ИИ-агентов – имхо, самой перспективной является модель процесса активного вывода (active inference). Суть такого процесса в: • статистической генерации предсказаний (бессознательных выводов об окружающем мире и самом себе на основе внутренней модели); • проверке этих выводов на основе сенсорных данных; • и постоянной минимизации ошибок предсказания. Активный вывод и прогностическое кодирование, объединенные фундаментальным принципом свободной энергии Карла Фристона я называю «конституция биоматематики». Это, по сути, - высший закон, определяющий основной принцип жизни и разума (подробней см. мой пост). А теперь о самом важном и интересном. Дочитать (еще всего на 1 мин): - на Medium https://bit.ly/3j9Qaf8 - на ЯДзен https://clck.ru/VgSju #ИИ #МашинноеОбучение #ПринципСвободнойЭнергии #Фристон #АктивныйВывод

On June 21st 2021, ActInfLab had its first Applied Active Inference symposium. We had three sessions with Professor Karl Friston. The three sessions were around the topic of Active Inference as applied to the domains of Education, Communication, and Tools. The recordings of all three sessions are available at this playlist: https://youtube.com/playlist?list=PLNm0u2n1IwdptxalPH0CVAC9eey39CEJZ Check out http://activeinference.org/ for more information on ActInfLab, and how you can participate in future activities! Let us know if you have any thoughts or questions ~

Ролики Boston Dynamics всегда хорошо показывают все новые и новые применения своих роботов. В этом, кроме прочего, Spot гуляет по Чернобылю и измеряет радиацию. Сама компания в следующем году отметит 30-летие. И в мире механики и физики столько и нужно для больших изменений. И, несмотря на критику и сомнения многих, их роботы постепенно войдут в массовое использование. Китайцы уже копируют (а российские компании там покупают, лепят свой логотип и показывают на экономическом форуме). Добавят на имеющуюся платформу последних достижений в сенсорах и машинном обучении, и покатится все вверх по экспоненте. youtube.com/watch?v=6VUQHrWhoqg

Главный вдохновитель всего иммерсивного, «отец Oculus» и создатель культовой игры DOOM Джон Кармак внезапно вышел из тени. Бывший технический директор VR-направления Facebook вдруг всплыл в официальном блоге компании под новой должностью «Facebook Reality Labs Executive Advisor». Чем в «Фейсбуке» занимается «исполнительный советник» до конца не ясно, но в новом качестве Кармак неожиданно ударился в игровую журналистику и начал писать рецензии на VR-игры (например, вчера он опубликовал хвалебный обзор на аркаду Space Shooter, которая на днях вышла в App Lab). Так что если вы VR-разработчик и хотите, чтобы вашу игру отрецензировал лично Кармак — смело заполняйте вот эту форму и ждите ответного гудка.

Одно из самых фундаментальных руководств по взаимодейтсвию людей и роботов теперь распространяется бесплатно! https://www.human-robot-interaction.org/

This is an open call for collaborating with the Active Inference Lab on an important and highly-visible challenge in the area of Artificial Intelligence: https://www.aicrowd.com/challenges/neurips-2021-the-nethack-challenge We believe and expect that an Active Inference agent may be able to excel at this challenging computational task, which requires a delicate balance of exploration and exploitation. To implement an effective Active Inference agent in this competitive environment, a collaborative team must be assembled, containing participants with different backgrounds and skillsets (machine learning, data science, programming). Would be awesome for people with all backgrounds, even 0 familiarity with Active Inference, who are excited about this to get involved. This competition is an affordance for demonstrating the utility of applying Active Inference algorithms to efficiently address open challenges in computer science. Should an Active Inference agent win this competition, it would lead to massive recognition of the Active Inference framework, and empowerment of the framework moving forward. Our vision is that the productions of this team would be entirely open-source, and serve as a resource for the Active Inference and machine learning communities. The Active Inference Lab, a non-profit organization, will provide organization, facilitation, and computational infrastructure in this effort. If you are interested in joining the team that will undertake the initial planning & later development stages of such a project, please send us a letter describing your interest to ActiveInference@gmail.com as soon as you read this open call (the deadline for competition submission is in October 2021).