Хотя у меня есть по факту уже написанное и как-то опробованное руководство по инженерии личности (главным образом инженерия мастерства как подсистемы личности, при этом ещё и “внешний взгляд”), но там нет чёткой посадки всей инженерии на какое-то более-менее общее научное основание. Идея была в том, что инженерия личности ничем вообще не отличается от инженерии любой другой системы, а инженерия опирается на физику. То есть мне нужна была прослеживаемость вот этого общего подхода: есть система, она как-то описыватся, как-то работает, её надо сделать, отладить – и инженерия личности тут должна быть примерно тем же самым, описываться в терминах примерно той же мета-мета-модели. Радикальность подхода в том, что в порядке эксперимента я делаю жёсткую посадку на физику (а она, как известно, имеет жёсткую посадку на математику). В ходе подготовки к написанию учебника по инженерии личности я сделал следующий ход: брал таблицу описания термодинамических систем, эволюционирующих систем, обучающихся/training-научаемых/learning систем ML из “Thermodynamics of evolution and the origin of life” (https://www.pnas.org/doi/full/10.1073/pnas.2120042119), затем расширил её на агентов из active inference, инженерные киберфизические системы и на обучающиеся/training-научаемые/learning системы из learning sciences в их когнитивной (а не школьно-вузовской) части. Дальше был взят самоочевидный/самодокументируемый русскоязычный термин для понятия из каждой строчки таблицы. Всё это, конечно, делали три LLM: o3, свежий Gemini 2.5 Pro и Grok. Проверка там была мной, но от LLM проверяли современные физик, биолог, специалист по машинному обучению, системной инженерии киберфизических систем, методист (исследователь когнитивной части learning sciences), лингвист-русист, а также логик:
- наличие формульного обозначения и общепринятого именования в каждой предметной области, а для самодокументированного русского наименование отражение не какой-то конкретной предметной области, а смысла, общего для всех предметных областей
- отсутствие путаницы в описаниях времени создания и развития систем и времени функционирования уже созданной системы
- реальные замеры и действия не путаются с ожиданиями/предсказаниями/предвосхищениями,
- планируемые действия не путаются с реальными действиями
- value переводится как “польза”, а не “ценность”
- реальные объекты не путаются с описаниями/моделями/характеристиками этих объектов
- отсутствует метонимия (вместо имени одного понятия даётся имя другого понятия, связанного с первым каким-то отношением)
Вот итоговая черновая “Розетская таблица термодинамики эволюции” (после десятка итераций, каждый раз там спецы из LLM что-то находили, а ещё и я вмешивался – и не факт, что текущий вариант стал хорош, но возражать и корректировать по-крупному спецы стали меньше. Начальная таблица там отползла от начальных предложений из статьи Ванчурина, Волфа, Кунина и Кацнельсона. Шрифты я пока не стал править-возиться, это “черновик”, а ещё к этой таблице можно прилагать экспертные заключения нежити-спецов, это отдельная история, как они обсуждают аналогии из разных предметных областей. В жизни такую команду, конечно, очень трудно собрать. Скажем, в оригинальной статье собрали спецов на три предметные области, а тут их на парочку больше плюс ещё я как “методолог исследований/науки” aka эпистемолог):
| # | Концепт (единый термин) | Thermodynamics | Machine Learning | Evolutionary Biology | Active Inference | Learning-Sciences / SRL | Systems Engineering |
| Блок 1A · Состояние и модель среды | |||||||
| 1A-1 | Состояние среды S | Macrostate — (T,P,V) | True env. state — sₜ | Ecosystem state — Sₑ | Hidden state — x | Task situation — Cond | True state — S_true |
| 1A-2 | Параметры модели θ | System params — λ | Trainable weights — θtrain | Genotype — G | Model params — θ | Long-term knowledge — LTM | Config params — θcfg |
| 1A-3 | Внутреннее представление B | ∅ | Latent embedding — z | ∅ | Belief state — s | Activated knowledge — WM | Estimated state — Ŝ |
| Блок 1B · Состояние агента | |||||||
| 1B-4 | Аппаратное / физиол. сост. H | Microstate — x | Neuron activations — a | Phenotype — P | Neural activity — a | Arousal level — arousal | HW state — H_hw |
| 1B-5 | Ресурсная мощность C | Particle count — N | Param count — Cparam=|θ| | Pop. size — Nₑ | Model size — Cparam | WM / Energy cap — C_res | Throughput — BW |
| 1B-6 | Потенциал обучаемости Lₚ | — | Trainability — ∇θ | Adaptive gene-pool div. — trace G | Synaptic plasticity — η | ZPD metric — ZPD | Evolvability — Evol |
| Блок 2 · Инфо-действ. поток | |||||||
| 2-7 | Фактический сигнал o | Env. fluctuation — δ_env | Observation — oₜ | Stimulus — Stim | Sensory outcome — oₜ | Task stimulus — Stim | Sensor reading — y_meas |
| 2-8 | Предсказанный сигнал ô | — | Predicted obs. — ôₜ | — | Expected outcome — ôₜ | Expected result — Exp | Forecast — y_pred |
| 2-9 | Планируемое действие â | Set-point forces — û | Planned action — âₜ | — | Action plan — âₜ | Planned step — Plan | Control cmd — u_cmd |
| 2-10 | Выполненное действие a | Generalised forces/fluxes — J, u_real | Action — aₜ | Phenotypic act — Act | Executed action — aₜ | Enacted step — Step | Actuation — u |
| Блок 3 · Оценочные метрики | |||||||
| 3-11 | Невязка ε | ΔF (free-energy change) | Loss — L(y,ŷ) | −ln fitness — −ln w | Prediction error — ε | Observed error — Err | Error signal — e |
| 3-12 | Ожид. невязка E[ε] | Exp ΔH — ⟨ΔH⟩ | Exp loss — ⟨L⟩ | Mean −ln w | Exp. surprisal — E[ε] | Anticip. error — AErr | Expected cost — J_exp |
| 3-13 | Неопределённость U | Entropy — S | Entropy — H(X) | Diversity — D | State entropy — H(s) | Ambiguity — Amb | Entropy — H |
| 3-14 | Потенциал F | Free energy — F | Variational FE — F_V | Adaptive potential — Φ | Variational FE — F | Subjective cost — Cost | Objective func — J |
| 3-15 | Обоснованность Λ | Partition func — Z | log-likelihood — log ℒ | Macro-fitness — W | Evidence — log p(o) | Overall confidence — Conf | log-likelihood — log L |
| 3-16 | Шум ξ | Thermal noise — ξ | Inv. precision — β⁻¹ | Evol. noise — ξ | Inv. precision — γ⁻¹ | Novelty — Nov | Channel noise — ξ |
| Блок 4 · Целеполагание и стратегия | |||||||
| 4-17 | Стратегия π(a|s) | Min-F principle | Policy — π(a|s) | Reaction norm — π | Policy — π | Metacognitive strategy — π | Control law — π |
| 4-18 | Ожидаемая польза V / Q | Gamma potential — Γ(Ω) | Utility/Value func — V(s), Q(s,a) | Inclusive fitness — w_inc | Exp. free energy — G + C | Expectancy × utility | Utility func — V |
Личность мы определяем как систему, состоящую из систем-мастерств, которые выполняют мышление и работу по каким-то методам, тем самым вызывая поведение этой личности. Поэтому инженерия личности сводится к инженерии личности в целом как целокупности этих мастерств, а также инженерии подсистем как отдельных мастерств. Инженерия личности учитывает три взгляда (позиции восприятия) на личность: изнутри личности как она себя ощущает, внешний инженерный и научный взгляд (учителя, исследователя, психолога) и нормативный взгляд со стороны общества (выражаемый политическими партиями: как воспитать идеальную личность, которая будет вести себя так, как считают нужным политические партии). Руководство не должно вызывать отторжения у гуманитариев, но пользоваться в работе им будут инженеры и менеджеры, причём не столько для саморазвития, сколько для развития других людей (сотрудников в компании, пациентов в психотерапии, клиентов в маркетинге и т.д.). Все рассмотрения ролевые, поэтому один и тот же человек может играть роль учителя, ученика или одновременно учителя и ученика. А ещё мы введём составляющие роли учителя, аналогичные составляющим роли инженера в системной инженерии:
- культуртрегер (аналогично визионеру, отвечает на вопрос, “что разрабатываем”, в случае личности – мастерству в каком поведении учим)
- архитектор (аналогично архитектору в evolutionary architecture из software architecture, в нашем случае занимается архитектурными характеристиками личности, например, развиваемости/evolvability, а также архитектурными характеристиками мастерств, которые получает личность в ходе развития примерно так же, как программная система получает новые фичи с новыми функциями)
- методолог (аналогично проектировщику процессов или функциональному архитектору в инженерии, описывает методы, которыми работает система, в нашем случае описывает желаемое поведение личности или мастерства, “предметник”)
- методист (аналогично технологу, который проектирует способ изготовления системы, в нашем случае это instructional designer)
- “деканат” или какое-то другое подходящее имя (аналогично инженеру внутренней платформы разработки как части DevOps команды, в нашем случае это организатор развития личности, организатор обучения).
И вот как это страшненько, но крайне интересно выглядит (помним, что из конечного текста все отсылки к розетской таблице просто выкашиваются как аннотации типов, и дальше это будет выглядеть как “обычный текст про обучение, но с инженерным подходом”, чего и хотелось). Руководство по инженерии личности
Предисловие: Три функциональных взгляда на личность
– Перспектива I: “Взгляд изнутри” (Monitoring). Чтение внутренних метрик и сигналов. Какие данные я получаю от своей личности-системы?
– Перспектива II: “Взгляд со стороны” (Architecture & Development). Анализ механизмов и алгоритмов. Как личность работает и как ее изменять?
– Перспектива III: “Взгляд из общества и сообщества” (Product Management & Experimentation). Формулирование и проверка гипотез. Какие эксперименты мы можем запустить, чтобы улучшить метрики? – Цель руководства: Дать инженеру и менеджеру (себя или другого человека) методы непрерывного эволюционного развития личности.
Часть I. Взгляд изнутри (Мониторинг и диагностика) Раздел 1. Ощущаемые характеристики внутреннего состояния 1.1. Ожидаемая невязка ( E[ε]): Тревога и стресс как сигнал превышания ожидаемой невязки.
1.2. Обоснованность (Λ): Уверенность и поток как Health Score, растерянность как высокая невязка при низкой обоснованности.
1.3. Неопределённость (H): Любопытство императив снижения неопределённости сейчас и в будущем
1.4. Симметричный взгляд: восприятие себя (критика картезианского театра) и современная theory of mind (считывание переживаний других людей)
Раздел 2. Поток сознания и поведенческие паттерны (анализ логов) 2.1. Логирование “Представления (s)”: Техники осознанности и ведения дневника.
2.2. Методологическая работа “предметника”: выявление методов как “повторяющихся сценариев”
2.3. Распознавание аномалий: “Галлюцинации” и когнитивные искажения и их устранение
2.4. Симметричный взгляд: Помощь другому в “отладке” его мыслей.
Часть II. Обучение как инженерия: методы развития личности и мастерства Раздел 3. Архитектура личности и ее ключевые характеристики (-ilities) 3.1. Компоненты агента (человека или робота): те же, что у всех систем – субстрат (организм), модель (θ, s - собственно личность как функционально определённая система), среда (o)
3.2. Развиваемость (Evolvability): Способность к дешевым и быстрым изменениям личности. Главная цель архитектуры.
3.3. Надежность (Reliability): Стабильность поведения в известных условиях.
3.4. Отказоустойчивость (Resilience): Способность сохранять функциональность при сбоях и стрессе.
3.5. Тестируемость (Testability): Возможность проверять гипотезы в малых, безопасных экспериментах, MVE (minimal viable experiment).
Раздел 4. Познание 4E: Архитектура личности за пределами черепа 4.1. Воплощенное познание (Embodied): Как состояние тела (субстрата) влияет на мышление.
4.2. Встроенное познание (Embedded): Как среда формирует наше поведение.
4.3. Действенное познание (Enacted): Как наши действия (a) создают нашу реальность.
4.4. Расширенное познание (Extended): Использование внешней памяти и инструментов для снижения “невязки” и расширения репертуара “действий”.
Раздел 5. Эволюционная инженерия личности: непрерывное обновление мастерства 5.1. Культуртрегерство: выбор мастерства для овладения
5.2. Освоение нового мастерства: цикл обновления параметров по мере уменьшения невязки
5.3. Использование нового поведения в жизни
5.4. Мониторинг и откат: наблюдаемость ожидаемого поведения и обоснование успешности обучения (assurance case, Bloom и другие фреймворки), отслеживание метрик и план отката.
Часть III. Воспитание как удовлетворение внешним стандартам (кем тебя хочет сделать общество) Раздел 6. Переформулирование гипотез: от биологии до культуры 6.1. То, что хотят от личности культуртрегеры - это гипотезы, а не требования (“обязан любить родину”, “цель жизни – успешный успех”, “обязан иметь мечту”, “не сдаваться никогда”, “лучше умереть стоя, чем жить на коленях”, “любой человек должен знать физику”, и т.д.)
6.2. Социальные и культурные гипотезы: “Если я буду есть больше белка, моя энергия (метрика) повысится”, “Если я буду вести себя более уверенно (изменение политики π), мой социальный статус (метрика) улучшится”, “Если я освою этот навык (изменение параметров θ), моя ценность на рынке труда (метрика) возрастет”.
6.3. Приоритизация бэклога гипотез: Выбор экспериментов с наибольшим ожидаемым влиянием на полезность.
6.4. Этика культуртрегера (набор ограничений C on π and V): выявление манипулирования и opt-out против opt-in в обучении, проблема обучения недееспособных к opt-out и opt-in.
Раздел 7. Культуртрегерство: инженерия целеполагания: проектирование функции полезности 7.1. Функция полезности (Utility Function, V/Q): Что система пытается максимизировать? Формализация личных и заимствованных целей.
7.2. Расчет Ожидаемой полезности (G): Как агент прогнозирует, какое действие принесет максимум “пользы” в будущем.
7.3. Проектирование “Конституции”: Декларация принципов, по которым рассчитывается полезность.
7.4. Симметричный взгляд: Помощь команде (или семье) в формулировании общей функции полезности.
7.5 Проблема оценки мастерства (оценка интеллекта, оценка мастерства в условиях open-endedness)
Часть IV. Бесконечное развитие Раздел 8. Эволюционная инженерия личности (open-endedness) 8.1 Инженерный взгляд на развитие: культура бесконечного развития (open-endedness как инженерный хорошо проработанный аналог для давно известного life-long learning)
8.2 Мастерство выбора проблем (goldilock problems) для нового мастерства: зона ближнего развития
8.3 Мастерство решения проблем: интеллект
8.4 Не только учиться SoTA методам, но вспоминать после паузы (retraining) и разучиваться устаревшим методам (в том числе вредным привычкам)
Раздел 9. Пример: “Освоение нового навыка (публичные выступления)” 9.1. Гипотеза: “Если я освою этот навык (изменение θ), это повысит мою карьерную полезность”.
9.2. Архитектурное решение (Часть II): Использование конвейера CI/CD для поэтапного освоения.
9.3. Измерение прогресса (Часть I): Снижение метрики страха (F), рост уверенности (Z).
9.4. Интеграция: Применение навыка для достижения целей из функции полезности.
Раздел 10. Пример: “Создание курса подготовки эволюционных архитекторов ПО в корпоративном университете” Раздел 11. Пример: “Подготовка маркетинговых материалов для продажи генномодифицированных фруктов”
Раздел 12. Организация обучения 12.1 Разделение учительского труда: как совместно работают все учительские подроли
12.2 Организация обучения себя
12.3 Организация обучения группы (администратор/деканат)
12.4 Обучение в ходе работы
12.5 Организация нестандартного обучения (корпоративная культура, маркетинг, психотерапия)
12.6 Организация развития команд и сообществ: организационный менеджмент
Заключение: Вы как ведущий Product Manager своей и чужой жизни
– Жизнь как бесконечная серия экспериментов и продуктовых (stepping stone) релизов.
– Ответственность (этика) и свобода, которые даёт data-driven подход.
