У меня раньше была хорошая эвристика: чтобы познакомиться с какой-то предметной областью, надо прочесть по ней три учебника. Чтобы познакомиться с eco-evo-devo, надо тем самым прочесть три учебника. Проблема в том, что там открытия идут примерно с той же скоростью, что и в deep learning, поэтому даже прошлогодний учебник – это уже седая древность. Эволюция идёт сразу на всех системных уровнях, мат.аппарат для всего этого – перенормализация (in theoretical physics, the renormalization group is a formal apparatus that allows systematic investigation of the changes of a physical system as viewed at different scales, Ренормализационная группа — Википедия ). Даром что в биологии копалось очень много онтологов (деньги налогоплательщиков на научные гранты, чтобы не покопаться – “мы наведём вам порядок”), тексты эволюционных биологов читать тяжело. Читаешь, например, про геном – везде это наследственный материал, “хромосомы” прежде всего, вот прямо молекулы, вещь. Читаешь Кунина (с хиршем 245, Eugene Koonin - Google Scholar), у него геном – “информация”. Единица эволюции в его текстах – COG, а в более поздних – GRN, причём GRN определяется очень хитро – то это процессы, то это гены с регуляторными отношениями между ними, то это гены-белки с их самыми разными отношениями, то вообще это только “сети процессов”, а вещей там вообще нет, только “по сопричастности”. И это только самый низ уровней, на которых идёт эволюция. Синонимов куча, филогенетические леса оказываются филогенетическими сетями, но и линия лесов тоже продолжается. Сложно всё, но знакомиться надо. У меня инженерия и эволюция – вот прямо в начале “Системной инженерии”, так что надо как-то поподробней это всё пройти и дать какие-то ссылки для интересующихся.
Поэкспериментировал с разными модельками сеток – задал им всем вопрос про термин для эволюционного синтеза, который пришёл в системную биологию после modern. Все сетки ответили хором “расширенный синтез, всё остальное маргинально”. Но Gemini 1.5 flash отличилась – она сказала, что “никакой термин, ибо системная биология занимается совсем другими вопросами, нежели эволюционная биология – она изучает эмерджентности в текущем состоянии, а не обсуждает историю”. Можно поспорить: раньше было именно так, но в третьем поколении системного мышления системная биология изучает отнюдь не только текущее состояние, но и принимает во внимание время эволюции.
Поизучал вопрос: где и как взять подешевле и попроще в управлении ChatGPT в России. Предложений – десятки, все очень сомнительны. Остался с @GPT4Telegrambot – там зоопарк сеток, и все в одном чате, легко что-то искать поиском телеграма. Одна проблема: вопросы к файлу можно задавать только для сетки Claude, но не o1. Но мучиться с этими VPN, американскими логинами и всяким таким – вот просто не хочу.
Интересный тред про kanban method, TameFlow и Lean 2.0 в чате поддержки курса – с Telegram: Contact @systemsthinking_course, причём там заодно и привлечение LLM в качестве одного из спорщиков покритиковали. Хорошее упражнение получилось, но очень много реплик – тему закрыл, ибо это уже флуд. Основная там ошибка – канбан-методом называют не метод операционного менеджмента (и мышление про управление потоками с карточками-жетонами/токенами/канбанами), а метод управления изменениями (с совсем другими ключевыми словами, где слово “канбан” рядом не стояло).
Нашёл ещё один интересный канал “LLM под капотом” – Telegram: Contact @llm_under_hood. Быстро-быстро появляется платформенный стек: только-только обсуждали разные “архитектуры нейросетей”, затем “архитектуры LLM”, затем произошла сдвижка на обсуждение “архитектур систем с LLM” (LLM и обвязка, навроде ChatGPT, а хоть и через API), и вот уже LLM+обвязка как-то инкапсулированы, рассматривается на потоке программирование “с LLM под капотом” ровно так же, как веб-программирование. В веб-программировании сейчас занято порядка половины всех программистов (погуглите), интересно, сколько программистов перетянет LLM-разработка (дальше можно долго и неплодотворно спекулировать – будет ли LLM-разработка чем-то отдельным, или веб-разработка её съест примерно так же, как съело программирование для баз данных).
Уже от нескольких человек услышал прогноз, что как Китай стал всемирным заводом, так станет и всемирным датацентром – на базе родных дешёвых китайских чипов AI. Более того, дешёвые китайские чипы AI будут во всех кофейниках, это неизбежно. Погенерировал в разных нейросетках говорящие китайские кофейники. Ничего не получилось, но смешно, что Dalle переписывает prompt, аккуратно вставляя туда гендерное разнообразие и прочее DEI. Вот просто на ровном месте!
