О фундаментальном образовании

cryptoemcee · 14.Июль.2025 18:38:47

Для примера литературы, на которую опираются руководства инженерной серии, приведём обложки книг и годы их издания из руководства по системной инженерии – это должно как-то развеять подозрения, что мастерская инженеров-менеджеров предлагает какую-то собственную, непроверенную мировым сообществом инженеров и менеджеров картину мира.

Данная заготовка содержит разные “вкусные” куски, которые показались мне весьма ценными для разъяснения системного мышления во время чтения разных текстов А. Левенчука с 2016 года (до начала освоения руководств летом 2025 года).

Мыслительные практики дают возможность понимания чужих мыслей, своих мыслей, нахождения в них ошибок. Трансдисциплины этих практик дают для рассуждений объекты, которые важны; каждая дисциплина - это чек-лист таких объектов и операций с ними (как рассуждений, так и действий в физическом мире). Технологии для поддержки этих трансдисциплин дают возможность удерживать это всё во внимании и проверять рассуждения на их безошибочность более надёжно. Если вы не владеете мыслительными практиками, то вы глупы (не используете дисциплины для мышления) и рассеяны (не используете технологии для мышления).

Интеллект работает на простом принципе: он фильтрует многообразие окружающего мира, концентрируя внимание на определённых его объектах. Интеллект даёт чек-лист - что надо заметить в мире и его моделях, на что обратить внимание, о чём не забыть подумать. Только самое важное. Все трансдисциплины - это такие чеклисты для определения самого важного в самых разных ситуациях.

Чем выше системный уровень, на котором идёт изменение мира, тем важнее знание трансдисциплин (дисциплин о дисциплинах).

Старая версия интеллект-стека:

Понятизация учит выделять фигуры из фона и делать их предметами рассмотрения.
Собранность учит удерживать во внимании объекты, которые уже обсуждены в понятизации.
Семантика учит отделять физические объекты от математических/абстрактных/ментальных/идеальных, тем самым разделяя объекты и их более-менее формальные описания. Но эти объекты уже могут быть удержаны во внимании.
Теория информации учит тому, как именно объекты из ментального мира представляются в физическом мире. Но семантика уже рассказала про разницу математических и физических объектов.
Теория понятий учит “машинке типов”: что все объекты в каком-то смысле подобны друг другу, и это описывается типами. Об объектах мы можем судить по их отношениям друг с другом. Примеры часто встречающихся типов отношений - это классификация, специализация, композиция. Теория информации при этом уже сказала, как все эти описания представлены в физическом мире на носителях информации.
Онтология учит отвечать на вопрос, каким способом мы описываем/моделируем мир: как мы определяем важное и неважное (моделирование), как мы используем модели для ответа на вопросы (интерпретации). Мы разбираемся с метамоделированием (описания как абстракции получаются не произвольно, но абстрагирование управляется абстракцией более высокого уровня), разбираемся с тем, что вещи/системы на разных системных уровнях (то есть уровнях по отношению часть-целое) описываются по-разному, ибо при взаимодействии частей получаются новые свойства (эмерджентность). Модели задействуют понятия (используем теорию понятий). А ещё модели используются для проведения по ним рассуждений, т. е. используются для предсказаний, и мы уже готовы заняться рассуждениями и объяснениями.
Логика говорит, какие есть способы рассуждений над моделями: логический вывод, функциональная оценка, вычисления математических функций, интуитивные оценки в человеческом мозге, прикидки, предсказания и т.д. Онтология для этого уже рассказала про то, как мы нарезали мир на объекты, описав эту нарезку какими-то моделями, так что рассуждения работают с моделями.
Объяснения как практика говорит о том, что рассуждения по моделям нужны для оценки причин и следствий в физическом мире, и совершенно недостаточно рассуждений только про математический мир. В этот момент из онтологии уже известно про разнообразие моделей, а из логики о разнообразии правил рассуждений.
Алгоритмика - это естественная наука, которая обсуждает способы проведения рассуждений по доказательству соответствия поведения математических/идеальных/ментальных объектов поведению физических объектов. Математик, физик, компьютер - это универсальные вычислители, то есть физические объекты, поведение которых как-то отражает поведение математических объектов, но это соответствие ещё нужно объяснить (что такое объяснение к этому моменту уже понятно), и доказать (вот что такое “доказать” и определяется алгоритмикой, а не физикой или математикой). Алгоритмика тем самым и про живых людей с их рассуждениями/вычислениями, и про классические компьютеры с их рассуждениями, и про квантовые компьютеры с их рассуждениями/вычислениями - всё это просто разные типы физики вычислителей.
Исследования как практика (практика научной теории познания/эпистемологии) говорит о том, каким образом мы получаем объяснения. Мы делаем догадки о хорошей объяснительной (причинной) модели/теории, а затем критикуем эту догадку на предмет непротиворечивых результатов рассуждений по этой модели и на предмет лучшего соответствия предсказаний по этой модели с результатами эксперимента. Тут уже можно использовать понимание моделей как объяснений, рассуждений, доказательств, а также алгоритмики с её пониманием способов, которыми мы можем вести рассуждения, объяснения, доказательства.
Эстетика даёт критерии красоты (в исследованиях принято говорить об элегатности) в результатах мышления и прикладного труда. Эстетика рассказывает, какой отклик вызывает наше поведение не столько в окружающем мире, сколько в самих агентах (и не факт, что современная эстетика обсуждает, например, эмоциональное воздействие каких-то продуктов труда и описаний только на агентов-людей. Нет, современная эстетика рассматривает и агентов с искусственным интеллектом, и искусственную жизнь).
Этика говорит нам о том, чего нужно добиваться в жизни: какие цели приемлемо ставить агенту и какими средствами добиваться реализации этих целей. Должны ли люди умирать, или лучше бы их сделать бессмертными? Для этого мы уже владеем пониманием, что такое объяснения и как устроены исследования - можем теперь разбираться, что делать с результатами всех этих исследований.
Риторика говорит о том, как убедить какого-то человека совершить какие-то действия. Начинаем с того, что вы должны иметь какую-то модель ситуации (полученную вами в ходе исследований) и вы имеете агента, которому вы объясняете вашу модель ситуации и пытаетесь его уговорить использовать эту модель для достижения каких-то ваших целей. Но этика вам уже известна, вы не подбиваете людей на что-то плохое.
Методология рассказывает о труде/человеческой деятельности, в которой люди организовываются в команду, занимают в ней какие-то роли, выполняют работы по каким-то практикам и тем самым добиваются своих целей. Риторика позволяет понять, как они договариваются.
Экономика объясняет, что для достижения своих целей люди используют ограниченные ресурсы, которыми обмениваются, если они им нужны. Но достижение целей не гарантировано. Предприниматели пытаются предвидеть будущее и организуют предприятие, которое для достижения целей использует разнообразные ресурсы - и имеют прибыль в случае успеха предприятия и убыток в случае неуспеха. Предприятие мы рассматриваем как агента, если люди в нём договорились. А если люди и предприятия как агенты ещё не договорились о достижении какой-то цели, то это другой системный уровень, уровень общества, и поэтому для него нужны другие модели/описания/объяснения - мы уже разобрались в онтологии с системными уровнями и необходимостью разных описаний для разных системных уровней, так что с пониманием системных уровней для отдельных органов агентов (у этих отдельных органов ещё нет агентности), для агентов и их предприятий (у них есть агентность) и обществ агентов (у них тоже нет агентности) проблем не будет.
Системное мышление рассказывает, что одни системы (целевые в их системном окружении) создаются другими системами-предприятиями, проходя множество состояний, смену которых дают практики жизненного цикла. Онтология рассказывает об основных описаниях, которые нужны для объяснений при создании систем. Уже в 21 веке было признано, что в число необходимых системных описаний входит не только функциональное, конструктивное и компоновочно-пространственное описание в их развёртках по времени, но и стоимостное описание, нужное для предпринимательской оценки целесообразности выполнения проекта.
Труд описывается набором трансдисциплин важнейших трудовых практик - это трансдисциплины инженерии как изменения физического мира (включая кроме инженерии в традиционном строительном и машиностроительном варианте и варианты программной инженерии, образования, медицины и прочих трудовых практик по изменению мира), менеджмента (труд по проектированию, созданию и эксплуатации предприятий), предпринимательства (труд по замысливанию предприятий и их стратегированию/нацеливанию на какой-то рынок). Для рассуждения о трудовых практиках задействуются все предыдущие уровни интеллект-стека (особенно если учесть, что в качестве агентов действуют люди, люди и компьютеры, и даже уже иногда сами компьютеры).

Получается, что системное мышление, которое занимается главным образом составлением системных описаний (системным моделированием), задействует довольно много методов из состава интеллект-стека, и для хорошего владения системным мышлением нужно быть уже достаточно образованным человеком. Именно поэтому системное мышление у людей встречается не так часто: нужно учиться не только ему, но и всем методам мышления из состава интеллект-стека. Более того: системное мышление как карта местности; она не скажет “куда идти” - она даст описание местности, в том числе укажет, где горы, а где болота, где плодородные долины, а где города. Чтобы куда-то пойти по этой карте, нужно будет задействовать рациональность: предложить разные методы поведения в текущей ситуации, прокритиковать их, выбрать какой-то лучший (часто говорят “наименее плохой”, ибо “лучший метод” недостижим в реальности), запланировать работы по этому методу, а потом перейти к действиям: найти ресурсы и выполнить работы. Подробней об этом в руководствах по интеллект-стеку и инженерии личности, а наставления по моделированию даются в руководстве по рациональной работе.

Компьютерные вычисления и человеческое мышление одинаковы в том смысле, что это вычисления. Физику нашего “мокрого вычислителя” в голове мы тоже ведь дополняем “ускорителями” в виде разных компьютеров, так что они не только одинаковы, но и по большей части неразделимы.

Весь этот наш подход “образования для образованных” через предобучение универсального интеллекта на основе интеллект-стека из фундаментальных трансдисциплин - это такой же сдвиг от человека как “опытного” в части владения многими-многими прикладными специализированными алгоритмами решения отдельных прикладных задач к “умному” человеку, который способен справиться с самыми разными проблемами при помощи своего универсального интеллекта. Трансдисциплины интеллект-стека описывают лучшие известные человечеству способы мышления/алгоритмы мышления/последовательности действий, которые нужно выполнить интеллекту, чтобы решить проблему. Интеллект-стек опирается на в разы и разы более практичные (во всех смыслах этого слова) работы аналитических философов/логиков, занимавшихся вопросами рациональности. Поэтому у нас рациональная методология.

Трансдисциплина исследований говорит, что на то время, пока какая-то теория является SoTA, нужно принять её всерьёз, то есть считать, что мир устроен так, как говорит эта теория. SoTA является догадкой, то есть текущим лучшим в мире объяснением имеющихся на сегодня проблем. Большинство из предлагаемых приёмов современного (лучшего из известных на данный момент, SoTA) мышления крайне контринтуитивны - они не приходят в голову “от опыта”, их нужно понять (часто - с трудом!), потом добиться беглости в выполнении этих приёмов. Но они позволяют вам стать умнее, поднять интеллект, начать разбираться с задачами, справиться с которыми раньше и мечтать было нельзя.

Трансдисциплины - это методы мышления о методах мышления. Они дают понимание того, как устроена картина мира.

Программа “Организационное развитие” даст вам мастерство организовывать людей на создание каких-то систем самой разной природы. Если “личное развитие” - это о том, как изменить себя, то “оргразвитие” - о том, “как изменить мир вокруг”, причём сегодня это будет не личным, а коллективным проектом. Чтобы развить экскаватор (систему)^[1], надо развить организацию его создающих инженеров (систему создания). И там будут самые разные инженеры (и в области клиентов, и в области системы, и в области менеджмента организации), а чтобы разобраться - вам нужна будет общая для них всех картина мира.

Программа “Исследовательское развитие” даст вам мастерство исследования, в том числе исследования мышления. Вы сможете работать с самой картиной мира - понимать её устройство, ограничения, менять старое знание на более современное. Естественнонаучное образование - оно тут, при этом оно очень тесно связано с реальной работой, а не только с размышлениями, ибо наука в отрыве от инженерии бесплодна.

“Научить учиться” - это несколько совершенно разных умений, которые надо намазывать поверх совершенно разной генетической предрасположенности (а эту предрасположенность корректировать сдвигом в инструментарий: к чему сам не предрасположен, сделает экзокортекс), это всё фундаментальное/трансдисциплинарное, усиление интеллекта. Увы, “уметь учиться” оказывается умением типа системного мышления, игры на фортепиано, высшей математики, то есть “за один курс” не осваивается, какие-то значимые результаты получаются за год у способных и за два-три у не очень способных. Поэтому не очень способные часто выигрывают: когда способный уже сбежал, не очень способный остался и через пару лет догнал способного, через три года - перегнал. Жизнь ведь длинная.

Вот краткий список из головы, чему учиться:

научить работать с frameworks/“мета-моделями разных уровней абстракции”: поставить в голову “машинку типов”, отделять лексику от смысла, (в том числе мета-) моделировать и заземлять, рассуждать логически (это же типы!) и рационально (причинный вывод в условиях неопределённости);
научить собранности на предыдущем этапе (мало понимать, надо делать!), чтобы речь шла о длинных цепочках в реальной жизни (рабочий контекст), а не коротких ответах на вопросы в учебном контексте (олимпиадный тренинг);
научить принятию всерьёз: fun criterion Дойча, вменяемость/persuadability/неупрямство как свойство интеллекта (“понять внешний аргумент и поменять поведение”, то есть принимать всерьёз критику и принимать всерьёз тексты руководства - внешние источники), принятию всерьёз (та же вменяемость, но ещё и с добавленным аспектом агентности: считать не только внешние аргументы, но и результаты собственного рассуждения основой для ресурсного планирования и затем действия, внешний локус контроля). Тут в том числе тренинг эмоциональности: чтобы форма не заслоняла сути высказывания. Если тебе на матерном языке говорят “не стой под стрелой!”, то надо проигнорировать мат (форму, бередящую эмоции) и хладнокровно выйти из опасной зоны (содержание, не зависящее от эмоций). И наоборот, если тебе очень вежливо говорят какую-то ахинею, то не кипятиться, а хладнокровно разобраться, что с этой ахинеей делать: плюнуть на неё, критиковать, предъявить говорящим ахинею альтернативы, но главное - не кипятиться и не утрачивать из-за этого силу своего интеллекта;
объяснить приёмы обучения (learning sciences), чтобы развеять студенческие мифы типа “надо делать конспекты” (не надо! на результаты обучения не влияет!) или “по видео мне учиться удобнее, чем по тексту” (удобнее - не значит, что результативнее), “нужны структурированные тексты, всё по одной теме в одном месте” (blocked против spaced repetitions и interleaving, путаница справочников и материалов для освоения людьми, игнорирование context learning). Объяснить, что прерывать рассуждение надо в момент ошибки, а не сильно потом (оперантное формирование! у людей оно тоже работает!). То есть как-то дать learning sciences в их современной версии. Без этого приёмы современного надёжного обучения вызывают отторжение, “не соответствует моим мифам, впитанным с детства, они там некультурны”. И ещё тут дать разницу в обучении одному приёму и освоению большого материала: “понять одно утверждение, ответить на один вопрос, сыграть одну ноту на фортепиано” с приёмами и скоростью освоения сложной деятельности “как понять сложное руководство, отвечать на самые разные вопросы в ходе проекта, уметь играть джаз на фортепиано”;
научить собранности в элегантности на длинных интервалах, чтобы было время для тренировки беглости. Тут дать основы тайм-менеджмента (себя любимого) плюс основы операционного менеджмента (чтобы было понимание, что надо быть “эффективным снаружи”, а не “эффективным внутри”: в операционном сюжете чётко указывается, что “эффективная работа” - это когда ты работаешь на внешнее ограничение, а не просто впахиваешь с максимальной производительностью, но “мимо”. Lean - наше всё!);
научить стажироваться (совмещать работу по проекту и освоение нового фундаментального и прикладного знания), а не уметь учиться отдельно от работы как в “официальном образовании”;
и это далеко не все пункты, есть ещё; умение учиться ведь фундаментальная штука, она и отличает человека от обезьяны, поэтому там всё непросто. В программе личного развития это всё по-быстрому проходится “в первом приближении” и уже даёт результаты, в программе рабочего развития это всё тоже есть, но развёрнуто - и проходит красной нитью по всем руководствам.

Умение говорить и писать и логически мыслить - в самом верху, умение планировать - в серединке, умение программировать или играть на флейте - в самом низу. Вот это оно, интеллект-стек методов сильного мышления (да, мышление письмом тут тоже метод сильного мышления!) дольше всего осваивается, дорог в освоении, но потом окупается дольше всего.

Фундаментальное образование - это не диплом, не институт, не профессия. Это стек трансдисциплинарных методов мышления, которые позволяют действовать в сложных системах, создавать новое, проектировать будущее. Это обучение на протяжении всей жизни, самообучение, финансово и когнитивно доступное каждому, кто хочет создавать новое и проектировать будущее. В него входят:

инженерия: мышление о системах, архитектура изменений;
методология: проектирование методов деятельности;
онтологика и логика: точность в описании и выводе;
рациональность: принятие решений при нехватке данных и при ограниченных ресурсах;
собранность: управление вниманием, контроль за фокусом и траекторией обучения.
Такой интеллект-стек становится необходимым минимумом в любой амбициозной деятельности. Он - основа для постоянного переосмысления и деятельности.

С приходом генеративного ИИ интеллектуальный ландшафт радикально изменился. Базовые знания стали commodity - общедоступными. Побеждают не те, кто знают, а те, кто умеют ставить правильные вопросы и интерпретировать ответы. Для этого нужна понятийная инфраструктура, которая задаётся интеллект-стеком. ИИ не уравнивает людей, он усиливает неравенство. Те, у кого есть развитый интеллект, усиливаются многократно. Остальные - теряют даже возможность самостоятельного мышления. Ключевая задача сегодня - не заменять биологический интеллект искусственным, а усиливать именно своё мышление. Прочный интеллектуальный фундамент становится ещё более необходим, чем был в 20 веке. Кроме того, ИИ позволяет перейти к персонализированному обучению. Сильный интеллект можно развивать точечно, адресно, под особенности конкретного человека. Это делает фундаментальное образование доступным в новых масштабах, то есть каждому, кто является профессиональным учеником. Изначальная функция образования - развитие интеллекта - становится важнее, чем когда-либо. В эпоху ИИ, неопределённости и постоянных изменений, человек без сильного мышления становится легко заменимым. AI как очень умный собеседник помогает другому умному собеседнику, а дураку общение с очень умным собеседником не поможет, он не догадается поговорить о важном, или просто не поймёт, что там важного в ответах, которые ему говорит умный собеседник.

Агентность без интеллекта даже вредна, а интеллект без агентности остаётся бесплодным. Обучение должно развивать оба аспекта личности, но начинать надо с интеллекта - фундамента успешной агентности. И да, научить можно не только интеллекту, но и агентности - и интеллект, и агентность не врождённые, всё вполне научаемо.

Работа Мастерской Инженеров-Менеджеров по построению системы фундаментального образования с попыткой выстроить сильное мышление - это как раз попытка выстроить цепочку мощных абстракций, максимально сжать информацию о мире, оставить только самое важное. Сами мы не изобретём, конечно, эти представления (надеемся тут на человечество), но надеемся дать людям эти мощные мыслительные представления по хоть как-то непрерывной learning curve (читай: “подняться по не запредельно крутой учебной лестнице, в которой мы надеемся, нет пропущенных или слишком крутых ступенек, через которые могут проскочить только гении”). Так что мы в МИМ именно что сжимаем знания о жизни, даём компактное и мощное мировоззрение, с которым потом можно легко пойти и за пределы менеджмента и инженерии - хоть и в культуру, искусство, работу непосредственно с человеческими эмоциями.

Картиночное обезьянье мышление дешёвое, для простых ситуаций. Тяжелое текстовое мышление для сложных. Дальше вопрос скрипки Энгельбарта (формальные текстовые нотации нужно учить долго и нудно, чтобы выработать автоматизмы мышления, с ними связанные, работать с ними явно не большие массы народу) и что мы будем делать с теми, кому попроще (то есть теми, кто хотел бы побольше графического в нашем случае). Чтобы взять сложность в 154 единицы, нужно освоить инструмент в 15.4 единицы^[2]. Если твой потолок без инструмента в 20 единиц, то разбирательство с инструментом будет на грани твоих возможностей. И ты взвоешь, и будешь просить “попроще”. Тебе дадут инструмент сложностью в 7 единиц^[3], ты будешь разбираться со сложностью 70 единиц и останешься крайне недоволен. Этот вопрос выхолащивающей простоты в обучении может иметь два ответа:

популистский: проще можно, вы только должны постараться. Английский за три дня, а матан за два. Хотя нет, наоборот: английский за два дня (тут же думать не нужно, понимать не нужно!), матан за три (всё-таки это нужно думать, и не традиционные четыре семестра, потерпим!). И сделайте это весёлым, чтобы не скучно. Геймификация или что там ещё у вас с играми. Или дизайн-обучение, чтобы картинок побольше. Скрайбинг, только без формул;
непопулярный: царских дорог в геометрию, английский, матан и прочие подобные дисциплины нет. Если уж приспичило - вам сюда. Так что если можешь не осваивать - не осваивай. Мы ещё и экзамен сделаем, чтобы проверить, можешь ли не осваивать. На небесплатных курсах - к воде тебя подведут, вода за деньги. Но пей сам, заставить не можем. Кончился курс, воду убрали в шкаф, что выпил, то твоё - и гуляй.^[4]

При обсуждении тренинга системного лидерства возник вопрос про его сложность:

заведомо понятно, что без хоть как-то беглого владения системным мышлением материалом курса не овладеть. Тебе сразу объясняют понятие лидерства в терминологии системного подхода, потому как это в разы быстрее и точнее, чем “на пальцах”;
сам материал тренинга зубодробителен, а тренинг идёт два дня. Полдня про место системного лидерства в длинном ряду других практик работы с людьми предприятия, и ещё полдня на подпрактики самого лидерства. Второй день на утрясание материала, включая игровой кейс с карточками Essense (требуется выбирать между многочисленными возможными оргдействиями менеджмента и лидерства в условиях ограниченности ресурсов, прежде всего времени). Диаграммы, много англоязычного сленга, ссылки сразу на целые книги, а не на три-четыре цитаты из этих книг. Вопрос: а попроще нельзя? Ответ: а не пошли бы желающие простоты в современном лидерстве куда подальше? Если у тебя три человека, то можно и безо всего этого. А если у тебя требуется организовать число людей побольше числа Данбара 37, даже с учётом поправок на электронные средства общения - скажем., у вас в компании 500 человек? Можно ли пару дней порисовать картинки, как это сейчас модно, и вперёд - заниматься лидерством? Это неважно, что в солидных местах курсы лидерства не двухдневные, а шестинедельные и со вступительными экзаменами. Это неважно, что если ты не гений-самоучка (такие бывают, но что нам с этого? смотреть на них, а потом на себя - только печаль), то как-то справляться с лидерством можно научиться лет за десять, если свезло. Это всё неважно. Важно, что “нам бы попроще, а то не поймут”.

Изучать нужно SoTA практики, которые содержат лучшие (более универсальные и компактные) объяснения в своих дисциплинах и дают предсказания результатов экспериментов лучше, чем конкурирующие с ними практики. И абсолютно неважно, кем (или чем, помним и о компьютерах) эти практики разработаны. Их нужно описать (методологическая работа), разработать методику обучения этим практикам (методическая работа), а дальше учить этим практикам (преподавательская работа) по разработанной методике.

Мастерство (в конкретной практике) изготавливается из сырья, в качестве которого выступает личность ученика в роли ученика как надсистема мастерства. Физически это всё реализуется мозгом-телом-компьютером агента, но нам важно, что на входе личность без мастерства, а на выходе - личность с мастерством, функциональное рассмотрение. После обучения в конечном итоге студент становится мастером.

У Школы системного (чего системного? а всего! системное мировоззрение/мышление лежит в основе многих и многих концептуальных дисциплин!) та же проблема: показать мощь системного мышления можно только в том случае, если будут люди, отлично владеющие прикладными дисциплинами на базе фундаментального широкого и глубокого образования, которое обеспечивает Школа. И тогда будет много желающих надстроить свои прикладные курсы над тем глубоким и широким образовательным фундаментом, который даёт Школа. А пока нижние уровни наши, образовательные институты тормозят и отказываются обсуждать содержание своего образования в части его глубины и ширины.

Koen: “Analyze the human activity called science. Among many, many others we find the work of the lonian philosophers (Thales, Anaximander and Anaximenes), in which many feel the germ of the scientific method was first planted in the sixth century B.C.; of Aristotle in the Organum; of Bacon in the Novum Organum; of Descartes in the Discours de la Methode; of Popper in The Logic of Scientific Discovery; and of Kuhn in the Structure of Scientific Revolutions. No equivalent body of research treats the engineering method. No equivalent philosophy of engineering exists.”

О системноинженерном мышлении

(О книге А. Левенчука “Системноинженерное мышление” 2015 года). Наша книга о способах мышления и способах действия. Для начала нам нужно найти способы, которыми мы будем описывать мышление и действие. Инженерия занимается изменением реальности — двигает горы, создаёт спички и зажигалки, строит марсоходы и медицинские роботы Да Винчи. Пространство-время физического мира были устроены одним способом, пришли инженеры, пространство-время стало устроено по-другому. Производством компактных описаний реальности занимается наука — придумывает диаграммы Фейнмана, теории мышления, понятия системы и деятельности. Пространство-время думали, что устроено одним способом, пришли учёные, пространство-время теперь думают, что устроено другим способом. Обучить науке — это обучить тому, как строить компактные и понятные людям описания того, как устроен мир. Например, 4 уравнения Максвелла описывают все электромагнитные явления мира, а уравнение Шрёдингера описывает волновые функции элементарных частиц. Можно ли “выучить на учёного” — это отдельный вопрос.

Нельзя путать инженеров и учёных. Учёные ровно обратны инженерам: если инженеры делают реальные материальные вещи, опираясь на мысль, то учёные делают мысли из реальности - получают компактные, понятные и формальные описания действительности. Конечно, инженерия и исследования тесно связаны: когда инженер получает инженерный объект, поведение которого не отвечает его замыслу, он исследует проблему: пытается найти наиболее компактное описание работы этой инженерной системы, из которого было бы понятно, в чем он ошибся при замысле и его воплощении. Затем исправляет ошибку: меняет систему. Когда учёный придумывает новый способ описания, более компактный и лучше объясняющий мир, чем предыдущие способы, то он проводит эксперименты. Отнюдь не все эксперименты “мысленные”. Некоторые из них требуют создания весьма и весьма сложных инженерных объектов. Когда эксперимент проведён, учёные корректируют свои теории в зависимости от результатов эксперимента. Тем самым инженерная и исследовательская деятельности оказываются связаны в цикл.

Обучить инженерному делу — это обучить тому, как устроен ход инженерной разработки, какие основные понятия предметной области самой инженерии (а не предметной области, описывающей физику и алгоритмику создаваемого инженерного объекта): как устроен инженерный проект в целом и как разворачивается во времени проектирование/конструирование/программирование, изготовление и разворачивание целевой системы, а не только как устроена создаваемая система. Сначала нам нужна какая-то наука, чтобы инженерные знания компактно описать - и уже после этого мы их можем передать.

Инженерия, кроме научных теорий, активно использует эвристики (heuristics) — это догадки о закономерностях, которые вовсе необязательно “научны” в традиционном смысле этого слова, т.е. это не “фальсифицируемая теория” по Попперу: инженер с самого начала знает, что эвристики вполне могут быть в его случае ошибочны и неприменимы.

В связи с этим любые достижения в инженерии по предложению Billy Koen нужно оценивать не по абсолютной шкале, а на конкретный момент времени, в соответствии с накопленным на этот момент объёмом научного и эвристического инженерного знания — и это “текущее состояние инженерии” Billy Koen предложил называть SoTA (state-of-the-art). Инженерный проект плох, ежели он не использует всей полноты научного и эвристического знания, накопленного на конкретный момент времени. Со временем объем знаний растёт, и инженерные проекты становятся более и более сложными, достигая невозможных для предыдущего времени характеристик.

Исследования дают нам способ думать по-новому: осознанней, быстрее и надёжнее. Но не так, чтобы исследования вообще позволяли нам думать. Думаем мы и без них, но спонтанно, медленно и не слишком надёжно. Метод проб и ошибок всем хорош, кроме того что чрезвычайно дорог и долог. Если есть способ что-то физическое коротко описать, а потом работать с этим описанием-моделью, а не с самим физическим объектом, то так и нужно делать.

Для начала нам нужна инженерная наука (engineering science), хотя мы точно знаем, что инженерия (“инжиниринг”) — это не наука. Но нам нужны компактные описания инженерии и менеджмента как минимум для того, чтобы договариваться об инженерии и менеджменте с другими людьми. И нам нужна наука о мышлении, хотя мы точно знаем, что само мышление - это не наука. Но нам нужны компактные описания мышления, чтобы договариваться о них с другими людьми, чтобы реализовать коллективное мышление. Построить такую ракету, чтобы она долетела до Марса или даже крошечной по космическим меркам кометы - для этого метода проб и ошибок явно недостаточно, но системные инженеры строить такие ракеты научились.

Scientists study the world as it is, engineers create the world that has never been.

Основное, что должен уметь делать системный инженер - это создавать материальные объекты, а не анализировать их. Упор не на анализ, а на синтез характеризует инженера.

Системная инженерия и менеджмент опираются на эвристики, а не на научные теории. Они эмпирические, а не строго научные дисциплины типа физики или химии. Если бы у системной инженерии было научное основание, она была бы полноценной научной дисциплиной, это бы означало, что у неё есть основные понятия-“идеальные объекты”, в терминах которых описывается окружающий мир - примерно так, как у физики есть понятия физического тела и поля, а у химии есть понятие химической связи. Конечно, в системной инженерии ключевым понятием является “система”, но использование этого понятия осложняется тем, что оно пока онтологически (философско-логически) недоопределено, и прямо сейчас идёт интенсивная работа по его формированию. Главным образом эта научная (точнее, научно-методологическая - созданием новых дисциплин занимается методология, ибо речь идёт о методах человеческой деятельности, как научной, так и инженерной) работа ведётся в рамках комитетов по стандартизации, которые коллективно обсуждают различные догадки и находки по формальному представлению (получению теории) систем.

Если договориться о том, что системная инженерия должна быть дисциплиной не хуже, чем другие общепризнанные науки (например, физика и химия), то системной инженерии нужно найти свои теоретические понятия: основной объект изучения, который и задаёт всё многообразие дисциплины, всё многообразие изучаемого предмета. Тем, чем для механики является физическое тело, а для химии является химическая связь, в системной инженерии является система: научным основанием системной инженерии является системный подход. В системном подходе главным понятием является “система”. Точно так же, как все предметы реальной жизни в механике отождествляются к физическим телам, а взаимодействие веществ в химии сводится к образованию и разрушению “химических связей”, в системной инженерии рассматривают весь мир состоящим из систем. И точно так же, как в механике после отождествления пули или компьютера с физическим телом можно применить формулы для расчёта траектории падения компьютера или пули со стола (ибо это отождествление оставляет только важные для расчёта характеристики — прежде всего массу, но игнорируя цвет, собственников, основное назначение, причину падения и т.д.), так и в системной инженерии после называния чего бы то ни было “системой” можно применять известные способы рассуждения, известные “формулы” (хотя это не формулы надёжной теории, а просто хорошо зарекомендовавшие себя эвристики).

То есть рассуждения с понятиями системного подхода только напоминают формулы, на самом деле это эвристики, хорошо зарекомендовавшие себя догадки, проверенные на множестве реальных проектов, упрощающие мышление в них и работу со сложностью. Тем не менее, на статус строго научных они не претендуют, и создатель/инженер чего угодно может выбирать - пользоваться ими для работы со сложностью или игнорировать, используя опыт, знания из предыдущих проектов, метод проб и ошибок, внимание к знакомым объектам и понятиям. Использование СП - это выбор, а не обязанность. СП - не наука, и его можно игнорировать, но на свой страх и риск, как игнорирование хорошо зарекомендовавшего себя в других проектах способа рассуждений о деятельности. Игнорирование столь мощного эвристического фреймворка в сложных проектах вряд ли разумно, это точно повысит риски его неуспешности. Но использование его даёт лишь гарантию от совершения глупых ошибок. В предпринимательском проекте по созданию чего-либо используете либо метод проб и ошибок на основе опыта, либо системный подход).

Это означает, что в основе системноинженерного мышления должно быть целостное представление о человеческой деятельности (т.е. повторяющихся, типовых, присутствующих в культуре способах достижения цели - отдельное уникальное “действие” ведь “деятельностью” не назовут) по созданию успешных систем. Но ведь это частный случай человеческой деятельности вообще, изучение закономерностей которой является предметом праксиологии.

К менеджменту более-менее приложимы те же рассуждения, которые приведены тут про инженерию. Менеджмент тоже ориентирован на синтез, а не на анализ. Он основан на эвристиках, и использует теории тогда, когда эти теории есть. Конечно, значительная часть этих эвристик отличается от инженерных эвристик. Более того, менеджерские эвристики не записывают в толстые справочники (хотя посмотрите на многочисленные регламенты по организации работ в любом предприятии — не напоминает инженерные справочники? Единственное отличие, что такие справочники готовят на каждом отдельном предприятии, редко используются общие справочники для многих предприятий).

Cистемноинженерное мышление — это умение рассуждать с использованием базирующихся на системном подходе и относящихся к инженерным проектам онтологических схем. Это умение подводить объекты реального мира под понятия на схемах и вести рассуждения с использованием этих понятий независимо от используемой в том или ином речевом сообществе терминологии.

Systems engineering - transdisciplinary and integrative approach to enable the successful realization, use and retirement of engineered systems using systems principles and concepts and scientific, technological and management methods (ISO 15288)

Systems engineering aims to ensure the pieces work together to achieve the objectives of the whole.

Systems Engineering is an interdisciplinary approach governing the total technical and governing managerial effort required to transform a set of stakeholder needs, expectations, and constraints into a solution and to support that solution throughout its life.

В преддверии ИИ понятно, что все прикладные области будут быстро подрываться в части людского труда, уж проекты-то точно придётся менять - и там разбираться с новыми предметными областями и командами. Поэтому сначала поднимаем калибр личности, учим SoTA собственно мышления, понимание того, как организационно устроена работа и в чём вообще труд создателей хоть чего-нибудь. Люди с каким-то калибром личности будут чуть более эффективно общаться с тем же ИИ, чуть более осознанно читать эти же новостные ленты, чуть более ярко участвовать в клубной работе - будут чуть более конкурентоспособней окружающих.

Можно говорить и об интеллекте как особых видах мастерства (трансдисциплинах) по получению других видов мастерства (прикладных). Если мы хотим, чтобы население как-то справлялось со сложностью окружающего мира, то нам нужно обучать это население (от школьников до профессоров) современным мыслительным трансдисциплинам. Обучать явно, быстро и эффективно. Мыслительные трансдисциплины ни разу не сухая теория, они практичны, они организуют продуктивную деятельность, они поддержат коллективное мышление.

One of the most important problems in machine learning and life is the exploration-exploitation dilemma. If you’ve found something that works, should you just keep doing it? Or is it better to try new things, knowing it could be a waste of time but also might lead to a better solution? Domingos

Можно утверждать, что каждая живая система пытается минимизировать сюрпризы, которые принесёт ей будущее, и делает это в соответствии со своей темпоральной глубиной (видимо, эта глубина и определяет соотношение между горизонтами стратегирования и планирования в голове конкретного индивида. Деятель отличается от обывателя, который просто живёт, максимальной темпоральной глубиной). Чтобы хорошо приспосабливаться ко всему набору вероятных миров, вам нужно смотреть как можно шире и как можно дальше, и понимать, что процесс поиска, постановки и решения проблем принципиально повторяющийся, итеративный. Всегда нужно думать о том, что случится на следующий день после того, как вы решите проблему, которая прямо сейчас стоит перед вами.

Теории и продукты похожи в плане их получения (догадки и проверки; побеждает выживший после проверок). С первого раза - не получится (так как гипотезы и проверки), а закончить нельзя (жизнь меняется). Поэтому непрерывное развитие систем, непрерывный ввод в эксплуатацию.

Смысл жизни - спастись, в эволюционном смысле этого слова. Жить сейчас и в будущем, для этого запастись знаниями самых разных методов работы и затем проводить работы, используя знания и инструментарий методов работы в инженерных проектах по созданию самых разных систем.

Системное мышление - это мышление по той части знаний/теорий/дисциплин методов интеллект-стека, которые ответственны за мышление о проблемах, перевод проблем в задачи, и в этом мышлении о проблемах и методах их решения используют понятия системного подхода.

И как растёт видовое разнообразие и сложность организмов в биологической эволюции, растёт разнообразие и сложность продуктов и сервисов в технологической эволюции, растёт разнообразие и сложность деятельностей и тем самым разнообразность и сложность мастерства в этих деятельностях (разделение труда).

Evolution Evolving

Earlier we referred to Richard Lewontin’s three requirements for evolution by natural selection: there must be phenotypic variation in the characteristics of individuals, some variants must leave more descendants than others (differential fitness), and offspring must resemble their parents more than other individuals (heredity). These show that evolution by natural selection can be formulated in abstract terms—it can arise in any population of entities that fulfils these requirements, not just organisms. For instance, it has been deployed to describe technological and cultural evolution, such as the evolution of the bicycle, or of dance.

All evolution can be perceived as an implementation of a stochastic learning algorithm as well. Put another way, learning is optimization by trial and error, and so is evolution.

The detailed correspondence between the key features of the processes of learning and biological evolution implies that this is not a simple analogy but rather, a reflection of the deep unity of evolutionary processes occurring in the universe. Indeed, separation of the relevant degrees of freedom into multiple temporal classes is ubiquitous in the universe from composite subatomic particles, such as protons, to atoms, molecules, life-forms, planetary systems, and galaxy clusters. If the entire universe is conceptualized as a neural network (36), all these systems can be considered emerging from the learning dynamics. Furthermore, scale separation and renormalizability appear to be essential conditions for a universe to be observable. According to the evolution theory outlined here, any observable universe consists of systems that undergo learning or synonymously, adaptive evolution, and actually, the universe itself is such a system (36). The famous dictum of Dobzhansky (98), thus, can and arguably should be rephrased as “nothing in the world is comprehensible except in the light of learning.”

For learning to be efficient, the capacity of the system to add new adaptable variables is essential. In biological terms, this implies expandability of the genome (that is, the ability to add new genes), which necessitated the transition from RNA to DNA as the genome substrate given the apparent intrinsic size constraints on replicating RNA molecules. Another essential condition for efficient learning is information sharing, which in the biological context, corresponds to horizontal gene transfer.

Life 3.0 by Tegmark

Natural learning itself has gone through three phases: evolution, the brain, and culture. Each is a product of the previous one, and each learns faster. Machine learning is the logical next stage of this progression.

People worry that computers will get too smart and take over the world, but the real problem is that they’re too stupid and they’ve already taken over the world.

Why did life grow more complex? Evolution rewards life that’s complex enough to predict and exploit regularities in its environment, so in a more complex environment, more complex and intelligent life will evolve. Now this smarter life creates a more complex environment for competing life forms, which in turn evolve to be more complex, eventually creating an ecosystem of extremely complex life.

Since ancient times, philosophers have dreamt of deriving ethics (principles that govern how we should behave) from scratch, using only incontrovertible principles and logic. Alas, thousands of years later, the only consensus that has been reached is that there’s no consensus. For example, while Aristotle emphasized virtues, Immanuel Kant emphasized duties and utilitarians emphasized the greatest happiness for the greatest number. Kant argued that he could derive from first principles (which he called “categorical imperatives”) conclusions that many contemporary philosophers disagree with: that masturbation is worse than suicide, that homosexuality is abhorrent, that it’s OK to kill bastards, and that wives, servants and children are owned in a way similar to objects.

Although attempts to derive a consensus ethics from scratch have thus far failed, there’s broad agreement that some ethical principles follow from more fundamental ones, as subgoals of more fundamental goals. For example, the aspiration to truth can be viewed as the quest for a better world model from figure 7.2: understanding the ultimate nature of reality helps with other ethical goals. Indeed, we now have an excellent framework for our truth quest: the scientific method. But how can we determine what’s beautiful or good? Some aspects of beauty can also be traced back to underlying goals. For example, our standards of male and female beauty may partly reflect our subconscious assessment of suitability for replicating our genes.

This chapter has been a brief history of goals. If we could watch a fast-forward replay of our 13.8-billion-year cosmic history, we’d witness several distinct stages of goal-oriented behavior:

Matter seemingly intent on maximizing its dissipation
Primitive life seemingly trying to maximize its replication
Humans pursuing not replication but goals related to pleasure, curiosity, compassion and other feelings that they’d evolved to help them replicate
Machines built to help humans pursue their human goals

The only currently programmable goals that are guaranteed to remain truly well-defined as an Al gets progressively more intelligent are goals expressed in terms of physical quantities alone, such as particle arrangements, energy and entropy.

The ultimate origin of goal-oriented behavior lies in the laws of physics, which involve optimization.
Thermodynamics has the built-in goal of dissipation: to increase a measure of messiness that’s called entropy.
Life is a phenomenon that can help dissipate (increase overall messiness) even faster by retaining or growing its complexity and replicating while increasing the messiness of its environment.
Darwinian evolution shifts the goal-oriented behavior from dissipation to replication. Charles Darwin elegantly explained why: since the most efficient copiers outcompete and dominate the others, before long any random life form you look at will be highly optimized for the goal of replication.
Intelligence is the ability to accomplish complex goals.
Since we humans don’t always have the resources to figure out the truly optimal replication strategy, we’ve evolved useful rules of thumb that guide our decisions: feelings such as hunger, thirst, pain, lust and compassion.
We therefore no longer have a simple goal such as replication; when our feelings conflict with the goal of our genes, we obey our feelings, as by using birth control.
We’re building increasingly intelligent machines to help us accomplish our goals. Insofar as we build such machines to exhibit goal-oriented behavior, we strive to align the machine goals with ours.
Aligning machine goals with our own involves three unsolved problems: making machines learn them, adopt them and retain them.
Al can be created to have virtually any goal, but almost any sufficiently ambitious goal can lead to subgoals of self-preservation, resource acquisition and curiosity to understand the world better-the former two may potentially lead a superintelligent Al to cause problems for humans, and the latter may prevent it from retaining the goals we give it.
Although many broad ethical principles are agreed upon by most humans, it’s unclear how to apply them to other entities, such as non-human animals and future Als.
It’s unclear how to imbue a superintelligent Al with an ultimate goal that neither is undefined nor leads to the elimination of humanity, making it timely to rekindle research on some of the thorniest issues in philosophy! This means that to wisely decide what to do about AI development, we humans need to confront not only traditional computational challenges, but also some of the most obdurate questions in philosophy. To program a friendly AI, we need to capture the meaning of life. What’s “meaning”? What’s “life”? What’s the ultimate ethical imperative? In other words, how should we strive to shape the future of our Universe? If we cede control to a superintelligence before answering these questions rigorously, the answer it comes up with is unlikely to involve us. This makes it timely to rekindle the classic debates of philosophy and ethics, and adds a new urgency to the conversation!

Если сообразил, как хорошо мыслить, то пиши учебник и делай к нему упражнения, создавай учебный курс хорошего мышления. Без этого любые разговоры про мышление бессмысленны. Г. П. Щедровицкий написал книгу “Педагогика и логика”, где чётко показал: если нет совмещённой исследовательской и образовательной деятельности, то образование не может быть качественным. А если это просто “школа”, которая берёт мышление в его неотрефлексированном виде и пытается передать его в неосознанном виде своим ученикам, то она выпустит в мир хороших учеников только по случайности. То есть занимаешься исследованиями, открываешь что-то - и сразу обучаешь этому учеников.

Берём советскую инженерию с её опорой на неогранённый талант и tacit knowledge против западной с опорой на формальные процедуры и постоянную письменную рефлексию методов. И оказывается, что системная инженерия - это такой инженерный протестантизм, а советская инженерная школа это такое инженерное православие.

а появление экскаватора изменит окружение, так как оно изменит методы копания ↩︎
Инструмент для работы со сложностью реального мира сам по себе будет сложным. Он не может быть простым ↩︎
Какой-нибудь простой образовательный курс с картинками ↩︎
“Дать” знания - дадим, а вот сможет ли ученик “взять” - его проблема ↩︎