Бизнес-тренер Александр Левитас

О любви к печатному слову — и почему это важно

Одна из вещей, неизменно впечатляющих меня в Армении — почтение армян к книгам и всему, что с ними связано.

Так, один из главных предметов гордости армянского народа — это армянский алфавит. Не заимствованный, не адаптированный (как та же кириллица, собранная большей частью из греческого и еврейского алфавитов), а полностью самобытный.

Его создал примерно 1600 лет назад армянский священник Месроп Маштоц — специально под безумную армянскую фонетику, в которой согласные звуки идут не парами «глухой-звонкий», а тройками.

Единственный народ, который к собственному алфавиту относится с таким же пиететом — это корейцы. Как в Южной, так и в Северной Корее даже отмечается «День корейского алфавита», один из главных национальных праздников.

На улицах армянских городов Вы скорее найдёте памятники писателям или поэтам, нежели военным. Да и сами улицы часто называют в честь литераторов.

И даже зайдя в винный магазин, Вы обнаружите там коньяк «Армянский алфавит», и коньяк «Святой Месроп», названный в честь создателя алфавита, и коньяки, названные в честь поэтов и писателей (включая «тридцатилетний коньяк "Чаренц" в коробке из кожи аллигатора, названный в честь Егише Чаренца», который воспел в одной из своих книг Генри Лайон Олди), и линейку вин «Мхитар Гош» в честь писателя, историографа и автора уголовного кодекса, и...

Это уважение армян к печатному слову проявляется в самых разных вещах. Начиная с того, что в Армении полторы сотни книжных издательств на три миллиона населения (это реально много), и заканчивая тем, что российско-армянский миллиардер Рубен Варданян тратит деньги не на футбольный клуб, яхты или конкурс красавиц, а на Школу управления «Сколково», на международную школу UWC Dilijan и на спонсирование премии за лучшую деловую книгу на русском языке.

Мне как еврею близко это уважение к книгам. В культуре Израиля борьба за всеобщую грамотность началась в V веке до нашей эры. Две тысячи лет назад считалось, что «учёный жених лучше богатого». Европейские евреи гордились знакомством с писателем или профессором даже больше, чем знакомством с генералом или министром. И на израильских банкнотах изображены не политики и не цари, а писатели и поэты.

Четверть века я уговариваю всех, кого могу, читать больше. Уговариваю лично, в соцсетях, в интервью, со сцены. Потому что искренне верю, что книгу нельзя заменить никаких другим источником информации.

Как Вы думаете, а почему?

#левитас #армения #ереван #путешествия #путешествие #книга #книги #история #байкиотлевитаса
2021 год
  • ailev

Об ковидоборство: никто ничего никому объяснить не может, это и есть проблема.

Сегодня у меня обострение ковидоборства во всех чатах (в чате моего блога, например, с https://t.me/ailev_blog_discussion/8304), наверное, полнолуние (как раз сегодня, и световой день 17 часов 33 минуты, светлые силы со свех сторон вышли на тропу войны). Моё мнение я уже высказывал (идёт эпидемия глупости, вчера я напоминал ссылку: https://ailev.livejournal.com/1520730.html). Что добавить?
-- можно уточнять IFR, оценка за год (приводил в посте по ссылке оценку Егения Пескина) не поменялась, она сейчас 0.40% https://www.medrxiv.org/content/10.1101/2021.05.12.21256975v2 (31 мая 2021).
-- все уже не только эпидемиологи, но и немного микробиологи. При этом выучили слово "шип", но не выучили слово "штамм" и слово "изменчивость". Обсуждают Дельту (как будто появление нового штамма -- нежданчик!), но и тут больше уже обсуждают Дельта плюс.
-- постулируется полезность локдаунов, но не оцениваются все эффекты, и полезность вакцинирования, и опять-таки не оцениваются все эффекты. Прямо таки заклинания, ибо межстрановые сравнения не показывают никаких особенных эффектов ни от локдаунов, ни от вакцинирования. В обосновании много городских легенд, устойчивых словесных штампов, но нет цифр. И понятно, почему нет цифр: верить исходным цифрам нельзя, из мусорных данных получается мусорная статистика.
-- скоро придётся выучить слова про "навес избыточной смертности", ибо в Норвегии уже смертность -4% (https://ourworldindata.org/excess-mortality-covid, и там в excess mortality p-scores идти в график, щёлкать на табличку, искать там Норвегию и с изумлением глядеть на -4 процентных пункта). То есть медленно и постепенно то, что давно обсуждали сами эпидемиологи, дойдёт до основной массы населения -- при жёстком противодействии со стороны фармацевтического лобби и разных упёртых граждан во власти. То, что локдаун как-то влияет на время дожития, это придётся таки учитывать через некоторое время. Вообще, пересчёт общего числа часов сохранённой жизни не только "в текущем году", но и в следующих, и не только больных, но и всех -- это ещё только будет обсуждаться массово, хотя спецы говорили с первого дня.
-- при оценке масштабов бедствия нужно понимать про альтернативные издержки: сколько бы часов жизни (интегралом по всем будущим годам) удалось бы спасти, если бы все ковидные деньги отправили на кардиоболезни? На онкологию? Просто на борьбу со старостью как биологическим явлением? То есть системный подход: ковид в окружении других напастей (включая смерть от старости), а не как сферический ковид в вакууме как единственная напасть в мире.
-- проблемы неконституционных ограничений, принуждений к вакцинированию, применения не прошедших испытаний лекарств/вакцин и освобождение от ответственности их производителей (двойные стандарты) -- они вечные, ничего тут не менялось и меняться не будет. Абсолютная власть развращает абсолютно, идеи государственного регулирования как гарантируемой государством безопасности -- да, это неистребимо, и это не про ковид.
-- Можно долго обманывать одного, или недолго всех. Проблема только в затыкании ртов (цензура и свобода обсуждений, это обсуждал Дойч в "Началах бесконечности" на примере Спарты и Афин) и массовой неизвестности критериев хороших рассуждений, массовая неумность, незнание логики. Скажем, первая из ошибок: чуть ли не в каждом первом разговоре приводится "аргумент" о "я лично знаю, я лично встречал". Это ж на первой странице учебников рядом с "доказательством путём отсылки к авторитету" приводится как неверный аргумент! Красивые риторические приёмы не заменяют логики. Ещё можно напомнить про эффект доктора Фокса (когда актёр выразительно и художественно читает белиберду, и ему верят как авторитетному учителю -- https://ru.wikipedia.org/wiki/Эффект_доктора_Фокса ).
-- пыль ещё не осела, подводить итоги рано. Но очевидно, что речь идёт о ситуации "голосования сердцем", активной пропаганды (ну, или агитации -- так и хочется добавить, "с запретом агитировать за сутки до" и недопуском иностранных агентов к этой агитации). Это ни разу не научная дискуссия, идёт обмен репликами в риторической парадигме с демонстрацией друг другу символов веры, но не аргументов, основанных на объяснениях. "Был ли ты в красной зоне?" -- "А что ты хотел, когда с огромной площади свозят всех подозрительных на что угодно в одно место, да ещё на эту граблю наступают во многих местах сразу?!", вот это и есть уровень дискуссии.

Так что пока всё плохо: уровень дискуссий что про внешнюю политику, что про политэкономию, что про вакцинацию одинаково низкий, много ниже плинтуса. Если не понимаешь, что нужны нормальные объяснения с использованием контрфактуальной (а? чё ето?) логики, не можешь такие объяснения отличить от других, не владеешь предметной областью -- никакой дискуссии не получится, никакого просвещения, никакой договорённости о совместной хоть какой-нибудь деятельности.

То есть проблема в том, что никто ничего никому объяснить не может.

UPDATE: обсуждение в фейсбуке -- https://www.facebook.com/ailevenchuk/posts/10221277148612298, вконтакте https://vk.com/wall2449939_3441

И интересная табличка 4 в https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/996740/Variants_of_Concern_VOC_Technical_Briefing_17.pdf -- поглядите там конец таблички, очень наглядно.
ryj_angel

Технологии жизни: рэндомные советы

Просто отдельные советы, которые мне пришли в голову за последнюю неделю, когда я наблюдала себя и других.


3.Вы ищете какую-то вещь? Идете в первое пришедшее вам на ум место? А ее там нет!
Когда найдете - положите ее на хранение в это место. Похоже, ваш мозг в своей внутренней карте отвел этой вещи именно это место. Не утомляйте мозг - согласитесь с ним!

2. Если вы не очень хороши в раскладывании по местам и категориям сразу, заведите ОДНО место для вещей на одну тему. Например, финансовых или медицинских бумаг и документов. Отведите этому отдельный ящик или пластиковую большую коробку. И ВСЕ сбрасывайте туда. Не наводите порядок, если у вас нет желания или времени. Но когда вам срочно что-то понадобится, вы сможете перебрать все в этом ящике и найти нужное. Пусть даже в момент бросания туда, вам кажется, что вы бросаете нужную вещь в полный хаос. Это выделенный хаос - и под закрытой крышкой!

Все проблемы начинаются тогда, когда у вас нет идеального порядка, в котором вы знаете обо всем, где оно лежит, и при этом вы вещи из одной категории складываете в несколько разных мест по каким-то соображениям. А потом, естественно, не можете найти.

3. Подписывайте ВСЕ. Не могу достаточно подчеркнуть важность этого. Не полагайтесь на свою память. Вы можете прекрасно придумать, что вот тут у вас открытки, там ложечки, а здесь все для совы из обрезка пластиковой трубы. Но ваш мозг через час или неделю выбросит эту информацию. Не доверяйте этому слабоумному эйдидишнику, он не за вас! Он на ставке у врагов.

Есть у вас кусок информации или хранения - приклейте наклейку, пост-ит, вставьте карточку, вложите лист бумаги, прибабахьте степлером кусок листочка, пришейте, привяжите этикетку - но напишите внятно, без сокращений и понятных шифров: что это, зачем, сколько и когда положено.

Особенно, если это материалы для идеи или проекта! Или архивное хранение. Вы должны взять в руки коробку, папку, бумажки в прозрачном пакете, что-то в мешочке - и сразу прочесть: зарплатные выплаты на свечном заводике за 1917-й год, журналы мод 1950-1980-х годов, 4 деревянных подставки под стаканы, чтобы нарисовать там Гликерий в цветах, позолоченные ложечки для мороженого, материалы конференции по комьютерной графике(апрель 2034). Сто раз за жизнь себя поблагодарите потом.

4. Если вы переезжаете - найдите в себе силы подписывать, что в коробке. Лучше прямо на коробке сверху. Если внутри будет лист с описью - ваапще супир. Но на это способны героические единицы!

Но главное! Сделайте коробку «с туалетной бумагой». Это будет самая важная коробка. Сложите в нее набор постельного белья, полотенца, туалетную бумагу, мыло и шампунь, сковородку и кастрюльку, вилки, пару тарелок и стаканов, моток бумажных полотенец, банку с обезболивающими таблетками, пульт от телевизора, зарядку от телефонов, пару чистых трусов и маек, ручку и карандаш. Ну и что там вам лично нужно для немедленной жизни. Крупно, жирно и ярко ее подпишите. Загрузите последней, чтобы поставить ее в центре новой жизни первой. И по приезду откройте ее в первую очередь - и вы сможете сходить в туалет, принять душ, выпить воды и сделать глазунью.
2021 год
  • ailev

Наш способ ускорить разбирательство с непонятками в жизни: дать людям цивилизационные priors.

Основная гипотеза, которая сейчас отрабатывается в области AI -- это то, что интеллект получается за счёт очень простого алгоритма, который работает с огромными вычислениями по разбирательству с непонятками встреченных им ситуаций (тезис Sutton, http://incompleteideas.net/IncIdeas/BitterLesson.html). Чтобы уменьшить количество этих вычислений, алгоритм должен получить в свой состав какие-то удачные эволюционные находки по поводу структуры мира, innate priors, как их называли вначале, а потом и вовсе сократили до priors. Это то, что интеллекту известно о мире "из коробки", "по конструкции", до того, как его начали учить. Количество вычислений при правильно выбранных priors уменьшается в десятки тысяч раз.

Текущие алгоритмы глубокого обучения практически не содержат этих priors. Уж заведомо содержат их меньше, чем мозги ребёнка. Поэтому и работают медленно и плохо. Так что одно из направлений сегодняшних исследований -- снабдить эти алгоритмы хотя бы такими же priors, которые есть у новорождённых человеков, чтобы ускорить мышление этих алгоритмов. Интеллект ведь -- это прежде всего про скорость мышления, скорость научения решать проблемы в какой-то предметной области, разбираться с непонятками. François Chollet в https://arxiv.org/abs/1911.01547 предположил, какие там у ребёнка priors, и дал набор тестов, которые должны демонстрировать, что предлагаемые всё новые и новые алгоритмы AI быстро решают задачи, требующие этих priors -- в надежде на то, что такие алгоритмы будут учиться дальше не хуже алгоритма в дитячьем мозгу.

Ещё один способ тестировать эти priors -- давать компьютеру решать те задачи, с которыми хорошо справляется человек. Например, набор из 57 видеоигр Atari. Выяснилось, что большинство priors, с которыми работает интеллект ребёнка, касается умения распознавать объекты окружающего мира. И в алгоритм, который учится играть во все эти 57 игр сразу были добавлены эти человеческие priors. И алгоритм начал учиться играть во все эти игры (то есть научился справляться с новой проблемой, которой раньше ещё не видел, то есть проявлять силу своего интеллекта) за меньшее число проб и ошибок, чем человек. И работает этот алгоритм в 10тыс. раз (четыре порядка!) быстрее, чем алгоритм без priors. Вот эта работа: "Self-Supervised Object-Level Deep Reinforcement Learning", https://arxiv.org/abs/2003.01384. Авторы William Agnew и Pedro Domingos (тот самый, который написал The Master Algorithm) пишут: Current deep reinforcement learning approaches incorporate minimal prior knowledge about the environment, limiting computational and sample efficiency. We incorporate a few object-based priors that humans are known to use: "Infants divide perceptual arrays into units that move as connected wholes, that move separately from one another, that tend to maintain their size and shape over motion, and that tend to act upon each other only on contact" [Spelke]. We propose a probabilistic object-based model of environments and use human object priors to develop an efficient self-supervised algorithm for maximum likelihood estimation of the model parameters from observations and for inferring objects directly from the perceptual stream. We then use object features and incorporate object-contact priors to improve the sample efficiency our object-based RL agent.We evaluate our approach on a subset of the Atari benchmarks, and learn up to four orders of magnitude faster than the standard deep Q-learning network, rendering rapid desktop experiments in this domain feasible. To our knowledge, our system is the first to learn any Atari task in fewer environment interactions than humans.

Мы делаем тот же самый ход, который люди из AI делают со своими простыми алгоритмами. Они добавляют человечьи priors, чтобы их алгоритмы стали в десять тысяч раз быстрее. Мы берём простые алгоритмы мышления в мозгах обычных (и даже уже образованных!) людей и добавляем state-of-the-art цивилизационные priors, которые выработало коллективное человеческое мышление буквально только что, в 21 веке. Спецы по AI переносят priors из мозга человека в железку компьютера, а мы переносим priors из цивилизации -- в голову человека. Мы называем эти priors трансдисциплинами (ибо это "по ту сторону прикладных дисциплин", то, что относится к "общему интеллекту", "силе мозга", а не прикладным компетенциям). Про то, что интеллект это не про прикладные компетенции, а возможности по быстрому с ними разбирательству я писал в https://ailev.livejournal.com/1498481.html (там подробней про подход François Chollet в https://arxiv.org/abs/1911.01547).

Дальше я напишу то, что писал в разных местах уже много раз. Какие именно мы берём цивилизационные priors, то есть какие именно трансдисциплины мы берём для инсталлирования их в человечьи мозги, чтобы работа этих мозгов в новых предметных областях оказывалась быстрой (может и не в десять тысяч раз, но весьма и весьма ощутимо):
-- функционально-ориентированное сознание (это нижний уровень, практически мы тренируем priors, заложенные в мозг матерью-природой. Медленное мышление S2 по Канеману должно работать как часики. У кошечек его нет, а у людей есть -- но только тех, которые выросли не в лесу, выкормленные волками. Вот нам надо, чтобы человек в режиме медленного мышления и глубоких размышлений мог провести часы, а не секунды. Клиповое мышление, блуждающее внимание -- это зло. Понятийное мышление нужно тренировать, чтобы возможности именно человеческого мозга проявились). У нас нет курса на эту тему, но уже есть доклад, где такой курс как-то рассматривается как priors, необходимые для научения решать проблемы в онтологике и коммуникации: https://www.youtube.com/watch?v=8D8cfcJ20zI
-- онтологика и коммуникация. Это priors о том, что есть актуальный физический мир, но мы можем его очень по-разному описывать, добиваясь в этом мире каких-то своих целей. Есть агенты, их много, цели у них разные, они взаимодействуют и строят описания мира и себя (онтология), рассуждают про мир и достижения целей (логика), при этом ещё и общаясь с использованием кулаков или мирно (коммуникация). Описания могут быть более или менее правдоподобными (наука), а цели более или менее злобными по отношению к другим агентам (этика). Есть курс https://system-school.ru/united
-- системное мышление про то, что описания нужно делать на многих уровнях по отношению частей и целых, и есть очень важные описания (минимально: описание функциональности, конструктивного устройства, пространственного размещения, но это только начало), которые просто таки нужно сделать, чтобы достигнуть цели, понимаемой как успешно созданная система. Успешная -- это когда множество агентов, которым для чего-то эта система нужна, договорились. На эту тему есть онлайн-курс https://system-school.ru/sm2019, курс для школьников и студентов https://system-school.ru/intro, практикум https://system-school.ru/praktikum, вводный курс https://system-school.ru/base
-- вычислительное мышление про то, как работать со всеми этими моделями, чтобы рассуждать с их использованием. Ведь их могут интерпретировать как люди, так и компьютеры. Они могут быть изложены на самых разных языках, и они могут быть ещё и коннективистскими (те же нейросетевые модели). У нас нет пока на эту тему курса, есть только постановка задачи: https://ailev.livejournal.com/1477090.html

Если есть эти priors, то у вас уже более-менее налажено скоростное (а не медленное! в этом фишка!) мышление о чём угодно. Но можно ещё больше ускорить разбирательство с новыми практиками, если дать знания о том, как делаются проекты -- как в самых общих чертах устроена человеческая деятельность. Мы называем эти priors деятельностным кругозором (думаем о нём как прохождении трёхдневного курса по каждой перечисленной практике):
-- системная инженерия (разработка концепции использования, инженерия требований, инженерия системной архитектуры, управление конфигурацией и изменениями/жизненным циклом, проверка и приёмка). Курс у нас есть -- https://system-school.ru/engineering
-- системный менеджмент (операционный менеджмент/цепи поставок/логистика, управленческий учёт и контроллинг, инженерия предприятия и архитектура предприятия/технологический менеджмент, организационные изменения/развитие и системное лидерство) – это мой курс https://system-school.ru/sms
-- системное предпринимательство (стратегирование, продвижение продукта, корпоративные финансы, корпоративная поднадзорность/governance), курса пока нет, но стратегирование уже вошло в мой курс.
-- ... остальные сферы деятельности (политика и политэкономия, религия, искусство, наука, образование и просвещение, здравоохранение, спорт, право, армия, частная жизнь/семья). Из курсов тут у нас пока только курсы по личному развитию (как учиться эффективно https://system-school.ru/study, телесная инженерия https://system-school.ru/body и системный фитнес https://system-school.ru/move, а также временно прерванный в силу форс-мажора социальный мультиданс https://system-school.ru/multidance. Да, мультиданс делается тоже на основе трансдисциплины системного мышления, см. набор ссылок на посты об этом в https://vk.com/wall-179019873_624).

При этом мы понимаем, что вот так обученный самым крутым цивилизационным priors, то есть самым крутым трансдисциплинам человек живёт и работает обычно на в одиночку, поэтому наша картина мира более сложна. Текущий пост лишь раскрывает пункт второй "2. Для усиления интеллекта людей нужно:" поста "Дело спасения утопающих -- дело интеллекта самих утопающих" https://ailev.livejournal.com/1509601.html, используя идеи из тамошнего пункта первого "1. Интеллект как результат бесконечного развития (open endedness)". Хотя наши курсы системного фитнеса можно отнести и к пункту "5. Embodied intelligence", а в кругозоре по системному менеджменту и стратегированию я существенно раскрываю содержание пункта "4. Обеспечивать распределённое по людям и компьютерам мышление".

UPDATE: обсуждение в https://www.facebook.com/ailevenchuk/posts/10217996881727676 и https://freefeed.net/ailev/56441e78-c54f-41bc-9383-42fc842c27ed
2021 год
  • ailev

NVIDIA как поставщик вычислительной инфраструктуры, 2021

Сегодня Jensen Huang выступил с очередными анонсами на GTC 2021, https://youtu.be/eAn_oiZwUXA (с этой презентации только всё началось, там будет ещё 1500 докладов до конца недели, включая и квантовый компьютинг, и цифровых двойников, и "просто AI"). Ровно три года назад я написал первый текст "NVIDIA как поставщик вычислительной инфраструктуры", и там начинало было такое: "NVIDIA замахнулась на то, чтобы сделать компьютерную инфраструктуру для всех. "Если б я была царицей, я б для батюшки царя обеспечила бы все вычисления в мире". Пинки, сегодня мы будем заниматься тем же, что вчера -- завоёвывать мир!" -- https://ailev.livejournal.com/1416697.html. Это был тот самый год, когда NVIDIA объявила себя компанией компьютерной и софтверной, а не компанией, которая делает чипы. А дальше пошла работа системных инженеров:
-- чтобы связать множество GPU в большой вычислительный под/pod, нужно было добавить DPU (data processing unit), сетевой чип. Купили Mellanox и сделали BlueField. Вот я писал в октябре 2020, "DPU (data processing unit) BlueField-2 на 6млрд. транзисторах берёт на себя шифрование и передачу данных в компьютерных сетях, включая кластеры в датацентрах. Выяснилось, что на эту передачу данных уходит до 30% компьютерной мощности датацентра в текущей архитектуре. Вот с дорогих CPU и GPU эти 30% нагрузки уходят в специализированные более дешёвые чипы (один чип DTU берёт на себя нагрузку по пересылке данных с примерно 125 CPU кластера). Примером тут стал выпуск NVIDIA EGX A100 -- чипа A100 или другого с архитектурой Ampere и BlueField-2 на одной плате, вычислительная мощь и секьюрное скоростное сетевое соединение через 6 сетевых адаптеров -- https://www.nvidia.com/en-us/data-center/products/egx-converged-accelerator/. Это всё серединка. Что это означает? Вот фраза из пресс-релиза: "Вместо 10 000 серверов в одном месте будущие корпоративные ЦОД будут иметь один или несколько серверов в 10 000 различных локациях, включая офисные здания, фабрики, склады, вышки сотовой связи, школы, магазины и банки"".
-- и тогда же я отметил, что и на CPU есть претензии: NVIDIA хотела купить ещё и ARM, но ей вряд ли дадут. Хотя никаких отмен не было, сделка в процессе (но вопросы к ней, конечно, есть -- https://www.cnbc.com/2021/04/19/nvidia-takeover-of-arm-faces-uk-government-intervention.html).

CPU для датацентра с GPU и TPU
Фирму ARM NVIDIA пока не купила, он пока "полукуплена", но можно взять и лицензировать процессор. NVIDIA от планов по CPU не отказалась, и от планов купить ARM не отказалась. CPU текущей архитектуры от Intel и AMD плохо работают с памятью. И NVIDIA объявила о создании собственного CPU на базе энергоэффективного процессора ядра ARM и памяти LPDDR5, который снимает эту проблему. Это CPU Grace, названный в честь Grace Hopper -- https://en.wikipedia.org/wiki/Grace_Hopper. И помним, что Hopper -- это название следующей архитектуры GPU. Будет Grace Hopper, СPU+GPU, хорошая шутка!

Основное препятствие нынешних CPU и GPU в распараллеливании вычислений -- это низкая скорость работы с памятью. Поэтому в новом процессоре на базе нового ядра ARM NEOVERSE (планируется в 2023 году) на LDDPR5 расшивается прежде всего канал от памяти в GPU, на пути которого стоит CPU -- и там получают на Grace Hopper 2000Gb/sec (при нынешней архитектуре CPU x86 и DDR4 это 64Gb/sec), что даст x10 ускорение в дообучении нейросетки с 1 триллионом параметров, а именно с 1 месяца до 3 дней. А если речь идёт о 0.5T параметров, то вывод такой огромной нейросетки в части обработки естественного языка можно будет делать в реальном времени на одиночном GPU. Триллионная сетка в 2023 году -- это будет расхожий размерчик, максимальная обученная сетка в текущем году уже 1.6 триллионов параметров, https://arxiv.org/abs/2101.03961. Конечно, все эти оценки -- маркетинг-маркетинг, но какое-то представление о масштабах всё-таки дают.

Вот тут roadmap этих чипов, программа развития одного из отнюдь не самых нижних уровней технологического стека NVIDIA (помните "многоуровневую программу развития танцора" из учебника системного мышления? вот это как раз программа развития одного из уровней развития для датацентра, который выпускает NVIDIA):


Самое интересное начинается потом: системная инженерия в действии. Целевая система NVIDIA -- "датацентр вместе с системным программным обеспечением".

Монтаж суперкомпьютера (он же -- "датацентр", ибо на нём можно выполнять множество самых разных программ одновременно) Christofari на 6.7PFLOPS для Сбера занял у NVIDIA меньше месяца -- вот это и есть целевая система для NVIDIA. Вот текущий стек для такого :
-- много-много уровней микропроцессорной архитектуры (самая разная IP в чипах -- вычислительные ядра, маршрутизация данных, виртуализация и т.д.)
-- CPU Grace, GPU Hopper, DPU BlueField -- чипы/микропроцессоры. Тут даже не волнует, что каждый год выходит чип с новой архитектурой и на новом техпроцессе, и каждый раз объявляется x10 по энергоэффективности и производительности на этом уровне. Так, сегодня был объявлен DPU BlueField-3 как "первая 400Gb/s инфраструктура датацентра на чипе".
-- плата, которая объединяет все чипы и память. Скажем, сегодня объявлена плата (автомобильный одноплатный компьютер) Atlan с CPU+GPU+DPU -- его можно будет найти в модельном ряду автомобилей 2025 года (а сам этот компьютер выйдет в 2024 году, год на встраивание в автомобили). Не скоро, да -- но там будет производительность 1 POPS (1000 TOPS, сегодня Xavier имеет производительность 30TOPS, а в 2022 году выйдет Orin на 254TOPS).
-- мини-эвм из нескольких одноплатных компьютеров с общим термопакетом, механикой (конструктив рэка в серверную стойку) и общим выходом в сеть, это серия DGX.
-- SuperPOD из нескольких серверных стоек с рэками DGX.
-- ждём-с датацентра "под ключ" со многими SupePOD. В речи Дженсена Хуанга он подчёркивает, что современная единица вычислительной мощности -- это как раз датацентр. Пока он считает, что датацентр это просто часть SuperPOD (датацентр -- это когда безопасность всех от всех, это не просто компьютеры с линиями связи между ними), или даже часть строительного блока для SuperPOD, ибо у этих станций DGX мощь достаточная для ой как много чего, а безопасность и виртуализация идёт "из коробки" (и софт, и хард для этого имеются). Но уже в EDX линейке (DGX -- это исследовательские суперкомпьютеры-датацентры, а EDX -- линейка для корпоративных вычислений) становится очевидным, что датацентр в представлении NVIDIA более распределённый.
-- операционный софт. И речь идёт не только о DOCA как похожей на классические операционные системы прослойки контейнеризации и безопасности между прикладным софтом и железом, но и всяческих программах современного стека искусственного интеллекта (Megatron, TAO, Jarvis, и т.д. -- это ж не прикладной софт, это полный аналог "системного софта" для Software 2.0 -- и Дженсен пару раз в презентации это упомянул. Всякие "компиляторы ваших прикладных знаний-умений для использования в составе датацентра" -- это системный софт, и NVIDIA им вполне озабочена).

Захват мира ступенька за ступенькой, на каждой ступеньке своя команда инженеров, своя архитектура, свой язык, свои модели, свои цены, свои интерфейсы, свои практики разработки. С каждой ступеньки можно идти вверх самыми разными путями (это не столько "стек", сколько дерево корнем вверх), можно торговать самой платформой, а можно торговать продуктами на базе платформы -- на сколько хватит денег для разработки этих продуктов, ведь нужно профинансировать каждую команду инженеров на каждом уровне (и не одну команду: под каждую часть системы нужна команда, и ещё команда для всей системы, и так на каждом уровне продукта). И обеспечить управление конфигурацией и изменениями, всё ж непрерывно меняется в этом стеке чуть не ежедневно!

Продадут ли NVIDIA их чипы, основу их могущества? Продадут! Радостно продадут! Я помню, что инженеры NVIDIA на мой вопрос, не боятся ли они продавать чипы компьютерщикам из Cray, которые выпускают серверы на этих чипах, конкурирующие с DGX, отвечали, что фишка даже не в том, что они продадут прошлое поколение чипов (что правда), а сами будут поставлять DGX на новом поколении, недоступном для Cray. Их главный козырь был в том, что они сформировали термопакет так, что людям из Cray придётся сильно помучаться, чтобы повторить их достижение. Инженерия на каждом системном уровне -- настоящая, не делается никаких скидок инженерам при использовании новейших архитектур на нижних уровнях для их архитектурных решений на более высоких уровнях. Вся инженерия должна быть первосортной, на всех системных уровнях, иначе не это не инженерия! Конкуренция идёт на каждом уровне!

Компьютер для DGX SuperPOD обновили, там теперь блоки A100 с 80Gb памяти, и вывод для GPT-3 эта штука делает 16 раз за 1 секунду. Если брать строительный блок DGX station A100 (дексктопная комплектация A100, а не рэковая на 4 раза по 80G), то можно арендовать её через интернет по цене $9000 в месяц (или купить за $149тыс). Для небольшой лаборатории это уже может быть посильной платой, и это чудовищная вычислительная мощь по нынешним временам.

Почему NVIDIA идёт на относительно дешёвую аренду DGX station 320G HBM2e с шиной 8ТB/s с производительностью до 2.5petaFLOPS TF32 или даже 5petaOPS INT8? Заявляемый тезис: демократизация AI. Исследователи должны иметь возможность задёшево и быстро получить адекватную их потребностям вычислительную мощность. А потом они обучатся, некоторым из них придёт аппетит во время еды -- и они уболтают каких-нибудь боссов купить им если не SuperPOD, то хотя бы арендовать его мощности "в облаке". NVIDIA использует аппаратуру BlueField для того, чтобы превратить SuperPOD в "суперкомпьютер в облаках" -- там встроена виртуализация и инфраструктура безопасности, поэтому всё будет "в облаке", но безопасно без потерь производительности. NVIDIA DGX SuperPOD with NVIDIA BlueField. Конкуренция с фирмами, которые занимаются безопасностью? Нет, не конкуренция: вычислительная инфраструктура для них! А всё вместе? Software defined datacenter -- откусываете себе кусок вычислительной мощности и объявляете его датацентром, а сисадмином всего этого откушенного куска выступает софт DOCA. И ещё всё это кладётся в VMWare, и вся корпоративная инфраструктура AI оказывается в привычной среде, железо NVIDIA закрывается привычными корпоративным сисадминам интерфейсами.

Альтернативные технологические стеки
Поскольку в NVIDIA сидят системные инженеры, то этот стек может собираться совсем по-другому. Например, берём одноплатный компьютер Orin и делаем на его основе полную систему автономного вождения Hyperion 8 AV platform -- там и Orin (три штуки в комплекте, из них два для вычислений автономного вождения, а один для интерфейсов и развлечений), и радары, и лидары, и камеры, и софт для всего этого и даже запись всего материала с камер и датчиков как Ground truth (комплект предлагается прежде всего для проведения разработок в части обучения систем автопилотирования). А если не автомобиль, а что поменьше -- какой-нибудь робот? Отлично, и туда тоже, https://developer.nvidia.com/aerial-sdk, ещё и связь по 5G будет обеспечена: https://developer.nvidia.com/blog/new-real-time-smartnic-technology-5t-for-5g/ (сегодня было объявлено, что в эту технологию играют уже Fujitsu, Google Cloud, Mavenir, Radisys and Wind River. Впрочем, во всё сегодня объявленное уже кто-то играет из больших и серьёзных игроков). И оркестрация всего это комьютерного флота, управление зоопарком вычислительной мощности: софт для этого тоже есть. Отличие от других инициатив по 5G? Безопасность, защита всех приложений от всех: строится промышленная сеть.

А продадут ли просто GPU в чужие руки? И геймерам продадут, и майнерам, и в датацентры (облачный сервис AWS Graviton2 с GPU от NVIDIA появится во второй половине 2021 года, NVIDIA объявляет это как "easiest way to move Android gaming to the cloud").

Продадут ли не SuperPOD, а прямо суперкомпьютер? Продадут! На базе технологий NVIDIA и Hewlett Packard (у них берётся главным образом инфраструктура памяти) строится суперкомпьютер ALPS мощностью 20 exaFLOPS of AI (операции с плавающими формата, используемого в AI -- https://blogs.nvidia.com/blog/2020/05/14/tensorfloat-32-precision-format/). Всё, пошли экзафлопы -- и сразу десятками.

И это просто хардвер. А над этим огромное количество софта, чтобы не нужно было тратить время на оживление железа (весь этот софт уже неоднократно объявлялся -- там и Omniverse как виртуальный мир с шикарным рендерингом и физическим движком, и рекомендальная система общего назначения, и голосовой ассистент, и движок для ботов и много чего ещё. Анонсированы новые версии, как же без этого). Ах, и очередные новости про корпоративные облака на базе уже не DGX, а EGX (то есть рэков не для разработчиков AI, а более скромных по характеристикам).

NVIDIA как хороший кейс по системному мышлению, инженерии, предпринимательству
Какие уроки из этого можно извлечь? Для меня это всё хороший набор примеров системного мышления в его связи с инженерией (ну, инженерия тут очевидна) и предпринимательством (предпринимательская стратегия -- disruption/подрыв на нижних уровнях технологического стека, а потом бегом-бегом вверх по стеку "к прикладным деньгам", насколько позволяют деньги и время, с огромным уважением к системной архитектуре, жёсткая привязка работы всей фирмы к работе над чётко прочерченными системными уровнями продукта, переход от продуктов к сервисам). Собственно, все мои материалы о NVIDIA именно об этом: она показывает, как системное мышление перевести в деньги. Про менеджмент я молчу: всей этой быстроразвивающейся махиной нужно управлять, но нам мало известно про то, как управляется NVIDIA, учебного примера тут не сделаешь (хотя можно восхищаться, что такая фирма работает и поставляет продукцию, хотя и немножко нервно, как мы знаем по рынку видеокарт -- но кто ж тут с этими форсмажорами работает не нервно!).

Второй тут пример -- это SpaceX, но про сами технологии SpaceX мы знаем мало, кроме того, что "оно летает!". А вот про технологический стек NVIDIA мы знаем предостаточно (хотя тоже не так много -- но побольше, чем про StarShip и StarLink), и как учебный пример это более чистый случай.

А в чём тут пример предпринимательства? Вы должны взять безумную инженерную идею и вложиться настоящими безумными деньгами. Так, разработка NVIDIA Grace CPU оценивается в 10тыс. инженерных лет (понятно, что эту цифру можно долго обсуждать -- включили ли сюда годы работы инженеров, которые разрабатывали технологию очистки кремния, или таки речь идёт только о тех инженерах, которые разрабатывали именно архитектуру Grace, включены ли сюда работы только инженеров NVIDIA, или и все годы работы инженеров ARM, но опять-таки -- цифра указывает на масштабы). Стоит ли овчинка выделки? NVIDIA говорит, что Grace даёт x10 по производительности по сравнению с текущими компьютерами на базе GPU и процессоров x86 -- явно стоит овчинка выделки! В Grace задействована LPDDR5 подсистема памяти, которая даёт удвоенную скорость канала к памяти и x10 энергоэффективность по сравнению с DDR4. И всё это с выполнением обещания, что программироваться будет по-прежнему через интерфейс CUDA, "все ваши вложения в софт сохранятся". Нравится?! Конечно! Если вы предприниматель, то готовы вы вложить деньги на те самые 10тыс. инженерных лет зарплаты инженеров, их оборудования, испорченных образцов (это электроника!), вложить свои нервы на их бесчисленные опоздания и исправление неизбежных ошибок? Кстати, поставка ожидается в 2023 году. Готовы вложиться сейчас, а потом ожидать, что в 2023 году этот Grace будет расходиться как горячие пирожки, и окупит все эти вложения и даже даст прибыль? Вот люди в NVIDIA готовы. Это и есть пример технологического предпринимательства.

На чём основываются эти предположения? Тезис Sutton: компьютерный интеллект определяется прежде всего просто мощностью вычислителя, а не хитростью алгоритма. Поэтому хотите стать умней -- запасайтесь вычислительной мощностью, What Jensen giveth, Jürgen taketh away (https://ailev.livejournal.com/1419891.html). А поскольку один вычислительный узел обладает весьма ограниченной скоростью вычислений, нужно как-то распараллелить эти вычисления. Так что архитектурно параллелим внутри чипа, внутри платы, внутри рэка, внутри серверной стойки, внутри пода, внутри датацентра. Кто лучше распараллелил, тот и в дамках -- это и есть суть перехода от "закона Мура" к "закону Хуанга".

Дженсен Хуанг закончил красиво, подпишусь под каждым словом: "двадцать лет назад это было фантастикой, десять лет назад мы об этом мечтали, а сейчас мы в этом живём". Банальность, конечно, но если честно, то я и не мечтал в таком жить, и в фантастике не всё встречал. Там много чего ещё было, но я бы ещё про Omniverse отдельно заметил -- виртуальный мир с физическим движком для digital twins.

На картинке иконки знаменитых учёных и инженеров, имена которых присваиваются архитектурам процессоров NVIDIA (Grace Hopper там тоже есть. А рядом пролетающий мотылёк -- это ж именно она первая придумала термин computer bug, после того как нашла реального мотылька, мешавшего работе компьютера Mark II Aiken Relay Calculator, и она провела первый debug/отладку путём удаления этого мотылька):

У меня тоже есть маечка с такими иконками (только прошлых поколений процессоров NVIDIA). И я использую её по назначению: https://www.youtube.com/watch?v=i2vFwjFmF8Y (у меня, как заведено издревле, "после лекции -- танцы").
Arthénice
  • _niece

Материалы к выпуску: расчетные сценарии распределения мандатов

Весьма внятные расчеты политолога Александра Пожалова, основанные на действующем электоральном законодательстве (и добром слове). Если вам кажется, что мы одним враждебным Гауссом и оппозиционным Шпилькиным пользуемся, то нет, вот вполне лояльный автор. Различные варианты конвертаций голосов избирателей в парламентские кресла, или Как получить большинство мест в Думе, заручившись поддержкой меньшинства на выборах. А вы говорите, электоральный колледж, popular vote - настоящие математические чудеса вот где творятся.


Alexander Pozhalov

Зарядка для ума выходного дня

Вопросы:
- о переводе «процентов» в «списочные мандаты»;
- о якобы «перераспределении» голосов всех не прошедших партий только за ЕР;
- о том, хватает ли вчерашней, порождённой в ответ "Медузе", компромиссной формулы «нам достаточно 40% по спискам + 150 округов» на «конституционное» или только на «устойчивое» большинство ЕР,
явно тревожат умы политических экспертов и журналистов.

Но распределение мандатов – дело исключительно счётное по прозрачной формуле. Поэтому вместо многих экспертных слов лучше всего скажут табличные цифры, хотя цифры – это нудно и экспертов обычно не увлекает.

.

Возьмём предъявленный нам вчера сценарий ЕР «40% по спискам» и на этом примере посмотрим, как при 40% поменяется число списочных мандатов ЕР в широком интервале – от 98 мест до 138 мест – в зависимости всего лишь от 2 (ДВУХ) переменных:

1) сколько партий прошло барьер - от 3 до 6 партий (это всё вполне реалистичные сценарии)

2) насколько эффективно малые партии выполняют для АП РФ свою главную задачу – не дать КПРФ и ЛДПР забрать себе «лишних», колеблющихся недовольных (например, не дать КПРФ получить 20% вместо 15%, а ЛДПР – не дать набрать 15% вместо 10%).

Все остальные исходные данные в расчёте постоянны, либо, как явка, они не влияют на само распределение мандатов по формуле, а влияют только на итоговый процент партий. А для партий на грани прохождения в Госдуму (в модели это - СР, «Новые люди», «Пенсионеры») в расчёте принято допущение, что если они не набирают 5%, то эти недостающие проценты ушли к другим малышам, а не к парламентским.
Это намеренно очень упрощённая модель, но, отсекая лишнее, она сохраняет ключевые характеристики для ответа на главный вопрос – «сколько мандатов получит ЕР при "вполне легитимном" результате списка 40% и сколько ей добирать в округах до конституционного большинства?».
Понятно, что в действительности переменных куда больше.

.

На мой уже субъективный экспертный взгляд, из таблицы явно видно, что:

1) для ЕР и Кремля важно, чтобы малые партии съедали голоса именно у КПРФ и ЛДПР. Это, кстати, поможет также ослабить одномандатников от КПРФ и ЛДПР в проблемных для ЕР округах (немаловажный «побочный» эффект, ведь конституционное большинство завоёвывается в округах);

2) ЕР и Кремль ничуть не расстроятся, если барьер пройдут всего 4, а лучше даже 3 партии. При неизменных результатах (в %) основных партий в сценарии со всего 3 или 4 партиями ЕР понадобится побеждать в меньшем числе округов.
А «оставшиеся за бортом» голоса «не представленных» избирателей – это теория для узкого круга экспертов и журналистов. Власть же давно замеряет KPI «легитимности выборов» высокой явкой, плюс кандидаты малых партий пройдут в отдельных округах и формально тоже будут представлены.

Общественные настроения, конечно, делают более объективным сценарий с хотя бы 5 партиями по спискам, тем более если даже сама ЕР якобы готова ограничиться всего 40% и не "наглеть". Но где 40% - там рядом и 45% с учётом «многодневно-дворового» голосования, «зон электоральной мобилизации» и губернаторов во главе групп списка, а где 150 округов – там рядом и 160 с учётом этих же полезных для ЕР избирательных процедур.
И вуаля – уже на горизонте манит «сверхконституционное статус-кво» и наш решительный ответ Джо Байдену

.

PS
В принципе, все эти примеры моделирования в АП РФ или ЕР могли давно и в доступной форме сами довести до своих экспертов. Чтобы те всё популярно объяснили журналистам и все перестали путаться. Это если экспертам почему-то лень или некогда самим формулы посчитать и публиковать.

Но раз вопросы от журналистов и споры остаются, то придётся неправильному политологу-бездельнику разок поволонтёрить в проекте «МыВместе с конституционным большинством ЕР». А поскольку политолог неправильный, то на такие расчёты всегда можно закрыть глаза, признав их чушью или наветами «бывших володинских»

Новые скорости и штрафы в городах Испании

Через полгода вступают в силу новые правила, утверждённые местным Минтрансом.



Один раз серьезно превысил скорость - штраф и минус половина баллов, второй раз - двойной штраф, 6 месяцев пешком, а потом иди на курсы восстанавливаться.

Теперь в Испании на городской улице с одной полосой максимальная скорость будет 20 км/ч, на двусторонней улице - 30 км/ч. Только на крупных городских улицах будет возможна скорость 50 км/ч.

Насколько эти намерения будут реализованы или останутся декларативными - покажет практика. Вопреки заблуждению о строгости законов в европейском союзе, именно в этих странах нет систем тотального контроля соблюдения пдд, а местные полицейские крайне лояльно относятся ко многим проступкам водителей на дорогах.
2019
  • ailev

Драфт литературы по методологическим трансдисциплинам, октябрь 2020

Вот текущий мой минимизированный до предела список литературы по методологическим трансдисциплинам (мой вариант "теории всего", как традиционно называют подобные построения) и немного новая нарезка материала (DISCLAIMER. Это очень предварительный и очень спорный драфт, просто фиксируем состояние методологической работы на октябрь 2020 года -- важны не столько сами книжки, сколько выбор идей из этих книг в качестве SoTA):
Онтология как формализация концептуализации
-- моё "Визуальное мышление" про спектр мышления, концептуализацию, абстрагирование, https://ridero.ru/books/vizualnoe_myshlenie/
— Partridge про типы и отношения, https://yadi.sk/i/2SgjvILB3PqJEZ.
-- Hubbard, вероятностное отнесение к типам и измерения, https://yadi.sk/i/u7H_PpQt3ai78P
— про роли даже не знаю, моё "Системное мышление 2020" IMHO уже лучше всего это описывает, и там же какие-то слова про важность "машинки типов", https://ridero.ru/books/sistemnoe_myshlenie/
-- дальше копать по линии схематизации/формализации/абстрагирования-рендеринга/генерации/заземления в коммуникации: https://ailev.livejournal.com/1494762.html. Блок по коммуникации тут примыкает: схемами нужно обмениваться, но в текущей "Онтологике и коммуникации" пока больше про нежность/ненасильственность общающихся друг ко другу (психологический заход на отсечение отрицательных эмоций в коммуникации), нежели про нарративизацию как последовательность изложения концептуального графа, объяснения (это из эпистемологии), аргументацию (это из вычислительного мышления) и прочую содержательность.

Эволюционная эпистемология
-- Deutsch про объяснения и предсказания, докрученная эволюционная эпистемология Поппера, знания и физический мир https://yadi.sk/i/0fLMVlwgN59BHA, https://yadi.sk/i/Rv9Tob18A6mxyA
-- Koen про эвристики и инженерию, https://yadi.sk/i/dWDyBikNy74dP
-- Stanley и Lehman про open-endedness, https://yadi.sk/i/ohRWnX_R3ZcVn5 и https://www.oreilly.com/radar/open-endedness-the-last-grand-challenge-youve-never-heard-of/ и https://eng.uber.com/enhanced-poet-machine-learning/
-- Pearl про причинный вывод, https://yadi.sk/i/cBxM7FmR3afcuH
-- Grabmair про объяснения и argument maps, assurance case с обучаемыми весами (с учётом сдвига в вероятностную сторону), http://d-scholarship.pitt.edu/27608/7/MGrabmair-ETD-v2.pdf и куча стандартов через которые тоже можно пытаться сформулировать (как это было в системном мышлении), типа https://edge-case-research.com/ul4600/
— про прагматизм непонятно кто (ибо Пирс это совсем уж древний первоисточник, а Фейерабенд не совсем про то)
-- мой учебник "Образование для образованных 2020" с прикладным описанием выхода на бесконечное развитие, https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/

Вычислительное мышление/информатика/computer science
-- Deutsch связь физики, информатики и математики, физичность вычислений и квантовые вычисления (https://ailev.livejournal.com/1540866.html). Почему берём Дойча, а не того же Вольфрама? Вольфрам мастер пиара, его текст про вычисления, математику и физику лезет изо всех утюгов (он же и на русский переведён! Мне в личку его шлют пару раз в день). Дойч менее популярен, в разы и разы. Но у Дойча его построения хорошо стыкуются с SoTA многих других трансдисциплин, и Дойч показывает, как именно стыкуются. У Вольфрама это отдельный пока автономный кусок знания, опирающийся зато на красивые пиарные картинки, сделанные его софтом Mathematica. У Дойча тоже есть вебсайт про физику и вычисления (http://constructortheory.org/), но нет софта и фирмы, обеспечивающей пиар и шумиху. Зато Дойча волнует эволюционная эпистемология как таковая, а не только вычисления и физика.
-- Domingos про no free lunch и разную алгоритмику интеллекта, https://yadi.sk/i/5kgeADQ5mQxFx
-- Грациано про сознание (модель мира, модель себя, модель внимания -- attention schema theory): https://yadi.sk/i/c9nT31SWVTMKRQ
-- ...??? работа тут пока идёт. В текущей классификации и "классическая логика" тут про алгоритмы правильных рассуждений, то есть про вычисления мозга как "вычислителя с физикой/аппаратурой S2 медленного мышления по Канеману" и их универсальность, реализуемость, вычислительную/думательную (в данном случае) сложность. А моделирование данных традиционно идёт сюда, хотя ему место в онтологии (результат моделирования) и эпистемологии (способ моделирования).

Системное мышление
Мой текущий учебник системного мышления, как он есть -- https://ridero.ru/books/sistemnoe_myshlenie/

Идеально было бы как-то гармонизировать всё это разношёрстное содержание, приведя его к SoTA и получив 4 учебника/курса по указанным трансдисциплинам, из которых один уже написан ("Системное мышление"), онтология и эпистемология читаются лекционно в разных курсах уже сегодня (ведут Прапион Медведева и Александр Али), а один (вычислительное мышление) так полностью в исследованиях. Это методологическая работа.

Отдельно о том, как этому трансдисциплинарному клубку учить: в какой последовательности, какие объяснения делать, какими упражнениями тренировать мышление. Да и вообще как объяснить, что это всё и есть усиление интеллекта и непосредственно используемо в жизни. Даже с системным мышлением задают абсолютно неправильный вопрос "а в каких ситуациях его использовать?". Что же тогда говорить об онтологии и эпистемологии? Предположим, что все помянутые книги написаны в формате "всё имеющее отношение к делу собрано под одной обложкой". Это ведь не значит, что мы сможем при помощи этих учебников немедленно наладить производство мудрецов. Нужно преобразовать это в учебный курс, это методическая работа (instructional design).

Отдельный вопрос -- это налаживание просвещения как образовательного конвейера (начиная с вопроса о том, где же брать мозги, которые желают быть промытыми упомянутым в данном посте содержанием. Очень немного людей поглядят на этот мой пост, начнут читать помянутые в нём книжки и потратят на это пару лет, как это делают студенты в вузах: это же жуткие объёмы сложных текстов, и никакого официального диплома после этой учёбы!).

UPDATE: Обсуждение ВКонтакте https://vk.com/wall2449939_3036 (там даю ссылки на учебник логики).
утконос

9 простых способов борьбы с бессонницей.

О бессоннице и ее воздействии на здоровье. О качестве сна и парасомниях. О ночном апноэ. Продолжительность сна и спортивные достижения. Сон, простуда, ОРВИ, грипп. Нарушения сна. Сон и болезнь Альцгеймера. Глимфатический дренаж. Сон и онкологические заболевания. Сон и психоактивные вещества. Физическая активность и сон.

в описании к ролику много полезных и интересных ссылок на исследования и ресурсы связанные со сном
#доктор_утин #doctor_Utin #здоровыйсон #смартчекап #сон #бессонница