Marat Amerov

Пересмотр истории международного аэропорта в Денвере

2025-11-16T20:25:48.219Z

https://www.wattpad.com/296640831-%D0%B3%D0%BB%D0%B0%D0%B2%D0%B0-3%0D-%D0%BF%D0%B5%D1%80%D0%B5%D1%81%D0%BC%D0%BE%D1%82%D1%80-%D0%B8%D1%81%D1%82%D0%BE%D1%80%D0%B8%D0%B8-%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D0%BE%D0%B3%D0%BE

Введение в онтологическое моделирование

2025-11-09T12:09:36.871Z

https://trinidata.ru/files/SemanticIntro.pdf

Columbia Accident Investigation Board Report

2025-11-08T09:36:42.323Z

https://ntrs.nasa.gov/citations/20030066167

Fragments

2025-11-08T06:27:39.395Z

Онтология отражает язык вашей предметной области, на котором вы разговариваете каждый день в своей работе.

Этот язык не нужно придумывать — его нужно «вытащить на поверхность» и оцифровать.

Когда вы создаёте онтологию, вы формализуете этот язык, чтобы его одинаково понимали и вы, и ваши коллеги, и машины.

В процессе создания онтологии вы и другие эксперты договариваетесь о терминах и делаете неявные знания явными.

Одновременно вы создаёте и «скелет» знаний для LLM — основу, на которую модель сможет опираться при решении ваших задач.

LLM прекрасно натренированы на синтаксисе формальных онтологий (например, Turtle) и хорошо его понимают.

Передавая онтологию в контекст LLM через промпт (in-context learning), вы выполняете «заземление» рассуждений модели (grounding) и резко снижаете вероятность галлюцинаций.

Модель буквально начинает говорить на вашем языке.

Структура формальных онтологий (тройки субъект-предикат-объект) естественным образом отображается на структуру графовых баз данных.
Разрабатывая онтологию, вы фактически проектируете схему вашей будущей графовой базы данных.

А дальше — всего один шаг, чтобы начать разговаривать с вашими данными в графовой БД на вашем языке.

Отдельный вызов — научиться фреймить контексты, чтобы не перегружать LLM и управлять её вниманием. То есть не просто передавать в модель всю онтологию, а динамически собирать из неё релевантные подграфы — «подъязыки», соответствующие конкретным задачам.

О многом из сказанного в этом тексте я уже писал в своих предыдущих постах — и пытливый ум при желании мог воссоздать эту «картину» ещё несколько месяцев назад.

Highlights / Fragments

2025-11-06T13:15:41.874Z

https://anticomplexity.org/posts/k-okonchatelnomu-resheniyu-voprosa-s-soznaniem/

Влияние объектного процессинга (восприятие, принятие решений, направленность деятельности) животных на абстрактное мышление человека привело к объект-центричному мышлению : в центре наших построений находятся всё те же конструты-в-пространстве. Большинство [развитых] языков организованы так, что львиную долю лексики составляют существительные и прилагательные - ссылки на объекты и их характеристики. Для того, чтобы мыслить, нам нужно не только объективировать целевое сенсорное поле на background-foreground, но и применить к этому весь глубокий стек когнитивных приёмов - объектного характера: генерализацию, специализацию или каузальный инференс - который суть обобщение объектных взаимодействий.

Мы живём и мыслим в таком способе, как рыбы в воде - очень редко отдавая себе отчёт об этом способе и не имея представление о его архитектуре.

Упомянутая выше проблема состоит в том, что человечество в своём социальном и когнитивном развитии, создало кратно более сложную среду, в аутопоэзисе вместе с ней, посредством её и для неё вырастив кратно более сложное сознание. Наши практики выживания много, много более сложны, чем животные - как и наш человеческий когнитивный аппарат, обеспечивающий эти практики.

Однако слова, которые не вырубишь топором, объектная инфраструктура сознания и объект-центричные формы мышления, как оказывается, эволюционируют с заметной инерцией. Мир социальных, групповых взаимодействий усложняется быстрее, чем индивидуальное человеческое мышление адаптируется. Авторитетных высказываний на тему "мы не понимаем мира, в котором оказались" уже слишком много, чтобы их даже явно цитировать.

Исключение термина "сознание" из дисциплинированного дискурса тут как раз может быть полезным делом. Я пока ни видел ни одного семантического контекста, где бы оное не могло бы быть без потерь заменено на что-то из ряда "рефлексия", "когнтивная спобность", "когнитивный процессинг", "принятие решений" и пр. Главное - удержаться от попыток раскрыть "конитивное" через инстинктивно-привычное "сознание" и тем продолжить "дурную бесконечность" только потому, что в текущей библии "сознание" сознание находится на каждой странице. Гуссерлевское эпохэ - удежание от суждений о метафизическом - в данном случае более чем применимо. Особенно в инженерной среде, где что-нибудь вида "когнитивный процессинг" отсылает к хорошо объективируемым, рамируемым и управляемым процессам. "Рефлексивный аппарат" - к ясно фиксируемым структурам с более-менее понятными способностями и эффектами. "Распределённые паттерны внимания", "социальные протоколы", "корефлексия" и пр. - к пусть высокоразнообрзным и распределённым, но также упорядоченным и внятно реферируемым агентским реакциями или мультиагентным сетям и архитектурам. Можно подверстать сюда работы Майкла Грациано об attention schema theory или Джошуа Бенгио с тезисом "from attention to consciosness", пусть они и лишь частично затрагивают обозначенную проблему.

Человек, чтобы выживать в новом мире и создавать его, уже выработал многие новые протоколы и рефлексивные способности (что, в силу исповедуемого постпозитивистского монизма и прогрессивного физикализма, требует от нас признавать и наличие соответствующих нейрональных структур) - вынуженно сверхобъектные. Нужна и некая соответствующая этим способностям необъект-центричная рефлексия и более способный в новом мире метод мышления. Он не должен отрицать или замещать столь ценный важный для жизни объект-центричный метод рефлексии, а должен обобщать и параметризовать его, управлять им при перемещнии локальных объектных форкусов в сильно более широкой среде с множествами контекстов. Управление объектным внимание требует внеобъектных инструментов, чтобы не коллапсировать. Но это - отдельная история.

Highlights / Fragments

2025-11-06T13:04:15.204Z

https://anticomplexity.org/posts/alhimicheskaya-problema-epistemologii/

Онтология - это набор объектов, которые обозначают некие обобщённые конструкции - концепты. Набор именованных прямоугольничков и стрелочек, как вариант. Список слов, как другой. Вектор с эмбеддингом, как третий. Если таких репрезентаций нет, мозг в этом направлении работает совсем плохо или не работает вообще.

Надо заметить, что мир объектов - это когда много конструктов относительно небольшой перцептивной размерности. Чем шире мир, воспринимаемый приматом, тем более увеличивается количество объектов, тогда как перцептивная размерность стоит на месте. С ростом объектного объёма практик растёт количество комбинаций объектов, а значит - их сопоставлений и различений, "связей". Ими тоже нужно как-то управлять.

Однако, чтобы собрать из миллиона квадратных километров территории и десятка миллионов квадратных граждан населения такой объект, как "национальное государство", нужно иметь определённый уровень абстрактного мышления и достаточно способный аппарат концептуализации. У большинства граждан, включая пылких националистов, с этим не очень, потому происходит редукция концептуализации. Многомерный многообъектный конструкт вроде "национального государства" мы, по просьбам трудящихся, манипулятивно понимаем в простых бытовых схемах типа "мой хутор с огурцами". То бишь, назначаем на мегаобъект набор схем восприятия и набор схем деятельности макро-, а то и миниобъекта ("любовь к Родине" == "любовь к детям/родителям").

Онтологизация - это когда мы превращаем концептуальные пространства в объектные пространства с большой (очень большой) потерей количества объектов (иначе она другая не нужна), и с относительно меньшей потерей мерности. Потеря мерности невелика относительно количества объектов, но очень велика относительно количества измерений. И чем более абстрактный объект мы загоняем в рамки объектного синтаксиса, тем больше потерь. Потому, связывание стрелочками прямоугольничков с именами вроде "Сущность", "Время", "Пространство" выглядит наиболее бестолковым занятием. Чтобы живописать редукцию размерности "Сущности" в прямоугольничек нужен широкий жест подвипившего рыбака, рассказывающего об улове.

Тот факт, что редукция разнообразия происходит различными способами практически осознан давно, но, насколько видно, и по сей день концептуализирован плохо. Всё из-за недостатков эпистемологического протокола, которым всю сознательную жизнь человеческой цивилизации владела философия. Выдрать из её цепких щупалец эпистемологию - наша задача. Математику, физику да химию титаническими усилиями спасли, сейчас время для "гуманитарных" наук выцарапаться из этого святого лона. Юриспруденция, кстати, тоже наш не вполне вылечившийся от философии пациент.

И тут встают в полный рост не просто проблемы, а проблемищи. Чтобы включить наше объектное мышление, эпистемологию нужно представить в виде синтаксиса: группы объектов, которые можно транспортировать в сообществе, не теряя управления дискурсом и эпистемическую синхронность. Чтобы включить наше концептуальное мышление (отдельный вполне оформленный слой в стеке), нужно концептуализировать эпистемологию и, в том числе, зафиксировать семантики. Концептуализация чего бы-то ни было, как мы научены, требует также своей объективации, со всеми вытекающими. Это в общем случае четыре разных протокола [коллективного] мышления.

ITIL Issues

2025-11-05T09:31:38.883Z

https://habr.com/ru/companies/it-guild/articles/341928/comments/

1. Про мнение, цитата: «Второе отличие, по мнению Майкла, заключается в
том, что инцидент можно разрешить только на определённое время. …».

→ Инцидент характеризуется временем, местом и сутью, т.е. другими
словами когда, где и с чем произошло, о чём не пишет ITIL. На самом
деле, изменение одной из 3-х составляющих приведёт к появлению нового
инцидента, а не повторению предыдущего. Мера же воздействия инцидента на
пользователей, является отдельным аспектом не оказывающим влияния на
характеристики самого инцидента (метод обратной связи). Это надо уметь
осознать.

→ Проблема. Характеризуется отсутствием алгоритма её устранения,
основанной на недостатке имеющихся знаний и технического обеспечения.
Это упрощённо.

Важно: Привлекая ресурсы извне, устраняя недостатки в ресурсах, т.е.
нечто обладающее возможностью разрешить проблему, последняя
преобразуется в задачу:
Известное начальное состояние (дано).
Известное конечное состояние (найти)
Алгоритм достижения от начального к конечному состоянию (решение).

Учитывая вышеописанное, лишний раз убеждаешься в том, что мнение присутствует каждый раз, когда отсутствует знание…

1. Про признак проблемы, цитата: ”профессор Росс Вайз (P. Ross S. Wise) считает, что первый признак проблемы — вопрос «почему»…”

→ Техника может быть:
Неисправна, но работоспособна (например, неисправность турбины в дизельном ДВС, что позволяет медленно, но ехать).
Неисправна и не работоспособна (например, заклинивший ДВС).
Исправна, но неработоспособна (например, нет топлива в автомобиле.

Рассмотрим на примере единственного неисправного и неработоспособного принтера в отделе продаж:
У компании №1 нет тех.персонала имеющего компетентность по ремонту оргтехники – проблема.
У компании №2 есть тех.персонал имеющий компетентность по ремонту оргтехники – инцидент.

Важно: проблема понятие относительное. Для пользователя, неисправность это проблема, а для техника — инцидент (см. определение п.1).

Первый признак проблемы это не «почему», а невозможность обеспечить
работоспособность технического обеспечения собственными ресурсами (это
есть критерий). И неважно, известно «почему», т.е. идентифицированное
место и причина, или нет, поскольку причина выявляется только по
результату диагностики (выявление места и причины неисправности). Данная
ошибка основана на классическом обобщение, что приводит к снижению
точности и достоверности информации. Чтобы возникло понимание, вольно
приравняю «Почему» к декомпозированной формулировке «невозможность
обеспечить работоспособность технического обеспечения собственными
ресурсами».

Да, методическая формулировка сложнее для понимания, в отличие от
обывательской формулировки выраженной в виде мнения, но зато позволяет
идентифицировать наличие проблемы на основе критерия, а не
ощущения. Выяснять же, к какой именно науке относиться звание профессора
Росс Вайз, не имеет смысла, поскольку звание, само по себе, не является
доказательством. Также может иметь место ошибка репортёра/редактора/
переводчика.

1. Про примеры, цитата: «Вы едете на машине, и у неё лопнуло колесо…».
Следствием выбранной автором ошибочной системы ценностей, является
ложность приведённых им примеров.

Исправим заблуждения учитывая мои п.п.1-2.

Изначально у автора, цитата: «Вы едете на машине, и у неё лопнуло
колесо. Это инцидент, потому что прокол нарушил ваши планы: вам
приходится останавливаться, чтобы заменить колесо. В этом случае
инцидент считается исчерпанным. Но теперь у вас есть проблема — вы едете
на запасном колесе. Чтобы устранить проблему, вам нужно залатать
покрышку.»

Рассматривать следует как систему, надсистему, так и подсистему, причём в совокупности прошлое, настоящее и будущее.

Утверждение автора ложно, поскольку запасное колесо не является частью

Переизобретают понятия каждые 10 лет

2025-11-05T09:09:48.689Z

Поражает, как люди измываются и переизобретают понятия каждые 10 лет:
1940 исследование операций (математики)
1950 системный анализ (кибернетики)
1960 предпроектные изыскания (инженеры)
1970 требования пользователя (системщики)
1980 предпроектное обследование (консультанты)
1990 управление требованиями (менеджеры)
2000 бизнес-анализ (консультанты)
2010 дискавери (хипстеры)
2020 аналитика (бариста из провинции)
----- вы тут ----

и всё ведь про одно и тоже, как минимум точно общее:
1. строим модель текущей реальности
2. строим целевую модель
3. накладываем ограничения на переход

Постпозитивизм

2025-11-05T09:06:36.923Z

https://t.me/systemswing/532

Сейчас будет сложный пост, я бы даже сказал — философский. На Flow в одном разговоре зашла речь о том, что различные документы и диаграммы — это разные проекции будущей системы. Мол, система многомерна и многоаспектна, и мы не можем её представить целиком, но можем создавать отдельные проекции, через эти проекции подсвечивать какие-то аспекты системы, и так приближаться к пониманию системы во всей ей полноте.

То есть, как будто у нас есть какая-то идеальная система, подходящая для решения нашей задачи, и нужно только исследовать этот идеальный объект, описать его доступными нам языками, и проверить сочетаемость этих описаний — и чем тщательней мы это сделаем, тем лучше мы приблизимся к пониманию структуры идеального объекта.

Мне кажется, в таком подходе есть большая доля идей позитивизма, даже логического позитивизма. Его адепты верили, что любое знание можно вывести и доказать либо путем эмпирических наблюдений (то есть, проверить на опыте), либо из логических правил и преобразований. Это идеи 20-30-х годов XX века, т.н. "Венский кружок". Дальнейшие разработки, в том числе членов кружка — Гёделя, например — привели к формальным доказательствам того, что истинность (и даже непротиворечивость) сложных систем доказать невозможно. Дальше больше — в квантовой физике обнаружился принцип неопределенности, в термодинамике — хаотические системы, в информатике — проблема остановки (принципиальная невозможность доказать — зациклится программа или выдаст ответ. в частности, это означает невозможность доказать наличие решений у некоторых уравнений).

Короче, мир оказался основанным на недоказуемых теориях, причем их недоказуемость оказалась строго доказанной!

Поэтому от позитивных представлений о познаваемости и логической выводимости философам пришлось отказаться. В науке критерием стала не доказуемость, а фальсифицируемость: нужно не доказывать верную теорию, а отбрасывать ложные, не прошедшие проверку практикой. Про абсолютную истинность речь уже не идёт — как-то описываем реальность, и ладно.

В ту же ловушку позитивизма попала и разработка ПО — с идеей о том, что есть какое-то идеальное решение, удовлетворяющее всем требованиям, нужно только отыскать эти требования и это решение.

Точнее, разработка прошла все этапы:

— метафизику, то есть разговор об очень абстрактных понятиях, не имеющих строгого содержания ("требование", "решение", "проект", "система", "данные");

— позитивизм (мы можем всё определить, логически выразить и формально доказать);

— постпозитивизм в виде фальсифицируемости (не можем доказать правильность программы, но хотя бы можем сказать, что те функции на тех данных, что мы проверили, работают корректно — тестирование и BDD), конструктивизма (не существует абсолютной истины, мы конструируем подходящий нам результат в процессе совместной деятельности, постоянно проверяя результат опытом; важна структура этой деятельности — agile), и неопрагматизма (нечто, что мы называем, имеет смысл, пока это несёт для нас пользу в определенном контексте; нет описания реальности "вообще", есть описание под конкретную задачу — DDD).

Окончательно добивает остатки позитивизма современный подход к ИИ: оказывается, при помощи "грубой силы" и наращивания числа связей в сети можно гораздо лучше решать практические задачи, чем через построение абсолютной исчерпывающей модели (см. очень показательную историю последних лет компании Abbyy и их проекта Compreno (https://sysblok.ru/blog/gorkij-urok-abbyy-kak-lingvisty-proigrali-poslednjuju-bitvu-za-nlp/) — чем она закончилась, я думаю, вы все слышали).

Наглядно видно это и в истории REST, например — тот же HATEOAS очень оптимистично выглядит в теории, а на практике почти не применяется.

В общем, пост философский, и каждому нужно понять для себя — какие представления я кладу в основание своей картины мира? Метафизику, позитивизм, или современные подходы — лишенные идеального образца, но зато решающие задачу.

Применение фреймворка Дэвида Гребера к отчету Bain 2025 классифицирует технологические активности как «бессмысленную работу»:

2025-11-05T09:03:47.333Z

(источник потерялся)

Исполнители для галочки (Box Tickers)
Роли для имитации деятельности.
- ИИ-пилоты без измерения ROI.
- ESG-отчетность ради формы.

Залатывающие дыры (Duct Tapers)
Исправление системных проблем, которых не должно быть.
- Очистка данных для ИИ из-за плохой архитектуры.
- Интеграция разрозненных SaaS-инструментов.

Надсмотрщики (Taskmasters)
Создание бессмысленных задач для других.
- Сотрудники по ИИ-комплаенсу.
- Менеджеры воронок продаж, генерирующие пустые метрики.

Лакеи (Flunkies)
Подчеркивание значимости других.
- Подготовка ИИ-брифингов для руководства без влияния на решения.
- Участие в конференциях «для галочки».

Силовики (Goons)
Утверждение власти без функциональной цели.
- Патентные войны между ИИ-компаниями.