#про_науку

Красивое: коллеги из Национального научного фонда США (NSF) запускают эксперимент по тестированию новых форматов финансирования науки.

Вкратце, сюжет таков: в 2022 году перед NSF встала проблема финансирования критических технологий (в т.ч. технологий для микроэлектроники по CHIPS and Science Act), и не в смысле "нет денег", а в плане формата - для быстрых результатов и высоких рисков научные гранты в вакууме просто не подходят.

Вообще в 2022-м NSF уже запустил линейки финансирования двух новых типов R&D: фундаментальных исследований, ориентированных на конечных пользователей (user-inspired research), и конвергентных исследований (продуктовые разработки с вкладом из разных фундаментальных областей). Но, судя по всему, этого оказалось недостаточно.

Так что NSF планирует:

1️⃣ Провести аудит существующих механизмов принятия решений о финансировании (какие заявки поддержать + как оценивать их результативность); по итогам - попробовать оптимизировать орг механику принятия решений;

2️⃣ Разработать и протестировать разные возможные механизмы финансирования "венчурной науки" - исследовательских проектов класса "high-risk, high-reward"; по итогам запустить новые линейки финансирования и, в идеале, карьерные траектории для исследователей, которые в такое готовы;

3️⃣ Попробовать разработать и внедрить механизмы, которые позволяли бы учёным менять направления исследований прямо посередине выполнения гранта, т.е. предусматривали бы возможность пивота исследования, по аналогии со стартапами (зум ин, зум аут, всё по Эрику Рису и идеологии lean startups), а не тащить чемодан без ручки, если становится понятно, что чемодан этот не ок.

Не факт, что всё это получится (эксперимент всё-таки), но офигенное же, ну.

#про_ИИ #про_науку

Внезапно кул стори про разницу между ИИ-хайпом и суровой реальностью. Помните, пару лет назад был страшный кипеш по поводу гугловского AlphaFold'a, который [предположительно] решил эпохальную проблему свёртывания белков?

Собственно, это была первая заметная (читай - запущенная вендорами) волна хайпа по поводу генеративного ИИ: хоронили всех структурных биологов чохом; пророчили революцию в медицине - в общем, было всё то же, что нынче с ChatGPT.

А когда информационная пена осела, оказалось, что:

1️⃣ Реальная проблема фолдинга белков - не в предсказании формы, как рассказывает всем Google (и прочие товарищи в полосатых купальниках, продающие генеративный ИИ); реальная проблема - в предсказании функции получившегося белка. Ну потому что если вы не знаете, что этот белок делает, то зачем козе этот баян, кроме как на побаловаться.

2️⃣ Сомнительная польза AlphaFold в этой части связана с тем, что ИИ не обучен анализировать связывание лигандов; проще говоря - не работает с межмолекулярными взаимодействиями белок / рецептор, которые, собственно, и определяют производимые эффекты (физиологические, биохим и пр.). Можно ли его вообще этому обучить, вопрос открытый; вероятно, можно, но пока этого не произошло.

3️⃣ Результаты работы AlphaFold невозможно толком проверить - моделей слишком много; а до тех пор, пока статистически значимое количество моделей не будет проверено в пробирке, ничего утверждать нельзя - и лучше бы ничего из этого не продавать медикам и фармацевтам (кстати, по итогам того, что успели проверить, высокоточными оказались примерно 35% полученных моделей; не говоря уже о том, что IRL существует больше типов белков, чем те, на которых его обучили: в модели, например, не учтены микробные белки, - и как с этим жить, тоже пока не понятно).

4️⃣ И вишенка на торте: все эти прекрасные результаты (тм) были получены только потому, что Google DeepMind тупо использовал открытую базу данных по белковым последовательностям UniProt, которую международный консорциум биотех-институтов кропотливо собирал несколько десятилетий. Так что не удивительно, что бедный Google вынужден был сделать AlphaFold общедоступным; попробуй он его продать, его бы с потрохами сожрали.

Учёные - люди очень вежливые, и никто, если я правильно помню, публично и нецензурно на эту тему не высказался. Но на конференциях и прочих проф обсуждениях биологи периодически делают 🤦🏻‍♀️🤦🏻‍♀️🤦🏻‍♀️. Правда, тут же добавляя, что AlphaFold - это хорошо, это первый шаг ТМ и прочее в том же духе.

Люблю такое.

#про_науку #про_ИИ

В последние полтора года то тут, то там мелькает идея создания чисто российских ИИ/ML-фреймворков - то в целом, то для российских науки и образования. Под тем лозунгом, что отечественные-то фреймворки, конечно, всех нас спасут. Уж один - так точно (шестикрылый, если вы понимаете, о чём я).

Я вежливый кролик, поэтому обычно говорю, что да, ИИ/ML-фреймворки, особенно для науки, - дело богоугодное. Но если хотеть в полную импортонезависимость и цифровое огораживание, то сразу же возникают интересные нюансы:

1️⃣ Нет никаких висящих в вакууме фреймворков, ни научных, ни универсальных, а есть - экосистемы под ИИ/ML. И в мало-мальски приличной экосистеме должны быть готовые модели, IR и компиляторы, библиотеки и ещё масса всего. Бюджет х10, да.

2️⃣ Фреймворки и даже экосистемы без данных - деньги на ветер. AlphaFold учили на базе UniProt (размеченные данные о последовательностях аминокислот); астрофизики учат модели на данных CANDLES, размеченных самими учеными или краудсорсингом (GalaxyZoo); список можно продолжать. А дальше появляются проблемы междисциплинарных метаданных, проприетарных форматов (привет вендорам, производящим научное оборудование каждый со своим стандартом). И денег, которых стоит разметка. Есть, конечно, робкая надежда на глубокое обучение, позволяющее работать с неразмеченными данными, но оно уместно далеко не везде, увы.

3️⃣ И моё самое любимое. ИИ/ML в целом и глубокое обучение в частности дают науке очень, очень много. Но реальный переворот случится только тогда, когда исследователи получат в своё распоряжение каузальный ИИ, способный выявлять причинно-следственные связи и, извините за громкие слова, выводить законы природы из массивов данных (например, управляющие уравнения в физике).

Такие дела.

#про_цифровую_трансформацию #про_науку

И снова к вопросу о проблеме данных, ИИ и реальной ЦТ науки: судя по опыту китайских коллег, нас спасут только централизация и адекватная data-политика в науке, начиная со стандартов и заканчивая инфраструктурой / сервисами.

Вот, например, в Китае с 2019 года работает единый банк научных данных - платформа SciDB. Сейчас её использует каждый шестой исследователь КНР; на ней лежат (и активно используются) 7+ млн. научных дата-сетов.

Если судить по опыту SciBD, то для успешного успеха нужны:

1️⃣ Техническая адекватность, особенно - иерархическое хранение данных, а не любимые облачными провайдерами объектные хранилища, которые мало приспособлены для нормальной работы с данными.

2️⃣ Удобство: репозиторий должен а) поддерживать стандарты открытых научных данных - Schema, Dublin Core, DataCite и пр. - под принципы FAIR и TRUST; б) поддерживать протокол OAI-PMH или аналоги (metadata harvesting; совместимость метаданных); в) присваивать дата-сетам ID (DOI, CSTR, UNF); г) обеспечивать прослеживаемость жизненного цикла данных (data provenance, data lineage).

3️⃣ Глобальность: индексирование дата-сетов в Scopus, WoS Data Citation Index, Mendeley Data и пр. (и, кстати, хорошо бы сделать адресную SEO аннотаций дата-сетов под разные платформы).

4️⃣ Открытость: автоматическое лицензирование дата-сетов по CC0 / CC BY; возможность свободной загрузки данных (при условии соблюдения стандартов оформления и тематических требований) и их скачивания без регистрации и смс.

5️⃣ В идеале - система вознаграждений: метрики востребованности научных данных и плюшки для тех исследователей, чьи данные кто-то использует (правда, китайские коллеги, с шансами, загоняют своих учёных в открытые данные палкой; а англо-саксыТМ всё ещё не придумали, как оценивать дата-сеты - и откуда взять ресурсы на бонусы для их создателей).

Всё остальное (openAPI, партнёрства и пр.) жизнь украшает, но всё-таки проходит по категории "рюшечки".

... А, и да: хорошо бы ещё заиметь 2+ млн. исследователей и $450-500 млрд. вложений в R&D в год. 😁

#воскресное_чтиво #про_ИИ

Давеча задалась вопросом про перспективы каузального ИИ, сразу же решила припасть к источникам - к книге Джуды Перла "The Book of Why: The New Science of Cause and Effect" (2018).

То, как принципиально устроены каузальные [мета]модели, понятно (лестница причинности даже в википедии есть); лично меня больше всего заинтересовали чисто практические выводы, которые делает Перл:

1️⃣ "Данные" сами по себе мало полезны с т.з. поиска причинности. Поэтому в каузальной модели (по версии Перла) первой идёт, собственно, модель; данные под неё собираются строго после того, как а) сформулирована [и математически задана] гипотеза о причинности, б) сформулирован вопрос, в) задана метрика, в которой будет сформулирован вывод (estimand).

2️⃣ Гипотезы о причинности должны строить строго команды "предметник + дата-сайентист". Любой, кто рыдал от смеха над результатами работы некоторых российских "систем анализа больших данных" (нет, я не буду показывать пальцем), это подтвердит.

3️⃣ А беда в том, что доминирующий (по мнению Перла) подход в дата-сайенс - это забить на предметное знание и надеяться на то, что для счастья хватит только данных и корреляций. Последствия у такого подхода не оч приятные:

▫️Без исходной гипотезы не может быть нормального ТЗ на данные, то есть - в дата-сет могут тупо не попасть данные, которые связаны с причинами / эффектами;

▫️Модели, построенные "от данных", без гипотезы, не позволяют работать с запросами класса "что было бы, если бы" (контрфактуалами);

▫️Модели «от данных» не адаптивны; а каузальные модели, грубо говоря, переварят любые данные, имеющие отношение к [исследовательскому] вопросу, т.к. метрика вывода уже предзадана; это же делает менее острой проблему внешней валидности.

Я, если честно, даже как-то загрустила от этого. Но, с другой стороны, не всё же ИИ-компаниям масленица краденого контента.

(по-хорошему, надо было бы ещё припасть к Перловской же "Probabilistic Reasoning in Intelligent Systems" 1988-го года, но у меня не так хорошо с математикой, как мне хотелось бы)

#диалоги_в_танке

А: Полутёмный закуток в неизученной системе. Вечно делаю не то, не тогда, не там, не с теми.

У: Простите, а какие-то ещё впечатления от работы с инновационной экосистемой нашего вуза у вас остались?..

(для тех, кто недавно меня читает: если периодически не смеяться над происходящим, то можно сразу идти вешаться; поэтому тут иногда появляется эта рубрика, извините)

#про_науку #про_экспертов_и_людей

Внезапно свежая кул стори про реальный уровень пользы от цифровых технологий анализ научных данных: 246 биологов проанализировали одни и те же дата-сеты (поведение птенцов лазоревок и развитие сеянцев эвкалипта) - и получили разные результаты.

Общие выводы, как правило, совпадали (как именно один фактор влияет на другой: конкуренция между птенцами - на динамику их роста; густота травы - на прорастание и развитие сеянцев), но уровень важности факторов у каждого исследователя получился какой-то свой.

Дальше - ещё веселее: когда исследователей попросили сделать peer review аналитических результатов коллег, там тоже получился оч сильный разброс. Например, исследования / модели с "экстремальными" утверждениями (переоценёнными факторами) получили отрицательные отзывы только в случае с дата-сетами по эвкалипту; а не менее "экстремальные" результаты по лазоревкам всем почему-то были норм.

Мораль:

1️⃣ Судя по всему, единственный способ достичь [аналитического] консенсуса - это мета-анализ результатов работы многих исследователей / экспертов, который учитывает их бэкграунд (начиная с образования и заканчивая методическими предпочтениями). Но фантастика у нас в каузальном ИИ другом отделе.

2️⃣ Было бы классно, если бы аналитики / эксперты / ученые регулярно задавались вопросами класса "а не порю ли я чушь петровну", "почему мне кажется, что...", "а не попробовать ли мне заложить в модель другие веса" и пр. То есть - проводили бы работу по вскрытию чёрного ящика собственной головы. Потому что прозрачность алгоритмов, которой нынче все требуют от ИИ, по идее, должна работать в обе стороны. 😁

#воскресное_чтиво #про_контекст

Читаю книгу "Идентичность и цифровая коммуникация" ("Identity and Digital Communication", 2023) Роба Кавера, профессора цифровых коммуникаций Мельбурнского технологического университета.

В книге много умных слов (перформативность, симулякры – короче, на любителя). Но поверх всего этого лично я вычитала вот что:

1️⃣ Мозаичная онлайн-идентичность, характерная для эпохи Web 1.0 и разделения между онлайном и оффлайном, переходит в фазу сборки - за счёт рекомендательных алгоритмов, дающих эффект пустой гулкой комнаты уже не на уровне каких-то условно политических общностей (как это делали соцсети в целом), а на уровне каждого отдельного человека.

2️⃣ Сообщества, подложкой под которые стали соцсети, в 2020-х держатся на двух взаимоисключающих параграфах вещах:

▫️Креативной инклюзивности: в Web 3.0 выживают только невоображаемые сообщества, объединённые общей деятельностью (в противовес сообществам сугубо воображаемым - "нациям", "гражданам", "населению" и прочим абстракциям). То есть - сообщества практики всех родов и видов, фандомы с их культурой партисипаторной креативности (соавторство, коллабы, ивенты, косплей и пр.), краудфандингом и профильными сабреддитами - ну, и далее везде.

▫️Принудительной нормативности на спидах: культура отмены (вплоть до отмены субъективности, кмк); кибербуллинг и травля; радикальная ре-национализация интернетов - и за счёт цифрового политического огораживания, и из-за того, что слухи о смерти национального государства оказались сильно преувеличенными. Ну, и на жёсткой самоцензуре.

3️⃣ На фоне всего этого прорастают новые форматы субъективности, в первую очередь - в ТикТоке, который, в отличие большинства остальных платформ, живёт на аутентичности, нефильтрованном контенте и оригинальности. Или, проще говоря, не вынуждает пользователей строго цензурировать способы и форматы самовыражения. Где-то тут должен быть прогон про демографию и поколенческое лицемерие соцсеточек, но все всё и без того понимают.

Так что теперь думаю, не подсесть ли наконец на ТикТок. 😏

#про_цифровую_трансформацию #про_науку

И чтобы [временно] закрыть тему с ИИ / ML в науке - ещё немного про наших китайских коллег: как показывает практика Китая, для нормальной цифровой трансформации науки мало ИИ / ML фреймворков и научных данных.

Для ИИ-счастья в исследованиях и разработках нужны, как минимум:

1️⃣ Синхронизация развития "научного" ИИ с национальной стратегией ИИ / ML - чтобы не плодить лишние сущности, проекты и строки в бюджете. В Китае нацстратегия ИИ реализуется ещё с 2017 года, и всё, что происходит в ИИ / ML для науки, увязано с общим управленческим и технологическим контекстом: R&D в ИИ и смежных технологиях (кванты, нейроморфные вычисления и пр.), поддержка трансфера и создания продуктов / компаний, внедренческие проекты, инфраструктура и пр.

2️⃣ Приоритеты, понятные и забюджетированные (извините). Например, в 2023 году - а) высокоточные методы анализа изображений (научных, obviously) и результатов спектрометрии + создание моделей (спектр-структура-функция), объединяющих экспериментальные данные и результаты имитационного моделирования; б) ИИ для высокоточного дизайна макромолекул.

3️⃣ Организационное приземление работ (до этого наши китайские коллеги, кстати, дошли не сразу, а через пять лет мучений с разрозненными исполнителями по ИИ / ML): с 2023 года за "научный" ИИ / ML в Китае отвечает Институт автоматизации Академии наук КНР, который выступает головным заказчиком и координатором всех работ в этой сфере. И слава труду, наверное, т.к. министерства с этой задачей не справлялись - предмет слишком сложный, команд слишком много.

4️⃣ Опережающее развитие ИИ / ML экосистемы, без которой никакие приоритеты и стратегии никого не спасут. Дата-центры, платформы управления научными данными (с нормальным иерархическим хранением, обработкой под принципы FAIR и TRUST, автоматическим лицензированием и пр.), репозитории открытого ПО для ИИ и ML - и прочее в том же духе.

Такие дела.

#воскресное_чтиво #продуктовый_подход

Отличная книга про трансформацию Huawei [с оч характерным для наших китайских друзей названием] – «Huawei Wisdom» (2022). Автор, Лан Тао, проработал в Huawei 17 лет, так что читается книга, как хороший детектив.

Вообще Тао говорит про три трансформации: продукты, глобальный рынок и бизнес-модель. Но меня, как обычно, интересует продуктовая история.

Если вкратце, то при продуктовом переходе компания столкнулась с двумя вызовами:

1️⃣ Управление данными про требования потребителей. Прямой фидбэк, данные техподдержки, дистрибуторов, анализ конкурентов и пр. – у компании была гора «входных» данных о потребителях. Которые ещё в надо было донести до R&D, производственников и пр. в какой-то релевантной форме.

2️⃣ Приоритезация. Оказалось, что нельзя просто так взять и войти в Мордор запилить продукт по самым частотным требованиям: нужен анализ с т.з. их реальной важности для потребителей, добавленной стоимости для компании, сложности разработки, возврата инвестиций, срока жизни продукта / фичи как конкурентного преимущества, места продукта / фичи в общем портфеле и пр.

Что в итоге сделали:

1️⃣ Внедрили подход IBM – Integrated Product Development (IPD), – адаптированный к потребностям Huawei: «рыночный анализ продуктового портфеля + управление требованиями + итерационная разработка».

2️⃣ Управление требованиями сделали трёхступенчатым: дизайн / интерфейс (market pull); технические решения / возможности (tech push); фулфиллмент (экономика & customer management).

3️⃣ Перестроили оргпроцессы – а) упразднили general office, который сидел под главным инженером и принимал все продуктовые решения, б) создали функцию pre-research (сбор потреб. требований, разведка), на который теперь уходит 10% всего R&D-бюджета; в) отдали продуктовые решения кросс-функциональным командам; г) после ряда фейлов таки начали включать в продуктовые review points внешних людей.

И на полях: начали они продуктовый переход в 1998-м, а более-менее закончили в 2012-м. Но потом с Huawei случился глобальный рынок, и всё снова заверте…

#про_науку #про_policy

К вопросу о том, как определять приоритеты в фундаментальной науке: вот, скажем, у Национальной академии наук США есть прекрасный формат - "консенсус-доклад [про следующие 10 лет]" (на примере астрономии).

Если коротко, то раз в n лет несколько сотен ученых из какой-то научной области садятся и обсуждают, что будет самым важным для этой области в следующем десятилетии:

1️⃣ Ключевые научные проблемы по каждому направлению внутри научной области (в астрономии, например, - космология, изучение галактик, экзопланеты / астробиология и пр.); проблемы и вопросы формулируют специальные тематические панели по 8-12 человек в каждой.

2️⃣ Вызовы и задачи, связанные с развитием научного оборудования - установок класса mega-science и вообще научных инфраструктур (в астрономии это наблюдения из космоса; наземные наблюдения разных типов; физика астрочастиц и гравитация и т.д.); по оборудованию работают специальные "инфраструктурые" панели, 10-15 человек.

3️⃣ Состояние профессии и влияние научного направления на общество в целом.

Отдельно мне нравится то, как организована коммуникация внутри каждого такого проекта:

1️⃣ Коммуникация внутри сообщества. В обсуждении будущего астрономии, например, участвовали 200+ исследователей, из которых хорошо если 20 являются членами Академии; пир-ревью делали ещё 60+ человек. Потому что - какая неожиданность - не в академиках счастье. А в том, чтобы у сообщества было хоть какое-то общее понимание целей. И чтобы само это сообщество, блин, было.

2️⃣ Коммуникация с внешним миром в целом. Консенсус-доклад - это официальная, публичная, понятная и прозрачная позиция Академии по поводу того, в чём будущее науки и что эта наука дать обществу.

3️⃣ Коммуникация (опять же, публичная) с ЛПРами, в формате "проблема - предлагаемое решение". Вплоть до детальных рекомендаций по поводу того, как оптимизировать процесс выдачи грантов, управление крупными научными установками, подготовку исследователей и пр.

(тут должна быть шутка про чёрный ящик РАН и, заодно, про российские форсайты науки, но я эту шутку так и не придумала, мне слишком грустно)

#про_policy #продуктовый_подход

И снова о продуктовом подходе в госполитике: довелось тут поговорить с предпринимателями в малых городах – про то, что они думают о господдержке предпринимательства.

Вкратце:

1️⃣ Вообще-то "просто" предпринимательство не то что бы сильно отличается от "технологических" стартапов: на старте всем нужны деньги на проверку бизнес-гипотез и MVP.

2️⃣ При этом поддержка "обычных" компаний заточена под масштабирование (кредиты, займы и пр.) - и не работает с зоной создания продукта / услуги ("идея - MVP - первые продажи").

3️⃣ В результате консультации разных рег. центров оказываются полезнее, чем половина "финансовых инструментов", которые [как бы] должны помогать МСП развиваться.

Жаловаться "обычным" предпринимателям некому. А, между тем, по мотивам их высказываний возникают неудобные [философские] вопросы:

1️⃣ Как вышло, что "технологическое" предпринимательство в России обеспечено инструментами развития на порядки лучше, чем "обычное"?

Понятно, как на этот вопрос отвечать с т.з. "большой стратегии": нац. конкурентоспособность, критические технологии и другие хорошие слова (с которыми я, тащемта, согласна). Ну, и активное технократическое лобби, спасибо ему за это. Но с т.з. common sense ответ вообще не очевиден.

2️⃣ Куда податься предпринимателям, которые не интересуются "актуальными" задачами от государства?

Например, если они хотят голубику выращивать, а не тех. суверенитет ковать? Никто ради "национальных целей развития" не будет закладывать квартиры. Нет таких психов в природе.

Можно ничего не делать, конечно. Но в России и без соц-эк дарвинизма с предпринимательством швах (на порядки хуже, чем у США и прочих наших западных коллег и конкурентов); давайте ещё и неестественный отбор устроим.

Такое себе, короче.

(в предыдущих сериях "о продуктовом подходе в госполитиках": сколько стоят [продуктовые] ошибки в госполитиках; почему акселераторы не результативны; почему в компаниях буксует цифровая трансформация; что важнее всего для успеха ЦТТ)

#про_экспертов_и_людей #много_букв

Тренды кончились, трендов больше нет

В последние два года соцсети периодически хоронят тренды: бывший Twitter угробил сначала свою тренд-команду, а потом тему в целом; нездоровилось Spotify с его Wrapped; про систематические фейлы ВК что-то делать с его «сначала интересным» я даже говорить не буду. Хэштегов слишком много; дробность такая, что «собирать» контент и тренды нужно под каждого пользователя, а нормальных моделей под это, кажется, нет ни у кого, кроме ТикТока – и, может быть, Pinterest’а.

Чисто человеческие тренды сместились в сложную зону «эстетики» (aesthetics), образов жизни, core / vibes, сабреддитов чуть менее чем на любую тему и пр.

И вы таки будете смеяться, но мне кажется, что ровно такая же история произошла с «серьёзными» трендами.

Вот, например, цикл Гартнера: когда-то у ребят была кривая со свалкой всех emerging technologies, по которой – при известной доле воображения – можно было худо-бедно получить представление о том, что в мире технологий делается. А нынче Гартнер собирает только специализированные кривые – по ИИ, автоматизации и прочим узким областям.

Кмк, основных причин тут три:

1️⃣ Чисто рыночная / продуктовая ситуация. Как в случае с тем же Гартнером: зачем выдавать информацию обо всех технологиях разом, если можно дробить её на мелкие куски и продавать уже в таком виде? Плюс, конечно, нишевая экспертиза – штука по определению более дорогая и [предположительно] прибыльная, чо уж. (кстати, вангую: ребята из Гартнера пройдут экспертный цикл «генерализация – специализация – генерализация» – и на следующем шаге снова начнут продавать «большую картинку» тем, кто устал самостоятельно развлекаться с мозаикой)

2️⃣ Ситуация информационная. Data-изобилие вообще мало кому пошло на пользу (кха-кха шутка про LLM кха); и улавливать в этом бардаке пресловутые слабые сигналы всё сложнее. Кроме того, «виральность» как формат управления вниманием тоже не облегчает жизнь: тренд нынче – это что-то, что живёт один день и забывается после бутылки пива (кха-кха шутка про метаверс кха). Ну, или после просмотра следующего роличка в ТикТоке.

3️⃣ Ситуация социальная. Все реагируют на затяжной кризис доверия по-своему, но усталость от «больших» обещаний, трендов и пр. – штука универсальная. Буквально – в залоге «если я ещё раз услышу слово «форсайт», я кому-нибудь вилы в бок воткну».

Всё это приводит к тому, что внимание к «трендам» снижается (как минимум, с 2013 года; и, если верить гугл трендам, то в 2021 году тема «трендов» пробила историческое дно). А количество отчётов, статей и прочей чешуи про тренды, наоборот, растёт – Reddit вот, например, в 2022 году посчитал, что с 2016 года количество материалов такого типа увеличилось, как минимум, втрое. В первую очередь это, конечно, касается потребительских трендов – с их быстрой модой, ванхунами и пр., – но тем не менее.

И в этих мутных волнах лично мне видятся только два продуктивных варианта действий [для аналитиков / экспертов, включая меня саму]:

1️⃣ Вернуться к истокам, в смысле – к проверенным источникам: людям / сообществам / базам / компаниям и пр. Прямо сейчас, кмк, это единственный способ отсечь шумы треш-контента и треш-данных. Наверняка не только я нынче регулярно натыкаюсь на «как бы умные статьи про сложное», в которых фигурируют выдуманные компании, выдуманные кейсы и выдуманные люди, ну.

2️⃣ Работать с нишевыми сообществами / людьми, от нано-инфлюэнсеров в запрещённой соцсети на «I» до гаражных коллективов БПЛА-энтузиастов и от фандомов (кха-кха шутка про Мосян Тунсю кха) до групповых чатов в Tg. И тут многих ждёт неприятный сюрприз: прийти и просто «снять» тренды с источников такого типа очень сложно. Нужно быть в теме – и попадать в категорию «своего» (или умело этим своим притворяться, но агентурная работа – это не для всех, конечно).

Как-то так и придётся действовать. Всё остальное в моменте бессмысленно и, может, даже вредно. Причём дело даже не в российском контексте: в мире, тащемта, происходит такое, что всем не до «больших трендов». Не долбануться бы, ну. 🤷🏻‍♀️

#воскресное_чтиво #продуктовый_подход

Очередная книга про геймдизайн в копилку: "Инструменты геймдизайна: когнитивный, психологический и практический подходы" ("Game Design Tools", 2023) от итальянского геймдизайнера Диего Риккути.

Сама по себе книга - это "геймдиз 101", конечно: анализ ц.а., типология игроков (мотиваций, типов взаимодействия с игрой и пр.), инструменты генерации и отбора идей и всё такое.

Но мне оч понравились тезисы, связанные с "креативностью" в современном мире продуктовых разработках:

1️⃣ "Креативность" как таковая ни черта не стоит: IRL нужны не гениальные идеи, способные изменить мир, а идеи работающие - совместимые с жизнью, людьми, рынками и пр. (спасибо, кэп). И в этом плане геймдизайн ничем не отличается от создания авторской керамики, аналитики, автомобилей - и вообще любых объектов, к которым можно применить слово "продукт" (исключения, конечно, бывают: например, т.н. современное искусство, но и там, как правило, есть мощнейший маркетинг дизайн нарратива / объяснений, почему именно это круто и дорого).

2️⃣ Объём накопленной человечеством ТМ информации таков, что "креативность" нынче - это процентов на 90 способность собрать что-то новое из старого. И в этом плане ключевая компетенция дизайнера / продуктолога - не "генерация нового", а управление требованиями и инжиниринг (архитектура + компоненты).

3️⃣ Отсюда - два базовых требования к процессу [гейм]дизайна:

▫️ На входе нужен большой объем данных про требования, ожидания, проблемы, потребности потребителей / заказчиков. Ну потому что нет потребителя с требованиями - нет продукта; можно допить пиво и расходиться. Понятно, что дальше там черепахи, черепахи и черепахи (например, проблема приоритезации требований / ожиданий), род и вид которых зависит от индустрии, но тем не менее.

▫️ Команда "генераторов" (инженеров архитектуры / подборщиков компонентов), получающая ТЗ в виде горы требований, должна быть очень, очень разношёрстной. И чем шире бэкграунд этой команды, тем лучше, начиная с языкового и заканчивая профессиональным. Кмк, это требование забавно рифмуется со многими другими процессами в этом нашем мире (например, с конвергентной фазой и конвергентными исследованиями в науке), но пост-постмодерный синтез - это отдельный разговор.

Вообще подход "давайте уже расколдуем эту вашу креативность" мне очень симпатичен, в т.ч. в чисто прикладном плане: он, в частности, позволяет уйти от конфликта между креативностью (авторский гений!) и результативностью (КПЭ) в продуктовых разработках - ну, или притвориться, что этого конфликта нет.

Конечно, технологизация "креативного" процесса - во всех её формах, включая этот наш ChatGPT - у многих профессионалов вызывает непреодолимое отторжение. И я их тоже понимаю. Но управлять-то требованиями ИИ пока не умеет. 😎

#про_технологическое_развитие

Прочитала тут на досуге новую (2023) научно-технологическую стратегию Министерства обороны США.

Там, само собой, много очевидного, но есть интересные моменты:

1️⃣ Как и во многих других отраслях и областях, в ВПК произошло размывание границ между "военными" и "гражданскими" технологиями - и, заодно, между "военными" и "гражданскими" угрозами национальной безопасности.

2️⃣ На этом фоне DoD вынуждено как-то справляться с двумя вызовами: с высокими темпами технологического развития (заодно с технологическим разнообразием) и такими же высокими темпами появления новых и, зачастую, неочевидных угроз (кибербезопасность, уязвимости в цепочках поставок, биологические угрозы и пр.).

3️⃣ Поэтому инвестиции в околовоенное научно-технологическое, по замыслу DoD, должны идти по трём направлениям:

▫️Новые технологии / emerging tech (биотех, кванты, новые поколения беспроводной связи, новые материалы), в формате seed;

▫️Плюс-минус готовые гражданские технологии, которые активно внедряют коммерсы - и которые нужно брать и адаптировать для военных применений: нормальный (в смысле, trusted) ИИ; автономные системы; сверхсложные гетерогенные системы; микроэлектроника; технологии возобновляемой энергетики, в т.ч. микро и мобильные; системы накопления энергии; человеко-машинные интерфейсы;

▫️Специфические (defence-specific) военные технологии - гиперзвук, направленная [беспроводная] передача энергии, сенсоры для киберфизических систем, вот это вот всё.

4️⃣ Задачка ещё та, поэтому с инвест точки зрения DoD собирается делать три вещи:

▫️Сильно расширить работу с внешним контуром. DoD уже не может ограничиваться собственными R&D, инженерными мощностями и привычным пулом внешних "научных" поставщиков: им приходится мониторить весь коммерческий сектор, потому что скорость изменений такая, что х.з., какие технологии станут очередными технологиями двойного назначения - и, главное, какая именно зараза и где придумает, как их использовать в военных целях.

▫️Всерьёз заняться стартапами, в первую очередь - с т.з. быстрой доводки их до нужной (читай - продуктовой) кондиции. Отдельно интересно, что DoD начало-таки говорить не про одну "долину смерти" стартапов, а про три, которые и существуют IRL: а) от идеи до прототипа; б) от прототипа до продукта и в) от продукта до нормального масштаба. И планирует работать со всеми тремя проблемными зонами. Короче, видно, что люди серьёзно думали, как им добиться speed and scale.

▫️Обновить собственную инфраструктуру, в первую очередь – лабораторную и цифровую (только кибербез, только хардкор).

5️⃣ А ещё между строк (и, местами, в самих строках) новой стратегии считываются три проблемные для DoD управленческие истории:

▫️Как, блин, координировать R&D и технологические инвестиции между видами и родами войск, т.к., obviously, многие из технологий являются сквозными / универсальными, но все сидят в уютных личных бункерах, которые silos, и вылезать оттуда не собираются. В DoD уже создали специальную сводную Наблюдательную группу по инновациям (Innovation Steering Group), но тут же как: хочешь замылить проблему – создай комитет.

▫️Кто и как должен заниматься обновлением производственной базы для всего того нового, которое нужно американской армии. Ну то есть огромный частный ВПК – это хорошо, конечно, но тут есть проблема класса «ах, проклятая неопределённость!» (обновлять базу надо, но х.з., что именно надо будет производить через десять лет; и принимать такие инвестиционные решения втёмную… дурных-то нет).

▫️Как сделать так, чтобы коммерсы по недомыслию не продали Китаю или России кому-нибудь неблагонадёжному потенциально разрушительную технологию (разрушительную в прямом смысле, а не в смысле disruptive). Хорошая для DoD новость в том, что вопрос этот волнует не только их, но и, страшно сказать, американское научное сообщество, которое уже инициативно напредлагало целую гору ограничений для R&D и обращения с их результатами.

[тут могла бы быть шутка про making the world a better place, но нет]

#про_технологическое_развитие

И снова про научно-технологические стратегии в оборонке: вот, например, в этом году коллеги из НАТО запустили свой «оборонный» акселератор DIANA (доступ из-под VPN, obviously).

Основные ТТХ:

1️⃣ В акселератор берут стартапы, начиная с TRL4, но это не железобетонно (можно и на TRL1-3, но только в тех случаях, когда технология с потенциалом реально что-то перевернуть);

2️⃣ Предпочтение отдаётся стартапам, работающим в deep tech’е / с технологиями двойного назначения (т.е. – с коммерческим потенциалом помимо, собственно, военных применений);

3️⃣ Формально, технол. направления акселератора – большие данные, ИИ, автономное всё, кванты, биотех и технологии «улучшения человеческих способностей», энергетика, силовыве установки, новые материалы и новые производственные технологии. При этом программы / линейки грантов делаются под конкретные запросы; например, темы 2023 года – устойчивое энергоснабжение, безопасная передача информации и сенсоры для систем наблюдения / разведки; по ним в акселератор отобрали 44 стартапа.

4️⃣ Акселерационная программа состоит из двух фаз: а) от прототипа до продукта (100 тыс. евро, 6 месяцев), б) масштабирование (300 тыс. евро, 6 месяцев).

Отдельно мне во всей этой истории интересны три момента:

1️⃣ Акселератор НАТО цинично использует доступ к крупнейшим «национальным» пулам стартапов: программы проходят на 11 площадках (в США, Великобритании, Франции и пр.). и, несмотря на то что для deep tech’а формат «вот вам один год и 400 тыс. евро» - это просто ни о чём (средний чек для deep tech стартапа в биотехе, например, - $11,4 млн., в электронике - $4,7 млн… в общем, вы поняли; похожая двухфазная программа Convergence Accelerator в США - 3 года и $5 млн.), это не помешало голодным европейским стартаперам подать в акселератор 1000+ заявок. Кмк, это хорошо подсвечивает а) ситуацию с венчуром (скорее мёртв), б) ситуацию с deep tech’ом в европах (оч плохо с деньгами).

2️⃣ Так что, по ходу, DIANA – это просто ещё один способ реализовать цели S&T-стратегии Министерства обороны США в части «расширения технологического сотрудничества с внешним контуром»; и именно в том залоге, который обычно подразумевается, когда кто-то из реальной политики использует слово «сотрудничество». Акселератор бай дизайн построен по принципу brain drain в пользу США: а) в самих штатах программы проходят всего в двух локациях, всё остальное (включая почти все 90+ тест-бедов) – это страны ЕС; б) из 44 стартапов, попавших в первый поток, 30 – европейские. [шапочка из фольги mode off]

3️⃣ Акселератор запартнёрился с 90+ полигонов / тестировочных центров, на которых стартапы смогут доводить свои продукты до ума. В том числе – с IMEC’ом (nuff said) и несколькими институтами / центрами Фраунхофера (институт твердотельной физики, который занимается полупроводниками; институт химических технологий; институт коммуникаций; совместный с IBM центр по квантам; цифровая лаборатория «по океанам»). И вот это, надо сказать, посильнее Фауста Гёте.

А в целом - получилась красивая практическая реализация defense + offence: коллеги воспользовались трындецом, который творится с глобальным / европейским венчуром, – и за денежку малую попробуют получить, как минимум, технологии (если не продукты). Прекрасно, прекрасно же выбран момент.

PS. Вишенка на торте – официальный лозунг акселератора: «Help us shape a peaceful future». Война – это мир, свобода – это рабство, незнание – сила. Ору и не могу остановиться. 😂

#диалоги_в_танке

А: Коллега, а как бы вы коротко сформулировали итоги 2023-го года?

У: Так же, как и итоги 2022-го. "А чёрный лебедь на пруду испортил чью-то ебитду".

#про_науку

Для тех, кто пропустил: Франция давеча анонсировала масштабную реформу науки.

Какие проблемы хотят решить:

1️⃣ Хроническое недоинвестирование в науку, в т.ч. фундаментальную. На всяк случ: «хроническое недоинвестирование» - это 2,2% от ВВП; 3,7 млрд. евро только в Национальном научном фонде + программа поддержки инноваций в рамках France 2030 на 50 млрд. евро. «Недоинвестирование» с европейской спецификой, короче.

2️⃣ Архаичная организация научно-исследовательского комплекса: излишняя сложность орг / управленческих структур и – как следствие – очень глубокое огораживание узких научных направлений; плюс забюрократизированность (до 50% времени ученые тратят на отчётность). Отдельный аспект проблемы – в том, что отчётность делается ради отчётности, на основе этих данных не принимаются ровно никакие решения.

3️⃣ То, что в импортозамещённом отечественном медиаполе называется «разорванным инновационным циклом»: финансирование науки не приводит к появлению технологий / продуктов. И принуждение к сотрудничеству с рынком тут не помогло, в т.ч. – пресловутый «закон Аллегре» (принят в 1999 году; позволяет учёным, получающим госденьги, оставаться на своих должностях – при условии, что они создают стартапы и/или за деньги консультируют коммерческие компании).

4️⃣ Общая деиндустриализация экономики и снижение объема коммерческого заказа на R&D (ну потому что зачем банкам и сектору услуг синтетическая биология или физика высоких энергий, действительно). Ну и да: разрыв между научным процессом и интересами выжившей промышленности = инсорсинг R&D; крупные французские компании просто держат собственные R&D-отделы, которые делают то, что надо, и не пытаются в академическую автономию.

Что хотят сделать:

1️⃣ «Вытолкнуть» Министерство высшего образования и науки Франции в стратегическую позицию, т.е. – заставить его перейти от контроля к управлению развитием (без комментариев).

2️⃣ Сделать ряд крупных научных институтов «программными агентствами»: они будут а) определять приоритеты и формировать программы исследований в разных научных областях (цифровые технологии, медицина, космос и пр.), б) выступать операторами госденег по этим программам (в рамках France 2030 с её 50 млрд. евро на науку и инновации).

3️⃣ Увеличить автономию университетов, в т.ч. – в части решений по поводу того, на какие научные цели направлять государственные деньги (сейчас университеты могут свободно распоряжаться что-то 0,8-1% своего бюджета).

4️⃣ Привязать объёмы и сроки финансирования научных команд к результатам оценки их деятельности (метрики пока не понятны, конечно же, но заявлено что-то в духе «если команда работает нормально и выдаёт обещанные результаты, то финансирование будет долгосрочным – до 5 лет, чтобы люди могли работать, а не бегать за грантами»).

5️⃣ Создать при президенте непубличный Совет по науке, состоящий, что характерно, исключительно из именитых учёных, а не из научных администраторов.

… И всё это – за 18 месяцев. Заявка на победу, что тут скажешь.

На полях шляпки замечу, что такие резкие (для государства) движения и такие сжатые сроки – это не столько прихоть, сколько естественная реакция на несколько жареных петухов звоночков:

1️⃣ Такая себе ситуация с критическими технологиями (в 2023 году из 60+ направлений Франция входит в ТОП-5 стран только по двум – новые сенсоры для гравитационных полей и для магнитных полей);

2️⃣ Ситуация с deep tech’ом (на фоне Германии с её миллиардами прицельно под deep tech - DeepTech & Climate Fonds, спец финансирование в High-Tech Gründerfonds и Future Fund и пр. – Франция с её 500 млн. до 2030 года выглядит неубедительно);

3️⃣ Глобальный инновационный индекс как маркер общей ситуации с наукой (Франция вылетела из ТОП-10 и по количеству научных публикаций, и по их качеству);

4️⃣ Провал странового проекта по созданию мРНК-вакцин от ковида – и вообще неоднозначные (с т.з. государства) результаты работы французского научно-исследовательского комплекса на тему противодействия пандемии.

Выводы применительно к родным осинам напрашиваются сами собой, но их я сделаю немного позже. 😎

#про_технологическое_развитие

Вместо тысячи слов – одна картинка, которая демонстрирует, отчего и почему России позарез нужен deep tech во всех его проявлениях, от фундаментальной науки до стартапов / скейл-апов.

Из 23-х технологических направлений, которые считаются критическими для будущего ВПК (и которые чуть менее чем все относятся к deep tech’у), Россия по уровню научного задела входит в ТОП-10 стран только по одному направлению – «Продвинутые авиадвигатели (в т.ч. гиперзвук)», занимая 9-е место.

Тут, конечно, можно внести много поправок на ветер: паранойя и закон о гостайне, который не способствует публикационной активности исследователей; проблемы с публикациями российских авторов в международных журналах после 2022 года и вообще не слишком высокая интеграция России в мировую науку; сама методология подсчёта (подлые англосаксы считали же ж!).

Но если хоть сколько-нибудь серьёзно относиться к «технологическому суверенитету», «импортозамещению», «импортоопережению» и прочим идеологически верным словам, то… На этом мысль останавливается.

Или, перефразируя известное выражение: «страна, которая не желает кормить свой deep tech, будет кормить чужой». 🇷🇺🤝🇨🇳

#про_технологическое_развитие

И чтобы закрыть [на этот год] тему с критическими технологиями и deep tech’ом, который нужен, как воздух: если смотреть на уровень R&D-задела, то Китай вскорости может стать монополистом по 50-ти направлениям критических технологий; США – по 10-ти.

Ни убавить, ни прибавить.

Разве что с грустью посмотреть на два возможных [для России, да и для любой другой страны] варианта действий:

1️⃣ Надеяться на братский Китай, который – если всё останется как есть – в ближайшие 10-15 лет будет лидировать в 44 из 60 критических технологий, а в 13-ти (5G / 6G, синтетическая биология, нанотех, электродвижение и пр.) станет глобальным монополистом. Но только с пониманием, что надеяться на Китай – это, с т.з. «технологического суверенитета», сменить шило на мыло.

2️⃣ Честно признать, что самим не справиться, – и начать активно пылесосить коллег и партнёров. Ровно так, как это, например, делают креативные люди из НАТО. Форматы тут могут быть разные – хоть циничные акселераторы с российским финансированием, хоть совместные венчурные фонды, – но суть одна: хотя бы в каком-то виде гарантировать доступ российских компаний к технологиям, которые, блин, будут определять лицо мировой экономики в ближайшие десятилетия.

#про_экспертов_и_людей

Осторожно, много букв (накопилось!). Наткнулась тут на древний (аж 1973-го года) концепт, который прекрасно описывает чуть более чем всё, с чем я обычно работаю – в аналитическом или экспертном качестве: «нехорошие проблемы» (wicked problems).

Если вкратце, то вы имеете дело с нехорошей проблемой, если:

1️⃣ Проблему сложно (или невозможно) однозначно сформулировать;

2️⃣ У проблемы нет критериев «решения» (сложно – или, опять же, невозможно понять, решили вы её или нет);

3️⃣ Поэтому возможные «решения» нехороших проблем оцениваются не в залоге «правильное – неправильное» («да – нет»), а по спектру «хорошее – плохое» (через субъективно или, страшно сказать, ценностно заданные метрики);

4️⃣ Решение для проблемы невозможно быстро / надёжно протестировать;

5️⃣ Любое решение для проблемы – «одноразовое», т.к. нет никакой возможности ставить эксперименты, учиться на ошибках и пр.;

6️⃣ Спектр возможных решений очень широк – и внешних ограничений недостаточно для того, чтобы выбрать какое-то одно;

7️⃣ Проблема уникальная, а не типовая;

8️⃣ Проблема – не столько проблема, сколько симптом других проблем;

9️⃣ Причина возникновения проблемы зависит от точки зрения, т.е. от того какой понятийный / аналитический аппарат применяется для разбирательств с этой проблемой;

🔟 Принимающий решение не имеет права на ошибку.

А по мотивам разбирательств с нехорошими проблемами и методов поиска решений я имею добавить вот что:

▪️ Нехорошие проблемы – как совы: они всегда не то, чем кажутся.

▪️Поэтому они требуют разбирательств политического и/или социального характера: надо идти к людям, нежно брать их за пуговицу и спрашивать, что, чёрт возьми, происходит; зачем они делают то, что делают. Никакие данные, кейсы и анализ рынка тут не помогут (они тоже нужны, но без разбирательств с сутью ТМ - почти бесполезны).

▪️Политические / социальные разбирательства должны вестись конфиденциально – или глубинное интервью, или строго анонимные опросы. Нормальный человек ни в жисть не скажет [всей] правды ни в групповом интервью, ни, тем более, на «стратегической сессии». Не факт, что скажет и в режиме один на один, но так шансы докопаться до сути всё равно серьёзно повышаются.

▪️ Если всё сделать правильно, по итогам разборок можно более-менее ощупать этого слона: сделать карту / матрицу позиций (кто, что и почему думает по поводу этой проблемы и её причин, в идеале – в увязке с бэкграундом и политическими интересами), ранжированный список связанных проблем и ранжированный же список гипотез по поводу решений.

Вот, например, совсем простенькая проблема с корпоративной почтой (щупала её, когда делала аудиты цифровых сервисов):

Как видит проблему IT-департамент: сотрудники компании, подлецы, не пользуются корпоративной почтой, а это брешь в безопасности, плохие показатели по нашим KPI и вообще крамола

Как видят проблему сотрудники:

◽️В компании нет ни системы электронного документооборота, ни файлообменника; приходится обмениваться тяжёлыми сканами, а у корпоративной почты объем хранения – 100 Мб и размер допустимого вложения – 1 Мб. А жить-то как-то надо.

◽️Или: в организации херовая коммуникативная культура (оч характерно для российских университетов, кстати); в корп. почте столько мусора, что проще вести рабочую переписку через личные ящики, а в корпоративную заглядывать раз в неделю, чисто на всякий случай.

◽️Или: у основного контрагента / заказчика корп. почта настроена так, что чуть менее чем все письма с доменов в ru отправляются в спам; приходится использовать gmail и другие внешние зарубежные сервисы.

И это ещё самый простенький пример; don’t get me started по поводу технологического развития, предпринимательства, так называемых «больших вызовов» и прочих нехороших проблем.

Красивое же, ну. 😌