Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Содержание
  1. Изучение множества методов определения лидерства позволяет выделить четыре подхода.Первый подход заключается в том, что лидер определяет цели и указывает направление своим сторонникам, дает им обещания и увлекает за собой. В этом подходе к лидерству центром внимания является лидер и его характерные черты. Зная, что представляет собой данный лидер, каковы цели его стратегии, мы можем охарактеризовать и то, как он выполняет свою руководящую роль. Именно из такого имиджа лидера выросло представление о «великом человеке» и особый подход к его руководящей роли.Сторонники второго подхода воспринимают лидера как «коммивояжера». В этом случае лидерство подразумевает внимательное отношение к потребностям людей и помощь им в удовлетворении этих потребностей. Чуткое реагирование на потребности и желания людей столь же важны, как и способность убедить людей в том, что вы можете помочь им. Согласно этой точке зрения, все, что происходит, зависит от взаимоотношений между лидером и его последователями. Третий подход к лидерству заключается в том, что в лидере видят «марионетку», то есть лидером руководят и придают ему силу его сторонники, которые дергают за ниточки и заставляют лидера двигаться. Лидер является агентом группы, отражающим ее цели и работающим от ее имени. Чтобы понять, как в данном случае осуществляется руководящая роль, необходимо изучать ожидания и цели последователей.Четвертый подход к лидерству состоит в том, что лидер рассматривается в качестве «пожарника». В данном случае руководящая роль возникает в ответ на то, что происходит в окружающей действительности. Поэтому, изучая окружающую действительность, в которой возникает феномен лидерства, мы можем понять его природу. Окружающая действительность создает спрос, препятствия и открывает возможности для лидера и его последователей.Если провести опрос на улице, то, вероятно, можно.. . обнаружить, что ожидания в отношении сильного политического лидера включали бы в себя все четыре подхода к нему. Такой лидер должен был бы обладать даром предвидения, но в то же время должен был бы чутко реагировать на желания своих последователей и быть способным заставить работать их ради убеждений в подходящее для действий время. ВОПРОСЫ И ЗАДАНИЯ К ДОКУМЕНТУ 1. Какие качества характеризуют лидера как «великого человека»? 2. Назовите черты, которые отметила автор документа, свойственные лидеру, воспринимаемому как «коммивояжер». 3. Что характеризует лидера, в котором видят «марионетку»? 4. Чем отличается деятельность лидера, названного «пожарником»? 5. Какой тип политического лидера из числа охарактеризованных М. Г. Херманн, с вашей точки зрения, является предпочтительным? Почему? 6. Согласны ли вы с тем, что ожидания простых людей включали бы все четыре подхода? Свою точку зрения аргументируйте. 7. Сравните приведенную в документе классификацию с теми, которые представлены в параграфе. Какая классификация наиболее существенна для понимания политического лидерства? Аргументируйте свой ответ
  2. Page 3
  3. Page 4
  4. Page 5
  5. Page 6
  6. Page 7
  7. Page 8
  8. Page 9
  9. Page 10
  10. Page 11
  11. Page 12
  12. Page 13
  13. Page 14
  14. Page 15
  15. Page 16
  16. Page 17
  17. Page 18
  18. Page 19
  19. 1
  20. 2
  21. 3
  22. 4
  23. 5
  24. 6
  25. Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли
  26. 1. Сверхурочная работа – признак плохого лидера
  27. 2. Личные встречи – это основа
  28. 3. Широкая сеть знакомств важнее глубоких отношений
  29. Дейкстра: Величайшей победой Запада в холодной войне над СССР был переход на IBM — myth busted
  30. «Счетные» машины
  31. Ну и как успехи с расчетами?
  32. Гениальные самоделкины
  33. Нейросеть GPT-3 от OpenAI пишет стихи, музыку и код. Почему она пока далека от настоящего ИИ, но способна поменять мир — Технологии на TJ
  34. Что такое GPT-3 и чем она отличается от предшественников
  35. Дизайн, музыка, истории — что уже может GPT-3
  36. GPT-3 — не настоящий искусственный интеллект, но способен всерьёз повлиять на мир
  37. 9 проблем машинного обучения
  38. Разновидности искусственного интеллекта: Сильный и Слабый ИИ
  39. Машинное обучение: что может пойти не так?
  40. 1. Плохие намерения
  41. 2. Предвзятость разработчиков алгоритма
  42. 3. Параметры системы могут не включать этику
  43. 4. Этику сложно описать формально
  44. 5. Машинное обучение влияет на людей
  45. 6. Ложные корреляции
  46. 7. Петли обратной связи
  47. 8. «Грязные» и «отравленные» исходные данные

Изучение множества методов определения лидерства позволяет выделить четыре подхода.Первый подход заключается в том, что лидер определяет цели и указывает направление своим сторонникам, дает им обещания и увлекает за собой. В этом подходе к лидерству центром внимания является лидер и его характерные черты. Зная, что представляет собой данный лидер, каковы цели его стратегии, мы можем охарактеризовать и то, как он выполняет свою руководящую роль. Именно из такого имиджа лидера выросло представление о «великом человеке» и особый подход к его руководящей роли.Сторонники второго подхода воспринимают лидера как «коммивояжера».

В этом случае лидерство подразумевает внимательное отношение к потребностям людей и помощь им в удовлетворении этих потребностей. Чуткое реагирование на потребности и желания людей столь же важны, как и способность убедить людей в том, что вы можете помочь им. Согласно этой точке зрения, все, что происходит, зависит от взаимоотношений между лидером и его последователями.

Третий подход к лидерству заключается в том, что в лидере видят «марионетку», то есть лидером руководят и придают ему силу его сторонники, которые дергают за ниточки и заставляют лидера двигаться. Лидер является агентом группы, отражающим ее цели и работающим от ее имени.

Чтобы понять, как в данном случае осуществляется руководящая роль, необходимо изучать ожидания и цели последователей.Четвертый подход к лидерству состоит в том, что лидер рассматривается в качестве «пожарника». В данном случае руководящая роль возникает в ответ на то, что происходит в окружающей действительности.

Поэтому, изучая окружающую действительность, в которой возникает феномен лидерства, мы можем понять его природу. Окружающая действительность создает спрос, препятствия и открывает возможности для лидера и его последователей.Если провести опрос на улице, то, вероятно, можно.. .

обнаружить, что ожидания в отношении сильного политического лидера включали бы в себя все четыре подхода к нему. Такой лидер должен был бы обладать даром предвидения, но в то же время должен был бы чутко реагировать на желания своих последователей и быть способным заставить работать их ради убеждений в подходящее для действий время. ВОПРОСЫ И ЗАДАНИЯ К ДОКУМЕНТУ 1. Какие качества характеризуют лидера как «великого человека»? 2. Назовите черты, которые отметила автор документа, свойственные лидеру, воспринимаемому как «коммивояжер». 3. Что характеризует лидера, в котором видят «марионетку»? 4. Чем отличается деятельность лидера, названного «пожарником»? 5. Какой тип политического лидера из числа охарактеризованных М. Г. Херманн, с вашей точки зрения, является предпочтительным? Почему? 6. Согласны ли вы с тем, что ожидания простых людей включали бы все четыре подхода? Свою точку зрения аргументируйте. 7. Сравните приведенную в документе классификацию с теми, которые представлены в параграфе. Какая классификация наиболее существенна для понимания политического лидерства? Аргументируйте свой ответ

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Изучение множества методов определения лидерства позволяет выделить четыре подхода.Первый подход заключается в том, что лидер определяет цели и указывает направление своим сторонникам, дает им обещания и увлекает за собой. В этом подходе к лидерству центром внимания является лидер и его характерные черты.

Зная, что представляет собой данный лидер, каковы цели его стратегии, мы можем охарактеризовать и то, как он выполняет свою руководящую роль. Именно из такого имиджа лидера выросло представление о «великом человеке» и особый подход к его руководящей роли.Сторонники второго подхода воспринимают лидера как «коммивояжера».

В этом случае лидерство подразумевает внимательное отношение к потребностям людей и помощь им в удовлетворении этих потребностей. Чуткое реагирование на потребности и желания людей столь же важны, как и способность убедить людей в том, что вы можете помочь им. Согласно этой точке зрения, все, что происходит, зависит от взаимоотношений между лидером и его последователями.

Третий подход к лидерству заключается в том, что в лидере видят «марионетку», то есть лидером руководят и придают ему силу его сторонники, которые дергают за ниточки и заставляют лидера двигаться. Лидер является агентом группы, отражающим ее цели и работающим от ее имени.

Чтобы понять, как в данном случае осуществляется руководящая роль, необходимо изучать ожидания и цели последователей.Четвертый подход к лидерству состоит в том, что лидер рассматривается в качестве «пожарника». В данном случае руководящая роль возникает в ответ на то, что происходит в окружающей действительности.

Поэтому, изучая окружающую действительность, в которой возникает феномен лидерства, мы можем понять его природу. Окружающая действительность создает спрос, препятствия и открывает возможности для лидера и его последователей.Если провести опрос на улице, то, вероятно, можно.. .

обнаружить, что ожидания в отношении сильного политического лидера включали бы в себя все четыре подхода к нему. Такой лидер должен был бы обладать даром предвидения, но в то же время должен был бы чутко реагировать на желания своих последователей и быть способным заставить работать их ради убеждений в подходящее для действий время. 
 ВОПРОСЫ И ЗАДАНИЯ К ДОКУМЕНТУ 

1. Какие качества характеризуют лидера как «великого человека»? 

2. Назовите черты, которые отметила автор документа, свойственные лидеру, воспринимаемому как «коммивояжер». 
3. Что характеризует лидера, в котором видят «марионетку»? 
4. Чем отличается деятельность лидера, названного «пожарником»? 
5. Какой тип политического лидера из числа охарактеризованных М. Г. Херманн, с вашей точки зрения, является предпочтительным? Почему? 
6. Согласны ли вы с тем, что ожидания простых людей включали бы все четыре подхода? Свою точку зрения аргументируйте. 
7. Сравните приведенную в документе классификацию с теми, которые представлены в параграфе. Какая классификация наиболее существенна для понимания политического лидерства? Аргументируйте свой ответ. 

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 3

какая часть рационального познания помогла сделать следующее утверждение :все кошки мурлыкают,значит, если я слышу мурлыкание-это кошка»?

Page 4

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 5

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 6

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 7

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 8

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 9

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 10

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 11

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 12

Пожалуйста помогите!!! 4 класс

Составить план развития науки: 

Ситуация: заседание кабинета министров 

Твоя роль:министр науки и техники 

описание ситуации: принятие программы развития науки и техники в стране до 2030 года 

результат: предложить обоснованную программу основных направлений развития. Пречислить три главных направления в порядке их важности!

Page 13

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 14

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 15

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 16

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 17

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 18

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Page 19

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

0

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

1

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

2

Здравтсвуйте, у меня такой вопрос. Представь, что ты выводишь новый сорт. Подчеркни жёлтым карандашом признаки, которые ты хотел бы улучшить у пшеницы, красным-у моркови, зелёным-у капусты, чёрным- у любого культурного растения.

Жёсткая солома, устойчивость к вредителям, количество семян,низкорослость, развитие корня, развитие листьев, устойчивость к непогоде, количество питательных веществ.

Заранее спасибо.

3

Опросите взрослых ,что предпочитали они в материальной и духовной сферах,когда были в вашем возрасте,и заполните таблицу

4

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

5

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

6

География контурная карта 5 класс полярная звезда 2-3 стр. определите,маршруты каких великих путешественников обозначены на карте.подпишите их имена и даты путешествий над линиями,обозначающими соответствующие маршруты.

Источник: https://znanija.site/obshtestvoznanie/4451001.html

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

  • Microsoft проанализировали календари и электронную почту своих сотрудников, чтобы увидеть, что делает лидеров эффективными.
  • Постоянная сверхурочная работа оказалась плохим сигналом – из-за этого лидеры становились менее продуктивными.
  • Однако лидеры, которые регулярно проводили личные встречи со своими подчинёнными и имели широкую сеть знакомств, добивались успеха.

Как знает любой, кто следит за бейсболом или видел фильм 2011 года под названием «Moneyball» («Человек, который изменил всё» в русском прокате), знает, что любимый вид спорта американцев основан на статистике.

Каждая минута игроков отслеживается, производя массу статистики, которую и игроки, и их менеджеры используют для принятия лучших решений. Что произойдёт, если мы опробуем этот же подход на руководящем составе – именно этим вопросом недавно задались руководители Microsoft.

Что произошло потом стало темой недавно опубликованной изданием New York Times любопытной статьи Нила Ирвина, в которой он описал хронологию попыток директора по персоналу Microsoft Дона Клингхоффера и Райана Фуллера, основателя аналитического стартапа VoloMetrix, который недавно приобрела компания Microsoft, проанализировать календари и электронную почту сотрудников.

Львиная доля статьи посвящена загадочному вопросу: почему люди настолько ненавидят работать в аппаратном отделении Microsoft? (Спойлер: по большей части, это связано с раздутой культурой совещаний).

Эту статью обязательно стоит прочитать, если у вас есть полчаса лишнего времени.

Однако в попытке ответить на этот вопрос, Ирвин также опубликовал несколько кратких, легко воспринимаемых выводов, сделанных в ходе этого проекта, которые способны помочь каждому стать лучшим лидером.

1. Сверхурочная работа – признак плохого лидера

Быть лидером – это напряжённая работа, поэтому зачастую от руководящего состава мы ожидаем сверхурочной работы. Однако менеджерская статистика Microsoft говорит об обратном.

В действительности, как продемонстрировала их аналитика, «люди, которые сильно перерабатывали, не обязательно повышали свою эффективность в сравнении с сотрудниками, которые работали стандартные 40-50 часов в неделю».

Если говорить точнее, то лидеры, работавшие сверхурочно, даже наблюдали негативные аспекты такого подхода. «Когда руководители тратят большую часть своего вечера и свои выходные на работу, их подчинённые начинают замечать это поведение и сами становятся менее вовлечёнными в свою работу, как показали опросы», — замечает Ирвин.

Десятки исследований демонстрируют, что, хотя нечастые переработки – это нормально, постоянная работа более 40 часов в неделю приводит к спаду продуктивности, поэтому в этом не должно быть никакого сюрприза.

Однако популярность трудоголизма в сегодняшних условиях привела к тому, что масса лидеров не хочет слышать эти слова.

Результаты, полученные компанией Microsoft, должны стать очередным гвоздём в крышку гроба идеи о том, что привычка работать сверхурочно – это показатель хорошего лидера.

2. Личные встречи – это основа

И хотя весь этот проект Microsoft мог бы рассматриваться в качестве сплошного обвинения в сторону чрезмерного количества совещаний, это вовсе не говорит о том, что все встречи – это плохо. В действительности, как предполагается в данной аналитике, один тип встреч особенно важен для тех, кто стремится стать хорошим лидером.

«Один из главных прогнозирующих факторов успеха менеджеров среднего звена – это регулярное проведение личных встреч со своими подчинёнными», — пишет Ирвин.

3. Широкая сеть знакомств важнее глубоких отношений

Все знают, что люди, которых вы знаете – это ключ к деловому успеху, но какого рода знакомства являются наилучшими? Данные, полученные компанией Microsoft, дают чёткий ответ на этот вопрос. Когда дело касается подъёма по карьерной лестнице, важна не глубина, а ширина ваших отношений с людьми.

«Люди, у которых есть масса знакомств в разных отделах, склонны иметь более длинные и качественные карьеры внутри компании. Здесь даже наблюдалась своего рода передача этого подхода, так как менеджеры, пользовавшиеся широкой сетью знакомств, передавали эту привычку и своим сотрудникам», — сообщает Ирвин.

И опять же, это резонирует с предыдущим исследованием, которое продемонстрировало, что наличие широкой сети знакомств – то есть такой стиль жизни, при котором вы легко находите контакт с людьми из разных групп, социальных и профессиональных кругов – это один из главных прогнозирующих факторов карьерного успеха, причём не только для менеджеров, а вообще для всех работников.

Однако лишь тот факт, что эти открытия не являются революционными, вовсе не отменяет их ценность. Несмотря на имеющиеся данные, львиная доля лидеров стараются пробивать свой путь наверх, полагаясь на личные одиночные отношения с людьми, и по большей части сосредотачивают свои усилия на развитии уже имеющихся контактов, вместо того, чтобы обретать новые знакомства.

Результаты, полученные Microsoft, говорят нам о том, что следование за цифрами и внесение ряда мелких изменений способны всерьёз ускорить ваше движение на пути к становлению успешным лидером.

Источник: https://hr-portal.ru/story/microsoft-oprobovali-podhod-iz-filma-dlya-obucheniya-bolee-silnyh-liderov-vot-3-vyvoda-k

Дейкстра: Величайшей победой Запада в холодной войне над СССР был переход на IBM — myth busted

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Начнем с этой всем известной фразы. Итак, были отечественные крутые теплые ламповые (часто в буквальном смысле) наработки, уникальные, созданные талантами.

А потом руководство завело бульдозер, который срыл все это подчистую, и засадил все безликими IBM. Так меня учили.

Но по мере того, как мне попадались старые книги по программированию (а отчасти я сам свидетель той эпохи — о СССР я знаю не по рассказам), эта картина стала рушиться. У меня сейчас под рукой три книги, и мы используем их. Итак:

«Счетные» машины

Начнем с этой книжки, датированной 75 годом. В СССР компьютеров не было, были ЭВМ (электронно-вычислительные машины), но ЭВМ — это позднее сокращение, ранее машины были счетными. Например, знаменитая БЭСМ — это Большая Электронно-Счетная машина. Счетная — это для вычислений, и только для них.

Про БЭСМ-4, к которой мы еще вернемся, вики правильно утверждает «Арифметика с фиксированной запятой — рудиментарная, для целей адресной арифметики«. Кому нужен этот int, float наше все.

Но давайте откроем книжку и посмотрим, какие задачи предлагалось решать читателю: Конечно, в основном Algol-60 и был предназначен для расчетов, однако возьмем, для сравнения, русский перевод книги (перевод сделан в 67 году, а сама книга, как видно, 62го года) Вот о чем тут думают: И какие примеры приводят: А вот, кстати, 1C из 1962 года: Так как бухгалтерия — это всегда int (центов, копеек), то зарплату инженерам, обслуживающим машины БЭСМ всегда считали тетеньки из бухгалтерии — на счетах и арифмометрах. В частности, потому что арифметика целых — рудиментарная (см. выше).

Ну и как успехи с расчетами?

Пусть БЭСМ были ориентированы на расчеты. Ну так сложилось. Давайте посмотрим, что из расчетов, произведенных в СССР, вошло в историю. Выборка тенденциозная, но тем не менее.

Давайте заглянем сюда: Chronology of computation of PI и попытаемся найти БЭСМ:

Может, попробуем «святой грааль» математики, гипотезу Римана и посмотрим расчет нетривиальных нулей зэта-функции?

и снова мимо… Я буду рад, если вы найдете пример, опровергающий эту статью.

Гениальные самоделкины

Теперь посмотрим, как дело обстояло с софтом.

В помощь нам эта замечательная книга 67 года: Вот пример программирования (и, конечно же, это снова расчет): Это 67 год… Может быть, еще не были распространены языки высокоуровневого программирования? Снова берем переводную книгу 62 года: FORTRAN где-то у основания… Это 57 год, кстати.

Названия большинства языков мне ни о чем не говорят кроме того, что шло их активное развитие. Возвращаемся к БЭСМ-4: Вас может заинтересовать, что такое тут k, a, c, d и почему их с чем-то складывают. Поясню.

Так как программу можно было расположить с произвольного адреса (k), то в данном случае при программировании в кодах вам еще предлагают поработать линкером адресов. И это 67 год.

Погуляв по википедии видно, что, если создание ЭВМ, пусть даже в небольшом количестве экземпляров, было в СССР промышленностью, создание софта было гениальной сельской самодеятельностью. Компилятор Васи Пупкина в таком то институте, компилятор Пети Пупкина в другом. Да, это было очень сложно, да, хвала им, но это НЕ промышленность. Гениальные самоделкины в гараже, создающие единичные экземпляры авто без сервиса, без поддержки, завязанные на единичные таланты — это не автомобильная промышленность.

Что касается компьютерной техники СССР вообще (hardware+software), то сравнение с автомобилями очень подходит. Да, в общем, автомобили в СССР были, и да, в общем, они ездили. Салон для суровых мужиков, но едет. Особенно по бездорожью.

Само же событие по переходу на IBM (на самом деле еще и на PDP для младших моделей) подобно закупке у итальянцев линии по производству ВАЗа. Сейчас ясно, что это сильно подстегнуло промышленность. Так и в отношении ЭВМ.

На ЕС ЭВМ наконец стали считать зарплату (потому что там была двоично-десятичная арифметика) и работать с символами (потому что там были байты! а не 43-битные слова: для одно символа места слишком много, а упаковывать и распаковывать — замучаешься).

Мы получили краденый FORTRAN, PL/1 и многое другое.

И еще две вещи в конце. Мои выборки малы, поэтому если у вас есть другие данные, другие книги — опровергайте меня, я буду только рад!

И ни в коем случае я не хочу принизить роль индивидуальностей в те годы, которые на виснущем железе без отладчиков и терминалов отлаживали очень сложные программы, я сам краешком застал то время.

  • история it
  • история
  • дейкстра
  • ibm
  • algol
  • бэсм

Хабы:

Источник: https://habr.com/ru/post/483264/

Нейросеть GPT-3 от OpenAI пишет стихи, музыку и код. Почему она пока далека от настоящего ИИ, но способна поменять мир — Технологии на TJ

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Алгоритм выдаёт текст, который лишь кажется осмысленным, и на самом деле просто связывает уже созданные людьми данные.

В мае 2020 года OpenAI представила третью версию языковой модели GPT, которая позволяет генерировать текст, который не всегда можно отличить от того, что написал бы человек. В июле доступ к нейросети начали выдавать отдельным желающим, которых одобрили в компании, а разработчики в соцсетях начали восторгаться возможностям системы.

TJ рассказывает, в чём отличия GPT-3, на что способна нейросеть и почему пока далека от настоящего ИИ, но уже может всерьёз изменить жизнь людей.

Что такое GPT-3 и чем она отличается от предшественников

На момент написания этого материала GPT-3 представляла собой самую сложную языковую модель. Среди других подобных алгоритмов её выделяет «натренированность»: система обучена на 1,5 триллионах слов, а её самая крупная версия занимает около 700 гигабайт.

GPT-3 генерирует текст на основе 175 миллиардов параметров — это значение отражает её вычислительную мощность. В зависимости от количества параметров система лучше или хуже оценивает данные и придаёт каким-то из них большее значение, а каким-то меньшее.

Точность работы системы в зависимости от параметров и количества примеров контекста

Суть работы нового алгоритма по сравнению с прошлой версией не изменилась. Нейросеть анализирует огромные массивы данных из интернета и на их основе пытается предсказать текст слово за словом, но ей всё равно нужна точка отсчёта — какой-то запрос, с которым можно работать.

Причём, чем больше входных данных дать системе и чем больше у неё будет попыток, тем убедительнее может получиться текст. Например, если дать ей начало известной поэмы в стиле одного автора, она сможет продолжить её в стиле другого.

GPT-3 продолжает подход OpenAI, заложенный в GPT и GPT-2. Обе первые версии системы были адаптацией Transformer — алгоритма Google, который впервые применили в 2017 году. Его ключевой функцией было «внимание» — возможность вычислять вероятность появления того или иного слова среди других слов.

OpenAI развивала свои модели вокруг этой функции, постоянно наращивая количество параметров. В 2019 году GPT-2 уже работала с 1,5 миллиардами параметров и угодила в скандал. Тогда алгоритм научили генерировать фейковые новости и не стали сразу выпускать в открытый доступ, опасаясь вреда, который он может нанести.

В GPT-3 параметров стало в сто раз больше, а для обучения авторы использовали вдвое больше данных, чем в GPT-2. В OpenAI утверждают, что это позволило добиться «мета-обучения»: например, нейросети не нужно каждый раз переобучаться, чтобы закончить предложение — если дать ей пример, она продолжит завершать все незаконченные предложения.

GPT-3 нельзя свободно использовать: пока OpenAI даёт доступ только отдельным разработчикам и исследователям в рамках закрытого бета-теста — для этого нужно заполнить объёмную заявку и дождаться её рассмотрения. Но даже после окончания тестирования нейросеть не выпустят в открытый доступ — её планируют продавать для бизнеса по подписке.

Дизайн, музыка, истории — что уже может GPT-3

Хотя доступ к системе получили лишь немногие желающие, меньше чем за месяц алгоритм успели протестировать в самых разных сценариях: от написания песен, до создания кода и музыкальных аранжировок. По словам одного из испытавших систему разработчиков, в большинстве случаев система выдаёт убедительный результат если не с первой, то со второй или третьей попытки.

В основном, с помощью GPT-3 генерировали обычный текст: истории, песни, пресс-релизы и техническую документацию. Но один из разработчиков пошёл дальше и попросил нейросеть написать текст о самой себе — получилась статья с заголовком «GPT-3 от OpenAI может стать величайшим явлением после Bitcoin».

В материале автор рассказывал, что обучил нейросеть на собственных постах с форума bitcointalk, а потом публиковал записи, сгенерированные алгоритмом, и этого никто не заметил. Но в конце разработчик признался, что история выдумана и её написала GPT-3, хоть и не с первой попытки.

Другие разработчики обнаружили, что GPT-3 может генерировать любой вид текстовой информации, в том числе табулатуры для гитары и компьютерный код.

Так разработчик Шариф Шамим показал, что система может работать с HTML-разметкой вместо естественного языка и создавать вёрстку по текстовым запросам.

Например, можно сказать, какая кнопка и оформление должны быть у сайта — и нейросеть их визуализирует.

Помимо этого, с помощью GPT-3 Шамим создал простой генератор приложений на основе React. Достаточно написать, что должна делать программа: алгоритм сам переведёт запрос в несложный код.

Другой разработчик создал плагин для Figma на основе GPT-3, который позволяет создавать дизайн, просто давая нейросети текстовое описание.

Некоторые спрашивали у GPT-3 сложные технические вопросы, и получали корректные пояснения. Так один из разработчиков задал вопрос на медицинскую тематику, указал нейросети на корректный ответ и получил от неё развёрнутое пояснение, почему именно этот вариант ответа верный.

Один из разработчиков создал полнофункциональный поисковый движок на основе GPT-3. Он выдаёт конкретный ответ на любой вопрос и позволяет сразу узнать подробности в Википедии или в другом ресурсе, связанном с вопросом.

В одном из примеров американский студент две недели публиковал в блог тексты об успехе и мотивации, сгенерированные GPT-3. Из любопытства он запустил продвижение блога и получил 26 тысяч посетителей, из которых почти никто не догадался, что тексты написаны алгоритмом, а тех, кто догадался, минусовали другие пользователи.

Авторы бесплатной текстовой квест-игры AI Dungeon также получили доступ к GPT-3 и обновили приложение. Они утверждают, что после этого игроки получили полную свободу действий: система корректно реагирует на все запросы и придумывает мир на их основе.

Среди других примеров — чат-бот для изучения языков, который позволяет разговаривать на выбранном языке и корректирует пользователя, если тот допускает грамматическую или стилистическую ошибку.

Помимо этого, система может корректно рассчитывать химические реакции, поговорить о боге и позволяет обращаться к SQL с помощью запросов на естественном языке и не только — разработчики создали отдельный сайт, на котором собирают примеры использования GPT-3.

GPT-3 — не настоящий искусственный интеллект, но способен всерьёз повлиять на мир

В последние годы искусственным интеллектом стало принято называть практически всё, что касается нейросетей и алгоритмов машинного обучения — так проще и многим журналистам, и пользователям, которые не связаны с разработкой. Однако на самом деле до настоящего ИИ человечеству ещё далеко, а в GPT-3 нет, собственно, «интеллекта».

Хотя многие первые пользователи GPT-3 говорили, что алгоритм пишет текст, неотличимый от человеческого, и выдаёт осмысленные предложения, на самом деле внутри это всё тот же генератор текста по запросу — со всеми достоинствами и недостатками. Многие ошибочно считают, что система «понимает» контекст: на самом деле она оценивает связи между отдельными словами и расставляет наиболее вероятные слова друг за другом.

Универсальность и аккуратность GPT-3 — результат хорошей работы инженеров, а не «ума» алгоритма. В лучшем случае нейросеть умело бросает пыль в глаза, выдавая текст, похожий на человеческий, но даже таким примерам не хватает глубины проработки: это больше похоже на копирование и вставку готовой информации, нежели на осмысленный подход.

Как отметил исследователь в области ИИ Джулиан Тогелиус, зачастую GPT-3 ведёт себя как студент, который не подготовился к экзамену заранее и теперь несёт всякую чушь в надежде, что ему повезёт. «Немного известных фактов, немного полуправды, и немного откровенной лжи, соединённые воедино, на первый взгляд кажутся стройной историей», — пояснил разработчик.

Отсутствие «интеллекта» в подобных GPT-3 моделях подтверждается и исследованиями. В 2019 году команда учёных из Школы Пола Аллена и Вашингтонского университета выяснила, что даже самые лучшие языковые алгоритмы можно легко поставить в ступор, задавая всё более абсурдные вопросы.

В результате исследователи пришли к выводу, что ни одна нейросеть просто не понимает контекст беседы, поэтому не может нормально реагировать на глупые вопросы. По их данным, производительность людей в продолжении фраз составляет 95%, а у машин — ниже 50% для любой модели, включая Google Bert, похожий на GPT-2.

Как отметили учёные, основная задача осталась нерешённой. Машины всё ещё не могут делать логические выводы из текста и выводить одно из другого, как люди.

В этом смысле GPT-3 не слишком превосходит, к примеру, «нейрокомментарии», которые тоже могли продолжить фразу за пользователей. Иногда везло и получалось смешно, но чаще — абсурдно и неуместно: до нормального варианта можно было кликать достаточно долго.

Исследователи считают, что подход в наращивании параметров и данных для обучения моделей сам по себе может оказаться неверным. По оценкам учёных, если не улучшить сами алгоритмы, достижение человеческой производительности в написании текстов займёт у машин примерно 100 тысяч лет.

С критикой согласны и создатели GPT-3: авторы проекта с самого анонса писали, что у системы есть недостатки — в том числе в достижении значимой точности понимания связей между двумя предложениями. По их словам, система справляется с такими вещами «чуть лучше, чем случайно».

Как поясняли в OpenAI, создатели сами не до конца понимают, почему у GPT-3 не получается справиться с некоторыми задачами, несмотря на увеличение числа параметров. В конце концов авторы проекта пришли к выводу, что расширение модели с помощью большого количества данных и попытки предсказать язык могут быть в корне неверным подходом.

После начала закрытого тестирования GPT-3 один из сооснователей OpenAI Сэм Альтман даже попытался успокоить шумиху вокруг нейросети. Он пояснил, что команде приятно получить столько внимания, но у системы «есть серьёзные недостатки и иногда она делает глупые ошибки».

Искусственный интеллект изменит мир, но GPT-3 это лишь очень ранний проблеск. Нам ещё многое нужно понять.

Однако недостатки GPT-3 не влияют на полезность нейросети как прикладного инструмента. Хотя алгоритм пока не может заменить человека, он может серьёзно упростить жизнь людям в целом.

Даже по первым примерам от небольшой части разработчиков видно, как много разных применений можно найти GPT-3 и сколько сложных задач она может облегчить. Уже в 2020 году OpenAI запустит коммерческую версию инструмента, а значит совсем скоро обычные пользователи столкнутся с продуктами на его основе.

Сложно сказать, насколько далеко зайдёт внедрение системы, но её можно будет использовать почти в любой деятельности: от обучения языкам и программированию до упрощения ежедневной рутины.

Например, легко представить, что через год достаточно будет «скормить» этот материал какому-нибудь боту на основе GPT-3 и получить в ответ десять вариантов заголовка лучше, чем нынешний за доли секунды — останется лишь выбрать самый подходящий.

#нейросети #ии #openai #колонки #мнения

Источник: https://tjournal.ru/tech/195331-neyroset-gpt-3-ot-openai-pishet-stihi-muzyku-i-kod-pochemu-ona-poka-daleka-ot-nastoyashchego-ii-no-sposobna-pomenyat-mir

9 проблем машинного обучения

Microsoft опробовали подход из фильма для обучения более сильных лидеров – вот 3 вывода, к которым они пришли

Искусственный интеллект врывается в нашу жизнь. В будущем, наверное, все будет классно, но пока возникают кое-какие вопросы, и все чаще эти вопросы затрагивают аспекты морали и этики.

Какие сюрпризы преподносит нам машинное обучение уже сейчас? Можно ли обмануть машинное обучение, а если да, то насколько это сложно? И не закончится ли все это Скайнетом и восстанием машин? Давайте разберемся.

Разновидности искусственного интеллекта: Сильный и Слабый ИИ

Для начала стоит определиться с понятиями. Есть две разные вещи: Сильный и Слабый ИИ. Сильный ИИ (true, general, настоящий) — это гипотетическая машина, способная мыслить и осознавать себя, решать не только узкоспециализированные задачи, но еще и учиться чему-то новому.

Слабый ИИ (narrow, поверхностный) — это уже существующие программы для решения вполне определенных задач: распознавания изображений, управления автомобилем, игры в Го и так далее. Чтобы не путаться и никого не вводить в заблуждение, Слабый ИИ обычно называют «машинным обучением» (machine learning).

Про Сильный ИИ еще неизвестно, будет ли он вообще изобретен. Судя по результатам опроса экспертов, ждать еще лет 45. Правда, прогнозы на десятки лет вперед — дело неблагодарное. Это по сути означает «когда-нибудь». Например, рентабельную энергию термоядерного синтеза тоже прогнозируют через 40 лет — и точно такой же прогноз давали и 50 лет назад, когда ее только начали изучать.

Машинное обучение: что может пойти не так?

Если Сильного ИИ ждать еще непонятно сколько, то Слабый ИИ уже с нами и вовсю работает во многих областях народного хозяйства.

И таких областей с каждым годом становится все больше и больше. Машинное обучение позволяет решать практические задачи без явного программирования, а путем обучения по прецедентам. Подробнее вы можете почитать в статье «Простыми словами: как работает машинное обучение«.

Поскольку мы учим машину решать конкретную задачу, то полученная математическая модель — так называется «обученный» алгоритм — не может внезапно захотеть поработить (или спасти) человечество. Так что со Слабым ИИ никакие Скайнеты, по идее, нам не грозят: алгоритм будет прилежно делать то, о чем его попросили, а ничего другого он все равно не умеет. Но все-таки кое-что может пойти не так.

1. Плохие намерения

Начать с того, что сама решаемая задача может быть недостаточно этичной. Например, если мы при помощи машинного обучения учим армию дронов убивать людей, результаты могут быть несколько неожиданными.

Как раз недавно по этому поводу разгорелся небольшой скандал. Компания Google разрабатывает программное обеспечение, используемое для пилотного военного проекта Project Maven по управлению дронами. Предположительно, в будущем это может привести к созданию полностью автономного оружия.

Так вот, минимум 12 сотрудников Google уволились в знак протеста, еще 4000 подписали петицию с просьбой отказаться от контракта с военными. Более 1000 видных ученых в области ИИ, этики и информационных технологий написали открытое письмо с просьбой к Google прекратить работы над проектом и поддержать международный договор по запрету автономного оружия.

2. Предвзятость разработчиков алгоритма

Даже если авторы алгоритма машинного обучения не хотят приносить вред, чаще всего они все-таки хотят извлечь выгоду. Иными словами, далеко не все алгоритмы работают на благо общества, очень многие работают на благо своих создателей. Это часто можно наблюдать в области медицины — важнее не вылечить, а порекомендовать лечение подороже.

На самом деле иногда и само общество не заинтересовано в том, чтобы полученный алгоритм был образцом морали. Например, есть компромисс между скоростью движения транспорта и смертностью на дорогах.

Можно запрограммировать беспилотные автомобили так, чтобы они ездили со скоростью не более 20 км/ч.

Это позволило бы практически гарантированно свести количество смертей к нулю, но жить в больших городах стало бы затруднительно.

3. Параметры системы могут не включать этику

По умолчанию компьютеры не имеют никакого представления о том, что такое этика.

Представьте, что мы просим алгоритм сверстать бюджет страны с целью «максимизировать ВВП / производительность труда / продолжительность жизни» и забыли заложить в модель этические ограничения.

Алгоритм может прийти к выводу, что выделять деньги на детские дома / хосписы / защиту окружающей среды совершенно незачем, ведь это не увеличит ВВП — по крайней мере, прямо.

И хорошо, если алгоритму поручили только составление бюджета. Потому что при более широкой постановке задачи может выйти, что самый выгодный способ повысить среднюю производительность труда — это избавиться от всего неработоспособного населения.

Выходит, что этические вопросы должны быть среди целей системы изначально.

4. Этику сложно описать формально

С этикой одна проблема — ее сложно формализовать. Во-первых, этика довольно быстро меняется со временем. Например, по таким вопросам, как права ЛГБТ и межрасовые / межкастовые браки, мнение может существенно измениться за десятилетия.

Во-вторых, этика отнюдь не универсальна: она отличается даже в разных группах населения одной страны, не говоря уже о разных странах. Например, в Китае контроль за перемещением граждан при помощи камер наружного наблюдения и распознавания лиц считается нормой. В других странах отношение к этому вопросу может быть иным и зависеть от обстановки.

Также этика может зависеть от политического климата. Например, борьба с терроризмом заметно изменила во многих странах представление о том, что этично, а что не очень — и произошло это невероятно быстро.

5. Машинное обучение влияет на людей

Представьте систему на базе машинного обучения, которая советует вам, какой фильм посмотреть. На основе ваших оценок другим фильмам и путем сопоставления ваших вкусов со вкусами других пользователей система может довольно надежно порекомендовать фильм, который вам очень понравится.

Но при этом система будет со временем менять ваши вкусы и делать их более узкими. Без системы вы бы время от времени смотрели и плохие фильмы, и фильмы непривычных жанров. А так, что ни фильм — то в точку. В итоге вы перестаете быть «экспертами по фильмам», а становитесь только потребителем того, что дают.

Интересно еще и то, что мы даже не замечаем, как алгоритмы нами манипулируют. Пример с фильмами не очень страшный, но попробуйте подставить в него слова «новости» и «пропаганда»…

6. Ложные корреляции

Ложная корреляция — это когда не зависящие друг от друга вещи ведут себя очень похоже, из-за чего может возникнуть впечатление, что они как-то связаны. Например, потребление маргарина в США явно зависит от количества разводов в штате Мэн, не может же статистика ошибаться, правда?

Конечно, живые люди на основе своего богатого жизненного опыта подозревают, что маргарин и разводы вряд ли связаны напрямую. А вот математической модели об этом знать неоткуда, она просто заучивает и обобщает данные.

Известный пример: программа, которая расставляла больных в очередь по срочности оказания помощи, пришла к выводу, что астматикам с пневмонией помощь нужна меньше, чем людям с пневмонией без астмы.

Программа посмотрела на статистику и пришла к выводу, что астматики не умирают, поэтому приоритет им незачем.

А на самом деле такие больные не умирали потому, что тут же получали лучшую помощь в медицинских учреждениях в связи с очень большим риском.

7. Петли обратной связи

Хуже ложных корреляций только петли обратной связи. Это когда решения алгоритма влияют на реальность, что, в свою очередь, еще больше убеждает алгоритм в его точке зрения.

Например, программа предупреждения преступности в Калифорнии предлагала отправлять больше полицейских в черные кварталы, основываясь на уровне преступности — количестве зафиксированных преступлений.

А чем больше полицейских машин в квартале, тем чаще жители сообщают о преступлениях (просто есть кому сообщить), чаще сами полицейские замечают правонарушения, больше составляется протоколов и отчетов, — в итоге формально уровень преступности возрастает.

Значит, надо отправить еще больше полицейских, и далее по нарастающей.

8. «Грязные» и «отравленные» исходные данные

Результат обучения алгоритма сильно зависит от исходных данных, на основе которых ведется обучение. Данные могут оказаться плохими, искаженными — это может происходить как случайно, так и по злому умыслу (в последнем случае это обычно называют «отравлением»).

Вот пример неумышленных проблем с исходными данными: если в качестве обучающей выборки для алгоритма по найму сотрудников использовать данные, полученные из компании с расистскими практиками набора персонала, то алгоритм тоже будет с расистским уклоном.

В Microsoft однажды учили чат-бота общаться в ’е, для чего предоставили возможность побеседовать с ним всем желающим. Лавочку пришлось прикрыть менее чем через сутки, потому что набежали добрые интернет-пользователи и быстро обучили бота материться и цитировать «Майн Кампф».

«Tay» went from «humans are super cool» to full nazi in

Источник: https://www.kaspersky.ru/blog/machine-learning-ten-challenges/21193/

Все HR- сотруднику
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: