Обратная связь
crowdsourcing DARPA Enterprise 2.0 facilitator Gartner Google IBM idea management Imaginatik knowledge management open innovation social business Social Organization Social Platforms Spigit tacit knowledge wit-проект Witology Агенство стратегических инициатив бизнес-лига Деятельное сообщество инвестиции инновации кейсы коллективный интеллект команда Witology краудрекрутинг краудсорсеры краудсорсинг краудсорсинг-проект краудсорсинг-проекты краудфандинг менеджмент идей метаразум методология мотивация Национальная предпринимательская инициатива НПИ облачное предприятие облачные предприятия общественное благо открытые инновации отчеты предсказания приз производство знаний публикации краудсорсеров рынки предсказаний Сбербанк семинар синтеллектуальный краудсорсинг Социально-семантические сети Социальное предприятие социальные платформы социальные сети социальные технологии Социальный бизнес социо-семантическая сеть ТеМП фасилитатор футбол эпоха социализации и коллаборативизации

Алгоритм Tesla можно включать в технологическое ядро Witology

Просмотров1477
Комментариев3

77f43b381a0cda99e92b9e95077ad3d0.jpg
Самец (слева) и самка Drosophila melanogaster, иллюстрация с сайта wikipedia.org


Технологическое ядро Witology построено с использованием ряда новейших алгоритмов из совершенно различных областей: от когнитивной и социальной психологии до нейробиологии и генетики. Конечно, чтобы реализовать это технологическое ядро целиком, потребуется несколько лет и с десяток версий базовой платформы Witology. Очередность реализации различных алгоритмов зависит от многих факторов, одним из наиболее важных среди которых является уровень практической проверки эффективности алгоритмов.

Примером такой проверки, информация о которой появилась в январе этого года, является публикация «A Biological Solution to a Fundamental Distributed Computing Problem».

Речь идет об алгоритме с кодовым названием Tesla, разработанном в 2009 профессором Eric P. Xing из Carnegie Mellon’s School of Computer Science и его студентом Amr Ahmed из  Language Technology Institute. Алгоритм появился в результате исследований генетических сетей мушки дрозофилы, являющихся отличным примером системы, в которой  гены совместно решают конкретные задачи в условиях, когда ни один из генов не знает ни всех сигналов на входе, ни всех сигналов на выходе системы. Суть метода в выявлении так называемого «максимально независимого подмножества узлов сети». Метод основан на вычислительной процедуре, которая ищет множество локальных «лидеров» в сети, не зная точно ее топологию.

Алгоритм  Tesla позволяет моделировать (и предсказывать) динамику развития сетей, в которых, помимо множества известных долговременных связей, возникает множество кратковременных связей. Такая динамика присуща не только биологическим, но и социокультурным процессам.

«To our knowledge, Tesla represents the first practical and scalable method for recovering large-scale, time-varying networks underlying sociocultural and biological processes at arbitrary temporal resolutions,» the authors concluded in their report.

И прямо с моделирования генетических сетей мушки дрозофилы авторы переключились на моделирование голосований сената США по 642 законопроектам 2005 и 2006 гг. Нетрудно догадаться,  что разработка алгоритма Tesla финансировалась DARPA.

В 2010 к работе по тестированию алгоритма Tesla подключился профессор  Ziv Bar-Joseph, специализирующийся на методах компьютерного обучения. Результаты работы были опубликованы 14го января 2011:

The result, the researchers report in the Jan. 14 edition of the journal Science, is the same sort of scheme used to manage the distributed computer networks that perform such everyday tasks as searching the Web or controlling an airplane in flight. But the method used by the fly’s nervous system to organize itself is much simpler and more robust than anything humans have concocted.

На проверку алгоритма навалились основательно:

Bar-Joseph, Alon and their co-authors — Yehuda Afek of Tel Aviv University and Naama Barkai, Eran Hornstein and Omer Barad of the Weizmann Institute of Science in Rehovot, Israel — used the insights gained  from fruit flies to design a new distributed computing algorithm

В результате проведенных тестов, подтверждена не только работоспособность алгоритма, но и продемонстрирована его высокая эффективность.

In the fly, Bar-Joseph noted, the probability that any cell will self-select increases not as a function of connections, as in the typical MIS algorithm for computer networks, but as a function of time. The method does not require advance knowledge of how the cells are arranged. The communication between cells is as simple as can be.

Теперь дело за малым – адаптировать алгоритм Tesla к объектной модели Witology – динамической социо-семантической сети.

  • Опубликовать в Facebook
avatar

Sergey Karelov

Соучредитель и CTO Witology
0
Захаров Павел
1 Декабрь 2013
"Алгоритм Tesla позволяет моделировать (и предсказывать) динамику развития сетей, в которых, помимо множества известных долговременных связей, возникает множество кратковременных связей. Такая динамика присуща не только биологическим, но и социокультурным процессам"

Есть и другой алгоритм. Называется USESoft. Создан на основе концепции "Универсальная Схема Эволюции". УСЭ описывает эволюцию любых систем - биологических, технических, социальных, научных и пр., соответственно, USESoft является прикладным инструментом для решения задач в любых областях, в любых направлениях деятельности.

USESoft постоянно используется для решения задач, для исследования ситуаций в технике, производстве, обществе, природе и мышлении.

USESoft показывает направления и этапы развития (эволюции) системы, заставляет Пользователя думать «в правильном направлении» - по законам, т.е. правильно использовать имеющиеся знания о системе и помогает находить решения выявленных в системе проблем. USESoft помогает анализировать состояние систем и решать выявленные задачи, т. е. проводить изменение (эволюцию) систем не на интуитивном уровне, а с помощью явно описанных объективных (естественных) законов эволюции.

USESoft позволяет «докопаться» до истинной, чаще всего – скрытой, глубинной причины существующей в системе проблемы. Такой анализ позволяет направить силы на устранение настоящей проблемы, а не кажущейся, устраняет затратную и часто безуспешную борьбу с внешними проявлениями проблемы.

Зачем нужна программа?
Программа нужна для помощи в анализе систем, для выявления проблем, мешающих правильному развитию систем и решения выявленных задач (устранения проблем). Цель использования USESоft - обработка качественной (смысловой, описательной) информации о системе, в которой:
- уже возникли проблемы развития и их надо решать, или
- возможно возникновение проблем развития и надо предотвратить их возникновение, или, по крайней мере, хотя бы предусмотреть их появление и подготовиться.

Анализ с помощью USESoft помогает спрогнозировать появление проблем, о которых никто еще не задумывался, которые еще себя открыто не проявили, которых ещё даже нет.

На кого рассчитана программа?
Потенциальные пользователи программы – все, кто решает какие-либо задачи по улучшению (развитию) уже существующих систем или созданию новых: руководители организаций (предприятий), конструкторы, разработчики, исследователи, консультанты, эксперты и прочие лица, занимающиеся инновациями в любых сферах деятельности – технических, экономических, социальных и т. д.

Парни, давайте работать вместе!
Ответить Ссылка 0
0
Сергей Карелов
1 Декабрь 2013
Павел, мы как раз в процессе изучения http://www.triz-evolution.narod.ru/. Полагаю, что Алексей Захаров – не просто Ваш однофамилец. В любом случае, то, о чем Вы пишете весьма интересно. И похоже, нам действительно стоит поработать вместе. Не обещаю, что сам смогу скоро выйти на связь (сейчас у нас высший приоритет – реализация уже проработанного функционала, а все новые алгоритмы сдвигаются на следующую версию). Но если у Вас появятся конкретные соображения по сотрудничеству – пишите мне на sergey.karelov@witology.com
Ответить Родитель Ссылка 0
0
Захаров Павел
1 Декабрь 2013
YES! :)
Ответить Родитель Ссылка 0