GDMMiA – porzucić projekt, czy dołączyć sztuczną inteligencję?

Opublikowany 1 listopada 2020 przez admin

Ostatnio dużo rozmawiałem na temat GDMMiA z córka Joanną i młodym informatykiem MR (ale co ciekawe – rozpoczął teraz dodatkowe studia na wydziale lekarskim). Ponieważ moje zapytanie do Microsoft o możliwość zrealizowania na moje zlecenie i własne finansowanie projektu GDMMiA nie doczekało się odpowiedzi (po co walczyć z Google czy Microsoft – wolałem ich zatrudnić 🙂 ), zacząłem się zastanawiać, czy GDMMiA ma w ogóle sens? Czy nie tracę czasu i swojej energii na prace nad tym projektem? Czy może już Google i Microsoft nad tym pracują? Inaczej mówiąc: Czy nie robię dużo dobrej, nikomu niepotrzebnej roboty :). W tym wpisie posłużę się pierwszymi (raczej nieudolnymi rysunkami), ale to od nich zaczęła się w 2011 roku idea projektu GDMMiA.

Z metodologii prowadzenia projektów Prince najważniejszą rzeczą jakiej się nauczyłem jest to, że nie ważne ile czasu i pieniędzy się zainwestowało w dane przedsięwzięcie, jeśli analiza na jednym z kamieni milowych wykaże, że projekt nie rokuje sukcesu – to należy go bezwzględnie zakończyć, aby pozbyć się “kamienia młyńskiego u szyi, który pociągnie nas na dno.

Ideą projektu było stworzenie narzędzia, które pozwoli ludziom na całym świecie realizować ich marzenia i rozwiązywać problemy życiowe i biznesowe dzięki dostępowi do najlepszej, ciągłej wiedzy (nie tylko informacji) pokazującej, jak w mądry sposób pokonać przeciwności świata. Docelowo może powstać pokolenie ekspertów w każdej dziedzinie. Oczywiście w realizacji planu trzeba to wesprzeć pieniędzmi, umiejętnościami i talentami ludzi lub maszyn.

Nie trzeba będzie być bogatym, aby mieć wiedzę dzisiaj zastrzeżona dla wąskiej, najzamożniejszej grupy miliarderów. Wystarczy zapytać np. Google z silnikiem GDMMiA, a dostanie się jedno, ale najlepsze rozwiązanie. Dzięki przejrzystości algorytmu, będzie można zobaczyć, jakie opcje można było jeszcze rozważyć, i być może wybrać własne, inne rozwiązanie. GDMMiA wyjdzie też poza Internet i sięgnie po Big Data. (taki piaty wymiar rzeczywistości). Jesli połaczy sie z rozszerzeniem zmysłów człowieka (np. sensory znajdujące się na plecach pozwalają rozumieć mowę).

Najwygodniej dla człowieka byłoby, gdyby problem rozwiązał ktoś inny, bez żadnego nakładu pracy i pieniędzy. Takie rzeczy już były w historii “Każdemu według jego potrzeb”.

Chce mieć do, mówię o tym Złotej Rybce – jutro mam już nowy dom. Bez kredytu i innych zmartwień. Na razie to utopia. Ale kto wie, co będzie robiła Sztuczna Inteligencja dla pozbawionych pracy ludzi?

Jeśli nie Złota Rybka, to może sztuczna inteligencja rozwiąże za nas wszystkie problemy? Ze sztuczną inteligencją wiążą się jednak różne problemy. Po pierwsze jeszcze nie jest na tyle rozwinięta, aby rozwiązywać złożone zadania w każdej dziedzinie. Nadal się uczy (aloe uczy się bardzo szybko). Po drugie dochodzimy do takiego poziomu, że tracimy kontrole nad procesami, które odbywają się poza kontrolą człowieka (już za nią nie nadążamy). Sieci neuronowe wytwarzaj własne schematy (nie są to już znane nam typowe algorytmy). Mamy więc sytuację tzw. “czarnej skrzynki” (Coś się tam dzieje, daje wynik, ale nikt nie wie dlaczego). Brak kontroli nad procesem decyzyjnym może skutkować poważnymi konsekwencjami prawnymi. Jeśli coś nie zadziała (np. umrze człowiek podłączony do aparatury (chipa) sztucznej inteligencji, to kto pójdzie do więzienia – algorytm, lekarz, który podłaczył maszyne i wykonał jej instrukcje, robot, który sam wykonał cała prace, inzynier, który zaprojektował wejściowy interfejs i koncepcje sieci neuronowej, ale nie wie co się dzieje wewnątrz procesów “pudełka” (“czarna dziura)”.

Można też posłużyć się algorytmem rozwiązywania problemów – co jest bardziej zrozumiałe dla człowieka i pozwala mieć kontrolę nad decyzjami.

Algorytmy stworzone tylko przez ludzi można gromadzić i katalogować oraz wyszukiwać i rozwijać np. w GDMMiA.

Można też mieć kontrolę nad rozwiązaniami problemów przez sztuczna inteligencję podporządkowując ostateczne decyzje człowiekowi np. poprzez sprzężenie SI z GDMMiA

Czy to fantazja – NIE. To już się dzieje!

Google wprowadza wyszukiwanie algorytmów tekstowych na stronach www. To nie są tylko linki do stron, to jest już inteligentnie wybrana najlepsza (wg Google) treść w danym języku logiczna treść i to w formie pisanego w edytorze tekstowym algorytmu. Niedługo będzie prawdopodobnie to w wersji międzynarodowej dzięki Tłumaczowi Google i jego SI rozpoznawania języka naturalnego. Zadamy pytanie po polsku, a otrzymamy przetłumaczony najlepszy algorytm na świecie, jaki jest aktualnie dostępny w Internecie (a co z bazami danych poza zasięgiem Google – Big Data? – myślę, że to tylko kwestia czasu!). Na rycinie widać, jak działa takie wyszukiwanie. Osobne okno z wybranym algorytmem i nie jest o reklama. W ogóle tego nie zauważamy, ale Google już nami kieruje. Algorytm “Jak ugotować jajko”

Inny algorytm – jak zmienić tapetę na mac. Z 79400000 wybrano jeden najlepszy algorytm, jeśli chcemy zmienić język wyszukiwania – jest taka opcja. Niedługo pewnie będzie od razu też z tłumaczeniem na wybrany język.

Przy tworzeniu algorytmów Globalnej Mapy Myśli (GDMMiA) można sięgnąć do zapisanych w książkach, czy stronach www zasobów wiedzy. Jak zautomatyzować ten proces?. Może wykorzystać do tego celu sztuczną inteligencję w postaci np. Generatora tekstu GPT-3 OpenAI (został on wykorzystany m.in. w philsopherai.do analizy tekstu) .

Firma Elona Muska to właśnie OpenAI. GPT to skrót od skrót od Generative Pre-trained Transformer, co oznacza generatywny przetrenowany transformator.

https://openai.com/

Jeśli będziemy mieli wersje tekstową odpowiedzi na zapytanie, to albo dostaniemy logiczny opis algorytmu (jak wyżej pokazanym artykule na temat zmiany koła w samochodzie w programie Philosopher) albo wypunktowanie kolejności działań w formie pisemnego algorytmu. Analiza tekstu pozwala już wyłapać związki logiczne w treści pisanej, a następnie stworzyć logiczny ciąg informacji w postaci algorytmu. Algorytm można wówczas dołączać do GDMMiA dzięki uczeniu maszynowemu. GDMMiA może też być “pożywką” dla programu typu Philosopher).

A co by było, gdyby Google potrafiło wyszukiwać graficzne algorytmy znajdujące się na stronach www, konwertować je do języka pisanego w edytorze tekstu i wyświetlać bardzo złożone algorytmy w formie opisowej podczas wyszukiwania w przeglądarce. Jednym słowem przejść z epoki wyszukiwania informacji w epokę dostarczania wiedzy.

A gdyby do tego celu wykorzystać sieci neuronowe + rozpoznawanie obrazu (uczenie maszynowe, głębokie uczenie) + narzędzie oparte na opisywaniu obrazów Microsoft Azure oparte na Open AI (technologia GPT3) i to wszystko włączyć do przeglądarki Google.

” What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do”

NEW DELHI Image Captioning – na tym filmie pokazano możliwość zastosowania Captcha w wyszukiwaniu obrazu w Google.

Niestety mój konsultant informatyczny MR (serdeczne podziękowania za szczerość) obawia się, że takie rozwiązanie jest bardzo trudne, lub wręcz nie możliwe obecnie do wykonania.

Nic tak mnie nie motywuje do pracy jak słowo NIEMOŻLIWE lub To się nie uda :). Jeśli nie Tak to JAK? 🙂

Globalna Dynamiczna Mapa Myśli i Algorytmów razem ze Sztuczna Inteligencją mogłaby w oparciu o tę wiedzę dołączyć narzędzie do tworzenia rozwiązań nowych problemów, które dotychczas nie mają swojego rozwiązania w sieci www i Big data.

GDMMiA – jak zautomatyzować tworzenie algorytmów z map myśli?

Opublikowany 8 października 2020 przez admin

Globalna Dynamiczna Mapa Myśli i Algorytmów (GDMMiA) , to dwa połączone ze sobą pod względem logicznym zbiory danych.Algorytmy powinny być tworzone na podstawie map myśli i analiz danych. Mapa Myśli jest narzędziem Analitycznym do rozwiązywania problemów (zebranie informacji, ich hierarchizacja, kategoryzacja, praca koncepcyjna i projektowa), natomiast z pracy analityka powstają algorytmy, które też możemy katalogować w zbiory opierając się na szablonach map myśli. Algorytmy są narzędziem Wykonawczym. Dynamiczny charakter mapom nadaje ich ciągła, rygorystyczna aktualizacja (np. przy wykorzystaniu AI).

Problemem jest jak przełożyć informacje liczbowe-tekstowe i graficzne analiz i map myśli na algorytmy. Jakich narzędzi użyć. Zastanawiam się obecnie nad takimi rozwiązaniami. Na razie liczę na społeczność internautów (ludzi) i sztuczną inteligencję.

-> Wpis GDMMiA a Sieci Neuronowe

Kolejnym wyzwaniem jest jak dodawać kolejne mapy myśli i algorytmy, aby zapewnić ich niepowtarzalność. Jak zabezpieczyć się przed wieloznacznością słów, różnic językowych, kulturowych i nie dopuścić do dublowania się rozwiązań, tak jak to ma miejsce w książkach. Dodawanie algorytmu od razu powinno weryfikować, czy w bazie danych nie ma już takiego rozwiązania.

Ideą pomysłu jest – jedna procedura – jeden algorytm. Nie można dopuścić do namnażania się zbędnych informacji. Pomysłów rozwiązania tego samego problemu może być wiele, ale algorytm powinien opisywać tylko jedno rozwiązanie dla jednego pomysłu.

Jak aktualizować algorytmy w miarę zmieniającego się stanu faktycznego?

Poprzez sztuczna inteligencję oraz platformę zamawiania i sprzedaży gotowych rozwiązań problemów (ludzie zamawiają ekspertyzę – płacą – ekspert dodaje “cegiełkę mapy myśli i algorytm” – sprzedaje zamawiającemu i innym internautom wg ceny “hurtowej”)

Czy można zautomatyzować przenoszenie treści z map myśli do algorytmów blokowych np. w programach

Takim narzędziem pozwalającym tworzyć mapy myśli i równocześnie algorytmy blokowe jest Microsoft Visio (Microsoft Visio Viwer – bezpłatnie wyświetlanie diagramów blokowych) – do tworzenia diagramów (algorytmów blokowych) oraz do dzielenia się nimi z innymi (czyli może być przydatne w GDMMiA) VISIO

Czyli jest szansa, że mapa stworzona w VISIO będzie mogła być skonwertowana do algorytmu a z niego do planu działania. Rozpoczęcie budowy GDMMiA w ramach odrębnych korporacji – można w z czasem połączyć w GDMMiA!!

źródło https://www.microsoft.com/pl-PL/microsoft-365/p/visio-standard-2019/cfq7ttc0k7cf?activetab=pivot:overviewtab

Więcej funkcji

Wykresy oparte na danych

Automatycznie generuj wykresy organizacyjne ze źródeł danych, takich jak Excel, Exchange lub Azure Active Directory.

Obsługa AutoCAD

Możliwość importowania plików DWG, w tym obsługa rozszerzonego formatu plików.
Elastyczne edytowanie

Łatwo zmieniaj kształty w istniejących diagramach, zachowując dotychczasowy układ i połączone kształty, co ułatwia zmianę wyglądu diagramu bez utraty efektów wcześniejszej pracy.

VISIO diagramy

Visio dla sieci web

Tworzenie mapy myśli w WORD

Globalna Mapa Algorytmów – schematy

Opublikowany 7 października 2020 przez admin

Chciałbym zrealizować projekt Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) – Internetu wiedzy – tworzącego pokolenie ekspertów.

Wszystkie nasze czynności są algorytmami. Inspiracją do tego projektu była moja praca lekarza konsultanta trudnych przypadków medycznych – to jest takich, w których nie udało się dotychczas ustalić rozpoznania. W medycynie możemy szybko działać, dzięki procedurom, które są niczym innym jak algorytmem zalecanym do realizacji.

Wczoraj postanowiłem poprosić przedstawiciela Microsoft Azure o odpowiedź na pytania:

1) Czy Microsoft ma już takie rozwiązanie?
2) Czy zdaniem Microsoft taki projekt jest realny i ma sens biznesowy?
3) Czy Microsoft byłby w stanie przygotować takie narzędzie i jaki byłby jego koszt takiego rozwiązania?

Zamiast pytać się, czy projekt można “zmonetyzować”, powinienem zapytać, ile ktoś mógłby zapłacić za kupno gwarantowanych co do skutku algorytmów? Np. za algorytm:

Jak zapobiec globalnemu ociepleniu?
Jak zarabiać 1 milion dolarów dziennie? 🙂

Okazuje się, że zrozumienie tematu wymaga wielu wyjaśnień (i to najlepiej po angielsku) . W tym miejscu postaram się w schematyczny sposób przekazać ideę projektu.

Ludzie muszą zmagać się z codziennymi problemami i chcą realizować swoje marzenia.(od tego rysunku się zaczęło w 2011 roku- wszystko można narysować- 🙂

Wiele z tych problemów powtarza się i u każdego z nas. Nauczyliśmy się radzić sobie z nimi dzięki własnemu doświadczeniu (wystarczy raz się oparzyć ogniem – a pamięta się to na lata) , mądrości poprzednich pokoleń przekazywanych z ust rodziców dzieciom, nauczycieli uczniom. Z czasem rady zapisywano w książkach, potem na filmach i nagraniach, a ostatnio w Internecie.

Korzystanie z doświadczeń innych pozwala nam na unikanie ich błędów, ale także przyspiesza prawidłową realizację własnych celów. Dlaczego za każdym razem musimy wywarzać otwarte drzwi. Chcesz upiec dobre ciasto – weź gotowy przepis.

Problem z przepisami jest taki, że jest ich wiele i nie są skatalogowane hierarchicznie i pod kątem ich przydatności. Nie zawsze wiemy skąd się wziął pomysł na takie, a nie inne rozwiązanie.

Google pozwala nam wyszukać tylko informacje znajdujące się na stronach www zawierających informacje zgadzające się z naszym zapytaniem (robi to coraz lepiej).

Cas potrzebny na analizę informacji i ilość odpowiedzi jest nadal przytłaczająca dla pytającego. Niestety, są to tylko INFORMACJE.

Jeśli chcemy rozwiązać problem, zmienić coś w życiu, osiągnąć swoje cele, to nie wystarczy wiedzieć COŚ? Trzeba wiedzieć DLACZEGO i W JAKI SPOSÓB?

Trudno jest wyszukiwać stare rozwiązania (szczególnie czasopismach i książkach nie wspominając o filmach) i dołączać je w prosty sposób do nowych przepisów. Przy natłoku wiedzy i raczkującej sztucznej inteligencji potrzebne jest nam narzędzie, które pozwoli natychmiastowe generowanie najlepszych rozwiązań problemów, według najbardziej aktualnej informacji, dostępne od ręki w ciągu kilku sekund.

Narzędziem takim może być sztuczna inteligencja, która po przeanalizowaniu dostępnych w całym Internecie baz danych wyciągnie z nich wnioski i stworzy algorytm pozwalający ustalić czynności i ich kolejność, aby zrealizować projekt lub rozwiązać problem.

Niestety z czasem stracimy kontrolę nad algorytmami sztucznej inteligencji, możemy się stać społeczeństwem bezwolnych analfabetów poddanych nadzorowi “wielkiego brata”.

Dla tych rozwiązań przydatne może być stworzenie inteligentnego narzędzia, które będzie wspomagało tworzenie sztucznej inteligencji (będzie jej dostarczał ludzkich algorytmów). Narzędzie to do momentu, gdy AI stanie się faktem, pozwoli także na równoległe skatalogowanie i ciągłe aktualizowanie łatwo dostępnej wiedzy. Tworzone przez ludzi świadomych, kreatywnych będzie zawierało zrozumiałe dla nas algorytmy rozwiązywania wszystkich naszych problemów. Jak to zrobić? Na chwilę obecną uważam, że cyfrowe mapy myśli spełniają najwięcej wymogów, jakie można sobie postawić w takim projekcie.

Mapy myśli pozwalają analizować problem, gromadzić linki lub informacje potrzebne do rozwiązań, tworzyć strategie, dołączać algorytmy lub pliki a algorytmami, można je eksportować do plików pdf, html, jpg, word.

Mapy myśli, a szczególnie ALGORYTMY dają szansę łatwej weryfikacji oryginalności rozwiązania (czy ktoś nie powiela tego samego pomysłu innymi słowami). Narzędzie potrzebuje niewiele treści pisanej (szybki zapoznanie się z treścią), bazy danych można przechowywać poza mapami myśli, dlatego też nie są one zbyt “danochłonne”, łatwo dołączać do mapy centralnej pojedyncze mapy dotyczące kompleksowych rozwiązań (ale mniejszych zagadnień – klocki te nazywam to “cegiełkami” mapy). Można mapę budować równocześnie przez społeczność na całym świecie (podobnie jak WIKI). Międzynarodowy dostęp do narzędzia pozwala tworzyć GLOBALNE rozwiązanie informatyczne.Do ustalenia pozostanie, czy ze względów technicznych powinna to być mapa myśli zawierająca algorytmy, czy będą to dwie oddzielne, ale sprzężone ze sobą bazy danych

“Cegiełkowy” system budowy mapy umożliwia jej ciągłą aktualizację i rozwój, ale przede wszystkim na wykorzystanie w tej architekturze technologii blockchain , która zabezpieczy dane przed hakerami, ale też może zapewnić prawa autorskie, które można skomercjalizować. Uzyskane fundusze pozwolą na samofinansowanie się projektu, mogą też przynieść duże zyski właścicielom projektu. Poszczególne elementy mapy i dołączone do niej algorytmy można wykorzystać do pisania książek, tworzenia filmów, reklam, w edukacji biznesie (M-book Shop).

Gdzie przechowywać tak olbrzymie ilości danych. Może pomocna będzie bezpieczna chmura firmy Oracle i jej system blockchain.

Procedura rozwiązywania problemów jest dość złożona

Tak wyglądała praca koncepcyjna nad tym pomysłem i wpisem. Myślenie koncepcyjne staram się zaczynać od końca, tj. od efektu jaki chcę osiągnąć, a potem szukam prawidłowości i możliwych planów realizacji.

Zaczynamy:

W GDMMiA wybieram walkę z problemem

Jak budować Mapy Myśli i Algorytmów –

Utworzyć strukturę Mapy ( klasyfikację na wzór np. klasyfikacji wyrobów i usług). W rozwiązywaniu problemów bardzo ważne jest precyzyjne zdefiniowanie problemu.W definiowaniu problemu przydatne są poprzednie mapy lub nowe ich tworzenie w oparciu o aktualne fakty lub burzę mózgów.

Pytamy: “Na czym dokładnie polega problem!”

Niepełna definicja problemu może prowadzić do zupełnie innych rozwiązań. Równocześnie może się zdarzyć sytuacja odwrotna. Wcześniej mieliśmy rozbudowany problem, z wieloma jego cechami, a w naszej sytuacji jest znacznie prostszy model. Możemy wówczas wykorzystać prostszy algorytm opracowany np. tylko dla dwóch cech.

Jeśli zarządzanie wyszukiwaniem algorytmów będzie wymagało ustrukturyzowanej hierarchicznej wersji tekstowej w edytorach tekstu – można wyeksportować mapy do plików tekstowych np. w edytorach word, czy openwriter.

Zaleta tego projektu może być łatwe i kontrolowane aktualizowanie potrzebnych nam algorytmów. Na przykład jeśli mamy algorytm opinii prawnej na dzień 1 stycznia roku 2020, a prawo zmieniono wczoraj o nowe paragrafy i wykreślono niektóre regulacje – mapa pozwala stworzyć aktualna wersję opinii prawnej – zachowując nadal aktualne przepisy o nowe rozwiązania – w wielu różnych konstelacjach opracowań eksperckich.

Dodawanie nowych cech do rozwiązywanego problemu może tak wyglądać

Jak widać, już raz opracowany algorytm można wykorzystać w innej konstelacji. To jest kolejna zaleta GDMMiA. Czerpiemy mądrość z poprzednich rozwiązań. jeśli sprawdziły się one wcześniej w praktyce, to maja one ogromną wartość. Unikamy błędów, o których nawet byśmy nie pomyśleli, oszczędzamy pieniądze oraz najważniejsza walutę jaka jest CZAS. Powstanie wówczas powiedzenie Człowiek ( w tym Polak) przed szkodą nie jest głupi. 🙂

Źródłem Mapy Algorytmów będą dotychczasowe algorytmy opisane w literaturze (szczególnie naukowej) i planach zrealizowanych z sukcesem projektów, procedury opisane w tysiącach firm. Uzupełnieniem może być sztuczna inteligencja, która przeanalizuje i przełoży tekst pisany lub grafiki, filmy na algorytmy (np. książkę przedstawi w postaci algorytmu w trybie – “Co autor miał na myśli – tylko działanie a nie opisy słowne).

W tworzeniu map myśli (Szczególnie ALGORYTMÓW) przydatne są drzewa decyzyjne (problemów i celów oraz strategiczne)

Dodawać do mapy będzie można po zweryfikowaniu nowych elementów, zachowując chronologię i autentyczność nowego schematu, stworzyć system weryfikacji jakości map (rangowanie, ocena społeczna, ocena AI). Stabilność projektu (ochronę przed hakerami), chronologię dodawania rekordów, a co za tym idzie prawo autorskie i wynalazcze może zagwarantować technologia BLOCKCHAIN. Technologia ta pozwoli także na komercyjne wykorzystanie GDMMiA dzięki tokenizacji i możliwości płatności kryptowalutami (np. Bitcoin) . Daje to GLOBALNY zasięg projektu.

Np. jeśli przedsiębiorca amerykański będzie chciał zainwestować w Polsce – może wykupić ekspertyzę znajdująca się w GDMMiA lub poprosić o jej odpłatne uzupełnienie przez prawników w USA i Polsce. Prawnicy mogą bardzo szybko dodać takie rozwiązania do GDMMiA i później odpłatnie je udostępniać innym klientom.

Do mapy będą dodawane “cegiełki” map.

Jak współtworzyć Mapy przy udziale sztucznej inteligencji (AI) – wykorzystać AI do konwersji tekstów pisanych, filmów, obrazów, dźwięków, zapachów, dotyku na algorytmy. Algorytmy dodawać do GDMMiA

Jak tworzyć listy To Do z Algorytmów – konwersja na pliki tekstowe lub graficzne

Jak eksportować dane z Mapy Myśli

Proszę zauważyć, że ładniej można by to zaprezentować, przy automatycznej zamianie obrazu na algorytm, gdyby było takie narzędzie? Ilu programistom oszczędziłoby to czasu przy przelewaniu swoje myśli z kartki papieru na algorytmy w komputerze?

JAK KOMERCJALIZOWAĆ PROJEKT? (wstępny projekt z 2011 r)

Komercjalizacja i finansowanie projektu.

Tworzenie bazy wiedzy z częściowo odpłatnym dostępem. Klient zamawia ekspertyzę – płaci- portal wykorzystuje swoje bazy + sztuczna inteligencje i płatnych ekspertów -> płatna ekspertyza. Wynik ekspertyzy dodawany jest automatycznie do mapy myśli i algorytmów – do wykorzystania w kolejnych ekspertyzach. Można szukać inwestorów – np. crowdfunding.

Jak zrealizować projekt

Prace nad projektem można zacząć od prostego narzędzia do konwersji plików graficznych do map myśli i algorytmów! Przydatne będzie narzędzie do automatyzowania tworzenia algorytmu z mapy myśli.(Sztuczna inteligencja, Uczenie maszynowe? sieci neuronowe, przetwarzanie języka naturalnego, translatory typu Tłumacz Goolgle). Trzeba połączyć zbieranie informacji, ich analizę i wyciąganie wniosków z tworzeniem list “To do”

Wirtualna i Rozszerzona rzeczywistość -Microsoft Azure – język Luna w analizach dla GDMMiA.

Opublikowany 6 października 2020 przez admin

Elementem procesu tworzenia Globalnej Dynamicznej Mapy Myśli i Algorytmów powinna być analiza problemu (lub wyzwania).

Najpierw trzeba zdefiniować problem, następnie zgromadzić jak najwięcej przydatnych informacji (przeszukiwanie baz danych – przez np. Azure, tłumacz Microsoft, konwersję treści pisanej i graficznej i wideo na algorytmy – nie znam takiego narzędzia). Następnie należy uporządkować dane. Zaproponować koncepcje rozwiązań. Przenieść je do map myśli. Powinno się stworzyć narzędzia do wizualizacji rozwiązań. Przydatne będzie pokazanie różnych wariantów danego projektu po zmianie dowolnego parametru (taką wizualizację graficzną danych może zapewnić – np. Język Luna ). Jak działać może dynamiczne projektowanie można zobaczyć przy planowaniu nowego centrum MIT w filmie Marcina Prokopa z TVN “Człowiek przyszłości”

Wyobraźnię przestrzenną i projektową może zapewnić rzeczywistość wirtualna i rozszerzona z dostępem do wielu danych i wizualnych modeli badanych pomysłów).

Już widzę menadżera w małej firmie w okularach do wirtualnej rzeczywistości, który planuje swój nowy projekt w firmie. Dzięki algorytmom GDMMiA uniknie wielu błędów i szybko podejmie najlepsze decyzję decyzję (doradcami będzie cała społeczność map algorytmów).

Wyzwaniem może być stworzenie programu, który od razu przenosił wizualizacje i koncepcje do map myśli, a z nich do algorytmów). Myślę, że zespół Azure dałby sobie z tym radę?

Warto zobaczyć : How Far is Too Far? | The Age of A.I.

Microsoft Azure – szansą na zbudowanie Globalnej Dynamicznej Mapy Myśli i Algorytmów

Opublikowany 5 października 2020 przez admin

Ostatnio próbowałem zainteresować tematem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) polskich informatyków. Niestety są tak zajęci, że może zajmą się tym w grudniu (wtedy chyba tylko po to, żeby przeprowadzić wywiad 🙂

Postanowiłem poszukać pomocy poza Polską. Okazuje się, że firma Microsoft ma świetną bazę do realizacji mojego projektu. Niestety nie ma bezpośredniego kontaktu do działu usług poznawczych i sztucznej inteligencji (czekam na odpowiedź).

Platformą do świadczenia usług dla procesów poznawczych jest Cognitive Services w Microsoft Azure.

Oferta Azure przydatna dla GDMMiA obejmuje m.in.:

sztuczną inteligencję, tłumacz 70 języków w systemie sieci neuronowych, transkrypcja mowy na tekst, analiza wideo (być może pozwoli na tworzenie algorytmów z filmów), uczenie maszynowe (do tworzenia mapy algorytmów), analizy danych pod kątem map algorytów – w tym ranking najlepszych, łańcuch bloków (block chain – pozwoli na bezpieczną strukturę map i zapewni prawa autorskie – przydatne w monetyzacji projektu oraz zadba chronologię dodawanych algorytmów), bazy danych – będą pożywka dla algorytmów), rzeczywistość mieszana umożliwi łatwiejsza komunikację oraz tworzenie wirtualnych map myśli), aplikacje mobilne – aplikacja map dostępna na urządzeniach mobilnych, sieć www – obsługa map w całym świecie, wyszukiwanie obrazem (szukamy graficznych map myśli i algorytmów, które konwertujemy na algorytmy i dodamy do GDMMiA – na razie nie znam narzędzia na świecie do takiej konwersji!??? – technicznie nie jest to chyba zbyt skomplikowane z np z do JAVA).

Źródła zrzutów ekranów użytych w prezentacji: strona www Microsoft Azure

A. Sztuczna Inteligencja i uczenie maszynowe:

Uczenie maszynowe – zakres:

B. Łańcuch bloków (blockchain)

C. Analiza wideo

D. Analiza

Teraz wystarczy wycenić aplikację – złożyć do Microsoft zamówienie – zrealizować projekt i witamy w nowym świecie 🙂

31-10-2020 – Podpisywanie obrazów przez AI (Captcha)

ostatnio dzięki uprzejmości MR otrzymałem ciekawy link do nowej usługi Microsoft ” What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do”

“In the last five years,” Huang said, “we have achieved five major human parities: in speech recognition, in machine translation, in conversational question answering, in machine reading comprehension, and in 2020, in spite of COVID-19, we got the image captioning human parity.”

Postęp w słownym opisie obrazów jest olbrzymi. Narzędzie jest wprowadzane do aplikacji Office. Podejmuje się próby natychmiastowego opisywania obrazów rejestrowanych przez oko kamery. Daje to możliwość mówienia osobie niewidzącej, co znajduje się przed pacjentem!

Dla GDMMiA powstaje szansa na zautomatyzowanie przenoszenia np. map myśli lub algorytmów znajdujących się w plikach graficznych (np. jpg) ale także na filmach (np. w “stop klatce”

Saqib Shaikh, a software engineering manager with Microsoft’s AI platform group in Redmond.

źródło

Xuedong Huang

Dla mojego projektu sukcesem byłoby, aby te algorytmy na tym zdjęciu narysowane na z tyłu na tablicy znalazły się w wersji cyfrowej w formacie algorytmu. W ilu firmach brakuje takiego narzędzia w tworzeniu projektów!

Sztuczna inteligencja karmiona algorytmami stworzonymi z big data

Opublikowany 27 września 2020 przez admin

Rozwijająca się w ostatnim czasie w bardzo w szybkim tempie sztuczna inteligencja wymaga dostarczani jej dużej ilości algorytmów. Z czasem będzie możliwe szerokie stosowanie uczenia maszynowego, które te algorytmy będzie tworzyć samodzielnie. Zalążek takich programów zależy jednak od wiedzy twórców danych innowacji. To oni tworzą algorytm – czasem lepszy, czasem gorszy. Potem, owszem, można przeprowadzać komputerowe badania modelowe, ale badamy tylko koncepcję jednego zespołu. A co by było, gdyby mogli oni skorzystać z już zweryfikowanych algorytmów z innej części świata? Ilu błędów by uniknięto? Jakich pomysłów nie byłoby w burzach mózgów ich zespołów, a są w GMMiA ? Na następnym etapie baza algorytmów byłaby “pożywką” dla komputerów, które dzięki sztucznej inteligencji (w tym głębokiego i maszynowego uczenia) mogłaby tworzyć nowy, bardziej kreatywny algorytm, o którym ludziom się nawet nie śniło (tak jak rewelacyjny ruch nr 37 w grze GO podczas meczu Lee Sedol z komputerem Google – AlphaGo).

Uważam, że koncepcja Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) mogłaby się sprawdzić w tym procesie.

Mapy algorytmów w etapie wstępnym można tworzyć ręcznie (przez ogólnoświatową społeczność – zalążkiem ich byłyby mapy myśli), można też zaimportować pliki graficzne map myśli z dotychczasowych książek, publikacji internetowych ( potrzebny by był program konwertujący grafikę do map algorytmów – nie znalazłem nigdzie takiej aplikacji) – z nich powstaną listy “to do” dla prototypów wynalazków.

Problemem jest jednak jak przełożyć dotychczasową wiedzę tekstową na algorytmy. Myślę, że z pomocą może przyjść uczenie maszynowe pracujące na big data. Być może wyszukiwarki semantyczne mogłyby wchodzić w skład silnika takiej aplikacji. Narzędzie to po analizie tekstu, stworzy algorytm podsumowujący treść danej publikacji. Algorytmu się nie oszuka!. Jeśli jest on taki sam jak w innej książce opisującej innymi słowami tę samą procedurę – od razu będzie widać, że autor książki nie wniósł nic nowego dla ludzkości (zobaczmy ile jest poradników sprzedających te same porady, ale tylko innymi słowami. Ile cennego czasu tracimy na czytanie tego samego pod innym tytułem – i to tego samego autora). Z książkami jest jak z choinką. Jest algorytm ubrany w słowa, tak jak sosna ubrana w bąbki.

Choinkę możemy ubierać w różne bąbki, ale zawsze będzie to ta sama choinka.

Ponadto uczenie maszynowe pozwoliłoby na ciągłą, zautomatyzowaną (dynamiczną) aktualizację bazy, przy współistniejącej dotychczas formie werbalnej i graficznej przedstawiania swoich myśli (książki, strony www, grafiki, zdjęcia).

To jest zupełnie inny silnik niż Google!!

Prawdopodobnie nikt takiego nie ma!!.

To nie internauta w tym narzędziu przeszukuje bazy danych. On dostaje już gotowe zaktualizowane rozwiązania (wiedzę – ekspertyzę) na swoje zapytanie. Zostaje mu jedynie jej przeanalizowanie i zaimplementowanie jej dla swoich potrzeb i podzielenie się zdobytą w ten sposób wiedzą nią z innymi (utopia – czy potrzeba czasu). Rzetelność, stabilność systemu i prawa autorskie mógłby zagwarantować blockchain.

Google daje nam cegły i cement (tylko informacje – WAT?) , mój silnik od razu gotowy dom (daje wiedzę eksperta – HOW!). Czyli bardziej zaawansowane narzędzie niż robione “ręcznie” WIKI-HOW.

Dlatego uważam, że w najbliższym czasie w realizacji GDMMiA najcenniejsze może być stworzenie konwertera grafiki na mapy myśli i algorytmów oraz stworzenie programu do uczenia maszynowego pozwalającego wyłuskać z tekstowych big data procedury do zapisania ich w algorytmach. Powstaną gotowe “cegiełki” do implementacji w projektowaniu nowych urządzeń. Może nastąpić gwałtowne przyspieszenie w rozwoju innowacji technologicznych.

Ktoś może zapytać, dlaczego dzielę się bezpłatnie pomysłami być może wartymi miliardy dolarów. Po prostu nie mam kapitału i zespołu, który podążyłby za moją wizją. Może znajdą się ludzie z podobną wizją, których zainspirują moje pomysły i wprowadzą je w życie. Nikt nie jest samotną wyspą. Współpraca przynosi najlepsze rezultaty.

BLIK po 10 do latach od konkursu City Banku i Fundacji Kronenberga

Opublikowany 20 kwietnia 2020 przez admin

10 lat temu Karolina Mamczur (teraz prowadzi SharpEye) wygrała konkurs dla uczelni wyższych Fundacji Kronenberga i banku Cityhandlowy za przedstawienie pomysłu tele-płatności – czyli z telefonu na telefon.

Pomysłem ekscytowano się już w 2012 roku (artykuł Gazety Wyborczej)

Dopiero w tym roku pierwszy raz uruchomiono taką usługę o nazwie BLIK w Polsce.

Jak widać Polacy potrafią myśleć 10 lat do przodu, a świetne pomysły nie rodzą się nie tylko w Dolinie Krzemowej. Gratulacje!!

Miło było nam było słyszeć, że podczas prezentacji BLIK używano prawie takich samych argumentów, które były przedstawione we wniosku konkursowym.

11.12.2019 BLIK wprowadza prośbę o przelew

Zjawisko innowacji technologicznych ciekawie opisał w swojej książce Innowatorzy Walter Isaacson (Insignis Media, Kraków 2016). Stwierdził, że jeśli powstaną odpowiednie warunki zewnętrzne, wiedza osiągnie określony wyższy poziom, to wielu ludzi niezależnie od siebie może wynaleźć podobne rozwiązanie podążając do niego często odmiennym tokiem myślenia i konstruowania sprzętu.

Web 2.0, Google to za mało! Czas na Web 3.0 – How to do it!

Opublikowany 9 kwietnia 2020 przez admin

Ludzie mają marzenia, aby coś osiągnąć to, czego pragną lub pozbyć się tego co im dokucza. Problem polega na tym, że jedni potrafią wyobrazić sobie wizję przyszłego rozwiązania, inni wiedzą na dny temat dużo a jeszcze inni mają wiedzę na dany temat umiejętność kreatywnego i logicznego myślenia, zarządzania oraz konsekwencję w realizacji danego projektu. Niewiele jest osób, które potrafią połączyć wszystkie te rzeczy na raz. Tacy ludzie najczęściej stają się osobami sukcesu społecznego i finansowego.

Ludzie dotychczas najlepiej radzili sobie w realizacji celów dzięki zespołom innowatorów – naukowców – inwestorów – biznesmenów – menadżerów. Rozwój nowych technologii opierał się na wynalazkach i wiedzy poprzednich pokoleń. Wiedza zapisana w książkach, przekazywana drogą ustną oraz nauka przez mistrza praktycznych działań wykonywanych przez ucznia. Powstawało społeczeństwo oparte na wiedzy teoretycznej stosowanej w określony sposób w praktyce. Wiedziano, że niezrealizowane pomysły innowatorskie są tylko halucynacjami innowatorów.

W miarę rozwoju nowych technologii człowiek szuka dodatkowych narzędzi, które pozwolą na ułatwienie mu pracy oraz zwiększą jego zdolności intelektualne i manualne oraz będą dźwignią do robienia wszystkiego szybciej, lepiej i mniejszym nakładem pracy.

Cały proces przebiega ewolucyjnie. Pojawienie się komputerów i Internetu pozwoliło na łatwiejsze zarządzanie wiedzą a możliwość tworzenia sieci społecznościowych dało możliwość współpracy dużych grup ludzi. Powstał Internet Web.2.0. Internet WIEDZY i WSPÓŁPRACY. Na jego bazie powstały duże wyszukiwarki typu Google, które skupiły się na zarabianiu dzięki wykorzystywaniu cudzej pracy opisanej na stronach WWW. Jest to narzędzie gromadzące linki do poszczególnych stron WWW oraz nadające im rangi w pozycji wyszukiwania uzależnionej od ilości wyszukiwań i oceny społeczności internetowej. Jest to przydatne narzędzie, oparte na świetnym modelu biznesowym. Niestety mimo personalizacji wyszukiwań, pozwala ono tylko docierać do biernej wiedzy zgromadzonej na stronach www i niektórych bazach danych. Pozwala jedynie tworzyć społeczeństwo i Internet oparty na wiedzy. Niestety nie wspiera najważniejszych elementów w procesie realizacji marzeń. Nie ma w nim narzędzi promujących kreatywne myślenie (tym m.in. zajmuje się dążenie w kreacji sztucznej inteligencji), motywację do działania oraz sposób w jaki należy krok po kroku zrealizować dany projekt.

Problem ten można rozwiązać za pomocą sztucznej inteligencji, która potrafi samodzielnie czerpać z dotychczasowych baz danych (także w oparciu o big data), uczyć się (w tym także na błędach), analizować dane, wyciągać logiczne wnioski i układać algorytmy i listy how to do it, jednocześnie będąc tylko pomocą, a nie zagrożeniem dla człowieka. Jest szansa, że moce obliczeniowe stworzą odpowiedniki sieci neuronowych w mózgu a nawet pewien rodzaj inteligencji emocjonalnej. Niestety dotychczasowe próby nie dają jeszcze zachęcających rezultatów. O ile ilość i szybkość przetwarzania danych przewyższają działanie mózgu człowieka, o tyle raczkujące uczenie maszynowe pozwoli na powstanie szybko działających maszyn w oparciu o duże bazy danych (np. dr Watson IBM), o tyle logiczne kreatywne myślenie tych maszyn może nie nastąpić tak szybko. Poza tym procesy uczenia się komputerów zaczynają wymykać się spod kontroli programistów. Wiedzą, że samochód jeździ, ale nie wiedzą dlaczego i jak go naprawić. Im więcej nauczą się te maszyny, a ludzie staną się zbyt leniwi, aby uczyć się współpracować z maszynami, zamiast zdawać się na ich polecenia, tym większe staje się zagrożenie dla naszego gatunku, w razie “buntu” komputerów. Musimy mieć własne schematy działania na wypadek awarii sztucznej inteligencji zabezpieczone przed awarią systemu, nawet w postaci analogowy książek z algorytmami – procedurami na wypadek awarii. Wsparciem takiego systemu może być baza algorytmów i procedur działania wynikająca z map myśli, które tłumaczą, jak dany algorytm powstał.

Dlatego uważam, że czas na bardziej interaktywne i kreatywne medium, które mówi nam nie tylko gdzie szukać konkretnej najlepszej wiedzy (biblioteki i katalogu jej książek). Czas na Internet Web 3.0. Internet wiedzy-współpracy i SKUTECZNEGO DZIAŁANIA W REALIZACJI MARZEŃ!!!.

Web 3.0

Zamiast tylko uczyć maszyny, uczmy ludzi, podnośmy ich zdolności intelektualne, aby stali się bardziej kreatywni i skuteczni w działaniu. Wyjdźmy z biernej biblioteki wiedzy, stwórzmy interaktywne narzędzie, które powie nam jak sprecyzować cele Co (What) – Dlaczego (Why?) i przede wszystkim w Jaki sposób (How to do it?) możemy tego dokonać korzystając z globalnej wiedzy i doświadczeń wszystkich ludzi. Skorzystajmy z już istniejących programów – jak Steve Jobs “ukradnijmy” już istniejące najlepsze pomysły i zastosujmy je w nowej koncepcji Web 3.0. Wykorzystajmy wirtualna rzeczywistość, big data, programy do prowadzenia projektów, map myśli, algorytmów, rozpoznawania obrazu i mowy, blockchain, uczenia maszynowego i sieci neuronowych, wyszukiwarki semantyczne, unicode (zrozumiały we wszystkich językach), rozproszonej księgi głównej.

Zamieńmy epokę kwarcu w 1000 razy wydajniejszy grafen lub tak jak ludzki mózg opartą na węglu i wodzie, sieciach neuronów – promujmy ekologię, chrońmy nasze życie i planetę. Stwórzmy maszyny AI będące współpracą a nie konkurencją.

Rozpowszechniana koncepcja Web 3.0 ogranicza się do inteligentnych wyszukiwarek semantycznych. Inteligentna, spersonalizowana odpowiedź na nasze pytanie to za mało. Człowiek potrzebuje instrukcji, strategi i list to do, aby realizować swoje marzenia. Przecież mówi się, że “marzenia to realne cele z odroczonym terminem realizacji”. Inaczej są to tylko halucynacje, mrzonki. Chciałbym, aby Web 3.0 (a może Web 4.0) zmieniła to podejście na to, aby “marzenia były bezpiecznymi, realnymi celami z określonym ( jak najkrótszym) terminem realizacji”.

Można tego dokonać w oparciu o model biznesowy, ale także na zasadach współpracy społeczności z licencjach open source (jak Wikipedia czy Linux). Tworzenie takiej platformy może wywołać kolejny internetowy bum gospodarczy, mogą powstać nowe usługi i narzędzia informatyczne. Czy jest to niemożliwe? Sądzę, że da się to zrobić z korzyścią dla całej ludzkości i naszej planety. Ludzie mogą być szczęśliwsi, ponieważ wykonają w świadomy sposób właściwe rzeczy, we właściwy sposób. Moje ulubione motto to : “Kto chce-szuka sposobu, kto nie chce szuka powodu”.

Myślę, że podczas infekcji Coronawirusem, tragedii wielu ludzi i widmie kryzysu gospodarczego przydałoby się takie narzędzie, które pozwoli wspólnie pokonać czekające nas trudności.

Nie wystarczy wiedzieć (wówczas profesorowie i Nobliści byliby najbogatszymi ludźmi na świecie. Dlatego też obserwacje pokazują, że “piątkowi uczniowie pracują dla trójkowych”. Trzeba mieć wizję, umiejętność precyzowania celów i tworzenia procedur ich realizacji oraz konsekwencje w działaniu. Bez realizacji nawet najlepsze pomysły zostaną bezużyteczne i zapomniane w Urzędzie Patentowym.

Stwórzmy narzędzie do “Szybkiego i bezpiecznego spełniania marzeń”, twórzmy listy “how to do it” – metodę wybierze wspólne działanie w praktyce.

Wiele z tych przemyśleń jest wspólnych z moja koncepcję “Globalnej Dynamicznej Mapy Myśli i Algorytmów“. Do napisania tego posta zainspirowała mnie obecna sytuacja epidemiologiczna na świecie, bezsilność w obliczu zagrożenia biologicznego oraz przeczytane ostatnio dwie książki. Pierwsza autorstwa pana profesora Andrzeja Jacka Blikle – Doktryna jakości. Wydanie II turkusowe. Rzecz o turkusowej samoorganizacji (Wydawnictwo Helion 2017) – bardzo ciekawy – partnerski (niehierachiczny)- model biznesowy oraz szczególnie pozycja Waltera Isaacsona “Innowatorzy” ( Insignis Media, Kraków 2016). Ponadto ostatnie dyskusje z Damianem Ratajczakiem na temat mojej GDMMiA z twórcą nowego portalu dla studentów medycyny Qupi.

Książka Innowatorzy uświadomiła mi jak ważny jest dorobek poprzedników, współpraca innowatorów, naukowców i biznesu w ulepszaniu naszego życia. Pokazała, że wiele rzeczy można osiągnąć wspólnie i nie zawsze muszą one wymagać wielkiego finansowania w początkowym etapie pomysłu. Dotychczas myślałem, że bez pieniędzy nikt mi nie pomoże w spełnieniu tej wizji Web3.0. Przedstawiają projekt informatykom uważali, ze to nierealne. Liczę, na to, że szukając wsparcia w społeczności Internetowej może powstać wspólny projekt, który stworzy motywacje finansowe i prestiżowe dla osób biorących w nim udział. Może przyczyni się do tworzenia bezpiecznej dla człowieka sztucznej inteligencji (AI).

COVID-19 – ilu ludzi zmarłoby, gdyby nie IT?

blockchain a Global Dynamic Mind Map & Algorithms

Opublikowany 13 września 2018 przez admin

W dniu 10 września 2018 roku odbył się w Łodzi ciekawy meetup zorganizowany przez firmę Binar Apps pt. “Blockchain business Łódź”.

Dzięki uprzejmości wiceprezesa BinarApps Macieja Krasowskiego mogliśmy zaprezentować mój pomysł na temat wykorzystania blockchain w budowaniu Globalnej Dynamicznej Mapy Myśli i Algorytmów.

Nasz projekt przestawiła moja córka adwokat Joanna Mamczur (You Tube)

Tytuł prezentacji to: “How to …? Global Dynamic Mind Map & Algorithms”

Szukamy odpowiedzi na pytanie, czy technologia blockchain pozwoli stworzyć GDMM&A (technologicznie i kosztowo)? Czy da możliwość współpracy ludzi z całego świata zachowując porządek i chronologię wpisu oraz możliwość uaktualniania baz danych?

Jak zaimplementować algorytmy z plików jpg i zdjęć do mapy myśli. Może z pomocą przyjdzie polski program Luna? Zobaczymy.

Globalna Dynamiczna Mapa Myśli i Algorytmów

Opublikowany 19 sierpnia 2018 przez admin

Budujemy nowe pokolenie ekspertów i Sztuczną Inteligencję

Rozwiązanie problemu lub realizacja marzeń wymaga kilkuetapowego postępowania.

zdefiniowanie problemu-> analiza problemu – w tym zebranie odpowiedniej wiedzy i kreatywnych rozwiązań (wizualizacja graficzna i filmowa rozwiązania) – stworzenie drzewa problemów i rozwiązań oraz algorytmów dostosowanych do konkretnych sytuacji -> wdrożenie programów i projektów realizacji – stworzenie najlepszych i powtarzalnych w nowych sytuacjach list “to do”-> implementacji do sztucznej inteligencji.

Narzędzia do gromadzenia wiedzy już mamy, nad sztuczną inteligencją potrafiącą wytwarzać algorytmy i przekazać je maszynom dopiero pracujemy.

Wadą dzisiejszych baz wiedzy (drukowanych, audio, wideo oraz ich wersji elektronicznych) jest powielanie tych samych rozwiązań tylko innymi słowami. Stąd miliony wyników wyszukiwania danej frazy, które tylko w niewielkim procencie wnoszą coś oryginalnego do naszego działania. Bazy wiedzy w większości są dopiero „paliwem” do tworzenia rozwiązywania naszych wyzwań i problemów. Informacje z nich pochodzące muszą dopiero przeanalizowane, z nich stworzone sposoby i kolejność działania, aby uzyskać sukces. Całościowa (holistyczna) analiza problemu możliwa jest dzięki różnym narzędziom – w tym np. wizualizacja graficzna, burza mózgu oraz mapy myśli (to one nie pozwalają na dublowanie treści – od razu widać, czy nowa wersja mapy wnosi coś wartościowego). Zinwentaryzowanie i hierarchizacja (nadanie kodów wyszukiwania) poszczególnych map, pozwoli wykorzystywać je w tworzeniu rozwiązań dopasowanych do nieco odmiennej sytuacji. Wytworzone rozwiązanie można dodać do istniejącej globalnej mapy i tak może działać „perpetuum mobile” rozwoju wiedzy i umiejętności ludzkości (uzupełniamy mapę o dodatkowe gałęzie). Prawidłowa mapa myśli (będąca pod nadzorem i oceną internautów- nadawanie rang podniesie wiarygodność danego modelu rozwiązań. Zaletą map myśli (np. bezpłatnej FreeMind)jest możliwość wygenerowania raportów w plikach pdf, jpg, html, openOffice Writer, TWiki. Można linkować do elementów mapy, stron www i plików zewnętrznych. Program wyszukuje frazy w obrębie mapy. Ponadto można importować do mapy i wyświetlać widok zdjęć w plikach jpg (ale są one w odrębnych katalogach- nie przenoszą się razem z kopiowaniem mapy), można wklejać skopiowane fragmenty tekstu, wpisywać i przeglądać foldery z oraz wstawiać (dołączać w dowolnym miejscu mapy zewnętrzne!!! – to jest podstawa do tworzenia Globalnej Dynamicznej Mapy Myśli i Algorytmów.

Do demonstracji tych możliwości posłużę się zabawą językową w opisywanie “dzidy bojowej” – jest to też świetny przykład tworzenia coraz bardziej rozbudowanych katalogów – a na nich chce opierać nowa przeglądarkę internetową.

Dzida składa się: z przeddzidzia, śróddzidzia i zadzidzia.

Przeddzidzie składa sie z przeddzidzia przeddzidzia, śróddziadzia przeddzidzia i zadzidzia przeddzidzia. Idąc dalej przeddzidzie przeddzidzia składa sie z przeddzidzia przeddzidzia przeddzidzia, śróddzidzia przeddzidzia przeddzidzia i zadzidzia przeddzidzia przeddzidzia. I tak dalej. 🙂

Jeśli zapiszemy to w postaci mapy myśli to otrzymamy taki obraz mapy myśli

Jeśli zaimportujemy rysunek to obraz mapy może wyglądać następująco

Poniżej pokazuję możliwości eksportu danych z mapy myśli

Na chwilą obecną może być problem z automatycznym importem do map myśli (wyszukiwanych semantycznie) i tworzeniem dodatkowych gałęzi mapy nowych informacji. Na przykład mamy opis procedury i podstawy prawnej danego zagadnienia – jak je zaktualizować bez udziału człowieka o nowe ustawy (w tym podpisane ostatniej nocy) 🙂

Mapy powinny mieć też mieć możliwość wygenerowania list protokołów staranności (must to do). Z tych map i list „to do” tworzymy algorytmy decyzyjno- wykonawcze. Algorytmy odpowiednio skodyfikowane (np. można wyjść od klasyfikacji działalności gospodarczej- lub stworzyć odrębny system), lub już używane kategorie np. przez Wikipedię – W TWiki, Media Wiki (zwróćmy uwagę na minusy stosowania w/w kategorii – mapa myśli ograniczyłaby dublowanie informacji) także będą mogły być szybko wyszukiwane i wykorzystywane w innych sytuacjach oraz w połączeniu z aktualizacją baz wiedzy, map myśli stanowić szybkie wdrażanie projektów. Jak będziemy wiedzieli co i w jakiej kolejności mamy zrobić, to pozostaje nam zdefiniowanie celów, stworzenie programów, projektów i przydzielenie zadań – ustalenie, co, kiedy i do kiedy, przez kogo, dlaczego oraz za ile ma być zrobione. Przy takich narzędziach – programach eksperckich (w informatyce zwanych ekspertowymi), każdy człowiek może stać się ekspertem w wielu dziedzinach (nawet bez wykształcenia kierunkowego – wystarczy umiejętność obsługi komputera, aby zachowując należyta staranność np. zbudować most na Wiśle. Jeśli będziemy planować nasze działania biznesowe, to już nie dojdzie do upadku tak licznej grupy firm w początkowym okresie ich działania, już nie tylko co 100-ny start-up skończyłby się sukcesem – gdzie będzie wtedy ludzkości – „kosmiczny odlot”, ochrona środowiska, oszczędności pieniędzy i zasobów. Jak się zabezpieczyć przed hakerami i brakiem zasobów do przechowywania danych – sposobem jest sieć rozproszona i kryptografia z wykorzystaniem łańcucha blokowego (blockchain).

Kto ma przeanalizować problem, stworzyć drzewa strategii i problemów, przeszukać bazy danych, stworzyć mapy myśli, algorytmy , listy „must to do” (w tym filmy instruktarzowe – np. “spryciarze.pl, storyboard= scenorys i inne) oraz plany projektów oraz wdrożyć ich realizację.

Początkowo powinien wykonywać to człowiek, ale w miarę rozwoju map w formacie „big data” będą one uzupełniane o automaty komputerowe – sztuczną inteligencję. W tej chwili rozpoczął się wyścig miedzy mocarstwami i potentatami internetowymi. Zauważono, ze sztuczna inteligencja może być motorem postępu technologicznego, naukowego ale także polityczno – militarnego. Jeśli z wyprzedzeniem będziemy wiedzieć, co w danej sytuacji zrobi konkurencja lub wróg – to odpowiednio przygotujemy nasz arsenał militarny oraz możemy wykonać uderzenie wyprzedzające na miliony wariantów, które mógłby „na piechotę”, tj. bez algorytmów, wymyślić przeciwnik. Na przykład – czy przeciwnik w danej sytuacji wystrzeli głowice atomową, gdzie ja może skierować- w czasie lotu w milisekundach oceniamy tor lotu i warianty zmiany jego toru, gdzie zniszczyć głowice z największym prawdopodobieństwem, co zrobić, jeśli obrona się nie uda – jakie procedury uruchomić na danym terenie- podobnie jest w biznesie). W to zagadnienie wpisuje się myślenie – „A co się stanie, gdy sztuczna inteligencja zaatakuje człowieka? Musimy wiedzieć, czego ją nauczyliśmy (baza map myśli i algorytmów), jaką wiedzą ona dysponuje i leczyć, ze analiza baz danych i algorytmów da człowiekowi przewagę dzięki kreatywnemu myśleniu i zaatakuje jej słabe strony, na które nie była w stanie wytworzyć swojej broni.

W chwili obecnej, gdy Google (Forbes 08/18 str. 114,116 „Sztuczna inteligencja w wyścigu po pieniądze”- Piotr Karnaszewski) zbudował system sztucznej inteligencji pozwalający wygrać z mistrzem chińskiej gry w „Go” Lee Sedola – wykonując ruchy w ciągu 0,1 sekundy ruszył wyścig. Gra GO ma ponoć więcej możliwych kombinacji niż jest atomów na ziemi. Chińczycy postawili na sztuczną inteligencję (AI) w praktyce. Wg ich założeń już 2025 sztuczna inteligencja ma być motorem napędowym chińskiego przemysłu . Szacuje się, ze za 10 lat wartość światowego rynku AI przekroczy 16 mld dolarów. „Sukcesy Chińczyków w dziedzinie badań AI biorą się z dwóch faktów: ogromnych ilości środków przeznaczonych na ten cel oraz możliwości rozwijania algorytmów. Aby zbudować sztuczna inteligencję potrzeba mnóstwa danych, a nic ich nie produkuje lepiej niż ludzie. I tu wychodzi przewaga chińskich firm technologicznych – z ich produktów korzysta aż 730 mln internautów. Dostęp do tak dużych zbiorów i wzorców zachowań z codziennego życia Chińczyków pozwala badaczom AI prowadzić badania na znacznie większą skalę i większą intensywnością niż ich zagranicznym odpowiednikom”.

Dlaczego nie wykorzystać Globalnej siły Internautów i zamienić wyszukiwarkę WWW na wyszukiwarkę wyższej generacji – GDMM i A (globalną mapę myśli i algorytmów opartej na wiedzy opisanej werbalnie ale odpowiednio przefiltrowanej pod kątem ich nowatorskiej unikatowej wiedzy i przydatności ). Stwórzmy narzędzia (np. język programowania LUNA pozwalający analizować dane w sposób graficzny z naniesionymi źródłami danych stworzony przez polskich programistów – laureatów z 2018 roku Global Impact Challenge-Wojciech Daniło i Marcin Kostrzewa) (Newsweek28.05-3.06.2018 str. 64) (niestety brak szczegółów i demo oprogramowania w internecie), społeczność oraz modele biznesowe, które pozwolą rozwijać te ideę, tak aby każdemu się opłacało tworzyć wartościowe algorytmy – firmom i indywidualnym osobom. W kontekście sztucznej inteligencji uznałem, że mój pomysł z 2011 roku o Globalnej Mapie Myśli powinienem uzupełnić o wynikającą z niej mapę Algorytmów – pozwalającą robotom szybciej implementować widzę z map myśli. Obecnie algorytmy pomagają lekarzom m.in. w diagnostyce różnicowej i stawianiu rozpoznań. Istnieją portale poświęcone algorytmom np. portal Medal (The Medical Algorithms Company – duża wyszukiwarka algorytmów i kalkulatorów medycznych),

albo też oparte na algorytmach stawianie rozpoznań Isabel(płatny) Diagnosaurus, ( był świetny portal- ale zniknął- diagnosispro i podobne) na podstawie objawów łączące algorytmy kilku objawów z prawdopodobieństwem występowania chorób oraz zaleceniami co do wykonania badań dodatkowych, które mają potwierdzić rozpoznanie. Niestety, algorytmy różnych firm mogą opierać się na innych danych – nie są porównywalne i wystandaryzowane. Mapa myśli mogłaby to uporządkować.

GDMMiA byłaby walką ze śmieciami znajdującymi się w big data. Nową wyszukiwarką -nie tylko wiedzy ale też praktycznych rozwiązań i planów działania w poszczególnych sytuacjach. Baza do robotyzacji i AI. Te moce obliczeniowe mogłyby być wykorzystane bardziej produktywnie. Ile jest obecnie w Internecie kursów , książek, filmów pseudoekspertów, które nie wnoszą nic nowego, na ile sposobów ten sam autor sprzedaje te same rozwiązania w kolejnych książkach, ubierając je tylko w inne słowa – a my tracimy czas na ich bezproduktywne czytanie (to jak stacje TV- sprzedają te same wiadomości ale z innym komentatorem) .

Sztuczna inteligencja interesuje największe firmy technologiczne. Także Apple – obecny „smok” w dziedzinie biznesowej (smok to przychód ponad 1 bilion= 10¹²Dolarów (jednorożec to miliard 10⁹) także wdraża sztuczną inteligencję upatrując w niej szanse na walkę na rozwój (nie chce być kolosem na glinianych nogach).

W chwili obecnej sztuczna inteligencja wykorzystywana jest przez Facebooka do optymalizacji reklamy, w handlu, przez chiński odpowiednik Google-Baidu do autonomicznego kierowania autobusem, w medycynie – f-ma Tencenta do wykrywania raka płuc (przeszukuje w kilka sekund bazę 300 tys. zdjęć rentgenowskich chorych z rakiem płuc i w kilka sekund porównując ze zdjęciami płuc pacjenta stawia rozpoznanie czy badany chory ma raka płuc. Podobne narzędzie do porównywania obrazu chorób skóry (jest ich 2 tysiące – a doświadczony dermatolog w swoim zżyci widział mniej niż 800) ze zmianami na skórze pacjenta. Właściwe rozpoznanie, to prawidłowe, skuteczne i szybkie leczenie. Dr Watson – mój wpis na blogu z 2.12.2016 r – Kiedyś Lem, dzisiaj sztuczna inteligencja – IBM Watson

Co zrobić, aby ludzie chcieli tworzyć GDMMiA? Ludzi motywuje sława, władza, seks i pieniądze. W tym przypadku z pomocą może przyjść kryptograficzna technologia blockchain oraz oparte na niej kryptowaluty np. bitcon. ( W Polsce tą dziedziną pasjonuje się łódzka firma BinarApss a w niej wiceprezes Maciej Krasowski– 10 września 2018 odbędzie się druga edycja meetupu “Blockchain Business Łódź” zrzeszającego fanów #blockchain i kryptowalut). Pozwala ona uszeregować wpisy w łańcuchu, których nie można zmienić (pewien rodzaj urzędu patentowego – i prawo do sławy tego, kto wprowadził pierwszy dane rozwiązanie), ma rozproszoną i kryptograficznie zabezpieczoną strukturę danych (trudną ją zaatakować hakerom) – czyli duża stabilność i oporność na przeciwności losu, można płacić za usługę stworzenia pewnego fragmentu mapy bezpiecznie i bez pośrednictwa banków. Być może wyłączy konkretnego administratora danych i pozwoli na rangowanie wartości algorytmów automatycznie przez społeczność internetową -“wykopiemy” najlepsze listy staranności i “to do”.

Optymalne byłoby importowanie do map myśli już wykonanych map ale prezentowanych w plikach graficznych – jpg, tif, powerpoint, filmowych, zdjęć ze smartfonów – pozwoliłoby to na automatyczne, małym kosztem wstępne i szybkie stworzenie GDMMiA (np. komputer dr Watson analizuje zdjęcia medyczne). Nie znam programu, który może wykonać tę funkcję, a potem połączonego z robotem przeszukującego wszystkie strony www (tak jak to robi z danymi tekstowymi Google, który skopiował i skatalogował już chyba cały Internet. Mapy myśli i algorytmów powinny się spotkać w jak najszybszym czasie uzupełniać z superinteligencja reprezentowana przez sztuczną inteligencję (sztuczny mózg, komputerowe AI, implanty domózgowe, sieci neuronowe itd.). Superinteligencja przewyższy wielokrotnie nasza sztuczną inteligencje – bo ma być wielokrotnie mądrzejsza od tego co wymyśli pojedynczy człowiek i cała ludzkość!!!

Jak zawiadywać tak olbrzymią ilością informacji, sprzęgać wizualizację graficzną z pokładami wiedzy spisanymi na stronach www – do tego przyda się wiedza i oprogramowanie dużych baz danych, czyli biga data (teraz korzysta z tego wyrafinowana korporacyjna reklama).

Przydatne będą też wykorzystywane w business intelligence: eksploracja danych , eksploracja procesów , sieci neuronowe, systemy ekspertowe oraz algorytmy genetyczne ,

Na to wszystko czekałem w moim projekcie od 2011 roku. 🙂

W czym GDMM jest lepsza na tym etapie od tworzonej superinteligencji (tj. inteligencji wyższej ni ludzka i opartej na samodzielnej analizie i wnioskowaniu komputerów? (AI)

Moim zdaniem superinteligencja chce przeskoczyć pewien etap ewolucji. Nasza ludzka wiedza powstaje ewolucyjnie dzięki kumulacji doświadczeń przez kolejne pokolenia. Nie można zacząć biegać zanim nie zaczniemy raczkować. Proponuję zatem etap pośredni, gdzie to początkowo ludzie będą sami tworzyć rozwiązania algorytmiczne poszczególnych rozwiązań drobnych problemów poprzez ich dogłębną analizę i weryfikację w konkretnych sytuacjach (ewolucyjnie słabsze wersje będą wypierane przez lepsze). Metoda jest prosta, narzędzia są już dostępne, trzeba tylko zbudować bezpieczny, globalny system do rozwijania, weryfikowania i przechowywania informacji. Jak stworzymy mapę niepowtarzalnych algorytmów (nazywam je cegiełkami mapy myśli), dajmy w ten sposób abecadło komputerom, aby stopniowo tworzyły pod kontrolą ludzi proste algorytmy. Dopiero na bazie algorytmów i map myśli zacznijmy tworzyć superinteligencję, która mając już “zaimplementowane odruchy bezwarunkowe (tak jak człowiek robi pewne rzeczy nieświadomie), będzie budować z tych “cegiełek map myśli” nowe konstelacje rozwiązań, a na bieżąco ludzie “na piechotę” i tak będą mogli od razu implementować te rozwiązania. Sprzedając własne mapy myśli z algorytmami, będą mieli motywację do tworzenia globalnej społeczności organicznie budującej GDMMiA oraz szybszy rozwój ludzkości. Na razie wyrafinowane technologie zostawmy naukowcom, a wykorzystajmy potencjał mózgów ludzi całego świata. Tutaj Chiny, czy Indie a także USA i Rosja mają olbrzymie możliwości organizacyjne, aby takie rozwiązanie wprowadzić.

W osobnych wpisach pokażę jak zaczynałem myślenie o GDMM (potem GDMMiA) wykorzystując moją wiedzę i potrzeby w automatyzacji diagnostyki trudnych przypadków chorobowych. Zainspirowała mnie one do głębszej analizy problemu wnioskowania i tworzenia nowych rozwiązań. Nie tylko Sherlock Holmes zaczerpnął myślenie z medycyny, także informatycy mogę na tym dużo skorzystać. 🙂

Proponuję też przeczytać 2 książki, które właśnie kupiłem:

Nick Bostrom – Superinteligencja. Scenariusze, strategie, zagrożenia. Helion-2016 . Oryginał z 2014 – ale już nieaktualne informacje na temat gry GO – (opisałem powyżej – komputer wygrał z graczem 1-go dana!!!) – autor – szwedzki profesor, profesor Uniwersytetu Oksfordzkiego, kierownik Instytutu Przyszłości Ludzkości działającego w ramach Oxford Martin School

oraz

Tom Griffiths i Brian Christian – Algorytmy, kiedy mniej myśleć i inne sposoby na

racjonalne życie. Wydawnictwo JK 2018

Mapy myśli jako narzędzie burzy mózgów i współpracy w chmurze opisywałem już na blogu

O blockchain w medycynie opowiada John Sotos – konsultant medyczny filmu Doktor House” w filmie Intel’s John Sotos – Distributed: Health 2017

NARZĘDZIA DO WIZUALIZACJI

Dariusz Mamczur

Trudne przypadki medyczne Nefrologia Wizualizacja

Archiwum kategorii: Wizualizacja w biznesie