🩻Когда группа сталкивается с угрозой, её реакция может кардинально различаться в зависимости от того, откуда эта угроза исходит. Угроза извне сплачивает людей, укрепляет доверие и повышает уровень сотрудничества.

😡Внутригрупповая угроза, напротив, может привести к распаду группы, подрыву доверия и снижению мотивации оставаться её частью. В новом лонге рассматривается "Модель источника групповой угрозы", которая объясняет, как и почему группы по-разному реагируют на внешние и внутренние угрозы.

👋Авторы модели используют наглядные примеры из поп - культуры (зомби, инопланетяне, вампиры), чтобы лучше проилюстрировать различия в угрозах.

Читайте в новом посте

📈 Кривая Гартнера по искуственному интеллекту: какие прогнозы?

Кривая зрелости технологий Гартнера (Gartner Hype Cycle) — это графическое представление жизненного цикла технологий, которое отображает процесс их развития от момента появления до достижения зрелости и массового внедрения. Эта методология позволяет оценить степень зрелости и практическую применимость различных технологических инноваций, а также спрогнозировать их потенциальное влияние на бизнес и общество.

📝Концепция была разработана американской исследовательской и консалтинговой компанией Gartner в 1995 году, которая специализируется на анализе рынка информационных технологий. Ежегодно Gartner выпускает более 1300 различных кривых зрелости, охватывающих свыше 1900 инноваций в различных отраслях, регионах и технологических доменах.

Кривая Гартнера включает пять ключевых этапов развития технологии:

1️⃣Технологический триггер (Technology Trigger) – этап появления инновационной технологии, сопровождающийся первыми упоминаниями в СМИ. На этой стадии обычно еще нет работающих продуктов, а коммерческая жизнеспособность технологии не доказана.

2️⃣Пик чрезмерных ожиданий (Peak of Inflated Expectations) – стадия всеобщего энтузиазма, когда новизна технологии становится поводом для широких дискуссий и громких обещаний. Возрастающий интерес и чрезмерная реклама формируют завышенные ожидания и иллюзорные представления о возможностях инновации. На деле развитие часто не поспевает за пиаром, а это неизбежно ведёт к разочарованиям и репутационным издержкам впоследствии.

3️⃣Избавление от иллюзий (Trough of Disillusionment) – фаза, когда интерес к технологии ослабевает из-за неудачных экспериментов и внедрений, наступает разочарование. На этом этапе обнаруживаются основные недостатки и ограничения технологии, а общество в этот момент зачастую ставит на технологии "крест". На этом этапе многие технологии, так и не достигнув зрелости, преждевременно завершают свой жизненный цикл.

4️⃣Преодоление недостатков (Slope of Enlightenment) – этап реабилитации, на котором достоинства инновации получают более широкое признание, а выявленные проблемы постепенно решаются. Интерес к технологии начинает возрождаться, и она находит применение в реальных коммерческих проектах.

5️⃣Плато продуктивности (Plateau of Productivity) – заключительная стадия, характеризующаяся началом массового внедрения технологии. Критерии оценки жизнеспособности становятся более четкими, а широкая применимость и актуальность технологии очевидно доказаны.

👇🏻продолжение ниже👇🏻

🧠Согласно отчету Gartner за 2024 год о тенденциях развития искусственного интеллекта, генеративный ИИ (GenAI) преодолел пик завышенных ожиданий. Аналитики компании рекомендуют организациям не фокусироваться исключительно на GenAI, а обратить внимание на развитие композитного ИИ, который сочетает различные подходы и методологии. Несмотря на текущие сложности, генеративный ИИ сохраняет потенциал стать прорывной технологией, способной существенно повлиять на создание и верификацию контента, автоматизацию рабочих процессов, а также на взаимодействие с клиентами и сотрудниками. Однако эксперты Gartner отмечают серьезные проблемы: этические ограничения, недостаточную проработку вопросов безопасности и риски злонамеренного использования, в частности создание дипфейков и распространение дезинформации.

🧩Композитный ИИ, объединяющий различные технологии искусственного интеллекта (машинное обучение, обработку естественного языка и графы знаний), знаменует следующий этап эволюции ИИ. Этот подход позволяет создавать более гибкие и масштабируемые решения, обеспечивая повышенную точность прогнозов и надежность работы. Ключевое преимущество композитного ИИ заключается в том, что при сбое одного из методов система продолжает функционировать за счет остальных компонентов.

🔝В качестве наиболее динамично развивающихся технологий 2024 года Gartner выделяет инженерию ИИ и графы знаний. Инженерия ИИ, включающая такие подходы как DataOps, ModelOps и DevOps, создает фундамент для масштабного внедрения ИИ-решений в бизнес. Графы знаний представляют собой структурированные базы знаний, которые отображают сущности реального и цифрового мира и связи между ними в машиночитаемом формате. Они обеспечивают прозрачную логику выводов и позволяют создавать сложные семантические модели для более эффективного анализа данных и принятия решений.

🤔Примечательно, что для каждой отмеченной технологии аналитики Gartner прогнозируют разный срок достижения "плато продуктивности" – некоторым прочат менее года, а другим более 10 лет. Ниже прикреплю сам график. А вы согласны с прогнозами Gartner?

#змт_факты

🤔 Что значит эта суперпопулярная фраза: "Я не знаю контрфактического сценария"?

💡 Фраза "я не знаю контрфактического сценария" стремительно набирает популярность в соцсетях. Например: "Ты рад, что выбрал эту карьеру?" — вместо уверенного "да" или "нет" можно сказать: "Я не знаю контрфактического сценария, но этот выбор сделал меня тем, кто я есть сегодня". Возможно, до России мода так отвечать ещё не дошла, так что давайте превентивно разберёмся 😅

🗯 Представьте, что вы принимаете таблетку от головной боли, и боль проходит. Помогла ли таблетка? Логично сказать "да". Но что если боль прошла бы и без нее? Как это узнать? Вот тут на сцену выходит контрфактический анализ — способ размышлять о том, что могло бы произойти, если бы условия были другими.

☝️ Когда мы говорим "я не знаю контрфактического сценария", это значит, что мы не можем точно утверждать, что именно вызвало наблюдаемое событие. В реальной жизни у нас нет "машины времени", чтобы вернуться и перепробовать все варианты, изменив одну-единственную переменную.

🙃 Зачем это знать?

Этот принцип помогает критически оценивать любые утверждения о причинах и следствиях. Например:

🔺"Этот курс научил меня мыслить критически". Откуда вы знаете? Может, вы научились этому где-то ещё или у вас уже были такие способности.

🔺"Мне повезло, что родители выбрали эту школу". Возможно, другой вариант оказался бы ещё лучше. Но вы этого никогда не узнаете.

Вопрос "Что было бы, если бы X было другим?" очень важен для науки, но как это применять в жизни? Фраза "я не знаю контрфактического сценария" может стать вашим ежедневным инструментом для осмысления сложных вопросов, она учит:

🪧 Скромности: не делайте поспешных выводов. Иногда правильный ответ — это признание неопределённости.

🪧 Критическому мышлению: прежде чем утверждать, что что-то "помогло" или "навредило", задумайтесь: а какой была бы альтернатива?

🪧 Более реалистичным ожиданиям: мы часто переоцениваем собственную способность предсказывать будущее или анализировать прошлое.

🫥 Почему это похоже на "тик"?

Если вы начнете повторять эту фразу каждый раз, когда вас спрашивают о вашем опыте, она действительно будет звучать странно. Но в этом её сила: она помогает напоминать себе (и окружающим), что мир слишком сложен для причинно-следственных выводов 😅

⚠️ Но важно знать меру в скептицизме!

Да, контрфактический анализ подчеркивает сложность причинно-следственных рассуждений. Однако это не повод сомневаться во всех выводах науки или не доверять проверенным данным. Доверяйте хорошим учёным, их работа как раз и направлена на то, чтобы создавать максимально точные модели, учитывающие всю сложность нашего мира.

😁 Может быть, этот пост изменил ваш взгляд на мир. А может быть, вы бы пришли к этим мыслям и без него. Кто знает? Я же не знаю контрфактического сценария 😉

Третий не лишний: как конфаундеры, медиаторы и модераторы помогают понять истинные связи между переменными

📊Продолжая разговор о корреляциях в статистике, сегодня хотим рассказать про особые "третьи переменные" — факторы, которые могут кардинально изменить наше понимание связей между явлениями.

🔍Почему иногда очевидная на первый взгляд связь оказывается иллюзией? Как одна переменная может объяснить механизм влияния другой? При каких условиях статистические связи усиливаются или ослабевают?

📈В нашем новом лонгриде мы разберём три ключевых типа "третьих переменных" — конфаундеры, медиаторы и модераторы — и покажем, как их понимание помогает избежать ошибочных выводов в исследованиях.

#змт_статьи

😊Выпуск с Алексеем Марковым😊

🙂Обсуждаем с Алексеем, как бюрократический аппарат повышает эффективность, но одновременно становится источником неравенства, экономических потерь и избыточного регулирования.

👨‍💻Разбираемся, почему слабая бюрократия приводит к хаосу, а её разрастание превращается в бремя для малого бизнеса и препятствие для модернизации. Почему регулирование снижает налоговые поступления, и возможно ли обуздать бюрократическую систему без разрушения самого государства?

❤️В конце выпуска — условия конкурса. Победивший получит книги Алексея (Хулиномика и Криптвоюматика) с его личными пожеланиями и автографом!

Смотрите в новом выпуске!

🩷Как обычно просим вашей поддержки (лайки, комментарии), делитесь с друзьями!

Тг-канал Алексея в комментариях

#змт_подкаст

😲 Находясь, как обычно, в выполнении 10 задач одновременно, я забыла написать, что у меня с Лизой вышла статья в рамках международного проекта в журнале Nature Human Behavior (IF - 29, один из журналов того самого Nature😍). Исследование посвящено доверию учёным в мире: как с этим связано с экономическим неравенством, демографическими показателями, политическими взглядами и т. д.

Но вот журналист Российской газеты и любитель СССР взял у меня комментарий и очень своеобразно проинтепретировал мои слова.

🙂 Вот один из интересных выводов: Россия на 4 месте с конца по доверию, но точно не из-за распада СССР (я такого не говорила). Причина низкого доверия, вероятно, кроется в следующим:

- Общая атмосфера недоверия: высокий уровень коррупции и низкий уровень доверия к государственным институтам (судам, правительству) часто коррелируют с низким доверием к науке как такому же социальному институту.

- Советское наследие: наука в СССР была тесно связана с государством и идеологией, что могло сформировать скептическое отношение к научным институтам как инструментам государственной пропаганды. Например, широко известные псевдонаучные кампании, такие как поддержка Лысенко в биологии, вероятно подорвали доверие.

- Переходный период 1990-х гг.: в этот период научные институты переживали кризис финансирования, массовую эмиграцию учёных ("утечка мозгов") и потерю общественного авторитета.

- Государственный контроль над наукой: научные исследования в некоторых странах воспринимаются как зависимые от властей, что снижает их восприятие как независимого и надёжного источника информации.

- Недостаток диалога: отсутствие прямого общения учёных с общественностью через доступные каналы также не способствует доверию.

- Низкие государственные инвестиции: в странах с низкими расходами на науку, как долю ВВП, наука воспринимается как маргинализированная область.

- Рост антинаучных настроений: в постсоветских странах наблюдается активное распространение дезинформации и псевдонаучных идей (вспомним канал РЕН-ТВ и активного сейчас "профессора" Мориарти 👎), что усиливает скепсис в отношении науки.

💕 Если говорить про само исследование, то помимо публикации результатов, мы также разработали панель визуализации данных, где любой может зайти исследовать данные и сравнивать их по странам - https://www.tisp-manylabs.com/explore-tisp-data.

P.S. теперь цель опубликоваться в таком журнале с первым или вторым авторством🥺 исследования такого уровня есть, правда, просто, за публикацию в журнале 13 тысяч долларов, но может найдется когда-то меценат 🥺

🥲 Хочу в феврале написать об экономике научных изданий, чтобы вы до конца осознавали, насколько кринжово устроен мир научных публикаций.

#змт_Альбина

❤️Когда мы говорим об отношениях, привычка многих упрощать реальность заставляет видеть мир сквозь призму полярных эмоций: любовь или ненависть, удовлетворение или разочарование.

🤩Но в жизни отношения — это сложное сплетение эмоций, которое редко поддаётся однозначному толкованию.

🤩Франческа Ригетти и её коллеги раскрывают многомерность этого клубка, предлагая модель четырёх квадрантов эмоциональной оценки

Читайте в новом посте