небольшая и ёмкая лекция, в которой Слава Герович рассказывает кратко о своих ключевых научных сюжетах.
очень рекомендую, в ней:
- краткая история смены механицистских метафор в истории науки (в самом конце)
- как физиология по академику Павлову стала базовым способом в СССР понимать человека как специфическую машину, похожую на телефон
- взлёт и падение кибернетики в Советском союзе (но финал он не рассказывает, можно почитать базовую такую же простую статью)
- зачем и как идея обратной связи появилась в кибернетике, и как учёные берут у инженеров матефоры, и потом возвращают
- намёк на то, почему в СССР была базовая метафора нервной системы в основе технологий связи, а в США — мозг.
очень рекомендую, в ней:
- краткая история смены механицистских метафор в истории науки (в самом конце)
- как физиология по академику Павлову стала базовым способом в СССР понимать человека как специфическую машину, похожую на телефон
- взлёт и падение кибернетики в Советском союзе (но финал он не рассказывает, можно почитать базовую такую же простую статью)
- зачем и как идея обратной связи появилась в кибернетике, и как учёные берут у инженеров матефоры, и потом возвращают
- намёк на то, почему в СССР была базовая метафора нервной системы в основе технологий связи, а в США — мозг.
YouTube
Лекция Вячеслава Геровича «Человек – машина? Борьба метафор в истории науки»
10 августа прошла онлайн-лекция Вячеслава Геровича «Человек – машина? Борьба метафор в истории науки».
На протяжении веков мыслители использовали человеко-машинные метафоры для понимания и описания человека. Вслед за тем, как появлялись новые машины, менялись…
На протяжении веков мыслители использовали человеко-машинные метафоры для понимания и описания человека. Вслед за тем, как появлялись новые машины, менялись…
промежуточный результат моих двух лет в науках о духе — решила по вторникам и четвергам отказаться от словосочетания «гуманитарные науки» в быту.
если наука не отрефлексировала себя в своей исторической сложности и сомневается, что она наука среди других — жаль, конечно. но нужно работать над этим.
а как работать, если другие — явно тяжелее и сильнее?
ведь есть, допустим, «женский волейбол». вообще, в спорте похожее деление существует: мужики сильнее, женщины выносливее, дальше вопрос вида спорта.
наука, я полагаю, такой вид «спорта», когда нужно собираться в своей сейфоспейсе, но не злоупотреблять.
поэтому: понедельник, среда, пятница — говорю «гуманитаристика» и прочие хуманитас. вторник и четверг — нет. либо всё науки, либо уточняем.
суббота и воскресенье — выходные дни.
не говорю про науки. только пишу.
если наука не отрефлексировала себя в своей исторической сложности и сомневается, что она наука среди других — жаль, конечно. но нужно работать над этим.
а как работать, если другие — явно тяжелее и сильнее?
ведь есть, допустим, «женский волейбол». вообще, в спорте похожее деление существует: мужики сильнее, женщины выносливее, дальше вопрос вида спорта.
наука, я полагаю, такой вид «спорта», когда нужно собираться в своей сейфоспейсе, но не злоупотреблять.
поэтому: понедельник, среда, пятница — говорю «гуманитаристика» и прочие хуманитас. вторник и четверг — нет. либо всё науки, либо уточняем.
суббота и воскресенье — выходные дни.
не говорю про науки. только пишу.
англоязычные коллеги нашли удачный языковой ход.
когда они говорят про исследования техники как процесса, и не только замыслов, немедленно воплощённых в материю (особенно цифровую) — они говорят про социотехническое исследование.
и есть у него, значит, вот такие правила «думай как социотехнический исследователь»
конечно, я с нежной иронией, но вообще, дана бойд (руководительница центра data & society) — большая молодец, и за 10 лет собрала дельную команду.
понятно, что в data & society — много конъюнктуры (но иначе делать институцию сложно, и я вижу, как дана и коллеги держат баланс). но вообще — очень толковая работа + метод её представления.
они выпускают бюллетени-отчёты, например, мой любимый про Constant Boss. и коротко про них рассказывают. читать приятно, сути много.
ещё и историю темы добавляют, что мол, не с камер и Мишеля Фуко начался присмотр за трудящимися.
в общем, приятно, когда есть коллеги, у которых уже получилось многое из того, что мы собираем. думать как социотехнический исследователь — тоже легко и приятно.
когда они говорят про исследования техники как процесса, и не только замыслов, немедленно воплощённых в материю (особенно цифровую) — они говорят про социотехническое исследование.
и есть у него, значит, вот такие правила «думай как социотехнический исследователь»
конечно, я с нежной иронией, но вообще, дана бойд (руководительница центра data & society) — большая молодец, и за 10 лет собрала дельную команду.
понятно, что в data & society — много конъюнктуры (но иначе делать институцию сложно, и я вижу, как дана и коллеги держат баланс). но вообще — очень толковая работа + метод её представления.
они выпускают бюллетени-отчёты, например, мой любимый про Constant Boss. и коротко про них рассказывают. читать приятно, сути много.
ещё и историю темы добавляют, что мол, не с камер и Мишеля Фуко начался присмотр за трудящимися.
в общем, приятно, когда есть коллеги, у которых уже получилось многое из того, что мы собираем. думать как социотехнический исследователь — тоже легко и приятно.
Forwarded from нейро гараж (Азиз Аширов)
Гулял вчера часок по Москве и наткнулся на новые криповые светофоры с камерами, про которые писала одна из основательниц этого канала — вика.
Вся Москва усыпана бесконечной россыпью камер, но эти новые напомнили слова слова Уильяма Гибсона
«Если хотите понять новую технологию, спросите себя, как ею воспользуются преступник, политик и полицейский.»
В контексте нашей темы сразу вспоминается PredPol — система, которая предсказывала преступления с помощью ИИ.
Особое мнение с Томом Крузом — уже часть нашей истории.
PredPol, ранее известная как Geolitica, начиналась как проект Департамента полиции Лос-Анджелеса и профессора Джеффа Брэнтингема. Интересно, что его алгоритм основан на модели, которая предсказывает повторные толчки землетрясений. В 2010-х PredPol стала одной из самых популярных систем прогнозирования преступлений в США. Она обещала полицейским эффективный способ предотвращения краж, взломов и других имущественных преступлений, предоставляя карты с зонами, где с наибольшей вероятностью произойдут правонарушения. Офицеры патрулировали эти зоны, пытаясь предотвратить преступления до их совершения.
Но результаты оказались неоднозначными. Исследования показали, что точность предсказаний PredPol часто ниже ожиданий. В Лос-Анджелесе, где PredPol была внедрена первой, не удалось доказать, что система снижает уровень преступности. Более того, её критиковали за расовую предвзятость: алгоритм чаще направлял полицию в бедные и неблагополучные районы, усиливая давление на них.
Несмотря на обещания технологий, в 2020 году многие города, включая Лос-Анджелес и Санта-Крус, отказались от PredPol из-за низкой эффективности и высоких затрат.
Ссылки:
- Ethical Implications of AI in Predictive Policing
- Examining Privacy Risks in AI Systems
- Predictive policing на gitbooks
- 4 Benefits And 4 Drawbacks Of Predictive Policing
- What is Predictive Policing?
Вся Москва усыпана бесконечной россыпью камер, но эти новые напомнили слова слова Уильяма Гибсона
«Если хотите понять новую технологию, спросите себя, как ею воспользуются преступник, политик и полицейский.»
В контексте нашей темы сразу вспоминается PredPol — система, которая предсказывала преступления с помощью ИИ.
Особое мнение с Томом Крузом — уже часть нашей истории.
PredPol, ранее известная как Geolitica, начиналась как проект Департамента полиции Лос-Анджелеса и профессора Джеффа Брэнтингема. Интересно, что его алгоритм основан на модели, которая предсказывает повторные толчки землетрясений. В 2010-х PredPol стала одной из самых популярных систем прогнозирования преступлений в США. Она обещала полицейским эффективный способ предотвращения краж, взломов и других имущественных преступлений, предоставляя карты с зонами, где с наибольшей вероятностью произойдут правонарушения. Офицеры патрулировали эти зоны, пытаясь предотвратить преступления до их совершения.
Но результаты оказались неоднозначными. Исследования показали, что точность предсказаний PredPol часто ниже ожиданий. В Лос-Анджелесе, где PredPol была внедрена первой, не удалось доказать, что система снижает уровень преступности. Более того, её критиковали за расовую предвзятость: алгоритм чаще направлял полицию в бедные и неблагополучные районы, усиливая давление на них.
Несмотря на обещания технологий, в 2020 году многие города, включая Лос-Анджелес и Санта-Крус, отказались от PredPol из-за низкой эффективности и высоких затрат.
Ссылки:
- Ethical Implications of AI in Predictive Policing
- Examining Privacy Risks in AI Systems
- Predictive policing на gitbooks
- 4 Benefits And 4 Drawbacks Of Predictive Policing
- What is Predictive Policing?
Telegram
сюжет это оптика,
новые московские светофоры с камерой над знаками и вот этим покачивающимся персонажем — чисто зловещая долина
также заметим, что предиктивные методы, которые вводились до 2020 года, то есть до пандемии — часто показывали свою неэффективность.
а после мер, введённых в пандемию — возвращались уже на новых основаниях.
говоря проще, способов отслеживать и фиксировать всё подряд — стало кратно больше, а люди стали втягиваться в них охотнее.
но особенно тут интересны образы на светофорах. крипота без простоты.
Please open Telegram to view this post
VIEW IN TELEGRAM
встретила нового интеллектуального краша.
Эндрю Илиадис удивительным образом ходит по кромкам тех же сюжетов, что интересны и мне в современном витке моей деятельности:
- семантика и «генеративность» знания в интернете: наконец начала разбираться с его помощью в том, как возникли идеи про схематизацию знания в том виде, как это принято в современных интернетах.
по ссылке — книга, но для введения можно прочитать статью (1): там про то, как формируется семантическая инфраструктура знания в формате вики, какие онтологии для этого есть и как они устроены. статья хороша тем, что описывает всё это критически, и показывает «работу данных», а не просто «привет, алгоритмы это вот так».
- подробное исследование того, как формируются данные для образования и студентов: археология коробочек, с которыми «должны» быть соотнесены знания (2). заодно понятно, как показывать студент/кам, что такое данные и из чего они состоят (а не богом данные).
- также Илиадис интересовался моим любимым Симондоном, и даже написал статью про информационные онтологии и индивидуацию у него (3). там очень крутое объяснение того, почему с теорией информации по Винеру есть проблемы: она предполагает, что точно известно, где источник, а где приёмник информации. а вообще-то всё устроено куда сложнее, и границы всегда конкретизируются в процессе коммуникации.
- а когда-то моё знакомство с ним началось с изучения этого (4) текста-введения про то, что такое критические исследовани данных (мой любимый как препода курс). прекрасная база, библиография —🤍 🤍 🤍 .
- на десерт (сама ещё только начала) — диссертация про онтологию, Вавилонскую башню и как мы дошли до данных (5). даже оглавление читается как детектив (как же хочется времени в сутках, чтобы толком прочитать этот опус магнум).
1) Ford, H., & Iliadis, A. (2023). Wikidata as semantic infrastructure: Knowledge representation, data labor, and truth in a more-than-technical project. Social Media+ Society, 9(3), 20563051231195552.
2) Iliadis, A., Liao, T., Pedersen, I., & Han, J. (2021). Learning about metadata and machines: Teaching students using a novel structured database activity. Journal of Communication Pedagogy, 4, 152-165.
3) Iliadis, A. (2013). Informational ontology: The meaning of Gilbert Simondon’s concept of individuation. communication+ 1, 2(1).
4) Iliadis, A., & Russo, F. (2016). Critical data studies: An introduction. Big Data & Society, 3(2), 2053951716674238.
5) Iliadis, A. J. (2016). A black art: Ontology, data, and the Tower of Babel problem (Doctoral dissertation, Purdue University).
Эндрю Илиадис удивительным образом ходит по кромкам тех же сюжетов, что интересны и мне в современном витке моей деятельности:
- семантика и «генеративность» знания в интернете: наконец начала разбираться с его помощью в том, как возникли идеи про схематизацию знания в том виде, как это принято в современных интернетах.
по ссылке — книга, но для введения можно прочитать статью (1): там про то, как формируется семантическая инфраструктура знания в формате вики, какие онтологии для этого есть и как они устроены. статья хороша тем, что описывает всё это критически, и показывает «работу данных», а не просто «привет, алгоритмы это вот так».
- подробное исследование того, как формируются данные для образования и студентов: археология коробочек, с которыми «должны» быть соотнесены знания (2). заодно понятно, как показывать студент/кам, что такое данные и из чего они состоят (а не богом данные).
- также Илиадис интересовался моим любимым Симондоном, и даже написал статью про информационные онтологии и индивидуацию у него (3). там очень крутое объяснение того, почему с теорией информации по Винеру есть проблемы: она предполагает, что точно известно, где источник, а где приёмник информации. а вообще-то всё устроено куда сложнее, и границы всегда конкретизируются в процессе коммуникации.
- а когда-то моё знакомство с ним началось с изучения этого (4) текста-введения про то, что такое критические исследовани данных (мой любимый как препода курс). прекрасная база, библиография —
- на десерт (сама ещё только начала) — диссертация про онтологию, Вавилонскую башню и как мы дошли до данных (5). даже оглавление читается как детектив (как же хочется времени в сутках, чтобы толком прочитать этот опус магнум).
1) Ford, H., & Iliadis, A. (2023). Wikidata as semantic infrastructure: Knowledge representation, data labor, and truth in a more-than-technical project. Social Media+ Society, 9(3), 20563051231195552.
2) Iliadis, A., Liao, T., Pedersen, I., & Han, J. (2021). Learning about metadata and machines: Teaching students using a novel structured database activity. Journal of Communication Pedagogy, 4, 152-165.
3) Iliadis, A. (2013). Informational ontology: The meaning of Gilbert Simondon’s concept of individuation. communication+ 1, 2(1).
4) Iliadis, A., & Russo, F. (2016). Critical data studies: An introduction. Big Data & Society, 3(2), 2053951716674238.
5) Iliadis, A. J. (2016). A black art: Ontology, data, and the Tower of Babel problem (Doctoral dissertation, Purdue University).
Please open Telegram to view this post
VIEW IN TELEGRAM
между тем, мы запустили городской лекторий.
каждый две недели в Петербурге товарищи и коллеги из DH-центра читают лекции. дело происходит в Брусницыне, это в пространстве бывшего завода на Васильевском острове.
в ноябре на берегу Невы особенно хорошо: ветер там всегда немилосерден, а если добавляется снегодождь и град, то петербуржцы и гости города оценят идею закрытых помещений.
так вот, наш лекторий — в закрытом помещении.
начали мы в идиллическом октябре. 19 октября Илья Смирнов рассказывал про то, как оцифровать болезнь. для непопавших Илья составил список текстов. можно их почитать.
а сегодня!
сегодня ещё можно успеть и узнать про гламурные данные.
если вы попадаете, не открывайте спойлер. но я расскажу для тех, кто не будет в Петербурге этой субботой.
дело вот в чём.
для тех, кто занимается цифровыми гуманитарными делами, есть игра слов:
glam — galleries, libraries, archives, museums
галереи, библиотеки, архивы, музеи — в них проходит, так сказать, ядро цифровой гуманитарной деятельности.
но слово гламур — оно ещё и про моду, стиль. Карина будет рассказывать про хрупкое, одежду, культуру и разные формы её цифрового представления.
у Карины очень интересный материал, и немного о нём можно почитать заранее тут. но лучше, конечно, слушать и участвовать.
https://www.group-telegram.com/dhcenter/706
каждый две недели в Петербурге товарищи и коллеги из DH-центра читают лекции. дело происходит в Брусницыне, это в пространстве бывшего завода на Васильевском острове.
в ноябре на берегу Невы особенно хорошо: ветер там всегда немилосерден, а если добавляется снегодождь и град, то петербуржцы и гости города оценят идею закрытых помещений.
так вот, наш лекторий — в закрытом помещении.
начали мы в идиллическом октябре. 19 октября Илья Смирнов рассказывал про то, как оцифровать болезнь. для непопавших Илья составил список текстов. можно их почитать.
а сегодня!
сегодня ещё можно успеть и узнать про гламурные данные.
если вы попадаете, не открывайте спойлер. но я расскажу для тех, кто не будет в Петербурге этой субботой.
для тех, кто занимается цифровыми гуманитарными делами, есть игра слов:
glam — galleries, libraries, archives, museums
галереи, библиотеки, архивы, музеи — в них проходит, так сказать, ядро цифровой гуманитарной деятельности.
но слово гламур — оно ещё и про моду, стиль. Карина будет рассказывать про хрупкое, одежду, культуру и разные формы её цифрового представления.
у Карины очень интересный материал, и немного о нём можно почитать заранее тут. но лучше, конечно, слушать и участвовать.
https://www.group-telegram.com/dhcenter/706
Telegram
DH Center ITMO University
💅Гламурные данные: как оцифровать культуру?
Продолжаем серию лекций в культурном квартале Брусницын. 2 ноября встречаемся на лекции Карины Никифоровой о культуре и цифре.
🤍Оцифровка кажется простым способом «сохранить на века» любой объект культуры: от…
Продолжаем серию лекций в культурном квартале Брусницын. 2 ноября встречаемся на лекции Карины Никифоровой о культуре и цифре.
🤍Оцифровка кажется простым способом «сохранить на века» любой объект культуры: от…
исследование про миры и круги цифровых гуманитарных всех-всех. замечательное во многих отношениях:
- представляет метод data sprint, изящный ход между большими и толстыми (окей, насыщенными) данными
- объясняет, что некоторые тексты — это ядро темы, а некоторые авторы и книги (Богост, Манович) — мосты между кластерами. и удивительные вещи внутри DH, например, делёзианский кластер.
- рассказывает про разнообразие digital humanties, без бурной рефлексии, исключительно по материалам книжек (в разных деталях и масштабах)
- показывает, как учёным работать с социальными графами плотно и полезно.
- ну и да, Дэвид Берри, Энн Хелмонд, Джилл Реттберг (и остальные) — это какой-то оскароносный состав авторов. как будто Уэс Андерсон снял новое кино.
цитировать удобно так:
Berry, D. M., Borra, E., Helmond, A., Plantin, J. C., & Rettberg, J. W. (2015). The data sprint approach: exploring the field of Digital Humanities through Amazon’s application programming interface. Digital Humanities Quarterly, 9(4).
#rawreading
- представляет метод data sprint, изящный ход между большими и толстыми (окей, насыщенными) данными
- объясняет, что некоторые тексты — это ядро темы, а некоторые авторы и книги (Богост, Манович) — мосты между кластерами. и удивительные вещи внутри DH, например, делёзианский кластер.
- рассказывает про разнообразие digital humanties, без бурной рефлексии, исключительно по материалам книжек (в разных деталях и масштабах)
- показывает, как учёным работать с социальными графами плотно и полезно.
- ну и да, Дэвид Берри, Энн Хелмонд, Джилл Реттберг (и остальные) — это какой-то оскароносный состав авторов. как будто Уэс Андерсон снял новое кино.
цитировать удобно так:
Berry, D. M., Borra, E., Helmond, A., Plantin, J. C., & Rettberg, J. W. (2015). The data sprint approach: exploring the field of Digital Humanities through Amazon’s application programming interface. Digital Humanities Quarterly, 9(4).
#rawreading
про Трампа и институты.
Дональд Трамп выиграл выборы на пост президента США, а Камала Харрис проиграла.
Дональд Трамп — старый толстосум и забияка.
Камала Харрис — молодая привелигированная женщина-управленец.
очевидно, что никто из них не похож на желанного лидера страны. про эти выборы уже написали и ещё напишут много интересного.
будь я в США, я бы переживала, так как в академическом и интеллектуальном деле — Трамп заставляет менять правила игры, финансирование сокращается, рамки бесконтрольно меняются.
с другой стороны, чем быстрее входишь в ситуацию «оно изменилось», тем больше шансов дожить до её конца.
извне США, я вижу эту ситуацию как ситуацию выбора между институтами и государством.
институты: Камала Харрис, демократы
государство: Дональд Трамп, республиканцы.
(сейчас расклад такой, будет меняться)
Америка в политфилософском смысле — удивительным образом сумела совместить институциональную и государственную власть. это совмещение новаторское и далось американцам большим трудом и кровью. удерживать его долго — невозможно, так как:
а) государство не является институтом (как образование, здравоохранение и пр)
б) государство не состоит из институтов и не сводимо к ним.
дальше можно вспомнить историю (церковь как прото-институт и государство, их непростые отношения).
можно почитать институционалистов в социологии и экономике (от Аузана до журнала «экономическая социология»).
можно посмотреть вокруг себя и подумать. тоже интересно.
конфликт государств и институтов сегодня — это более болезненная и сложная ситуация сегодня, чем 100 лет назад, потому что институты разрослись.
(вспомним Кафку — когда-то окружающая нас бюрократия типа госуслуг и капчи была редкостью и дичью)
а ещё есть корпорации, которые мечутся между государствами и институтами, и предлагают свой как бы третий путь.
американский выбор Трампа — про сочетание денег + государства.
и пока институты не изменятся, они будут проигрывать.
думаю, это нравоучительный пример.
Дональд Трамп выиграл выборы на пост президента США, а Камала Харрис проиграла.
Дональд Трамп — старый толстосум и забияка.
Камала Харрис — молодая привелигированная женщина-управленец.
очевидно, что никто из них не похож на желанного лидера страны. про эти выборы уже написали и ещё напишут много интересного.
будь я в США, я бы переживала, так как в академическом и интеллектуальном деле — Трамп заставляет менять правила игры, финансирование сокращается, рамки бесконтрольно меняются.
с другой стороны, чем быстрее входишь в ситуацию «оно изменилось», тем больше шансов дожить до её конца.
извне США, я вижу эту ситуацию как ситуацию выбора между институтами и государством.
институты: Камала Харрис, демократы
государство: Дональд Трамп, республиканцы.
(сейчас расклад такой, будет меняться)
Америка в политфилософском смысле — удивительным образом сумела совместить институциональную и государственную власть. это совмещение новаторское и далось американцам большим трудом и кровью. удерживать его долго — невозможно, так как:
а) государство не является институтом (как образование, здравоохранение и пр)
б) государство не состоит из институтов и не сводимо к ним.
дальше можно вспомнить историю (церковь как прото-институт и государство, их непростые отношения).
можно почитать институционалистов в социологии и экономике (от Аузана до журнала «экономическая социология»).
можно посмотреть вокруг себя и подумать. тоже интересно.
конфликт государств и институтов сегодня — это более болезненная и сложная ситуация сегодня, чем 100 лет назад, потому что институты разрослись.
а ещё есть корпорации, которые мечутся между государствами и институтами, и предлагают свой как бы третий путь.
американский выбор Трампа — про сочетание денег + государства.
и пока институты не изменятся, они будут проигрывать.
думаю, это нравоучительный пример.
пост анонсов, объявлений и всякого полезного.
ср
буду в Яндексе на Yet Another Conference, это яндексовое событие про образование и куда идёт.
можно регистрироваться и слушать.
собираюсь осчастливить коллег знанием о том, что у каждой дисциплины — своё знание, и фрагментация «данных» неизбежна.
чт
с разными прекрасными коллегами соучаствуем в воркшопе ВШЭ про память и её философски-гуманитарные приключения. у нас с Викой — про то, как устроен мир, где каждый сам себе архивист. ещё там Аня Щетвина, Марыся Пророкова, Егор Лавренчук.
слушать
запустили подкаст, называется юзер гайст.
появляемся потихоньку на всех платформах.
название — ирония по поводу пользователя, который как бы и есть, и нет (Geist —(нем.) дух).
первый выпуск — моё короткое соло, немного волнуюсь в нём, но кажется, всё рассказала.
читать
в канале коллег из СФУ — подборка книг цифровых гуманитариев для необитаемого острова.
собрала тексты, без знания которых сложновато говорить про современность, технологии, все эти ваши/наши айти и цифровые технологии.
там база по социальным исследованиям техники, надзорный капитализм. к каждой книге — статья в открытом доступе.
суббота.
вечером в ГЭС-2 с Асей Бонч-Осмоловской, Юрием Сапрыкиным, Иваном Давыдовым, Кириллом Маевским, Михаилом Котоминым — распечатываем интернет.
такие дела.
объявления от коллег и вокруг:
- коллеги проводят исследование про доверие медиа в наши времена. опрос короткий и ёмкий.
- теперь мы Смолкон проводит вместе с нами студенческую конференцию, колл для соорганизаторов открыт. пощу, потому что горжусь и радуюсь, ну и студент/кам — велкам.
- если вы давно следите за нашими приключениями с Пушкиным и хотите поучаствовать в тестировании, спросите меня в личку, я медленно, но верно отвечаю там.
ср
буду в Яндексе на Yet Another Conference, это яндексовое событие про образование и куда идёт.
можно регистрироваться и слушать.
собираюсь осчастливить коллег знанием о том, что у каждой дисциплины — своё знание, и фрагментация «данных» неизбежна.
чт
с разными прекрасными коллегами соучаствуем в воркшопе ВШЭ про память и её философски-гуманитарные приключения. у нас с Викой — про то, как устроен мир, где каждый сам себе архивист. ещё там Аня Щетвина, Марыся Пророкова, Егор Лавренчук.
слушать
запустили подкаст, называется юзер гайст.
появляемся потихоньку на всех платформах.
название — ирония по поводу пользователя, который как бы и есть, и нет (Geist —(нем.) дух).
первый выпуск — моё короткое соло, немного волнуюсь в нём, но кажется, всё рассказала.
читать
в канале коллег из СФУ — подборка книг цифровых гуманитариев для необитаемого острова.
собрала тексты, без знания которых сложновато говорить про современность, технологии, все эти ваши/наши айти и цифровые технологии.
там база по социальным исследованиям техники, надзорный капитализм. к каждой книге — статья в открытом доступе.
суббота.
вечером в ГЭС-2 с Асей Бонч-Осмоловской, Юрием Сапрыкиным, Иваном Давыдовым, Кириллом Маевским, Михаилом Котоминым — распечатываем интернет.
такие дела.
объявления от коллег и вокруг:
- коллеги проводят исследование про доверие медиа в наши времена. опрос короткий и ёмкий.
- теперь мы Смолкон проводит вместе с нами студенческую конференцию, колл для соорганизаторов открыт. пощу, потому что горжусь и радуюсь, ну и студент/кам — велкам.
- если вы давно следите за нашими приключениями с Пушкиным и хотите поучаствовать в тестировании, спросите меня в личку, я медленно, но верно отвечаю там.
в Лиге Айвы поговорили с Борисом Ореховым о том, как неклассические университеты переиозобретают классику, чем кролик на зайца непохож университет отличаются от всего остального.
в ходе записи подкаста пытаемся различить пранк и кринж.
https://www.group-telegram.com/universitates_podcast/110
в ходе записи подкаста пытаемся различить пранк и кринж.
https://www.group-telegram.com/universitates_podcast/110
Telegram
Лига Айвы 🎓 Подкаст об университете 🎙
Эпизод 23. Полина Колозариди о неклассических университетах
Наука должна жить длинным временем
О чем разговор:
🔊 Классические и неклассические университеты
🔊 Гуманитарии в техническом университете — это пранк?
🔊 Зачем в университете библиотека?
🔊 Есть ли…
Наука должна жить длинным временем
О чем разговор:
🔊 Классические и неклассические университеты
🔊 Гуманитарии в техническом университете — это пранк?
🔊 Зачем в университете библиотека?
🔊 Есть ли…
вот статья про то, что надзорный капитализм — не так уж страшен, как его название.
автор, Петер Кёнигс, объясняет, что люди — не идиоты, и умеют понимать и обходить социальные правила, слежку, контроль и всё такое.
статья почему-то названа «философской». это неточно. просто здравый смысл. текст годный, хорошая основа для обсуждений на семинарах.
Königs, P. (2024). In Defense of ‘Surveillance Capitalism’. Philosophy & Technology, 37(4), 1-33.
#rawreading
автор, Петер Кёнигс, объясняет, что люди — не идиоты, и умеют понимать и обходить социальные правила, слежку, контроль и всё такое.
статья почему-то названа «философской». это неточно. просто здравый смысл. текст годный, хорошая основа для обсуждений на семинарах.
Königs, P. (2024). In Defense of ‘Surveillance Capitalism’. Philosophy & Technology, 37(4), 1-33.
#rawreading
побывала на конференции Ассоциации «История и компьютер» по приглашению Андрея Володина.
разговор на конференции был так хорош, что я опишу здесь основные для себя тезисы.
дискуссия, в которой я участвовала, значит, была посвящена ИИ в иторической науке. вопросы классические: как быть историками с ИИ.
у меня, как у междисциплинарной исследовательницы, к историкам есть конкретные вопросы или даже запросы. как и к любой науке.
1. модели ИИ сейчас — лингвистические. это значит, что они построены на подходах из науки лингвистики. там довольно специфичное понимание текста, его значения и контекста. такие подходы — не всем подходят, простите за каламбур.
важно, чтобы учёные из других дисциплин разрабатывали свои модели, и была возможность работать не только с лингвистическими теориями, лежащими в основе методов ИИ.
2. в частности, в лингвистических моделях отсутствует историческое понимание данных и алгоритмов. это большая проблема для ИИ: там нет истории, если специально не запрашивать.
нужно, чтобы исторические науки создавали свои, иначе структурированные наборы данных. и выдачу их формировали в своих, иначе структурированных интерфейсах. иначе будет каша мала из топора.
3. для data science нет разницы между данными, информацией, фактами, источниками и знанием. эти понятия для них — плоские и как бы на одном листе.
у историков, как и у любой науки, эти понятия отличаются. работа с архивами и другими инфраструктурами, дающими источники — должна включать сложный отбор и иерархию материалов, из которых берутся данные. а понятие информации — вообще лишнее.
4. фейки и кейсы. эти слова — очень сильно путают.
4.1.
есть исследования, построенные на отдельных случаях (кейсах).
исследования эти потом становятся частью канона, теории строятся на них. потом случаев становится больше, часть догм и канонов пересматривается.
наука должна постоянно отслеживать эти изменения, и уточнять теории и методы, исходя из новых случаев.
если внезапно отрубить у институтов знания связующее звено в треугольнике теория-метод-предмет, у нас выйдет чудище в духе Франкенштейна. так нельзя.
4.2.
слово «фейк» — это лажа. нет фейков.
есть ошибки, недоработки, фальшивки, сфабрикованные артефакты и пр.
зачастую «фейк» — это просто неосмысленный случай. иногда «фейком» оказывается кусок данных, лишённый интерпретации. иногда — наоборот, интерпретация, построенная на устаревшем понимании истины в науке.
короче, говорить «фейк» учёным не стоит. нужно разбираться.
5. данные, на которых построены алгоритмы ИИ — это не артефакты, а трудовые операции. нельзя воспринимать их как нечто готовое к употреблению. мы ведь не едим упаковку от риса или пакет от овощей.
вот и с «данными» так нельзя.
короче, нужно, чтобы отдельные дисциплины аккуратно и последовательно работали с ИИ — как со-производители, а также знающие, умелые пользователи.
точно так же, как есть проблема «ИИ и этики», есть проблема «ИИ и эпистемологии».
нужно выучить всем ещё одно слово на букву «э» и работать с этими проблемами в университете на каждой кафедре. так процветём. иначе — не сможем.
разговор на конференции был так хорош, что я опишу здесь основные для себя тезисы.
дискуссия, в которой я участвовала, значит, была посвящена ИИ в иторической науке. вопросы классические: как быть историками с ИИ.
у меня, как у междисциплинарной исследовательницы, к историкам есть конкретные вопросы или даже запросы. как и к любой науке.
1. модели ИИ сейчас — лингвистические. это значит, что они построены на подходах из науки лингвистики. там довольно специфичное понимание текста, его значения и контекста. такие подходы — не всем подходят, простите за каламбур.
важно, чтобы учёные из других дисциплин разрабатывали свои модели, и была возможность работать не только с лингвистическими теориями, лежащими в основе методов ИИ.
2. в частности, в лингвистических моделях отсутствует историческое понимание данных и алгоритмов. это большая проблема для ИИ: там нет истории, если специально не запрашивать.
нужно, чтобы исторические науки создавали свои, иначе структурированные наборы данных. и выдачу их формировали в своих, иначе структурированных интерфейсах. иначе будет каша мала из топора.
3. для data science нет разницы между данными, информацией, фактами, источниками и знанием. эти понятия для них — плоские и как бы на одном листе.
у историков, как и у любой науки, эти понятия отличаются. работа с архивами и другими инфраструктурами, дающими источники — должна включать сложный отбор и иерархию материалов, из которых берутся данные. а понятие информации — вообще лишнее.
4. фейки и кейсы. эти слова — очень сильно путают.
4.1.
есть исследования, построенные на отдельных случаях (кейсах).
исследования эти потом становятся частью канона, теории строятся на них. потом случаев становится больше, часть догм и канонов пересматривается.
наука должна постоянно отслеживать эти изменения, и уточнять теории и методы, исходя из новых случаев.
если внезапно отрубить у институтов знания связующее звено в треугольнике теория-метод-предмет, у нас выйдет чудище в духе Франкенштейна. так нельзя.
4.2.
слово «фейк» — это лажа. нет фейков.
есть ошибки, недоработки, фальшивки, сфабрикованные артефакты и пр.
зачастую «фейк» — это просто неосмысленный случай. иногда «фейком» оказывается кусок данных, лишённый интерпретации. иногда — наоборот, интерпретация, построенная на устаревшем понимании истины в науке.
короче, говорить «фейк» учёным не стоит. нужно разбираться.
5. данные, на которых построены алгоритмы ИИ — это не артефакты, а трудовые операции. нельзя воспринимать их как нечто готовое к употреблению. мы ведь не едим упаковку от риса или пакет от овощей.
вот и с «данными» так нельзя.
короче, нужно, чтобы отдельные дисциплины аккуратно и последовательно работали с ИИ — как со-производители, а также знающие, умелые пользователи.
точно так же, как есть проблема «ИИ и этики», есть проблема «ИИ и эпистемологии».
нужно выучить всем ещё одно слово на букву «э» и работать с этими проблемами в университете на каждой кафедре. так процветём. иначе — не сможем.
на замечательном курсе Сергея Машукова в ЕУ изучаем тексты по социологии науки.
пока мой любимый сюжет — как разные отдельные казусы могут/не могут менять теории и методы.
открытие года — насколько американская история науки непохожа на европейскую (Стайнмец, которого тут цитирую — исключение).
ну и видимо, придётся вернуться к Бурдьё.
Steinmetz, G (2004) Odious Comparisons: Incommensurability, the Case Study, and ‘Small N’s’ in Sociology. Sociological Theory 22(3):371–400.
#rawreading
пока мой любимый сюжет — как разные отдельные казусы могут/не могут менять теории и методы.
открытие года — насколько американская история науки непохожа на европейскую (Стайнмец, которого тут цитирую — исключение).
ну и видимо, придётся вернуться к Бурдьё.
Steinmetz, G (2004) Odious Comparisons: Incommensurability, the Case Study, and ‘Small N’s’ in Sociology. Sociological Theory 22(3):371–400.
#rawreading
о, сколько вдохновения моей работе даёт ярость.
например, захожу я в какой-нибудь архив: с литературными памятниками, аудио-материалами или интернет-медиа нулевых годов.
а там нужны гранты и техника.
и пока их нет, нет процессов для сохранения и оживления этой работы.
и цифровые проекты живут, пока грант есть, а потом — прости прощай.
интернет почти ничего не помнит и с каждым годом всё меньше. нужно обеспечивать устойчивое развитие и сохранность проектов.
параллельно — на бизнес-выставках и мероприятиях в центрах и перифериях обсуждают, как жить с искусственным интеллектом или сделать имиджевый проект, чтобы что-нибудь продвинуть. и запросы у них — ровно к той же «культуре» из архивов.
но обсуждают за стендами, стоящими добрую половину необходимой для архива техники. или даже больше.
потом очередной передовой проект сгорит точно так же, как сгорели многие цифровизационные инициативы и архивы нулевых (кстати, отличные).
а могли бы не гореть, а гнить.
хорошо бы, конечно, чтобы перед проектированием чего-то якобы «нового» люди озадачивались тем, сколько есть старого, которое готово к повторному или иному использованию.
чувствую себя, простите, Гретой Тунберг с “how dare you”, но это ощущение вместе с изучением истории науки и ежедневными многочасами менеджерской и педагогической работы — дают много добротной ярости, чтобы заниматься бережной цифровизацией с учётом всего, сделанного до и помимо.
например, захожу я в какой-нибудь архив: с литературными памятниками, аудио-материалами или интернет-медиа нулевых годов.
а там нужны гранты и техника.
и пока их нет, нет процессов для сохранения и оживления этой работы.
и цифровые проекты живут, пока грант есть, а потом — прости прощай.
интернет почти ничего не помнит и с каждым годом всё меньше. нужно обеспечивать устойчивое развитие и сохранность проектов.
параллельно — на бизнес-выставках и мероприятиях в центрах и перифериях обсуждают, как жить с искусственным интеллектом или сделать имиджевый проект, чтобы что-нибудь продвинуть. и запросы у них — ровно к той же «культуре» из архивов.
но обсуждают за стендами, стоящими добрую половину необходимой для архива техники. или даже больше.
потом очередной передовой проект сгорит точно так же, как сгорели многие цифровизационные инициативы и архивы нулевых (кстати, отличные).
а могли бы не гореть, а гнить.
хорошо бы, конечно, чтобы перед проектированием чего-то якобы «нового» люди озадачивались тем, сколько есть старого, которое готово к повторному или иному использованию.
чувствую себя, простите, Гретой Тунберг с “how dare you”, но это ощущение вместе с изучением истории науки и ежедневными многочасами менеджерской и педагогической работы — дают много добротной ярости, чтобы заниматься бережной цифровизацией с учётом всего, сделанного до и помимо.
впервые встретила AI-инструмент (dot), который подходит для части моей работы с текстами и задачами.
в чём особенность, что отличает его от остальных?
- они совмещают разные виды данных: интернетных (gpt-4); предоставленных мной; моделированных.
- машина тестирует гипотезы вместе с пользоваталем. не пытается давать единственный правильный ответ, а сразу показывате: вот, мол, такие есть варианты решения задачи. просит фидбека. потом уточняет. работает на свои задачи: ассистирование, поддержку процессов, детализацию, рутинизацию. нормальная, короче, машина.
- не пытается притворяться человеком. реплики даёт структурные, машинные, но вежливо сформулированные. предполагает за пользователем не только максимизацию выгоды, но разные поведенческие модели.
- оно строится не на приказах (как gpt/gemini/siri) и не на вопросах обо мне, а на структурных, но всё же диалогах.
(когда-то в далёком 2016 году я тестировала приложение реплика, и оно шло в близкую сторону, но потом ушло в копание в поведенческих паттернах, а это некрасиво и неприятно)
разница между приказом и беседой — примерно как между уроком физры и занятием с личным тренером.
в чём подвох?
многие пользователи переживают по поводу того, что непонятно, что происходит с их данными. это резонно. приложение сделали «выпускники эпл»*, и как они дальше будут обращаться с данными — бог весть.
поэтому для личной информации я бы поостереглась использовать это приложение, собственно, как и любое другое.
* — об этом явлении напишу пост попозже.
в чём особенность, что отличает его от остальных?
- они совмещают разные виды данных: интернетных (gpt-4); предоставленных мной; моделированных.
- машина тестирует гипотезы вместе с пользоваталем. не пытается давать единственный правильный ответ, а сразу показывате: вот, мол, такие есть варианты решения задачи. просит фидбека. потом уточняет. работает на свои задачи: ассистирование, поддержку процессов, детализацию, рутинизацию. нормальная, короче, машина.
- не пытается притворяться человеком. реплики даёт структурные, машинные, но вежливо сформулированные. предполагает за пользователем не только максимизацию выгоды, но разные поведенческие модели.
- оно строится не на приказах (как gpt/gemini/siri) и не на вопросах обо мне, а на структурных, но всё же диалогах.
разница между приказом и беседой — примерно как между уроком физры и занятием с личным тренером.
в чём подвох?
многие пользователи переживают по поводу того, что непонятно, что происходит с их данными. это резонно. приложение сделали «выпускники эпл»*, и как они дальше будут обращаться с данными — бог весть.
поэтому для личной информации я бы поостереглась использовать это приложение, собственно, как и любое другое.
* — об этом явлении напишу пост попозже.
по случаю каждого мероприятия мы пишем небольшой анонс со списком материалов, которые помогут понять тему.
зачем?
чтобы аудитория/собеседники/участницы лектория могли не просто так прийти и внимать мудрости, несущейся со сцены.
а отнестись к ней критически, то есть понимая, откуда ноги растут (у сцены, мудрости и темы разговора).
пока мы собираем эти материалы, сами понимаем что-то новое.
в данном случае — о любви, хрупкости и институциях (что может быть интереснее?).
в этот раз я влюблена в заголовок нашего разговора. честное <..что?..> показывает, что цифровая реальность прошлых чатов и нежных писем есть.
обратиться к ней и схватить её за обозначение мы не можем.
ставим скобки, точки, архивируем.
так архивом становится письмо о любви, когда любовь с/завершена.
я плохой анонсье в этот раз, но если вдруг у вас свободное время субботы в Петербурге, то мы с Викой дуэтом будем вещать про архивы в 15.00 в Брусницыне.
зачем?
чтобы аудитория/собеседники/участницы лектория могли не просто так прийти и внимать мудрости, несущейся со сцены.
а отнестись к ней критически, то есть понимая, откуда ноги растут (у сцены, мудрости и темы разговора).
пока мы собираем эти материалы, сами понимаем что-то новое.
в данном случае — о любви, хрупкости и институциях (что может быть интереснее?).
в этот раз я влюблена в заголовок нашего разговора. честное <..что?..> показывает, что цифровая реальность прошлых чатов и нежных писем есть.
обратиться к ней и схватить её за обозначение мы не можем.
ставим скобки, точки, архивируем.
так архивом становится письмо о любви, когда любовь с/завершена.
я плохой анонсье в этот раз, но если вдруг у вас свободное время субботы в Петербурге, то мы с Викой дуэтом будем вещать про архивы в 15.00 в Брусницыне.
Telegram
DH Center ITMO University
🤍💌 5 цифровых архивов любовных писем
Признание в любви на перфокарточке, восьмистраничная рукопись Фриды Кало и открытки начала XIX века. Во время подготовки к субботней лекции в Брусницине, Вика Бордукова собрала пять архивов, где можно рассматривать и…
Признание в любви на перфокарточке, восьмистраничная рукопись Фриды Кало и открытки начала XIX века. Во время подготовки к субботней лекции в Брусницине, Вика Бордукова собрала пять архивов, где можно рассматривать и…
продолжая тему AI, обращаю внимание на то, что теперь можно бесплатно поиграть с илонмасковским Grok.
это нейронка, которая идёт вместе с Х (твиттер). часто говорят, что Маск чуть ли не по приколу купил Твиттер, но даже если по приколу — стоит присмотреться к Grok.
во-первых, из-за названия. это первое претенциозное название с претензией на «понимание», и пока чатбот пытается быть именно понимающим, а также игривым и разнообразным в стиле.
(при этом оно понятно скорее из мира научной фантастики, и не заигрывается пока)
во-вторых, насколько я понимаю, Grok научен во многом глубоко на данных соцмедиа+работе с людьми. если учитывается то, что понимают специалисты по социальным отношениям, а не языкам и душам, это интересно.
(обычно за работу моделей отвечают лингвисты и психологи — при всём уважении, в эпистемах этих наук нет бессмертия души и божественности слова).
но в целом AI как тема продолжает быть дико скушным.
всё большая имитация «общения» — это трогательно, но машина, наученная выдавать более понятный человеку ответ на созданный человеком же запрос — это просто чуть более качественная машина.
это нейронка, которая идёт вместе с Х (твиттер). часто говорят, что Маск чуть ли не по приколу купил Твиттер, но даже если по приколу — стоит присмотреться к Grok.
во-первых, из-за названия. это первое претенциозное название с претензией на «понимание», и пока чатбот пытается быть именно понимающим, а также игривым и разнообразным в стиле.
(при этом оно понятно скорее из мира научной фантастики, и не заигрывается пока)
во-вторых, насколько я понимаю, Grok научен во многом глубоко на данных соцмедиа+работе с людьми. если учитывается то, что понимают специалисты по социальным отношениям, а не языкам и душам, это интересно.
(обычно за работу моделей отвечают лингвисты и психологи — при всём уважении, в эпистемах этих наук нет бессмертия души и божественности слова).
но в целом AI как тема продолжает быть дико скушным.
всё большая имитация «общения» — это трогательно, но машина, наученная выдавать более понятный человеку ответ на созданный человеком же запрос — это просто чуть более качественная машина.