Блог модель: 15 блогов моделей, визажистов и других героев мира моды — Wonderzine

Дело в том, что они заставят вас поговорить об этом позже. Люди сидели в моем списке месяцами — даже годами — прежде чем когда-либо покупали у меня.Никогда не знаешь когда и почему. Однажды то, что вы говорите, просто находит отклик, и они решают купить. Дело в том, что если вы не будете регулярно следить за ними и не поддерживать эту линию связи, вы проиграете.

Именно здесь на помощь приходит постоянное участие сообщества и почему оно так важно для того, как должен работать ваш бизнес.

Независимо от того, покупает кто-то у вас или нет, ваша цель — продолжать и укреплять эти отношения с течением времени . Вы хотите продолжать приносить пользу и повторно взаимодействовать с вами и вашим брендом.Вы хотите возвращать их на свой сайт снова и снова.

Это можно сделать с помощью любого количества способов поддерживать участие вашего сообщества:

• Новое содержимое блога
• Рассылка по электронной почте и информационные бюллетени
• Живой чат, списки мессенджеров, чат-боты
• Подкастинг
• Видео
• Обновления в социальных сетях
• Видео в реальном времени

По большей части это не новость для среднего блогера. Мы знаем, что хотим, чтобы люди были вовлечены. Однако мы также хотим делать это с учетом нашей бизнес-машины.🙂

Видите ли, цель общей картины состоит в том, что в идеале мы заставим членов нашего сообщества повторно войти в нашу бизнес-машину и купить что-нибудь еще. Мы хотим повторных продаж. Это бизнес-цель.

С этой целью участие нашего сообщества будет делать больше, чем просто отправлять людей обратно в наши сообщения в блоге и рассылать информационные бюллетени. Мы также хотим вернуться к ним и снова вовлечь их в наши воронки. Например:

• Отправьте их на целевые страницы для других лид-магнитов, которых они еще не получили.Если они соглашаются, это вовлекает их в другую воронку по этой теме, и они могут купить.
• Отправляйте их в целевые сообщения в блогах с целевыми призывами к действию.
• Время от времени отправляйте им прямые предложения, специальные предложения, предложения срочной продажи и т. Д.
• Отправляйте им опросы и другие вопросы, которые помогут вам сегментировать свой список, узнать о них больше и, возможно, сопоставить их с последующими предложениями.

Вы будете делать это, выстраивая свои отношения, предлагая ценность и оказывая максимальную помощь.Маркетологи, которые ничего не делают, кроме рассылки предложений и партнерских продуктов в свой список рассылки, только вредят их отношениям. Все дело в том, чтобы брать и не отдавать. Это неэффективная стратегия взаимодействия, которая со временем может серьезно навредить вашему бизнесу.

Ваше сообщество — это жизненная сила вашего бизнеса. Позаботься о них. Только попробуйте продать им то, что им подходит. Будьте максимально полезны. Они вознаградят вас за это.

(ПРИМЕЧАНИЕ. Как именно вы поддерживаете работу своего списка рассылки? Что вы ГОВОРИТЕ? Наш курс «Механизм электронного маркетинга» охватывает именно это.Также доступно как часть членства в LAB PRO.)

Это обзор. Что дальше?

Модель монетизации блога, которую мы только что прошли, представляет собой общую картину того, как построить надежный и устойчивый онлайн-бизнес вокруг вашего блога. Это просто работает.

Мы только что сделали обзор. Как и следовало ожидать, при построении каждой части этой бизнес-модели определенно есть свои особенности. Например:

• Как вы структурируете каждый элемент своего блога, чтобы превратить его в стратегическую среду контент-маркетинга?
• Как составлять предложения, которые люди действительно захотят купить?
• Как вы продаете людям, не производя впечатление слишком назойливого?
• Как вы создаете, продвигаете и поддерживаете сайт членства?
• Как вы создаете контент, который поддерживает все это

Я не смог бы охватить все в одной статье.Этого уже достаточно! 😉

Настоящий ответ — ЛАБОРАТОРИЯ. Лаборатория — это наша платформа для обучения и сообщества для таких же владельцев блогов, как вы. Внутри я создаю полные учебные курсы, которые ориентированы на построение этой самой бизнес-модели. Все это ориентировано на Дорожную карту онлайн-бизнеса.

Дорожная карта — это пятиэтапный план, который переводит студентов Академии с нуля (без списка, без блога, без продукта, без трафика) … вплоть до масштабируемой, прибыльной операции. Дорожная карта шаг за шагом знакомит студентов с учебной библиотекой лаборатории, чтобы вы никогда не упускали из виду, над чем вам следует работать — и когда.

Обычно создавать что-то подобное с нуля кажется довольно утомительным занятием.

Моей целью всегда было упростить жизнь. Ведение блога для бизнеса … упрощено.

Я надеюсь, что эта графическая модель дает лучшее представление о том, как все это работает на уровне общей картины.

Теперь пора его построить.

Модель блога Django · GitHub

Представляем обновленную модель устойчивого развития arXiv

В сотрудничестве с Консультативным советом по членству и руководством arXiv мы рады объявить об обновленной модели устойчивого развития arXiv.Эта модель, которая является расширением существующей программы членства, дополняет финансирование, полученное от Корнельского университета, Фонда Саймонса и отдельных доноров, и гарантирует процветание arXiv на долгие годы.

В течение почти десяти лет участники поддерживали arXiv финансированием и опытом — и за это мы им благодарны! По мере роста arXiv количество организаций, с которыми мы взаимодействуем, значительно расширилось, что отражает междисциплинарный характер arXiv. Чтобы приветствовать это замечательное разнообразие и побудить все сообщество arXiv внести свой вклад в финансовое будущее arXiv, мы расширили нашу модель устойчивости, включив в нее три программы для определенных типов сторонников:

Участники

Наша программа членства останется центральным элементом устойчивого развития arXiv.Университеты, библиотеки, лаборатории и исследовательские институты по всему миру приглашаются стать членами (или возобновить свое существующее членство) и представлять ученых, которые используют arXiv для чтения и обмена результатами исследований. Члены поддерживают arXiv существенным финансированием и научными коммуникациями, а также имеют право участвовать в управлении arXiv. Узнайте больше об обновлениях программы членства здесь.

Филиалы

Профессиональные общества, правительственные учреждения и другие некоммерческие организации сотрудничают с arXiv по-разному, от облегчения подачи материалов конференции до содействия соблюдению требований открытого доступа.Предлагаемые уровни взносов варьируются от 5 000 до 100 000 долларов США или эквивалента натурой. Станьте партнером или продлите свою поддержку.

Спонсоры

Компаниям, пользующимся услугами arXiv, рекомендуется поддерживать инфраструктуру за счет финансирования и неденежных пожертвований, таких как время разработчиков и облачные сервисы. Предлагаемые уровни взносов варьируются от 10 000 до 200 000 долларов США или эквивалента натурой. Станьте спонсором или возобновите свою поддержку.

Мы рады расширять нашу базу сторонников, оставаться прозрачными в отношении наших источников финансирования, обеспечивать справедливое распределение затрат на эксплуатацию arXiv в сообществе и продолжать удовлетворять растущие потребности исследователей.В частности, нашим приоритетом является предоставление:

• непрерывный уровень обслуживания для поддержки экспоненциального роста количества отправлений и загрузок
• Полная совместимость с другими платформами
• Повышение полноты и качества записей метаданных, включая поддержку информации о членстве и финансировании
• модернизация серверных сервисов и технологической инфраструктуры для повышения стабильности, производительности и инноваций

Если вы уже поддерживаете arXiv, спасибо! Если нет, мы рекомендуем вам подумать о том, как вы или ваша организация можете принять участие.Приглашаем вас связаться с нами, чтобы начать разговор.

Лучший способ принимать разумные решения (~ 100 объясненных моделей)

В этом руководстве исследуется все, что вам нужно знать о ментальных моделях. К тому времени, как вы закончите, вы будете лучше думать, делать меньше ошибок и добиваться лучших результатов.

На этой странице:

Выпущены тома первый и второй «Великие ментальные модели». Узнайте больше о проекте здесь.

Что такое ментальные модели?

Ментальные модели — это то, как мы понимаем мир.Они не только формируют то, что мы думаем и понимаем, но и формируют связи и возможности, которые мы видим. Ментальные модели — это то, как мы упрощаем сложность, почему мы считаем одни вещи более актуальными, чем другие, и как мы рассуждаем.

Ментальная модель — это просто представление о том, как что-то работает. Мы не можем хранить все детали мира в нашем мозгу, поэтому мы используем модели, чтобы упростить сложное до понятных и упорядоченных фрагментов.

Как научиться лучше думать

Качество нашего мышления пропорционально моделям в нашей голове и их полезности в данной ситуации.Чем больше у вас моделей — чем больше ваш набор инструментов — тем больше у вас шансов, что у вас будут подходящие модели, чтобы увидеть реальность. Оказывается, когда дело доходит до улучшения вашей способности принимать решения, имеет значение разнообразие.

Однако большинство из нас — специалисты. Вместо решетки ментальных моделей у нас есть несколько из нашей дисциплины. Каждый специалист видит что-то свое. По умолчанию обычный инженер мыслит системами. Психолог будет мыслить категориями стимулов. Биолог будет мыслить категориями эволюции.Сложив эти дисциплины вместе в своей голове, мы можем обойти проблему в трехмерном виде. Если мы смотрим на проблему только с одной стороны, у нас есть слепое пятно. А слепые пятна могут вас убить.

Вот еще один способ подумать об этом. Когда ботаник смотрит на лес, он может сосредоточиться на экосистеме, эколог видит влияние изменения климата, инженер-лесовод — на состояние роста деревьев, деловой человек — на ценность земли. Никто не ошибается, но ни один из них не может описать весь лес.Обмен знаниями или изучение основ других дисциплин приведет к более всестороннему пониманию, которое позволит принимать более правильные первоначальные решения об управлении лесом.

В своей знаменитой речи 1990-х годов Чарли Мангер резюмировал подход к практической мудрости через понимание ментальных моделей, сказав: «Ну, первое правило состоит в том, что вы ничего не можете знать, если просто запомните отдельные факты и попытаетесь взорвать их. Их вернули. Если факты не связаны одной теоретической решеткой, у вас нет их в удобной для использования форме.У тебя в голове должны быть модели. И вам нужно объединить свой опыт как косвенно, так и напрямую на этой решетке моделей. Возможно, вы заметили студентов, которые просто пытаются вспомнить и отбросить то, что вспомнили. Что ж, они терпят неудачу в школе и в жизни. Вы должны вешать опыт на решетку моделей в своей голове ».

Решетка ментальных моделей

Чтобы помочь вам построить решетку ментальных моделей, чтобы вы могли принимать более обоснованные решения, мы собрали и обобщили те из них, которые мы сочли наиболее полезными.

И помните: строительство решеток — это проект на всю жизнь. Придерживайтесь этого, и вы обнаружите, что ваша способность понимать реальность, постоянно принимать правильные решения и помогать тем, кого вы любите, всегда будет улучшаться.

Основные ментальные модели

1. Карта — это не территория
Карта реальности не реальность. Даже самые лучшие карты несовершенны. Это потому, что они являются сокращением того, что они представляют. Если бы карта отображала территорию с идеальной точностью, она больше не была бы сокращением и, следовательно, больше не была бы полезна для нас.Карта также может быть снимком момента времени, представляющим то, чего больше не существует. Об этом важно помнить, когда мы обдумываем проблемы и принимаем лучшие решения.

2. Круг компетенции
Когда эго, а не компетентность управляет тем, что мы предпринимаем, у нас появляются белые пятна. Если вы знаете, что понимаете, вы знаете, где у вас есть преимущество перед другими. Когда вы честно говорите о том, где вам не хватает знаний, вы знаете, где вы уязвимы и где можете улучшить.Понимание своего круга компетенций улучшает процесс принятия решений и результаты.

3. Основополагающее мышление
Основополагающее мышление — один из лучших способов реконструировать сложные ситуации и раскрыть творческие возможности. Иногда это называется рассуждением на основе первых принципов. Это инструмент, помогающий прояснить сложные проблемы, отделяя лежащие в основе идеи или факты от любых основанных на них предположений. Остается самое необходимое. Если вы знаете основные принципы чего-либо, вы можете построить на их основе остальные свои знания, чтобы создать что-то новое.

4. Мысленный эксперимент
Мысленный эксперимент можно определить как «устройства воображения, используемые для исследования природы вещей». Многие дисциплины, такие как философия и физика, используют мысленные эксперименты для изучения того, что можно узнать. Поступая так, они могут открыть новые возможности для исследований и исследований. Мысленные эксперименты мощны, потому что они помогают нам учиться на своих ошибках и избегать будущих. Они позволяют нам брать на себя невозможное, оценивать потенциальные последствия наших действий и пересматривать историю, чтобы принимать более правильные решения.Они могут помочь нам понять, чего мы действительно хотим, и как лучше всего этого добиться.

5. Мышление второго порядка
Почти каждый может предвидеть немедленные результаты своих действий. Этот тип мышления первого порядка прост и безопасен, но это также способ обеспечить получение тех же результатов, что и все остальные. Мышление второго порядка — это дальновидное и целостное мышление. Это требует от нас учитывать не только наши действия и их непосредственные последствия, но и последующие последствия этих действий.Отсутствие учета эффектов второго и третьего порядка может привести к катастрофе.

6. Вероятностное мышление
Вероятностное мышление, по сути, пытается оценить, используя некоторые математические и логические инструменты, вероятность того, что какой-либо конкретный результат произойдет. Это один из лучших инструментов для повышения точности наших решений. В мире, где каждый момент определяется бесконечно сложным набором факторов, вероятностное мышление помогает нам определить наиболее вероятные результаты.Когда мы знаем это, наши решения могут быть более точными и эффективными.

7. Инверсия
Инверсия — мощный инструмент для улучшения вашего мышления, поскольку он помогает выявлять и устранять препятствия на пути к успеху. Корень инверсии — «перевернуть», что означает перевернуть или перевернуть вверх ногами. В качестве инструмента мышления это означает подход к ситуации с противоположной стороны от естественной отправной точки. Большинство из нас склонны думать о проблеме одним способом: вперед. Инверсия позволяет нам перевернуть проблему и задуматься.Иногда хорошо начинать с начала, но может быть полезнее начать с конца.

8. Бритва Оккама
Более простые объяснения более верны, чем сложные. В этом суть бритвы Оккама, классического принципа логики и решения проблем. Вместо того, чтобы тратить время на попытки опровергнуть сложные сценарии, вы можете принимать решения более уверенно, основываясь на объяснении, в котором меньше всего движущихся частей.

9.Hanlon’s Razor
Трудно проследить происхождение, Hanlon’s Razor утверждает, что мы не должны приписывать злому умыслу то, что легче объяснить глупостью. В сложном мире использование этой модели помогает нам избежать паранойи и идеологии. Обычно не предполагая, что плохие результаты — это вина злоумышленника, мы ищем варианты, а не упускаем возможности. Эта модель напоминает нам, что люди действительно совершают ошибки. Он требует, чтобы мы спросили, есть ли другое разумное объяснение произошедшим событиям.Скорее всего, будет правильным объяснение, содержащее наименьшее количество намерений.

Ментальные модели физики и химии

1. Относительность
Относительность использовалась в нескольких контекстах в мире физики, но важным аспектом для изучения является идея о том, что наблюдатель не может по-настоящему понять систему, частью которой он сам является. Например, человек внутри самолета не ощущает движения, но сторонний наблюдатель может видеть это движение.Эта форма относительности имеет тенденцию влиять на социальные системы аналогичным образом.

2. Взаимность
Если я толкну стену, физика скажет мне, что стена отталкивается с эквивалентной силой. В биологической системе, если один человек воздействует на другого, действие будет иметь тенденцию быть взаимным. И, конечно же, люди действуют с проявлением интенсивной взаимности.

3. Термодинамика
Законы термодинамики описывают энергию в замкнутой системе.От законов невозможно уйти, и они лежат в основе физического мира. Они описывают мир, в котором полезная энергия постоянно теряется, а энергия не может быть создана или уничтожена. Применение их уроков в социальном мире может быть прибыльным делом.

4. Инерция
Объект, движущийся с определенным вектором, хочет продолжить движение в этом направлении, если на него не будут воздействовать. Это фундаментальный физический принцип движения; однако отдельные лица, системы и организации демонстрируют тот же эффект.Это позволяет им свести к минимуму использование энергии, но может привести к их разрушению или эрозии.

5. Трение и вязкость
И трение, и вязкость описывают сложность движения. Трение — это сила, которая препятствует движению объектов, находящихся в контакте друг с другом, а вязкость измеряет, насколько трудно одной жидкости скользить по другой. Чем выше вязкость, тем выше сопротивление. Эти концепции многое узнают о том, как окружающая среда может препятствовать нашему движению.

6. Скорость
Скорость не эквивалентна скорости; их иногда путают. Скорость — это скорость плюс вектор: насколько быстро что-то куда-то попадает. Объект, который перемещается на два шага вперед, а затем на два шага назад, перемещается с определенной скоростью, но не показывает скорости. Добавление вектора, это важное различие — вот что мы должны учитывать в практической жизни.

7. Кредитное плечо
Большинство инженерных чудес света было совершено с применением кредитного плеча.Как знаменито сказал Архимед: «Дайте мне достаточно длинный рычаг, и я переверну мир». При небольшой величине входной силы мы можем получить большую выходную силу за счет кредитного плеча. Понимание того, где мы можем применить эту модель к человеческому миру, может стать источником большого успеха.

8. Энергия активации
Пожар — это не более чем комбинация углерода и кислорода, но леса и угольные шахты мира не горят по своему желанию, потому что такая химическая реакция требует ввода критического уровня « энергия активации », чтобы начать реакцию.Одних двух горючих элементов недостаточно.

9. Катализаторы
Катализатор либо запускает, либо поддерживает химическую реакцию, но сам по себе не является реагентом. Реакция может замедляться или прекращаться без добавления катализаторов. Социальные системы, конечно же, обладают многими схожими чертами, и мы можем рассматривать катализаторы в аналогичном свете.

10. Легирование
Комбинируя различные элементы, мы создаем новые вещества. В этом нет ничего удивительного, но что может удивить в процессе легирования, так это то, что 2 + 2 может равняться не 4, а 6 — сплав может быть намного прочнее, чем можно было бы предположить, простое добавление основных элементов.Этот процесс приводит нас к созданию великих физических объектов, но мы понимаем многие нематериальные активы одинаково; Комбинация правильных элементов в социальных системах или даже отдельных лицах может создать эффект 2 + 2 = 6, аналогичный сплаву.

Ментальные модели биологии

1. Эволюция, часть первая: естественный отбор и вымирание
Эволюция путем естественного отбора когда-то называлась «величайшей идеей, которая когда-либо была». В 19 веке Чарльз Дарвин и Альфред Рассел Уоллес одновременно осознали, что виды эволюционируют посредством случайных мутаций и разной выживаемости.Если мы назовем вмешательство человека в разведение животных примером «искусственного отбора», мы можем назвать мать-природу, решающую успех или неудачу конкретной мутации, «естественным отбором». Те, кто лучше всего подходит для выживания, как правило, сохраняются. Но, конечно, условия меняются.

2. Эволюция, часть вторая: адаптация и эффект красной королевы
Виды имеют тенденцию приспосабливаться к своему окружению, чтобы выжить, учитывая сочетание их генетики и окружающей среды — всегда неизбежное сочетание.Однако адаптации, сделанные в течение жизни человека, не передаются генетически, как когда-то считалось: Популяции видов адаптируются в процессе эволюции путем естественного отбора, поскольку наиболее подходящие образцы видов воспроизводятся со скоростью выше среднего. .

Модель эволюции путем естественного отбора ведет к чему-то вроде гонки вооружений между видами, конкурирующими за ограниченные ресурсы. Когда один вид развивает выгодную адаптацию, конкурирующий вид должен ответить тем же или потерпеть неудачу как вид.Стоять на месте может означать отставание. Эта гонка вооружений называется Эффектом Красной Королевы для персонажа из Алиса в Стране Чудес , который сказал: «Вот, видите ли, требуется все возможное, чтобы оставаться на том же месте».

3. Экосистемы
Экосистема описывает любую группу организмов, сосуществующих с миром природы. В большинстве экосистем представлены различные формы жизни, использующие разные подходы к выживанию, и такое давление приводит к различному поведению.Социальные системы можно рассматривать в том же свете, что и физические экосистемы, и можно сделать многие из тех же выводов.

4. Ниши
Большинство организмов находят свою нишу: метод конкуренции и поведения для выживания. Обычно вид выбирает нишу, для которой он лучше всего приспособлен. Опасность возникает, когда несколько видов начинают конкурировать за одну и ту же нишу, что может привести к вымиранию — может существовать лишь определенное количество видов, которые делают то же самое, прежде чем будут выделены ограниченные ресурсы.

5. Самосохранение
Без сильного инстинкта самосохранения в ДНК организма он со временем исчезнет, ​​тем самым уничтожив эту ДНК. Хотя сотрудничество — еще одна важная модель, инстинкт самосохранения силен у всех организмов и может вызывать агрессивное, беспорядочное и / или деструктивное поведение для окружающих.

6. Репликация
Фундаментальным строительным блоком разнообразной биологической жизни является репликация с высокой точностью.Фундаментальной единицей репликации, по-видимому, является молекула ДНК, которая представляет собой план построения потомства из физических строительных блоков. Существует множество методов репликации, но большинство из них можно разделить на половые и бесполые.

7. Сотрудничество
Конкуренция обычно описывает большинство биологических систем, но сотрудничество на различных уровнях не менее важно как динамика. Фактически, сотрудничество бактерии и простой клетки, вероятно, создало первую сложную клетку и всю жизнь, которую мы видим вокруг нас.Без сотрудничества ни одна группа не выживает, а сотрудничество групп порождает еще более сложные варианты организации. Сотрудничество и конкуренция, как правило, сосуществуют на нескольких уровнях.

Дилемма заключенного — это известное приложение теории игр, в котором двум заключенным лучше сотрудничать друг с другом, но если один из них обманывает, другому лучше обмануть. Таким образом, дилемма. Эта модель проявляется в экономической жизни, на войне и во многих других областях практической жизни человека.Хотя дилемма заключенного теоретически приводит к плохому результату, в реальном мире сотрудничество почти всегда возможно, и его необходимо изучить.

8. Иерархическая организация
Большинство сложных биологических организмов имеют врожденное чувство того, как они должны организовываться. Хотя не все из них попадают в иерархические структуры, многие так и поступают, особенно в царстве животных. Людям нравится думать, что они находятся вне этого, но они чувствуют иерархический инстинкт так же сильно, как и любой другой организм.Сюда входят Стэнфордский тюремный эксперимент и эксперименты Милгрэма, которые продемонстрировали то, что люди узнали практически за много лет до этого: человеческое предвзятое отношение к влиянию властей. В иерархии доминирования, такой как наша, мы склонны обращаться к лидеру за советом по поведению, особенно в ситуациях стресса или неопределенности. Таким образом, авторитетные фигуры обязаны действовать хорошо, нравится им это или нет.

9. Стимулы
Все существа реагируют на стимулы, чтобы выжить.Это основная идея биологии. Постоянные стимулы в определенной степени заставляют биологическое существо вести себя постоянно. Включены люди, которые являются особенно яркими примерами побуждающей природы биологии; однако люди сложны тем, что их стимулы могут быть скрытыми или нематериальными. Правило жизни — повторять то, что работает и было вознаграждено.

10. Тенденция к минимизации выработки энергии (умственной и физической)
В физическом мире, управляемом термодинамикой и конкуренцией за ограниченную энергию и ресурсы, любой биологический организм, который расточительно расходует энергию, окажется в крайне невыгодном положении для выживания.Таким образом, в большинстве случаев мы видим, что поведение определяется тенденцией минимизировать потребление энергии, когда это вообще возможно.

Ментальные модели системного мышления

1. Петли обратной связи
Все сложные системы подвержены петлям положительной и отрицательной обратной связи, в которых A вызывает B, который, в свою очередь, влияет на A (и C), и так далее — с эффектами более высокого порядка, часто возникающими в результате непрерывного движения петля. В гомеостатической системе изменение A часто возвращается в соответствие с противоположным изменением B для поддержания баланса системы, как с температурой человеческого тела или поведением организационной культуры.Автоматические петли обратной связи поддерживают «статическую» среду до тех пор, пока внешняя сила не изменит петлю. «Неуправляемая обратная связь» описывает ситуацию, в которой выход реакции становится ее собственным катализатором (автокатализ).

2. Равновесие
Гомеостаз — это процесс, посредством которого системы саморегулируются, чтобы поддерживать состояние равновесия, которое позволяет им функционировать в изменяющейся среде. В большинстве случаев они немного завышают или недооценивают его, и им приходится постоянно приспосабливаться.Подобно пилоту, управляющему самолетом, система чаще отклоняется от курса, чем идет по курсу. Все в гомеостатической системе способствует поддержанию ее в пределах диапазона равновесия, поэтому важно понимать пределы диапазона.

3. Узкие места
Узкое место описывает место, в котором поток (материального или нематериального) останавливается, что препятствует его непрерывному движению. Как и в случае закупорки артерии или дренажа, узкое место в производстве любого товара или услуги может быть небольшим, но иметь несоразмерное воздействие, если оно находится на критическом пути.Тем не менее, узкие места также могут быть источником вдохновения, поскольку они заставляют нас задуматься о том, есть ли альтернативные пути к успеху.

4. Масштаб
Одним из важнейших принципов систем является их чувствительность к масштабированию. Свойства (или поведение) имеют тенденцию меняться, когда вы их увеличиваете или уменьшаете. При изучении сложных систем мы всегда должны приблизительно оценивать — по крайней мере, на порядки величины — масштаб, в котором мы наблюдаем, анализируем или прогнозируем систему.

5. Запас прочности
Точно так же инженеры выработали привычку добавлять предел погрешности во все расчеты. В неизведанном мире поездка на автобусе весом 9500 фунтов по мосту, выдерживающему ровно 9600 фунтов, редко считается умным. Таким образом, в целом несколько современных мостов когда-либо выходят из строя. В практической жизни, помимо физической инженерии, мы часто можем с выгодой дать себе такую ​​же надежность, как мостовая система.

6. Отток
Страховые компании и абонентские службы хорошо осведомлены о концепции оттока клиентов — каждый год определенное количество клиентов теряется и должно быть заменено.Стоять на месте — это то же самое, что проигрывать, как видно из модели под названием «Эффект Красной Королевы». Отток присутствует во многих деловых и человеческих системах: постоянная цифра периодически теряется и должна быть заменена перед добавлением любых новых цифр.

7. Алгоритмы
Хотя трудно определить точно, алгоритм обычно представляет собой автоматизированный набор правил или «план», ведущий к серии шагов или действий, приводящих к желаемому результату, и часто выражается в форме серии Утверждения «Если → Тогда».Алгоритмы наиболее известны своим использованием в современных вычислениях, но они также являются особенностью биологической жизни. Например, ДНК человека содержит алгоритм построения человека.

8. Критическая масса
Система становится критической, когда она собирается дискретно перейти от одной фазы к другой. Предельная полезность последней единицы перед изменением фазы намного выше, чем у любой единицы до нее. Часто цитируемый пример — вода, превращающаяся из жидкости в пар при нагревании до определенной температуры.«Критическая масса» относится к массе, необходимой для возникновения критического события, чаще всего в ядерной системе.

9. Возникновение
Поведение более высокого уровня имеет тенденцию возникать в результате взаимодействия компонентов более низкого порядка. Результат часто не является линейным — не вопрос простого сложения — а скорее нелинейным или экспоненциальным. Важным результирующим свойством эмерджентного поведения является то, что его нельзя предсказать, просто изучив составные части.

10.Несводимость
Мы обнаружили, что в большинстве систем есть несводимые количественные свойства, такие как сложность, минимумы, время и длина. Ниже неприводимого уровня желаемого результата просто не бывает. Невозможно забеременеть нескольких женщин, чтобы сократить время, необходимое для рождения одного ребенка, и нельзя свести успешно построенный автомобиль к одной детали. Эти результаты до определенного момента неприводимы.

11. Закон убывающей доходности
Что касается масштаба, наиболее важные реальные результаты подвержены возможному уменьшению дополнительной стоимости.Хорошим примером может служить бедная семья: дайте им достаточно денег, чтобы они могли процветать, и они перестанут быть бедными. Но после определенного момента дополнительные деньги не улучшат их положение; наблюдается явная убывающая отдача дополнительных долларов в какой-то приблизительно поддающейся количественной оценке точке. Часто закон убывающей отдачи сводится к отрицательной территории, то есть получение слишком большого количества денег может разрушить бедную семью.

Ментальные модели счисления

1. Распределения
Нормальное распределение — это статистический процесс, который приводит к хорошо известному графическому представлению колоколообразной кривой со значимым центральным «средним» и все более редкими стандартными отклонениями от этого среднего при правильной выборке.(Так называемая теорема о «центральном пределе».) Хорошо известные примеры включают рост и вес человека, но не менее важно отметить, что многие общие процессы, особенно в нематериальных системах, таких как социальные системы, не следуют этой схеме. Нормальные распределения можно противопоставить степенным или экспоненциальным распределениям.

2. Компаундирование
Говорят, что Эйнштейн называл компаундирование чудом света. Вероятно, он этого не сделал, но это чудо. Компаундирование — это процесс, при котором мы добавляем проценты к фиксированной сумме, которая затем приносит проценты на предыдущую сумму и на вновь добавленные проценты, а затем получает проценты на эту сумму, и так далее до бесконечности .Это экспоненциальный эффект , а не линейный или аддитивный эффект. Деньги — не единственное, что объединяет; идеи и отношения тоже. В материальных сферах сложность всегда имеет физические ограничения и убывает отдачу; нематериальные активы могут складываться более свободно. Компаундирование также приводит к временной стоимости денег, которая лежит в основе всех современных финансов.

3. Выборка
Когда мы хотим получить информацию о совокупности (то есть о наборе одинаковых людей, вещей или событий), нам обычно нужно посмотреть на выборку (то есть на часть генеральной совокупности).Обычно невозможно или даже нежелательно рассматривать всю генеральную совокупность, поэтому мы стремимся к выборке, которая представляет собой целое. Как показывает практика, большее количество измерений означает более точные результаты при прочих равных условиях. Небольшие размеры выборки могут привести к искаженным результатам.

4. Случайность
Хотя человеческому мозгу трудно это понять, большая часть мира состоит из случайных, непоследовательных, неупорядоченных событий. Нас «обманывают» случайные эффекты, когда мы приписываем причинность вещам, которые фактически находятся вне нашего контроля.Если мы, конечно, не исправим этот эффект обманутой случайностью — наше ошибочное чувство поиска закономерностей — мы будем склонны рассматривать вещи как более предсказуемые, чем они есть, и действовать соответственно.

5. Регрессия к среднему
В нормально распределенной системе длительные отклонения от среднего будут иметь тенденцию возвращаться к этому среднему при увеличении числа наблюдений: так называемый закон больших чисел. Нас часто вводит в заблуждение регрессия к среднему значению, например, когда у больного пациента происходит спонтанное улучшение примерно в то же самое время, когда он начинает принимать лекарственные травы, или у плохо работающей спортивной команды продолжается победная серия.Мы должны быть осторожны, чтобы не путать статистически вероятные события с причинными.

6. Умножение на ноль
Любой разумно образованный человек знает, что любое число, умноженное на ноль, независимо от того, насколько оно велико, все равно равно нулю. Это верно как для человеческих систем, так и для математических. В некоторых системах сбой в одной области может свести на нет большие усилия во всех других областях. Как показывает простое умножение, фиксация «нуля» часто дает гораздо больший эффект, чем попытки увеличить другие области.

7. Эквивалентность
Введение алгебры позволило нам математически и абстрактно продемонстрировать, что две, казалось бы, разные вещи могут быть одним и тем же. Манипулируя символами, мы можем продемонстрировать эквивалентность или неэквивалентность, использование которых привело человечество к неописуемым инженерным и техническим способностям. Знание хотя бы основ алгебры может позволить нам понять множество важных результатов.

8. Площадь поверхности
Площадь поверхности трехмерного объекта — это количество пространства снаружи от него.Таким образом, чем больше у вас площадь поверхности, тем больше вы контактируете с окружающей средой. Иногда желательна большая площадь поверхности: наши легкие и кишечник имеют огромную площадь поверхности для увеличения поглощения кислорода и питательных веществ. В других случаях мы хотим уменьшить нашу уязвимость, например, ограничить доступ в Интернет, чтобы уменьшить поверхность атаки.

9. Глобальные и локальные максимумы
Максимумы и минимумы математической функции — это наибольшие и наименьшие значения в ее области.Хотя существует одно максимальное значение, глобальный максимум, в данном диапазоне могут быть меньшие пики значений, локальные максимумы. Глобальные и локальные максимумы помогают нам идентифицировать пики, и есть ли еще возможность подняться выше или ниже. Это также напоминает нам, что иногда нам нужно спуститься, чтобы вернуться наверх.

Ментальные модели микроэкономики

1. Альтернативные издержки
Делать одно означает не иметь возможности делать другое. Мы живем в мире компромиссов, и концепция альтернативных издержек правит всем.Лучше всего резюмируется так: «Бесплатных обедов не бывает».

2. Творческое разрушение
Термин «творческое разрушение», придуманный экономистом Йозефом Шумпетером, описывает капиталистический процесс, действующий в функционирующей системе свободного рынка. Руководствуясь личными стимулами (включая, помимо прочего, финансовую прибыль), предприниматели будут стремиться к лучшему друг другу в бесконечной игре творческого превосходства, в процессе разрушая старые идеи и заменяя их новыми технологиями.Остерегайтесь отставания.

3. Сравнительное преимущество
Шотландский экономист Дэвид Рикардо имел необычное и не интуитивное понимание: два человека, фирмы или страны могли получить выгоду от торговли друг с другом, даже если один из них был лучше во всем. Сравнительное преимущество лучше всего рассматривать как применяемую альтернативную стоимость: если у нее есть возможность торговать, организация отказывается от бесплатного повышения производительности, не сосредотачиваясь на том, что у нее получается лучше всего.

4.Специализация (фабрика булавок)
Другой шотландский экономист, Адам Смит, подчеркнул преимущества, полученные в системе свободного рынка благодаря специализации. Смит объяснил, что вместо того, чтобы иметь группу рабочих, каждый из которых производит целое изделие от начала до конца, гораздо продуктивнее, чтобы каждый из них специализировался на одном аспекте производства. Однако он также предупредил, что каждый рабочий может не наслаждаться такой жизнью; это компромисс модели специализации.

5.Захват середины
В шахматах выигрышная стратегия обычно состоит в том, чтобы захватить контроль над серединой доски, чтобы максимизировать возможные ходы, которые могут быть сделаны, и контролировать движение максимального количества фигур. Та же стратегия приносит прибыль в бизнесе, что может быть продемонстрировано контролем Джона Д. Рокфеллера над нефтеперерабатывающим бизнесом на заре торговли нефтью и контролем Microsoft над операционной системой на заре торговли программным обеспечением.

6.Товарные знаки, патенты и авторские права
Эти три концепции, наряду с другими родственными, защищают творческую работу, созданную предприимчивыми людьми, тем самым создавая дополнительные стимулы для творчества и продвигая модель капитализма, основанную на созидательном разрушении. Без этой защиты информационные и творческие работники не смогут защитить себя от свободного распространения своей работы.

7. Двойная бухгалтерия
Одним из чудес современного капитализма была система бухгалтерского учета, введенная в Генуе в XIV веке.Система двойной записи требует, чтобы каждая запись, такая как доход, также вводилась на другой соответствующий счет. Правильная двойная бухгалтерия служит проверкой потенциальных ошибок бухгалтерского учета и позволяет вести точные записи и, следовательно, более точное поведение владельца фирмы.

8. Полезность (предельная, убывающая, возрастающая)
Полезность дополнительных единиц любого товара имеет тенденцию меняться в зависимости от масштаба. Предельная полезность позволяет нам понять ценность одной дополнительной единицы, и в большинстве практических областей жизни эта полезность в какой-то момент уменьшается.С другой стороны, в некоторых случаях дополнительные единицы подвержены «критической точке», когда функция полезности скачкообразно повышается или понижается. Например, напоение жаждущего человека водой имеет убывающую предельную полезность с каждым дополнительным юнитом и может в конечном итоге убить его с помощью достаточного количества юнитов.

9. Взяточничество
Концепция взяточничества, которую часто игнорируют в основной экономической теории, занимает центральное место в человеческих системах: при наличии возможности часто легче заплатить определенному агенту, чтобы тот выглядел иначе, чем следовать правилам.Затем нарушитель правил нейтрализуется. Эту проблему принцип / агент можно рассматривать как форму арбитража.

10. Арбитраж
При наличии двух рынков, продающих идентичный товар, арбитраж существует, если товар можно выгодно купить на одном рынке и продать с прибылью на другом. Эта модель проста на вид, но может проявляться в замаскированных формах: единственная заправочная станция в радиусе 50 миль также является арбитражем, поскольку она может покупать бензин и продавать его с желаемой прибылью (временно) без помех.Практически все арбитражные ситуации со временем исчезают по мере их обнаружения и использования.

11. Спрос и предложение
Основное уравнение биологической и экономической жизни — это ограниченное предложение необходимых товаров и конкуренция за эти товары. Точно так же, как биологические субъекты конкурируют за ограниченное количество полезной энергии, экономические субъекты также конкурируют за ограниченное благосостояние потребителей и ограниченный спрос на свою продукцию. Точка, в которой спрос и предложение на данный товар равны, называется равновесием; однако в практической жизни точки равновесия имеют тенденцию быть динамичными и изменчивыми, а не статичными.

12. Дефицит
Теория игр описывает ситуации конфликта, ограниченных ресурсов и конкуренции. Учитывая определенную ситуацию и ограниченное количество ресурсов и времени, какие решения могут принять конкуренты и какие им следует принять? Одно важное замечание: традиционная теория игр может описывать людей как более рациональных, чем они есть на самом деле. В конце концов, теория игр — это теория.

13. Мистер Рынок
Мистер Рынок был представлен инвестором Бенджамином Грэхемом в его основополагающей книге The Intelligent Investor , чтобы представить превратности финансовых рынков.Как объясняет Грэм, рынки немного похожи на угрюмого соседа, который иногда просыпается счастливым, а иногда просыпается грустным — ваша задача как инвестора — воспользоваться его преимуществами в его плохом настроении и продать ему в хорошем настроении. Такое отношение контрастирует с гипотезой эффективного рынка, согласно которой г-н Рынок всегда просыпается посреди кровати, никогда не чувствуя себя слишком сильным в любом направлении.

Ментальные модели вооруженных сил и войны

1. Видеть фронт
Одна из наиболее ценных военных тактик — это привычка «лично видеть фронт», прежде чем принимать решения, — не всегда полагаясь на советников, карты и отчеты, которые могут быть либо ошибочными, либо предвзятыми. .Модель «Карта / территория», как и модель стимулов, иллюстрирует проблему с незаметным фасадом. Руководители любой организации, как правило, могут извлечь выгоду из того, что увидят фронт, поскольку он не только предоставляет информацию из первых рук, но также способствует повышению качества информации из вторых рук.

2. Асимметричная война
Модель асимметрии приводит к применению в войне, когда одна сторона, по-видимому, «играет по другим правилам», чем другая, в силу обстоятельств.Как правило, эта модель применяется повстанцами с ограниченными ресурсами. Не имея возможности перехитрить своих оппонентов, асимметричные бойцы используют другую тактику, например, терроризм создает страх, несоразмерный их реальной разрушительной способности.

3. Война на два фронта
Вторая мировая война была хорошим примером войны на два фронта. Когда Россия и Германия стали врагами, Германия была вынуждена разделить свои войска и отправить их на отдельные фронты, ослабив их влияние на обоих фронтах.В практической жизни открытие войны на два фронта часто может быть полезной тактикой, равно как и разрешение войны на два фронта или ее избежание, как в примере организации, подавляющей внутренние разногласия, чтобы сосредоточиться на своих конкурентах.

4. Меры по подавлению восстания
Хотя асимметричная повстанческая война может быть чрезвычайно эффективной, со временем конкуренты также разработали стратегии борьбы с повстанцами. В последнее время известный генерал Дэвид Петреус из Соединенных Штатов руководил разработкой планов борьбы с повстанцами, которые не предполагали дополнительных сил, но имели существенные дополнительные преимущества.Война или конкуренция по принципу «око за око» часто приводят к обратной связи, требующей повстанческих действий и противоповстанческих действий.

5. Гарантированное взаимное уничтожение
Как это ни парадоксально, чем сильнее становятся два противника, тем меньше вероятность, что они уничтожат друг друга. Этот процесс гарантированного взаимного уничтожения происходит не только во время войны, как при разработке глобальных ядерных боеголовок, но и в бизнесе, например, во избежание разрушительных ценовых войн между конкурентами.Однако в мире с толстым хвостом также возможно, что сценарии взаимно гарантированного уничтожения просто сделают разрушение более серьезным в случае ошибки (загоняя разрушение в «хвосты» распределения).

Ментальные модели человеческой природы и суждения

1. Доверие
По сути, современный мир работает на доверии. Семейное доверие, как правило, дано (иначе мы бы чертовски долго выживали), но мы также предпочитаем доверять поварам, клеркам, водителям, заводским рабочим, руководителям и многим другим.Доверительная система работает наиболее эффективно; награда за доверие чрезвычайно высока.

2. Предвзятость со стороны стимулов
Чутко реагируя на стимулы, люди, пожалуй, обладают самым разнообразным и сложным для понимания набором стимулов в животном мире. Это заставляет нас искажать наше мышление, когда это в наших собственных интересах. Прекрасный пример — продавец, искренне верящий, что его продукт улучшит жизнь пользователей. То, что он продает продукт, не просто удобно; тот факт, что он продает продукт, вызывает весьма реальную предвзятость в его собственном мышлении.

3. Павловское объединение
Иван Павлов очень эффективно продемонстрировал, что животные могут реагировать не только на прямые стимулы, но и на связанные с ними объекты; вспомните знаменитых собак, выделяющих слюну при звоне колокола. Люди во многом похожи и могут испытывать положительные и отрицательные эмоции по отношению к нематериальным объектам, причем эмоции возникают в результате прошлых ассоциаций, а не прямого воздействия.

4. Склонность к зависти и ревности
Люди склонны завидовать тем, кто получает больше, чем они есть, и желают со временем «получить то, что принадлежит им».Склонность к зависти достаточно сильна, чтобы вести к иррациональному поведению, но она так же стара, как само человечество. Любая система, игнорирующая эффекты зависти, со временем склонна к самосожжению.

5. Склонность к искажению из-за симпатии / любви или антипатии / ненависти
Основываясь на прошлых ассоциациях, стереотипах, идеологии, генетическом влиянии или прямом опыте, люди имеют тенденцию искажать свое мышление в пользу людей или вещей, которые они нравится и против людей или вещей, которые им не нравятся.Эта тенденция приводит к переоценке того, что нам нравится, и недооценке или общей категоризации того, что нам не нравится, часто упуская важные нюансы в процессе.

6. Отрицание
Любой, кто живет достаточно долго, понимает, что, как говорится, «отрицание — это не просто река в Африке». Это убедительно демонстрируется в таких ситуациях, как война или злоупотребление наркотиками, где отрицание имеет мощные деструктивные эффекты, но допускает поведенческую инерцию. Отрицание реальности может быть механизмом выживания, механизмом выживания или целенаправленной тактикой.

7. Эвристика доступности
Одним из наиболее полезных открытий современной психологии является то, что Дэниел Канеман называет смещением доступности или эвристикой: мы склонны легче всего вспомнить, что является существенным, важным, частым и недавним. У мозга есть свои собственные энергосберегающие и инерционные тенденции, которые мы мало контролируем — эвристика доступности, вероятно, одна из них. Обладать действительно всеобъемлющей памятью изнурительно. Некоторые под-примеры эвристики доступности включают тенденции привязки и невозвратных затрат.

8. Эвристика репрезентативности
Три основных психологических вывода, подпадающих под категорию репрезентативности, также определяемую Канеманом и его партнером Тверски, следующие:

а. Неспособность учесть базовые ставки
Бессознательная неспособность взглянуть на прошлые шансы при определении текущего или будущего поведения.

г. Склонность к стереотипам
Склонность к широкому обобщению и категоризации, а не к поиску конкретных нюансов.Как и доступность, это обычно необходимая черта для экономии энергии в мозгу.

г. Неспособность увидеть ложные союзы
Наиболее хорошо продемонстрированный тестом Линды, те же два психолога показали, что студенты выбирают более ярко описанных людей как более подходящих для предопределенной категории, чем людей с более широкими, более инклюзивными, но менее яркими описаниями, даже если бы яркий пример был всего лишь подмножеством более всеобъемлющего набора. Эти конкретные примеры рассматриваются как более репрезентативные для категории, чем примеры с более широким, но нечетким описанием, в нарушение логики и вероятности.

9. Социальное доказательство (безопасность в цифрах)
Люди являются одним из многих социальных видов, наряду с пчелами, муравьями, шимпанзе и многими другими. У нас есть инстинкт на уровне ДНК, чтобы искать спасения в числах, и мы будем искать социальные ориентиры в нашем поведении. Этот инстинкт создает сплоченное чувство сотрудничества и культуры, которые иначе были бы невозможны, но также заставляет нас делать глупости, если наша группа тоже их делает.

10. Повествовательный инстинкт
Человеческое существо правильно называют «рассказывающим животным» из-за нашего инстинкта конструирования и поиска смысла в повествовании.Вероятно, что задолго до того, как мы развили способность писать или создавать предметы, мы рассказывали истории и думали историями. Почти все общественные организации, от религиозных институтов до корпораций и национальных государств, основываются на построениях нарративного инстинкта.

11. Инстинкт любопытства
Нам нравится называть другие виды любопытными, но мы — самые любопытные из всех, инстинкт, который вывел нас из саванны и побудил нас узнать много нового об окружающем мире, используя это информация для создания мира в нашем коллективном сознании.Инстинкт любопытства приводит к уникальному человеческому поведению и формам организации, таким как научное предприятие. Еще до того, как появились прямые стимулы к инновациям, люди вводили инновации из любопытства.

12. Языковой инстинкт
Психолог Стивен Пинкер называет наш на уровне ДНК инстинкт изучения грамматически сконструированного языка Языковым инстинктом. Идею о том, что грамматический язык — это не просто культурный артефакт, впервые популяризировал лингвист Ноам Хомский.Как мы видели на примере инстинкта повествования, мы используем эти инстинкты для создания общих историй, а также для сплетен, решения проблем и борьбы, среди прочего. Теоретически грамматически упорядоченный язык несет в себе бесконечное разнообразие значений.

13. Предвзятость при первом заключении
Как известно Чарли Мангер заметил, что разум работает как сперматозоид и яйцеклетка: первая идея возникает, а затем ум закрывается. Как и многие другие тенденции, это, наверное, энергосберегающий прибор. Наша склонность делать первые выводы заставляет нас принимать множество ошибочных результатов и перестать задавать вопросы; с ним можно бороться с помощью простых и полезных мысленных распорядков.

14. Склонность к чрезмерному обобщению на малых выборках
Для людей важно делать обобщения; нам не нужно видеть все примеры, чтобы понять общее правило, и это работает в наших интересах. Однако с обобщением возникает подмножество ошибок, когда мы забываем о Законе больших чисел и действуем так, как будто его не существует. Мы берем небольшое количество примеров и создаем общую категорию, даже если у нас нет статистически обоснованной основы для вывода.

15.Склонность к относительному удовлетворению / несчастью
Склонность к зависти, вероятно, является наиболее очевидным проявлением тенденции относительного удовлетворения, но почти все исследования человеческого счастья показывают, что она связана с состоянием человека относительно его прошлого или его сверстников, а не абсолютный. Эти относительные тенденции причиняют нам большое несчастье или счастье в самых разных объективно различных ситуациях и делают нас плохими предсказателями нашего собственного поведения и чувств.

16.Предвзятость и постоянство
Как часто и хорошо известно психологи, люди склонны придерживаться своих прежних обязательств и оставаться последовательными, когда это возможно. Эта черта необходима для социальной сплоченности: людям, которые часто меняют свои выводы и привычки, часто не доверяют. Тем не менее, наше стремление оставаться последовательным может превратиться, как выразился один шутник, в «хобгоблина глупых умов» — когда оно сочетается с предвзятостью первого вывода, мы в конечном итоге получаем плохие ответы и остаемся равнодушными перед лицом убедительных доказательств. .

17. Предвзятость в ретроспективе
Как только мы узнаем результат, почти невозможно мысленно повернуть время вспять. Наш повествовательный инстинкт приводит нас к выводу, что мы знали это все время (что бы это ни было), тогда как на самом деле мы часто просто рассуждаем постфактум с информацией, недоступной нам до события. Предвзятость в ретроспективе объясняет, почему разумно вести дневник важных решений в неизменном виде и пересматривать свои убеждения, когда мы убеждаем себя, что знали это с самого начала.

18. Чувствительность к справедливости
Правосудие глубоко в наших жилах. Еще одна иллюстрация нашего относительного благополучия — мы — осторожные арбитры в том, что справедливо. Нарушения справедливости можно считать основанием для ответных действий или, по крайней мере, недоверия. Однако сама справедливость кажется движущейся мишенью. То, что кажется справедливым и справедливым в одно время и в одном месте, может не быть в другом. Учтите, что рабство считалось совершенно естественным и совершенно неестественным в чередующихся фазах человеческого существования.

19. Склонность переоценивать последовательность поведения (фундаментальная ошибка атрибуции)
Мы склонны чрезмерно приписывать поведение других их врожденным чертам, а не ситуативным факторам, что приводит к переоценке того, насколько последовательным будет такое поведение в будущем. . В такой ситуации прогнозировать поведение кажется не очень сложным. Конечно, на практике постоянно демонстрируется, что это предположение неверно, и поэтому мы удивляемся, когда другие действуют не в соответствии с «врожденными» качествами, которыми мы их наделили.

20. Влияние стресса (включая критические моменты)
Стресс вызывает как психические, так и физиологические реакции и имеет тенденцию усиливать другие предубеждения. Почти все человеческие психические предубеждения усугубляются перед лицом стресса, когда тело переходит в реакцию «бей или беги», полагаясь исключительно на инстинкт без экстренного торможения рассуждений типа «Система 2» Даниэля Канемана. Стресс вызывает поспешные решения, незамедлительность и откат к привычке, что дает начало девизу элитных солдат: «В гуще битвы вы не подниметесь до уровня своих ожиданий, а упадете до уровня своей подготовки.”

21. Предвзятость выжившего
Основная проблема историографии — нашей интерпретации прошлого — состоит в том, что история написана победителями. Мы не видим того, что Нассим Талеб называет «тихой могилой» — владельцев лотерейных билетов, которые не выиграли. Таким образом, мы слишком приписываем успех действиям, совершаемым успешным агентом, а не случайности или удаче, и часто извлекаем ложные уроки, исключительно изучая победителей, не видя всех сопутствующих проигравших, которые действовали таким же образом, но им не повезло. преуспевать.

22. Склонность хотеть что-то делать (драка / бегство, вмешательство, демонстрация ценности и т. Д.)
Мы можем назвать это синдромом скуки: у большинства людей есть тенденция к необходимости действовать, даже когда в их действиях нет необходимости. . Мы также склонны предлагать решения, даже если у нас нет знаний для решения проблемы.

23. Предвзятость фальсификации / подтверждения
Человек верит в то, чего хочет человек. Точно так же мы верим в то, что выбираем видеть.Это обычно называется предвзятостью подтверждения. Это глубоко укоренившаяся умственная привычка, одновременно сохраняющая энергию и удобная, — искать подтверждения давно укоренившейся мудрости, а не нарушения. Тем не менее, научный процесс — включая создание гипотез, слепое тестирование, когда это необходимо, и объективную статистическую строгость — предназначен для того, чтобы искоренить прямо противоположное, поэтому он так хорошо работает, если следовать ему.

Современное научное предприятие работает по принципу фальсификации: метод называется научным, если он может быть сформулирован таким образом, что определенный определенный результат может привести к тому, что он окажется ложным.Псевдознание и псевдонаука действуют и распространяются, будучи несостоятельными — как и в случае с астрологией, мы не можем доказать их правильность или неправильность, потому что условия, при которых они были бы показаны ложными, никогда не указываются.

Лучшие языковые модели и их значение

Мы обучили крупномасштабную языковую модель без учителя, которая генерирует связные абзацы текста, обеспечивает высокую производительность на многих тестах языкового моделирования и выполняет элементарное понимание прочитанного, машинный перевод, ответы на вопросы и обобщение — все без специальной подготовки.

Наша модель, получившая название GPT-2 (преемница GPT), была обучена просто предсказывать следующее слово в 40-гигабайтном тексте Интернета. Из-за нашей обеспокоенности по поводу вредоносных приложений технологии мы не выпускаем обученную модель. В качестве эксперимента по ответственному раскрытию информации мы вместо этого выпускаем модель гораздо меньшего размера, с которой исследователи могут экспериментировать, а также технический документ.

GPT-2 — это большая языковая модель на основе преобразователя с 1,5 миллиардами параметров, обученная на наборе данных из 8 миллионов веб-страниц.GPT-2 обучается с простой целью: предсказать следующее слово, учитывая все предыдущие слова в некотором тексте. Разнообразие набора данных заставляет эту простую цель содержать естественные демонстрации множества задач в различных областях. GPT-2 — это прямое масштабирование GPT с более чем 10-кратным увеличением параметров и обучением на более чем 10-кратном объеме данных.

GPT-2 обладает широким набором возможностей, в том числе возможностью генерировать условные образцы синтетического текста беспрецедентного качества, при этом мы вводим в модель входные данные и заставляем их генерировать длительное продолжение.Кроме того, GPT-2 превосходит другие языковые модели, обученные в определенных доменах (например, Википедия, новости или книги), без необходимости использования этих наборов данных для обучения для конкретных предметных областей. При выполнении языковых задач, таких как ответы на вопросы, понимание прочитанного, резюмирование и перевод, GPT-2 начинает изучать эти задачи из необработанного текста, не используя никаких данных для обучения для конкретных задач. Хотя оценки этих последующих задач далеки от современного уровня техники, они предполагают, что задачи могут выиграть от неконтролируемых методов при наличии достаточных (немаркированных) данных и вычислений.

Образцы

GPT-2 генерирует образцы синтетического текста в ответ на ввод модели произвольным образом. Модель похожа на хамелеона — она ​​адаптируется к стилю и содержанию условного текста. Это позволяет пользователю создавать реалистичные и последовательные продолжения темы по своему выбору, как видно из следующих избранных примеров.

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, 10 попыток)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, первая попытка)

Системная подсказка (написанная человеком)

Завершение модели (машинное письмо, вторая попытка)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, первая попытка)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, первая попытка)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, 5 попыток)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, 25 попыток)

Системная подсказка (написанная человеком)

Завершение модели (написано машиной, 25 попыток)

Как показывают приведенные выше примеры, наша модель способна генерировать образцы из множества подсказок, которые кажутся близкими к человеческому качеству и демонстрируют согласованность на странице или более текста. Тем не менее, мы наблюдали различные виды отказов, такие как повторяющийся текст, сбои моделирования мира (например,г. модель иногда пишет про пожаров, происходящих под водой () и неестественное переключение темы. Изучение этих слабых мест языковых моделей является активной областью исследований в сообществе, занимающемся обработкой естественного языка.

В целом, мы обнаружили, что для получения хорошего образца требуется несколько попыток, причем количество попыток зависит от того, насколько модель знакома с контекстом. При запросе на темы, которые широко представлены в данных (Брексит, Майли Сайрус, Властелин колец и т. Д.), Кажется, что он способен генерировать разумные выборки примерно в 50% случаев.Верно и обратное: для высокотехнологичных или эзотерических типов контента модель может работать плохо. Тонкая настройка дает возможность еще более детального контроля над сгенерированными образцами — например, мы можем настроить GPT-2 в наборе данных Amazon Reviews и использовать это, чтобы позволить нам писать обзоры с учетом таких вещей, как рейтинг и категория в звездах.

Эти образцы имеют существенное политическое значение: большие языковые модели становятся все более легкими в использовании для масштабируемой, настраиваемой, согласованной генерации текста, которая, в свою очередь, может использоваться как полезными, так и вредоносными способами.Мы обсудим эти последствия более подробно ниже и опишем эксперимент по публикации, который мы проводим в свете таких соображений.

Нулевой выстрел

GPT-2 достигает самых современных результатов по множеству задач моделирования на языке предметной области. Наша модель не обучается на каких-либо данных, специфичных для какой-либо из этих задач, и оценивается на них только в качестве финального теста; это известно как установка «нулевого выстрела». GPT-2 превосходит модели, обученные на наборах данных для конкретной предметной области (например,г. Википедия, новости, книги) при оценке на тех же наборах данных. В следующей таблице показаны все наши современные результаты нулевого выстрела.

(+) означает, что более высокий балл лучше для этого домена. (-) означает, что чем меньше балл, тем лучше.

GPT-2 выполняет самые современные задачи по моделированию Winograd Schema, LAMBADA и другим задачам языкового моделирования.

В других языковых задачах, таких как ответы на вопросы, понимание прочитанного, обобщение и перевод, мы можем получить удивительные результаты без какой-либо тонкой настройки наших моделей, просто путем правильного запроса обученной модели (см. Ниже примеры того, как мы делаем это), хотя мы все еще не достигли уровня развития специализированных систем.

Задача

Понимание прочитанного : ответьте на вопросы по заданным отрывкам

Пример

Целевые ответы : неизвестно или да
Типовой ответ : Эверест

Производительность

Задача

Здравый смысл : разрешение двусмысленного местоимения

Набор данных

Вызов схемы Винограда

Примеры

Правильный ответ : it = трофей
Типовой ответ : it = трофей

Правильный ответ : it = чемодан
Типовой ответ : it = чемодан

Производительность

Набор данных

Естественные вопросы

Примеры

Правильный ответ : Чарльз Дарвин
Типовой ответ : Чарльз Дарвин

Правильный ответ : Аляска
Типовой ответ : Калифорния

Производительность

Задача

Языковое моделирование широких контекстов : предсказать последнее слово отрывка

Пример

Правильный ответ : кофе
Типовой ответ : еда

Производительность

Задача

Обобщение : обобщение новостных статей

Набор данных

Набор данных CNN и Daily Mail

Пример текста (для краткости обрезан)

Справочная информация

Резюме (машинное письмо)

Производительность

Задача

Машинный перевод : перевод предложений с французского на английский

Пример

Французское предложение :
Un Homme a explore que l’opération gratuite qu’il avait subie pour soigner une hernie lui permettrait de travailler à nouveau.

Справочный перевод :
Один мужчина объяснил, что сделанная ему бесплатная операция по удалению грыжи позволит ему снова работать.

Перевод модели :
Один мужчина сказал мне, что обещанное ему денежное вознаграждение за операцию не позволит ему поехать.

Производительность

Мы предполагаем, что, поскольку эти задачи являются подмножеством общего языкового моделирования, мы можем ожидать дальнейшего повышения производительности с увеличением объема вычислений и данных.Другие опубликовали аналогичные гипотезы. Мы также ожидаем, что тонкая настройка улучшит производительность последующих задач, хотя нам еще предстоит провести тщательные эксперименты.

Последствия для политики

Крупные общеязыковые модели могут иметь значительное влияние на общество, а также найти множество приложений в ближайшем будущем. Мы можем предвидеть, как системы, подобные GPT-2, могут быть использованы для создания:

• Письменные помощники с ИИ
• Более эффективные диалоговые агенты
• Неконтролируемый перевод между языками
• Улучшенные системы распознавания речи

Мы также можем представить себе применение этих моделей в злонамеренных целях, включая следующие (или другие приложения, которые мы еще не можем ожидать):

• Создание вводящих в заблуждение новостных статей
• Выдавать себя за других в сети
• Автоматизировать создание оскорбительного или поддельного контента для публикации в социальных сетях
• Автоматизировать создание спама / фишингового контента

Эти результаты в сочетании с более ранними результатами по синтетическим изображениям, аудио и видео подразумевают, что технологии снижают стоимость создания поддельного контента и проведения кампаний по дезинформации.Широкой публике необходимо будет более скептически относиться к тексту, который они находят в Интернете, так же как феномен «глубокой подделки» требует большего скептицизма в отношении изображений.

Сегодня злоумышленники — некоторые из которых носят политический характер — уже начали атаковать общие онлайн-сообщества, используя такие вещи, как «роботизированные инструменты, фальшивые учетные записи и специальные команды, чтобы троллить людей с ненавистными комментариями или клеветой, которые заставляют их бояться говорить , или трудно быть услышанным или трудно поверить ». Мы должны подумать о том, как исследования в области создания синтетических изображений, видео, аудио и текста могут в дальнейшем объединиться, чтобы открыть новые, пока еще непредвиденные возможности для этих субъектов, и должны стремиться к созданию более эффективных технических и нетехнических контрмер.Кроме того, лежащие в основе технические инновации, присущие этим системам, лежат в основе фундаментальных исследований в области искусственного интеллекта, поэтому невозможно контролировать исследования в этих областях, не замедляя прогресс ИИ в целом.

Стратегия выпуска

Из-за опасений по поводу использования больших языковых моделей для создания обманного, предвзятого или оскорбительного языка в больших масштабах, мы выпускаем только гораздо меньшую версию GPT-2 вместе с образцом кода. Мы не выпускаем набор данных, обучающий код или веса модели GPT-2.Почти год назад мы написали в Хартии OpenAI: «Мы ожидаем, что проблемы безопасности сократят нашу традиционную публикацию в будущем, одновременно увеличивая важность совместного использования исследований в области безопасности, политики и стандартов», и мы рассматриваем эту текущую работу как потенциально представляет собой раннее начало таких опасений, которые, как мы ожидаем, со временем могут усилиться. Это решение, как и наше его обсуждение, является экспериментом: хотя мы не уверены, что это правильное решение сегодня, мы полагаем, что сообществу ИИ в конечном итоге придется серьезно заняться вопросом норм публикации в определенных области исследований.В других дисциплинах, таких как биотехнология и кибербезопасность, уже давно ведутся активные дебаты об ответственной публикации в случаях с явным потенциалом неправомерного использования, и мы надеемся, что наш эксперимент послужит примером для более детального обсуждения решений о выпуске моделей и кода в сообществе ИИ.

Нам известно, что у некоторых исследователей есть техническая возможность воспроизвести наши результаты и открыть их исходный код. Мы считаем, что наша стратегия выпуска ограничивает начальный набор организаций, которые могут это сделать, и дает сообществу ИИ больше времени для обсуждения последствий таких систем.

Мы также считаем, что правительствам следует рассмотреть возможность расширения или начала инициатив по более систематическому мониторингу воздействия на общество и распространению технологий искусственного интеллекта, а также для измерения развития возможностей таких систем. Если эти усилия будут продолжены, они могут дать лучшую доказательную базу для решений лабораторий ИИ и правительств в отношении решений о публикации и политики в области ИИ в более широком смысле.

Мы продолжим публичное обсуждение этой стратегии через шесть месяцев. Если вы хотите обсудить большие языковые модели и их значение, напишите нам по адресу: languagequestions @ openai.com. И если вам нравится работать над передовыми языковыми моделями (и обдумывать их последствия для политики), мы нанимаем.

Промежуточное обновление GPT-2, май 2019 г.

Мы реализуем два механизма ответственной публикации GPT-2 и, надеюсь, будущих выпусков: поэтапный выпуск и совместное использование на основе партнерства. Сейчас мы выпускаем более крупную версию GPT-2 345M в качестве следующего шага в поэтапном выпуске и делимся версиями 762M и 1.5B с партнерами в сообществах ИИ и безопасности, которые работают над повышением готовности общества к большим языковым моделям.

Поэтапный выпуск

Поэтапный выпуск предполагает постепенный выпуск семейства моделей с течением времени. Цель поэтапного выпуска GPT-2 — дать людям время оценить свойства этих моделей, обсудить их социальные последствия и оценить влияние выпуска после каждого этапа.

В качестве следующего шага в нашей стратегии поэтапного выпуска мы выпускаем версию GPT-2 с параметрами 345M. Эта модель отличается улучшенными характеристиками по сравнению с версией 117M, хотя и уступает 1.5B в отношении простоты создания связного текста. Мы были взволнованы, увидев так много положительных результатов использования GPT-2-117M, и надеемся, что 345M принесет еще больше преимуществ.

Хотя риск неправильного использования 345M выше, чем риск 117M, мы считаем, что он значительно ниже, чем риск 1,5B, и мы полагаем, что системы обучения, аналогичные по возможностям GPT-2-345M, уже находятся в пределах досягаемости для многих участников. ; этот развивающийся ландшафт репликации информировал нас о принятии решений о том, что следует выпустить.

При принятии решения о выпуске 345M мы учитывали следующие факторы: простота использования (разными пользователями) моделей разного размера для генерации связного текста, роль людей в процессе генерации текста, вероятность и сроки будущего тиражирование и публикация другими лицами, доказательства использования в естественных условиях и выводы экспертов о ненаблюдаемом использовании, доказательства концепции, такие как генератор обзоров, упомянутый в исходном сообщении в блоге, сила спроса на модели для полезных целей и исходные данные заинтересованных сторон и экспертов.Мы по-прежнему не уверены в некоторых из этих переменных и продолжаем приветствовать информацию о том, как принимать соответствующие решения о публикации языковых моделей.

Мы надеемся, что текущие исследования предвзятости, обнаружения и неправильного использования дадут нам уверенность в своевременной публикации более крупных моделей, а через шесть месяцев мы поделимся более полным анализом социальных последствий языковых моделей и нашей эвристикой для выпуска. решения.

Партнерские отношения

С момента публикации этого сообщения в блоге в феврале мы беседовали со многими внешними исследователями, технологическими компаниями и политиками о нашей стратегии выпуска и последствиях все более крупных языковых моделей.Мы также представляли или обсуждали нашу работу на мероприятиях, включая ужин, организованный совместно с Партнерством по ИИ, и презентацию для политиков в Вашингтоне, округ Колумбия, в Центре глобального взаимодействия.

В настоящее время мы формируем исследовательские партнерства с академическими учреждениями, некоммерческими организациями и отраслевыми лабораториями, направленными на повышение готовности общества к использованию больших языковых моделей. В частности, мы делимся версиями GPT-2 с параметрами 762M и 1.5B, чтобы облегчить исследования по обнаружению выходных данных языковой модели, анализу и устранению предвзятости языковой модели, а также анализу потенциала неправильного использования.Помимо наблюдения за воздействием языковых моделей в дикой природе, участия в диалоге с заинтересованными сторонами и проведения внутреннего анализа, эти исследовательские партнерства будут ключевым вкладом в принятие нами решений по более крупным моделям. Подробнее о том, как принять участие, читайте ниже.

Выходной набор данных

Мы выпускаем набор данных выходных данных GPT-2 для всех 4 размеров моделей, с усечением top-k и без него, а также подмножество корпуса WebText, используемого для обучения GPT-2. Выходной набор данных содержит примерно 250 000 выборок на пару модель / гиперпараметр, что, как мы ожидаем, будет достаточно, чтобы помочь более широкому кругу исследователей провести количественный и качественный анализ по трем вышеупомянутым темам.Наряду с этими наборами данных мы включаем базовый анализ некоторых свойств моделей, связанных с обнаружением, которые, как мы надеемся, смогут быстро развить другие.

Поговорите с нами

Мы заинтересованы в сотрудничестве с исследователями, работающими над обнаружением выходных данных языковых моделей, предвзятостью и нормами публикации, а также с организациями, на которые могут повлиять большие языковые модели: свяжитесь с нами через нашу форму Google. Кроме того, на следующей неделе на ICLR будут присутствовать специалисты по языку, безопасности и политике OpenAI, в том числе на семинаре по воспроизводимости и на стенде OpenAI.В частности, мы будем обсуждать эту стратегию выпуска на семинаре AI for Social Good.

GAM: Серебряная пуля для прогнозного моделирования

Введение

Представьте, что вы входите в комнату специалистов по анализу данных; дресс-код — повседневный, в воздухе витает аромат крепкого кофе. Вы спрашиваете специалистов по данным, регулярно ли они используют обобщенные аддитивные модели (GAM) для выполнения своей работы. Очень немногие скажут «да», если вообще скажут.

Теперь давайте воспроизведем сценарий, только на этот раз мы заменим GAM, скажем, случайным лесом или машинами опорных векторов (SVM).Все скажут «да», и вы даже можете вызвать бурную дискуссию.

Несмотря на то, что GAM не пользуется популярностью в сообществе специалистов по анализу данных, он является мощным и в то же время простым методом. Следовательно, цель этого поста — убедить большее количество специалистов по обработке данных использовать GAM. Конечно, GAM — не серебряная пуля, но это метод, который вы должны добавить в свой арсенал. Вот три основные причины:

• Легко интерпретировать.
• Гибкие функции прогнозирования могут обнаруживать скрытые закономерности в данных.
• Регуляризация функций прогнозирования помогает избежать переобучения.

В общем, GAM имеет преимущества интерпретируемости GLM, где вклад каждой независимой переменной в прогноз четко закодирован. Однако он обладает значительно большей гибкостью, поскольку отношения между независимой и зависимой переменной не считаются линейными. На самом деле, нам не нужно заранее знать, какие прогностические функции нам в конечном итоге понадобятся. С точки зрения оценки использование регуляризованных непараметрических функций позволяет избежать ошибок, связанных с полиномиальными членами более высокого порядка в линейных моделях.С точки зрения точности GAM не уступают популярным методам обучения.

В этом посте мы изложим принципы GAM и покажем, как быстро приступить к работе в R. Мы также составили PDF-файл, в котором более подробно рассматриваются сглаживание, выбор модели и оценка.

Весь код и данные, использованные для этого поста, можно загрузить из этого репозитория Github: https://github.com/klarsen1/gampost.

Что такое GAM?

Обобщенные аддитивные модели были первоначально изобретены Тревором Хасти и Робертом Тибширани в 1986 году (см. [1], [2]).Структура GAM основана на привлекательной и простой ментальной модели:

• Отношения между отдельными предикторами и зависимой переменной следуют плавным схемам, которые могут быть линейными или нелинейными.
• Мы можем оценить эти гладкие отношения одновременно , а затем предсказать \ (g (E (Y))) \), просто сложив их.

С математической точки зрения, GAM — это метод аддитивного моделирования, в котором влияние прогнозных переменных фиксируется с помощью сглаженных функций, которые — в зависимости от лежащих в основе шаблонов данных — могут быть нелинейными:

Мы можем записать структуру GAM как:

, где \ (Y \) — зависимая переменная (т.е., что мы пытаемся предсказать), \ (E (Y) \) обозначает ожидаемое значение, а \ (g (Y) \) обозначает функцию связи , которая связывает ожидаемое значение с переменными предиктора \ ( x_1, \ ldots, x_p \).