Прокрастинометрия: основы
количественного анализа откладывания дел

В.А. Завтраков

10. Выводы

Проведенное исследование позволяет сформулировать следующие выводы:

1. Прокрастинометрия как наука обладает строгим математическим аппаратом¹ и воспроизводимыми экспериментальными результатами, что позволяет ей занять достойное место среди других точных наук.
   Точные науки — отрасли науки, в которых изучают количественно точные закономерности и используются строгие методы проверки гипотез, основанные на воспроизводимых экспериментах и строгих логических рассуждениях.
    
    
    
2. Предложенная система единиц измерения
   Единица измерения — физическая величина фиксированного размера, которой условно по соглашению присвоено числовое значение, равное 1.
    
    
    
     (прокрастинон и его производные) позволяет количественно оценивать процессы откладывания дел с высокой точностью.
3. 4 фундаментальных закона прокрастинодинамики описывают поведение систем откладывания на всех уровнях организации — от индивидуального до государственного.
4. Разработанная классификация прокрастинаторов охватывает весь спектр откладывающего поведения и может быть использована для персонализированного подхода к оптимизации прокрастинации.
5. Практические методы управления прокрастинацией должны исходить не из борьбы с ней, а из её грамотного использования для повышения продуктивной непродуктивности.

Дальнейшие исследования планируется направить на изучение коллективной прокрастинации в государственных учреждениях, где Ҡ_откл. достигает значений 1000 и более, а также на разработку квантовой теории поля прокрастинации, объединяющей индивидуальное и коллективное откладывание в единую теоретическую рамку.

Благодарности

Автор выражает глубокую благодарность всем, кто откладывал прочтение этой статьи, тем самым подтверждая её основные положения на практике. Особая признательность рецензентам, которые отложили написание рецензий на столь долгий срок, что статья была опубликована без них.
Работа выполнена при поддержке гранта Фонда изучения завтрашнего дня (проект #ЗД-2024-ЗАВТРА).

¹ Математический аппарат — это совокупность математических понятий, методов, формул и теорий, используемых для моделирования, анализа и решения прикладных задач в науке и технике. — Ред. ТЧК.

Страницы   1   2   3   4   5   6   7   8

Ни юмора, ни воли. Ученый опроверг силу
искусственного интеллекта

Окончание Назад

В момент, когда от машины требуется творчество, мы не можем от нее этого ждать. Не бывает креатива на заказ. Не думаю, что человек, как творческая единица, может быть когда-нибудь превзойден машиной. У людей есть сознание, чувства, самоидентификация, — отметил он, выразив скептическое отношение к созданию в будущем эмоционального ИИ.
Да, машина сейчас быстро находит информацию, пользуется связями между высказываниями, но эмоциональным интеллектом это назвать невозможно: у ИИ нет воли, он не осознает сам себя, у него нет желаний, он не понимает хорошо и уместно ли пошутил, у него нет чувства юмора, — подчеркнул ученый, добавив, что люди пишут программы, для того, чтобы ИИ выбрал определенную стилистику общения на уровне хорошего ответчика, некого решебника. Любая эмоциональная машина должна опираться на вычисления, а если это так, то формальная модель все равно должна работать по правилам с определенными последствиями. Как только мы упаковываем мышление в эти правила, оно тут же становится ограниченным, — добавил он.

В качестве примера он приводит человеческую интуицию.

Интуиция — апелляция к личному опыту человека и эмоциональным переживаниям при нахождении в аналогичных ситуациях. Теоретически, если в базе данных есть описание похожей истории, машина это считывает, находит связи и паттерны и выдает схожие реакции. В принципе, это можно назвать интуицией. Но для этого нам требуется описать все возможные ситуации со всеми факторами, а они могут быть не только количественными, но и качественными, а вот это уже мало формализуемая вещь, — поясняет ученый, доказывая это на примере слова сильный.
Чтобы ощутить слово сильный так, как его понимает человек, машина должна рассмотреть все слова на конкретном языке, означающие силу (сильный, мощный, хилый, слабый), все это умножить на корректирующие слова (очень, весьма, в достаточной степени) и каждому случаю поставить свое число по конкретной шкале. Однако эксперт, предложивший такое описание, всегда субъективен, — говорит ученый. Более того, в данном случае мы не учитываем ни стилистическую многозначность слова сильный, ни контекст его применения, – отмечает ученый, приходя к выводу, что таких тонкостей слишком много, поэтому качество формализовать практически невозможно.
Когда мы со студентами разрабатываем или разбираем алгоритмы, я каждый раз пытаюсь добиться коллективного ощущения всесилия над машиной и принятия ответственности за то, что происходит на экране. Машина (ИИ) – мощный, полезный, послушный, но ограниченный исполнитель, который вряд ли когда-нибудь окажется способен сделать больше предписанного, – резюмировал ученый.

Текст публикуется по РИА Новости. Наука