🌀 Призма сингулярности #2. Матрица барьерных переходов

Матрица барьерных переходов — это фреймворк для исследования эволюции продуктов, технологий или процессов во времени через преодоление серии барьеров с экспоненциально растущей сложностью.

🌀 Призма сингулярности #2. Матрица барьерных переходов
Самая первая версия модели описана тут (см. матрица Кипмана) (2018)

Введение

Описывая фреймворк коридора сингулярности, я отдельное внимание обращал на барьеры, которые присутствуют в каждом из квадрантов схемы:

  • Барьер консьюмерской инерции в фабрике рекомбинаций
  • Барьер отторжения источником власти в бюро контроля
  • Барьер нишевого рынка в лаборатории антиболи
  • Барьер проваленных ожиданий в искре нонконформизма

Каждый такой барьер — это образное представление набора препятствий, которые cоответствующим игрокам нужно преодолеть, чтобы сдвинуться на следующую стадию развития.

В логике коридора сингулярности предполагается, что игроки решают свои "экзистенциальные барьеры", декомпозируя их на более частные задачи, которые также можно называть барьерами, но уже "производственного" характера: технологические, финансовые, социальные, юридические и т.п.

Но при этом фреймворк сам по себе не говорит, что именно случается в случае преодоления одного или нескольких барьеров, к каким новым свойствам или категориям продуктов и сервисов это приводит и вообще как об этом обстоятельно размышлять.

Для решения этой задачи есть другой "более тонкий" инструмент — матрица барьерных переходов (Barrier Transition Matrix).

Предыстория

Матрица барьерных переходов тянется своими корнями в 2017 год, когда Алекс Кипман (до недавних пор — главный в Microsoft по смешанной реальности, а в тот момент — один из "отцов" Kinect и Hololens) в своем интерью Fast Co.Design рассказал, как он размышляет о задаче "понимания компьютером полноты человеческого опыта".

Рисунок Алекса Кипмана (начало в верхней левой ячейке, ось X - вертикальная, Y - горизонтальная)

Позволю себе процитировать издание:

Чтобы понять, как компьютер однажды может понять полноту человеческого опыта, мы можем его развитие представить как матрицу 3x3. По оси X у нас располагаются: человек, окружение и объекты. Каждый следующий шаг на порядок сложнее предыдущего. Отслеживать человека? Это тяжело. Но отслеживать пространство со всеми его нюансами — в 10 раз сложнее, чем отслеживать людей. А отслеживать объекты с учетом всех их текстур и вариаций в контексте? Это в 100 раз сложнее, чем людей.

По оси Y у Алекса, в той же логике расположены: ввод, вывод и отдача (haptic).

Далее Кипман говорит, что как ленивый инженер, он берется за самую первую ячейку: 1x1, где нужно научиться решать проблему ввода в компьютер распознанного человека, включая жесты и голос.

“Люди говорят, что я придумал Kinect,” — говорит Кипман. — “Я не изобретал Кинект. Я шел по этой таблице и решал самую простую задачу.”

В этом размышлении "клеточка 2x2", или, как ее называет Алекс, проблема 10x10", — уже соответствует не Кинекту, а Хололенсу — отображение пространства в глаза и уши человека через голограммы. Попутно Алекс отмечает, что к тому моменту, когда вы подходите к решению следующей ячейки предыдущая уже претерпела развитие, и, фактически, спустя 5-10 лет большой Кинект уменьшается до размеров камеры iPhone (камера первого Кинекта для Xbox 360 в 2010 году базировалась на технологии израильской компании PrimeSense, которую в 2013 году купил Apple для интеграции ее наработок в камеру мобильного телефона).

Матрица Кипмана

Шел 2018 год: я продолжал работать в Microsoft, был самый разгар продвижения темы цифровой трансформации, а наш небольшой кружок развития Inclusive Transformation Framework прирастал все новыми инструментами, одним из которых стала Матрица Кипмана.

Как легко догадаться из контекста, матрицей Кипмана я назвал легкое обобщение рисунка и логики рассуждения Алекса из статьи выше.

Матрица Кипмана устроена "очень просто":

  • Мы размещаем оси так, как нам привычно, и направляем будущее в верхний правый угол.
  • Для каждой из осей мы определяем ключевой параметр развития системы.
  • На каждой из трех отметок на осях мы отмечаем стадию или состояние, которые мы последовательно хотим достичь и про которые, с позиции сегодняшнего дня, нам кажется, что каждая следующая — порядково сложнее предыдыдущей.

Готово. Дальше остается наполнить ячейки. ?????. Profit.


Далее приведу пример заполнения, потом мы обсудим сложности работы с матрицей в таком виде. После чего сможем перейти к матрице барьерных переходов.


Пример. Человеко-машинное зрение

Если Кипман описывал эволюцию "тотального опыта" в целом, то мы попробуем углубиться в один конкретный аспект: как может эволюционировать технология "человеко-машинного зрения".

Для контекста: данные пример был создан в 2018 году, я добавил условную отметки уровня технологий тогда и сейчас, в конце 2022, когда я пишу этот материал.

В этом забеге мы можем сказать, что у нас есть два основных направления развития:

  • Seeing Features — насколько хорошо мы понимаем, куда и как смотрит конкретный человек и что он видит.
  • Interface Adaptability — насколько цифровой мир способен адаптировать и реагировать в ответ на это знание.

В каждом из направлений мы можем выделить несколько стадий с порядковым ростом сложности (как нам кажется):

  • Отследить движение глаз сложно, но понять направление зрения "сложнее в 10 раз". А понять, что и как на самом деле видит человек — сложнее в 100 раз.
  • Интерпретировать взгяд человека в интерфейсе сложно, но еще сложнее превратить вгляд в способ управления. А сделать мир в целом реагирующим на вгляд — сложнее в 100 раз.

Дальше мы последовательно заполняем ячейки, пытаясь понять, что дает нам каждая новая возможность. В какой продукт или какое свойство мы это можем упаковать.

Так у нас последовательно появляются интерфейсы управляемые глазами, более продвинутые трекеры взгляда, "туннельные миры" с фокальным рендерингом, более совершенные API (скорее всего в шлемах со встроенными трекерами) для адаптации под направление взгляда, нейро-трекеры зрения, "вороньи миры" в кастанедовской логике управляемых сновидений, онтология зрения (конкретного человека) как API и "сонные миры".      

Обычно для такого исследования у нас задан какой-либо контекст, в рамках которого мы рассматриваем эволюцию. Например, "человеко-машинное взаимодействие" в целом, но мы могли бы говорить и в контексте какой-либо конкретной платформы смешанной реальности вроде пары "Quest-Horizon". Или мы бы могли рассуждать, что с этими прорывами может сделать игрок одного из квадрантов коридора сингулярности. От такого контекста зависит, в какие формы и решения будет спроецировано экспертное знание.

Что-то здесь не так

Несмотря на внешнюю простоту и простоту интерпретации готовой матрицы, на практике, составление матрицы Кипмана оказывается нетривиальной задачей, требующей определенного сгустка экспертизы.

Условный Алекс Кипман, рисующий матрицу для смешанной реальности (mixed reality), отличается несколькими свойствами, которые он неявно использует:

  • Он знает состояние отрасли в целом и откуда-то знает, какой барьер в заданном направлении будет следующим. И, исходя из этого, может назвать следующее целевое состояние. Вообще говоря, это нетривиальное знание, учитывая запрос на порядкое усложнение. Близость Microsoft Research тут как нельзя кстати, но об этом позже.
  • (Хотя этого нет в матрице, мы это знаем по другим выступлениям.) Он формулирует продуктовые гипотезы о том, какой опыт можно собрать на преодаленных барьерах. То есть он не просто рассуждает о достижении новых технических характеристик, создании новых алгоритмов и т.п., а может заземлить их в продукт. Здесь снова мало просто продуктового опыта — это внутреннее знание, зачем нужно преодолевать какой-то барьер.

Вместе с этим, мы, вслед за Алексом, вынуждены ограничивать себя, примеряя шляпу "ленивого инженера". Переход к каждой следующей стадии — это 5-10 лет развития технологий, а вся матрица, соответственно, описывает горизонт в 10-20 лет, считая, что первая ячейка достижима "завтра". Поэтому мы можем мечтать о том, что будет тогда, но навряд ли можем описывать это в конкретных продуктах и их версиях.

Не случайно матрица самого Алекса "пустовата", а мой примере выше — чем дальше во времени, тем более "размытые" формулировки.

Если вы обратили внимание, в этом и предыдущем разделе я подчеркнул нечеткие утверждения. Мы все это прошли на собственном опыте в работе с заказчиками и рисуя матрицы для своих проектов. Набили матричные шишки не один раз. Поэтому со временем матрица Кипмана начала уточняться и превращаться в матрицу барьерных переходов.

Матрица барьерных переходов (Barrier Transition Matrix)

Эволюция барьеров и их решений

Первым делом надо разобраться с барьерами и тем, как происходит их снятие или решение и откуда возникает порядковый рост сложности.

Эволюция барьеров

Мы смотрим на все барьеры с позиции "сегодня". В этом смысле сложность задач снижается со временем по мере развития самих технологий. То, что сегодня нам кажется в 100 раз сложнее, чем мы можем себе позволить, через условные 5-10 лет будет казаться замахом "всего лишь" на один порядок. Почему бы и нет? Но, на горизонте появятся новые задачи, которые снова в 100 раз сложнее. Условно, матрица бесконечна.

Мы, вообще говоря, не знаем, какой барьер правильно взять как следующий по сложности (если только речь не идет о задачи порядкового изменения конкретных параметров, тогда это относительно тривиальный случай для формулировки). Но, мы можем подсмотреть! Для этого нам всего лишь нужно ответить на вопрос: а где сейчас занимаются барьером, который порядково более сложный и, соответственно, отстоит от массового практического применения на следующие 5-10 лет?

Ответ на этот вопрос ведет нас к простой последовательности:

  • α-барьеры сегодняшнего дня решаются технологиям, продуктами и сервисами, доступными на открытом рынке. То есть мы можем открыть браузер и спросить в поисковой строке, как решить эту задачу и, с некоторой вероятностью, найдем готовое решение. Возможно, даже бесплатно или в виде открытого кода, если речь идет о технологиях. Или какой-то подход описан в книге с реальными кейсами. Или мы знаем из истории, что кто-то это уже сделал и внедрил.
  • β-барьеры времени +T решаются в закрытых R&D-дебрях корпораций и стартапах, вышедших из научных лабораторий или тех самых корпораций с накопленными инсайтами. Вы не можете купить готовое решение на рынке (не покупая компанию или команду), но, скорее всего, по инвестиционной и патентной активности (а также рынку труда) видите первые сигналы, что решение задачи перешло в практическую плоскость.
  • γ-барьеры времени +2T решаются в относительно открытых академических кругах. Понимание их наличия вырисовывается из решений экстремальных кейсов (проявлений нестыковок), которые вы можете узнать из научных публикаций. Но пока слишком рано говорить об обобщении технологии или переходе в производственный цикл, в основном, мы говорим о частных решениях, накоплении экспериментальной базы и теоретических изысканиях.
  • δ-барьеры времени +3T и далее не решаются, но обсуждаются в научной фантастике и философских трудах. В лучшем случае мы можем ожидать, что люди, выросшие на этих работах, к своему зрелому академическому возрасту подойдут к постановке соответствующих задач как предмета своих исследований.

Так как с позиции "сегодня" в δ-барьерах практической пользы мало, то мы их оставляем за рамками матрицы.

Обращу еще раз ваше внимание на изящную подмену, которую мы сделали, заменив свое незнание глобальным знанием всего человечества (в доступной нам степени), которое уже учитывает разнообразие помыслов.

Итого, для заданного направления мы получаем три основных поколения барьеров, которые мы можем сформулировать, если понимаем:

  • Что есть готового на рынке
  • Над чем трудятся корпорации и какие есть перспективные стартапы
  • Какие актуальные исследования происходят в ключевых университетах и исследовательских центрах
Карточка барьера в матрице барьерных переходов

Вишенка на торте: вспоминаем связь ограничений и нестыковок и понимаем, что барьеры – это те же нестыковки, которые в свою очередь можно инвертировать как драйвер или тренд. Таким образом, за преодолением каждого выявленного барьера мы можем назвать драйвер (спрос), который подталкивает нас это сделать.

Алхимия

Вторая большая сложность, с которой мы сталкиваемся на практике – это заполнение ячеек таблицы. "Матрица Кипмана" не давала нам четкой инструкции, как это делать, кроме того что движение должно быть по диагонали из нижнего левого угла в верхний правый в соответствии с течением времени.

Все равно оставался подвешенным вопрос: вот мы преодолели какие-то барьеры, допустим, достигли обозначенных состояний – и что? К чему нам это прикладывать. С чем скрещивать?

И вот тут сам собой напрашивается ответ: нужно указать нулевой элемент и явные, хотя и очевидные, правила "эволюции".

Таким образом мы добавляем начальный "базовый" элемент (отсечка 0), который у нас уже есть сегодня и дальше в матрице развиваем именно его, накручивая к нему новые возможности или переходы в новые состояния. Самое время вспомнить правила и опыт игры в классическую алхимию.

Что еще важно: хотя основное движение происходит по диагонали, в оригинале у Кипмана – ячейками 1x1, 2x2 и 3x3, мы понимаем, что есть и побочные пути развития, которые "прокачивают" только одно из направлений развития и они имеют право на существование. Часто оказывается, что это нишевые продукты, служащие скорее продуктовой обвязкой технологии (инновации), чем продуктом с собственной ценностью на связке нескольких прорывов.

Великое объединение

Теперь мы готовы объединить изначальную матрицу Кипмана, наше понимание эволюции барьеров и "логику" алхимии в одну схему:

Возможны две последовательсности заполнения:

"Контекс – мясо", от индустрии: 0-α-β-γ-1-2-3. Сначала описываем опорное состояние (0) и барьеры по обеим осям, попутно отмечая переходные достижения (новые технологии, фичи и т.п.). Далее диагональными слоями ячейки матрицы от 1 к 3.

Такой подход подходит лучше, если вы хорошо знаете индустрию и что в ней происходит от того, что доступно на рынке, до самых потаенных академических кругов. Вы сразу можете описать рамку для дальнейшего обсуждения и сконцентрироваться на волновой логике развития своего объекта интереса.

Отмечу на полях, что интуитивно линии 14-15 и 16 хочется продлить за пределы матрицы, расширяя диагональные пласты в последующие барьеры и достижения. Это правильное ощущение, но в линейной логике последовательной эволюции. Подвох в том, что на большой разнообразной поляне конкурентного развития (это прямо важное условие!) всегда найдется тот, кто скомбинирует две линейности в более сложный экспоненциальный результат, не дожидаясь, пока это станет всем очевидным. Например, ячейки 14-15 будут очевидными, когда мы преодолеем δ-барьеры, а 16 – после прохождения ε-барьеров.

Итерационная, от продукта: 0-α-1-β-2-γ-3. Сначала описываем опорное состояние (0) и ближайшие "низко висящие" барьеры (α), прохождение которых позволяет впрыгнуть в состояние (1). Далее указываем барьеры β и дозаполняем клеточку (2). Далее барьеры γ и дозаполняем клеточку (3). Попутно с барьерами отмечаем переходные достижения (новые технологии, фичи и т.п.).

Этот подход заходит лучше, если вы двигаетесь не от знания индустрии (простите), а от знания и видения собственного продукта. Тогда ваше обновленное понимание развития целевого объекта (квадратной ячейки) подсказывает, какими будут следующие барьеры, если захотите развиваться дальше. Аппетит растет во время еды!

Пример. Человеко-машинное зрение

Данный пример заполнялся в итерационной последовательности.

Попробуем переложить в матрицу барьерных переходов уже знакомый нам пример и посмотрим, что поменяется.

Отчечка 0 (1-2-3). Это то, где находится массовый технологический сектор сегодня - мышиные и пальцевые интерфейсы, в которых мы имеем минимальное представление о том, куда смотрят и как реагируют пользователи на наши сайты и приложения, через статистически накапливаемые хитмапы кликов (но не взглядов!).

Отсечка 1 (4-5-6). 4) Через специальные агентства или, если вы достаточно большие, внутренние исследовательские лаборатории вы можете использовать трекеры глаз и инструменты нейромаркетинга для итерационного улучшения опыта взаимодействия и более надежного планирования рекламных компаний. Это по-прежнему отложенный цикл: вы что-то поняли про клиентов и их реакцию, изменили интерфейс, выкладку, визуальный ряд, выкатили обновление.

5, 6) На этом этапе вы только слышали, что есть люди с ограничениями, которые управляют сайтами взглядом с помощью специального оборудования, живые сайты, реагирующие на внимание, – в ваших лучших мечтах, а уж более глубокие и индивидуальные анализ и адаптация – запредельная амбиция. Но появляются стартапы, которые обещают удешевить трекинг через обычные и мобильные камеры.

Отсечка 2 (7-8-9-10-11). 7) Средста адаптации под особенности зрения становятся нормой сначала в играх, а потом и в операционных системах. В некоторых из них управление взглядом становится штатной функцией, трекеры движения глаз встраиваются в продвинутые шлемы виртуальной и смешанной реальности.

8) Появляются первые эксперементы с использованием таких шлемов для создания хитмапов физических пространств (например, в ритейле для выкладки полок), нейромаркетинг – стандартная практика не только для рекламы, но и для высокобюджетной медийной продукции, появляются новые кейсы использования трекеров взгляда в медицине, особенно детской и ранней диагностике отклонений.

9) По-настоящему живые интерфейсы и рекламные блоки реагируют на эмоциональную реакцию пользователей на основании распознавания потока с веб-камеры. Персонажи в играх "понимают", куда смотрит игрок и могут это комментировать. В медийной продукции появляются ранние примеры технлогии "пробивания четвертой стены", позволяющие подстроить с помощью ИИ картинку под расположение и взгляд отдельного зрителя.

10) Звучат мечты о более экономичном фокальном рендеринге, учитывающем вгляд человека, и создании живых миров, "осведомленных" о наличии взгляда человека и способных реагировать на него. Наши интерфейсы по-прежнему каменные.

11) Мы по-прежнему оперируем статистическими представлениями и не знаем, как видит конкретный человек (или другое существо), что он замечает, на что уставился, она смотрит или думает о чем-то своем, его мозг действительно что-то увидел или достроил из памяти?

Отсечка 3 (12-13-14-15-16). 12) В MR/VR-шлемах появляется фокальный рендеринг (сначала в про-версиях, но через 2-3 года и в массовом сегменте), появляются новые микро-сценарии, сдвигающие на другой уровень взаимодействие: удаленные помощники, знающие, куда именно смотри человек, NPC в играх с правильным зрительным контактом. Можно "пощупать" мир взглядом.


13) Появляется новое поколение инструментов и методик диагностики мозга и ментальных отклонений в привязке к зрению, что также находит отражение в образовательных практиках и отборе специалистов. Появляются первые исследования реконструкции модели зрения других существ на основании анализа оптики глаз и нейронных сетей мозга.

14) Постепенно находит свое место под солнцем парадигма интерфейсов шестого чувства, реагирующих не только на взгляд, но и на невербализированные намерение и отношение. Становится возможным "мир Аватара", реагирующий не только на присутствие, но и на вгляд человека. Новые игровые движки позволяют закладывать "анимацию под взглядом" из коробки, "живость" является базовым свойством компьютерных моделей.

15) На уровне операционной системы появляются API для адаптации и компенсации особенностей зрения и реакции, появляется стандартизированная онтология зрения. 3D-приложения и игры получают новый слой информации, на который можно реагировать - карта фокусного внимания. Отслеживание взгляда и зрительной поверхности встраиваются в пилотируемый транспорт.

16) Сонные миры с управлением без движений тела силой разума и взгляда, дополненные аналогичными средставами для безголосовых команд, динамично перестраиваемые с помощью ИИ-алгоритмов генерации. Психотерапевты могут "подключаться" к снам и видениям пациентов и управлять сеттингом.


Обсудим теперь, что поменялось (или нет) при переходе от матрицы Кипмана к матрице барьерных переходов:

  1. Общая динамика и логика движения в будущее осталась той же самой. Более того, признаюсь, изначальная заполненая матрица Кипмана от 2018 года оказалась в целом неплохим подспорьем и отправной точкой. В нее было удобно подглядывать, при этом на ее заполнение тогда ушло порядково меньше времени, чем на полное заполнение матрицы барьерных переходов. В этом смысле, если нужно срочно накидать видение с экспертами, а не объяснять, почему это правильно, начните с матрицы Кипмана.
  2. Появилась системность. Мы вынуждены останавливаться на каждом шаге и думать не просто, что нам мешает перейти в следующую ячейку, а куда мы вообще движемся и что нас будет толкать к этому переходу. Такие уточнения ожидаемы из структуры матрицы, но я еще раз подчеркну: мы сначала пытаемся описать общую логику и амбицию изменений, а потом приземляем их в определенный контекст. В этом смысле матрица барьерных переходов дает более выверенный и взвешенный результат.
  3. Луковичный подход. Явная логика "алхимии" со сложением достижений, в которой результаты предыдущей отсечки становятся базисом для следующего слоя удобнее, чем абстрагированная логика перехода через мыслимые барьеры в матрице Кипмана. При заполнении матрицы Кипмана нужно явно быть готовым к вопросу вроде: "Ок, а что будет следующим шагом порядково еще более сложным"? Часто это сделать не получается, например, эксперты выдают просто инкрементальные дополнения или перефразируют достигнутый результат. Матрица барьеных переходов фрактальна и самоподобна: мы явно фиксируем достижение предыдущего этапа, считая в обсуждении, что это дано. Это ментальный трюк, но он работает.

Appendix A. Сужение времени

В практическом, то есть для принятия бизнес-решений (в т.ч. продуктовых), применении матрицы барьерных переходов иногда встает вопрос о сужении временного горизонта.

Вопрос звучит буквально так:

Можно ли рассматривать шаги не в 5-10 лет, а в 2-3 года? Чтобы суммарно матрица описывала не 10-20 лет, а 4-6, что уже больше похоже на традиционный горизонт долгосрочного планирования большинства технологических компаний (без выделенного направления исследований).

Да, но полный ответ вам не понравится своей "непрактичностью".

Смотрите: мы изначально исходили из запроса на порядковое усложнение, которое на бытовом языке означает, что мы не можем это сделать завтра, но все нам подсказываем, что сможем на следующем технологическом витке. В разрезе коридора сингулярности такой виток зачастую означает сразу несколько переходов в разных квадрантах.

Например, если мы говорим о развитии ИИ для, скажем, генерации красивых аватаров, то лежашая в основе технология вроде Stable Diffusion должна не просто вылезти из недр лабораторий, но и одновременно оказаться достойной, чтобы: 1) замахнуться на перекройку целых сегментов рынка иллюстраций на заказ в большом спектре сценариев, в которых сокращение сроков и доступность обычному пользователю – голубая мечта (искра нонконформиста), 2) вдохнуть новую жизнь в устаревшие продукты вроде дизайнеров презентаций (не случайно Microsoft пилит новый Designer) (фабрика рекомбинации), 3) вызвать тонну негодований в среде дизайнеров и иллюстраторов, чей труд не просто оказывается не удел, но и неурегулированным авторским правом при переиспользовании для обучении тех самых нейронных сетей (бюро контроля).

Другими словами вы не можете сделать выход в новый цикл в одиночку, вам нужно дождаться общей готовности. Идеальная технология стягивает на себе сразу несколько барьеров.

Теперь, что происходит, если мы сужаем временной отрезок для поиска? Наше окно восприятия сужается до одного, максимум двух квадрантов. Соответственно, амплитуда перехода может быть достаточной в одном сегменте и показаться достаточно прорывной лично для вас, но не для рынка в целом. Другими словами, я не говорю, что так нельзя делать, просто у этого есть вот такое следствие: ваша инновация будет носить локальный характер.

И еще один момент: когда мы размышляли про эволюцию барьеров, мы привязались к "местам" поиска ответов. Теперь мы решили ужаться в два раза: значит, нас не интересует γ (академические исследования), а отрезок α-β мы должны разделить на промежуточные этапы.

Тогда мы оставляем за скобками слухи и спекуляции о том, что какая-то компания, вероятно, готовит очередной шлем виртуальной реальности и начала нанимать для этого людей (ужас какой!), но смотрим на более близкие и конкретные перспективы:

  • α+ барьеры отдельных компаний и индивидов, которые они смогли осознать и предложить к ним частное решение, желательно, открыв его миру. По реакции (условно, звездам на github и овациям на конференции) мы можем предложить, что они попали в правильный барьер.
  • α++ барьеры, которые из своих форсайтов чувствуют большие кошельки: корпорации и инвестиционные фонды – мы видим их телодвижения по M&A-сделкам и можем предположить, какой свой барьер решает та или иная компания, ЛИБО по защитным реакциям, когда тот или иной игрок подает заявку на патенты, лоббирует стандарты или законопроекты, ЛИБО мы видим синхронное раскручивание несколькими несвязанными напрямую игроками новой темы (web3, например).

В остальном матрица для среднесрочного планирования работает также как и долгосрочная.

Appendix B. Матрица барьерных переходов для барьеров коридора сингулярности

В обсуждении выше и примерах, говоря о барьерах, я в основном приводил в качестве примера технологические кейсы. Хотя в начале, когда мы отталкивались от барьеров, возникающих в квадрантах коридора сингулярности, мы исходили из того, что "производственные" барьеры могут быть разной природы, да и сами коридорные барьеры – это тоже барьеры.

Вопрос: насколько матрица барьерных переходов может работать для анализа верхнеуровневых проблем участников разных квадрантов?

Ответ будет прикладным – я составил табличку, где смотреть за барьерами, которые поджидают участников квадрантов на разных временных отсечках:

Соответственно, если ваша точка зрения или фокус внимания нацелен не просто на развитие технологий или продуктов, но и на эволюцию в этом контексте действий игроков одного из квадрантов коридора сингулярности, то вы можете на одну из осей положить соответствующие барьеры.

Appendix С. Маловато будет, у нас все сложнее!

Еще один редкий запрос: а что делать, если направления развития больше, чем два. Соответственно, и групп барьеров больше, чем две. Например, в примере про развитие человеко-машинного зрения мы бы могли в дополнение выделить линию про нейроинтерфейсы, или про биохимическое воздействие на зрение, или про аугментацию зрения в нетипичные для человека диапазоны и направления. Или, например, мы бы могли хотеть понять, во что будут вкладываться корпораты, а где будет таиться революция нон-конформистов с их мечтой о сверхзрении?

Для таких запросов есть два ответа. Простой и сложный.

Простой ответ: комбинируйте и складывайте куб

Если у вас больше, чем два направления развития, то вы последовательно заполняете три матрицы барьерных переходов, циклически меняя оси. Обратите внимание на повторение осей – заполнив барьеры один раз, второй раз вы их просто копируете в следующую матрицу.

В целом, про это можно думать, как про трехмерный куб, но на практике в сознание очень сложно уместить комбинацию сразу трех эволюционирующих факторов, поэтому мы работаем с проекциями на грани куба, а не его внутренностью.

На практике, можно также использовать гексагональное представление матрицы:

Очевидно, что если вы однажды решитесь работать с четырьмя направлениями, то и матриц у вас будет не три, а шесть.

Сложный ответ: сворачивайте и умножайте

Вторая опция – это сначала заполнить матрицу барьерных переходов по основной траектории развития, а дальше использовать диагональные отсечки как готовый вектор развития для новой матрицы. При этом второй вектор – это какой-либо дополнительный контекст, который должен либо приземлить развитие, либо дать ему дополнительный оттенок.

Соответственно, наиболее типичны два сценария:

  1. На основной вектор развития P  накладывается ограничение или проекция из другой логики. Например, вы описали логику развития генеративных текстовых алгоритмов (GPT3-4-5+), но теперь хотите понять, как это будет приземляться в квадрант корпоративных игроков (фабрика рекомбинации) или как на это будет реагировать государство (или монополист вроде Google).
  2. На основной вектор развития P накладывается дополнительный буст (двигатель), приходящий снаружи. Например, вы описали логику развития искусственно выращиваемых белковых культур (мяса), но ваша головная компания думает над M&A сделкой, считая, что она даст синергетичный эффект. Тогда новый вектор C – это базовая логика развития такого дополнения, и на этих двух векторах P и C мы растягиваем описание синергетических эффектов.

Далее этот процесс можно повторять с новыми дополнениями или проекциями. Геометрически, этот процесс можно представить, как движение по диагонали куба.

Ответ со звездочкой

Из схемы выше следует важная интерпретация: после того, как мы спроектировали вектор развития P, мы "применяем" к нему силу вектора событий C, отклоняющего траекторию в сторону нового вектора Q (1*, 2*, 3*).

Аналогично, если у вас есть готовый вектор развития системы P (1, 2, 3) как заданная переменная (правая схема), вы можете "положить" его в контекст других трендов, скажем A и B и интерпретировать пустые ячейки как результат воздействия или отклонения траектории развития.

Шаблон

Лицензия

Фреймворк "матрица барьерных переходов" (Barrier Transition Matrix), шаблоны и это руководство созданы Константином Кичинским и распространяются под лицензией Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International.

Как указать лицензию:

Фреймворк "Матрица барьерных переходов" от Human Spectrum Lab, Константин Кичинский, CC BY-SA 4.0

Йоу!