Tagged: Технологии
Н: Сильвестр Терминатор
Видеоролик, где сцена из “Последнего киногероя”, в которой предполагается, что Терминатора сыграл Сталлоне, переходит в реальный видеоряд с тем, что лицо Арнольда заменено на лицо Сильвестра – меня особенно зацепил. Понятно, что технология deep fake уже не первый год есть, но что прямо дома можно переделывать фильмы с заменой лица героя на любое другое – это уже реальность.
После этого ролика я нашел выступление на TED, Continue reading
Р: The Quest by Yergin 5/5
Когда Эдисон тестировал свою технологию освещения лампочками, то лабораторией выступал особняк Джона Пьерпонта Моргана. Эдисон установил там и 385 ламп, и проводку, и трансформаторы и генератор. Вся технология была сырой, не раз сбоила, а однажды даже подпалила библиотеку Морганов. Но Джон говорил Томасу, что тот делает правильное дело на пути прогресса, пусть особняк будет лабораторией, зато результат получится. Должен же кто-то помогать коммерциализировать новые технологии.
Так вот, книга Дэна Ергина The Quest – просто отличная история про то, как человечество решает вопросы энергии. И, если The Prize / “Добыча” была про историю нефтянки, то The Quest… Continue reading
Кто отец? Кто виноват?
Старый судебный казус семейного права прост. Есть мама, есть ребенок, а вот кто из двух мужчин отец – понять невозможно. Потому что два близнеца. Потому что мама никак не могла между ними выбрать, а вот от кого получился ребенок, не знают ни отцы, ни закон. Мать, может быть, догадывается, но доказательств нет.
Суд, конечно же, берет тест ДНК. Но он показывает, что оба с вероятностью 99.999% являются отцами. Ну не может стандартный тест ДНК различить однояйцевых близнецов. Но оказалось, есть продвинутый способ. И New York Times пишет про то, как из двух одинаковых понять, кто виноват. Continue reading
Р: What Big Data Can’t Do by Tenner.
Очень трезвая профессиональная книга Эдварда Теннера про то, где применяли биг дату, и почему она зачастую не давала ожидаемого эффекта. Это к тому, что любая модная и актуальная идея может не выдерживать теста реальности так, как мы от нее ожидаем. Continue reading
Н: Улучшение вероятности не умереть от рака
Когда общество находится на базовом уровне развития, то ключевые причины смертей – это инфекции и «травмы». Затем, когда переходит в массовую медицину, прививки и антибиотики, то на первый план выходят сердечно-сосудистые. Когда с сердечно-сосудистыми справились с помощью статинов и антигипертензивных, то первой причиной смертей становятся новообразования или рак.
Рак – звучит страшно, поэтому новость, которая может звучать про рак прекрасно – это радикальное улучшение вероятности не умереть в течение десяти лет после диагностики. Статья содержит два замечательных графика, показывающих улучшения лечения по каждому из заболеваний. Кратко, выживаемость за поколение в среднем возросла с 25% до 50% на десятилетнем горизонте. Continue reading
T: Двадцать дискет и big data
Мой первый опыт работы с большими массивами данных начался с дискет. Тех, что три дюйма и по 1.44 мегабайта на каждой. Судьбой я оказался на градообразующем предприятии. Мой босс сказал мне, что есть гипотеза, что качество материалов на входе влияет на качество продукции на выходе. И отправил меня за данными для ее проверки.
Гипотеза очевидная, конечно же, жизнь так и устроена. Garbage in – garbage out. Хорошие материалы – хороший продукт. Осталось добыть данные в эпоху, когда аббревиатуры SAP/ OeBS/ ERP в принципе были особенно не известны, не говоря уж о практическом их применении. Поэтому подход, что сейчас сделаем запрос или найдем специалиста – не работал. Continue reading
Р: From Zero to One. Peter Thiel. 4/5 и 18%.
Питер Тиль – личность легендарная. Основатель бизнесов. Покровитель стартапов. Преподаватель Стэнфорда. Поэтому точно есть, что послушать про его историю пути к миллиарду, принципы отбора стартапов и философию жизни.
Эту книгу мы прочитали за неделю два раза. Потому что она короткая, содержательная и легко забывается. Такой неожиданный микс, когда открыл-прочитал-проникся и забыл. Много разных фактов, а история не складывается, а как запомнить, если нет сквозной истории, в лишь отдельные байки.
Поэтому в рецензии отложили только самое-самое нужное. Continue reading
Н: Баффетт, value investing, блокчейн и крипта.
За прошедшую неделю вышла пара хороших статей на тематику. Сначала Баффетт высказался скептично по поводу криптовалют, но это и не удивительно, он же апологет value investing. Затем на habrhabr вышла любопытная подборка, написанная крайне доступным языком, где же есть загвоздки с тем, что блокчейн технология не новая, а коммерциализация еще не наступила.
Давайте разберем статьи с позиций того, что value investing был изобретен в моей альма-матер Columbia University и прописан в семисотстраничном шедевре Graham & Dodd уже более восьмидесяти лет назад (кстати, мы эту книгу прочитали, но рецензию не дали). Ну и посмотрим на приведенные аргументы на хабре на предмет их релевантности. И выводы сформулируем. Итак…
Н: Куда девается прайваси
В истории есть множество загадок, когда почти одновременно разные исследователи или команды добиваются результатов. От пресловутых Амундсена и Скотта, которых разделил на Южном Полюсе один месяц, до Ньютона и Лейбница, спор которых о приоритете изобретения дифференциального и интегрального исчисления вошел в историю.
Что нас особенно зацепило в статье Wired про пресловутые уязвимости – это что они были неоднократно найдены за последние несколько месяцев различными командами исследователей. И это за более чем десятилетие существования этих дыр, которые сейчас оперативно закрываются программным способом. Как это так получается и какой вывод из этого для нас с вами? Continue reading
Новость: Побочные эффекты машин.
Если и бывают совпадения, так это в сегодняшней стратоновости. Бен Эванс опубликовал образцовый анализ, как стратег, визионер и инвестор должны смотреть на события. Это похоже на классический пример из книги Майкла Льюиса “Покер лжецов” (здесь 18 самых сочных моментов книги от BI), где старый опытный трейдер поучает нового молодого арбитражу на эффектах второго и третьего рода. Например, рухнули рынки, надо покупать не золото, куда все бегут, а акции золотых компаний и ломбардов.
Совпадение в том, что оказалось, что Бен Эванс работает в компании a16z легендарного Бена Хоровитца, рецензия на книгу которого The Hard Thing About Hard Things за неделю ворвалась в пятерку самых читаемых рецензий на сайте. Сайт-журнал самого Бена Эванса является популярным в Силиконовой долине. Автор ежегодно выпускает культовую презентацию, о том как мобильные технологии пожирают мир. Но вернемся к новости.
Современные новые автомобили движутся на двух мегатрендах. Continue reading
Stratonews: Обезугливание экономики.
В немецком языке есть слово ‘Energiewende’, или “Энергопереход”. То есть фундаментальная трансформация источников энергии к безуглеродным/возобновляемым ресурсам. Три новости одновременно про это.
Новость 1. Алгоритм достижения третьего уровня Energiewende опубликован в HBR. В первом уровне возобновляемые источники почти незаметны. Во втором уровне операторам сетей приходится вмешиваться в регулирование. На третьем уровне частная возобновляемая генерация определяет лицо отрасли.
Новость 2. Великобритания сутки продержалась без использования угля в генерации, пишут Ведомости. Страна, которая начала индустриальную революцию, уверенно уводит уголь из энергобаланса, замещая ветрогенераторами, благо побережья и шельфа достаточно.
Новость 3. McKinsey Global Institute среди 12 разрушительных технологий для современного уклада называет две, связанные с хранением энергии и с возобновляемыми источниками. В частности, через десять лет автомобили будут гибридные. А из энергобаланса уйдет полмиллиарда тонн углеводородов.
Двадцать лет назад, Continue reading
Рецензия: Bhargava. Non Obvious 2017. 5/5 и 12%.
Пять лет назад в Сколково мы завершили программу повышения квалификации для топ-менеджмента. Нашей группе СЕО поставил задачу заглянуть в будущее для отрасли, используя подход выявления, анализа и использования мегатрендов. Если бы у меня была машина времени, то эту книгу я бы точно отправил себе в то время.
Рохит Бхаргава выпустил уже седьмой ежегодный альманах ключевых трендов. Это действительно настольная книга для любого стратега, руководителя и инвестора, стремящегося найти тренд и заработать на нем капитал. Книга практически на уровне провидческого шедевра The Inevitable by Kevin Kelly 5+/5.
Почему эта книга – ультраприкладной мануал? Потому что в ней есть:
- Пошаговый алгоритм по просеиванию стога новостей до иголки мегатрендов.
- Пятнадцать примеров найденных тенденций с идеями коммерциализации.
- Пост-фактум анализ предыдущих шести альманахов на состоятельность.
И, хотя процент содержательности в книге 12%, но оценка за интересность все равно 5.
Итак, начнем с алгоритма: Continue reading
Новость недели: Конец докторов и аналитиков?
Когда мы затрагивали тематики, какие профессии из нынешних будут уходить в прошлое, будучи замененными IT решениями, то наибольший скептицизм вызывали предсказания, что из-за своей алгоритмизируемости и наличия big data специальности медицинских докторов и аналитических профессий в бизнесе (включая совет директоров) – будут заменяться компьютерами. Понятно, что время рассудит, но три новости с этой недели точно означают, что будущее уже рядом. Нет, неправильно: будущее уже наступило.
Про исчезающих докторов, уходящих аналитиков, снова 18-wheelers. И куда инвестировать.
Рецензия: Big Data 3/5 и 9%
Термин Big Data не имеет сложившегося определения. Но последние три года он активно используется где угодно и где неугодно. Одноименная книга использует два определения. Одно логически неправильное, другое логически правильное. Первое: “Большие данные – это то, что можно сделать по-большому, и нельзя сделать по-маленькому”. Второе: “Когда выборка данных для анализа равна генеральной совокупности”. 
Первые 100 страниц имеют 8 закладок, или 8% содержательности. Всего на 205 страниц 19 закладок, или 9% содержательности. Оценка 3/5.
Чтобы попытаться уйти от критики, автор сразу делает оговорку, что причинно-следственные связи Big Data не интересуют, а только корреляции.
Почему автор игнорирует тематику причинно-следственных связей между входами больших данных и выходами из их анализа? Две причины: когда вводных и выводных параметров тысячи-миллионы, то попробовать объяснить найденную корреляцию весьма затруднительно; также вполне вероятны случайные корреляции, которые объяснять нет смысла. Поэтому проще игнорировать.
Max Business Journal 