Predictive vs. Winning Models

Я просто эстетизирую свою особенность. Суть в том, что модель, которая очень точно предсказывает мир гораздо хуже позволяет в нём действовать. Речь не о том, что карта это не территория и есть какой-то важный параметр, который она не учитывает. Типа навигатор, который не учтет вайбы улиц, набор высоты и всё такое. Речь о другом. Представим хищника и добычу. Есть ли у хищника сразу идеальная модель поведения всех зверей, на которых он охотится? Есть ли она хотя бы в самом конце? Нет, абсолютно. Это абсурд. Условно комариха не имеет представления о личности, работе и прочих вещах людей, которых она кусает. Есть только тепло, CO2 и зрение. Максимально простой алгоритм, чтобы впихнуть в конструкцию хищника. С другой стороны, нужна ли вам хорошая модель себя самого? В целом, гораздо больше, чем в прошлом варианте. Знать сколько сил, что где болит, что точно получится, а что точно не получится. Это очень важно. Так вот, подробные предиктивные модели вас заставляет создавать цивилизация, потому что ей очень важна модель себя самой. А вот простые модели, которые помогают побеждать она саботирует даже в том случае, если людям их выгодно распространить. Например, биткоин. Изначально у крипты только одна функция — саботаж регуляций: трансграничные переводы, анонимность, уход от налогов. От путешественника во времени, который купит биткоин и будет его холдить государства только выиграют — капитализация чуть-чуть надуется, холд вместо постоянных платежей демотивирует других использовать крипту как средство платежей. Понятно что один ничего не изменит, но сейчас есть армия даунов которая будет рушить криптопроекты используя их как инструмент инвестиций, а не платежей. Все мечты о том, чтобы стать суперпредиктором строятся вокруг того, что цивилизация мотивирует хайпом вокруг трёх копеек, что нужно заниматься предсказаниями, а не побеждать. У winning models есть особенности, которые в целом следуют из физики и информатики: А теперь за меня эпилог зачитает мой бессмертный хоуми — a.k.a. Котёнок ГПТ Особенности winning models: Меньше входа — игнорируют лишнее Низкая latency — скорость > точность Асимметрия потерь — важен не средний, а критический исход Дискретность — да/нет вместо вероятностей Локальность — нет глобальной согласованности Инструментальность — полезность > истина Вшитость — неотделимы от действия/тела Дешевизна — минимум вычислений и памяти Непрозрачность — плохо объясняются Немасштабируемость — ломаются при обобщении Эксплуатация — ищут точки давления, не описания Неполнота — “достаточно для действия” Ставки — риск > вероятность Деградация — при формализации умирают