Концептуальные замечания по изложению Курса

#1. Первое замечание заключается в Понятийности Термина АНАЛИТИКА.
При просмотре Курса создаётся впечатление, что Аналитика имеет дело только с цифровыми данными, а все остальные виды данных (текстовые и контекстные, сценарии, образные чертежи и схемы, кино-фото материалы, военные карты, аналитические схемы производственных процессов, принципиальные схемы различных механизмов, план-графики, предыдущие аналитические материалы включая проекты решений ЛПР, компетенции и т.д.) должны быть зачищены в мусор или каким-то образом "оцифрованы".
Здесь под компетенциями понимаются:
- Знания - как результат осознания информации;
- Методы и Опыт их (Знаний) применения.

Такое видение значения Аналитики, соответствует её толкования в узком смысле. О чём я и написал:
В рамках понимания в узком смысле, АНАЛИТИКА (англ. Analytics) — систематический численный анализ данных для выявления и интерпретации значимых закономерностей. Применяется в областях, для которых характерно обилие накопленной цифровой информации. Опирается на одновременное применение статистики, компьютерного программирования и исследования операций. Аналитика разделяется на описательную, диагностическую, прогнозную, предписывающую и когнитивную. Может применяться в таких областях бизнеса как маркетинг, управление, финансы, информационная безопасность и программное обеспечение. Для обработки больших данных алгоритмы аналитики, используют методы информатики, статистики и математики.
(продолжение следует)

(продолжение)

Далее я привёл понимание в широком смысле АНАЛИТИКИ, более приближенное к первосмыслу:
"Аналитика (др.-греч. άναλυτικά, букв. — «искусство анализа») — часть искусства рассуждения, рассматривающая учение об анализе — операции мысленного или реального расчленения целого (вещи, свойства, процесса или отношения между предметами) на составные части, выполняемая в процессе познания или предметно-практической деятельности человека".

Дело в том, что человеческое сознание не способно понимать безграничное или даже большое Единство. Поэтому идёт на простую хитрость. Разделяет целое на посильную для исследований, ограниченную горизонтом видения часть реальности. После завершения исследований необходимо провести Синтез (восстановление целостности) Реальности, расширить горизонт видения и приступить к следующему этапу Анализа.

При широком смысле толкования понятия Аналитика основная работа идёт не с данными вообще (тем более цифровыми), а с Компетенциями (Знаниями, а также Методами и Опытом их использования)...

Я думаю, что в стартовой лекции Александра необходимо более чётко указать, что анализ числовых денных является лишь частным случаем Анализа в широком смысле. И привести определение этого понятия в широком смысле. Далее по ходу лекции указать, что текстовые и прочее данные (по моему списку) не является мусором, от которого нужно избавиться, а имеет ценность много большую чем числовые данные, потому как несут в себе превосходящие по значимости смыслы и знания.

Нормальный ЛПР при принятии решений будет руководствоваться именно своими компетенциями личного естественного интеллекта. Да и вы (и ваши ученикм) будете составлять свои выводы и предложения по принятию решений ЛПР далеко не только по анализу числовых данных. О чём вскользь упоминает Алексей.

Прошу аналитиков нашей аудитории высказаться по этим моим замечанием.

#2

Алексей пишет:90% технологий в текущем цикле связаны с ИИ

Непомерно завышенная цифра даже для обработки цифровых данных.
Проблема в машинном обучении, вернее в достоверности данных, которые "скармливают" обучающейся железке, вернее её ПО...
Поток "кормления" также можно легко обмануть, манипулировать данными. Особенно в чувствительных системах концептуального и информационно-психологического противоборства. И особенно в интересах подрывной финансово-экономической деятельности, а также в конкурентной борьбе...

Так что 90% это обычный рекламный фейк и манипулятивный злонамеренный PR. Я не знаю ни одного крупного руководителя (кроме Мишустина и Грефа) которые всерьёз доверяли услугам систем ИИ. Да и упомянутые деятели больше всё таки доверяют своей большой компетенции, а не специалистам Data Science.

Если всё так хорошо с ИИ, а также с Data Science, то почему в экономиках и банках США и ЕС кризис погоняет кризом. А ведь они не просто лидеры внедрения этих "чудес", но и авторы подавляющей части их "чудотворных" методик...

Алексей пишет:Массовое внедрение:
- облачные вычисления в ИИ...

Тут меня пугали СБ вашей компании. Дескать она чего-то не разрешает.
А какая СБ серьёзной государственной или коммерческой организации разрешит использование чужих облачных ресурсов???
Это же прямой слив гостайны и конфиденциальной стратегической информации противникам и конкурентам!!!

Алексей пишет:Массовое внедрение:
...
- распознавание и генерация речи
...
-обработка естественного языка

Этот пункт вообще относится к Теории автоматов, а не к Теории ИИ.

Теория автоматов — раздел дискретной математики, изучающий абстрактные автоматы — вычислительные машины, представленные в виде математических моделей — и задачи, которые они могут решать.

Теория автоматов наиболее тесно связана с теорией алгоритмов: автомат преобразует дискретную информацию по шагам в дискретные моменты времени и формирует результат по шагам заданного алгоритма.

Существует алгебраическая трактовка теории автоматов, использующая полукольца, формальные степенные ряды, формальные ряды над деревьями, теорию неподвижных точек и теорию матриц.

В части рассматриваемых проблем для теории автоматов имеется следующая терминология.

Символ — любой атомарный (то есть неделимый более без потери смысла) блок данных, который может производить эффект на машину. Чаще всего символ — это буква некоего формального языка. Например, символы, применяемые во многих языках программирования, включают буквы обычного языка, разделители, также какие-то дополнительные знаки. Но символом может быть, к примеру, ключевое слово целиком некоего языка программирования (if, for, while и т. д.), графический элемент диаграммы и т. д.

Слово — строка символов, создаваемая через конкатенацию (соединение).

Алфавит — конечный набор различных символов (множество символов).

Язык — множество слов, которые могут быть составлены (порождены) из символов данного алфавита. Язык может быть конечным или бесконечным.

Кстати, уважаемому Алексею это должно быть хорошо известно, коль он занимался проблемами распознаванием языков со сложной письменностью.

Алексей пишет:Массовое внедрение:
...
автоматизация бизнес-процессов (RPA)
...

Robotic process automation (или RPA) — это одна из технологий автоматизации бизнес-процессов. Роботизацию применяют для рутинных задач, которые выполняются четко по инструкции (алгоритму). Это позволяет повысить скорость обработки информации, снизить частоту ошибок, связанных с человеческим фактором — например, с невнимательностью при переносе данных.

Все чаще банки внедряют роботов для автоматизации различных процессов, среди которых:
- обеспечение быстрой обработки данных (запросов и обращений сотрудников),
- занесение информации в финансовые отчеты (распределение нужных показателей в соответствующие ячейки документа),
- автоматизация управления платежами и еще много типовых задач.

Это позволяет сократить время обработки данных и количество ошибок, тем самым повышая производительность.

Как видите, это всего лишь автоматизация рутинных процессов по чётко прописанным человеком, а не ИИ, алгоритмам.
ГДЕ здесь роль ИИ.
Я за свою трудовую жизнь написал сотни таких программ и разработал множество алгоритмов для них без всякого ИИ!!!
И сейчас никакой ИИ не заменит труд высококвалифицированного программиста в этой области?

Кстати, далеко не все задачи управления имеют алгоритмы поиска решений, а значит не поддаются вычислению на вычислительной машине с ПО любой сложности, включая алгоритмы ИИ.
Формализация понятия алгоритма позволила исследовать существование задач, для которых не существует алгоритмов поиска решений. Впоследствии была доказана невозможность алгоритмического вычисления решений ряда задач, что делает невозможным их решение на любом вычислительном устройстве. Функцию f называют вычислимой (англ. computable), если существует машина Тьюринга, которая вычисляет значение f для всех элементов множества определения функции. Если такой машины не существует, функцию f называют невычислимой. Функция будет считаться невычислимой, даже если существуют машины Тьюринга, способные вычислить значение для подмножества из всего множества входных данных.

Эти давно известные научные выводы, никем до сих пор не оспоренные, ставят крест на всеприменимости и всемогущественности ИИ.
Но манипуляторы от лженауки нашли траекторию Кривды, обхода по лукавой дуге научной Правды, манипулятивно ограничив область Аналитики исключительно числовой (вычислительной) областью оперирования математической логики. Опустив наличие множества других логик и наличие у естественного интеллекта человека кроме абстрактно-логического ещё ассоциативно-образного мышления и возможности волевого принятия решений на основе интуиции и накопленных компетенций...

И это всё уважаемый Алексей должен хорошо знать, коль работает в Домклике (проект Сбера), где возглавляет направление машинного обучения и работы с данными...
Хотя отзывы о Сбербанковском Домклике, магко говоря, не очень...

Алексей пишет:Массовое внедрение:
...
компьютерное зрение
...

Да, это единственная область перечисленных Алексеем случав массового внедрения, где ИИ, нет, не решил, а облегчает решение ряда задач автоматизации.
Это же не автоматизация всего процесса целиком, а лишь решает рутинные инструментальные проблемы. Чаще лишь увеличивая нагрузку на людей...