• применимые повсеместно (transferable, «переносимые» из проекта в проект, не зависящие от типа проекта) профессиональные знания, навыки и умения/skills. Сюда входят навыки и умения из сферы организационных отношений, а также навыки и умения по передаче знаний из исследований в разработку (knowledge transfer) плюс навыки и умения в инновациях (инновации понимаются как доведение результатов исследований не только до разработки, но и до успешных на рынке продуктов).
• применимые повсеместно личные (personal) качества характера – включая готовность принять риск в ходе занятия предпринимательством и проявления инженерной инициативы («агентность», готовность что-то предпринять, заняться чем-то нетривиальным), общие характеристики поведения в коллективе и отношения к делу (собранность), причем эти характеристики многим людям кажутся весьма туманными, но «умная голова дураку дадена» говорится как раз для не слишком точного указания именно на эти характеристики.
Вместе эти три части T-человека, получаемые в ходе обучения технаря, должны давать людей, которые добиваются результативности в своих карьерах. T-люди отличаются от «просто людей» прежде всего тем, что они могут работать в условиях нечётко определённых границ дисциплин и отсутствия требуемого для нового дела опыта: они могут разобраться в сложной проектной ситуации, им для этого хватает знаний по организации командной работы (чтобы понимать происходящее), у них есть какой-то «калибр личности», чтобы быть собранными, а не инфантильными и невнимательными, проявлять разумную инициативу, быть честными и работоспособными, а ещё хватает собственно технической экспертизы (например, знания математики для тех или иных специфических инженерных, менеджерских или предпринимательских расчётов).
Применимые повсеместно (transferable) навыки оказываются не такими уж простыми. Скажем, требуемые навыки и умения в инновациях могут показаться просто указанием на способность придумать что-то новое. Но нет, термин «инновация» прямо указывает на то, что требуется сложный навык и умение не только придумать новый продукт и угадать в нём потребность (предпринимательская гипотеза), но и доводить продукт до рыночного успеха. Нет успешного выхода на рынок – это не инновация, это просто «идея»! Это ведь особое умение, доводить даже понятно как реализуемую идею до её воплощения в реальности.
Элон Маск говорил, что создать прототип автомобиля, то есть получить результат разработки – легко, а вот наладить массовое производство, чтобы иметь успех на рынке – вот это трудно. Прототип электромобиля – это ещё не «инновация», это только «идея». Завод по производству автомобиля устроен много сложней, чем сам автомобиль! И сложней, чем конструкторское бюро, где делается автомобиль. Инновация будет тогда, когда прототип дойдёт до рыночной продажи, то есть удастся найти (или даже разработать, а потом и построить!) завод, который будет серийно производить эти электромобили.
Т-технарь должен иметь навыки и умения работать в инновационных проектах, которые включают в себя не только исследования и разработки, но и производство, и маркетинг, без которых нельзя говорить об успехе на рынке, то есть об инновации. Можно образно сказать, что «от T-технаря требуется знание, что булки не на деревьях растут», но это будет слишком упрощённое понимание. По факту нужно дать понимание того, как в общем виде работает современное производство: как проводятся исследования, появляется идея продукта, как продукт разрабатывается, как затем налаживается выпуск продукта. Если речь идёт о сервисе, то ничего особо не меняется, но и тут нужно научить T-технаря думать похожим образом и о продуктах, и о сервисах! А потом T-технаря нужно научить не только думать, быть «аналитиком», но и продуктивно участвовать в реальном деле, быть «синтетиком». Т-технарь не просто очень умный зритель, «всё понимающий, ничего не предпринимающий», он активный участник изменения мира!
Т-технари умеют не только вписываться в проект и проявлять там инициативу (применимые повсеместно, переносимые умения), они ещё имеют техническое знание и опыт для конкретной технической работы в проекте, показывают своё прикладное мастерство. Если речь идёт о езде на велосипеде, то они не только вызовутся отвезти ребёнка в дождь на багажнике (личные качества) и разберутся, где и кто в этой организации выдаёт велосипеды (применимые повсеместно профессиональные навыки), но и реально смогут безопасно проехать ночью в дождь по грунтовой дороге и довезти ребёнка безопасно (прикладное/техническое мастерство).
Такие же идеи есть про Т-менеджеров, которые глубоко знают прикладные практики менеджера (операционный менеджмент, финансовый контроллинг, организационное развитие и лидерство и т. д. – прикладное мастерство), но ещё и понимают, что делают в проекте разные люди (применимые повсеместно навыки и умения), а также обладают непревзойдёнными личными качествами, собраны и вдобавок честны. И это позволяет Т-менеджерам быть «номенклатурой», то есть быть применимыми в самых разных сферах деятельности, ибо менеджмент в его прикладной части оказывается менее разнообразным, чем инженерия.
Т-предприниматели иногда известны, как серийные предприниматели. Тот же Элон Маск организовывал предприятия и финансовой индустрии (PayPal), и космической промышленности вперемешку с интернет-провайдерством (SpaceX и его проект спутникового интернета StarLink), производства автомобилей (Tesla), нейроинтерфейсов (NeuraLink), прокладки транспортных туннелей (Boring Company), и это даже не полный список!
Предобучение людей и машин
ПРИМЕНИМЫЕ ПОВСЕМЕСТНО НАВЫКИ:
БАКАЛАВРИАТ, ШКОЛА, ДЕТСКИЙ САД
Обычно прикладному техническому знанию и опыту учат в магистратуре. Именно это и считают высшим образованием – первым, вторым, третьим. Несколько высших образований получить легко. Не особо напрягаясь (ибо часть предметов перезачитывают), за десяток лет можно легко пройти программы пяти магистратур или даже специализированных программ второго образования для уже имеющих высшее образование магистров, по паре лет на каждый вид прикладного мастерства.
Применимым повсеместно профессиональным знаниям и умениям и личным качествам учат главным образом в бакалавриате: входишь туда неосмысленным школьником, выходишь уже более-менее подготовленным к жизни, собранным человеком.
Беда в том, что учебные программы бакалавриата люди не проходят за свою жизнь два-три раза, как это обычно происходит с магистратурами. То есть общие для всех проектов знания и умения, личные качества остаются на уровне первого прохождения бакалавриата, как у остановившихся в развитии зверюшек после взросления, а рост идёт только в магистерских прикладном мастерстве, технических знаниях и опыте – но на морально стареющем год от года личностном фундаменте, полученном давным-давно в бакалавриате.
Появляется ситуация, в которой знания, а хоть и пятого высшего/магистерского образования, укладываются на фундамент бакалавриата, законченного десятки лет назад. Магистр с самым современным прикладным инженерным знанием оказывается с личными качествами и применимыми повсеместно навыками, полученными двадцать или даже тридцать лет назад! Например, математика за это время перестала требовать ручной работы, она идёт сейчас в специальных программах компьютерной алгебры. Это учитывают программы бакалавриата (увы, не все, но общий курс высшей математики в лучших вузах это уже учитывает), но магистерские курсы не включают обычно математику, инженерную графику и прочие курсы общеинженерной подготовки! Если такой магистр не занимался самообразованием, то он оказывается в странной ситуации: современное прикладное знание у него совмещается с допотопным знанием по важнейшим дисциплинам. Этот разрыв можно преодолеть только самостоятельным изучением современных версий бакалаврских дисциплин – но этим мало кто занимается.
Получается эдакий молодящийся старик: прикладная часть, технарство у него современное, а личность, ожидаемое им устройство командной работы, понимание использования компьютеров для организации работы – антикварные.
И это рассуждение про бакалавриат – очень консервативное, ибо многие повсеместно применяемые (знания, умения и навыки (о мастерстве и компетенциях тут говорить не приходится) полностью можно применить и к школе и даже детскому саду. Действительно, что из изучаемого в школе (от «физкультуры» до той же физики) вы используете в работе и личной жизни сегодня? А ведь учились кто десять, а кто и все одиннадцать лет!
Детский сад тут не исключение: если посмотреть, чему учат в детских садах Монтессори, так это умению ухода за собой (поесть, поспать, держать себя в чистоте, убрать место своих занятий), проявлению любопытства и разумной осторожности в сложных ситуациях, соблюдению правил, но не слепо игнорируя при этом ситуацию, чтобы не стать заложником ошибок в правилах. Очень многие известные успешные предприниматели вышли из детских садов и школ Монтессори – так может быть нужно учить сразу тому, чему там учат, причём учить современному знанию, как это нужно делать, а не старинному времён начала деятельности Монтессори в середине прошлого века? За почти сто лет многое ведь изменилось, человечество много чего узнало нового?
Так что первый шаг – это разобраться, что в детском саду, школе, бакалавриате даётся общего и полезного для повседневного использования в жизни, для разбирательства с новыми ситуациями, а что там преходящее, прикладное, требующее постоянного переучивания.
И ещё дополнительно нужно следить, чтобы это «общее и полезное для повседневного использования» было самой свежей версии. Например, общеполезное знание «в незнакомой ситуации погугли» относительно недавнее. Раньше это было эквивалентно «сходи в библиотеку», и даже в библиотеке не было понятно, что делать дальше. Относительно новый повседневный навык, общий для всех ситуаций – воспользоваться полнотекстовым поиском в интернете. И это должно даваться ещё в детском саду (если писать не умеешь, то спроси голосового помощника, он ответит голосом даже детсадовцу: Google Assistant, Алиса от Яндекса, Маруся от мейл.ру, семейство Салют от Сбера, и всё это имеет ещё и телефонные, и компьютерные версии, необязательно иметь именно «железо» помощника). Увы, и детский сад, и школа проходят мимо этого, ещё и ограничивают доступ, «как бы чего-нибудь нецензурного не узнали»! И в вузе скорее учат не пользоваться интернетом, «чтобы оттуда не списывали», чем учат пользоваться! Так что новые повседневные навыки не имеют шанса сегодня попасть в общеобразовательную программу.
Вообще, свежесть общецивилизационного, а не узкоприкладного знания – это отдельный важный вопрос, и его затронем чуть попозже. Пока же разбираемся с вопросом о самом различении умений и навыков с повсеместной используемостью в разных ситуациях и умений и навыков с прикладной более узкой применимостью. Одним учат в детском саду, школе, бакалавриате и это не предполагает «профессионализма», а другим – в магистратуре, и там даются «профессиональные» навыки и умения.
ПРЕДОБУЧЕНИЕ В МАШИННОМ ИНТЕЛЛЕКТЕ
Какой-то аналог этой ситуации с общим предобучением в детском саду, школе, бакалавриате и потом дообучением целевому прикладному мастерству в магистратуре может быть подсмотрен в исследованиях по машинному интеллекту. Там ведь стоит такая же задача по обучению нейронной сети самым разным прикладным умениям (о мастерстве/компетенциях в применении к нейронным сетям говорить сложно: там ведь включается в разговор личное отношение к делу, в отличие от знаний, навыков, умений, которые демонстрируются и вне связи с личным отношением. То есть нейронная сетка может быть умелой, но не может продемонстрировать мастерство!).
Говорят об этом обучении/learning нейронных сетей ровно тем же языком, которым говорят об обучении людей. Но говорят точнее, ибо математиков и логиков в сфере AI больше, чем среди педагогов, и решают эти математики задачи более трудные: компьютеры научить интеллекту как умению решать задачи, ранее не встреченные в учебных примерах, труднее, чем людей. Поэтому мы активно будем делать «реэкспорт» идей из сферы инженерии AI в сферу образования людей, включая «реэкспорт» терминологии. После того как люди из AI взяли эти идеи из образования, почистили и обогатили их, мы возьмём их и опять применим к обучению людей.
Главное направление в обучении AI решению самых разных задач, связанных с пониманием естественного языка – это использование так называемых больших языковых моделей. Берётся огромная нейронная сеть. Насколько огромная? На данный момент речь идёт о единицах триллионов настраиваемых индивидуально в ходе обучения параметров, но уже ожидается и до сотни триллионов параметров. Этой нейронной сети скармливается огромное/gargantuan число самых разных текстов на всех доступных языках (так, для обучения языковой модели GPT-3 вся википедия составила только 3% от использованных текстов). В этих текстах отражены как и какие-то свойства языков в целом (кормят текстами отнюдь не только одного языка, и даже не только естественного языка, но кодами на языках программирования), так и какие-то свойства мира (ибо все эти тексты о чём-то в мире, речь не идёт о фантастике и сказках). В последнее время в обучение добавляют не только тексты, но и фотографии, рисунки, и даже видео. Нейронная сетка выучивает из всех этих описаний мира что-то общее про языки и мир. Это называется pre-train, предобучение. И занимает это предобучение довольно много времени и денег – одна предобученная языковая модель на пару сотен миллиардов параметров на середину 2020 года могла обходиться в десятки миллионов долларов78, и эта ситуация не меняется: стоимость суперкомпьютеров падает, но размеры нейронных сетей растут, и речь идёт уже о триллионах параметров! Бакалавриат для нейронных сетей оказался весьма недешёв, и занимаются созданием универсальных предобученных языковых моделей только несколько очень крупных и богатых фирм мира (в России, например, это Сбер и Яндекс79).
Предобучение даёт нейронной сети какие-то знания о языке и мире, но языковая модель сама по себе не может при этом решать никаких прикладных задач. Про задачи и конкретные предметные области эта сеть ничего не знает. Это сеть-школьник, сеть-бакалавр!
Так что потом идёт fine-tune, прикладная подстройка: берётся эта безумно дорогая предобученная языковая модель и очень быстро и дёшево на небольшом прикладном материале (скажем, несколько книг) доучивается решать одну или даже десять разных прикладных задач в какой-то узкой предметной области. Например, можно быстро доучить такую языковую модель сдавать экзамен MIT по курсу машинного обучения с результатами лучше, чем у студентов80.
Это оказывается экономически эффективно: дорогое и долгое предобучение делается один раз, результат запоминается. Потом подстройка делается легко и быстро каждый раз. За пару последних лет такой подход предобучения+настройки стал мейнстримом в AI81. И чем больше и лучше предобученная языковая модель, тем дешевле и быстрее для неё делать подстройку для какого-то класса задач. Большие деньги на предобучение языковой модели нужно затратить один раз, а на прикладную подстройку много денег не нужно, так что это можно делать много раз для самых разных предметных областей82.