جويل سبولسكي
في بعض الأحيان عندما تحاول فهم كيفية عمل العالم ، تكون الرياضيات الأساسية كافية. إذا قمنا بزيادة تدفق الماء الساخن بمقدار x ، فسوف ترتفع درجة حرارة الخليط بمقدار y.
في بعض الأحيان تعمل على أشياء أكثر تعقيدًا ، ولا يمكنك حتى أن تتساءل كيف تؤثر بيانات الإدخال على المخرجات. يبدو أن المستودع يعمل بشكل جيد عندما يكون لديك أقل من أربعة موظفين ، ولكن عندما تلتقط الخامسة ، يبدأون في الوقوف على كعوب بعضهم البعض والخامس لا يفعل أي شيء جيد.
قد لا تفهم العلاقة بين عدد الموظفين وإنتاجية المستودع ، ولكنك تعرف بالتأكيد ما يفعله كل موظف. يمكنك كتابة بعض JavaScript لمحاكاة سلوك كل من العاملين لديك ، وتشغيل المحاكاة ومعرفة ما يحدث بالفعل. يمكنك تعديل المعلمات والقواعد التي يتبعها الموظفون لمعرفة ما يمكن أن يساعدك ، ويمكنك حقًا الحصول على نظرة ثاقبة على الموقف ثم معالجة المشاكل الصعبة.
هذا ما هو التجزئة. اقرأ منشور بدء التشغيل على مدونة David ، ثم حاول إنشاء عمليات محاكاة خاصة بك!
ديفيد ويلكنسون
اليوم ، إلى جانب جويل سبولسكي وجود ألريد ، يسعدني أن أقدم HASH ، الشركة التي أسسناها قبل أكثر من عام بقليل. نحن نعتقد أن معظم المشاكل في عالمنا تنشأ من حالات فشل المعلومات المختلفة. الانهيار الاقتصادي ، الحروب ، المرض ، اختيار شريك الحياة المناسب أو الشهادة الجامعية - مهمتنا هي مساعدة الجميع على اتخاذ القرارات الصحيحة والتغلب على اضطرابات المعلومات.
سعى المبتكرون اللامعون إلى تبسيط معلومات العالم وجعلها في متناول الجميع ، والخطوة التالية على هذا المسار هي جعل هذه المعلومات مفهومة وقابلة للاستخدام للجميع.
إن مؤسسات التكنولوجيا العالية التي تتمتع بمستوى عال من التمويل (مثل صناديق التحوط) قادرة على معالجة كميات ضخمة من المعلومات العالمية بكفاءة ، مع تلقي عائدات ضئيلة وأجزاء صغيرة من الثانية في المعاملات الاقتصادية. وفي الوقت نفسه ، لا تتاح للأغلبية الساحقة من الشركات والأفراد الفرصة لإجراء تحليل منهجي لجميع الإشارات المتنوعة الواردة في العالم المحيط.
يمكن للمحاكاة أن تجعل العالم مكانًا أفضل: يمكنها تحسين فهمنا وإدراكنا للعالم من حولنا. المحاكاة ليست أداة مفيدة للإدراك البشري فحسب ، بل يمكنها أيضًا تمكين الناس من إنشاء تمثيلات الكمبيوتر لمشكلات العالم الحقيقي. في الواقع ، النماذج هي واجهات عالمية متاحة لكل من البشر والذكاء الاصطناعي ، ونعتقد أن النماذج يمكن أن تصبح نسيجًا ضامًا بين عالم البشر وعالم الآلات.
نأمل أن تساعد النماذج الأشخاص وأجهزة الكمبيوتر على اتخاذ القرارات بشكل أكثر فعالية. على وجه الخصوص ، سيساعدون في تعزيز حل النزاعات المستدام ، والحد من اضطرابات السوق والقضاء عليها ، ومساعدة الناس على العيش حياة سعيدة وصحية. ولا نريد أن ننتظر بداية هذا المستقبل المشرق.
إذا كنت لا تريد الانتظار أيضًا ، فقم بالتسجيل الآن - أو تابع القراءة لمعرفة المزيد.
الأصول
اعتدت أن أدير شركة استشارات رقمية في لندن طورت مواقع ويب وبرامج وشنت حملات تعتمد على البيانات. عملت شركتنا لمجموعة واسعة من العملاء: من شركات الأسهم الخاصة والشركات المبتدئة إلى أكبر العملاء الحكوميين.
من وقت لآخر ، واجهنا مهامًا مثيرة للاهتمام حقًا ، مثل تتبع انتشار الأمراض (على سبيل المثال ، الأمراض المنقولة جنسيًا) ، وتقييم فعالية التدابير لمكافحتها (على سبيل المثال ، الحملات الإعلانية الإعلامية) ، وتحسين تكاليف الإعلان (على سبيل المثال تحديد الأشياء التي تؤثر على العقد في الشبكات التي من المرجح أن تمنع انتشار المرض).
اتضح أن هناك معيارًا ذهبيًا واحدًا للعثور على إجابات لهذه الأسئلة في كل من علم الأوبئة والإعلان السلوكي - "النمذجة القائمة على الوكيل" (ABM). يعمل ABM على النحو التالي.
- يمثل الوكلاء المشاركين : سواء كانوا أفرادًا أو شركات أو أسرًا أو آلات في مصنع أو أي شيء آخر. تمثل النماذج المختلفة أنظمة بدرجات متفاوتة من التفاصيل. من الناحية النظرية ، يمكن أن يكون "العامل" جزيءًا.
- الوكلاء لديهم خصائص ، والقيم المرفقة بهم ، تختلف الخصائص اعتمادًا على الوكيل. لذلك ، في الشخص ، يمكن أن تكون الممتلكات منطقية (ناخب مسجل - نعم / لا) ، عددي (دخل سنوي) أو اختيار متعدد (انتماء حزبي).
- يتواجد الوكلاء في بيئة معينة (غالبًا في عدة أماكن في وقت واحد) ، على سبيل المثال ، في الرسومات الجغرافية المكانية أو رسومات الشبكة.
- يتم تعريف الوكلاء من خلال سلوكهم : في الواقع ، السلوك هو رمز يصف كيف يجب أن يتفاعل الوكلاء مع العالم الخارجي ويتفاعلون معه.
يمكن بناء ABMs على المبادئ الأساسية وهي مفيدة لاختبار فرضيات ماذا لو لاستكشاف التوائم الرقمية لأنظمة العالم الحقيقي بأمان. وهذا يجعل المحاكاة متعددة العوامل أكثر فائدة بكثير من التنبؤ بانتشار الأمراض والمعلومات عبر الشبكة.
حل المشاكل لا يمكن لعلوم البيانات حلها
هناك عدد من المشاكل النظامية المعقدة تجعل من الصعب النمذجة التي يمكن التنبؤ بها. ترتبط هذه المشاكل بالعوامل وخصائصها وخصائصها: اللاخطية والحدث والتكيف والترابط وحلقات التغذية الراجعة فيما بينها. الأحداث الناشئة من نوع "البجعة السوداء" ، بحكم تعريفها ، لا تنعكس في الأنماط الحالية والبيانات التاريخية ، وبالتالي يتم تجاهلها بالكامل.
لا توجد أنظمة موجودة في عزلة - فهي كلها جزء من عالمنا الحقيقي المعقد ، وبالتالي فإن جميع مشاكل الأعمال والسياسة والبشر ، في التحليل النهائي ، هي مشاكل فهم النظم المعقدة. في معظم الحالات ، يسمح لنا التجريد المعقول بخصم معظم العوامل الدخيلة ، ولكن في بعض الأحيان قد يكون من الصعب فهم ما ومتى وتحت أي ظروف قد تكون ذات أهمية.
في بعض الأنظمة ، لا شيء من هذا يهم ، ولكن عند الإجابة عن بعض الأسئلة (على سبيل المثال ، كيف يمكننا المساهمة في اقتصاد أكثر استقرارًا أو علاقات خارجية جيدة) ، فقد نواجه مشكلات في الحياة والموت. من أجل الفهم الكامل لقضايا المخاطر الحرجة البالغة الأهمية ، نحتاج إلى إجراء بحث عام في المساحة التي توجد فيها ، بناءً على الديناميات المرصودة لهذه الأنظمة. إن التعرف على الأنماط وتحليل النتائج التاريخية وحده مفيد لتشكيل غلاف أساسي ، لكنه لا يعطي فكرة عن جوهر المشاكل.
نظرًا لأن المساحة حول المشكلات التي تمثل جميع التكوينات الممكنة للعالم أكبر بكثير من المساحة التاريخية التي لوحظت فيها هذه المشاكل ، فمن المغري أحيانًا شطب النمذجة العلمية الصحيحة واعتبارها غير قابلة للتحقيق. في الوقت نفسه ، لا تسعى المحاكاة المناسبة لمحاكاة جميع الإصدارات الممكنة من العالم التي يمكن أن تنشأ (بالطبع ، هناك الكثير بلا حدود). بدلاً من ذلك ، يساعد الناس على فهم أي من هذه الإصدارات قد تصبح حقيقة ، وتلفت الانتباه إلى سيناريوهات جديدة محتملة غير معروفة للمحللين البشريين بسبب طبيعة هذه السيناريوهات.
أصبحت الأزمات مثل الانهيار المالي 07/08 كوارث على وجه التحديد لأن صناع القرار لم يفهموا ولم يأخذوا في الاعتبار الديناميكيات الأساسية للأنظمة المعقدة - الاقتصاد ، في هذه الحالة. أدخلت لوائح مثل بازل 2 متطلبات احتياطي رأس المال ، والتي ، إلى جانب الممارسات المحاسبية من السوق إلى السوق ، أدت إلى غوص الأصول ، حيث اضطر المشاركون إلى دخول الأسواق المتلاشية ، مما أدى إلى توسيع الفجوة.
بينما يمكن استخدام البيانات التاريخية والقيمة العادلة للتعبئة المسبقة لنماذج الوكالة واختبارها مسبقًا ، فليس من الضروري إنشاء ABM. هذا يفتح الباب لتوجيه النمذجة الرسمية في مجموعة واسعة من المجالات حيث لا يمكن تطبيق التعلم الآلي حاليًا.
علاوة على ذلك ، تجمع المحاكاة بين مزايا النمذجة الرسمية مع ثراء الوصف النوعي ، مما يجعلها قابلة للتفسير للغاية وسهلة الفهم من قبل البشر. على عكس النماذج التي تبدو في بعض الأحيان وكأنها صندوق أسود ، يمكن التحقق من المحاكاة القائمة على الوكيل ، ويمكن للمستخدمين اتباع خطوة بخطوة كيفية الحصول على نتائج معينة والعوامل التي تساهم في الحصول عليها.
إذن ، لماذا لا يوجد الكثير من الحديث عن المحاكاة ، ولماذا يتم تقديرها بأقل من قيمتها ونادراً ما تستخدم؟
المشاكل الحديثة للنمذجة القائمة على الوكيل
تتطلب عملية المحاكاة الكثير من الجهد ، وتكاليف صيانة وتشغيل وصيانة المحاكاة مرتفعة. تتطلب النمذجة معرفة الأدوات والأطر المتخصصة بل وحتى لغات البرمجة الخاصة الغريبة. غالبًا ما تكون عمليات المحاكاة الناتجة غير محمولة أو معاد استخدامها. عندما يعتمد منطق المحاكاة على التخمين أو لا يمكن معايرته ، يمكن أن تؤدي النتائج إلى شعور زائف بالثقة أو الأمان يمكن أن يؤدي إلى تفاقم منطق القرار السيئ الحالي.
في حين تدعي المحاكاة أنها موجودة في كل مكان في عالم سلاسل التوريد والتصنيع والتمويل والدفاع والمزيد ، تعمل حزم برامج المحاكاة الرائدة في السوق اليوم على نطاق محدود وتستند إلى التقنيات القديمة والنماذج التي لا تستجيب بشكل جيد. الحوسبة الموزعة في الحجم الحقيقي. لم تتغير واجهات المستخدم الخاصة بهم منذ التسعينيات ، وتجربة المطورين الذين يقدمونها قديمة ، ولا تعمل على الإطلاق في المتصفح وعلى الأجهزة المحمولة ، وغالبًا ما يضطر المستخدمون إلى نشر برامج خاصة فقط للوصول إليها.
بالنسبة للجزء الأكبر ، هذه المحاكاة هي نماذج ألعاب مصممة لإثبات ديناميكيات معينة وتفتقر إلى إمكانية التشغيل المتبادل. بعد بناء هذه النماذج ، تصبح مجزأة ، وقليل من الناس يشاركونها ، ولا أحد يعتمد على نتائج الزملاء في عملهم. معظم النماذج التي تم إنشاؤها محدودة للغاية (لضمان تشغيلها في الوقت المناسب) بحيث لا تلتقط سوى جزء صغير من ديناميكيات الأنظمة التي تمثلها. بدلاً من بناء عوالم افتراضية غنية وتضمين الجوانب بشكل انتقائي بناءً على نتائج التجارب ، يقوم المطورون بإنشاء تجريدات لعب رخيصة الثمن وسهلة الاستكشاف لا تلهم الثقة في المستخدمين. هناك شك عميق ومبرر في الطبيعة "العلمية" لنماذج الألعاب هذه ،وتشك في أن النماذج الأكثر تعقيدًا يمكن معايرتها وتحديد معاييرها بشكل صحيح.
انتبه لتحديات العثور على بيانات مناسبة ودقيقة على مستوى الوكيل ، وصعوبة تحويل تجربة المجال إلى رمز ، ومجموعة كبيرة من الحواجز الهيكلية أمام إنشاء ABM ، وسوف تفهم سبب فشل نمذجة الأغراض العامة ونادرا ما تستخدم في الأعمال الحديثة.
محاكاة متاحة للجميع
لقد واجهنا العديد من المشكلات النظامية ونريد الآن إنشاء حلول على مستوى النظام. تهدف HASH إلى حل تحدي المحاكاة من خلال الدمج الرأسي للمكدس بأكمله ، وإنشاء منصة واحدة لبناء المحاكاة وتشغيلها والتعلم منها.
اليوم نطلق علناً جزأين من HASH:
تتكون جميع عمليات المحاكاة في HASH من عوامل (ممثلة بمخططات وصفية) وسلوكيات (يتم تمثيلها عادةً بوظائف نقية). العوامل مدفوعة بأنماط سلوكية ، وتستخدم مجموعات البيانات لتهيئتها وتحديثها في محاكاة العالم الحقيقي. يمكن أيضًا استخدام هذه المجموعات لتعزيز ومعايرة النماذج. ترتبط مخططات السلوك ومجموعات البيانات بالكائنات والمخططات المقابلة بحيث يمكن للمطورين البحث بسهولة عن النماذج باستخدام مؤشر HASH ودمجها باستخدام HASH Core.
تتوفر جميع النماذج ومجموعات البيانات والسلوكيات في مؤشر HASH. جميع محتويات فهرس HASH متاحة الآن مجانًا. مؤشر HASH هو إطار عمل تم تصميمه على أنه تقاطع بين GitHub ومدير الحزم. في المستقبل ، سيتم توسيع هذه البيئة لإنشاء سوق إضافي يجعل من السهل شراء وبيع السلوكيات المدفوعة ومجموعات البيانات والمحاكاة. من وجهة نظرنا ، ستنشر الشركات مكونات مجانية لكسب المصداقية والمصداقية ، ثم بيع المزيد من المحاكاة الكاملة والخدمات الاستشارية.
تتضمن خططنا المستقبلية لمؤشر H-شوكات وفروع ومناقشات وطلبات سحب - نريد إضافة وظائف من Git ، والتي ، مثل استخدام مديري الحزم ، أصبحت الآن الطبيعة الثانية لمعظم مطوري البرامج الحديثة.
إن تأثير هذه التغييرات على سير عمل المطورين مهم: مع نضوج مؤشر H ، سيكون مهنيو الصناعة الذين لديهم معرفة محدودة بالبرمجة قادرين على التفرع والتكيف (أو التنفيذ الكامل) للسلوكيات الحالية في عمليات المحاكاة الخاصة بهم. سيسمح لهم ذلك بمحاكاة الديناميات المعقدة دون الحاجة إلى برمجة مشاريع واسعة النطاق من الصفر.
ومع ذلك ، لم يكتمل العمل في منتجاتنا بعد. على الرغم من أن بلدنا سريع البرقمحرك HASHيسمح بتشغيل المحاكاة بسرعة لا مثيل لها ، وهو متاح حاليًا فقط من خلال واجهة الويب H-Core ، مما يحد حتمًا من الذاكرة وموارد وحدة المعالجة المركزية المتاحة في علامة تبويب المتصفح. كل هذا يعني أنه في حين تم تصميم محرك H للتعامل مع المحاكاة العالمية حقًا ، إلا أن مستخدمي بيتا الأوائل كانوا محدودين ويمكنهم إنشاء نماذج صغيرة نسبيًا. لذا فإن H-Core ، في تكراره الحالي ، يمكن مقارنته بشيء مثل NetLogo ، أداة النمذجة القائمة على الوكيل الأكاديمي. NetLogo مفيد لتوضيح تأثير العوامل المتجانسة في الأنظمة المعقدة وشرح ديناميكيات هذه الأنظمة ، ولكنه محدود في نمذجة بيئات العالم الحقيقي بثقة عالية أو نطاق واسع. بسبب هذه القيود ،أدوات إجراء تجارب التحسين (عمليات المسح البارامترية ، ومحاكاة مونت كارلو ، والمزيد من التعلم التعزيزي الغريب) ليست متاحة بعد - ولكنها مهمة جدًا بالنسبة لنا.
نحن ننشر خارطة طريقنا لتحقيق هذه القدرات واستخدام المحاكاة لاتخاذ القرارات اليومية في العالم الحقيقي:
HASH Core و HASH Index الآن رسميًا في مرحلة تجريبية.
- سنعمل بشكل مكثف على كلتا المنصتين خلال الأسابيع المقبلة ، ونتطلع إلى مشاركتك.
نحن فخورون بأن نعلن أنه في نهاية هذا العام سنفتح الكود المصدري لمحرك HASH ، قلب نظام المحاكاة الخاص بنا.
- في قلب جميع الحوسبة في HASH يوجد محرك H الفائق القوة ، المكتوب بلغة Rust ، ولديه بالفعل روابط لجافا سكريبت و Python.
- هدفنا هو جعل النظام الأساسي في متناول الجميع ، وتمكين الأشخاص من تشغيل محرك H محليًا وعلى أنظمة مغلقة.
- نحن نخطط حاليًا لإصدار الإصدار العام من H-Engine بموجب ترخيص مفتوح المصدر بحلول نهاية عام 2020.
HASH Cloud -.
- H-Cloud – , H-Core ( open-source H-Engine)
- H-Core , .
- H-Cloud , HASH.
يمكنك معرفة المزيد عن منتجاتنا القادمة في خريطة الطريق العامة على hash.ai/roadmap
بدأنا معًا قبل أكثر من عام بقليل والآن لدينا حوالي عشرة أشخاص في فريقنا. أنا فخور للغاية بالفريق الذي أنشأناه وما حققناه خلال هذه الفترة.
يسعدنا أن نلتقي بمستخدمي HASH وقد أطلقنا مجتمعًا في Slack ، والذي يمكن الوصول إليه من خلال الرمز الموجود في الزاوية اليمنى السفلية من أي صفحة على hash.ai - سنكون سعداء لمساعدتك في بناء نماذجك والإجابة على أسئلتك وكذلك قبول اقتراحاتك و رسائل خاطئة.
نحن نعمل على توفير HASH وتوزيعه على أوسع نطاق ممكن من المطورين. يحتوي محرك Rust على روابط لـ Python و JavaScript ، ولكن حتى وقت قريب ، كان العمل مع السلوكيات في H-Core ممكنًا فقط في JS. نحن فخورون بأن نعلن أن تطوير السلوك والمحاكاة في Python أصبح الآن ممكنًا محليًا في المتصفح باستخدام H-Core. بفضل مشروع Pyodide المذهل في Mozilla ، تمكنا من تنفيذ دعم Python التجريبي في H-Core IDE المستند إلى المتصفح. هناك بعض مشكلات الأداء حاليًا ، ولكننا نأمل أن نتمكن من حلها قبل النشر الكامل لـ H-Cloud و H-Engine (مما سيسمح للمستخدمين بتجنب أي مشكلات في الأداء). يمكن للمطورين الآن بناء نماذج في HASH باستخدام Python ،وكذلك استيراد أي عدد من حزم العلوم الشعبية (المزيدفي وثائقنا ).
لمنع انقطاع المعلومات ، من الضروري إنشاء أدوات لم تكن موجودة من قبل ، لحل المشاكل التي لا يمكن حلها اليوم. يجب أن نعطي الناس قوى خارقة ، هذه هي مهمتنا.
إذا كنت ترغب في بناء نموذج باستخدام HASH ، يمكنك الاشتراك في hash.ai/signup .
إذا كنت ترغب في المشاركة في مهمتنا ومساعدة الجميع على اتخاذ القرارات الصحيحة ، يمكنك نشر المحاكاة والسلوكيات والبيانات الخاصة بـ H-Index. يمكنك أيضًا التقدم بطلب للحصول على أي من مراكزنا المفتوحة على hash.ai/careers .
أخيرًا ، إذا كنت صانعًا لقرارات العمل وتهتم بمعرفة كيفية تطبيق HASH ، فاتصل بنا على hash.ai/contact .
نحن ممتنون لمستثمري HASH الأوائل على دعمهم: منشئو مجتمع رائعون مثل مؤسس Stack Overflow جويل سبولسكي ومؤسس Kaggle أنتوني جولدبلوم ، وكذلك Ash Fontane و Lee Edwards من Zetta Venture Partners و Root Ventures. يسعدنا أن نبدأ مهمتنا العامة.
ديفيد ويلكنسون
المؤسس والرئيس التنفيذي لشركة HASH
أمثلة على المحاكاة
معضلة السجين بجافا سكريبت (+ في بايثون )
نموذج السوق في JavaScript (+ في Python )
نموذج ابستاين للاضطرابات المدنية في جافا سكريبت (+ في بايثون )
Boids
المزيد من الأمثلة هنا .
تعرف على تفاصيل كيفية الحصول على مهنة رفيعة المستوى من الصفر أو المستوى الأعلى في المهارات والراتب من خلال الحصول على دورات SkillFactory المدفوعة عبر الإنترنت:
- دورة تعلم الآلة (12 أسبوعًا)
- تدريب مهنة علوم البيانات من الصفر (12 شهرًا)
- مهنة التحليلات مع أي مستوى بداية (9 أشهر)
- بايثون لدورة تطوير الويب (9 شهور)