Definitíve sa nám zvolebnieva, o pár týždňov nás čaká voľba nového parlamentu v predčasných voľbách 2023. Volebné programy a kandidátov nám predstavia (alebo sa o to aspoň pokúsia) samotné politické strany. Do toho by som sa im naozaj nerád motal.
Každé voľby však zostáva niekoľko zaujímavých aspektov „z duše voličov“ pod rúškom tajomstva, lebo na Slovensku nám, žiaľ, často chýba dátová analýza správania voličov a politikov, akú bežne stretávam tu v zahraničí, kde s rodinou žijeme.
Pritom volebné dáta (aj vďaka ŠÚSR) na Slovensku sú naozaj dostupné a hutné. Napríklad, ak zoberiete dvojice „konkrétny kandidát + volebná miestnosť, ktorej získal aspoň 1 hlas“ za ostatné parlamentné voľby z 2020, dostanete viac ako 1.4 milióna dátových bodov. Namiesto polemizovania o jednotlivých opatreniach či formátoch volebnej kampane, rozhodol som sa preto prispieť „do mlynu“ tým, čo ma živí a čo mi je aj najbližšie: analýza dát (a ich vizuálna interpretácia).
Tak ako v minulosti (alebo ešte dávnejšie predtým), pripravil som aj tohto roku seriál niekoľkých blogov o správaní nás Slovákov pri volebných urnách a o volebných aspektoch, ktoré sa tak často nedostanú na povrch zemský. Postupne si rozoberieme, či sa nám zlepšuje alebo zhoršuje ponuka, či nová NRSR po voľbách má šancu byť skutočne parlamentom všetkých, čo naozaj rozhoduje o víťazstve a mnoho ďalších tém. Dnes mi však dovoľte začať drobnou čerešničkou na torte.
Kauza 150
Tento jav by sa pokojne mohol označiť aj za „Matovičovú fintu“ , ale keďže na túto praktiku naskočilo v tomto roku podozrivo veľa strán a koalícii, budeme ju radšej označovať KAUZA 150. Možno už tušíte, že ide o špeciálny fenomén, keď politická strana neumiestni svojho volebného lídra (alebo predsedu) na začiatok kandidátky, ako je zvykom vo väčšine západných krajín. Naopak rozhodne sa pre posledné 150 miesto na kandidátke.
Na prvý pohľad je to pomerne nelogický krok, pretože čím nižšie je kandidát(ka) v kandidátnej listine, tým vo väčšej miere potrebuje preferenčné hlasy, aby sa jej/mu reálne poradil aj zisk mandátu v NRSR. Ak by totiž voliči hlasovali len za stranu a neunúvali sa krúžkovať konkrétnych kandidátov, mandáty sa pridelia len zhora, od začiatku kandidátky. Na čo teda vsádza politik, ktorý hrá s kartou 150 ?
V prvom rade si verí, že voliči budú využívať v hojnej miere preferenčné krúžky. Bez nich sa totiž nemá ako prekrúžkovať. Miera využívania krúžkov sa líši medzi voličmi jednotlivých strán, v predchádzajúcich voľbách sa pohybovala medzi 47% a 73%. Koľko je hodnota konkrétne pre Váš elektorát je dôležité, lebo ako kandidát sa prekrúžkujete, iba ak dostanete preferenčný hlas aspoň od 3% všetkých platných hlasov pre danú stranu. To však zároveň znamená, že 47% krúžkov umožňuje posunúť sa iba 15tim kandidátom z danej strany. Na viac kandidátov už v takom prípade totiž 3% balíčky nezostanú. (Pre niektoré strany latku trochu podvihne väčšie využívanie krúžkov, ale ani tu nie sú nádeje valné, lebo priemerný slovenský volič využíva cca 2 krúžky zo 4 iba).
V skutočnosti pri nízkej pozícií na kandidátke si musíte veriť ešte viac než na 3%, pretože prideľovať sa bude len pomerne málo mandátov. Ak predpokladáte, že vaša strana získa X kresiel v parlamente, potom ak chcete mať absolútnu istotu zvolenia, musíte si zabezpečiť blízko 100/x % krúžkov, lebo ak by aj ostatní (x-1) kandidáti získali preferenčné hlasy, môžu Vás stále preskočiť, aj keď ste Vy sami dosiahli zákonom vyžadované 3%. Skutočnú kamennú istotu získavate približne na úrovni 7% krúžkov zo všetkých hlasov strane.
Nepriamo sa však pri 150ke spoliehate ešte na jeden dôležitý predpoklad, ktorý akosi číha v tieni. Vsádzate totiž, že volič sa bude unúvať dočítať volebný lístok až do konca (neraz až na druhej strane). Igor Matovič už niekoľké voľby po sebe spolieha na to, že jeho voliči nielenže zoznam do konca dočítajú, ale že ho tam dokonca pôjdu aktívne hľadať. Zakiaľ jemu samotnému to doposiaľ vychádzalo, tento nenápadný aspekt môže byť povestným kameňom úrazu pre niektoré iné strany, ktoré sa tiež vydali tohto roku cestou horúcej 150ky. Ale o tom až za chvíľu. Poďme Kauzu 150 rozobrať pekne po poradí.
Kandidátka a vplyv poradia
Ak si zoberieme dáta z ostatných volieb do NRSR v 2020, môžeme pre každého kandidáta zrátať aký podiel na celkových krúžkoch získal a pozrieť sa, ako sa tento jav správa od čela kandidátky až po jej chvost. Ak takto zrátané percento krúžkov spriemerujeme naprieč politickým trhom, potlačíme tým vplyv jednotlivých kandidátov a dostaneme pomerne robustnú mieru „štatistickej výhodnosti“ jednotlivých miest na kandidátke pre zbieranie krúžkov. Za voľby 2022 tento obrázok vyzerá nasledovne:
(Poznámka: Autor si je vedomý, že pre udelenie mandátu sa počet získaných krúžkov delí všetkými hlasmi strany, ale keďže tento počet je pre všetkých kandidátov rovnaký (tak isto ako celkový počet krúžkov), tak pre posúdenie „výhodnosti“ miesta na kandidátke je ekvivalentný podiel na krúžkoch a ten zároveň ukazuje lepšie celkovú distribúciu krúžkov po celej šírke kandidátky)
Ako je možné vidieť, na prvých cca 50 miestach kandidátky sa miera zbierania krúžkov riadi tzv. Power Law princípom, ktorý je často pozorovaným rozdelením, plynúcim z popularity (aj v iných ako volebných odvetviach). Sme tu samozrejme trochu v vajce-sliepka dileme, lebo buď strany naozaj precízne skladajú prvé 50ky na kandidátkach podľa popularity kandidátov, alebo voliči naozaj prisudzujú postupne klesajúcu pozornosť smerom dole listinou, bez ohľadu na to, ako kvalitní kandidáti naozaj sú. Čomu viac veríte, si v tomto prípade môžete zatiaľ slobodne vybrať. (Rozlúsknutiu tejto dilemy sa dnes venovať nebudeme, aby sme príliš neodbiehali od dnešnej témy)
Naozaj zaujímavé veci sa začnú diať po prvej 50ke. V sektore medzi 50 a 100 miestom stále vidíme klesajúci zisk krúžkov kandidátov, ale už len veľmi mierny. Medzi pozíciami 100 a 140 sa následne už podiel na celkových krúžkoch pohybuje pre jednotlivých kandidátov okolo 0.07%. (Pričom náhodné prideľovanie krúžkov by im garantovalo 10x vyšší zisk, ako si sami vykampaňovali.) Z Grafu však vidno aj to, že na samotnom chvoste sa priemerný podiel krúžkov opäť dvíha. Žeby teda Kauza 150 naozaj fungovala?
Nie je Matovič ako Matovič
Aby sme vedeli tento fenomén presne rozsúdiť potrebujeme sa ponoriť do výsledkov jednotlivých strán. Pretože posledné pozície môžu byť „kolektívnym úspechom“ naprieč stranami, ale pokojne ho môže výrazne ťahať aj ojedinelý, silný výsledok zopár jednotlivcov. K tomu nám dobre poslúži nasledovná detailná grafika:
Z nej je vidno, že z 12tich strán, ktoré majú 150 kandidátov a získali aspoň nejaké hlasy pre 150 miesto na kandidátke, iba v troch prípadoch mali kandidáti teoretickú šancu sa prekrúžkovať a iba dvom ľuďom zo 150ho miesta sa to naozaj aj podarilo. (Strana MKÖ- MKS sa totiž nedostala do parlamentu a tak József Berény nemal svoje krúžky ako využiť). Čo je však ešte dôležitejšie povedať, pri 7/12 strán kandidát zo 150 miesta nedosiahol ani toľko hlasov, ktoré by dostal, ak by sa krúžkovalo náhodne. Využiť kartu 150 sa teda podarilo len predsedovi alebo podpredsedovi strany, za ktorú kandidovali. Obávam sa preto, že Martin Klus (SME RODINA), Alojz Hlina (SaS), pani Jolana Kusá (PS) či Lucia Ďuriš Nicholsonová (Demokrati) to budú mať pomerne ťažké. Naopak, súdiac podľa histórie, zdolateľné by to opäť mohlo byť pre Igora Matoviča alebo Milana Mazureka (Republika).
Skutočná prekvapivá výhoda
Ako to už býva, keď všetci hľadajú v jednom kúte, zaujímavé veci sú v tom opačnom. Na rozdiel od 150teho miesta, ktoré ako sme videli je skôr planou nádejou, existuje miesto na kandidátke, ktoré preukázateľné zvyšuje šance kandidáta na zvolenie. Nájdete ho, ak sa na chvíľu vrátite k pôvodnému grafu s „výhodnosťou“ 150 pozícií a lepšie sa zadívate.
V dvoch tretinách kandidátky sa nachádza „zub“, ktorý vytŕča nad svoje okolie. Ide konkrétne o dvoj pozíciu 99 a 100, ktorá má zásadne lepšie výsledky ako čokoľvek okolo. Plesnete sa do čela a poviete si: „JASNÉ!“. Faktom však je, že o tejto výhode sa (na rozdiel od 150ky) nejak zásadne v médiách nediskutovalo (a autor ju nechcel rozdúchavať pred odovzdaním kandidátok). Výhoda zjavne pochádza z faktu, že volič nevie úplne presne koho voliť, tak sa utieka k nejakým zaručeným číslam, ako to vybaviť. Poviete si možno to strany využili a naozaj dali na 100té miesto nejaké silné osobnosti. To sa dá ľahko overiť: Vedeli by ste si tipnúť, za ktoré strany kandidovali tieto dámy a páni:
Jana Kulichová, Mária Benová, Veronika Veslárová, Dáša Ďurianová, Martin Lauko, Ľubomír Hrozen, Ladislav Somogyi, Robert Široký, Milan Ján Pilip, Patrick Linhart, Peter Sádovský, Peter Ďurček.
Že nie? Okrem ĽSNS, ktorá na sté miesto svojej kandidátky umiestnila Petra Sagana, vodiča kamiónu z Oslia (a touto ľsťou ho takmer prekrúžkovala do parlamentu), ostatné mená zo 100ky vám asi veľa nehovoria. To, že v prípade 99ky a 100ky nejde o náhodu, potvrdzuje aj nasledujúca grafika. Je v nej vidno, že táto skrytá výhoda skutočne poskytla vyšší krúžkový zisk ako ostatným okolitým kandidátom. A to až v 10 z 15 strán/prípadov. Okolie stovky je teda skutočná a fungujúce výhoda. Na rozdiel od 150ky, ktorá je účinná len pre niektorých.
Drobný šok na záver
Treba však objektívne povedať, že dať perspektívnych kandidátov na koniec kandidátky ešte nie je tá najväčšia zlomyseľnosť, ktorú vám ako voličovi môže politická strana vyviesť. Slovenský volebný zákon umožňuje strane aj urobiť Vaše krúžky neúčinnými a nadiktovať priamo zoznam zvolených poslancov. Aby som niektorej zo strán tento „skvelý“ nápad nevnukol, rozhodol som sa opäť pomlčať a počkať s prezentovaním podobných zistení z tohto volebného seriálu až do odovzdania definitívnych kandidátok.
Dnes sme sa dozvedeli niečo o Kauze 150. Tým sme však zároveň trochu predbehli sled myšlienok. Lebo oplatí sa vôbec mať 150 kandidátov ? A ako počet kandidátov (a ich rozmanitosť) vplývajú na úspech strany? Využívajú túto skutočnosť strany cielene alebo to neriešia? To sú témy, do ktorých sa zahryzneme už v najbližšom pokračovaní nášho volebného seriálu. Budem sa tešiť do skorého čítania.
Prírastok nových členov a nasledovateľov klubov sa za sledované obdobie výrazne spomalil. Aj po takmer 2 mesiacoch sa nepodarilo zakladateľom klubov dosiahnuť ani 30% ich p;vodn0ho followershipu. V ostatnom čase sa opäť presadzuje oveľa viac cesta zbeirania membrov ako followerov:
Ako sa darí ktorým klubom
V rebríčku top klubov Československého priestoru sa presadili vyraznejšie len 2 kluby, ostatné si v podstate zachovali svoje vzájomné poradie. Prírastky niektorých klubov boli naozaj zanedbateľné, niektorým zjavne už dochádza para v zbieraní nového publika. Skokanom týždňa sa stal klub PSYCHOLOGIE CZ.
Vývoj na poli intenzity Clubhouse obsahu
Po drobnom ochladení aktivity bezprostredne po Veľkej noci sa opäť naštartoval rast denného počtu roomiek v CZ-SK jazykovej mutácii. Silný podiel na tom mali hlavne eventy ohľadne Dňa Zeme.
Ako sa darilo témam získavať nasledovateľov
V nadväznosti na predchádzajúce (11.) kolo dátových zistení o Clubhouse, ktoré dokumentovalo ako sa kluboví priaznivci rozkladajú medzi jednotlivé témy, aktuálny pohľad ponúka prehľad ako sa týmto (vybraným) témam darilo v jednotlivých časových etapách od založenia klubov. Jednotlivé stĺpce grafu predstavujú sníkmy podileu jednotlivých tém k uvedenému dátumu.
Z dát je zrejmé, že na začiatku pomerne silná kategória Entertainmentu postupne stráca na sile. Naopak, čoraz viac sa darí klubom z oblasti Psychológie a Rozvoja osobnosti:
Ľudia, čo ma poznajú dlhšie, vedia, že na označenie knihomoľ sa nemôžem príliš urážať. Čítam naozaj rád (a pomerne veľa). Avšak len tí najbližší vedia, že si dávam každoročne predsavzatie prečítať za rok viac ako 10 000 strán kníh (nad rámec iných zdrojov ako časopisy, blogy či novinové články.) Za posledných 11 rokov sa mi nepodarilo tento záväzok splniť iba raz. Tohto roku sa mi darí podozrivo dobre (musím si zaklopať), zhltol som už 32 kníh. Aj keď čitateľský výsledok zachraňovala najmä letná dovolenka. Počas prvej vlny Korony totiž séria COVID článkov (s viac ako 30 000 slov) tu na Mocnedata blogu pohltila celú moju energiu. A tak knihy boli ten prepotrebný recharge.
Knihy, ktoré si kupujem, starostlivo vyberám. Vďaka tomu tie príjemné prekvapenia výrazne predbiehajú sklamania. Kníh však stále vychádza (na svete) veľa a tak nájsť tie skutočné poklady naozaj vyžaduje určité úsilie. Rozhodol som sa preto podeliť s Vami o to najlepšie, čo postretlo mňa zatiaľ v roku 2020. (Na oddych čítam aj knihy, ktoré sa vecne do okruhu MocneData tém nehodia, zhrniem tu však iba tie, ktoré predpokladám, že by mohli byť inšpiratívne aj pre čitateľov MocneData.sk portálu):
Competing In The Age of AI
Zameranie: Dáta, Dátová Analytika, Biznis
Kníh o algoritmoch Umelej inteligencie a ich aplikovaní nájdete neúrekom. Ako to už býva, ako náhle je nejaká téma super populárna, mnoho autorov sa chce zviesť na vlne. To je dôvod, že väčšinu AI kníh, ktoré dnes dostanem do rúk, po preštudovaní obsahu (a začítaní sa do pár kapitol) sklamane vrátim naspäť do police kníhkupectva. Šliapnuť vedľa nie je aktuálne vôbec ťažké. Táto kniha ma však, naopak, úplne pohltila. Doručí totiž presne to, čo sľubuje jej nadpis. Systematický návod, ako zaviesť AI do akejkoľvek firmy či organizácie. Vysvetľuje princípy, ktorých sa držať, ponúka checklisty aspektov, na ktoré netreba zabudnúť. Nenájdete tu žiadne floskule alebo helikoptérové rady. Aj dielčie kroky sú jasne štrukturované a hneď na začiatku naozaj uvidíte, kde sú hlavnné miesta pre zasadenie AI riešení vo vašej konkrétnej firme. Text je navyše tak písaný, že sa nebudete vedieť dočkať dalšej kapitoly, aby ste pochopili, čo má byť tým ďalším kúskom mozaiky. Na základe inšpirácií z tejto knihy som napísal pre top manažment našej firmy plán AI inovácií na ďalšie roky.
Ak sa hrá futbalový zápas, tak v hľadisku je každý elitným trénerom a futbalovým expertom. A keď sa začne disktuovať o vesmíre, každý sa kasá vedomosťami z čias, keď Pluto ešte bolo (mylne) považované za planétu. Darmo, rychlokurz geniality sa v astrofyzike robí naozaj ťažko. NeiL de Grasse Tyson sa však k tomu priblížil tak blízko, ako to ide. Ako už samotný podtitul naznačuje, rozhodol sa totiž napísať knihu o vesmíre pre ľudí, ktorí nemajú čas (si skôr trpezlivosť) prelúskať sa buchlami, vzorcami či záplavou vedeckých článkov. A urobil to naozaj bravúrne. Kniha je písaná tak, že neodradí od dočítania ani úplneho laika (ktorého fyzika mátala už v škole.) Navyše, posunie vašu mieru poznania vesmíru o toľko ďalej, že nepohoríte ani na prvom rande s astrofyzičkou/-fyzikom. Naozaj jedna z tých kníh, čo stojí za hriech. Vyšla dokonca aj v slovenčine, tak prikladám link na obe jazykové mutácie
Nie, toto nie je kniha o cyberzločine, či mapovaní Tmavej enmergie či Tmavej hmoty. Nie je to ani kniha o čiernej mágií. Aj keď vlastne možno …
Dátová analytika je neraz tak trochu aj mágiou. David J. Hand však komunite dátových analytikov (a s dátami pracujúcich ľudí) urobil veľkú službu. Systematicky totiž zhrnul 15 rôznych dôvodov, pre ktoré nemáme dáta kompletné či dostupné pre analýzu. (Čoho dôsledkom je legendárny GIGO efekt.) Tá podstatnejšia časť posolstva, ktorú sa aj ja snažím často vysvetliť (hlavne) začínajúcim dátovým analytikom, je: Za koľko z tých 15 dôvodov si môžeme ako dátoví analytici sami? Knihu možno poňať aj ako kuchárku toho, čo by ste v dátovej analýze nemali opomenúť a čoho sa naopak vystríhať. Čo si vážim na autorovi najviac, je fakt, že na každý z 15 možných dôvodov (,kde dátová práca “zakopáva”) autor ponúka aj jasné návrhy riešenia (či prevencie). Jednovetová recenzia tejto knihy by znela: Povinné čítanie pre tých, čo za živia prácou s dátami, inšpirácia pre kohokoľvek, kto nechce podľahnúť (neodbornej, či účelovej) manipulácii s faktami.
Neviem, ako sa to podarilo, ale tohto roku som mal šťastnú ruku na prekvapivo veľa zaujímavých filozofických kníh. (Možno starnem.) Aby bolo hneď na úvod jasné, filozofické traktáty znášam podobne dobre ako väčšina populácie. Teda tak po 5 stranu. Potom zväčša pregúlim očami a kniha sa prepadá v čítacom poradovníku. Alfie Brown ma však svojou knihou upútal. Nielen tým, že ju spravil znesiteľne krátku, ale najmä tým, že si vybral tému, nad ktorou som už aj ja premýšľal. Je súčasná Netlix vlna a Hranie hier na mobile len zabíjanie času? (nad ktorým my, knihomoli, môžeme pohrdovačne predniesť svoje “Pchá!”) Alebo ide o legitímne a zmysluplné trávenie voľného času, ktoré zostáva generačne nepochopené? Argumentačne a filozoficky podložená rozprava o tejto téme ma nielen vtiahla do čítania tak, že som si nevšimol, ako ďaleko som za 5tou stranou. Objasnila mi aj postoje niektorých ľudí z môjho okolia. Možno mi budete po prečítaní nadávať, ale fakt by som vám to odporúčil si prečítať. Autor navyše napísal aj ďalšie podobné dielo na trochu inú tému, ktoré je na mojom reading liste ešte do konca roka. Tak prípajam link aj k tomu druhému dielu.
Ak by ste poznali Andreja, asi by ste nepochybovali, že jeho kniha na tento zoznam patrí. Ale keďže ho zrejme nepoznáte, skúsim vám priblížiť, prečo jeho kniha naozaj stojí za prečítanie.
Žijete ako chlapec na sídlisku na strednom Slovensku. Dopočuli ste sa, že v takom Nórsku by sa dali zarobiť skvelé peniaze. Tak si vygooglite nejakých Slovákov v Nórsku na Facebooku, “rozbijete prasiatko” a kúpite si letenku do Nórska. Vystúpite z lietadla a Nórsky sen sa môže začať …
… až na to, že váš Slovenský mobil nemá roaming, neviete po nórsky, nemáte vysokú školu, nikto vám neche dať prácu, prepleskli vás škandinávske ceny, nemáte nikoho blízkeho, vaše úspory sa okamžite rozplynuli a začínate mať povážlivé zdravotné problémy.
Nie, to nie je scénar B-čkového dobrodružného románu. To je skutočný príbeh Andreja Tichého. Ktorý sa, snáď mi to priateľu prepáčiš, dosť naivne vybral do Nórska. Hoci samotný príbeh (z ktorého nechcem vyzradiť najpikantnejšie scény) by bol hodný filmového námetu, táto kniha má oveľa silnejší odkaz. Ukazuje na to, ako naozaj chcieť niečo dosiahnuť. Ako sa nezlomiť a na čo všetko sa pripraviť. Ale hlavne ako nakoniec uspieť a splniť si (v podstate nereálny) sen. A ako pochopiť, že to je len prvý stupienok v dlhom kariernom a rodinnom živote.
Nie, nechajte sa oklamať šibalským názvom knihy. Toto nie je cestopis, ani návod, ako sa dostať na ropnú plošinu. Toto je energetická vzpruha, ako dosiahnuť svoje sny. Navyše vzpruha, pri ktorej sa zasmejte aj si zahíkate.
Iste ste sa už ocitli v situácii, kde išlo o veľa. Hádka s partnerom, požiadavka o zvýšenie platu, obchodné rokovanie alebo dieťa, ktoré sa nevie vspratať do kože. A keď si spätne prehrávate tú situáciu, hlava sa nestačí čudovať, čo to ústa hovoria. Kde hľadať radu, aby sme si to nabudúce (prinajmenšom) sami nekazili?
Hľadať rady o vyjednávaní možno u rôznych profesií. Niektorí vám odporúčajú hrať neústupných tvrďasov. Iní vás nasmerujú k tomu “aby ste dohodu s oponentom smerovali niekam doprostred rozpätia”. Čo si však o optimálne stratégií vzjednávania myslí Policajný vyjednávač, ktorý rieši rukojemnické drámy a únosy? Má ponúknuť protistrane zabitie polovice rukojemníkov výmenou za to, že sa útočník vzdá?
Chriss Voss je absolútna svetová špička vo vyjednávaní s ozbrojenými útočníkmi a teroristami. A ako policajný vyjednávač vždy musí hrať na to, že on vyhrá všetko a terorista nedostane skoro nič. Preto je zaujímavý jeho pohľad na to, ako viesť vyjednávania tak, aby na vašej strane zostal celý jackpot. Ak vám to príde odpudivé (až nefér) pre bežný život, pozeráte sa na to rovnako ako ja, kým som knihu neotvoril. Verte mi však, kniha nie je návodom, ako druhú stranu ošklbať. Je to súbor rád (popísaných na konkrétnych prípadoch), ktoré vám umožnia ísť aj za 50:50 dohody. A pritom neuraziť ani nepodraziť oponenta. Popísané postupy sú však rovnako užitočnou obranou proti zdatným súperom, ak aj sami nechcete aktívne zatlačiť. Kúpa tejto knihy sa vám násobne vráti. Už na najbližšom hodnotiacom pohovore alebo hyisterickej scéne vašej ratolesti.
Ako som písal v záhlaví tohto blogu, knihy krásnej literatúry do odporúčaní na tomto blogu zvyčajne nedávam. Pri tejto knihe však veľmi rád urobím veľkú výnimku.
Kniha Tom Roba Smitha ma fascinovala tým, že veľmi dlho (vyše sto strán) som nevedel odhanúť. aký žáner vlastne čítam. Chvíľu som mal pocit, že čítam historický román, či literatútu faktu o sociálnej situácii v povojnom Rusku. Alebo detektívku? Ak vám toto moje zmätenie príde nepochopiteľné, tak vedzte, že autor tak pútavo mieša tieto tri línie knihy, že je vám to vlastne úplne jedno. Chcete ďalšiu a ďalšiu stránku, nech je to ktorekoľvek z nich. Inými slovami kniha tak verne prepája opis spoločenskej situácie so životom postáv, až … až zrazu zistíte, dopekla, veď ono je to detektívka. Vrah sa začína nápadne podobať na niekoľko postáv. Začínate mať istotu, kto to asi je. Ale spoločenské zriadenie ho vlastne nechce vypátrať, tak ako bude spravodlivo potrestaný? Dieťa 44 (mimochodom prvý diel trilógie) je skvelá a pútavá kniha na jesený večer aj k opaľovaciemu krému na lehátko. Proste si to užite.
Jadrom mnohých problémov biznisu je, že sa na aktuálne dilemy nazerá metódami spred 20 a viac rokov. Rozhodnutia totiž robia ľudia, ktorí študovali v čase, keď dané témy boli horúcimi novinkami. Ako však dovidieť za horizont? Ako správne prečítať, čo bude IN v najbližších rokoch? Ale hlavne, ako inovovať skôr pomocou “calculated bets” ako cez “plug and pray” projekty.
Hoci Rita McGrath patrí (aj v mojej rozsiahlej knižnici) medzi neznámych autorov, rýchlo si získala moju priazeň tým, ako pragmaticky pomenúva slabé miesta biznisu a skutočné záplaty na tieto diery. Nebojí sa ísť proti mainstream prúdu, takže sa dozviete, že trhový podiel je zastaralá metrika, že skutočné inovatívne firmy sú tie, ktoré na to nepotrebujú zamestnancov alebo že Netflix dlho tápal v tom ako prejsť na predplatné. Nehľadá ikony ani hrdinov (ako je tak bežné pre Amerických biznis autorov). Naopak, servíruje dobre štruktúrované rady, ako systematicky inovovať, ale aj čo sú často opomínané úlohý lídrov v tomto procese, či ako nepodľahnúť tlakom okolia.
Je to hutné čítanie a pripravte sa na to, že budete odbiehať od knižky k poznámkovému bloku či klávesnici si zapísať podnetné nápady. Podctivé čítanie tejto knihy teda zaberie viac času, ako by jej (inak štandardná) hrúbka naznačovala. Ak však vediete nejaký team alebo (spolu)zodpovedáte za stratégiu či smerovanie nejakej firmy, moje odporúčanie si s chuťou užijete.
Ak ste členom komunity MocneData už dlhšie (mimochodom stať sa ním môžete bezplatne tu), tak viete, že svoje čitateľské odporúčania som dával aj po iné roky. Tu sú niektoré z nich:
Keď som bol dieťa, mal som krásny nálepkový album od WWF fondu, na titulke ktorého bola veľká Panda. Hoci v našom regióne Pandy nežijú a človek by si oveľa ľahšie mohol obľúbiť srnku, zubra či sysľa, Pandy sa mi zapáčili. To som ešte netušil, ako sa do môjho života vkradnú opätovne.
Je len pomerne málo bežných slov, ktoré to dopracovali až do väčšiny životopisov serióznych a dobre platených ľudí. Názvy zvierat by ste teda medzi nimi určite nehľadali. Napriek tomu Pandas, ako najpoužívanejšia knižnica na prácu s dátovými tabuľkami v Pythone, to dopracoval na veľmi prominentné postavenie. Výberové konanie na dátového analytika, počas ktorého by tento výraz nezaznel aspoň raz, si aj dnes už aj ťažko predstaviť. (Ale no! Aj keď už dnes ste o krok ďalej na prvých projektoch vás to určite neobišlo). Preto by ste možno mali všetci spozornieť, že na Pandy budete musieť už čoskoro zabudnúť. Nie, nemyslím tým, že Ailuropoda melanoleuca , teda panda medvedík, vyhynie. Aj keď to má nahnuté už od môjho detstva. Mám na mysli, že na najbližšom projekte či pracovnom interview už s Pandas knižnicou pravdepodobne pohoríte. Čo?! Zdesení? Nuž tak čítajte ďalej, kam sme sa posunuli.
Pandičky, pandičky, kdeže ste sa vzali? Či ste z neba spadli, či …
S istou mierou odľahčenia by sa dalo povedať, že k Pandám som sa naozaj dostal až po presťahovaní do Berlína. (V Berlínskej Zoo totiž naozaj majú niekoľko jedincov tohto milého zvieratka, na ktoré som sme sa s rodinou už boli niekoľko krát pozrieť.) Samozrejme, v skutočnosti by to bol len jeden z mojich (nie všetkými oceňovaných) vtipov. Spracovanie dát v Pythone som totiž, samozrejme, potreboval pre svoje analytické pozície už na Slovensku a pomerné drsný test schopnosti analyzovať dáta v tomto jazyku (a spomínanej Pandas knižnici) bol súčasťou takmer každého pohovoru do zahraničia, ktorým som si prešiel. Pre svoj ľahký syntax a širokú škálu funkcií sa Pandas naozaj stal zlatým štandardom a je podkladom aj všetkých online kurzov. Preto správa, že Pandas je „na odstrel“, asi nejedného z nás zarazí.
Ale predsa je tomu tak. Pandas sa pomaly dostáva na okraj vyhynutia. Teda minimálne medzi teamami, ktoré sa snažia o napredovanie v analytike. Ak sa chcete zamestnať vo veľkej dátovej firme alebo zahviezdiť v nejakom boomujúcom start-upe, Pandas už nie je vaša karta. Je to skôr niečo ako Voldemort v Harry Potterovi, „meno-ktoré-sa-nevyslovuje“ alebo „veď-viete-čo“. Čo teda bude (fáze prípravy dát) vládnuť v budúcnosti?
Kráľ zomrel. Nech žije nový Kráľ!
Alternatívy k Pandám, samozrejme, vznikali už dlhšiu dobu. Isté obdobie sa vášnivo rozoberal DASK ako potenciálny nástupca pandičiek. Prirodzene, tí limitovaní Pandas slabými miestami skúšali neraz presedlať na PySpark. V našom teame sme poškuľovali po zavedení MODIN, najmä preto, že niektoré iné teamy v našej spoločnosti produkujú (pre nás) vstupné parquet súbory. Na meet-upoch sa občas objavovali názory drukujúce TURICREATE knižnici. Ak ste o týchto knižniciach pred tým nepočuli, uľavím vášmu svedomiu, ani už sa nežeňte to doštudovať. Strelka kompasu sa totiž jasne natočila niekam úplne inam. Budúcim štandardom v spracovaní veľkých dát bude zrejme VAEX.
Hovoriť o VAEXe len ako črtajúcom štandarde by bolo pre čitateľa málo užitočné. Poďme si teda túto Python knižnicu predstaviť v priamom kontraste s Pandas. Častým boľavým miestom Pandas je, že sa snaží utvoriť si materializovanú podobu dát priamo do RAMky (alebo inej dostupnej pamäte). Ak vytvoríte nový odvodený stĺpec, ktorý je napríklad kombináciou dvoch existujúcich stĺpcov v Dataframe, Pandas hodnoty pre každý riadok vypočíta a uloží do pamäte. Nevadí, kým sa hráte so státisícmi, zabolí, keď máte na stole gigabajty podkladových dát. VAEX používa princíp, ktorý sa volá lazy computing. “Lenivosť” výpočtu spočíva v tom, že sa realizuje len keď jeho treba. Takže ak napríklad vytvoríte nový odvodený stĺpec, ako bolo načrtnuté vyššie, VAEX reálne spočíta hodnoty až keď ich potrebujete použiť. Keď teda napríklad chcete overiť pomocou Df.head(10) len na niekoľkých riadkoch správnosť výpočtu nového stĺpca, Vaex fyzicky v pamäti zráta a uloží len tých pár riadkov. Rovnako tak môžete ma5 napísaných veľa agregovaných parametrov pre účely (feature engineeringu pre) Machine Learning model a táto knižnica ich spočíta až pred samotným trénovaním modelu. Vaex vás tak super rýchlo prenesie práve cez data preparation fázu modelovania.
Druhou podstatnou výhodou sú optimalizované postupy pre výpočet agregačných štatistík (mean, avg, count ,sum, …) ako aj pre tvorbu podskupín (groupby) či deduplikáciu. Vaex tu dosahuje 3 až 15 násobné zrýchlenie oproti Pandas. Áno čítate dobre, násobne rýchlejšie ako Pandas. Ak vás zaujíma nezávislé meranie, tak investujte cca 30 min čítania TU.
Tretím podstatným tromfom Vaex knižnice je, že dokáže ultra rýchlo čítaťz diskov súbory HDF5 formátu, ktoré môžu byť uložené aj v S3 cloud bucketoch. Keď hovorím ultra rýchlo, mám na mysli rýchlosti okolo 10^9 riadkov za sekundu. To sú hodnoty, o ktorých sa, nielen Pandám v Berlíne, ani len nesníva.
Hviezdnu rýchlosť potvrdzuje Vaex aj pri JOINoch a FILTROVANIACH, ďalších bežných úkonoch fázy prípravy dát pre samotné modelovanie.
Čím Vaex zasadzuje ranu z milosti svojim súperom je fakt, že jeho syntax je úmyselne veľmi podobný tomu z Pandas. Veľa funkcií má úplne rovnakú implementáciu (napr. read_csv, .join , .groupby , …) vo Vaexe, ako keby ste ich napísali v Pandas. S istou mierou irónie sa teda dá povedať, že stačí vymeniť názov knižnice v “import Pandas“ a pipeline na prípravu dát vám pofrčí zásadne rýchlejšie. (V skutočnosti to, samozrejme, nemusí byť tak jednoduché). Určite to však pomáha prechodu z Pandas na Vaex. So všetkými tými výhodami oproti Pandas tak dochádzajú výhovorky, prečo sa vlastne stále ešte vracať k Pandas.
Podobne, ako stále nájdete funkčné programy v COBOLe, FoxPro či C++, asi aj v budúcnosti budú existovať riešenia ktoré budú stále používať Pandas. Legendárne Pandičky totiž vznikli ako univerzálna knižnica na prehrabávanie, prepočítavanie a explorovanie dát. A preto sú (či skôr bývavali) prvou voľbou pre predspracovanie dát. Autori Vaex knižnice sa však na problém pozreli pragmaticky a odstránili všetky často opakujúce sa nedostatky Pandasu. Prevzali (v dobrom slova zmysle) navyše syntax príkazov Pandasu a tak z Vaexu urobili najhorúcejšieho kandidáta na jeho nahradenie. Ak sa teda chystáte na nový projekt, či zvažujete zmenu práce, dajte si tú námahu pozrieť sa dokumentáciu Vaexu. A skúste si v hlave vymeniť Vaex namiesto Pandas. Určite tým príjemne prekvapíte.
Kvantové počítače sú dôležitým objavom a budú pre naše poznanie mať prinajmenej rovnaký efekt ako vynález elektriny, či rádioaktivity. Je to tak (najmä) preto, že už menší kvantový počítač má výpočtový efekt väčší ako všetky počítače na svete dohromady! Odkiaľ berie kvantový počítač (z AJ skratka QC) silu miliardu krát väčšiu ako klasický počítač? Je možné aby bežal dokonca úplne bez elektriny? Sú QC univerzálne alebo užitočné len v úzkom odvetví? Ktoré profesie pracujúce dnes s počítačom by mail poškuľovať po kvantovom počítači a koho naopak QC zrejme do konca života obídu? Tak toto všetko by ste sa mali v nasledujúcich riadkoch dozvedieť.
Klasický počítač (CC) vs. Kvantový počítač (QC) : Vieme ich rozoznať?
Skúste sa na chvíľu zamyslieť: Čo viete o Kvantovom počítači? Keď som sa pýtal kolegov a ostatných ľudí v mojom okolí, čo vedia o kvantových počítačoch, väčšinou mi odpovedali, že: 1] sú to zásadné rýchlejšie počítače ako tie klasické, ktoré sa však (pre neznáme dôvody) zatiaľ nerozšírili (žeby bolo príliš drahé ?) a pracujú na nich výskumné oddelenia univerzít a najväčších digitálnych spoločností (ako Google či Amazon); 2] Ich výkon sa meria nie v GigaHerzoch, ale v divných kjubit jednotkách; (čo to vlastne je?) 3] Využíva sa v nich nejako Kvantová fyzika a teda je to tak zložité, že vlastne nikto nerozumie ako to presne funguje; 4] Dokážu spočítať veci, ktoré inak nevieme spočítať (ale nik nevie nejaké konkrétne pomenovať). A tým to zvyčajne hasne. Keby som to mal zosumarizovať do jednej vety, asi by som povedal, že verejnosť (aj tá viac odborná) momentálne vníma kvantové počítače ako: “Zložitý, na časticovej Fyzike postavený black box, ktorý počíta zásadne rýchlejšie, ale málokto mu rozumie a ešte nie je rozšírený“. Nuž verím, že po dočítaní tohto článku sa aj vy nad touto odpoveďou blahosklonne pousmejete. Avšak povrchnosť nášho povedomia o tejto dôležitej technológií bola práve tou silou, ktorá ma popchla napísať tento blog.
Podstatou Kvantových počítačov totiž sú naozaj zákonitosti a procesy z Kvantovej mechaniky, odvetvia fyziky, ktoré máme v skutočnosti na mysli, keď slangovo hovoríme ” … to urobíme rýchlo, veď to nie je jadrová fyzika!” Kvantová mechanika je totiž tak zložité odvetvie fyziky, že sa naň hodí prepožičať si z Českej filmovej ságy o Básnikoch parafrázu: “Kvantovú mechaniku vie na jednotku iba Boh, na dvojku držitelia Nobelovej ceny, na trojku vysokoškolskí profesori, na štvorku ich najlepší žiaci a na päťku všetci ostatní!” (len pre korektnosť, v pôvodnom filmovom výroku išlo o Chémiu). To má za následok, že keď otvoríte knihu o QC, už na prvých stranách sa na vás vyvalia komplikované fyzikálne vzorce a rovnice (na ktoré môj spolubývajúci “na výške” vtipne poznamenal: “Filip, celú prednášku som obkresľoval z tabule, lebo opisovať z tabule môžeš iba vtedy, keď vieš, čo píšeš.” Dôsledkom je, že porozumenie QC (a ich využitiu) sa pre väčšinu z nás zužuje na pár viet predchádzajúceho odseku.
Pritom je to škoda. Áno, o QC sa skutočne dá (pomerne hutne) rozprávať formou komplikovaných schém a vzorcov. Ale dá sa to aj inak. Teda tento blog je pokus o to: Podať vám podstatu kvantových počítačov bez zložitých rovníc a bez predpokladu, že máte úspešne zloženú skúšku z diferenciálnych rovníc či lineárnej algebry. Ak by sa mi to predsa nepodarilo, tak sa Vám vopred ospravedlňujem. Bolo by preto celkom fajn, keby ste mi po prečítaní dali krátku spätnú väzbu (napríklad na info@mocnedata.sk ), či sa to podarilo. Ešte než sa do toho pustíme, dovoľte mi jeden krátky disclaimer: Hoci vyššie uvedené skúšky mám úspešne zložené a je mi umožnené sa preto prelúskať aj cez tie komplikované rovnice, neživím sa Kvantovou mechanikou. Preto, ak ste výskumníkom v tejto oblasti, odpustite mi zjednodušenia učinené v najbližších odsekoch. Pochádzajú buď zo snahy zostať zrozumiteľný pre širšie masy alebo z toho, že niektoré zákutia sú aj nad moje sily. (Veď nie som Nobelista ani vysokoškolský profesor 🙂 )
Kde to celé začalo
Mnoho z oblastí vedy, ktoré v dnešnej dobe zvládne už aj žiak základnej školy, neboli vôbec známe po celé tisícročia ľudskej existencie. Napríklad aj také triviálne veci ako -400 (teda záporné čísla) boli dlhodobo mimo chápanie nielen bežných ľudí ale aj súdobých vedcov. (Schválne, videli ste niekedy záporné číslo Rímskymi číslicami?) Dôvodom bol fakt, že ľudia používali matematiku (a iné vedy) len na účely praktické. A až do vynájdenia účtovníctva záporne číslo nemalo v živote žiaden zmysel. V realite sa nedá totiž vidieť jablká v počte -5. Jednou z tých oblastí matematiky, ktoré boli “pánskym huncútstvom” až neskoršej doby, boli aj komplexné čísla. Ešte René Descartes sa o nich vyjadroval s posmeškom a na svetlo božie sa predrali až vďaka vedcom ako Gauss alebo Euler. Práve komplexné čísla sú dôležitým stavebným kameňom kvantových počítačov, preto mi dovoľte krátke pristavenie sa pri nich, lebo nám budú užitočné pre pochopenie “inakosti” QC.
Matematiku si ľudia od pradávna spájajú s riešením rovníc. Kým sme, ako ľudstvo, počítali len rovnice typu “trojčlenky”, každá rovnica mala riešenie (alebo jasný dôkaz, že ho nemôže mať). Keď sme však prešli do výpočtov s kruhmi (a inými kuželosečkovými krivkami), dostali sme sa do situácie, že niektoré naše rovnice zrazu nemali riešenie (a nebolo ani zrejmé, prečo by ich nemali mať). Napríklad jednoduchá kvadratická rovnica x^2 + 2 = 1 (ktorú sme sa všetci učili riešiť a preto ju tu uvádzam ako príklad), nemá v množine reálnych čísiel riešenie, lebo riešením by musela byť odmocnina z čísla -1 , (lebo x^2 = -1 ) a to predsa nejde vypočítať.
Odmocninu nám totiž ešte v Starovekom Grécku zadefinoval (Pytagoras) ako uhlopriečku obdĺžnika (napr. odmocnina z 5 je uhlopriečka obdĺžnika so stranami o dĺžke 1 a 2) a každá úsečka (teda aj uhlopriečka) predsa musí mať veľkosť väčšiu ako nula. Tento údel sa s nami viezol viac ako 2000 rokov, až si niekto povedal: Čo keby sme pri predstavili imaginárnu (tretiu) dimenziu, v ktorej by sa dal ľubovoľný 2D objekt otočiť o nejaký uhol. Ako keď máte v knihe s tenkými, priesvitnými listami nakreslenú na pravej stránke šípku od stredu von (alebo štvorec). Keď stránku knihy otočíte ďalej, zrazu tá istá šípka – hoci sa vôbec nezmenila – ukazuje úplne opačným smerom (zo stredu doľava). Ak by sme šípku brali ako posun na mape o 1 dĺžku z bodu A do B, po obrátení zrazu máme posun o -1 (teda rovnako dlho, ale opačným smerom). Takto nejako “približne” môže vzniknúť uhlopriečka obdĺžnika o dĺžke odmocnina z -1. Práve uhol otočenia v imaginárnej tretej dimenzii je podstatou komplexných čísiel a aby sa s ním počítalo jednoduchšie, tak sa zvolila jednotka otočenia (o štvrťkruh), ktorá sa (po prepočte) označuje malým tlačeným “i”.
Tu môžeme náš krátky výlet do matematiky definitívne utnúť, lebo ďalej “turistická značka” vedie po škaredých kosínusoch, sínusoch a veľkých maticiach. Pre našu ďalšiu diskusiu o kvantových počítačoch sú však dôležité ešte dve veci:
A] Uhlov, pod ktorými môžem postupne otočiť stránku knihy, je nekonečne veľa a v každom natočení by výsledná uhlopriečka obdĺžnika mala “inú dĺžku”. Teda, ak začnem jednoduché veci otáčať (a spájať) v imaginárnom priestore, prudko mi rastie (výpočtová) náročnosť na určenie všetkých možných stavov otáčaných vecí.
B] Vo fyzike (hlavne tej kvantovej) sa skutočne niektoré veci (najmä drobné častice) správajú tak, že na ich správanie sedí popis komplexnými číslami. Teda to, čo začalo ako utkvelá potreba ľudstva mať pre každú kvadratickú rovnicu riešenie, sa neskôr ukázalo ako naozaj užitočné pre popisovanie reálnych vecí, ktoré sa dejú v prírode okolo nás.
Ok. A akú úlohu však hrajú komplexné čísla v kvantových počítačoch?
Hlavné zbrane Kvantových počítačov
Väčšina z nás používa klasické počítače tak akosi samozrejme. Sme zvyknutí zobrať si laptop, otvoriť ho vo vlaku, či v lietadle. A notebook (pokiaľ mu práve nedošla baterka) poslušne vykoná akýkoľvek výpočtový príkaz. Keďže zároveň väčšina potrieb bežného používateľa sú “brnkačkou” pre neustále rastúce výkony počítačového hardwaru, asi ste sa nikdy nezamýšľali nad tým, aké sú limity klasického počítača (teda možno okrem tej baterky v notebooku). Napriek tomu, že zažívame zlatú dobu rozvoja počítačov a podľa (nepísaného) Moorovho zákonu sa výkon a pamäťové možnosti dostupných počítačov doslova z roka na rok znásobujú (ľubovoľný mobil má zásadne viac výkonu ako mal počítač, s ktorým NASA pristála na Mesiaci), na rozvoj počítačov existuje fyzický limit. Klasické počítače totiž potrebujú pre svoj chod prepisovať v pamäti jednotky na nuly a späť. Najmenšiu jednotku svojej pamäte volajú BIT. (Bajt a teda aj mega-, či giga-bajt sú o niečo väčší bratranci BITu). Takzvané Lendauerovo obmedzenie určuje minimálne množstvo energie, ktoré je potrebné pre prepísanie jedného bitu. Príroda nám teda nastavil striktnú hranicu, koľko energie (teda elektriny) nás minimálne bude stáť počítanie. Keď na tento limit narazíme, nebudeme schopní už zvýšiť výkon počítačov inak ako “spálením” väčšieho množstva elektriny. A keďže aj zdroje našej elektriny sú limitované, raz nevyhnutne narazíme na horný limit výpočtového výkonu. Hoci pre naše triviálne úlohy (ako pozerať video, či poslať email) nás táto horná hranica nikdy nebude trápiť, existujú už vedecké výpočty (zväčša ohľadne vesmíru a šifrovania), ktoré na teoretické limity výpočtov klasického počítača už narazili. Ak chceme, ako ľudstvo, niekedy fyzikálny strop klasických počítačov obísť, musíme prísť s počítačom, ktorý dokáže počítať bez nutnosti stále prepisovať nuly a jednotky. To presne dokážu Kvantové počítače.
Druhým podstatným limitom klasických počítačov je, že pri výpočte (napríklad násobení) si musia do pamäte najprv uložiť všetky vstupy (čísla ktoré násobím), následne použiť voľné časti pamäte na zrealizovanie výpočtu (niečo, ako keď sme sa učili násobiť pod seba na papieri) a nakoniec do ďalšej časti pamäte uložiť výsledok výpočtu (finálny súčin). Čo je ešte horšie, ak chcete počítač skontrolovať, musíte si uložiť všetky vstupy aj výstupy výpočtov, inak by ste spätnej nevedeli dohľadať, či výsledok je skutočne súčin daných čísiel. To prináša so sebou obmedzenie, že nemalá časť pamäte (a výkonu) klasického počítača je neustále viazaná na priebežné ukladanie si už zrealizovaných (alebo práve bežiacich) krokov, aby bol dosledovateľný postup. Prípadne, aby sa vedel počítač vrátiť k úlohe, ak ho niečo preruší. Dôvodom, prečo boli klasické počítače takto navrhnuté je, že im to umožňuje teoreticky počítať akúkoľvek výpočtovú úlohu. Odvrátenou stránkou tohto dizajnu však je, že postupy, kde náročnosť rastie exponenciálne (zasvätení vedia, že stačí aj geometrickým radom) s počtom vstupov (napr. možnosti športky či porovnávanie vecí), prestávajú byť reálne vypočítateľné. Dobrým príkladom je ochrana heslami. Každé heslo sa dá prelomiť “tupým” skúšaním všetkých možnosti dookola. Ak však máte dostatočne dlhé (a rozmanité) heslo, jeho prelomenie hrubou silou môže trvať roky až desaťročia. Má sa teda za to, že kým by ho niekto prelomil, tak si aj tak heslo znovu zmeníte. Čo ak by však existoval nový typ počítaču, ktorý nepotrebuje uchovávať priebežné vstupy a vie skočiť od zadania rovno k výsledku? Znie to ako mágia či sci-fi? Nuž takto približne fungujú kvantové počítače.
S trochou irónie by sa dalo povedať, že pri zostavovaní klasických počítačov (CC) sme boli málo ambiciózni. CC totiž boli dizajnované tak, aby so sebou niesli vždy len jednu možnú alternatívu výsledku. Na dierny štítok (áno, prvé počítače si zapisovali výsledok na papierovú pásku pomocou systému dierok, niečo ako primitívna verzia slepeckého písma alebo ďatľova morzeovka na papier) bolo možné v tom istom čase (a mieste) zapísať len jednu hodnotu. Keď ste chceli zapísať ďalšiu hodnotu, potrebovali ste ďalší dierny štítok. S odstupom času sme zhustili techniku zápisu tak, že dnes do pár kubických cm USB klúča dokážeme vtesnať miliardy metrov diernej pásky, ale princíp jedna hodnota v jeden čas (a na jedno miesto) zostala zachovaná. Inakosť kvantových počítačov plynie aj z toho, že jeden QUBIT (kvantový BIT) dokáže teoreticky reprezentovať obrovské množstvo rozdielnych stavov (pomocou komplexných čísiel). Reprezentuje totiž fyzikálnu podstatu častíc, ktoré samotné majú nespočetné množstvo stavov. Ten rozdiel dramaticky mení nároky QC na pamäť a zároveň umožňuje pracovať efektívnejšie pri modelovaní procesov, v ktorých môžu veci nadobúdať veľké množstvo rôznych stavov.
Ako reálne fungujú kvantové počítače
Dobre, znie to celé ružovo až neuveriteľne. Ale ako vlastne fyzicky funguje kvantový počítač? Je to rovnaká “krabica železa” akú sme zvyknutí nájsť na pracovnom stole? Jednotkou výkonu kvantového počítaču je QUBIT (= kvantový bit). Keďže QUBIT musí byť zväčša schopný fungovať bez stáleho prísunu elektriny (spomeňte si na Lendauerovo obmedzenie), fyzicky musí byť QUBIT modelovaný ako nejaký objekt, ktorý môže meniť svoj stav, uchováva si svoju hodnotu a dokáže sa správať podľa pravidiel manipulácie s komplexnými číslami, ako sme si ju popísali na začiatku blogu. V našom fyzickom, reálnom svete najlepšie tieto požiadavky spĺňajú častice. Preto, hoci technologických prístupov na vytvorenie QUBITu je viac, zväčša ide o ióny, polymérové častice, fotóny alebo kremíkové (a rôzne iné) atómy. Veľkosť týchto častíc je však aspoň milión krát menšia ako veľkosť najmenej súčiastok v bežných PC, teda pod necht by sa vám zmestil aj veľmi výkonný kvantový superpočítač. (za chvíľu zistíte, že by vás trochu oziabal)
IBM QUANTUM COMPUTER
Princíp samotného QUBITu funguje tak, že častica môže mať na seba naviazanú rôznu energiu (ktorá sa napr. prejavuje elektrickým nábojom, rýchlosťou pohybu alebo inými vlastnosťami). Pomocou mikrovlnného žiarenia alebo svetelného (zvyčajne laserového) lúču môžete na diaľku danú časticu “poštekliť”, aby získala alebo naopak stratila určitú energiu. Ak vyberiete hodnoty energie dostatočne vzdialené od seba (čo značí, že častica má takmer nulovú šancu presunúť sa medzi týmito dvoma stavmi sama od seba), môžete dané stavy častice používať ako nuly a jednotky vo výpočte. Niečo ako keby ste mali v uzavretej miestnosti teplomer a považovali teplotu nad 80 stupňov Celzia ako jednotku a teplotu pod -50 stupňov Celzia ako nulu. (Šanca, že miestnosť sa bez vášho pričinenia presunie z 80 stupňov do -50, je takmer nemožná.) Jediným, avšak podstatným rozdielom je, že zakiaľ presun medzi 80 a -50 stupňov si vyžaduje naozaj veľa energie, v QUBITe na to stačí bežná vec ako mikrovlna alebo svetelný lúč (a ten istý lúč dokonca môže ovládať viac QUBITov súčasne). Samozrejme, častice sa pohybujú len po mikroskopických dráhach a pri bežných teplotách príliš rýchlo a chaoticky. Pre vytvorenie QUBITov je teda častice potrebné “skľudniť” do takmer absolútneho zastavenia pohybu, ktoré nastáva pri teplote nula Kelvinov, teda -273.15 stupňov Celzia. To robí zatiaľ kvantové počítače pomerne ťažko konštruovateľné v bežných podmienkach. Lebo predstava, že máte na pracovnom stole niečo teploty mínus 273 stupňov, je asi absurdná.
Preto väčšina kvantových počítačov zatiaľ funguje v uzavretých laboratóriách, kde udržiavanie takto nízkej teploty je možné a aspoň trochu efektívne. Kvantový notebook, s ktorým sa vyvalíte na pláži alebo do trávy na lúke, zatiaľ nevyzerá ako veľmi reálna predstava. Avšak to, že konštrukcia QUBITu si vyžaduje “netypické” podmienky, nevylučuje nás všetkých z používania QC. Keď už niekto prevádzkuje kvantový počítač, môžete si jeho výpočtovú silu “požičať na diaľku“. Stačí zadať zo svojho počítača cez internet (resp. privátny cloud) požiadavku na výpočet (spolu so vstupmi) a správca kvantového počítaču váš výpočet zaradí do poradovníka spracovávaných úloh. Keď príde na Váš výpočet rad, spustí QC výpočet a oznámi vám výsledok. Takto, koniec koncov, na začiatku vyzerala aj práca s veľkými sálovými počítačmi, na ktorých ste si tiež museli objednať určitý strojový čas, ktorý ste potom mohli použiť na výpočty.
Keď už vieme, ako fungujú fyzicky QUBITy, treba si ešte ozrejmiť ešte jeden podstatný rozdiel oproti klasickým počítačom. QUBITy sú skutočné častice z reálneho života, a hoci u nich vieme nízkou teplotou (a niektorými inými opatreniami) zabezpečiť aspoň elementárnu “poslušnosť”, stále existuje určitá pravdepodobnosť, že nejaký vonkajší vplyv (alebo náhodná udalosť) vychýli energiu danej častice a tak sa z jednotky stane nula alebo energia uviazne medzi hladinou nuly a jednotky uprostred. (teda nie je jasné, či výsledkom operácie je nula alebo jedna.) Aby sa tomuto javu zamedzilo, používa sa ešte princíp logických QUBITov. Ten spočíva v tom, že každý fyzický QUBIT má niekoľko “súrodencov”, na ktorých sa vykonávajú tie isté operácie ako na prvotnom QUBITe. Celé toto zoskupenie prvotného QUBITu a jeho fyzických súrodencov sa volá logický QUBIT. Pričom hodnota logického QUBITu sa určuje tak, že je to tá hodnota, ktorá vyšla najčastejšie na fyzických QUBIToch spojených do daného logického QUBITu. To znamená, že aj keď sa niektorý z 1000 fyzických QUBITov združených v logickom QUBITe pomýli (alebo sa nedá jeho hodnota odčítať), tak stále ostatných 999 ponúka ten istý výsledok a slúžia ako istá forma poistky. Pravdepodobnosť, že by sa všetkých 1000 pomýlilo súčasne tým istým smerom, je tak nízka, že pre potrebné výpočty je úplne zanedbateľná. Ak navyše výpočet zopakujete niekoľko krát po sebe, máte skalopevnú istotu, že kvantový počítač sa nepomýlil.
Povedali sme ako vyzerajú samotné QUBITy. Ešte si však dĺžime podstatnú odpoveď na to, ako vlastne QC realizuje výpočty. K tomu si potrebujeme v skratke ozrejmiť pojem reverzibilná operácia. Ide o takú (matematickú) operáciu, pri ktorej z výsledku viem presne určiť aj pôvodné vstupy, bez toho že by mi ich niekto prezradil. Napríklad súčet nie je reverzibilná operácia, lebo ak vám poviem, že výsledkom súčtu dvoch čísiel je 7, neviete mi povedať aké dve čísla ste sčítavali, možnosti je nekonečne veľa (napr. -1000 + 1007 = 7). Klasické počítače, aké máme dnes na stoloch, sú programované tak, aby dokázali robiť aj reverzibilné aj nereverzibilné operácie. Daňou za to je, už spomínané, ukladanie vstupov a medzivýsledkov. Kvantové počítače sú však konštruované tak, aby robili len reverzibilné operácie. Napríklad násobenie -1 je reverzibilná operácia, lebo nepotrebujem vedieť, čo bol vstup, ak vidím, že výstupom je -10, viem, že vstupom muselo byť len číslo 10. Pre žiadne iné totiž výsledok -10 po násobení -1kou nedostanem. Kvantové počítače preto počítajú tak, že zoberú vstup, zrealizujú na ňom sériu (= kvantový obvod) reverzibilných operácií (nazývaných aj kvantové brány) a vrátia výsledok. Keďže však všetky operácie sú reverzibilné, je ľahko operácie raťaziť do dlhých sekvencií. Rovnako poľahky ide skontrolovať, či výsledok celého kvantového obvodu sedí s príslušnými vstupmi. To umožňuje robiť veľké množstvo operácií bez akejkoľvek požiadavky na pamäť. Potrebujete navzájom vynásobiť dve matice, každú s miliónom prvkov? Žiaden problém, QC to dokáže “z hlavy” bez toho, že by si musel čokoľvek poznačiť. Dokonca to urobí približne rovnako rýchlo ako navzájom vynásobenie matíc iba so sto prvkami.
Toto špecifikum výpočtov robí QC výborné a ultra rýchle riešenie pre niektoré typy výpočtov a naopak znevýhodňuje ho pre iné operácie. Ono sa totiž väčšina bežne dostupných matematických operácií dá prepísať do sekvencie (niekoľkých) reverzibilných výpočtov (napríklad ak chcete spočítať súčin 100 x 10 môžete zobrať nulu a desaťkrát k nej pripočítať číslo 100, (lebo operácia +100 je reverzibilná), ale iste chápete že pre veľmi veľké činitele by tento postup bol skôr brzdou ako pomocou). Kvantové počítače teda sú niečo ako autista. Dokážu geniálne veci, ale pre niektoré triviálne veci sú naopak úplne stratení. Preto domáce úlohy zo základnej školy asi na Kvantovom počítači rátať nebudete. Zadania, kde sila QC výrazne poráža klasické počítače, sú úlohy buď s obrovským množstvom vecí (napr. hviezdy, atómy, chemické reakcie, …) alebo s veľmi vysokým počtom opakovaní toho istého postupu (napr. overovanie, či číslo nie je prvočíslom, tak že ho skúšam deliť všetkými nižšími prvočíslami). Vďaka prítomnosti komplexných čísiel a niečomu, čo sa volá superpozícia častíc, hrajú QC silnú úlohu aj pri riešení problémov s pravdepodobnosťami, predpoveďami určitých javov a sofistikovanou dátovou analýzou (QML).
Masovú implementáciu QC riešení trochu brzdí aj samotný technologický vývoj. Skutočné užitočné sa stávajú kvantové počítače pracujúce s miliónmi fyzických QUBITov. Pri týchto počtoch totiž možno zabezpečiť dosť logických QUBITov, ktoré potrebujú algoritmy (ako Shorov, viď nižšie). Keďže však zároveň musí platiť, že QUBITy sa nesmú navzájom ovplyvňovať a musia si udržať hodnotu dostatočne dlho, technológovia sa trochu trápia ako 10 miliónov rôznych častíc udržať “svedomito pracovať pre spoločnú vec.” Podľa údajov z aktuálnej knihy Jack D. Hidary sa nachádzame ešte niekoľko krokov od tejto zóny:
Istou komplikáciou pre vývoj QC riešení je, že na potvrdenie funkčnosti algoritmu na QC, najprv musíte (zvyčajne) predviesť simuláciu tohto procesu na klasickom počítači. Keďže však QUBIT potrebuje pre uloženie svojich stavov približne 4000x krát viac dátového priestoru ako 1 BIT na klasickom PC, kompletne celú pamäť vášho Notebooku by zapratala simuláciu pracujúca len s 30 QUBITmi. O tisícoch až miliónoch QUBITov, ktoré bude skutočne treba, už sa nedá hovoriť ani pri tých naj superpočítačoch sveta. Pre rýchle porovnanie koľko pamäťového priestoru (na simuláciu QC QUBITov) je treba si môžete pozrieť trefný prehľad z vyššie citovanej knihy:
Odvetvia, ktoré QC najviac zasiahne
Pomerne detailne sme sa venovali odlišnosti QC od ich klasických PC predchodcov. Zatiaľ sme si však nepomenovali, ktoré oblasti ľudského fungovania sú najviac vhodné na zavedenie QC. Čo-to sme už naznačili, keď sme povedali, že QC majú najväčšiu silu tam, kde CC potrebujú si pamätať rozsiahle dátové štruktúry alebo tam, kde zložitosť algoritmov klasických výpočtov je kvadratická a vyššia. Asi najpriamočiarejší dopad QC je na oblasť kryptografie, čiže šifrovania. Aktuálne najbezpečnejšie cifry sa totiž spoliehajú na obrovsky veľké prvočísla, ktoré nie je možné poľahky odhaliť. V klasickom počítači na to, aby ste odhalili, či číslo je prvočíslom, musíte vyskúšať veľký počet delení (menšími prvočíslami). Hrubou silou klasických počítačov sú tieto šifry neprelomiteľné. Potrebné prvočíslo nestihnete nájsť počas platnosti daného hesla. QC však dokáže vyhľadať vďaka Shorovmu algoritmu rozklad na prvočinitele násobne rýchlejšie a tým aj hrubou silou prelomiť (dnes ešte) super bezpečné šifry. Dôležité je povedať, že tento počin je pre kryptografiu dvojitým úderom. Nielenže dokáže prelomiť aktuálne super pevné heslá, ale zároveň oberá kryptografiu o možnosť, akou odolávala doposiaľ: Vždy, keď sa aktuálne kryptovacie kľúče stali zraniteľné voči prelomeniu, šifrovači jednoducho zdvojnásobili ich dĺžku a všetko šlo ďalej ako po starom. Problémom však je, že výpočtová náročnosť QC prelomenia kľúčov rastie len logaritmicky, teda aj ak prelomenie desaťciferného hesla trvalo deň, prelomenie 1000 ciferného bude trvať len 3 dni a prelomenie milióncifrového hesla bude trvať len 6 dní (iba približné hodnoty na ilustráciu, v skutočnosti sa používa prirodzený nie desiatkový logaritmus). Teda ani drastický skok z 10 písmenového hesla na milión písmenové heslo neprinesie zásadne viac ochrany.
Druhou oblasťou, kde nástup kvantových počítačov je nezadržateľný, je chémia, biofyzika a farmácia. Kvantové počítače sú výraznou pomocou pri testovaní veľkého počtu molekúl vo farmácií. Dokážu totiž preveriť oveľa rýchlejšie, aké vzájomné kombinácie látok dosahujú požadované účinky alebo ktorý z proteínov má najväčší (štatistický) predpoklad reagovať spôsobom, aký potrebujeme dosiahnuť. Výskum v týchto oblastiach sa vďaka QC rapídne zrýchli, čo prinesie viac objavov účinných látok pre medicínu (a zlúčenín pre priemysel).
Samostatnou témou sú procesy dátovej analýzy, ktorá už medzičasom “preliezla” do všetkých odvetví našej spoločnosti. To je aj dôvod prečo som sa rozhodol QC popularizovať práve na tomto blogu. Nielenže kvantové počítače dokážu pomocou Grover search efektívne sortovať veci (product recommenderi), ale hlavne výrazne napredujú aj klasifikačné algoritmy (Quantum Machine Learning) či QNN (kvantové neurónové siete). V štatistike a dátovej analýze sa veľmi užitočné využijú aj samplovacie algoritmy postavené na QC, pretože na rozdiel od náhodnosti klasických počítačov, ktorá je kvázi-náhodou, kvantové počítače dokážu generovať skutočné náhodné čísla.
Hoci to nie je ešte potvrdené konkrétnymi riešeniami, podľa podstaty QC špecifík je zrejmé, že kvantové počítače budú používané aj pre riadenie vzájomnej koordinácie veľkého počtu ľudí a/alebo vecí. Práca s obrovskými maticami je totiž pre QC brnkačkou. Je teda zrejmé, že kvantové počítače budú výrazne ovplyvňovať (analyzovanie a riadenie) telekomunikačných a sociálnych sietí, dopravy alebo výroby. Obdobné modely sa dajú použiť aj pre detailnejšie sociologické a marketingové analýzy. Objavili sa dokonca prvé návrhy ako využiť QC pre high-frequency obchodovanie na burze, ale tu som osobne ešte nejaký ucelený prototyp v odbornej literatúre nepostrehol. Počet sektorov, do ktorých sa QC “zahryzne”, teda nie je malý. Preto sa je radno zamyslieť nad nadpisom ďalšieho odseku:
Budeme sa musieť (nanovo) učiť pracovať s QC?
Z predchádzajúcej state je vám zrejmé, že je dosť nepravdepodobné, že by sme mali (minimálne v dohadnej dobe) vymeniť naše stolové počítače za kvantové počítače. Oveľa pravdepodobnejšie je, že keď náhodou kvantové počítače používať budeme, tak to bude na diaľku cez internet (rozumej cloud). Je to tak trochu analógia k video dronu, ktorý tiež natáča video rovnako ako klasická kamera, ale na snímanie dronom tiež neletíte spolu s ním, ale riadite ho zo zeme na diaľku. Bude teda musieť vzniknúť skupina profesií (ako QC inžinier), ktoré budú udržiavať kvantové počítače v chode, ale väčšina bežných používateľov bude kvantovým počítačom vydávať príkazy na diaľku.
To zároveň znamená, že ak aj budete chcieť využiť výhody kvantového počítania, nemusíte porozumieť kvantovej fyzike. (Preto je pre mňa nepochopiteľné, prečo väčšina popisov QC už na druhej či tretej strane čitateľa zabije nejakou škaredou rovnicou, čím ho odradí/odstaví od snahy čítať ďalej.) Je to tak trocha analógia k počiatkom programovania. Nádejní programátori (si pravdepodobne dodnes) musia prejsť kurzom Assemblera, nula-jednotkového jazyka, ktorým sa medzi sebou rozprávajú samotné minisúčiastky klasického počítača. Takýmto programovacím jazykom sa hovorí nízko-úrovňové (low-level), keďže sa dajú použiť priamo na najnižšej úrovni: na samotných súčiastkách a BIToch. Väčšina operačných systémov na dnešných klasických počítačoch vás už ani nepustí “tak hlboko”, aby ste zadávali príkazy priamo súčiastkam, lebo bežné procesory ich majú približne 2 miliardy (pre prirovnanie, na ploche vášho nechtu by ich bolo niekoľko stoviek miliónov) a zadávať pokyny v tom istom čase priamo pre 2 miliardy súčiastok je pre človeka nemysliteľné. Dnes samozrejme IT odborníci pre nás vytvorili prostredie, ktoré je “vysoko” (high-level) nad úrovňou samotných elektronických obvodov. A podobne to je aj s kvantovými počítačmi: V čase masového rozšírenia QC nik nebude priamo pracovať na úrovni kvantových obvodov. Využívať sa budú vyššio-úrovňové jazyky ako LIQui|>, Qiskit, Q#, Quipper, Cirq, Scaffold alebo ProjectQ. Väčšina týchto jazykov sa napája na Python, Javu alebo C++, takže ak už dnes pracujete s dátami, prechod na QC nebude až taký veľký skok, ako to môže vyzerať.
Druhým podstatným faktom pre budúcnosť je, že QC zrejme nedokážu nahradiť klasické počítače, ale ich skôr doplnia. Niečo ako výkonnejšia grafická karta, ktorú si musíte dokúpiť, ak chcete editovať video alebo kresliť 3D architektonické modely. Ako sme si povedali, Kvantové počítače sa totiž budú zrejme ovládať na diaľku, a ako inak by sme ich ovládali ako cez klasické počítače. Z podstaty práce Kvantového počítača nedáva zmysle ku QC jednotke napríklad pripojiť monitor, lebo zobrazovanie výsledkov QC výpočtov nie je veľmi vizuálne intuitívne. (Často ide o mnohodimenziálny priestor, ktoré naše 3D vnímanie akosi neberie). Aj keď tu treba férovo uznať, že trvalo niekoľko desaťročí, kým sme sa k monitorom dopracovali aj pri klasických počítačoch (Áno, možno neuveríte, ale aj všetky výstupy boli najprv na dierne štítky). Takže raz možno nájdeme spôsob, ako intuitívne zobrazovať QUBITy. Pre tento moment sa však výsledky QC výpočtov posielajú naspäť do štandardného počítača, ktorý ich ukladá alebo zobrazuje. Preto, tak ďaleko, ako zatiaľ dovidíme, to vyzerá skôr na dvoj záprah QC + CC, než na inváziu samostatných QC počítačov.
Čo z toho plynie pre mňa?
Ak ste dočítali až sem, určite vám už v hlave víri myšlienka, čo to všetko znamená pre mňa? Ak zhutníme závery z rôznych miest tohto blogu do jedného súhrnu vyzeral by asi takto:
a] Kvantové počítače sa presadia v pomerne veľkom počte odvetví do budúcna.
b]Nie sú však univerzálnou náhradou počítačov ako takých. Najpravdepodobnejšie bude do budúcna ľudstvo mať systémy, ktoré budú kombináciou QC+CC.
c] Ak ste bežný pracovník v kancelárii, ktorý pracuje dnes s počítačom, asi sa nebudete musieť učiť nanovo pracovať s QC. Ak to však budete vedieť, QC je pre vás skôr kariérna príležitosť. Aktuálne to bude tak za 5-7 rokov.
d] Ak ste dátový analytik, výskumník, alebo iná profesia, ktorá zbiera a vyhodnocuje veľké objemy dát (viď odvetvia vyššie), budete mať menej na výber. Pre vás môže byť QC naozaj aj hrozbou. Pretože kombinácia QC+CC riešení je vo vašej práci viac ako pravdepodobná. Ak nebudete mať o QC princípoch “ani páru”, môžete sa stať menej použiteľným na trhu práce.
e] Našťastie, princípy kvantových počítačov a ich použitia sa dajú ľahko pochopiť, aj keď nemáte vzdelanie z Fyziky alebo teoretickej matematiky. Ak sa chcete na príchod QC pripraviť, odporúčal by som vám zaoberať sa typmi algoritmov, ktoré sú na QC výrazne rýchlejšie ako na klasických počítačoch. (Na to však budete musieť naštudovať rôzne reverzibilné operácie, ktoré sú na QC možné, aby ste pochopili, ako algoritmus funguje. To už nemusí byť úplne jednoduché.) Rovnako odporúčam si preštudovať integráciu aspoň jedného zo spomínaných QC programovacích jazykov (napr. Cirq) s Pythonom.
Pre tých naozaj nadchnutých témou, pripájam niekoľko kníh, kde môžu svoje poznanie začať. Pre všetkých zároveň pripomínam prosbu o spätnej väzbe (na info@mocnedata.sk ) o tom, či vám tento blog pomohol pochopiť, čo sú to kvantové počítače. Vopred ďakujem.
Ľudia, čo ma poznajú dlhšie vedia, že na označenie knihomoľ sa nemôžem príliš urážať. Čítam naozaj rád (a pomerne veľa). Avšak len tí najbližší vedia, že si dávam každoročne predsavzatie prečítať za rok viac ako 10 000 strán kníh (nad rámec iných zdrojov ako časopisy, blogy a novinové články.) Za posledných 10 rokov sa mi nepodarilo tento záväzok splniť iba raz. Naopak rok 2019 patril zatiaľ k mojim rekordným, podarilo sami totiž úplne prečítať 39 kníh a ďalších 5 mám aktuálne rozčítaných. Pomyselnú desaťtisícovú latku sa mi tak za uplynulý rok podarilo prekročiť dokonca o niekoľko tisícov. Tým vás však nechcem príliš nudiť, lebo aj keď uznanie poteší, v tomto blogu mám úplne iné ciele.
Knihy, ktoré si kupujem dôsledne zvažujem. Nezvyknem totiž od ich čítania zdupkať (aj keď sa to neskôr ukáže náhodou ako nie najlepšia voľba), minimálne z úcty k úsiliu autora sa knihu snažím dočítať do konca. Samozrejme aj majster tesár sa občas utne. Vďaka starostlivému výberu však príjemné prekvapenia výrazne predbiehajú sklamania. A preto som sa rozhodol podeliť s Vami o svoj reading list za rok 2019. (Samozrejme čítam aj knihy, ktoré sa vecne do okruhu MocneData tém nehodia, takže uvádzam iba tie, ktoré predpokladám, že by mohli byť inšpiratívne pre čitateľov MocneData.sk portálu):
Data For The People
Zameranie: Dáta, Dátová Analytika, Súkromie
Bez okolkov a dlhých úvodov: Táto kniha patrí medzi jednu z najlepších kníh o dátovej analytike (a jej dopadoch), ktoré som čítal za posledné desaťročie. Jej podstatu som už na Mocnedata.sk popísal v samostatnej recenzii, takže nebudem tu plytvať atramentom. Ak sa hýbete v oblasti dát alebo ich spracovania, proste vám odporúčam si túto knihu čím skôr prečítať.
Kade kto si trúfa ťahať vám medové motúzy o tom, ako umelá inteligencia ovplyvní váš biznis. Ale dal vám aj konkrétne odporúčania, kde začať a ako dosiahnuť prvé úspechy s AI riešeniami vo vašej konkrétnej situácie? Vaša odpoveď ma asi neprekvapí. Chrobákov Truhlíkov sa v mútnych vodách AI pohybuje naozaj dosť. Táto kniha,na kontast, prináša konkrétne príklady ako aplikovať pokročilú dátovú analytiku a jednotlivé formy umelej inteligencie do Marketingu a produktového manažmentu. Veľmi ojedinelý, ale o to cennejší počin a inšpirácia pre takmer každého vo firme.
Snažíte sa vymyslieť nejaký koncept alebo riešenie? Dostali ste úlohu, ktorú neviete ako uchopiť? Popálili ste sa na projekte, ktorý sa zdal na prvý pohľad celkom priamočiary? Potom stojíte pred knihou, ktorá vás prevedie cez to, ako koncipovať (a realizovať) nápady tak, aby boli naozaj užitočné a robili to, čo sa od nich očakáva. Teda aby boli Meaningful.
Nájsť dobrú knihu o Umelej Inteligencii a jej vplyve na spoločnosť je skutočne ťažké. Táto téma je totiž intenzívne prehypovaná a skutočné povedomie o AI je len Potemkinovou dedinou. O to cennejšie je, keď vám podstatu Umelej Inteligencie a jej spoločenských dopadov krok po kroku vysvetlí niekto skutočne fundovaný. Kai Fu Lee medzi takých ľudí patrí. Jeho pohľad je navyše o to cennejší, že pochádza sám z čínskeho prostredia a preto skutočné schopnosti a ciele AI v Číne čitateľovi servíruje bez pozlátka ale aj bez západnej propagandy. Podáva totiž cenné insighty k tomu, prečo sa vývoj v číne uberá práve tým smerom a tempom ako uberá. Dovolím si preto tvrdiť, že jeho kniha bude na najbližšie desaťročie povinným čítaním pre každého, kto to si nástup umelej inteligencie uvedomuje. Ak stále váhate, či si AI Superpowers knihu prečítať, pozrite si jej detailnú recenziu.
Už sa vám stalo, že ste narazili na knihu, o ktorej ste si hovorili „Ó bože, kiežby som bol na teba natrafil skôr?“. Niekoľko kvartálov dozadu som viedol projekt, ktorý sa snažil vybudovať trhovisko so službami. Napriek tomu, že bol projekt plný skúsených ľudí, veľmi sme sa natrápili (a dnes už viem, že sme) urobili aj mnoho závažných chýb. Kniha Platform revolution pútavo sumarizuje princípy takýchto E-commerce portálov (či trhovísk) a vysvetľuje, ako predísť najbežnejším zlyhaniam tohto typu biznisov. Ak teda aj vy máte „spadeno“ na nejaký E-commerce projekt, odporúčam sa si prečítať túto knihu.
Občas netreba chodiť okolo horúcej kaše. Dôvod, prečo čítať túto knihu, je veľmi jednoduchý. Rovnako ako cieľová skupina, pre ktorú je táto kniha určená. Ak máte možnosť, či zodpovednosť za to, aby nejaký biznis (alebo proces) nabral na významnosti, tak si Blitz Scaling určite prečítajte. Zaujímavé čítanie je to však aj pre bežného smrteľníka, ktorý chce pochopiť , ktoré služby okolo nás budú v najbližšej budúcnosti prudko rásť a ktoré naopak zakrnú.
Ak sa hovorí, že po vojne je každý generálom, tak určite platí aj drobná obmena „po kríze je každý ekonomickým analytikom, ktorý ju predpovedal“. Čo máte však urobiť, keď sa pohybujete medzi centrálnymi bankármi (a inými, čo riadia finančné trhy), vidíte prichádzajúci problém, ale ste v brutálnej menšine? Nuž, ak ste človek formátu Mohamed A. El-Erian (manažér spravujúci asi najväčšie portfólio podielových fondov), napíšete o tom kvalitnú knihu, ktorá otvorí oči mnohým ostatným. Ak chcete vedieť, prečo nás práve dobieha ďalšia kríza a koho za ňu viniť tento krát, investujte pár hodín svojho času do prečítania tejto knihy.
Prečítali ste si Bibliu 21. storočia od Nicka Bostroma? Zaujalo vás to a chceli by ste si na danú tému rozšíriť ešte viac obzor? Tak potom mám pre vás dobrú správu. Tom Chivers si dal tú námahu napísať nielen akési voľné pokračovanie (a rozšírenie) záverov, ktoré priniesol Bostrom. Spracoval aj akúsi sumarizačnú vrstvu, ktorá vám umožní lepšie pochopiť (samotného Bostroma a) prečo väčšina ľudí, čo AI trendom rozumie sú skôr opatrní pesimisti než nadšenci aktuálneho vývoja. Ako samotný názov knihy napovedá, netreba si to brať osobne. Na tom, že AI (zrejme) nahradí vašu prácu, nie je o nič viac či menej ako to, že nahradí aj prácu vášho suseda. Ako hľadieť aj napriek týmto vyhliadkam s radosťou do budúcna, to už sa dozviete práve v tejto knihe.
Uznávam, toto odporúčanie je trochu podmienené tým, že žijem v Nemecku. Ale dôvod prečo by som vám chcel túto útlu knižku odporučiť je, že za doslova pár hodín pojmete všetku kľúčové Európske súvislosti. Pochopíte, prečo Nemecko je dnes hybnou silou Európy, napriek tomu, že väčšinu histórie ním nebolo. Pochopíte prečo tretina Berlína hovorila francúzsky ešte skôr než tam prišiel Napoleon, ako súvisí reformácia s nástupom Hitlera a prečo vlastne východné Nemecko bolo Popoluškou, ktorého sa aj tak mnohí báli. Táto kniha je niečo ako instantné rozšírenie všeobecného rozhľadu. A to aj keď v Nemecku priamo nežijete a aj keď nie ste fanúšik dejepisu.
Možno vás to pobaví, ale tejto knihe by som vytkol iba jedno, že je príliš krátka. Turning The Flywheel je totiž jedna z najkratších kníh, ktoré som čítal. (má iba 48 strán). O čo kratšia však je o to hutnejšie je jej posolstvo. Lebo aj na tak limitovanom priestore, ako táto útla knižočka ponúka, nájdete návod ako urobiť vaše podnikanie či prácu svojho malého teamu samonosným. Inými slovami ako robiť veci, ktoré následne synergicky pomáhajú sami sebe byť nadpriemerne úspešné. Ak by som chcel byť príliš zjednodušujúci, povedal by som: Ako robiť geniálne veci, ktoré sa na zotrvačník točia sami, kým vy si dáte pohov.
Toma Davenporta som mal šancu spoznať osobne (na jednej konferencii v Londýne) a jeho knihy som vždy dychtivo hltal, lebo ich pokladám za kvalitné zhrnutie dôležitých princípov dátovej analytiky. Boli mi neraz aj inšpiráciou, keď som budoval analytické teamy počas svojej kariéry. Aby som však zostal úprimný, jeho najnovšia kniha bola pre mňa osobne sklamaním. Možno ide o moju predpojatosť (a preto som ju – možno trochu kontroverzne – zaradil to tohto prehľadu). Občas som však mal pocit, že som si nie istí, či odporúčania dáva z reálnych skúseností alebo mu ich len niekto “nakukal“. Kniha má však aj veľmi kvalitné pasáže, tak to možno risknite (a dajte vedieť, ako vám to dopadlo)
Skepsy okolo toho, ako negatívny vplyv bude mať umelá inteligencia na pracovné miesta sa začína v poslednej dobe objavovať pomerne dosť. Kníh a článkov, ktoré by kompenzovali túto „blbú náladu“ ohľadne AI a pracovného trhu, je pomerne málo. Preto HUMAN+MACHINE je klenotom posledných rokov. Ponúka protiváhu skeptickému pohľadu na AI budúcnosť a vlieva istú nádej pre masy. Snaží sa totiž poukázať na to, ako (realisticky) budú stroje a ľudia spolupracovať na plnení úloh a cieľov, za ktoré dnes výhradne zodpovedajú ľudia. Ak teda chcete veriť skôr v dobro, toto je dobrý odrazový mostík pre vás.
Kládli ste si niekedy otázku prečo toľko firiem skrachovalo a aj grandiózne biznis plány zlyhali? Dvíha vás zo stoličky nevrlosť čašníka či podvodné praktiky na trhu? Simon Simek ponúka veľmi zaujímavý pohľad na túto tému. Postupne vás prevedie cez uvedomenie, že väčšina firiem berie podnikanie ako cestu od jedného úspechu k inému, čo pripomína skôr šport či hru, skôr než dlhodobú stratégiu. Pri čítaní si postupne uvedomíte, že život spoločnosti, biznis (a mnoho iných vecí) tu boli, sú a budú aj keď sa raz my pominieme. Ide o formu „hry na dobu neurčitú“, v ktorej väčšina KPI a prístupov krátkodobej hry sú nielen neefektívne, ale dokonca priam kontraproduktívne. Táto kniha je dôležitým čítaním pre každého, kto chce poctivo podnikať, viesť ľudí alebo žiť svoj život zmysluplne. Kniha nie úplne pre masy, ale o to inšpiratívnejšia pre tých, čo nehľadajú skratky a chcú recept, ako robiť veci poriadne.
Chcete vedieť prečo vás ľudia „serú“? Ste zúfalý ako pristupovať k určitému človeku? Tak si určite prečítajte túto knižku. Možno ste narazili na MBTI, DISC, či iné nástroje na zaradenie ľudí do určitých osobnostných profilov. Vedieť, aké rôzne typy ľudí sú okolo mňa a ako s nimi čo najlepšie vychádzať je totiž naozaj užitočné. (a neraz stres z vášho života odbúravajúce) Kniha Surrounded by idiots na prvý pohľad používa už toľko krát podanú farebnú metodiku Carl G. Junga, ale podáva ju veľmi, naozaj veľmi zrozumiteľným jazykom, čím otvára možnosť uchopiť osobnostné rozdiely a hlavne ako ich použiť vo svojom živote aj pre radového človeka. Preto ju každému vrelo odporúčam.
Ak ste členom komunity MocneData už dlhšie (mimochodom stať sa ním môžete bezplatne tu), tak viete, že svoje čitateľské odporúčania som dával aj po iné roky. Tu sú niektoré z nich:
Tohto roku by som však chcel pridať jednu novinku nad rámec histórie. Poodkryjem niečo aj zo svojho budúceho listu pre rok 2020. Tieto knihy na mňa už vyzývavo hľadia z poličky (a prídu na rad čoskoro):
Human Compatible: Artificial Intelligence and the Problem of Control
Zameranie : Umelá inteligencia
Ak už ste čo-to o umelej inteligencii prečítali (alebo dokonca aj sami naprogramovali), tak už ste sa stretli s tým, že plošný nástup umelej inteligencie v sebe nesie aj mnohé, pre ľudstvo aj existenčné, zádrhle. Táto kniha si vyberá na paškál niektoré z nich a podáva jasnú správu o tom, či a do akej miery sme pripravení spojiť ľudské a robotie životy do spolužitia.
Príbeh Edwarda Snowdena vám bude aspoň okrajovo určité známy. Jeho poslanie sa však neraz zužuje do jedinej vety o tom, že zverejnil tajné informácie amerických výzvedných a bezpečnostných služieb. Následne zažil život ako z bondovky: musel utiecť, ukrývať sa , žiť po rôznych ambasádach. Oveľa zaujímavejší je však jeho život pred zverejnením tých správ ako aj pohnútky, ktoré ho k tomu viedli.
Bol najmladším majstrom sveta v šachu a zostal ním najdlhšie zo všetkých. Gary Kasparov. Keď sa ho pýtali, na tajný recept povedal, že si každý večer umýva zuby a pije tonik pred partiou. Ale to bola len replika v duchu „aká otázka, taká odpoveď“. Keď ho necháte samého rozhovoriť o tom, ako vníma život a životné rozhodnutia, zrazu si nestačíte písať. Ak Simon Simek v knihe Infinite Game vidí život ako epizódku vo večnej hre, táto kniha je ako opačný magnetický protipól. Ak teda chcete zistiť, kto y týchto dvoch velikánov sa viac priblížil (vašej) realite, nezostáva vám nič iné len zhltnúť aj toto pútavé dielo.
Do našich životov sme si dobrovoľne nasťahovali pozorovateľov. Sociálne siete a web vo všeobecnosti zbiera naše myšlienky, preferencie a osobné informácie, vzájomne ich kombinuje a vytvára z nich oveľa zaujímavejšie, agregované údaje. Niektoré sú skutočné úžasne a prudko užitočné. Ich jedinou chybou je, že ich nevlastníme. Áno, je to dokonalé digitálne „o nás bez nás“. Väčšina z nás mykne plecom, lebo je to proste tak. Ale musí? A mohlo by to byť aj úplne inak? Aké zmeny v digitálnom vlastníctve by sme mali zaviesť (do noriem a zákonov), aby sme nezostali úplne mimo hru?
Späť na domovskú stránku
Competing In The Age of AI
Dark Data
DIEŤA 44
Odmocninu nám totiž ešte v Starovekom Grécku zadefinoval (Pytagoras) ako uhlopriečku obdĺžnika (napr. odmocnina z 5 je uhlopriečka obdĺžnika so stranami o dĺžke 1 a 2) a každá úsečka (teda aj uhlopriečka) predsa musí mať veľkosť väčšiu ako nula. Tento údel sa s nami viezol viac ako 2000 rokov, až si niekto povedal: Čo keby sme pri predstavili imaginárnu (tretiu) dimenziu, v ktorej by sa dal ľubovoľný 2D objekt otočiť o nejaký uhol. Ako keď máte v knihe s tenkými, priesvitnými listami nakreslenú na pravej stránke šípku od stredu von (alebo štvorec). Keď stránku knihy otočíte ďalej, zrazu tá istá šípka – hoci sa vôbec nezmenila – ukazuje úplne opačným smerom (zo stredu doľava). Ak by sme šípku brali ako posun na mape o 1 dĺžku z bodu A do B, po obrátení zrazu máme posun o -1 (teda rovnako dlho, ale opačným smerom). Takto nejako “približne” môže vzniknúť uhlopriečka obdĺžnika o dĺžke odmocnina z -1. Práve uhol otočenia v imaginárnej tretej dimenzii je podstatou komplexných čísiel a aby sa s ním počítalo jednoduchšie, tak sa zvolila jednotka otočenia (o štvrťkruh), ktorá sa (po prepočte) označuje malým tlačeným “i”.
Data For The People
Meaningful: The Story of Ideas That Fly
Platform revolution
The Only Game In Town
The Shortest History Of Germany
The AI Advantage
The Infinite Game
Human Compatible: Artificial Intelligence and the Problem of Control
How Life Imitates Chess
