Это просто рабочий дамп текущей структуры: чтобы собрать какие-то замечания и структурировать дальнейшую работу. Предыдущие развёрнутые материалы были в книге ОдО2020 (https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/) и https://ailev.livejournal.com/1 477 090.html. Ключевые влияния с тех пор:
-- предложение проконтролировать, что речь действительно идёт о трансдисциплине (обучение условного директора стадиона во втором бакалавриате), а не о начальном курсе программистской специализации (обучение будущего айтишника).
-- экспоненциальный рост представленности на рынке нецифровых вычислителей (оптические и квантовые машины). То есть через пару лет это будет общее место, и директор стадиона не должен будет считать их шайтан-машинами и не должен говорить «цифровизация» (это ж нецифровые компьютеры).
-- выход ОдО с интеллект-стеком и определением трансдисциплин как управления вниманием, а также понимание «курсового окружения»: пререквизитами будут онтологика (онтология, эпистемология/научное мышление, логика) и системное мышление.

Цель курса: дать связанные с системным моделированием объекты, на которые обращать внимание в проектах.
На что это должно быть похоже: что-то среднее между «системным мышлением» и книжкой «главный алгоритм» Педро Домингоса как обзором вычислений для AI.

Предварительная (ни разу не окончательная! это первый дамп, версия 0.0.1) программа курса:

1. Вычислительное мышление в интеллект-стеке
-- для чего нужны вычисления
-- границы с онтологикой (физика, математика, вычисления -- физичность вычислений и т. д.)
-- границы с системным мышлением
-- границы с кругозорами (инженерия для вычислений -- software engineering, data engineering)
-- информатика как работа с текстами и кодами
-- скорость вычислений и исследование операций

2. Понятие вычисления
-- логика/inference как вычисления (включая causal inference)
-- объяснения в вычислениях
-- доказательства как вычисления
-- моделирование как вычисление
-- мышление как вычисление
-- проблема генерации (вычисления нового)
-- модели и данные

3. Структуры и базы данных
-- системное моделирование как формализация/кодирование/онтологизирование
-- имитационное моделирование как рендеринг/деформализация
-- моделирование данных (онтологии/графы знаний)
-- коннективистские модели (языковые модели)

4. Основные вычислительные парадигмы
-- императивное программирование
-- функциональная оценка
-- логическое программирование
-- вероятностное программирование
-- квантовое программирование
-- дифференцируемое программирование (и нейросетевое программирование как подкласс)
-- генетическое программирование и эволюционные алгоритмы
-- NLP и что там из искусственного интеллекта (inference в парадигме QA)

5. Многоуровневость вычислений (стеки и конвейеры/ленивость)
-- размытость границы софт-хард
-- ленивость и t-shirt конвейер Алан Кея сотоварищи
-- компьютерная архитектура
-- Осы, виртуализация

6. Основные типы аппаратуры вычислителей
-- аналоговые компьютеры
-- цифровые компьютеры
-- статистические компьютеры (вычислительная оптика)
-- квантовые компьютеры
-- разные вычисления (на DNA и прочей экзотике)

7. Распределённые вычисления
-- компьютерные сети и закон Амдаля
-- компьютерный туман
-- совместные вычисления людей и экзокортекс
-- совместные вычисления людей и компьютеров (exploratory programming)

8. Представления и нотации
-- мощность, безопасность, человеколюбие языков программирования
-- графика против текста

9. Искусственный интеллект как вычислитель
-- сжатие, внимание и сознание, воображение и т. д.

10. Особенности обеспечения/жизненного цикла вычислителей
-- жизненный цикл вычислителя (от компьютерной инженерии до DDD в корпоративном IT -- есть ли особенности?)
-- использование вычислителей для создания вычислителей (от кремниевых компиляторов до AI-автокомплита в IDE)
-- вычисления «в малом» и «в большом»
-- закон Мура и аналогичные ему представления

Источник: блог А. Левенчука