Так, друзья. Все вы знаете (ладно, ладно, не все), что есть премия Руварда. И Андрея Терехова тоже многие из вас знают. А те из вас, кто, как и я, сидит в жюри этой премии, также знают, что когда до дедлайна останется два дня, придёт Андрей и заставит работать.

А ещё мы, кто от Андрея не увернулся, знаем, какое это феерическое веселье, какой умопомрачительно захватывающий экспириенс — настолько увлекательный, что ради него я бросил недосмотренную серию MobLand с Томом Харди. Нет, серьёзно, именно так я и поступил! Потому что оторваться невозможно! Это же так же интересно, как смотреть, как сохнет краска на стене. (На самом деле, потому что Андрей использует 🦎варан-менеджмент).

Не поймите меня неправильно — сами материалы отличные, и то, что рынок самоорганизуется и создаёт такие инструменты — действительно круто. И Андрей, разумеется, большой молодец. Просто сама процедура оценки — это нудная рутина, которую хочется как-то оптимизировать. И, слава богу, мы в 2025 году, в котором спасение утопающих — дело рук самих утопающих. И их кремниевых друзей.

Так вот — в этот раз я решил, что не хочу скучать четыре часа, копаясь в презентациях. Поэтому взял все тексты и PDF по интересным мне категориям (например, по фарме — ведь Jet в ней традиционно силён) и засунул в GPT-3 (офигенная, кстати, модель).

А потом:
1. Прогнал через скрипт: он вытащил даты, цифры и вытащил смысл из маркетинговых мантр.
2. Собрал собственную 6-балльную систему оценок (опыт, ROI, tech-stack, полнота услуг, масштаб, PR-вес) и автоматически расставил баллы и их обоснование. На выходе — аккуратная таблица, где данные о коллегах видны на одной странице с обоснованием, почему так. Осталось расставить итоговый балл руками.

Это было быстро. Но этим дело не закончилось.
3. Раз уж у меня были все деки, я сформировал для себя отчёт про то, как нынче позиционируется рынок. Чтобы понимать, что сейчас гигиена, а чем можно отстроиться — ведь есть, есть слепые пятна.
4. Придумал десяток сервисных идей, закрывающих эти пробелы. Прикинул метрики: выручка, маржа, сколько нашего UX/аналитики нужно, сколько рег-головной боли. На этом этапе это, конечно, враньё, и по каждой надо будет запустить дипресёрч.
5. Взвесил все идеи так, чтобы они подходили под наш контекст целей и сильных сторон.
6. Каждую идею упаковал в мини-презу с дорожной картой на полгода.

Итак — я возился те же 4 часа, но было интереснее, чем MobLand. Если бы жена не выгнала меня из-за компа на улицу, я бы и продолжил — захватывает капец.

Но, кроме чувства выполненного долга, я получил:
1. Таблицу, оценивающую маркетинг по интересным мне рынкам
2. Список слабых мест, никем не закрытых
3. Три сервиса, которые можно продавать уже завтра, не дожидаясь, пока зарплаты снова перегонят цены.
(В пн покажу это коллегам, и Олег с Наташей мне посоветуют остудить голову, потому что я опять что-то сочинил.
Но сегодня мне кажется, что идеи крутые, а я — молодец!)

Ну а MobLand подождёт — хмурое выражение лица Тома Харди, кажется, никуда не убежит.

P.S.
Короче, Андрей. Хочу тебе сказать, что ты неправильно продаёшь участие в жюрении. Ты просишь помочь в общем деле. А надо давать возможность на халяву получить исследование рынка, на котором работа ешь.

с сегодняшнего дня chat gpt умеет в русский леттеринг, мультимодальность и поэтапное (как бы) изменение. вот это он нарисовал. Лого конечно так себе, но тем не менее. В общем, у меня новая игрушка.

Осталось понять как его научить концепции негативного пространства.

Кстати, сегодня и завтра я в Сербии. Сегодня я почти до упора занят, а вот завтра можно встречаться . Пишите ))

Фактор: Для онлайна нужно активно переключать свое внимание между чатами, окнами и интерфейсами
Решение:
— Работать из одной среды (максимум — двух, но лучше одной), которую по возможности не надо кликать во время игры
— Минимизировать количество необходимых диджитал инструментов
— Самим управлять переходами между средами за игрока

Фактор: Нет возможности использовать полноценно язык тела, только текст и может быть голос
Решение:
— Разработать систему физических действий для взаимодействия с моделью.
— Требовать хорошей камеры и гарнитуры и договариваться что дефолтный план — общий план, т.е. такой, где видны ноги
— Помочь игрокам со сценографией сцены
— Использовать VR (а лучше — фулбоди VR)
(но это вообще одна из основных проблем — потому что нет телесного ВЗАИМОдействие, а соло действие не очень его заменяет). Поэтому
— Собирать игроков в кучи, позволять “захватывать тела” соседа удаленными персонажами. Ну и вообще строить игру на микро-локациях на 3-5 игроков.

Фактор: Каждое действие требует дополнительного шага для выражения (напечатать, нажать кнопку)
Решение:
— Снижать количество ситуаций, которые требуеют специфического диджитал действия
— Разработать систему голосовых реакций
— Упростить интерфейс до необходимого минимума, используя визуальные средсва

Фактор: Ты постоянно сидишь в одной и той же позе, что физически утомляет
Решение:
— Включить в геймплей требование смены позы и ракурса.
— Включать в игру механики, требующие вставать и двигаться
— Делать (сюжетно-обоснованные) перерывы для разминки
— Разработать игровые действия, связанные с разными положениями тела

Фактор: Возникают технические задержки, которые разрывают ритм взаимодействия
Решение:
— Разработать механики, устойчивые к задержкам
— Иметь альтернативные каналы для дублирования коммуникации
(как видно — тут у нас дефицит средств)

Фактор: Ты не можешь воспринимать игровой мир всеми органами чувств
Решение:
— Играть в среде похожей на сеттинг (выходить из дома)
— Интегрировать тактильные элементы, доступные в домашней среде
(как видно — тут у нас дефицит средств)

Фактор: Приходится постоянно удерживать в голове абстрактную модель происходящего
Решение:
— Создать визуализацию — карты и “табло” игрового мира
— Разработать понятные сигнальные системы для статусов и состояний. Лучше — не (только) диджитальные — заодно это потребует чаще изменять облик


В общем — путей дофига. Разумеется, не стоит пытаться запихать их всех в одно мероприятие. Часть хватит чего-то одного (например — выйти на улицу, или разбить на связки)
Ну и, как я уже говорил, это касается не только игр, а любого коллективного чего-то что длится долго и должно давать эмоции. Так что если хотите что-то такое разработать под VR — это к нам.

Мы тут решили поделать очередной онлайн конвент разработки. В этот раз с ИИ — ну т.е. мы сначала поделаем семинаров, потом соберемся (12-го апреля) в разных местах, за день поделаем игры, а 13-го апреля их проведем. Все как всегда, но в этот раз проблематизировать мы будем роль ИИ в этом всем.

Пришла тут ко мне с вопросом богоравная мастер Хэ, и говорит:
“Вы, говоря о гибридности игр, говорили о том, что онлайн-часть, в общем-то, убивает. В свой выходной, да по десять часов за компом?”

И тут я понял, что мы недопринесли плодов нашего прошлого забега в Казахстане, где мы возились с распределенными играми (это когда люди играют в LARP из физически разных мест). Там всего два самосвала выводов, но вот вам некоторые:

Онлайн убивает, если вы его делаете “как всегда” — т.е. любимый формат — сидим на попе ровно, и иногда включаемся в разговор, в роли говорящей головы. Но это не обязательно делать именно так.

А, вообще это про то как играть онлайн. Но если вы делаете любой онлайн тимбилдинг — это тоже работает.

Ну, поехали.
Фактор: Нужно сидеть на попе и не шевелиться
Решение:
— Строить геймплей на передвижении, так чтобы это было важно и самому игроку, и тем кто на него смотрит. Т.е. да, онлайн не равно “сидим”
— Делать регулярные перерывы для физической активности. Встраивать активность в сюжет и геймплей.
— Механики, требующие активной жестикуляции всем телом
— (требует техники) Использовать VR-технологии (кстати надо будет замутить VR-LARP фест, если наберется желающих с гарнитурами)

Фактор: Ты остаешься в обыденном пространстве
Решение:
— Требовать сменить локацию. Например собираться у кого-то в гостях. Гулять во время онлайна. Просить снять апарты. Вотэва. Это главное.
— Поощрять создание специальной игровой обстановки у игроков дома
— Иметь дрескод и мастерклассы по стилю
— Разработать ритуалы "входа" и "выхода" из игрового пространства
— Договорится что игрок закрывает на время игры дверь в то место где он находится
— Дать простые средства использования освещенности
— Требовать всегда оставаться в кадре

Фактор: Нужно самому удерживать себя в игровом состоянии без поддержки физической среды
Решение:
— Все из предыдущего пункта
— Использовать фоновые звуки и музыку для поддержания атмосферы
— Разработать систему небольших ритуалов для восстановления погружения
— Поощрять создание физического игрового "якоря" (предмет, элемент костюма)

Фактор: Ты один
Решение:
— Организовать мини-хабы, где 2-3 игрока могут собраться вместе (кстати, это основа формата на нашем этом НейроНОРМЛ)
— Создать системы "парного" прохождения, когда игроки работают в тандеме/тройке/четверке. (далее “активные связки”, АС) И они ВСЕГДА В АУДИО КАНАЛЕ друг для друга.

Фактор: На тебя не слишком часто реагируют и есть большие периоды времени когда ты включен, потому что не акаунтбл
Решение:
— Активные связки работают и тут.
— Внедрять много "активных зон", где гарантированы взаимодействия
— Использовать асинхронные механики с гарантированным откликом
— Назначать "ангелов игры", отвечающих за вовлечение тихих игроков
— Создать метрики и сигналы заинтересованности игрока и реагировать на них (для больших игр)

Фактор: Кроме как говорить словами через рот нет других способов выразить себя
Решение:
— Давать дополнительные геймплейные средства (только не через заявки мастеру, а p2p). Лучше если они будут требовать шевелиться.
— Активные жесты сделать частью геймплея и вводить через мастеркласс
— Интегрировать простые физические действия как часть игровой механики
— Часть геймплея может быть связана с демонстрацией другим игрокам того что ты видишь вокруг, перемещаясь

Фактор: В целом опыт не слишком разнообразен по темпу, характеру действий и реакций
Решение:
— Я думаю хорошая эвристика “не больше одного часа на один тип геймплея в игре”
— Чередовать динамичные и спокойные геймплеи
— Варьировать формат взаимодействия (текст, аудио, видео-звонок, движение, совместное творчество)
— Переключать оформление вместе с поворотами сюжета (аудио, фоны, декорации у игроков, переодевания)

Вопросы
1. Как интегрировать научные знания и практику индустрии?
2. Как валидировать выводы ИИ при анализе научных статей?
3. Как оптимально сочетать традиционный научный поиск и ИИ-инструменты?
4. Как оценивать полноту охвата предметной области?
5. Как автоматизировать проверку критического цитирования?
6. Как создать надежную систему оценки достоверности источников?
7. Как эффективно объединять данные из разных баз?
8. Как масштабировать процесс научного поиска без потери качества?

МЫСЛИ
О структуре научного знания:
1. Научные школы в разных областях могут противоречить друг другу (пример с экономикой, где Нобелевскую премию могут дать за противоположные выводы). Кроме того научное знание очень фрагментировано, одни и те же явления и закономерности исследуются в разных областях и исследователи часто не знают друг о друге.
2. В гуманитарных науках важнее понимать научные школы и их подходы, чем в точных науках
3. Существует разрыв между академическими исследованиями и практическим применением
4. Отсутствие современных исследований по теме может быть значимым сигналом. (Не обязательно верно для гуманитарных наук, где между исследованиями одного явления может пройти 50-100 лет).
5. Важно понимать иерархию исследований в разных областях — Необходима "карта наук" для эффективной навигации
6. Наличие статистически значимых эффектов даже по результатам метаанализа не означает, что эффект обязательно есть, т.к. отрицательные результаты не публикуются (но шанс, что он есть, выше)
7. Надо обращать внимание на размер эффекта, а не только на стат значимость
8. Есть препринты (сайты arxiv, medarxiv, bioarxiv) - если статья опубликована только там, а в журнале нет, то верить нельзя, НО зато там можно найти полный текст статьи, которого нет в свободном доступе из-за пейволла

Эффективные области применения ИИ:
- Первичный скрининг литературы
- Поиск ключевых терминов и синонимов
- Создание начальных обзоров
- Выявление связей между исследованиями
- Генерация гипотез для дальнейшей проверки

(см табличку)

Куда копать в сторону использования ИИ
Методологические инновации:
- Разработка фреймворков для оценки качества ИИ-анализа

Технологические улучшения:
- Создание специализированных промптов для научного поиска
- Разработка инструментов автоматической валидации
- Улучшение систем извлечения данных из научных текстов

Практические рекомендации:
- Разработка методик обучения работе с ИИ-инструментами

Ограничения использования ИИ:
- Оценка методологической строгости
- Выявление неявных противоречий
- Определение актуальности для конкретной задачи
- Оценка качества доказательной базы

Как вы помните, я решил с двух ног влететь в научный поиск. Так что я время от времени буду вам приносить плоды того что получается. Вот, например, у меня есть теперь такой метод:

Я поговорил с Сергеем Ждановым, Ильей Захаровым и Иваном Котоминым и сделал вот такие выводы про то как мне начинать:
АЛГОРИТМ НАУЧНОГО ПОИСКА:
1. Первичный обзор области:
- Использовать ChatGPT/Deep Research для первичного сканирования области и выявления ключевых терминов
- Найти 5-10 ключевых авторов в этой сфере
- Искать обзорные статьи (review articles) и мета-анализы
- Особое внимание уделять журналам серии "Trends in..."

2. Оценка источников:
- Проверить рейтинг журнала (Q1-Q4, предпочтительно Q1)
- В разных предметных областях есть свои главные источники:
- Общие: Nature и Science, Proceedings of the National Academy of Sciences (PNAS)
- Медицина: The Lancet
- Биология и генетика: Cell, Nature Genetics
- Физика: Physical Review Letters (PRL), Nature Physics
- Математика: Annals of Mathematics, Inventiones Mathematicae
- Информатика и ИИ: Communications of the ACM (CACM), IEEE TPAMI
- Экономика: American Economic Review (AER), The Quarterly Journal of Economics (QJE)
- Бизнес и менеджмент: Harvard Business Review (HBR), Academy of Management Journal (AMJ)
- Инженерия: IEEE Transactions on Industrial Electronics, IEEE Transactions on Robotics
- Оценить цитируемость статьи с учетом года публикации
- важно смотреть кто ссылается
- Проверить, не была ли статья отозвана
- Посмотреть, как цитируется статья (критически или поддерживающе)

3. Углубленный анализ:
- Изучить методологию исследования
- Оценить дизайн исследования
- Проанализировать выводы и их обоснованность
- Использовать Connected Papers для понимания связей между работами

КЛЮЧЕВЫЕ ИНСТРУМЕНТЫ:
1. Базы данных и поисковики:
- Google Scholar
- semanticscholar
- PubMed (для биомедицинских исследований)
- Web of Science
- Scopus
- Connected Papers (для анализа связей между статьями)
- scholar-inbox.com
2. Вспомогательные инструменты:
- Sci-Hub (для доступа к платным статьям)
- Elicit.org (для извлечения данных из PDF)
- Deep Research от open AI(для первичного анализа)


ПРИЕМЫ:
При поиске статей:
- Использовать фильтр "Review Articles" в Google Scholar
- Искать последние 5-10 лет публикаций
- Зависит от сферы. Например, в естественных науках статьи раскрываются за 2-3 года, а области ИИ публикации протухают за пару лет.
- Проверять синонимы терминов в разных научных школах
- Отслеживать количество цитирований

При анализе статей:
- Читаешь абстракт → графические материалы → интродакшн → дискашн → методы → результаты
- интродакшн читаешь, если не очень хорошо знаком с тематикой
- дискашн — там результаты изложены человеческим языком, указываются выводы, интерпретации, противоречия, ограничения
- методы полезны, но надо ориентироваться в предметной области
- результаты читаешь если хочется глубже посмотреть то, что изложено в дискашене
- Открываешь статью, сначала смотришь абстракт → методологию и результаты → читаешь основной текст, если остались вопросы.
- Проверять источники финансирования
- Анализировать ограничения исследования
- Оценивать размер выборки и статистическую значимость

При систематизации:
- Вести учет ключевых слов для поиска
- Сохранять DOI важных статей
- Группировать статьи по научным школам
- Отмечать противоречивые результаты

РЕКОМЕНДАЦИИ:
1. Начинать с метаанализов и обзорных статей
2. Уделять особое внимание методологии исследований
3. Проверять критические отзывы и альтернативные точки зрения
4. Не полагаться только на автоматические инструменты
5. Пообщайся с экспертами (лучше из разных подходов и разных научных школ)
6. Перепроверять данные из нейросетевых помощников
7. Учитывать специфику разных научных областей

В общем, мой поход за академическими инструментами принес такие плоды: добрые Сергей Жданов и Ван объяснили мне что начинать надо с исследования принятых в науке подходов, школ и терминов.
И сегодня мне представился повод: в дискуссии мне потребовалось сослаться на то, какие в играх используются фреймворки. А я помню, что @AnatolyKazakov не велит ссылаться на седую древность не проверив. Ну и я решил въехать в то, что в области делания игр случилось со времен Бартла. В целом, для меня получилось весьма полезное и духоподъемное (правда обширное) чтение.

Если (что вероятно) вам лень читать "кибер-дисер" (хотя мне понравилось), вот вам карточки в картинках

Ворк, пока что, ин прогрес. Я нарыл себе вопросов (например — как это все ложится на наш любимый крестик, и мой любимый гексограмматон? можно ли их эмпирически подтвердить или опровергнуть? Как, блин? Ну и главный — то из-за чего я в это все полез. Подход игр к опыту сильно отличается от продуктового подхода. И как понять, какие области опыта они взаимодополняют, а какие остаются вне внимания того и другого?

(у этого всего будет продолжение. как минимум я такое же фигану для LARP и serious games. не переключайтесь, короче).

А еще если у вас про это есть свое ведро соображений — постучитесь в меня, созвонимся я из этого чего-нито напишу.

(если вы пропустили ссылку на всю телегу целиком — вот она. осторожно, это ноушн)

вот кстати, для удобства, карточки в вебе

я думал выложить этот текст уже сразу готовым, но подумал, что и полуфабрикат изрядно любытный. Я тут читаю "дизайн твоей жизни" и по ходу дела решил проверить — а какие еще есть подходы, и какие из них имеют доказательную силу. Ну, и раз уж у меня есть про подписка на GPT deep research вот что у меня получилось

Вопросов у меня как уже в прошлом посте поняли масса. Главные из них такие:
1. как это все проверять не ламерски (у меня уже есть ответы, Спасибо Сереге Жданову и Вану) но я все еще чайник. Но планирую что-то про этот предмет понять
2. как по быстрому формировать интуицую в предметной области. Опять же, спасибо Сереге, вот тут есть ответ:
— достоверная среда в котором можно доверять качеству обратной связи
— частая и своевременная обратная связь
— множество повторений
— много часов целенаправленной практики в зоне ближайшего развития
это я попер из ролика

В общем, в ближайшие время я буду в эту сторону копать. И в этот раз мне помогут вопросы от вас: куда вам кажется копать интересно, и почему?

Слушайте, у меня тут такой вопрос. Я купил себе про-аккаунт в ChatGPT, и меня супер вдохновила возможность проводить научные исследования по каждому моему интересу. Например, сейчас я читаю «Дизайн моей жизни», и мне стало интересно, насколько то, что в ней пропагандируется, действительно имеет фактическое подтверждение (я вам чуть позже покажу, что получилось; мне очень нравится, но я чайник).

Вот, например, вам артефакт, который получился из моего чтения книги (см. картинки), чтобы вы поняли, насколько я упоролся.

Так вот, вопрос. Я, как вы, возможно, знаете, недоучка. В 1997 году я стал одним из трёх первых веб-дизайнеров в нашем родном городе и совсем забил на учебу. В итоге меня выперли с 4-го курса УралГАХА. А потом я всю жизнь ждал того момента, когда я пожалею об этом (я всю дорогу думал, что учился лишних полтора года). Первые два курса были ультра полезными, а потом к нам пришёл digital divide и всё испортил — я стал ужасной задавакой и не давал респекта своим предметникам. Ну, да не суть — не то чтобы я наконец пожалел, потому что Арх бы меня тому, о чём я вас спрошу, всё равно бы не научил. Но теперь я жалею, что не умею в научном поиске. Ну, в смысле — как проверять валидность и полноту исследования? В каких базах данных искать? На что смотреть, чтобы оценить качество научной работы, и всё это.

Внимание, вопрос: как по-бырому вкатиться в умение искать как ученый? Для личных нужд? Я понимаю, что сегодня ответ: «Ну, так пойди и спроси кремниевых друзей». Но я предпочитаю пообщаться с кем-то из моих живых друзей, кто в этом разбирается и может посоветовать метод.

Короче, я напрашиваюсь на:

Напишите, что вы думаете по этому поводу в комментариях.
Если вы умеете в научный поиск и не против поговорить об этом с чайником, скажите мне об этом, и я приду к вам в личку, чтобы договориться о времени.

С сегодня и до четверга я в Париже. Если вы, вдруг, тоже — пишите, пересечемся