Коллектив Авторов - Цифровой журнал «Компьютерра» № 181

• Название: Цифровой журнал «Компьютерра» № 181
• Автор: Коллектив Авторов
• Жанр: Прочая околокомпьтерная литература

ОглавлениеКолонка

Голубятня: «Писатель, доктор, ядерный физик, философ-теоретик, но самое главное — такой же, как ты, человек» Автор: Сергей Голубицкий

Нас спасёт только оптимизм, иначе мы просто сгинем Автор: Сергей Голубицкий

Зачем нужна фотокамера: конфликт реальности и магии на мегапиксельном поле боя Автор: Василий Щепетнёв

Айтишникам о деньгах: сколько вы стоите, ребята, или 10 принципов адекватной самооценки стартапа Автор: Сергей Голубицкий

От хаоса наблюдений к динамической типологии: обсуждение на примере популяционных систем зелёных лягушек Автор: Дмитрий Шабанов

Glasperlenspiel с Эдвардом Сноуденом Автор: Сергей Голубицкий

Войдите в сокровищницу астрономических данных Автор: Дмитрий Вибе

Голубятня: Тонкости и нюансы конкубинажа с мобильными гаджетами Автор: Сергей Голубицкий

Несколько слов об экономических мотивах и об отсутствии оных Автор: Сергей Голубицкий

IT-рынок

Десятилетие iTunes Store: удивительная история успеха Автор: Олег Нечай

Тревожные прогнозы: рост мирового рынка ИТ отстает от роста мировой экономики в целом Автор: Михаил Ваннах

Чёрный день для «Андроида»: ошибка в системе ставит под удар один миллиард устройств Автор: Евгений Золотов

Время зрелости: российское киберпространство привлекает и бизнес, и преступность, и суд, и политиков, и контрразведку, и прессу… Автор: Михаил Ваннах

Промзона

Это кресло будет обнимать вас каждый раз при получении поздравления в Facebook Автор: Николай Маслухин

Визуализация социальных связей на основе почты Gmail Автор: Николай Маслухин

Вторая жизнь промышленных объектов: отель с водопадом на месте бывшей каменоломни Автор: Николай Маслухин

Забавная архитектурная иллюзия позволяет пройтись по стене жилого дома Автор: Николай Маслухин

Терралаб

«Умные часы»-2013: что предлагают производители Автор: Олег Нечай

Технологии

ATLAS, HUBO и другие роботы-спасатели, созданные для конкурса DARPA Автор: Андрей Васильков

В глаза смотреть! Как и для чего рекламный щит научили видеть Автор: Евгений Золотов

Мозговые протезы и прочие аргументы против «Человек из мяса — это звучит гордо» Автор: Анатолий Левенчук

FIDO — носимые компьютеры для собак и другие необычные концепты Автор: Андрей Васильков

Электронный след в катастрофе Asiana 214: виноват человек — или машина? Автор: Евгений Золотов

История Dropcam – от кустарной слежки до облачного сервиса видеонаблюдения Автор: Андрей Васильков

Встречайте Младшего Брата: Google Glass и прелести тотального гражданского контроля Автор: Евгений Золотов

Полцарства за метаданные: почему спецслужбы собирают только метаинформацию — и что это вообще такое? Автор: Евгений Золотов

Гид

Приложение IFTTT позволит автоматизировать всё на вашем iPhone (а вскоре — и на Android-смартфонах) Автор: Михаил Карпов

Красота в деталях: о чём не скажет продавец при выборе фотоаппарата. Часть вторая Автор: Андрей Васильков

Красота в деталях: о чём не скажет продавец при выборе фотоаппарата Автор: Андрей Васильков

---

8. Учёт объёма профильного рынка и перспектив роста. У меня создалось впечатление, что Марти Цвиллинг привёл этот пункт чисто для галочки, поскольку никаких реальных и твердых критериев для оценки того и другого (что роста объёма, что увеличения доли вашего стартапа в данном секторе рынка) не наблюдается.

9. Учёт числа прямых конкурентов и вашего положения на рынке. Ещё один виртуальный пункт, который не поддается объективной монетизации. Речь в данном случае идёт о пресловутом гудвилле (goodwill) — произвольном показателе преимуществ вашего бизнеса относительно конкурентов на рынке. Ход суждения хорошо известен: «Мы пришли на этот рынок первыми, поэтому движемся постоянно на шаг впереди конкурентов — и за это преимущество хотим энное количество долларов от инвестора» :-). Намерение, конечно, благое, но трудно реализуемое на этапах первоначального инвестирования. Это матёрые компании могут позволить себе спекуляции на тему нестыковки активов с пассивами, которые они по всеобщей условной договоренности именуют лукавым термином goodwill (об этой хитрой пакости я много писал в НДС: «Добрая воля, и как ею лучше злоупотребить», «Загадочный пушок»).

10. Поиск аналогов (market approach). На мой взгляд, этот пункт алгоритма Цвиллинга наименее сложен для реализации: вы находите примеры успешного финансирования компаний, работающих в вашем секторе рынка (или смежном, но не так, чтоб вы были в программировании, а ваш аналог — в золотодобывающей промышленности), и цитируете цену сделки своему инвестору. С учётом, разумеется, понижающего либо повышающего коэффициента (у вас больше/меньше сотрудников, продуктов, идей и проч.). При всей внешней простоте данный подход является ещё и самым эффективным, поскольку, во-первых, экономит вам кучу времени на скрупулёзном учете активов и доходов будущих периодов, во-вторых, позволяет не столько даже не продешевить, сколько сохранить трезвость оценки и не отпугнуть инвестора своими завышенными требованиями.

С другой стороны, даже если ваши требования и завышены, однако соответствуют принятой на вашем рынке практике инвестирования в стартапы (в сравнении с аналогом), то шансы гораздо выше, чем если бы вам приходилось искать деньги в гордом одиночестве.

К оглавлению

От хаоса наблюдений к динамической типологии: обсуждение на примере популяционных систем зелёных лягушек Дмитрий Шабанов

Опубликовано 11 июля 2013

Выложив очередную колонку, я раз за разом заглядываю на сайт КТ: как восприняли? Чаще сначала появляются комментарии от тех, кто понял, а потом подтягиваются пропагандисты креационизма и сакральных традиций, а также профессиональные спорщики. Реагировать? Надо понять, для кого я пишу колонки. Естественно, для читателей (ну и, конечно, немного для себя). Значит, надо отвечать. Как это делать, не утопая в грызне под колонками? Тут я попробую рассказать об одной работе с моим участием. Сможет ли она стать аргументом, позволяющим проиллюстрировать подход, который кажется мне правильным?

Я расскажу о фрагменте работы, которую три недели назад защитила как кандидатскую Марина Кравченко. Я — научный руководитель этой работы. Главные (с моей точки зрения) её результаты опубликованы с моим участием (здесь — сама модель, а тут — результаты моделирования, о которых я расскажу).

То, что я сейчас буду описывать, не является сутью диссертации Марины с точки зрения формальных требований. Зато это та её часть, из которой, как мне кажется, следуют определенные мировоззренческие выводы.

Марина Кравченко изучала трансформации популяционных зелёных лягушек. Динамика этих систем (мы называем их ГПС, гемиклональными популяционными системами) практически не изучена. Почему? Сейчас объясню.

Начну с утверждения, что основные свойства хорошо известных нам биосистем (организмов, популяций, сообществ) являются следствием передачи генетической информации с рекомбинацией (перебором сочетаний).

Главный механизм эволюции — отбор организмов, поколение за поколением проходящих непростой путь самоорганизации под влиянием наследственной программы. Одним из важных способов повышения эффективности эволюции таких наследственных программ стало оплодотворение — слияние клеток двух разных организмов. Каждая из этих клеток несет наследственные задатки, отобранные в предыдущих поколениях. Но у клетки, которая получится от их слияния, набор генетической информации окажется удвоенным. Поэтому неотъемлемой частью жизненных циклов с оплодотворением становится мейоз — клеточное деление, при котором количество генетической информации сокращается вдвое. Чередуясь в жизненном цикле, мейоз и оплодотворение поддерживают количество передаваемой генетической информации относительно постоянным.

Мейоз и оплодотворение поддерживают рекомбинацию генетического материала, ускоряя выработку приспособлений в эволюции. Генетически уникальные организмы, производящие генетически уникальные половые клетки, популяции с общим генофондом, межвидовая изоляция и особая эволюционная судьба каждого вида — следствия этого процесса.

Среднеевропейские зелёные лягушки (и несколько иных гибридогенных комплексов видов) вносят принципиальное изменение в базовый процесс. В этих комплексах образуются межвидовые гибриды, которые передают будущим поколениям комплекс генетической информации, полученной от одного из родительских видов, как единое целое, без рекомбинации. И в силу этого свойства всех иерархических структур, существование которых поддерживается размножением с рекомбинацией, меняются.

Организмы начинают производить одинаковые, клональные половые клетки. Гибриды принадлежат к полуклонам с функционально различающимися геномами (комплексами наследственной информации): одни из этих геномов передаются из поколения в поколение клонально, другие — используются в течение жизни особи, а потом бесследно уничтожаются. Границы между популяциями размываются, ведь в совместном размножении участвуют и представители родительских видов. Сплошь и рядом нарушение базового способа передачи генетической информации приводит к появлению необычных особей. Это полиплоиды с увеличенным количеством геномов, а также частичные межвидовые рекомбинанты. Между родительскими видами происходит обмен генетической информации, причем внедрение чужеродных генов затрагивает и те популяции, которые не участвуют в гибридизации.

Интереснейшая для популяционного эколога проблема — выяснение того, как поддерживается устойчивость популяционных систем, в рамках которых происходят такие чудеса. Как исследовать такую проблему?

Конечно, основа для такого ответа — сбор эмпирических данных. И нами, и другими исследователями установлено, что состав ГПС может со временем меняться. Некоторые из таких изменений мы с нашими студентами наблюдаем в поле. В любом случае такие трансформации — чрезвычайно длительный процесс, а их отслеживание — тяжёлая работа. О том, чтобы с помощью полевых исследований за разумное время изучить закономерности этих трансформаций, рассмотреть совокупность возможных состояний и логику их преобразования, говорить не приходится. Что же делать?

Применять моделирование. Причем не аналитическое, в ходе которого мы используем заранее установленные зависимости, описывающие результаты интересующих нас процессов, а имитационное. В ходе имитационного моделирования мы пытаемся хотя бы приблизительно описать этапы изучаемых преобразований, определяя, в каком направлении изменяется интересующая нас система.

Так мы и сделали. Описали годичный цикл зелёных лягушек, выделили в нём этапы, влияющие на состав ГПС, задали зависимости, характеризующие такие изменения. На основании собственных и литературных данных предположили, какой состав половых клеток характерен для каждой из форм гибридных лягушек. Получили конструкцию из уравнений, описывающих интересующие нас параметры.

Эта конструкция оказалась реализована в двух разных моделях. Мы с Мариной сделали и использовали модель на разностных уравнениях, написанную в Excel, а наши коллеги-математики собрали более мощную реализацию на основе профессиональных языков и пакетов. Профессиональная модель значительно превосходит нашу, тренировочную, по мощности, но заметно уступает ей по удобству пользования и перестройки. Марина защитила диссертацию, сделанную на тренировочной модели, но при этом мы с коллегами-математиками продолжаем работать над моделью «большой».

Расскажу об экспериментах с той моделью, которую назвал «тренировочной», Excel’евской. В ней прописан механизм размножения, роста и конкуренции лягушек с разными наборами геномов. Этот механизм носит вполне «общий» характер. Но кроме того, в модели есть блок, который обеспечивает возможность задавать, какие половые клетки производят представители того или иного генотипа. Тут-то и можно предусмотреть полуклональное наследование, характерное для зелёных лягушек.