Глаз стрекозы: практическая технология исследования с ИИ

Как собрать предметные миры, нормализовать таксоны, найти межпредметный перенос, проверить его и вовремя остановить исследование.

В первой статье этой серии "От университета до искусственного интеллекта: как ускорялся генератор изобретений" мы говорили о том, как человечество усиливало генератор нового. Во второй "Одиночный исследователь с ИИ: как собирать новое из разных предметных областей" — о том, что одиночному исследователю не нужна одна «лучшая методология»: реальная работа собирается из нескольких предметных областей и нескольких специализированных методов. Теперь пора сделать следующий шаг и разобрать саму технологию "Глаз стрекозы".

Самая простая ошибка при работе с искусственным интеллектом — начать с генерации идей. Модель охотно предложит десятки связей между биологией, экономикой, производством, логистикой, теорией устойчивости или любой другой областью. Часть этих связей будет интересной, часть — банальной, часть — просто красивой языковой конструкцией. Проблема в том, что до появления идеи исследователь должен понять, какими сущностями он вообще оперирует и какие предметные миры имеет право сравнивать.

«Глаз стрекозы» начинается не с генерации гипотез. Он начинается с дисциплины предметного различения.

1. Шаг первый: задать направление исследования

Исследование должно начинаться не с запроса к ИИ и не с выбора метода. Сначала нужно зафиксировать, что именно мы исследуем, какой результат хотим получить, где проходит граница задачи, что пока неизвестно и какой результат будет считаться достаточным для текущего решения. Это не бюрократия. Без этой рамки исследование незаметно начинает расширяться вместе с каждой новой интересной ссылкой.

Возьмём сквозной пример. Мы хотим создать компонент для ERP-системы, который помогает руководителю видеть жизнеспособные продолжения производственного плана при нарушениях. Уже в такой формулировке есть объект — производственный план, результат — поле жизнеспособных продолжений, ограничение — реальные обязательства предприятия, и практический критерий — компонент должен помогать принять решение, а не просто красиво описывать риски.

Хорошее направление исследования ограничивает не любопытство, а хаос.

2. Исходные предметные фасеты

После постановки вопроса мы выбираем не все возможные дисциплины, а только те предметные миры, без которых вопрос уже сейчас нельзя сформулировать. Я называю их исходными предметными фасетами. Фасета — это организованный предметный мир со своим словарём, объектами, отношениями, механизмами и доказательствами.

Для ERP-компонента исходной фасетой очевидно будет производственное планирование: заказ, обязательство, потребность, материал, ресурс, срок, обеспеченность. Но уже на следующем шаге становится видно, что этого недостаточно. Слово «устойчивость» мы можем произнести и внутри ERP, но пока не понимаем, что именно оно означает как предметная конструкция.

Предметная фасета — не тема исследования. Это предметный мир, который можно нормализовать, проверять и версионировать.

3. От слова к таксону

Здесь появляется центральный механизм всей статьи — таксон. В таксоно-онтологическом подходе таксон — это не термин из словаря и не строка классификатора. Это нормализованная единица предмета, которую мы способны отличить от других сущностей и описать через её границы, признаки, состояния, источники и связи.

Разница хорошо видна на слове «резерв». Для одного подразделения резервом может быть свободный остаток материала. Для другого — альтернативный поставщик. Для третьего — свободное окно испытательного стенда. Для руководителя — любое действие, которое действительно можно активировать в нужный момент. Пока всё это называется одним словом, ИИ будет легко смешивать разные сущности и достраивать связи, которых в реальности нет.

Поэтому сначала мы должны решить: какие сущности действительно существуют в нашем предметном мире? Например: обязательство, ресурс, запас, резервное действие, поставка, испытательное окно, компетенция, ограничение. Это и есть начало библиотеки таксонов.

Пока вы не выделили таксоны, вы сравниваете слова. После нормализации таксонов вы начинаете сравнивать предметы.

4. Паспорт таксона: сделать предмет различимым

Следующий шаг — паспортизация. У таксона должно быть определение, граница отличия от соседних сущностей, источники, состояния, события, носители, связи и открытые пробелы знания. Паспорт нужен не ради красивой документации. Он фиксирует, что именно мы считаем данным предметом и на каком основании.

Вернёмся к резерву. Альтернативный поставщик не становится резервом только потому, что его название есть в справочнике. Нужно понимать, способен ли он поставить нужную позицию, в какое окно, при каких ограничениях, на основании какого подтверждения и в каком состоянии находится его готовность. Только тогда «резерв» перестаёт быть обещанием и становится управляемой сущностью.

Без паспорта предмет остаётся термином. С паспортом он становится проверяемой единицей модели.

5. Измерения таксона: по каким осям мы его различаем

Даже паспорт ещё не делает предмет полностью сравнимым. Таксон должен быть раскрыт по измерениям. В прикладной работе полезны классификационные, аналитические, нормативные, расчётные, контрольные и ответственно-ролевые измерения; при необходимости добавляются финансовые, качественные, рисковые и другие.

Например, для обязательства важны контрагент, срок, приоритет, сумма, критичность, статус исполнения, подтверждающий документ и владелец. Для резерва — тип резерва, доступность, время активации, доказательство готовности, ограничения применения, стоимость использования и то, какие другие обязательства он затрагивает.

Именно измерения делают возможным содержательное сравнение между предметными областями. Два объекта могут называться по-разному и при этом иметь общий механизм. Или, наоборот, называться одинаково и быть совершенно разными сущностями.

Сходство слов почти ничего не значит. Сходство по одному свойству тоже недостаточно. Сравнение начинается с системы измерений.

6. Когда предметная фасета становится зрелой

Не всякая предметная область сразу пригодна для межпредметного исследования. Если у нас есть только набор терминов и несколько статей, это ещё не рабочая фасета. Минимально зрелый предметный мир содержит словарь, библиотеку таксонов, паспорта и измерения, отношения между таксонами, механизмы, доказательную опору и явные границы того, чего мы пока не знаем.

Это важная граница для работы с ИИ. Модель способна заполнить пробелы очень правдоподобно. Но если у критичного свойства нет источника, статус должен остаться «не подтверждено», а не превращаться в удобный синтетический факт.

Зрелость предметного мира определяется не количеством текста, а тем, насколько хорошо различены и подтверждены его сущности и механизмы.

7. Предметные области передачи: где искать следующий предметный мир

Здесь появляется слой, который легко пропустить, если думать только в терминах «у меня есть две области — давайте их сравним». В реальном исследовании все нужные предметные миры редко известны заранее. Поэтому зрелая фасета должна уметь указывать, где у неё есть потенциальный интерфейс с соседней областью.

Я называю это областью возможного межпредметного переноса. Она отвечает не на вопрос «что уже перенесено?», а на более ранний вопрос: почему соседняя фасета вообще может быть полезна, какая конструкция потенциально переносима, в каком направлении, при каких условиях и что переносить категорически нельзя.

В нашем примере ERP-фасета может указать на область устойчивости: дефицит ресурса похож не на «риск вообще», а на ситуацию появления уязвимости; резерв интересен не как запас, а как потенциальная способность продолжить выполнение обязательства после нарушения. Так возникает не готовый перенос, а обоснованная причина изучить соседний предметный мир.

Область передачи — это не мост B→C. Это карта, где такой мост вообще имеет смысл искать.

8. Фасета-кандидат ещё не часть «глаза»

После обнаружения соседней области мы получаем фасету-кандидата. Это принципиально важно: кандидат не включается в исследовательскую оптику автоматически. Его надо нормализовать тем же способом — выделить таксоны, паспорта, измерения, механизмы и источники — и только потом решить, действительно ли он приносит новый механизм или проверку, способные изменить исследование.

Так исследование избегает бесконечного расширения. Тема может быть интересной, но не обязательной. Её можно включить, исключить или отложить. Рабочая исследовательская оптика должна быть минимально достаточной, а не максимально широкой.

«Глаз стрекозы» растёт не через накопление тем, а через управляемое включение предметных миров, которые добавляют реальную исследовательскую способность.

9. Рабочая исследовательская оптика

Когда исходные и выбранные фасеты достаточно зрелы, из них собирается рабочая исследовательская оптика. Это не энциклопедия и не окончательная карта мира. Это версия конкретной сборки предметных миров под конкретное направление исследования.

Для «Мозга фирмы» в такую оптику могут войти производственное планирование, устойчивость решений, риск, экономика компромиссов и системная реализация. Но каждая фасета должна отвечать на вопрос: что именно она даёт текущему исследованию? Если ответ исчезает, состав оптики можно менять.

Рабочая оптика — это не всё знание вокруг проблемы. Это минимальная конфигурация предметных миров, достаточная для движения дальше.

10. Сопоставление таксонов: настоящий вход в B→C

Только теперь становится корректным межпредметное сопоставление. Мы сравниваем не слова «резерв» и «устойчивость», а нормализованные таксоны по их границам, измерениям, состояниям, отношениям, механизмам, условиям и источникам.

Например, ERP-таксон «резервное действие» можно сопоставлять с конструкцией из теории устойчивости по нескольким вопросам: что запускает действие, что считается чувствительным элементом, какие состояния допустимы, как измеряется потеря способности, какие условия должны сохраняться и чем подтверждается готовность.

Иногда на этом этапе выясняется, что красивой связи нет. Это нормальный результат. Правильный отказ от переноса полезнее, чем ложный B→C, который затем проникнет в программный код и начнёт выдавать убедительные рекомендации.

Межпредметное исследование начинается не с похожих терминов, а с сопоставимых таксонов.

11. Что именно переносится

Даже после сопоставления таксонов нельзя «перенести фасету устойчивости в ERP». Фасета слишком богата: в ней есть множество свойств, условий и механизмов, которые не имеют смысла в другом предметном мире. Переносится конкретная предметная конструкция.

В нашем примере такой конструкцией может быть: нарушение создаёт чувствительность определённого элемента; для него существует несколько допустимых продолжений; продолжения различаются по способности сохранить защищаемый результат; выбор должен учитывать не только текущий успех, но и оставшееся пространство будущих действий.

Переносить нужно не предметную область и не термин, а конкретную конструкцию, которую можно описать и проверить.

12. Абстракция и инвариант переноса

Следующий шаг — очистить конструкцию от деталей исходной предметной области. Нам нужно понять, какая часть механизма является существенной, а какая связана только с языком или конкретным носителем.

После очистки фиксируется инвариант — минимальный набор отношений и условий, который обязан сохраниться, если перенос допустим. Для нашего примера это может быть цепочка: нарушение → чувствительный элемент → несколько допустимых продолжений → критерий сохранения защищаемого результата → выбор.

Если в целевой предметной области эта структура разрушается, перенос не состоялся, даже если слова выглядят очень похожими.

Инвариант — это то, что должно пережить смену предметной области. Всё остальное переносить опасно.

13. Конкретный мост B→C

Теперь у нас наконец появляется B→C — не как красивая стрелка между двумя статьями, а как проверяемая гипотеза. Абстрагированная конструкция интерпретируется в целевой фасете: что в ERP соответствует нарушению, что является чувствительным элементом, что считать допустимым продолжением и какой критерий определяет жизнеспособность.

В этот момент исследователь может получить действительно новую конструкцию компонента: производственный план перестаёт быть единственной траекторией и превращается в поле продолжений, каждое из которых проверяется относительно защищаемого результата.

B→C становится содержательным только тогда, когда известны исходная конструкция, её инвариант и проверяемая интерпретация в целевом мире.

14. Защита от ложной аналогии

Любой межпредметный перенос должен пройти отрицательную проверку. Совпадают ли объекты по смыслу? Сохраняется ли причинный механизм? Выполняются ли условия? Какие отображения запрещены? Какой контрпример должен разрушить перенос? Где заканчивается применимость?

Очень важное правило: совпадение терминов не доказывает перенос, но и различие терминов не запрещает перенос механизма. Слова — только навигация. Доказательство находится на уровне конструкции и инварианта.

Хороший межпредметный перенос должен объяснять не только почему он работает, но и где он обязан перестать работать.

15. Специализированный метод подключается после предметной работы

Только после появления конкретной локальной задачи имеет смысл выбирать профильный метод. Возможно, нужно поставить эксперимент. Возможно, разрешить техническое противоречие. Возможно, системно спроектировать компонент, провести доказательный обзор или стресс-тест.

В этом месте становится понятно, почему «Глаз стрекозы» не заменяет ТРИЗ, планирование эксперимента, системную инженерию или другие методы. Он подготавливает предметную конструкцию, которую затем один из специализированных методов помогает разработать или проверить.

Специализированный метод решает локальную задачу. «Глаз стрекозы» удерживает предметный смысл этой задачи до и после вызова метода.

16. Независимая линия проверки

ИИ легко создаёт ощущение экспертного консилиума: пять агентов, пять формулировок, пять уверенных ответов. Но настоящая независимость возникает только тогда, когда меняется происхождение проверки — другой корпус источников, иной механизм, другое критическое предположение или другой тип эксперимента.

Перенос устойчивости в ERP можно проверить литературой, имитационной моделью, реальным производственным случаем и контрпримером. Эти линии действительно способны расходиться и выявлять общую ошибку.

Новый промпт создаёт новый ответ. Независимая линия создаёт новый шанс обнаружить ошибку.

17. Утверждение, доказательство и то, что ещё неизвестно

Каждое существенное утверждение должно иметь происхождение. Откуда оно взялось? На каком источнике основано? Что проверено нами? В каких условиях оно действует? Что осталось неизвестным?

Особенно важно отделять синтез ИИ от доказательства. ИИ может предложить формулировку, найти возможный источник, связать две модели. Но подтверждающей силой обладают не уверенность текста и не красота объяснения, а источники и проверки.

ИИ может быть генератором и навигатором доказательств. Сам по себе его ответ доказательством не является.

18. Долг проверки

В сложном исследовании почти всегда остаётся то, что ещё не доказано. Я называю это долгом проверки. Он должен быть видимым: какое утверждение пока не закрыто, насколько оно влияет на решение, чем можно его проверить и в какой момент отсутствие проверки становится критическим.

В «Мозге фирмы» альтернатива «есть второй поставщик» не закрывает долг проверки. Нужно подтвердить, что поставщик способен поставить нужную позицию в нужное окно. Пока такого подтверждения нет, вариант может существовать как гипотеза, но не как доказанный резерв.

Непроверенное не исчезает от того, что мы перестали о нём говорить. Поэтому его нужно хранить как явный долг проверки.

19. Память должна хранить и неудачные переносы

Исследовательская память обычно любит успех. Но для ИИ-систем особенно важны отвергнутые и отложенные ветви: что уже проверялось, почему было отвергнуто, какой контрпример сработал и при каких новых условиях ветвь можно открыть снова.

То же относится к версиям. Если изменилась исходная или целевая фасета, старый перенос не должен задним числом переписываться. Нужно зафиксировать новую проверку или новую версию переноса. Иначе исследование теряет воспроизводимость.

Отрицательный результат — не мусор. Это способ не платить второй раз за уже найденную ошибку.

20. Как выбрать следующую проверку

Проверять всё невозможно. Следующая проверка имеет смысл, если способна изменить решение, различить конкурирующие версии или закрыть критическое неизвестное до того, как окно действия закроется.

Если квалификационный тест альтернативного поставщика завершится после последнего срока, когда ещё можно запустить закупку, его результат останется полезным для будущего, но не спасёт текущий выбор. Позднее знание может быть правильным и при этом практически бесполезным.

Проверка ценна не потому, что она возможна, а потому, что её результат ещё способен изменить действие.

21. Когда исследование можно остановить

Остановка исследования не означает, что найдена окончательная истина. Она означает более практичную вещь: при текущем горизонте доказательств информации достаточно для решения, а следующая существенная проверка либо уже не меняет выбор, либо стоит непропорционально дорого, либо приходит слишком поздно.

У исследования остаются три нормальных исхода: продолжить, остановить текущий цикл или передать результат туда, где существует недоступная нам инфраструктура проверки.

Stop — это не «мы знаем всё». Это «мы знаем достаточно для текущего решения и понимаем, что ещё остаётся неизвестным».

22. Где заканчивается одиночный исследователь

Одиночный исследователь с ИИ может пройти очень далеко: собрать предметные миры, нормализовать таксоны, построить межпредметный перенос, написать программный компонент, провести имитацию и серию тестов. Но тип доказательства иногда требует другой инфраструктуры.

Если речь идёт о медицинском изделии, авиации, автомобиле, сертификационной проверке или другой критичной области, наружу передаётся не «идея», а структурированный пакет: направление исследования, использованные фасеты и таксоны, конкретный перенос, доказательства, долг проверки и точный вопрос к внешнему контуру.

Сильный одиночный исследователь понимает не только как дойти до результата, но и где заканчивается его право считать результат проверенным.

23. Что получилось на выходе

Если собрать всё вместе, результат «Глаза стрекозы» — не набор промптов и не длинный отчёт. Это версия исследовательской оптики: включённые предметные фасеты, их таксоны и измерения, области возможного переноса, проверенные и отвергнутые B→C, доказательства, открытые долги проверки и память решений.

Для «Мозга фирмы» это означает, что ERP-компонент строится не на словах «риск» и «устойчивость», а на предметно нормализованных сущностях и проверяемых механизмах. Поэтому система может показать не одну красивую рекомендацию, а объяснимое поле жизнеспособных продолжений — и указать, на каких данных, допущениях и проверках оно построено.

Результат методологии — не ответ ИИ. Результат — воспроизводимая конструкция исследования, из которой ответ можно получить, проверить и пересобрать.

Вместо вывода

Вся технология помещается в одну цепочку. Задать направление исследования. Нормализовать исходные предметные миры. Выделить таксоны, паспорта и измерения. Найти области возможного межпредметного переноса. Через них обнаружить нужные фасеты-кандидаты и собрать минимально достаточную рабочую оптику. Сопоставить таксоны. Выделить переносимую конструкцию и её инвариант. Сформулировать B→C. Попытаться его разрушить. Подключить профильный метод. Зафиксировать доказательства и долг проверки. Сохранить отрицательные результаты. И вовремя остановиться.

Именно поэтому метафора стрекозы для меня остаётся удачной. Исследователь не смотрит на задачу одной линзой. Он собирает рабочий глаз из нескольких предметных граней, но каждая из них остаётся различимой. Новое возникает не от смешения этих граней, а от контролируемого переноса между ними.

Искусственный интеллект делает такой режим работы практически доступным одному человеку. Но он не отменяет дисциплину предмета. Скорее наоборот: чем быстрее ИИ способен порождать связи, тем жёстче должна быть технология, которая различает сущности, фиксирует происхождение, проверяет переносы и хранит границы незнания.

На этом трилогия замыкается. Первая статья была о том, как усиливался генератор нового. Вторая — о том, какие методы уже существуют и как одиночному исследователю выбирать их по задаче. Третья — о том, как собрать собственную воспроизводимую исследовательскую оптику, внутри которой эти методы и искусственный интеллект становятся рабочими инструментами, а не источником убедительных случайностей.

Скоро выйдет моя книга с описанием технологии ИИ-исследования "Глаз стрекозы"/Dragonfly Eye".