some stuff

docs/common/ach.md

@@ -3,10 +3,10 @@
 ## Мотивация
 
 Сейчас очень распространились нейросети различных форматов: для работы
-с текстом, видео, аудио, для обработки данных. В твиттере ажиотаж
-вокруг новой возможности ChatGPT: обработка изображений в стиле студии
-Ghibli, известной по фильмам "Мой сосед Тоторо", "Унесенные
-призраками" и пр. 
+с текстом, видео, аудио, для обработки и прогнозирования данных. В
+твиттере ажиотаж вокруг новой возможности ChatGPT: обработка
+изображений в стиле студии Ghibli, известной по фильмам "Мой сосед
+Тоторо", "Унесенные призраками" и пр.
 
 Нейросети применяются не только для "развлечений", но и в весьма 
 ответственных областях, например, анализ снимков ренгена, разработке 
@@ -16,16 +16,16 @@ Ghibli, известной по фильмам "Мой сосед Тоторо",
 которые генерируют тексты.  Это обусловленно преимущественно тем, что
 люди относятся к ним, как к некой "палочке-выручалочке", которая
 представляет собой кнопку "сделать красиво". Такой подход не только
-*критичное отношение* к окружающему миру (зачем придумывать решение,
-если нейросеть может сгенерировать его за меня, *даже если он будет
-некорректный*), но уменьшает общее качество результата.
+снижает *критичное отношение* к окружающему миру (зачем придумывать
+решение, если нейросеть может сгенерировать его за меня, *даже если он
+будет некорректный*), но уменьшает общее качество деятельности.
 
 Но несмотря на это, я не являюсь противником нейросетей *просто по
 существу*. У всего есть качественные области применения, иногда 
 не совсем очевидные. 
 
-Здесь я хочу рассказать об **анализе конкурирующих гипотез** и 
-попытке использования нейросетей для его применения.
+Здесь я хочу рассказать об **анализе конкурирующих гипотез**,
+**мозговом штурме** и попытке использования нейросетей.
 
 ## Большие языковые модели
 
@@ -79,11 +79,128 @@ Ghibli, известной по фильмам "Мой сосед Тоторо",
 
 ### Применение нейросетей
 
-Когда нет большого аналитического отдела, можно попробовать заменить
-его нейросетью. В данном слу
+Когда нет большого *команды аналитиков*, можно попробовать заменить их
+нейросетью. В данном случае, нейросеть можно применить в двух местах:
+
+1. В п. 1 для определения всех **возможных** гипотез. Само собой,
+   качество этих гипотез определяет аналитик, но их генерацию можно
+   частично делегировать ИИ.
+2. В п.2 можно попробовать определить области, где искать
+   доказательства за и против. Нужно помнить, что доказательства также
+   могут представлять собой *отсутствие* чего-либо.
 
 ## Пример
 
+Рассмотрим пример (полученный также с помощью ИИ): "Почему в городе
+резко выросло число ДТП на конкретном перекрестке?".
+
+Полученный список гипотез:
+
+```
+- Инфраструктурные факторы
+    1. **Изменение дорожной разметки или знаков**: Неправильно
+       нанесенная разметка, противоречивые знаки или их отсутствие.
+	2. **Неисправность светофора**: Сбои в работе (например, мигающий
+       желтый сигнал), некорректные временные интервалы.
+	3. **Сужение полос** из-за ремонтных работ, парковки или временных
+       ограждений.
+	4. **Новые препятствия**: Установка рекламных щитов, столбов,
+       деревьев, ограничивающих обзор.
+	5. **Плохое состояние дорожного покрытия**: Выбоины, ледяная
+       корка, отсутствие освещения в темное время суток.
+	6. **Изменение типа перекрестка**: Например, переход от светофора
+       к круговому движению без должного информирования.
+
+- Транспортный поток
+	7. **Рост трафика** из-за открытия новых ТЦ, офисов, жилых
+       комплексов.
+	8. **Перенаправление движения** с других улиц из-за ремонта,
+       аварий или изменений в маршрутах.
+	9. **Увеличение грузового транспорта**: Новые логистические
+       маршруты через перекресток.
+	10. **Активность общественного транспорта**: Новые автобусные
+        остановки или троллейбусные линии.
+	
+- Человеческий фактор
+	11. **Нарушение ПДД водителями**: Частые проезды на красный свет,
+        превышение скорости, агрессивное вождение.
+	12. **Низкая видимость пешеходов**: Отсутствие зебры, освещения
+        или знаков у пешеходного перехода.
+	13. **Отвлекающие факторы**: Яркая реклама, использование
+        телефонов за рулем.
+	14. **Новички на дороге**: Увеличение числа неопытных водителей
+        (например, из-за новой автошколы поблизости).
+
+- Внешние условия
+	15. **Погодные аномалии**: Гололед, туман, дождь, слепящее солнце
+        в определенные часы.
+	16. **Сезонные факторы**: Туристы, листопад, снежные заносы.
+	17. **Животные на дороге**: Бродячие собаки, птицы или дикие
+        животные, вызывающие резкие торможения.
+
+- Технические причины
+	18. **Неисправности автомобилей**: Массовые отзывы авто из-за
+        брака тормозных систем.
+	19. **Сбои в системах помощи водителю**: Например, ошибки в
+        навигаторах, предлагающих опасные маневры.
+	20. **Электромагнитные помехи**, влияющие на работу датчиков или
+        светофоров.
+
+- Организационные и социальные факторы
+	21. **Снижение контроля со стороны ГИБДД**: Уменьшение числа
+        патрулей или камер фиксации нарушений.
+	22. **Новые правила движения**, которые водители не успели
+        изучить.
+	23. **Вандализм**: Повреждение знаков, светофоров или разметки.
+	24. **Массовые мероприятия**: Концерты, митинги или фестивали,
+        создающие заторы и невнимательность.
+
+- Статистические аномалии
+	25. **Случайная кластеризация**: Краткосрочный всплеск аварий без
+        системной причины.
+	26. **Изменение методики учета ДТП**: Теперь фиксируются даже
+        мелкие столкновения, которые раньше игнорировались.
+	27. **Ошибки в данных**: Технические сбои при сборе статистики.
+```
+
+Хочется обратить внимание, что гипотез очень много и часть из низ
+можно отмести в зависимости от контекста исследования. Но эту задачу
+**должен делать аналитик**.
+
+Ответ на вопрос: "где искать доказательства":
+
+```
+- Данные ГИБДД: Статистика нарушений, протоколы ДТП, видео с камер.
+- Дорожные службы: Отчеты о ремонтах, изменениях разметки, проверках
+  светофоров.
+- Метеорологические службы: Погодные сводки на даты аварий.
+- Соцсети и СМИ: Жалобы водителей, репортажи о проблемах на
+  перекрестке.
+- Технические данные: Логи навигаторов (Яндекс.Пробки, Google Maps),
+  отчеты автопроизводителей.
+```
+
 ## Вывод
 
+В заключении этого небольшого текста, хочу отметить несколько выводов:
+
+1. Данная заметка не является инструкцией в стиле "вы используете
+   языковые модели неправильно". Здесь я просто хочу высказать мнение
+   касательно ИИ и отметить, какое применение я вижу у этого
+   инструмента. 
+2. В моем понимании, нейросети подойдут в тех случаях, когда нужно
+   применить **мозговой штурм**: составление гипотез, поиск
+   доказательств, составление списка действия для решения задачи в
+   методологии *GTD*.
+3. Не стоит отдавать под контроль ИИ принятие решений на _любом
+   уровне_. Все логические выкладки должен делать аналитик, который
+   использует языковую модель как инструмент.
+
+По итогу, я убежден, что языковые модели -- это весьма хороший
+*инструмент*, но это все же *инструмент*. Они не решат все проблемы за
+вас, но могут помочь вам решить ваши проблемы.
+
 ## Источники
+
+1. Psychology of intelligence analysis: https://www.amazon.com/Psychology-Intelligence-Analysis-Richards-Heuer/dp/B0016OST3O
+2.