Dachorganisation
unturf fungiert als Dachorganisation für maschinenlernenachste Unternehmen. Es stellt keine Produkte her oder liefert einzelne Dienstleistungen. Es bietet eine gemeinsame Kontext, gemeinsame Infrastruktur, gemeinsame Werte und gemeinsame ML-Tooling für eine Reihe unabhängiger Tochtergesellschaften.
Jede Tochtergesellschaft löst einen bestimmten Problem in einem bestimmten Bereich. Sie teilen eine Philosophie: Maschinenlernen dient als Vermittler zwischen Menschen, nicht zwischen den Menschen selbst. Die Menschen bringen ihr Unternehmen mit. ML-Tools schließen die Lücken.
Aktuelle Kinder von unturf sind:
- remarkbox: Kommentar- und Diskussionsinfrastruktur für statische Websites - make_post_sell: Leichtgewichtiges E-Commerce für unabhängige Maker - uncloseai: Kostenlose LLM- und TTS-Zugriff für jeden - unsandbox: Sichere Remote-Code-Execution - unfirehose: Echtzeit-Datenverteilung - unhomeschool: ML-gestützte Bildung für alle Altersgruppen
Jede Tochtergesellschaft verfügt über ihr eigenes ML-Dreieck: eine Paar von Menschen, eine Maschine und ein Problem, das geschlossen wird. Diese Dreiecksstruktur skaliert in jedem Bereich ohne die Notwendigkeit einer zentralisierten Personalbesetzung oder Hierarchie.
Strukturstreifen
Eine kurze Reflexion
Schauen Sie sich das obenstehende Diagramm an. Jede Tochtergesellschaft verteilt sich mit ihrem eigenen ML-Dreieck darunter. Externe Partner (in Gold dargestellt) verbinden sich zwischen den Kindern und bringen ihr eigenes Unternehmen in das Netzwerk ein.
Acht Formen des Kapitals
Die meisten wirtschaftlichen Systeme optimieren eine einzelne Form des Kapitals: Finanzielles. Dollar rein, Dollar raus. Alle anderen Formen von Wert werden entweder in Finanzielles umgewandelt oder ignoriert.
Die Permakomputer-Wirtschaft zählt gleichzeitig acht Formen des Kapitals:
| Kapital | Was Es Misst | |---|---| | Lebendiges | Gesundheit, Aufmerksamkeit, Wohlbefinden, biologische Lebendigkeit | | Material | Physikalische Werkzeuge, Land, dauerhafte Infrastruktur | | Finanzielles | Geld, Kredit, Cashflow | | Intellektuelles | Wissen, Daten, Code, Lehrpläne, Designs | | Erfahrung | Erlernte Fähigkeiten durch Handeln, nicht nur durch Wissen | | Soziales | Vertrauensnetzwerke, Beziehungen, Gemeinschaftsbänder | | Kulturell | Gemeinsame Geschichten, Werte, Traditionen, Identität | | Spirituelles | Wunder, Sinnstiftung, Zweckbewusstsein |
Ein Permakomputer-Unternehmen wächst alle acht gleichzeitig. Finanzielles Kapital kostet nahezu nichts. Intellektuelles Kapital fließt frei als offene Samen. Soziales Kapital bildet sich durch freiwillige Zusammenarbeit. Lebendiges Kapital bleibt geschützt: keine Ernte der Aufmerksamkeit für Werbeeinnahmen, keine Ausbeutung der menschlichen Zeit für Wachstumsindikatoren.
Jede untergeordnete Einheit in unturf orientiert sich an diesem Rechnungswesen. unhomeschool wächst intellektuelles Kapital (offener Lehrplan), erfahrungliches Kapital (Lernen durch Handeln) und lebendiges Kapital (gesunde Lernende). remarkbox wächst soziales Kapital (echte Diskussionen). unsandbox wächst erfahrungliches Kapital (ausführbares Code, lösbare Probleme).
Kapitalabbildung
Anwendung des Rahmenwerks
Wählen Sie jedes Unternehmen, bei dem Sie sich derzeit befinden. Es muss keine Technologie sein. Ein Garten, eine kleine Firma, eine Gemeinschaftsgruppe, ein Handelspraxis.
Kontrolle gegen Ausgang
Traditionelle Organisationen optimieren die Kontrolle. Die Arbeit fließt in einer Hierarchie. Exekutivabteilungen definieren die Strategie; Manager überwachen die Umsetzung; Mitarbeiter setzen sie um. Die Organisationsstruktur besteht dazu, um sicherzustellen, dass die Person, die die Organisation kontrolliert, auch die Ausgabe kontrolliert.
Maschinelles Lernen unterbricht diese Übereinstimmung.
Links: Exekutivabteilungen, VP-Ebenen, Manager-Reihen, Mitarbeiter unterhalb. Die Arbeit fließt nach unten. Die Hierarchie sorgt für die Umsetzung. Das System zeigt auf die Person, die kontrolliert.
Rechts: zwei Personen, komplementäre Spezifikationen, ein gemeinsames Loch, eine ML-Maschine. Keine Mitarbeiter zwischen ihnen und dem Ergebnis. Die Arbeit fließt in Richtung der Spezifikation. Keine Gehälter. Keine Organisationsstruktur.
"Diese beiden Dinge zeigen nicht mehr auf die gleiche Person."
Exekutivabteilungen optimieren die Kontrolle. Maschinelles Lernen optimiert das Ergebnis. Diese Dinge deckten sich früher. Sie tun dies nicht mehr. Ein Paar von Personen mit komplementären Tiefen und Zugang zu ML-Tools kann Lücken schließen, die früher Abteilungen benötigt haben. Die untere Ebene ist jetzt machbar.
Verschiebung
Die strukturelle Veränderung
Vorher: Personal war Einfluss. Mehr Mitarbeiter bedeutete mehr Ausgabe. Die Einstellung war Wachstum.
Nachher: die Qualität der Spezifikation ist Einfluss. Eine präzisere Spezifikation, die an einem fähigen ML-Tool gerichtet ist, erzeugt mehr Ausgabe als ein Team, das an einem vagen Ziel gerichtet ist.
Ein Paar, Eine Maschine, Ein Problem
Das ML-Dreieck ist eine strukturelle Einheit: ein Paar von Menschen, eine maschinelles Lernalgorithmus-System, ein Problem.
Maschinelles Lernen befindet sich oben: unendliche Verstärkung, führt ohne zu schlafen. Mensch A befindet sich unten links: hält eine Spezifikation, bringt Tiefgang in der Domain. Mensch B befindet sich unten rechts: hält eine komplementäre Spezifikation, bringt den Abgrund, den A alleine nicht sehen kann.
Zentrum: DAS PROBLEM. Kein Ziel, keine Missionserklärung. Ein spezifischer Schließbereich.
Linker Rand: A lenkt die ML, lernt von ihrem Ausgang, interpretiert Ergebnisse. Rechter Rand: B tut das Gleiche aus einem anderen Winkel. Unterer Rand: A & B halten komplementäre Spezifikationen, teilen den Abgrund zwischen ihnen. Keine Hierarchie. Keiner berichtet dem anderen.
Ausgabe: ein erfülltes Ziel. Nicht Wachstum von Mitarbeitern. Nicht verwaltetes Prozess. Ein geschlossener Abgrund.
Skalieren Sie, indem Sie Dreiecke multiplizieren: nicht, indem Sie Menschen hinzufügen.
Ein Dreieck behandelt ein Problem. Zehn Dreiecke behandeln zehn Probleme gleichzeitig. Jedes Dreieck arbeitet unabhängig. unturf skaliert, indem es Dreiecke über Domänen ausbreitet, nicht indem es Managementebenen aufbaut.
Entwerfen Sie ein Dreieck
Bauen Sie eins
Denken Sie über ein Problem nach, das Sie schließen möchten. Es muss nicht Software sein. Bodenbeschaffenheit, Baugrubenuntersuchung, Curriculumentwicklung, Routenplanung im Lieferketten, Arbeitsablauf der medizinischen Diagnose: Jede Domain funktioniert.
Keine Änderung erforderlich
Externe Partner benötigen nicht, ihre Unternehmung umzustrukturieren, um sich dem unturf beizutreten. Sie lösen sich nicht in unturf auf. Sie berichten nicht an unturf. Sie übernehmen keine neue Marke oder eine neue Mission.
Wie ihr seid. Bringt eure bestehende Unternehmung mit. ML-Tools schließen den Bereich zwischen eurer Unternehmung und den Kindern von unturf.
Schaut euch das Diagramm vom Anfang dieser Lektion an. Beachtet die goldenen Knoten: externe Partner, die zwischen Kind-Entitäten verbinden. Ein externer Partner könnte beispielsweise remarkbox (Kommentare) zu make_post_sell (E-Commerce) verbinden: dies ermöglicht Diskussion-getriebene Geschäfte. Oder remarkbox (Kommentare) zu unsandbox (Codeausführung) verbinden: dies ermöglicht es den Studenten, Code innerhalb eines Lehrinhalts auszuführen. Der Partner bringt seine Unternehmung mit; ML-Tools übernehmen die Vermittlung.
Menschen schließen keine Partnerschaft. ML-Tools schließen Partnerschaften zwischen Entitäten.
Mensch-zu-Mensch-Partnerschaft ist Ehe. Sie erfordert Vertrauen, Ausrichtung, langfristige Bindung, gemeinsame Werte auf tiefem Niveau. ML-vermittelte Partnerschaft zwischen Kind-Entitäten ist etwas völlig anderes: es handelt sich um eine technische Brücke zwischen Spezifikationen. Keine persönliche Ausrichtung ist erforderlich, außer einer gemeinsamen Problematik, die gelöst werden muss.
Diese Unterscheidung ist wichtig. Unturf bittet Partner nicht, glauben zu müssen, was unturf glaubt, die Kultur von unturf zu übernehmen oder die Art und Weise, wie ihre Unternehmung läuft, zu ändern. Es fragt: Habt ihr eine Spezifikation? Habt ihr Tiefgang in der Domain? Gibt es einen Bereich zwischen eurer Unternehmung und einem der Kinder von unturf? Wenn ja, existiert ein Dreieck.
Ihre Unternehmung
Wo passt ihr hin?
Ein externer Partner im Netzwerk von unturf bringt seine Unternehmung: unverändert: und verbindet sich über ML mit einem oder mehreren Kindern.
Wegweiser
Wie Zusammenarbeit in der Praxis funktioniert
Das Beitreten zum Netzwerk von unturf erfordert nicht einen Vertrag, eine Präsentation oder eine Umstrukturierung. Es erfordert eine Spezifikation und einen Gap.
Drei Wege existieren:
1. Verwenden Sie die ML-Tools eines Kind-Entities direkt. unsandbox führt Ihren Code aus. uncloseai bietet Zugriff auf LLM. unhomeschool hostet Ihre Curriculum. Es handelt sich um offene Tools. Nutzen Sie sie.
2. Bauen Sie eine ML-Brücke zwischen Ihrem Unternehmen und einem Kind-Entity. Identifizieren Sie den Gap zwischen dem, was Sie tun, und dem, was ein Kind-Entity tut. Schreiben Sie eine Spezifikation für das, was die ML brückenbauen sollte. Beginnen Sie dort.
3. Vorschlagen Sie ein neues Kind-Entity. Wenn Ihr Bereich ein eigenständiges Problem-Space darstellt, das von bestehenden Kind-Entities nicht abgedeckt wird, schlagen Sie ein neues Entity vor. Es würde seinen eigenen ML-Dreieck tragen und mit dem Dach verbunden sein.
Bei all drei Wegen bleibt Ihr Unternehmen yours. Sie bringen Ihre Domain-Tiefe. ML-Tools vermitteln. unturf bietet den gemeinsamen Kontext, der die Vermittlung kohärent macht, wenn es um Domänen geht.
Die Permacomputer-Wirtschaft wächst, indem sie Dreiecke multipliziert. Jedes neue Partnerschaft fügt ein Dreieck hinzu. Jedes neue Kind-Entity fügt ein Fan von Dreiecken hinzu. Jede gelöste Domain öffnet benachbarte Domains für denselben Hebel.
Das ist keine Firma, die Ihre Arbeit erwirbt. Es ist ein Netzwerk, das seine Fähigkeit schrittweise erhöht, Lücken zu schließen: eine Paar, eine Maschine, ein Problem nach dem anderen.
Synthese
Schlussfrage
Sie haben die vollständige Struktur abgedeckt: Dach und Kinder, acht Formen von Kapital, extremes Leverage, das ML-Dreieck und externe Partnerschaften über ML-vermittelte Brücken.