Dachunternehmen
unturf fungiert als Dachunternehmen für ML-first Ventures. Es stellt weder ein Produkt her noch erbringt es eine einzelne Dienstleistung. Es bietet einen gemeinsamen Kontext, gemeinsame Infrastruktur, gemeinsame Werte & gemeinsame ML-Tools über eine Reihe unabhängiger Kinder hinweg.
Jedes Kind-Unternehmen löst ein eigenständiges Problem in einem eigenständigen Bereich. Sie teilen eine Philosophie: maschinelles Lernen vermittelt zwischen Menschen, nicht die Menschen selbst. Menschen bringen ihre Unternehmung mit. ML-Tools überbrücken die Lücken.
Aktuelle Kinder von unturf umfassen:
- remarkbox: Kommentar- & Diskussionsinfrastruktur für statische Websites - make_post_sell: leichte Commerce für unabhängige Handwerker - uncloseai: kostenloser LLM- & TTS-Zugang für alle - unsandbox: sichere Remote-Code-Ausführung - unfirehose: Echtzeit-Datenverteilung - unhomeschool: ML-gestützte Bildung für alle Altersgruppen
Jedes Kind trägt sein eigenes ML Triangle: ein Paar Menschen, eine Maschine, ein Problem zum Schließen. Diese Dreiecksstruktur skaliert über alle Bereiche hinweg, ohne dass zentralisierte Mitarbeiterzahl oder Hierarchie erforderlich ist.
Strukturprüfung
Eine schnelle Überlegung
Schauen Sie sich das Diagramm oben an. Jedes Kind-Unternehmen fächert sich mit seinem eigenen ML Triangle darunter aus. Externe Partner (in Gold dargestellt) verbinden sich zwischen den Kindern und bringen ihre eigene Unternehmung ins Netzwerk.
Acht Formen von Kapital
Die meisten Wirtschaftssysteme optimieren für eine einzige Form von Kapital: Finanzkapital. Dollar rein, Dollar raus. Jede andere Form von Wert wird entweder in Finanzkapital umgewandelt oder ignoriert.
Die Permacomputer-Wirtschaft zählt acht Formen von Kapital gleichzeitig:
| Kapital | Was es misst | |---|---| | Leben | Gesundheit, Aufmerksamkeit, Wohlbefinden, biologische Vitalität | | Material | Physische Tools, Land, dauerhafte Infrastruktur | | Finanzen | Geld, Kredit, Cashflow | | Intellektuell | Wissen, Daten, Code, Curriculum, Designs | | Erfahrung | Fertigkeiten, die durch Handeln aufgebaut werden, nicht nur durch Wissen | | Sozial | Vertrauensnetzwerke, Beziehungen, Gemeinschaftsbande | | Kultur | Gemeinsame Geschichten, Werte, Traditionen, Identität | | Spirituell | Wunder, Sinnfindung, Sinn und Zweck |
Ein Permacomputer-Unternehmen wächst alle acht gleichzeitig. Finanzkapital kostet nahe null. Intellektuelles Kapital fließt frei als offene Samen. Soziales Kapital entsteht durch freiwillige Zusammenarbeit. Lebenskapital bleibt geschützt: keine Ernte von Aufmerksamkeit für Werbeumsätze, keine Ausbeutung von menschlicher Zeit für Wachstumskennzahlen.
Jedes Kind-Unternehmen von unturf passt sich dieser Bilanz an. unhomeschool wächst intellektuelles Kapital (offenes Curriculum), Erfahrungskapital (Lernen durch Handeln) & Lebenskapital (gesunde Lernende). remarkbox wächst soziales Kapital (echte Diskurse). unsandbox wächst Erfahrungskapital (Code, der läuft, Probleme, die sich lösen).
Kapital-Kartierung
Wenden Sie das Rahmenwerk an
Wählen Sie ein beliebiges Unternehmen, bei dem Sie gerade Mitglied sind. Es muss keine Technologie sein. Ein Garten, ein kleines Geschäft, eine Gemeinschaftsgruppe, eine handwerkliche Praxis.
Kontrolle vs. Ergebnis
Traditionelle Organisationen optimieren für Kontrolle. Arbeit fließt eine Hierarchie hinunter. Führungsetagen definieren Strategie; Manager erzwingen Ausführung; Arbeiter implementieren. Das Organisationsdiagramm existiert, um sicherzustellen, dass derjenige, der die Organisation kontrolliert, die Ausgabe kontrolliert.
Maschinelles Lernen bricht diese Ausrichtung auf.
Links: Führungsetagen, VP-Schichten, Manager-Zeilen, Arbeiter darunter. Arbeit fließt hinunter. Hierarchie erzwingt Ausführung. Das System weist auf denjenigen, der kontrolliert.
Rechts: zwei Menschen, ergänzende Spezifikationen, eine gemeinsame Lücke, ein ML-Engine. Null Mitarbeiter zwischen ihnen & dem Ergebnis. Arbeit fließt zur Spezifikation. Keine Gehaltsliste. Keine Organisationsdiagramm.
"Diese beiden Dinge zeigen nicht mehr auf die gleiche Person."
Führungsetagen optimieren für Kontrolle. Maschinelles Lernen optimiert für Ergebnisse. Diese Dinge stimmten einst überein. Sie tun es nicht mehr. Ein Paar Menschen mit ergänzender Domänentiefe & Zugang zu ML-Tools kann Lücken schließen, die früher Abteilungen erforderten. Von unten nach oben ist jetzt rentabel.
Umschlag
Die strukturelle Veränderung
Vorher: Mitarbeiterzahl war Hebelwirkung. Mehr Menschen bedeutete mehr Ausgabe. Einstellung war Wachstum.
Nachher: Spezifikationsqualität ist Hebelwirkung. Eine schärfere Spezifikation, gerichtet auf ein fähiges ML-Tool, erzeugt mehr Ausgabe als ein Team, das auf ein vages Ziel gerichtet ist.
Ein Paar, eine Maschine, ein Problem
Das ML Triangle ist eine strukturelle Einheit: ein Paar Menschen, ein maschinelles Lernmodul, ein Problem.
Maschinelles Lernen sitzt oben: unbegrenzte Hebelwirkung, wird ohne Schlaf ausgeführt. Mensch A sitzt unten links: hält eine Spezifikation, bringt Domänentiefe. Mensch B sitzt unten rechts: hält eine ergänzende Spezifikation, bringt die Lücke, die A allein nicht sehen kann.
Mitte: DAS PROBLEM. Kein Ziel, keine Aussage zum Auftrag. Eine spezifische Lücke zum Schließen.
Linke Kante: A lenkt das ML, lernt von seiner Ausgabe, interpretiert Ergebnisse. Rechte Kante: B tut dasselbe aus einem anderen Blickwinkel. Untere Kante: A & B halten ergänzende Spezifikationen, teilen die Lücke zwischen ihnen. Keine Hierarchie. Keiner berichtet dem anderen.
Ausgabe: ein erreichtes Ziel. Nicht Mitarbeiterzahlwachstum. Nicht verwalteter Prozess. Eine geschlossene Lücke.
Skalierung durch Vervielfachung von Dreiecken: nicht durch Hinzufügen von Menschen.
Ein Dreieck behandelt ein Problem. Zehn Dreiecke behandeln zehn Probleme gleichzeitig. Jedes Dreieck betreibt unabhängig. unturf skaliert durch Dreiecke über Domänen, nicht durch den Aufbau von Verwaltungsebenen.
Entwerfen Sie ein Dreieck
Bauen Sie eines
Denken Sie an ein Problem, das Sie schließen möchten. Es muss keine Software sein. Bodengesundheit, Strukturprüfung, Curriculumdesign, Lieferkettenrouting, medizinischer Diagnose-Workflow: jede Domäne funktioniert.
Keine Änderung erforderlich
Externe Partner müssen ihre Unternehmung nicht umstrukturieren, um unturf beizutreten. Sie lösen sich nicht in unturf auf. Sie berichten nicht an unturf. Sie nehmen keine neue Marke oder Mission an.
Kommen Sie wie Sie sind. Bringen Sie Ihre bestehende Unternehmung mit. ML-Tools werden die Lücke zwischen Ihrer Unternehmung & unturfs Kindern überbrücken.
Schauen Sie auf das Diagramm aus dem Anfang dieser Lektion. Beachten Sie die goldenen Knoten: externe Partner, die zwischen Kind-Entitäten verbinden. Ein externer Partner könnte remarkbox (Kommentare) mit make_post_sell (Commerce) verbinden: Ermöglichung diskussionsgestützter Vitrinen. Oder verbinden Sie unsandbox (Code-Ausführung) mit unhomeschool (Bildung): Ermöglichung von Schülern, Code innerhalb einer Lektion auszuführen. Der Partner bringt seine Unternehmung mit; ML-Tools verwalten die Vermittlung.
Menschen partnerieren nicht. ML-Tools partnerieren zwischen Entitäten.
Mensch-zu-Mensch-Partnerschaft ist Ehe. Sie erfordert Vertrauen, Ausrichtung, langfristiges Engagement, gemeinsame Werte in der Tiefe. ML-vermittelte Partnerschaft zwischen Kind-Entitäten ist eine andere Sache ganz: sie ist eine technische Brücke zwischen Spezifikationen. Keine persönliche Ausrichtung erforderlich, außer einem gemeinsamen Problem zum Schließen.
Diese Unterscheidung ist wichtig. unturf bittet Partner nicht, zu glauben, was unturf glaubt, unturfs Kultur anzunehmen oder wie die Unternehmung läuft zu ändern. Sie fragt: Haben Sie eine Spezifikation? Haben Sie Domänentiefe? Gibt es eine Lücke zwischen Ihrer Unternehmung & einem von unturfs Kindern? Wenn ja, existiert ein Dreieck.
Ihre Unternehmung
Wo passen Sie hin?
Ein externer Partner im unturf-Netzwerk bringt seine Unternehmung: unverändert: und verbindet sich über ML mit einem oder mehreren Kindern.
Wege voraus
Wie Partnerschaft in der Praxis funktioniert
unturfs Netzwerk beizutreten erfordert keinen Vertrag, keine Präsentation, keine Umstrukturierung. Sie erfordert eine Spezifikation & eine Lücke.
Es gibt drei Wege:
1. Verwenden Sie die ML-Tools einer Kind-Entität direkt. unsandbox führt Ihren Code aus. uncloseai bietet LLM-Zugang. unhomeschool hostet Ihren Kurs. Dies sind offene Tools. Verwenden Sie sie.
2. Bauen Sie eine ML-Brücke zwischen Ihrer Unternehmung & einer Kind-Entität. Identifizieren Sie die Lücke zwischen dem, was Sie tun, & dem, was eine Kind-Entität tut. Schreiben Sie eine Spezifikation dafür, was ML überbrücken sollte. Beginnen Sie damit.
3. Schlagen Sie eine neue Kind-Entität vor. Wenn Ihr Bereich einen unterschiedlichen Problemraum darstellt, der nicht von bestehenden Kindern abgedeckt wird, schlagen Sie eine neue Entität vor. Sie würde ihr eigenes ML Triangle tragen & sich mit dem Schirm verbinden.
In allen drei Wegen bleibt Ihre Unternehmung Ihrs. Sie bringen Ihre Domänentiefe mit. ML-Tools vermitteln. unturf bietet den gemeinsamen Kontext, der Vermittlung über Bereiche hinweg kohärent macht.
Die Permacomputer-Wirtschaft wächst durch Vervielfachung von Dreiecken. Jede neue Partnerschaft fügt ein Dreieck hinzu. Jede neue Kind-Entität fügt einen Dreiecks-Fächer hinzu. Jeder gelöste Bereich öffnet benachbarte Bereiche für die gleiche Hebelwirkung.
Dies ist nicht ein Unternehmen, das Ihre Arbeit akquiriert. Es ist ein Netzwerk, das seine Kapazität zum Schließen von Lücken wächst: ein Paar, eine Maschine, ein Problem nach dem anderen.
Synthese
Abschließende Frage
Sie haben die vollständige Struktur behandelt: Schirm & Kinder, acht Formen von Kapital, extreme Hebelwirkung, das ML Triangle, & externe Partnerschaft via ML-vermittelten Brücken.