Ультимативный гайд по философии Roam Research

Еще заметочника пост, раз уж тема Roam тут проявлялась ранее. В сообществе Наташи Бабаевой попросили рассказать о Roam Research, которым пользуюсь и обожаю. Получилось выступление более чем на 2 часа, смотреть на скорости 1.5x — самое то. Вопросы и комментарии — велкам.

Заметки из рассуждений

• Low floor, high ceiling
• Глеб Калинин о TheBrain
• Вастрик о Workflowy
• Everything Is A Remix
• Пост о Zettelkasten в Вастрик.Клубе

Мануалы и обзоры

• Обзор RoamResearch в Вастрик.Клубе
• Канал Anonym.s
• Канал Shu Omi
• Канал Nat Eliason
• Reproducing PhD reading workflow with Roam Research
• Типичный Roam тур
• Roam Hacker

Файлы и ссылки для работы с Roam

• CSS, который использую
• Сокращение doo для Rocket Typist
• Text Expander на Javascript в Roam
• Шаблоны для метаданных
• Пример публичной базы Roam on Sundays

Расширения для Хрома

• Roam Highlighter
• Roam Toolkit
• Eloquent

Сайты и рассылки

• Roam Tips
• Roam Stack
• Roam Brain

Твиттеры

• https://twitter.com/ness_labs
• https://twitter.com/MentalNodes
• https://twitter.com/anthilemoon
• https://twitter.com/Anonym_s3
• https://twitter.com/Conaw
• https://twitter.com/RoamStack
• https://twitter.com/RoamFm
• https://twitter.com/fortelabs
• https://twitter.com/andy_matuschak

Roam White Paper

Roam — коллективный интеллект с открытым исходным кодом, который постоянно перестраивается, повторяется и развивается в поисках истины.

Почему выбрали графы

Пользователи могут преобразовывать и объединять идеи в нескольких перекрывающихся иерархиях, при этом каждая единица информации становится узлом в динамической сети.

Любой данный узел может одновременно занимать несколько позиций, передавать информацию через определенные отношения и вносить изменения по всему графу.

Благодаря весам, присваиваемым прочности отношений между узлами, Roam также становится инструментом для байесовского вывода и принятия решений.

Как обрабатывает мозг?

Мозг имеет замечательную емкость для хранения сырых данных, и он печально известен ошибками при обработке информации.

Пластичность мозга позволяет ему перестраиваться с новыми связями, но даже это свойство «используй или потеряй», вызывает забывание заброшенных нейронных путей.

Технологии, которые хотят преодолеть ограничения мозга — следуют одному и тому же базовому формату «картотеки»: единица знаний сохраняется по определенному пути к файлу, что помещает ее в таксономию папок, глав или категорий.

Чтобы получить доступ к информации, пользователь должен запомнить, где они сохранили файл, чем они пометили его, или использовать функцию поиска, чтобы найти его.

Информация передается через связи между нейронами и нейронными сетями, поэтому общая идея может быть доступна всему мозгу.

Концепция голубого неба может быть использована в бесчисленных, казалось бы, обособленных воспоминаниях о времени, проведенном на открытом воздухе.

Картотека — плохо

В отличие от мозга, подход картотеки затрудняет или делает невозможным преобразование или повторное использование одного и того же фрагмента информации.

Каждый раз, когда в какой-либо файл вносятся изменения, его необходимо отслеживать и обновлять в каждом месте, где он существует.

Это приводит к избыточности с загромождением почти идентичных идей и значительным объемам работы всякий раз, когда требуются общесистемные изменения.

Деревья знаний могут создавать псевдосвязи между файлами, вложенными в заданную иерархию, но они не являются явными и могут описывать только вертикальную таксономию «родительский и дочерний».

Как лучше?

Граф знаний, который отображает все возможные отношения с «умными» связями между определенными концепциями.

Объединять похожие идеи в несколько перекрывающихся иерархий, смешивать их, не перезаписывая исходный контекст, и выборочно делиться частями графика с другими для совместной работы над конкретными подвопросами.

Каждая заметка или файл — узел во взаимосвязанном графе идей.

Одиночный узел может одновременно занимать позиции в нескольких различных последовательностях, иерархиях или путях к файлам и может «сообщаться» с другими узлами, передавая информацию туда и обратно о характере каждой взаимосвязи.

Сеть является динамической, поэтому обновления и ревизии заполняются по всему графу одновременно.

Отдельные узлы или ответвления в сети могут быть разветвлены по мере необходимости, позволяя отклоняться новому пути без изменения первоначального значения.

Помимо рассуждений и аргументов, графы зависимостей находят применение в образовании, самостоятельном обучении и принятии общих решений. Даже очень сложный проект можно отследить до нескольких более мелких задач.

Пользователь может увидеть компромиссы, связанные с каждым путем, наметить, какой маршрут является самым быстрым и какой путь может приблизить их к другим интересным целям.

По мере того, как учащийся отмечает свой прогресс, он может открывать для себя новые проекты и пути, в которых используются приобретенные навыки.

Нелинейная причинно-следственная связь

Простые проблемы часто имеют прямую причинную связь.

Когда у пациента наблюдается ряд симптомов, тесно связанных с гриппом, врач может сделать вывод на основании наблюдаемых переменных, что существует одна невидимая переменная — вирус гриппа. Лечите эту скрытую переменную, и симптомы исчезнут.

Но не все так просто. Бывает симптомы, «вызванные» депрессией, например нарушение сна, утомляемость, чувство вины — также могут оказывать причинное влияние друг на друга и на само расстройство. Эта сложная сеть отношений, которая может включать петли обратной связи, не следует по пути линейной причинности.

С высоты птичьего полета можно выявить закономерности или кластеры, которые могут быть нелогичными или совершенно невидимыми, когда каждая часть головоломки исследуется на уровне объекта.

В духе Байеса

Закон вероятности, который говорит нам, насколько мы должны изменить свое мнение о чем-то, когда мы узнаем новый факт или получаем новые доказательства.

Качество решений может быть улучшено с помощью последовательных уровней доказательств за и против, даже если веса являются простыми оценками личных предпочтений.

Матрица оценки позволяет кому-то интегрировать большой объем информации в окончательное решение, а не прибегать к простой эвристике.

Оптимизация для интуитивной прозорливости (serendipity)

Нельзя форсить себя «думать иначе».

• Вместо того, чтобы пытаться использовать грубую силу для творчества, мозг должен столкнуться с новыми стимулами, чтобы реорганизовать свое восприятие.
• Случайный шум может вытолкнуть мысли из хорошо прослеживаемых канавок в совершенно новые области пространства идей.
• Обычно такое понимание происходит на стыке двух или более, казалось бы, не связанных между собой областей, концепций или изображений.
• Взаимосвязь графа знаний постоянно создает возможности для раскрытия интуиции.

Функция поиска в режиме роуминга может быть откалибрована так, чтобы включать столько шума, сколько желает пользователь:

• При поиске определенного отрывка или примечания поиск достаточно узкий, чтобы найти именно то, что имеет в виду пользователь.
• Однако его также можно расширить для «рыбалки» идей, нацеленной на выявление категорий идей.
• Некоторые результаты поиска будут состоять из примечаний, о которых пользователь мог бы забыть, некоторые из них будут шумными, а другие будут вызывать идеи, о которых пользователь даже не подозревал, что искал.

Синтез и перекрестное опыление идей из различных областей дает низко висящие плоды как для отдельных людей, так и для общества:

• Узкоспециализированные знания по-прежнему необходимы для открытия новых границ
• Однако для решения все более сложных проблем, с которыми сталкиваются ученые, технологи и политики, часто требуется междисциплинарный подход.

Finding signal in the noise

У нас есть склонность придумывать истории и объяснения случайности — так появляется ошибочное повествование — и становится все труднее отделить настоящий сигнал от шума.

Предположим, что тренд имеет отношение сигнал / шум 1: 1 за год (50% данных значимы, 50% случайны). Ежедневно наблюдая одни и те же данные, состав меняется на 95% шума и 5% сигнала. Ежечасное наблюдение за данными — становятся случайными на 99,5%, то есть в двести раз больше шума, чем сигнала.

Есть учреждения, которым доверена интерпретация данных, включая средства массовой информации, академические круги и законодательные органы. Некоторые агенты в этих учреждениях намеренно скрывают правду, о чем свидетельствуют «фальшивые новости», p-hacking и политиканство.

Поэтому для большинства людей проблема отделения сигнала от шума связана с поиском надежных и точных вторичных источников информации.

Эту сложную задачу часто срывают закрытые научные журналы, а также алгоритмы поисковых систем, которые все чаще используют подкованные в SEO контент-маркетологи.

Избыточность

Навигация в огромном море информации создает огромную избыточность.

Большинство людей трудятся над проблемами, которые уже были решены миллион раз.

Колесо изобретается снова и снова, в бесконечных форумах и в разделах комментариев, на веб-страницах и в книгах, которые возникают и так же быстро исчезают в безвестности.

Цель Roam — обеспечить систематическое кураторство и крупномасштабное сотрудничество.

Следить за работой людей, которым доверяют, будь то эксперты в предметной области или увлеченные любители.

Отказ от необходимого консенсуса

Почти каждый источник сегодня представляет знания, как если бы это было последнее слово; предполагая и необходимый консенсус, и неразделимую страницу.

Википедия — одно из величайших чудес эпохи Интернета, но она допускает обе эти ошибки.

Большая часть современного Интернета построена на технологиях с открытым исходным кодом, что было бы невозможно, если бы программисты следовали старым протоколам интеллектуального сотрудничества.

Естественному языку нужен набор инструментов для совместной работы, не уступающий тому, который используется для управления кодом.