(本文是2011年11月以 "创建预见和预警模型 "为题发表的原始文章的全面更新版。绘制动态网络图（一）》）。绘制风险和不确定性是正确预测和管理风险和不确定性的正确过程的第二步。 这个阶段从建立一个模型开始，一旦完成，它将描述和解释手头的问题或议题，同时允许预测或预知。换句话说，随着第一步的结束，你已经选择了一个风险，一个不确定因素，或一系列的风险和不确定因素，或一个值得关注的问题，并有其适当的时间框架和范围，例如，什么是风险和不确定因素，以...
标签存档：驱动程序
当AI开始创造AI时--人工智能与计算能力
2018 年可能是美国凭借世界上最强大的超级计算机重新领先中国的一年。这可能是人工智能与计算力大战打响的一年。2017 年是人工智能开始创造人工智能（AI）的一年。这一年，中国超越美国 ...
继续阅读“When AI Started Creating AI – Artificial Intelligence and Computing Power”
★人工智能--力量、驱动力和利害关系
在此，我们将介绍当前人工智能（AI）指数式发展背后的驱动力和力量。深度学习是人工智能的一个子领域，它引领着这一扩张，正如我们在《人工智能何时为地缘政治提供动力--介绍人工智能》（开放存取）和《人工智能和深度学习--正在形成的新人工智能世界》（半开放）中所解释的那样。
继续阅读“★ Artificial Intelligence – Forces, Drivers and Stakes”
俄罗斯北极地区的战略思考：当威胁变成机遇 (1)
本系列文章共两篇，主要介绍了俄罗斯北极地区的发展现状，同时解释和展示了使用战略思维对政府以及商业行为者的重要性。事实上，地缘政治和环境变化的国际动态，包括它们之间的相互作用，正变得如此迅速和强大，以至于政治和商业行为者都 ...
继续阅读“Strategic Thinking in the Russian Arctic: When Threats Become Opportunities (1)”
用 "自我网络 "构筑展望方案的叙事方式
动态网络中的变量、价值和一致性
在这篇文章中，我们解释并讨论了使我们能够为Everstate--或为任何国家或所选择的问题--设定标准的方法背景，如帖子中所例举的"Everstate的特点."同时，我们还解决了一致性的问题。
重新审视影响力分析
一旦变量（根据作者，也称为因素和驱动因素）被确定，在我们的案例中 绘制的而大多数预见方法的目的是减少它们的数量，即只保留这些变量中的几个。
事实上，考虑到认知的局限性，以及有限的资源，人们试图获得一些可以被人脑轻松和相对快速地组合的变量。
我们在这里面临的方法论问题是如何最多减少这个变量的数量，确保我们不会重新引入偏见或/和简化我们的模型，以至于变得无用或次优。
此外，考虑到从业者对复杂模型的潜在不良反应，能够提出一个适当的简化或缩小的模型（但仍忠实于初始模型）往往是必要的。
