Деполитизрованная история в системе S³-STACK. Многомерный ИИ анализ S³-DELTA

Глава 1. S³-DELTA: Слой 3 в системе S³-STACK

Где работает S³-DELTA

S³-DELTA — это третий слой в системе S³-STACK, которая состоит из четырёх взаимно синхронизированных модулей:

• Слой 1 (IA-Δ): находит единый сдвиг времени Δ между двумя летописями
• Слой 2 (ΔPATH-Graph): отсеивает географически невозможные сценарии
• Слой 3 (S³-DELTA): проверяет гипотезу в кубе трёх осей — Source, Space, Season
• Слой 4 (BT-REI): переоценивает вероятности в свете всех данных

S³-DELTA не работает в одиночку. Она получает на вход результаты Слоя 1–2, проводит собственный анализ, и передаёт результаты Слою 4. Остальные модули защищают её от ошибок.

Что такое S³-куб

S³-куб — это трёхмерное пространство проверок. Когда IA-Δ нашёл единый сдвиг Δ*, гипотеза не просто «верна» или «неверна». Она может быть:

• Правдоподобной на одном маршруте (работает только при одном географическом маршруте)
• Уязвимой в одном источнике (рушится, если удалить одну летопись)
• Привязанной к идеальной погоде (работает только в один месяц года)
• Правдивой (держится при вариациях везде)

Куб — это способ узнать, какая перед нами гипотеза: просто правдоподобная или действительно правдивая.

Три оси куба

Ось первая: Source (откуда берутся данные)

На этой оси S³-DELTA проверяет согласованность источников. Система спрашивает:

• Есть ли независимые летописи, или все списаны с одного первоисточника?
• Три летописи согласны? Но может быть, это копии одна другой?
• Есть ли материальные доказательства (монеты, артефакты), или только письменные?

Вариация: Убираем одну летопись и смотрим, держится ли гипотеза. Если держится, эта летопись не критична. Если падает, всё опирается на один источник — тревожный звонок.

Вариация-2: Переоцениваем вес каждого источника. Если один писец систематически ошибался, его вес меньше. Система перебирает разные веса и смотрит, при каких гипотеза ломается.

На выходе: число от 0 до 1, называется Q_source (качество источников). Если Q_source ≥ 0,70 — источники достаточно независимы. Ниже — гипотеза слишком привязана к одному каналу данных.

Ось вторая: Space (географическая реальность)

На этой оси S³-DELTA проверяет логистику маршрутов. Это данные приходят из ΔPATH-Graph (Слой 2), но S³-DELTA использует их для классификации гипотезы.

• Есть ли маршрут между местами событий?
• Можно ли пройти его за названное время?
• Есть ли узкие места (перевалы, пороги, волоки)?

Вариация: Закрываем один ключевой мост или перевал. Есть ли альтернативный путь? Если гипотеза работает только при одном маршруте, она ненадёжна.

Вариация-2: Меняем скорости движения на ±20%. Армия идёт быстрее летом (15 км/день), медленнее зимой (10 км/день). Гипотеза выживает при разных скоростях? Если нет — она привязана к одному темпу.

На выходе: число от 0 до 1, называется Q_space (географическая достижимость). Если Q_space ≥ 0,70 — маршруты реальны и устойчивы к вариациям. Ниже — гипотеза живёт только при идеальной географии.

Ось третья: Season (сезонность и календари)

На этой оси S³-DELTA проверяет соответствие сезонным окнам.

• Когда открыта навигация (май-август)? Когда река льдеет (ноябрь-март)?
• Когда ветры позволяют плыть морем? Когда идёт война (летом) и когда сидят в крепостях (зимой)?
• В какие месяцы ярмарки, в какие — паломничества?

Вариация: Сдвигаем начало года. В разных регионах год начинался в разное время (январь, март, сентябрь, апрель). Гипотеза рушится, если сдвинуть календарь? Это значит, она зависит от конкретного летосчисления, а не от реальных событий.

Вариация-2: Смешиваем сезоны. Какой-то год был холодный, навигация закрылась в августе вместо сентября. Гипотеза выживает? Или работает только при идеальной погоде?

На выходе: число от 0 до 1, называется Q_season (сезонная возможность). Если Q_season ≥ 0,70 — события могли произойти в названный период. Ниже — гипотеза уязвима к сезонным смещениям.

Вместо одного 3D-куба, который невозможно корректно отобразить в 2D без искажений, я использовал три отдельных 2D-хeatmap'а, каждый показывающий одно сечение куба:

Левый график (Source-Season):

• Горизонталь (столбцы): Season θ_T — от нормальной сезонности к аномалиям
• Вертикаль (строки): Source θ_S — от единых весов к дифференцированным
• Зелёные клетки = гипотеза выживает при этой комбинации Source и Season
• Красные клетки = гипотеза рушится

Центральный график (Season-Space):

• Горизонталь: Space θ_P — от речных маршрутов к морским
• Вертикаль: Season θ_T — от нормальных окон к аномальным
• Показывает, как гипотеза зависит от логистики и сезонности

Правый график (Space-Source):

• Горизонталь: Source θ_S — от независимых к зависимым источникам
• Вертикаль: Space θ_P — от медленных путей к быстрым
• Показывает взаимодействие источниковой надёжности и пространственной достижимости

Преимущество такого представления:

• ✓ Нет задвоения осей
• ✓ Каждая ось однозначно ориентирована (горизонталь или вертикаль)
• ✓ Три независимые плоскости показывают все комбинации параметров
• ✓ Зелёное и красное чётко видны без перспективных искажений
• ✓ SG можно вычислить как общую долю зелёных клеток во всех трёх графиках

Как работает куб: математика стойкости

Историческое событие внутри куба — это не просто точка, это целый объём. Система меняет условия по всем трём осям одновременно, перебирая тысячи комбинаций.

Для каждой комбинации спрашивается: гипотеза держится?

Да → закрашиваем точку зелёным.
Нет → закрашиваем красным.

На выходе две главных цифры:

Стойкость (S) — какой процент куба зелёный?

• 75%+ — отлично, гипотеза везде живёт. Это настоящая гипотеза.
• 50% — спорно, половина условий её ломает. Нужны уточнения.
• 10% — красивая история, которая работает только при идеальной конфигурации.
• 5% — это не гипотеза, это везение.

Карта уязвимостей — где именно куб становится красным?

Может быть, гипотеза убивается при отключении одного источника? Тогда во всех точках с Source = 0,3 она падает.

Или при закрытии одного моста? Тогда на всей оси Space = 0,5 красная полоса.

Или в условиях холодного года? Тогда Season = 0,2 не работает.

Карта показывает: в каких координатах куба гипотеза теряет опору.

Почему это честнее старого метода

Старый метод выносил суд на основе одной точки: идеальные условия, все источники, одна дорога, один календарь. «Вот видите, совпадает!» — считалась проверенной.

S³-DELTA проверяет не одну точку, а весь объём куба. Если гипотеза держится везде — это не везение, это наука. Если только в одной точке — это попадание в мишень, не больше.

Как ставятся пороги: три оси должны согласиться

S³-DELTA не использует голосование (2 из 3 согласны). Она использует конъюнкцию (все три должны согласиться одновременно).

Вердикт присваивается так:

• Зелёный класс: Q_source ≥ 0,70 И Q_space ≥ 0,70 И Q_season ≥ 0,70
  Все три оси согласны. Гипотеза может быть опубликована как основной результат.
• Зелёно-жёлтый класс: Одна ось ниже 0,70, две выше
  Например, Q_space = 0,68, а остальные выше. Гипотеза рабочая, но нужны уточнения по географии.
• Жёлто-красный класс: Две оси ниже 0,70
  Гипотеза спорная. Может быть включена в слой веера альтернатив, но не в основной слой.
• Красный класс: Хотя бы одна ось ≤ 0,50
  Гипотеза отклонена. Архивируется как альтернатива.

Стресс-пакет: как проверяется каждый класс

Для того чтобы гипотеза получила класс, она должна пройти стресс-тесты. S³-DELTA проводит три простых испытания:

Испытание 1: Перестановка событий

Переставляем события внутри летописи и смотрим, сохраняется ли совпадение. Если совпадение появляется и при других перестановках, это не совпадение, а артефакт.

Испытание 2: Удаление одного источника

Убираем одну летопись и смотрим, держится ли гипотеза. Если гипотеза рушится целиком, она зависит от одного источника (высокий риск).

Испытание 3: Варьирование скоростей

Меняем скорости движения на ±15%. Гипотеза выживает? Это показывает, насколько жёстко она привязана к конкретному темпу.

Если гипотеза прходит все три испытания, она получает галочку стойкости.

Роль S³-DELTA в S³-STACK

S³-DELTA занимает центральное место в оркестре модулей:

• IA-Δ (Слой 1) находит Δ* и защищает S³-DELTA от нарушения единого сдвига
• ΔPATH-Graph (Слой 2) фильтрует невозможное географически и передаёт карту маршрутов в S³-DELTA
• S³-DELTA (Слой 3) выносит вердикт: согласны ли все три оси?
• BT-REI (Слой 4) переоценивает вероятности дат в свете вердикта S³-DELTA

S³-DELTA не может выносить вердикт в одиночку. Она полагается на:

• Правильный Δ* из IA-Δ
• Правильную географию из ΔPATH-Graph
• Правильные якоря из BT-REI (которые придут позже)

Норма научности для публикации

Когда историк публикует результат, он обязан показать не только вывод, но и куб проверок.

Что показать:

• Границы Δ-допусков: на сколько процентов можно изменить условия, пока гипотеза жива?
• Процедуру перебора: сколько точек перебрали в кубе? Систематично ли?
• Профили стойкости: какой процент куба зелёный? Где красный?
• Результаты стресс-тестов: перестановка, удаление, варьирование — что показали?

Без этого результат остаётся риторикой, красивой историей, но не наукой.

Практическое предчувствие

Умный историк интуитивно знает: если гипотеза живёт только при «идеальной погоде» (одно окно сезона, один источник, один путь на карте), она подозрительна.

S³-DELTA превращает это предчувствие в расчёт. Объём куба, в котором гипотеза жизнеспособна — это мерило её научной стоимости.

• Узкий куб (живёт в 5% объёма) — шаткая гипотеза, везение
• Широкий куб (живёт в 80% объёма) — надёжная гипотеза, наука

Что дальше

В следующей главе мы разберём, как S³-DELTA взаимодействует с ΔPATH-Graph в Фазе 3 выполнения. Мы увидим, как географические ограничения от Слоя 2 обновляют классы в Слое 3, и как результаты Слоя 3 влияют на фильтрацию маршрутов в Слое 2.

Ключевая идея: S³-DELTA и ΔPATH-Graph не конкурируют, они взаимно уточняют друг друга в едином цикле проверки.

Спор о датировке решают не интуиции, а этот цикл. И именно в этом сила S³-STACK.

Глава 2. Три оси куба: критерии прохождения и присвоение классов

Введение: архитектура S³-куба

В Главе 1 мы узнали, что S³-куб различает четыре категории гипотез по их устойчивости: уязвимую, правдоподобную, рабочую и правдивую. Теперь разберём, как это работает технически.

S³-DELTA проверяет гипотезу по трём осям одновременно: Source, Space, Season. Каждая ось имеет свои критерии, свои пороги, свои индикаторы прохождения.

Главный принцип: все три оси должны согласиться. Если одна ось не согласна, гипотеза не может быть зелёной (правдивой), даже если две другие оси в полном порядке.

2.1. Базовые определения

Гипотеза (H) — проверяемое утверждение (маршрут, датировка, атрибуция текста, локализация события).

Куб параметров (Ω) — декартово произведение трёх осей вариаций:

Ω = Ω_Source × Ω_Space × Ω_Season

Точка ω ∈ Ω — это конкретная конфигурация: какой вес имеет каждый источник, какой путь выбран на карте, какой календарь используется. Система перебирает тысячи таких точек.

Прохождение (I(H, ω)) — индикатор, 0 или 1:

• I(H, ω) = 1, если гипотеза выживает при параметрах ω
• I(H, ω) = 0, если гипотеза рушится

2.2. Ось 1: Source (источники и зависимости)

Что мы проверяем

На оси Source система проверяет четыре условия:

• Вероятностное соответствие — насколько вероятна гипотеза при имеющихся источниках?
• Независимость — есть ли несколько независимых подтверждений, или всё опирается на один источник?
• Противоречия — не противоречат ли источники друг другу?
• Молчание корпуса — нет ли странных пропусков?

Техника проверки

Условие 1: Байесова оценка поддержки

Пусть G_S = (V_S, E_S) — граф источников, где вершины это летописи, грамоты, карты; рёбра это зависимости (заимствование, редактура, общий протограф).

Для гипотезы H выделяем наблюдаемые признаки D = {d_k}: топоним, длительность перехода, титулатура, датировка.

Апостериорная вероятность гипотезы при параметрах θ_S (веса источников):

P(H | D, θ_S) пропорциональна P(H) × произведение по k от P(d_k | H, θ_S)

Смысл: какова вероятность того, что эти три летописи описывают одно и то же событие?

Порог прохождения: P(H | D, θ_S) ≥ τ_S (обычно τ_S = 0,70)

Интерпретация для историка: Если эта вероятность выше 70%, то вероятнее всего, что летописи описывают один факт, а не совпадение.

Условие 2: Трассировка происхождения и независимость

Для каждого признака d_k строим множество независимых носителей I(d_k) ⊆ V_S (источники, которые упоминают этот признак, но не списаны друг с друга).

Доля независимых подтверждений:

Indep(d_k) = количество независимых носителей / всего носителей d_k

Совокупная независимость:

Indep_D = минимум по всем k значения Indep(d_k)

Смысл: это минимальный процент независимых источников среди всех признаков. Если один признак упомянут в 5 источниках, но все они копии друг друга, это плохо.

Порог прохождения: Indep_D ≥ ι_S (обычно ι_S = 0,50, минимум два независимых источника)

Интерпретация для историка: Если хотя бы половина источников независимы (не копируют друг друга), то гипотеза не опирается на одну традицию.

Условие 3 и 4: Противоречия и молчание корпуса

Даже если источники согласны, может быть странное молчание. Например, если король умер в столице, то капеллан должен был записать дату. Если молчит — это подозрительно.

Штраф за противоречия:
Contr_D(θ_S) ≤ κ_S

Штраф за молчания:
Sil_D(θ_S) ≤ σ_S

Смысл: молчания не должны противоречить гипотезе более чем на κ_S и σ_S процентов.

Пороги: обычно κ_S = 0,30 (не более 30% противоречий), σ_S = 0,25 (не более 25% странных молчаний)

Результат: Q_source

Гипотеза проходит ось Source, если выполнены ВСЕ четыре условия одновременно:

P(H | D, θ_S) ≥ τ_S И Indep_D ≥ ι_S И Contr_D ≤ κ_S И Sil_D ≤ σ_S

На выходе — число Q_source от 0 до 1:

• Q_source ≥ 0,70: Все четыре условия выполнены. Ось Source пройдена.
• 0,50 ≤ Q_source < 0,70: Большинство условий выполнено, но есть одна проблема.
• Q_source < 0,50: Несколько условий не выполнены. Ось Source не пройдена.

2.3. Ось 2: Space (пространство и логистика)

Что мы проверяем

На оси Space система проверяет: существуют ли географические маршруты, и достаточно ли времени для их прохождения?

Техника проверки

Условие 1: Существование допустимого маршрута

Пусть G_P = (V_P, E_P) — транспортно-географический граф: города, реки, переправы, волоки.

Для каждого ребра e заданы:

• L(e) — длина (в км)
• C(e, θ_P) — стоимость (в днях пути) при конфигурации θ_P

Требуемый маршрут R между городами s и t должен удовлетворять:

C(R, θ_P) = сумма C(e, θ_P) по всем ребрам e в маршруте R ≤ B_C

где B_C — бюджет времени (максимально допустимое время путешествия).

Смысл: от города A к городу B можно добраться менее чем за B_C дней?

Интерпретация: Если летопись говорит, что экспедиция прошла за 2 месяца, то B_C = 60 дней. Система считает кратчайший путь и проверяет, вписывается ли.

Условие 2: Временная осуществимость

Логистическая модель даёт длительность маршрута в зависимости от типа транспорта и условий:

T(R, θ_P, θ_T) = длительность маршрута

Факторы:

• Тип судна (лодка: 40 км/день, парусник: 50 км/день)
• Тип войска (армия: 20 км/день, конница: 30 км/день)
• Погода и сезон (учитываются через θ_T)

Порог: T(R, θ_P, θ_T) должна вписываться в календарное окно (см. Ось 3).

Условие 3: Многопоточность (если применимо)

Если гипотеза включает несколько синхронных процессов (два отряда одновременно, караваны), система проверяет, хватит ли пропускной способности маршрутов.

Результат: Q_space

Гипотеза проходит ось Space, если:

существует маршрут R с C(R, θ_P) ≤ B_C И T(R, θ_P, θ_T) совместимо с сезонностью

На выходе — число Q_space от 0 до 1:

• Q_space ≥ 0,70: Маршруты реальны, логистика сходится. Ось Space пройдена.
• 0,50 ≤ Q_space < 0,70: Маршруты есть, но натянуто или узкие места. Частично пройдена.
• Q_space < 0,50: Маршрутов нет, логистика невозможна. Не пройдена.

2.4. Ось 3: Seasonality (сезонность и расписание)

Что мы проверяем

На оси Season система проверяет: совпадает ли расписание событий с сезонными окнами?

Техника проверки

Условие 1: Окна навигации

Календарная конфигурация θ_T определяет функции доступности:

W_e(t) = 0 или 1

для каждого ребра e в каждое время t:

• W_e(t) = 1, если ребро доступно (река не льдеет, море спокойно, дорога проходима)
• W_e(t) = 0, если ребро заблокировано (ледостав, штормы, война)

Маршрут R допустим, если существует график π и старт t_0, такие что каждое ребро проходится в разрешённое время:

W_e(π(e)) = 1 для всех ребер e в маршруте R

Смысл: если река замерзает в ноябре, то экспедиция не может выйти в ноябре.

Условие 2: Синхронизация событий

Если гипотеза включает встречи, битвы, обряды, их тайм-слоты {S_j} должны совместиться с логистическим расписанием π.

Смысл: два посла встретились 1 июня. Один шёл 20 дней, другой 15 дней. Может ли это быть синхронно?

Условие 3: Допуск на Δ-аномалии

Допускаются вариации окон (ранняя весна, поздняя осень) в пределах θ_T. Маршрут должен оставаться осуществимым в доле сценариев:

доля благоприятных сценариев ≥ τ_T

(обычно τ_T = 0,80, то есть 80% вариаций сезонности)

Смысл: даже в холодный год (лёд появляется раньше) маршрут должен быть возможен хотя бы в 80% случаев.

Результат: Q_season

Гипотеза проходит ось Season, если:

существует допустимый график π И доля осуществимости ≥ τ_T

На выходе — число Q_season от 0 до 1:

• Q_season ≥ 0,70: Календарное расписание согласуется, окна открыты. Пройдена.
• 0,50 ≤ Q_season < 0,70: Расписание натянуто, но возможно. Частично.
• Q_season < 0,50: Расписание противоречит сезонности. Не пройдена.

2.5. Композиция трёх осей: конъюнкция

S³-DELTA использует правило единогласия: все три оси должны согласиться.

Жёсткие отказы (hard fail): если ось даёт жёсткий отказ (например, географическая недостижимость), гипотеза не может быть зелёной, независимо от других осей.

Мягкие отказы (soft fail): если ось даёт мягкий отказ (недобор вероятности, но теоретически возможно), это может быть компенсировано внутри куба другими конфигурациями.

Вердикт присваивается конъюнкцией:

Класс гипотезы определяется по следующему правилу:

• Зелёный (правдивая): если Q_S ≥ 0,70 И Q_P ≥ 0,70 И Q_T ≥ 0,70
• Жёлто-зелёный (рабочая): если две оси ≥ 0,70, одна слабее
• Жёлто-красный (уязвимая): если одна ось ≥ 0,70, две слабее
• Красный (правдоподобная): если все оси < 0,50

2.6. Интегральные показатели: Стойкость (SG) и Риск (SR)

Стойкость (Stability Grade, SG)

Какой процент куба зелёный?

SG(H) = (1 / μ(Ω)) × интеграл по всему кубу от I(H, ω) dμ(ω)

На практике вычисляется приблизительно:

SG(H) ≈ (1 / N) × сумма I(H, ω_i) для i от 1 до N

где μ(Ω) — мера на кубе (чаще всего равномерная), ω_i — точки выборки, N — количество проверённых точек.

SG ∈ [0, 1] показывает долю объёма куба, где гипотеза жизнеспособна.

Интерпретация:

• SG ≥ 0,75: Гипотеза везде живёт. Это действительно правдивая гипотеза.
• SG ≥ 0,60: Гипотеза живёт в большинстве случаев. Рабочая версия.
• SG < 0,30: Гипотеза живёт в 5–10% случаев. Это красивая история, не наука.

Риск хрупкости (Stress Risk, SR)

Как чутко реагирует гипотеза на малые возмущения?

SR_j(H) = ожидаемое значение величины [I(H, ω) - I(H, ω + δ_j)]+

где δ_j — локальное смещение вдоль оси j (Source, Space, Season).

Смысл: если чуть-чуть изменить параметры, рушится ли гипотеза?

Интерпретация:

• SR ≤ 0,10: Гипотеза стойкая, реагирует только на крупные изменения.
• SR ≈ 0,30: Гипотеза чутко реагирует, нужны уточнения.
• SR > 0,50: Гипотеза хрупкая, ломается от мелких толчков.

2.7. Карта уязвимостей

Система строит тепловую карту по сетке Ω с пометкой типа отказа (Source / Space / Season).

Что показывает:

• Красная полоса на оси Source: гипотеза ломается при определённых весах источников
• Красная полоса на оси Space: гипотеза ломается при закрытии определённых маршрутов
• Красная полоса на оси Season: гипотеза ломается в определённые месяцы или при аномальных годах

Карта руководит историка: вот здесь нужны новые данные.

2.8. Стресс-пакет: три испытания

Испытание 1: Тест на перестановку (permutation test)

Система переставляет события случайно и смотрит: может ли совпадение возникнуть при случайной перестановке?

p_perm = (число благоприятных перестановок) / (общее число перестановок N_perm)

Порог: p_perm ≤ 0,01 (совпадение редче, чем в 1% случайных перестановок)

Испытание 2: κ-ban (запрет на локальные поправки)

Система удаляет κ (локальные календарные поправки, сдвиг на 1–2 недели) и смотрит, держится ли гипотеза.

Δ S(κ-ban) = падение S_pair при удалении κ

Порог: Δ S(κ-ban) ≤ 0,03 (падение не более 3%)

Испытание 3: Anchor-knockout (выключение якорей)

Система удаляет один якорь (затмение, монету, стратиграфию) и смотрит, выживает ли класс.

Результат: если класс падает ниже порога при удалении одного якоря, этот якорь критичен и одинок.

2.9. Воспроизводимость и публикация

Каждая проверка публикует:

• Описание куба (Ω) и меры (μ): какие диапазоны вариаций использовались?
• Пороги и правила отказов: τ_S, ι_S, κ_S, σ_S, B_C и прочее
• Размер выборки (N) и метод (Монте-Карло, латинский гиперкуб, сетка)
• Результаты: SG, SR с доверительными интервалами
• Жёсткие отказы и причины: где именно гипотеза рушится?
• Версии графов G_S, G_P и календарной модели

Без такой публикации результат остаётся риторикой.

Резюме

S³-DELTA проверяет гипотезу по трём осям одновременно:

• Source: P(H|D,θ_S), Indep_D, Contr_D, Sil_D → Q_source
• Space: маршруты, логистика, пропускная способность → Q_space
• Season: календарные окна, синхронизация, аномалии → Q_season

Вердикт: конъюнкция всех трёх осей. Все три должны согласиться, иначе класс не будет зелёным.

Интегральные показатели: SG (какой процент куба зелёный) и SR (чувствительность к возмущениям).

Стресс-тесты: перестановка, κ-ban, anchor-knockout.

Это позволяет историку честно сказать: «Эта гипотеза не просто совпадает, она устойчива к вариациям данных» — или наоборот: «Это красивая история, но работает только в одном сценарии».

Глава 3. Вычислительная процедура S³-DELTA: выборка сценариев, маршрутизация и календарная синхронизация

3.1. Общая схема расчёта

S³-DELTA (допустимо именовать BT-REI-ΔPATH-Graph) реализуется как эксперимент по проверке гипотезы H на сетке параметров S³-куба:

Ω = Ω_Source × Ω_Space × Ω_Season

Для каждой точки ω ∈ Ω вычисляется индикатор прохождения I(H, ω), который равен 0 или 1:

• I(H, ω) = 1, если гипотеза выживает при параметрах ω
• I(H, ω) = 0, если гипотеза рушится

Интегральные показатели устойчивости (SG) и риска (SR) получаются агрегацией всех I(H, ω):

• SG показывает долю объёма куба, где H жизнеспособна
• SR показывает чувствительность H к деформациям по осям

Процедура состоит из восьми этапов:

1. Параметризация осей Source, Space, Season
2. Построение выборки сценариев {ω_i} для i от 1 до N
3. Расчёт на оси Source (постериор, независимость)
4. Расчёт на оси Space (поиск маршрутов и потоков)
5. Расчёт на оси Season (расписание в окнах доступности)
6. Агрегация результатов и доверительные интервалы
7. Стресс-тесты и абляции
8. Отчётность и воспроизводимость

3.2. Параметризация и Δ-сценарии

Ось Source: веса и зависимости

Параметры θ_S включают:

• Веса узлов корпуса (сколько доверия каждой летописи?)
• Штрафы за зависимость по рёбрам графа источников G_S (если летопись B скопирована с летописи A, вес B снижается)
• Вариации по модели пропуска и молчания (как штрафовать отсутствие упоминания?)
• Профили правдоподобия P(d_k | H, θ_S) для каждого признака (топонима, даты, титула)

На практике θ_S задаёт: "Какой вес имеет каждый источник в текущем сценарии?"

Ось Space: граф и логистика

Параметры θ_P задают:

• Транспортный граф G_P (какие варианты топологии допустимы? Есть ли волоки вокруг порогов?)
• Варианты пропускных способностей (широкая ли река для двух лодок одновременно?)
• Распределения затрат рёбер C(e, θ_P) (сколько дней пути на этом участке?)
• Доступность переволок и портов (все ли переправы работают в данном сценарии?)
• Модели времени движения (армия vs торговцы vs монахи — разные скорости)

На практике θ_P задаёт: "На этот раз используем маршрут через волок у порога, скорость 20 км/день, переправа открыта."

Ось Season: окна и календари

Параметры θ_T определяют:

• Временные окна W_e(t) для каждого ребра e и времени t (ребро e доступно в месяце t или нет?)
• Календарные циклы (ярмарки в августе, литургические окна в посты)
• Допустимые Δ-аномалии (смещения сезонов на ±2 недели, ранняя весна, поздняя осень)

На практике θ_T задаёт: "В этом сценарии ледостав начался на месяц раньше, навигация окончилась в августе вместо сентября."

Δ-сценарий

Конкретное сочетание (θ_S, θ_P, θ_T) образует одну точку ω в S³-кубе. Δ-сценарий — это всё одновременно: какой вес источников, какой маршрут, какой календарь. Система перебирает тысячи таких комбинаций.

3.3. Стратегии выборки точек из куба Ω

Полный перебор куба обычно невозможен (слишком много комбинаций). Поэтому используется стохастический дизайн эксперимента.

Латинский гиперкуб (LHS)

Даёт равномерное покрытие по маргиналям каждого параметра (по каждой оси спреди что-то есть, не только на краях). Хорошая дисперсия без экспоненциального роста объёма.

Преимущество: не нужно N² или N³ точек, как при полной сетке.

Квазислучайные последовательности (Соболя, Халтона)

Улучшают пространственное заполнение по сравнению с обычным Монте-Карло. Повышают стабильность оценки SG.

Результат: меньше артефактов, более гладкая карта куба.

Адаптивная выборка

После пилотной серии из N_0 точек система дополнительно уплотняет области, где I(H, ω) меняется при малых смещениях (границы прохождения). Это значит: там, где гипотеза находится на грани (может пройти или не пройти), нужно больше точек.

Размер выборки

Поскольку SG — это доля успехов (либо пройдена, либо нет), для желаемой половинной ширины доверительного интервала ε (при худшем случае, когда вероятность = 0,5), достаточно:

N примерно равно z^2 / (4 × ε^2)

где z — квантиль нормального распределения (например, 1,96 для 95% доверия).

На практике: для точности ±5% нужно примерно 385 точек.

3.4. Расчёт по оси Source: постериор и независимость

Для каждого сценария θ_S выполняются три подсчёта:

Постериор (вероятность гипотезы)

Вычисляется P(H | D, θ_S), которая пропорциональна:

P(H) × произведение по k от P(d_k | H, θ_S)

Учитывается модель зависимостей:

• Корректировка на кластеры заимствования по G_S (если две летописи копируют друг друга, это ослабляет обе)
• Фактор-графы с сообщениями beliefs (алгоритм передачи сообщений для вычисления апостериора)

Результат: число от 0 до 1, насколько вероятна гипотеза.

Независимость

По каждому признаку d_k строится множество независимых носителей I(d_k) (какие источники упоминают d_k и не списаны друг с друга).

Затем:

Indep_D = минимум по k от (количество независимых носителей d_k / всего носителей d_k)

Результат: число от 0 до 1, какая доля источников независимы.

Проверка пороговых условий

Проверяются пороги τ_S, ι_S и штрафы κ_S, σ_S:

• P(H | D, θ_S) ≥ τ_S (обычно 0,70)
• Indep_D ≥ ι_S (обычно 0,50)
• Contr_D ≤ κ_S (не более 30% противоречий)
• Sil_D ≤ σ_S (не более 25% странных молчаний)

При нарушении любого порога — жёсткий отказ по оси Source.

Оптимизации

• Предвычисление метаданных G_S (транзитивные замыкания зависимостей)
• Кэширование правдоподобий по типам признаков (все топонимы обсчитываются один раз)
• Векторизация расчётов (вычислять по всем ω_i параллельно, не один за другим)

3.5. Расчёт по оси Space: маршруты и потоки

Модель графа

Граф G_P = (V_P, E_P) состоит из:

• Вершин: города, монастыри, порты, переправы
• Рёбер с весами: C(e, θ_P) (стоимость в днях, времени или риске)
• Ограничений пропускной способности (максимум 2 лодок одновременно на узком участке реки)
• Ограничений доступности (этот ход закрыт при θ_P?)

Задачи маршрутизации

Маршрутизация одиночная: поиск маршрута R с минимальной стоимостью при ограничениях.

Алгоритмы: Dijkstra (простой граф), A* (если есть эвристика расстояния), ALT-метод (с реперными вершинами для ускорения).

Маршрутизация с ресурсами: учёт ограничений топлива, экипажа, перегрузок.

Пример: лодка может везти груз 100 кг, но нужно везти 150 кг. Нужна промежуточная стоянка на посёлке для перегрузки.

Алгоритмы: ресурсно-ограниченный кратчайший путь (RCSP), динамическое программирование, методы label-setting.

Потоки: многотоварные потоки с узкими местами.

Пример: две караваны одновременно. Каждая хочет через узкий перевал. Гипотеза осуществима, если обе хотя бы не одновременно (или обе прошли в разные дни).

Временные графы

При зависимости скоростей от времени суток или сезона (днём быстрее, ночью медленнее; летом быстрее, зимой медленнее) используется time-dependent shortest path.

Вес ребра становится функцией времени входа.

Ускорения и оптимизации

• Иерархии сокращений (Contraction Hierarchies): предобработка графа один раз, потом поиски быстрые
• Многослойные графы: море, реки, суша как отдельные слои (быстрее, чем весь граф в одном)
• Предвычисление матриц расстояний между ключевыми узлами (столицы, крупные порты)
• Кэширование изоморфных подсетей (повторяющиеся фрагменты: волок, переправа)

Отказы

Отсутствие допустимого маршрута или потока при θ_P даёт жёсткий отказ по оси Space.

3.6. Расчёт по оси Season: расписание и окна доступности

Окна рёбер

Для каждого ребра e задана булева функция W_e(t):

• W_e(t) = 1, если ребро доступно в момент t (навигация открыта, нет штормов, война не идёт)
• W_e(t) = 0, если ребро заблокировано (ледостав, штормы, война, непроезжее разлитие)

Маршрут R осуществим, если:

• Существует график π (расписание старта каждого ребра)
• Существует старт t_0
• Для всех рёбер e в R выполнено W_e(π(e)) = 1
• Интервалы ожиданий и переналадок вписываются в допустимые пределы

Синхронизация событий

Если в гипотезе H присутствуют встречи, ярмарки, литургические даты (множество {S_j}), решается задача календарной состыковки:

• Вариант 1: shortest path with time windows (граф расширяется временем, ищется путь, удовлетворяющий временным окнам для каждого события)
• Вариант 2: constraint satisfaction problem (CSP) с мягкими штрафами (встреча в точное время даёт бонус, но штрафует, если с задержкой)

Δ-аномалии

Внутри θ_T допускаются вариации: смещения сезонов на несколько недель, экстремальные годы (холодные, теплые).

Требуется: доля осуществимых траекторий не ниже τ_T (обычно 80%).

Смысл: даже если год аномальный, маршрут должен быть осуществим хотя бы в 80% случаев.

Алгоритмы

• Временные расширения графа (time-expanded network): для каждого временного шага дублируется множество вершин
• Метки с временем прибытия (labels with arrival time): для каждой вершины запоминаем, когда мы туда пришли
• Ограничения простоев и окон (waiting constraints and time windows)
• Для сложных многоступенчатых графиков: смешанные целочисленные модели (MILP) с ограничениями времени

Отказы

Отсутствие осуществимого графика π при θ_T даёт жёсткий отказ по оси Season.

3.7. Агрегация и доверительные интервалы

После расчётов по трём осям для каждой ω_i фиксируется I(H, ω_i).

Оценка устойчивости

Оценка SG вычисляется как среднее:

SG_hat = (1 / N) × сумма I(H, ω_i) для i от 1 до N

(Берём долю сценариев, где гипотеза прошла.)

Доверительный интервал для SG

Доверительный интервал для SG вычисляется по методам Вильсона или Клоппера–Пирсона (это более точные методы, чем наивная формула ± z × sqrt(p(1-p)/N)).

Для публикаций рекомендуется приводить обе оценки:

• Точечная оценка: SG_hat = 0,68
• Интервальная оценка (95%): [0,62; 0,74]

Риск хрупкости (SR)

SR оценивается как средний объём отказов при локальных смещениях вдоль осей.

Дополнительно возможны глобальные индексы чувствительности (например, индексы Соболя) по параметрам внутри каждой оси.

3.8. Стресс-тесты, абляции и локализация уязвимостей

Стресс-тесты

Систематические деформации:

• На оси Source: обнуление целых ветвей корпуса (удаляем все летописи одной школы, смотрим, держится ли)
• На оси Space: закрытие критических переправ, портов, волоков
• На оси Season: сдвиг всех сезонных окон на месяц вперёд

Для каждой деформации измеряется:

• Δ SG (на сколько упала стойкость?)
• Рост SR (стала ли гипотеза хрупче?)

Абляции (удаление компонентов)

Удаление целых классов признаков (например, топонимии или длительностей переходов) или типов рёбер (морских, речных).

Результат: вклад каждого компонента в SG.

Пример: если убрать топонимы и SG упал на 20%, значит топонимы дают 20% уверенности.

Карты отказов

Тепловые карты по кубу Ω с пометкой типа отказа:

• Source: отказ по источникам
• Space: отказ по географии
• Season: отказ по сезонности

Дополнительно: плотности жёстких отказов (маршрута нет) vs мягких отказов (маршрут есть, но вероятность низка).

Эти карты показывают историку: вот в этой части куба гипотеза ломается. Здесь нужны новые данные (новые источники, уточнение карты, климатические реконструкции).

3.9. Организация вычислительного эксперимента

Реплицируемость (воспроизводимость)

Фиксируются:

• PRNG-seed'ы (зёрна генератора случайных чисел)
• Версии графов G_S, G_P
• Версии календарных моделей
• Полное описание куба Ω и меры μ (какие диапазоны параметров, равномерность)

Логи содержат для каждого ω_i:

• Конфигурацию (какие θ_S, θ_P, θ_T)
• Исходы по осям (pass/fail и причины жёстких отказов)
• Найденные маршруты и расписания (если имеются)
• Значения P(H | D, θ_S), Indep_D, бюджеты, окна

Результат: независимый исследователь может повторить расчёт и получить ровно SG_hat.

Кэширование

Результаты маршрутизации и расписаний кэшируются по хэшам подсетей и шаблонов окон (если два ω_i используют одну и ту же подсеть, второй поиск берёт результат из кэша).

Вероятностные компоненты оси Source кэшируются по классам признаков (все топонимы одного типа обсчитываются один раз).

Идемпотентность

Повторный прогон на том же наборе {ω_i} при фиксированных seed'ах обязан выдавать идентичный SG_hat с точностью до машинного нуля (учитываются только ошибки округления компьютера).

Масштабирование

Для крупных графов:

• Распределённая маршрутизация: batch-поиск по множеству источников и целей одновременно
• Разбиение Ω по узлам кластера (каждый узел обсчитывает свою часть куба)
• Асинхронный сбор I(H, ω) с детерминистическим редьюсом (собрать результаты со всех узлов и усреднить)

3.10. Итоги

Глава зафиксировала вычислительный контур S³-DELTA:

• Методичная выборка Δ-сценариев из куба Ω с помощью латинского гиперкуба, квазислучайных последовательностей, адаптивного уплотнения
• Алгоритмы на трёх осях: постериор и независимость (Source), маршрутизация и потоки (Space), календарная состыковка (Season)
• Агрегация в показатели устойчивости (SG) и риска (SR) с корректной оценкой неопределённости
• Доверительные интервалы по методам Вильсона/Клоппера–Пирсона
• Стресс-тесты и абляции для локализации уязвимостей
• Отчётность и воспроизводимость: логи, сиды, кэширование, идемпотентность

Такой контур превращает опровержимость гипотезы (может ли она быть неправой?) в измеряемую величину (SG, SR), а конфликт источников, географических ограничений и сезонных окон — в управляемое поле параметров S³-куба.

В следующей главе вводятся процедуры интерпретации результатов: пороговые режимы (когда SG считается достаточным?), карты причин отказов (почему гипотеза ломается?), ранжирование конкурирующих вариантов гипотезы и правила представления выводов в научной публикации.

Глава 4. Интерпретация результатов S³-DELTA и представление выводов

4.1. Что именно измеряет S³-DELTA

S³-DELTA (допустимо именовать BT-REI-ΔPATH-Graph) вычисляет два ключевых интегральных показателя:

Устойчивость гипотезы (SG, от 0 до 1): доля объёма S³-куба, где гипотеза H проходит все тесты по трём осям. Если SG = 0,70, это означает: в 70% сценариев (комбинаций источников, маршрутов, сезонов) гипотеза выживает.

Риск хрупкости (SR, от 0 до 1): ожидаемая доля отказов при локальных изменениях параметров вокруг «рабочих» точек ω, где H проходит. Если SR = 0,20, это означает: если чуть-чуть изменить условия, гипотеза рухнет в 20% случаев рядом.

Как интерпретировать SG и SR

SG следует интерпретировать как «вероятностную долю опровержимости, которой гипотеза избежала». Высокий SG означает: гипотеза устойчива к вариациям, значит, она не просто везучая совпадение, а реальный факт.

SR следует интерпретировать как «риск того, что ближайшая новая информация разрушит прохождение». Низкий SR означает: даже если появятся новые данные, гипотеза устоит. Высокий SR означает: осторожно, добавьте одну новую летопись или отрежьте один речной участок — и всё рухнет.

4.1.1. Пороговые режимы: три зоны

Практично фиксировать три зоны интерпретации:

Зона A (надёжная):

• SG ≥ 0,75 И SR ≤ 0,25
• Гипотеза проходит устойчиво, ожидание дальнейших опровержений низкое.
• Статус публикации: основной слой, справочники.

Зона B (условная):

• Либо 0,40 ≤ SG < 0,75, либо 0,25 < SR ≤ 0,50
• Гипотеза чувствительна к уточнениям, требуется целевой сбор данных.
• Статус публикации: слой рабочих гипотез, требуется указание слабых мест.

Зона C (несостоятельная):

• SG < 0,40 ИЛИ SR > 0,50
• Гипотеза разрушается при умеренных изменениях условий.
• Статус публикации: архив альтернатив или отклонено.

Важно: пороги не являются метафизическими истинами, но дают однородные основания для:

• Межкейсного сравнения (сравнить две гипотезы по одной шкале)
• Редакционной политики (издатель знает, какой SG он принимает)
• Межинституционального диалога (две лаборатории могут спорить о пороге, но методика единая)

4.2. Разложение устойчивости по осям

Чтобы отличить сильную гипотезу от счастливой (везучей), недостаточно одного числа SG. Нужны маргинальные устойчивости по каждой оси:

SG_Source = доля сценариев, где гипотеза проходит ось Source

SG_Space = доля сценариев, где гипотеза проходит ось Space

SG_Season = доля сценариев, где гипотеза проходит ось Season

Что показывает каждая маргиналь

Низкий SG_Source указывает на зависимость от узкого набора текстов или траекторий цитирования. Пример: гипотеза держится, только если верить летописи A, потому что летописи B и C с ней не согласны.

Низкий SG_Space выявляет логистические невозможности: узкие места, нестыкуемые сегменты маршрутов, закрытые переправы. Пример: события совпадают, только если допустить маршрут по морю в октябре, а море в октябре штормит.

Низкий SG_Season означает конфликт расписаний и природных окон доступности. Пример: события совпадают, только если экспедиция вышла в ноябре, но реки уже покрываются льдом.

Матрица отказов

В отчёте приводится не просто тройка (SG_Source, SG_Space, SG_Season), но и матрица отказов с частотами причин:

Причины отказов по Source:

• Нет независимых подтверждений (эхо-камера одной традиции)
• Противоречия между источниками (один говорит да, другой нет)
• Странные молчания (источник должен был упомянуть, но молчит)

Причины отказов по Space:

• Нет допустимого маршрута между местами событий
• Расстояния не совпадают с названным временем в пути
• Узкие места: переправы закрыты, волоки не проходимы

Причины отказов по Season:

• Нарушение календарного окна (река замерзает, но гипотеза требует плаванья)
• Рассинхронизированность встреч (два посла не могли встретиться в названный день)
• Нарушение сезонных циклов (война в зиму, но воюют летом)

4.3. Ранжирование вариантов гипотезы

Часто сопоставляются варианты H^(1), H^(2), ..., H^(m) (разные датировки, локализации, состав участников). Требуются единые правила выбора.

Критерий доминирования (Pareto)

Гипотеза H^(a) предпочтительнее H^(b), если выполнены ВСЕ условия:

• SG^(a) ≥ SG^(b) И SR^(a) ≤ SR^(b) (хотя бы одно строгое неравенство)
• SG_Source^(a) ≥ SG_Source^(b)
• SG_Space^(a) ≥ SG_Space^(b)
• SG_Season^(a) ≥ SG_Season^(b)

Смысл: одна гипотеза не лучше другой везде и в каждом показателе. Если H^(a) имеет SG_Source = 0,8, а H^(b) имеет SG_Source = 0,7, но H^(b) имеет лучший SG_Season, то ни одна не доминирует.

Композитная оценка (взвешенная сумма)

Когда доминирования нет, можно использовать взвешенную сумму. Веса назначаются до расчётов, чтобы не подгонять результаты:

U(H) = w_Source × SG_Source + w_Space × SG_Space + w_Season × SG_Season - λ × SR

где w_Source + w_Space + w_Season = 1, λ > 0.

Пример: если вы считаете источники главнее всего, возьмите w_Source = 0,6, w_Space = 0,25, w_Season = 0,15, λ = 0,2.

Результат: U(H^(a)) vs U(H^(b)) — вы выбираете большее значение.

Байесовский подход (BT-REI)

Если вычисляется постериор P(H | D) с корректировкой зависимостей, возможно совместное правило: предпочесть гипотезу с большей парой ⟨P(H | D), SG⟩, исключая гипотезы с высоким постериором, но низким SG (это признак переобучения — постериор завышен из-за специфичных условий).

4.4. Визуализация и объяснимость

Теплокарты отказов

Показывают плотность ω-точек с отказами и их типологию (красная = отказ, жёлтая = пограничная, зелёная = проход).

Что показывает: где в S³-кубе гипотеза рушится? В какой части параметров она уязвима?

Для планирования: если красная полоса только на оси Space (маршруты), то нужно уточнять географию. Если на оси Source (источники), собирайте новые летописи.

Карты маршрутов и расписаний

Для сценариев, где гипотеза проходит, демонстрируются репрезентативные маршруты (минимальные по стоимости) и допустимые графики движения и встреч.

Что показывает: как именно гипотеза осуществима географически? Какой путь использует, какие переправы, какие сезоны?

Для интуиции: читатель может вообразить, как реально происходили события.

Источниковая зависимость

Диаграммы цитирования и кластеризации свидетельств: как удаление кластеров влияет на SG_Source.

Что показывает: вот эти три летописи цитируют друг друга, вот эта одна независимая. Если убрать кластер, SG_Source упадёт на 10% — значит, кластер важен, но не критичен.

Для критики: прозрачный ответ на вечный вопрос рецензента: «А не на трёх ли хрониках держится ваш результат?» — теперь вы показываете: на трёх, но их можно удалять — результат держится на 70%.

4.5. Ошибки, неопределённость, чувствительность

Доверительные интервалы

Для SG: используются интервалы Вильсона или Клоппера–Пирсона (более точные, чем наивная формула).

Пример: SG_hat = 0,70, интервал 95% = [0,63; 0,76].

Для U(H): используется бутстрэп по выборке {ω_i}. Берём выборку с возвращением, пересчитываем U, повторяем 1000 раз, берём 2,5% и 97,5% квантили.

Результаты публикуются вместе с:

• Размером выборки N
• Схемой построения выборки (латинский гиперкуб, Соболь, адаптивная)

Абляции и стресс-тесты

Абляции: показывают вклад классов данных.

• Как меняется SG при исключении топонимии? (убираем все топонимические совпадения)
• Как меняется SG при исключении хронометрии? (убираем все данные о длительностях)
• Как меняется SG при исключении морских сегментов? (удаляем все рёбра морских маршрутов)

Результат: вклад каждого компонента. Если SG упал на 40% при исключении топонимии, значит, топонимия критична.

Стресс-тесты: моделируют утраты и искажения.

• Закрытие переправ (на сколько упадёт SG_Space?)
• Сдвиг ледостава на месяц (на сколько упадёт SG_Season?)
• Выпадение цитатной ветви (на сколько упадёт SG_Source?)

Публикуется Δ SG и карта уязвимостей.

Индексы чувствительности

По параметрам внутри осей рассчитываются индексы Соболя (или их суррогаты). Индекс показывает, какой параметр больше всего влияет на SG.

Результат: приоритеты дальнейшего исследования. «Вес источника A влияет на 30% дисперсии SG, значит, нужно уточнить вес источника A». «Скорость движения по реке влияет на 15%, это менее критично».

4.6. Принципы отчётности и редакционная политика

Научная отчётность о результатах S³-DELTA должна включать:

Декларация гипотезы:

• Формулировка H (что именно проверяем?)
• Альтернативы (какие другие гипотезы рассматривали?)
• Допуски по каждой оси (что считается «допустимой вариацией» для θ_S, θ_P, θ_T?)

Дизайн эксперимента:

• Описание меры μ на Ω (какой диапазон параметров? Равномерная ли мера?)
• Метод выборки и объём N (латинский гиперкуб, Соболь? Сколько точек?)
• Фиксация генераторов случайных чисел (seed — воспроизводимость)

Метрики:

• SG, SR, их интервалы
• Маргинали по осям (SG_Source, SG_Space, SG_Season)
• Таблица причин отказов (сколько раз отказ по Source, сколько по Space, сколько по Season)

Решающее правило:

• Заранее объявленное (доминирование Парето? Композит? Байес + устойчивость?)
• Не изменяемое после расчётов

Репликация:

• Публикация конфигураций сценариев {ω_i} (или хотя бы метод их построения)
• Результаты по осям для каждого ω_i (идемпотентность: повторный прогон даёт идентичные SG)

Трассировка источников:

• Граф зависимостей G_S (какие летописи цитируют друг друга?)
• Критерии независимости (как вы определили, что источники независимы?)
• Результаты абляций (как SG_Source меняется при удалении источников?)

Ограничения:

• Явная фиксация областей неприменимости (при каких θ_S, θ_P, θ_T метод отказывается?)
• Допущения (что вы предположили? Какие модели времени, погоды, цитирования?)
• Известные слепые зоны (о чём метод ничего не говорит? Какие альтернативы он не рассматривает?)

Результат такой политики: вывод становится фальсифицируемым (можно показать, что он неверен), и дискуссия переходит из сферы вкусов и авторитетов в пространство повторяемых вычислений. Цифровая история перестаёт быть набором «правд» и становится дисциплиной с контролируемой неопределённостью.

4.7. Как читать противоречия

Противоречия между источниками, маршрутами и календарями в S³-DELTA — это не скандал и не ошибка метода, а данные о геометрии пространства условий.

Там, где плотность отказов высока — метод показывает, какая конкретная проверка максимально изменит SG:

• Архивная находка нового источника
• Дендрохронология (датировка по годичным кольцам)
• Батиметрия (уточнение глубин рек)
• Палинология (анализ пыльцы для климатических реконструкций)
• Экспериментальный переход (попытка пройти маршрут реально)

В этом главная объяснимость S³-DELTA: метод не только судит о гипотезе, но и указывает, что делать дальше, где искать, что измерять точнее.

4.8. Итоги

Интерпретация S³-DELTA состоит из пяти компонентов:

1. Количественная оценка: устойчивость (SG) и хрупкость (SR) с доверительными интервалами
2. Разложение причин: маргинали по трём осям, матрица отказов, абляции
3. Прозрачные правила выбора: доминирование Парето, композитная оценка, байесовский подход
4. Визуализации: теплокарты отказов, карты маршрутов, диаграммы цитирования
5. Стандарты отчётности: декларация, дизайн, метрики, решающие правила, репликация, ограничения

В следующей, заключительной главе будет показано, как интегрировать эти процедуры в исследовательский цикл: от постановки кейса к редакционному решению и планам последующего сбора данных.

Глава 5. Встраивание S³-DELTA в исследовательский цикл и редакционную практику

5.1. Полный цикл: от постановки кейса до решения

S³-DELTA вписывается в семи-этапный исследовательский цикл:

Этап 1: Формулировка гипотезы

Гипотеза H сформулирована с явными альтернативами и допусками по трём осям S³:

• Ось Source: какие источники считаем независимыми? Какой вес каждому?
• Ось Space: какой диапазон маршрутов допустим? Какие скорости?
• Ось Season: какие календарные смещения допустимы? Какие аномалии?

Результат: чёткое описание H и её конкурентов H^(2), H^(3), ... с явными рамками допусков.

Этап 2: Дизайн вычислительного эксперимента

Выбираются:

• Мера μ на S³-пространстве условий (равномерная? С акцентом на граничные области?)
• План выборки {ω_i}: латинский гиперкуб, квазислучайные, адаптивная
• Критерии прохождения по каждой оси: пороги τ_S, ι_S, κ_S, σ_S для Source; маршруты и бюджеты для Space; окна для Season
• Решающее правило: доминирование Парето, композитная оценка, байес + устойчивость

Результат: написанный протокол, заверенный ДО расчётов (pre-registration).

Этап 3: Прогон S³-DELTA

Система вычисляет:

• SG (устойчивость), SR (риск) с доверительными интервалами
• Маргинали: SG_Source, SG_Space, SG_Season
• Причины отказов: матрица с частотами (сколько раз отказ по каждой оси?)
• Индексы чувствительности (какой параметр влияет на SG больше всего?)

Результат: полный набор метрик, логи всех ω_i, контрольные суммы.

Этап 4: Интерпретация

Создаются:

• Визуализации: теплокарты отказов, карты маршрутов и расписаний, графы источниковой зависимости
• Ранжирование вариантов: применяется решающее правило к H^(1), H^(2), ..., выбирается лучший
• Объяснения: для каждого отказа указывается, почему гипотеза ломается

Результат: понимание, какая гипотеза сильнее и почему.

Этап 5: Редакционное решение

Редактор/рецензент выносит решение:

• Принятие: если H в зоне A (SG ≥ 0,75, SR ≤ 0,25), гипотеза публикуется в основном слое
• Условное принятие: если H в зоне B (0,40 ≤ SG < 0,75), гипотеза публикуется как рабочая версия с явным планом донабора данных
• Отклонение: если H в зоне C (SG < 0,40), гипотеза архивируется

Если зона B, план дополнительного сбора данных следует из карты отказов: что измерять, где собирать?

Этап 6: Репликация

Независимые исследователи получают:

• Корпуса текстов и артефактов
• Конфигурацию S³-эксперимента (все параметры, все seed'ы)
• Инструкции для прогона

Результат: повторные прогоны дают идентичный SG и SR (с точностью до машинного нуля).

Этап 7: Архивация и распространение

Публикуются в связке:

• Данные (корпуса)
• Конфигурации (все параметры)
• Отчёты (результаты)
• Визуализации
• Репликационный пакет

Присваиваются постоянные идентификаторы (DOI), размещается на репозитории.

5.2. Инфраструктура данных и вычислений

S³-DELTA требует четырёхслойной инфраструктуры:

Слой 1: Источники

Корпус текстов и артефактов с:

• Атрибуцией (автор, дата создания, оригинал/копия)
• Версионностью (какие редакции?)
• Графом цитирования (какая летопись зависит от какой?)

Результат: G_S готов для расчётов по оси Source.

Слой 2: Пространство

Маршруты и сетевые графы с:

• Топологией (города, переправы, волоки, порты)
• Пропускными способностями (сколько человек одновременно?)
• Ограничениями по рельефу и среде (какие участки непроходимы в разные сезоны?)

Результат: G_P готов для расчётов по оси Space.

Слой 3: Сезоны

Календарные окна и периодика с:

• Временными окнами W_e(t) (когда рёбра доступны?)
• Климатической периодикой (ледостав, штормы)
• Гидрологической периодикой (паводки, межень)
• Расписаниями (ярмарки, литургические окна, войны)

Результат: θ_T готов для расчётов по оси Season.

Слой 4: Исполняемый контур

Детерминированные компоненты:

• Генератор сценариев {ω_i} (воспроизводимый, с фиксированными seed'ами)
• Журнал параметров (логирование каждого ω_i)
• Фиксированные решающие правила (не изменяемые в процессе прогона)
• Автоматическая сборка метрик, визуализаций и отчётов

Результат: любой внешний исследователь может запустить идемпотентный прогон и получить численно совпадающий результат.

Наблюдаемость

Система должна быть полностью прозрачной для аудита:

• Все промежуточные результаты логируются
• Все визуализации автоматически генерируются
• Все контрольные суммы вычисляются и проверяются
• Любой может воспроизвести любой результат

5.3. Версионность и воспроизводимость

Система версионирования

Номера версий присваиваются каждой единице:

• Данные: v1.0, v1.1, v2.0 (новые источники = минор; коррекция ошибок = мажор)
• Модели по осям: S_v1.2 (модель источниковой зависимости), P_v2.1 (модель маршрутизации), T_v1.0 (модель сезонности)
• Конфигурации S³-эксперимента: exp_v1.0 (первая конфигурация), exp_v1.1 (мелкие изменения порогов)
• Отчёты: report_v1.0 (исходный), report_v1.1 (исправления опечаток), report_v2.0 (новые выводы при новых данных)

Замороженные конфигурации

Для каждого опубликованного результата публикуется:

• Конфигурация S³-эксперимента (все параметры, все seed'ы)
• Контрольная сумма (SHA256 хэш всех входных файлов)
• Датировка (когда был прогон)
• Результаты (SG, SR, интервалы)

Пример: frozen_run_exp_v1.0_2025-11-14.tar.gz содержит всё необходимое для повторения.

Политика изменений

• Ретроизменения запрещены: старые данные не переписываются, создаётся новая версия
• Новые данные только через релиз: добавили источник → v2.0 данных, пересчитываем S³-DELTA, новый отчёт report_v2.0
• Эволюция моделей: уточнили модель маршрутизации → P_v2.0, пересчитываем, новый отчёт

Репликационный пакет

Минимальный набор для повторения:

• Корпуса (все источники, все артефакты)
• Параметры выборки и меры (как строилась выборка {ω_i}?)
• Решающее правило (доминирование, композит, байес?)
• Шаблоны отчётов (как форматировать результаты?)
• Скрипты вычислений (код для reproducible science)

Размер пакета типичен 10–500 МБ (в зависимости от объёма данных).

5.4. Рецензирование и принятие решений

Двухконтурная оценка

Контур 1: Методическая валидность

Рецензент проверяет:

• Корректна ли проекция S³-пространства? (правильно ли определены θ_S, θ_P, θ_T?)
• Правила прохождения по осям сформулированы правильно?
• Статистика верна? (размер выборки, интервалы, тесты)
• Логика агрегации корректна? (SG рассчитана правильно, SR достоверна)

Результат: галочка «метод годится» или замечания.

Контур 2: Предметная валидность

Рецензент проверяет:

• Адекватны ли источники исторической задаче?
• Реалистична ли модель маршрутизации (скорости, переправы)?
• Адекватна ли модель сезонности (ледостав в ноябре, правда ли для этого региона?)

Результат: галочка «история верно смоделирована» или замечания.

Слепые абляции

Рецензенту предоставляется возможность «выбивать» классы данных:

• Удалить топонимию: как меняется SG?
• Удалить морские маршруты: как меняется SG_Space?
• Удалить одну летопись: как меняется SG_Source?

Результат: рецензент убеждается, что результат не артефакт одного источника или маршрута.

Пороговые режимы для публикации

• Реконструкции событий: требуется зона A (SG ≥ 0,75, SR ≤ 0,25). Высокий стандарт.
• Исследовательские заметки: допустима зона B (0,40 ≤ SG < 0,75) при явном плане донабора данных. Публикуется как «работа в процессе».
• Методические заметки: зона C допустима, если статья про сам метод и его ограничения.

5.5. Связка с иными линиями анализа

S³-DELTA объединяет три ортогональных подхода:

Ось Source: BT-REI (Байесовская триангуляция)

Что делает: вычисляет P(H | D, θ_S) с учётом зависимостей источников.

Результат: корректные схемы независимости/зависимости свидетельств.

Почему важна: без неё гипотеза может опираться на три летописи, которые на самом деле копируют друг друга.

Ось Space: ΔPATH-Graph (маршрутизация)

Что делает: находит маршруты и потоки, проверяет логистическую достижимость.

Результат: обсуждение выходит из области риторики («они могли пройти») в область вычисляемой достижимости.

Почему важна: без неё гипотезу можно опровергнуть, показав, что маршрута нет или расстояние несовместимо со временем.

Ось Season: Календарная синхронизация

Что делает: проверяет совпадение расписаний с природными окнами доступности.

Результат: снимаются анахронизмы и «несвоевременные» сценарии.

Почему важна: без неё гипотеза может требовать плавания зимой или войны в период, когда правители в паломничествах.

Почему именно BT-REI-ΔPATH-Graph

S³-DELTA допустимо именовать BT-REI-ΔPATH-Graph, потому что:

• BT-REI составляет первую ось (источники)
• ΔPATH-Graph составляет вторую ось (маршруты)
• Третья ось (сезоны) встроена в координаты обеих выше

Три оси раздельны, но совместимы: каждая может быть пересчитана независимо, но совместное решение требует, чтобы все три были согласованы (конъюнкция).

5.6. Масштабирование и обучение кадров

Три уровня компетентности

Уровень 1: Оператор

Запускает готовые конфигурации, читает отчёты, интерпретирует SG и SR по пороговым режимам.

Требуемые знания: понимание трёх осей, умение читать теплокарты, знание пороговых зон.

Учебный модуль: 2–3 дня.

Уровень 2: Конструктор кейсов

Проектирует S³-пространство для нового исторического сюжета, настраивает меры и правила.

Требуемые знания: глубокое понимание S³-куба, умение формулировать альтернативы, опыт с источниками.

Учебный модуль: 2–3 недели.

Уровень 3: Методолог

Разрабатывает новые тесты прохождения, альтернативные схемы выборки, стресс-тесты.

Требуемые знания: статистика, граф-теория, программирование, история методов.

Учебный модуль: 2–3 месяца.

Обучающие материалы

Курсы должны сочетать:

• Упражнения на реальных корпусах: студент запускает S³-DELTA на известном кейсе (например, датировка событий в летописях), видит результаты, сравнивает с литературой
• Песочница для экспериментов: безопасная среда, где можно менять параметры, смотреть, как меняется SG, учиться интуиции
• Разбор ошибок: почему в этом кейсе гипотеза рушится? Что добавить, чтобы помочь?

5.7. Этические и юридические рамки

Принцип прозрачности

Источник каждой цифры и каждого отказа должен быть трассируем:

• SG = 0,70 потому что... (объяснение, откуда эта цифра)
• Гипотеза отказала на оси Space потому что... (конкретная причина, название маршрута, расстояние)

Результат: история видна, ошибка вычислима, рецензент может перепроверить.

Разграничение утверждений

Количественные выводы:

• «SG = 0,70 ± 0,05 (95% интервал)» — это факт
• «Гипотеза устойчива» — это интерпретация, маркируется осторожно

Интерпретации маркируются как гипотетические:

• «Возможно, гипотеза верна потому что...» (это мнение, не факт)
• «Требуются дополнительные данные для подтверждения» (честность о неопределённости)

Ответственность за распространение

Публичная коммуникация (новости, популяризация) обязана сохранять:

• Доверительные интервалы (не просто «SG высок», а «SG = 0,70 ± 0,05»)
• Оговорки (не на все источники опирается, есть узкие места)
• Ограничения (метод не может ответить на такие-то вопросы)

Результат: непрофессиональная аудитория не запутается в цифрах.

Правовая чистота

• Соблюдение лицензий корпусов (если текст под CC-BY, указываем авторство)
• Правила обработки культурного наследия (если архив закрыт, не публикуем фотографии без разрешения)
• GDPR и privacy (если данные о людях, защищаем персональные данные)

5.8. Дорожная карта внедрения

Фаза 1: Пилотные кейсы (3–6 месяцев)

Отбираются 3–5 известных исторических кейсов, прогоняются через полный S³-цикл:

• Постановка гипотезы
• Дизайн эксперимента
• Прогон S³-DELTA
• Публикация frozen-run'ов
• Независимая репликация

Результат: доказательство концепции, первые публикации.

Фаза 2: Регламент редакций (3 месяца)

Разработка чек-листа для редакторов:

• Гипотеза сформулирована по трём осям?
• Дизайн зафиксирован до прогона?
• SG, SR опубликованы с интервалами?
• Визуализации полные?
• Репликационный пакет доступен?

Результат: редакции знают, что требовать.

Фаза 3: Обмен пакетами (3–6 месяцев)

Независимые группы обмениваются репликационными пакетами и повторяют друг друга:

• Группа A прогоняет кейс Группы B
• Группа B прогоняет кейс Группы A
• Сопоставляют результаты

Результат: воспроизводимость в реальной практике.

Фаза 4: Институционализация (12 месяцев)

• Репозитории конфигураций: центральное место для хранения всех S³-конфигураций
• Сертификация: удостоверение операторов и конструкторов (сертификат, выданный советом экспертов)
• Ежегодные S³-аудиты: проверка соответствия методу, сбор обратной связи

Результат: S³-DELTA становится стандартом в цифровой истории.

5.9. Чек-лист автора и редакции

Проверка перед отправкой (автор)

• Гипотеза и альтернативы сформулированы по осям S³
• Мера на пространстве условий и план выборки объявлены заранее
• SG, SR, маргинали и причины отказов представлены с интервалами
• Объём выборки указан (N = ?)
• Правило выбора между вариантами H^(k) зафиксировано до прогона
• Визуализации покрывают все три оси и источниковую зависимость
• Репликационный пакет готов, контрольные суммы опубликованы
• Ограничения и области неприменимости выделены отдельно

Проверка при приёме (редакция)

• Методическая валидность: S³-пространство корректно спроектировано?
• Предметная валидность: модели реалистичны для данного сюжета?
• Статистика верна: интервалы, размер выборки, тесты?
• Решающее правило применено правильно?
• Визуализации помогают понять логику?
• Репликационный пакет полный и воспроизводим?
• Класс гипотезы соответствует пороговым режимам издания?

5.10. Итоги

S³-DELTA превращает исторический спор из столкновения авторитетов в проверяемую процедуру:

• Гипотезы измеряются площадью устойчивости в S³-кубе (SG)
• Хрупкость количественно оценивается (SR)
• План дальнейшего исследования следует из карты отказов

Благодаря этому цифровая история обретает признаки строгой дисциплины:

• Воспроизводимость: frozen-run'ы, контрольные суммы, репликационные пакеты
• Прозрачность: трассируемость каждой цифры, ясность логики отказов
• Управляемая неопределённость: доверительные интервалы, явные оговорки, честность о границах метода

Цифровая история перестаёт быть набором «правд» и становится дисциплиной с контролируемой неопределённостью, где каждый вывод опирается на данные, а не на авторитет.

Глава 6. Заключение. Почему S³-DELTA закрепляет статус цифровой истории как строгой дисциплины

Смещение центра тяжести: от риторики к вычислениям

S³-DELTA формализует спор об исторических сюжетах как вычислительную процедуру на трёх осях условий:

• Source — источники и их зависимости
• Space — пространство и логистика
• Season — сезонность и календари

Гипотезы больше не утверждаются «по праву авторитета» или «потому что эксперт сказал». Вместо этого гипотеза проходит тест на площадь устойчивости в S³-кубе.

Основной принцип: чем шире множество допустимых миров Ω, в которых гипотеза остаётся выполнимой и согласованной с корпусом, тем выше мера её научной пригодности.

Это смещение центра тяжести с риторики к измеримым критериям:

• SG (индекс устойчивости): какой процент сценариев поддерживает гипотезу?
• SR (индекс хрупкости): как быстро гипотеза ломается при изменениях?
• Карты отказов: где именно гипотеза терпит неудачу?
• Реплицируемые прогоны: другой исследователь может повторить результат и получить те же числа

Архитектурная целостность: почему BT-REI-ΔPATH-Graph

Метод совместим «по частям» с уже сложившимися линиями анализа:

Ось Source: Байесовская триангуляция (BT-REI)

Вычисляет P(H | D, θ_S) с учётом зависимостей источников. Отвечает на вопрос: насколько вероятна гипотеза при заданных источниках?

Значение: исключает «эхо-камеры», где одна летопись цитируется множеством копий, создавая видимость консенсуса.

Ось Space: Графовая достижимость (ΔPATH-контур)

Вычисляет маршруты, проверяет логистическую достижимость, находит узкие места. Отвечает на вопрос: физически ли возможны описанные события?

Значение: выводит обсуждение из области риторики в область вычисляемой достижимости. Маршрута нет — гипотеза отказана.

Ось Season: Сезонно-календарные окна

Проверяет совпадение расписаний с природными окнами доступности, учитывает аномалии. Отвечает на вопрос: совпадает ли расписание с календарным окном?

Значение: снимает анахронизмы. События не могут происходить в ноябре, если реки покрываются льдом.

Почему именно "BT-REI-ΔPATH-Graph"

S³-DELTA содержит каждую из трёх составляющих линий анализа. Но именно их совместная работа в S³-кубе переводит исследование в режим:

• Строгой воспроизводимости: результаты реплицируемы
• Версионности: каждое изменение данных отслеживается
• Публичного аудита: любой может проверить расчёты

Три институциональных эффекта

Историческая дисциплина, усиленная S³-DELTA, получает три опорные трансформации:

Эффект 1: Предсказуемость редакционного решения

Старый режим: редактор принимает или отвергает статью в зависимости от собственного суждения, авторитета рецензентов, конъюнктуры направления.

Новый режим: пороги принятия/отклонения формализованы:

• Зона A (SG ≥ 0,75, SR ≤ 0,25) → основной слой, справочники
• Зона B (0,40 ≤ SG < 0,75) → рабочие гипотезы с планом донабора
• Зона C (SG < 0,40) → архив или отклонено

Результат: альтернативы гипотезы ранжируются автоматически по единому критерию. Спор переходит не на уровень предпочтений, а на уровень дизайна S³-пространства: "Вы правильно определили допуски? Правильно ли взвешены источники?"

Эффект 2: Обратимость и проверяемость

Старый режим: результат опубликован, больше нельзя дотронуться, редакционное решение необратимо, слова расходятся с расчётами.

Новый режим: любой результат привязан к:

• Замороженному прогону (frozen run) с неизменяемыми входами
• Архиву конфигураций с версионностью
• Контрольным суммам (SHA256 хэши)
• Репликационному пакету для независимой проверки

Результат: если появились новые данные, создаётся новая версия, старая не переписывается. Эволюция вычислений видна целиком.

Эффект 3: Снижение транзакционных издержек спора

Старый режим: спор о гипотезе — это бесконечные обмены мнениями, каждый цитирует своих авторов, аргументы повторяются, консенсус недостижим.

Новый режим: стороны обсуждают:

• Конкретные узлы отказов: "Гипотеза падает здесь — на оси Space, потому что маршрут логистически невозможен. Согласны с моделью времени?"
• План донабора данных: "Нужна дендрохронология для уточнения даты" или "Нужны новые источники из архива X".
• Стресс-тесты: "При удалении источника A гипотеза держится? Да, держится. Значит, не зависим от A".

Результат: спор становится управляемым и ориентирован на конкретные действия.

Нормирование дисциплины на уровне процедур

S³-DELTA нормирует историческую дисциплину на уровне процедур и метрик. Это означает:

• Процедуры стандартизированы: все используют одну схему проверки
• Метрики унифицированы: SG, SR, маргинали считаются по единому алгоритму
• Ответственность разделена: автор отвечает за корпус и дизайн, вычислитель за воспроизводимость, редактор за пороги

Совместимость с BT-REI и ΔPATH-контуром, строгая сезонность и обязательная репликация превращают спор о прошлом в программируемую задачу с прозрачной ответственностью сторон.

Это и есть «куб вычислений», на гранях которого формируется новая, по-настоящему цифровая история.

Приложение A. Протокол приёмки исследования по S³-DELTA

Краткий регламент для редакций

Перед принятием статьи, использующей S³-DELTA, редактор проверяет:

Постановка задачи

• Гипотезы и альтернативы сформулированы по осям S³ (Source, Space, Season)
• Явно оговорены допуски и область неприменимости (где метод не работает?)

Корпус источников

• Источники атрибутированы (автор, дата, оригинал/копия)
• Зависимости/независимость явно представлены (граф источниковой трассировки)
• Версия корпуса указана, контрольная сумма опубликована

Пространственный контур

• Объявлены маршруты и их варианты (прямые, обходные)
• Метрики достижимости ясны (расстояния, скорости)
• Технологические ограничения учтены (какие переправы проходимы?)

Сезонность и календари

• Определены окна навигации/проходимости/сроков
• Приведены календарные преобразования (как переводите между календарями?)
• Указаны допустимые аномалии (ранняя весна, холодный год)

Дизайн эксперимента

• План выборки {ω_i} объявлен до запуска (латинский гиперкуб, Соболь, адаптивная)
• Мера на пространстве условий описана (равномерная?)
• Объём выборки (N) указан

Решающее правило

• Фиксировано до прогона (не изменялось в процессе)
• Зафиксировано одно из: доминирование Парето, композитная оценка, байес + устойчивость

Результаты и метрики

• SG, SR с доверительными интервалами (95%)
• Маргинали по каждой оси: SG_Source, SG_Space, SG_Season
• Матрица отказов: сколько % отказов по каждой оси?

Репликация

• Репликационный пакет доступен (корпус, конфигурации, контрольные суммы)
• Зафиксирована версия исполняемого контура (какой код использовался?)

Визуализации

• Теплокарты отказов по трём осям
• Карты логистики: показаны маршруты, узкие места
• Диаграммы сезонных окон
• Граф источников и зависимостей

Интерпретация и решение

• Определена зона: A (принятие), B (условное принятие), C (отклонение)
• Если зона B: описан план донабора данных (что собирать? где? как долго?)

Приложение B. Ключевые определения

S³-DELTA

Метод оценки гипотез на трёх осях условий (Source / Space / Season) с вычислением меры устойчивости и источниковой трассировкой. Допустимо именовать BT-REI-ΔPATH-Graph вследствие включения источниковой триангуляции (BT-REI), пространственно-графовых модулей (ΔPATH) и сезонных ограничений (Season).

SG (Stability Grade)

Доля сценариев ω из куба Ω, в которых гипотеза совместима с корпусом и ограничениями по трём осям. SG ∈ [0, 1]. Пример: SG = 0,70 означает, что гипотеза выживает в 70% перебранных сценариев.

SR (Stress Risk)

Вероятность того, что локальное изменение параметров (на ±10–20%) разрушит прохождение гипотезы. SR показывает хрупкость: высокий SR означает, что гипотеза легко ломается. SR ∈ [0, 1].

Отказ (Failure)

Минимальный набор условий, делающий сценарий ω невыполнимым для гипотезы H. Типы:

• Жёсткий отказ: маршрута нет, источник недостоверен, окно закрыто
• Мягкий отказ: маршрут есть, но вероятность низка

Используется для приоритезации донабора данных: где нужны новые источники, уточнение карт, климатические реконструкции?

Frozen run

Зафиксированный прогон S³-DELTA с неизменяемыми входами и контрольными суммами. Пригоден для независимой репликации. Пример: frozen_run_v1.0_2025-11-14.tar.gz содержит все параметры, логи и результаты.

Зоны решения

• Зона A (надёжная): SG ≥ 0,75 И SR ≤ 0,25. Гипотеза публикуется в основном слое.
• Зона B (условная): 0,40 ≤ SG < 0,75 или 0,25 < SR ≤ 0,50. Гипотеза публикуется как рабочая версия с планом донабора.
• Зона C (несостоятельная): SG < 0,40 или SR > 0,50. Гипотеза отклонена или архивирована.

Приложение C. Типовые сценарии применения

Сюжет 1: Датировка и локализация эпизода

Постановка: Когда произошло событие X? Где?

Процедура:

1. Формулируем альтернативы H^(1), H^(2), ... (разные даты, разные места)
2. BT-REI задаёт независимость свидетельств (какие источники независимы?)
3. ΔPATH-контур проверяет достижимость маршрутов (герой может пройти от A к B за названное время?)
4. Сезонный модуль отсекает анахронизмы (событие в ноябре, но реки льдеют? Нет, невозможно)
5. Сравниваем SG(H^(k)) — выбираем наиболее устойчивую

Результат: карта отказов указывает, какие источники или логистические параметры лимитируют результат. Стало ясно, что нужны: новые источники из архива или дендрохронология для уточнения даты.

Сюжет 2: Атрибуция артефакта или текста

Постановка: Кто автор? Откуда артефакт?

Процедура:

1. Перекодируем признаки артефакта в источниковые кластеры (стиль, язык, материал)
2. BT-REI проверяет совместимость с известными авторами/мастерами
3. ΔPATH-контур связывает артефакт с геолокациями производства (торговые маршруты)
4. Сезонный модуль проверяет: когда такие артефакты появлялись на рынке?
5. Если SG падает при удалении единственного свидетельства-узла, фиксируется зависимость

Результат: требование независимой валидации. Либо находим новый источник, либо понижаем уверенность.

Сюжет 3: Синтез маршрутов и хроник

Постановка: Цепочка событий реальна, если она логистически осуществима?

Процедура:

1. Строим композит: цепочка событий + окно сезонной проходимости + транспортная технология
2. BT-REI проверяет согласованность источников (рассказывают ли все об одном?)
3. ΔPATH находит маршруты и узкие места
4. Сезонный модуль синхронизирует график
5. Невыполнимые участки автоматически выделяются как отказы

Результат: ранжированный список жизнеспособных сценариев с указанием, почему одни пройдены, другие нет.

Приложение D. Анти-паттерны и риски

Антипаттерн 1: Смешение уровней

Ошибка: подмена источниковых связей пространственными и наоборот.

Пример: "Летопись A молчит, значит, события не было" (ошибка на оси Source), но затем истолковываете молчание как "геолокация неверна" (скачок на ось Space).

Лечение: явное разделение осей, отдельная проверка по каждой оси.

Антипаттерн 2: Гиперфит под корпус

Ошибка: доведение SG до «идеала» (0,95+) за счёт неявных ограничений, не объявленных в плане.

Пример: "Я добавил локальные поправки κ на каждый месяц, и теперь SG = 0,98!" Но эти κ видны только в постфактум, не объявлены заранее.

Лечение: pre-registration (заранее написанный план) и запрет на ретроизменения.

Антипаттерн 3: Неустойчивые победы

Ошибка: высокая SG при резком росте SR. Гипотеза формально выигрывает, но хрупка.

Пример: SG = 0,80, но SR = 0,65. Означает: гипотеза выживает в 80% сценариев, но в половине из них любой толчок её рушит.

Лечение: перемещение в зону B, требование стресс-тестов, признание условности результата.

Антипаттерн 4: Ложная независимость

Ошибка: игнорирование заимствований внутри корпуса; считаем три летописи независимыми, но все они копируют одну.

Пример: SG_Source = 0,90, но граф источников показывает, что две из трёх летописей — копии.

Лечение: корректная BT-REI-трассировка зависимостей, явная коррекция весов.

Приложение E. Мини-дорожная карта внедрения

Шаг 1: Подготовка инфраструктуры (1–2 месяца)

• Подготовить эталонные корпуса текстов и артефактов с описанными зависимостями
• Создать эталоны конфигураций S³-пространства для трёх типовых сюжетов
• Документировать процедуры, создать шаблоны отчётов

Шаг 2: Пилотные frozen-run'ы (2–3 месяца)

• Запустить полный S³-цикл на трёх разных исторических сюжетах:
  Датировка и локализация
  Атрибуция
  Маршрутизация и хроники
• Опубликовать frozen-run'ы с контрольными суммами
• Независимо воспроизвести каждый результат

Шаг 3: Редакционный регламент (1 месяц)

• Ввести чек-лист приёмки (Приложение A)
• Установить пороговые значения для зон A/B/C в соответствии с профилем издания
• Обучить редакторов и рецензентов

Шаг 4: Обмен репликационными пакетами (3–6 месяцев)

• Организовать обмен пакетами между независимыми исследовательскими группами
• Провести ежегодный аудит воспроизводимости (все ли frozen-run'ы ещё воспроизводимы?)
• Собрать обратную связь и адаптировать процедуры

Перспектива

S³-DELTA нормирует дисциплину на уровне процедур и метрик. Совместимость с BT-REI и ΔPATH-контуром, строгая сезонность и обязательная репликация превращают спор о прошлом в программируемую задачу с прозрачной ответственностью сторон.

Это и есть «куб вычислений», на гранях которого формируется новая, по-настоящему цифровая история — дисциплина, где каждый вывод обоснован данными, каждое отклонение видимо, каждый результат воспроизводим, и спор ведётся не о словах, а о числах.

Глава 7. S³-DELTA и доступность методов цифровой истории

Роль языковых моделей в демократизации строгой истории

Среда больших языковых моделей (таких как ChatGPT, Claude, Gemini и их открытые аналоги) открывает принципиально новую возможность: каждый исследователь может самостоятельно оценить достоинство системы S³-DELTA без доступа к специализированным лабораториям или суперкомпьютерам.

История традиционно оставалась дисциплиной, требующей доступа к архивам, редким текстам, консультаций авторитетных рецензентов. S³-DELTA, сформулированная явно через трёхосевой куб параметров, может быть полностью воспроизведена в диалоговом режиме:

• Исследователь описывает гипотезу и допуски
• ИИ помогает спроектировать S³-пространство (Source, Space, Season)
• ИИ генерирует сценарии {ω_i} и проверяет гипотезу по критериям
• ИИ создаёт визуализации, карты отказов, интерпретирует результаты

Результат: история превращается из набора голых фактов (в лучшем случае — запомненных из учебников, в худшем — подверженных политизированности) в стройную систему достоверных сред, которая:

• Обсчитывается (существует вычислимая процедура)
• Устойчиво держит своё системное ядро (S³-куб как инвариант)
• Исключает политизированность (критерии объективны, не зависят от идеологии автора)

Как ИИ обеспечивает аполитичность

Традиционный подход: историк выбирает источники по вкусу, интерпретирует молчания в духе своего видения, выстраивает нарратив. Результат отражает не столько прошлое, сколько убеждения историка.

S³-DELTA в ИИ-среде:

1. Явность выбора: все допуски, веса источников, модели маршрутизации и сезонности объявлены заранее, видны ИИ и читателю
2. Воспроизводимость: пользователь может пересчитать результаты на своём компьютере, проверить логику, убедиться
3. Непредвзятость ИИ: нейросеть не имеет политических взглядов, не может быть куплена или запугана. Она рассчитывает SG и SR объективно
4. Общедоступность: для запуска S³-DELTA не нужна книга из редкого архива или консультация французского профессора. Нужны: гипотеза, данные, Интернет
5. Масштабируемость споров: если два историка спорят о датировке события, они могут попросить ИИ спроектировать S³-куб для обеих гипотез и получить численное сравнение вместо риторического противостояния

Эпоха проверяемой истории

Среда ИИ не отменяет необходимость качественных источников, глубокого знания языков и культур, эмпатии к человеческому опыту. Но она переводит дискуссию на новый уровень честности:

Раньше: "Событие произошло в 1045 году, потому что летопись X это говорит, а я доверяю летописи X".

Теперь: "Событие произошло в 1045 году. SG_Source = 0,72 (летопись X независима в 60%, есть подтверждение в летописи Y, но последняя частично восходит к X). SG_Space = 0,68 (маршрут возможен, но узкие места; требуется уточнение скоростей движения). SG_Season = 0,75 (окно навигации совпадает). Итого SG = 0,72 — зона B, рабочая гипотеза. Нужны новые данные по X (источники) и климатические реконструкции (сезонность)."

Вторая формулировка политически нейтральна, проверяема, прозрачна.

Исключение манипуляции и идеологизации

История часто становится площадкой для политической борьбы: чья версия прошлого «истинна» — та, что нужна национальному государству, той или иной идеологии, культурной группе?

S³-DELTA в ИИ-среде не решает этот конфликт волшебством, но переводит его в управляемую форму:

• Источниковая позиция: не "верю X потому что он мне нравится", а "есть граф зависимостей, вот независимые ветви, вот их вес в постериоре". Может ли рецензент возразить? Может — но тогда он должен предложить альтернативный граф и пересчитать.
• Пространственная позиция: не "герой мог пройти туда, потому я так представляю", а "при скорости 20 км/день, маршруте через Y, с учётом переправы Z, время прохода составляет T дней. Если вы считаете иначе, предложите модель". ИИ пересчитает.
• Сезонная позиция: не "события совпадают во времени, значит связаны", а "события совпадают в окне ноябрь–декабрь, когда навигация на реке R закрыта. Это расширяет или сужает вероятность причинной связи?" ИИ проверит.

История как инженерная дисциплина

Традиционная история — гуманитарная дисциплина, опирающаяся на интуицию, эмпатию, стиль. S³-DELTA переводит её частично в режим инженерной дисциплины, где:

• Узлы отказов видимы и управляемы: как в авиации, где авария не объясняется «пилот был плохой», а раскладывается на систему факторов (погода, техническое обслуживание, коммуникация), так и в истории узлы отказов гипотезы становятся объектами управления, а не объектами веры.
• Требования к данным явны: авиация требует чёрного ящика, радара, логов. S³-DELTA требует графа источников, карты с расстояниями, календарных данных. Если эти данные недоступны, это честно признаётся — "метод неприменим".
• Ошибки локализованы и исправимы: если ошибка в оценке SG, можно переабелировать веса источников, переправить модель маршрутизации, добавить климатические данные. Результат пересчитается. В традиционной истории ошибка часто остаётся невидимой, замурованной в нарративе.

Практический путь к аполитичной истории

Для исследователя это означает:

1. Сформулировать гипотезу явно — "событие X произошло в год Y, в месте Z, в результате действия A"
2. Перечислить альтернативы — "или в год Y', месте Z', результате A'"
3. Определить допуски — "маршруты допускаются такие-то, скорости такие-то, окна навигации такие-то"
4. Описать данные — "источники: летопись X (вес 0,7), летопись Y (вес 0,5, зависит от X), артефакт Z (вес 0,9)"
5. Попросить ИИ пересчитать — "посчитайте SG для H1 и H2"
6. Анализировать результаты — "SG(H1) = 0,68, SG(H2) = 0,71. H2 выигрывает. Почему? Потому что маршруты H2 более логистически достижимы, хотя источники менее независимы. Нужно собрать новые источники для H2."

Каждый шаг проверяем, каждый результат воспроизводим, каждое утверждение отделено от личного убеждения.

Перспектива: от гегемонии рецензента к демократии данных

Рецензирование традиционной истории часто опирается на авторитет рецензента: "я видел больше источников, мой стаж больше, я скажу вам, правы вы или нет". S³-DELTA в ИИ-среде меняет это на демократию данных:

• Рецензент не может просто отклонить статью на основе вкуса, он должен указать, в каком узле отказа он видит проблему
• Автор может защищаться не риторикой, а пересчётом: "вы возражаете против веса источника A? Пересчитаем с весом 0,5 вместо 0,7 — SG остаётся 0,68, выводы не меняются"
• Читатель может самостоятельно запустить ИИ и проверить обе версии

История превращается из монолога авторитета в диалог сообщества, где каждый может проверить чужие вычисления и предложить альтернативные параметры.

Заключение

S³-DELTA + языковые модели + открытые репликационные пакеты создают первую по-настоящему открытую, проверяемую, аполитичную исторической науку, где:

• Гипотезы измеримы (SG, SR)
• Отказы видимы (карты, графы)
• Результаты воспроизводимы (frozen-run'ы, контрольные суммы)
• Авторитеты не нужны (есть процедура)
• Манипуляция затруднена (данные в открытом доступе, вычисления проверяемы)

История перестаёт быть набором голых фактов или инструментом идеологии и становится стройной системой достоверных сред, обсчитываемой ИИ, устойчиво держащей своё системное ядро независимо от политических бурь и культурных войн.

Это достижимо прямо сейчас, в эпоху доступных языковых моделей, открытых данных и массовой вычислительной грамотности.

Для работы с ИИ просто вставьте архив S³-DELTA 1.0.zip в чат ИИ

Автор методики — Руслан Абдуллин Р.