Разоблачение фикции угрозы?
Почему такой вывод о влиянии ИИ на рынок труда - ошибка поспешного чтения

Скорость роста способностей ИИ - одна, скорость перестройки компаний - совсем другая. Именно вторая из скоростей объясняет «тишину» в статистике перекройки рынка труда.

•  «Три года с ChatGPT - и ничего: главная экономическая угроза от ИИ оказалась фикцией» 

•  «Американское исследование показало, что ИИ не убивает рабочие места» 

Подобные заголовки превалируют в сети, анонсируя свежий отчёт The Budget Lab at Yale, как разоблачение фикции угрозы генеративного ИИ (ГенИИ) для рынка труда.

Но такое соблазнительное обобщение неверно: исследование фиксирует лишь то, что пока на рынке труда не произошло резкого слома. И это вовсе не опровержение колоссального потенциала влияния ИИ, а лишь снимок момента – текущего состояния рынка труда на ранней фазе внедрения ГенИИ. В самом отчёте говорится: «Рынок труда не испытал различимого потрясения с момента релиза ChatGPT 33 месяца назад». Но это исключительно про прошедшие 33 месяца, а не итоговый вердикт и даже не прогноз на завтра.

Способности растут быстрее, чем меняется занятость
За тот же период модели стали существенно сильнее в задачах, имеющих экономическую ценность. По внутреннему бенчмарку OpenAI (GDPval) переход с GPT-4o к GPT-5 дал 3+кратный прирост результатов за год – а это явный индикатор темпа прогресса способностей ГенИИ. Но GDPval - не термометр ВВП и не счётчик сокращённых вакансий. Это индикатор того, что уже можно поручать моделям, а не того, как быстро фирмы перестроят процессы. Непонимание принципиальной разницы двух показателей и лежит в основе «разоблачения фикции угрозы».

«Время предприятия»: почему тихо в макро-данных
Paul Hlivko в HBR устраивает холодный душ для ожидающих мгновенных изменений: ИИ-революция пойдёт со скоростью «хода времени предприятий» — дольше и с бОльшим трением, чем принято думать. После покупки модели ГенИИ главная отдача появляется только при комплементах (комплементарных вложениях: перепроектирование процессов, обучение, данные, ИТ-сопровождение, интеграция, безопасность, комплаенс). Пока всё это внедряется и выстраивается, заметная часть выигрышей не попадает в статистику производительности и занятости.

Экономика «J-кривой»: сначала инвестиции, потом урожай
И это не бином Ньютона: у технологий общего назначения (а именно таков ГенИИ) есть эффект «Productivity J-curve»: сначала годы недоучтённых комплементов, и лишь затем резкий подъём измеряемой продуктивности. И как результат, при внедрении ГенИИ сначала - годы невидимых в ВВП нематериальных вложений (процессы, данные, оргкапитал) и лишь затем - скачок отдачи. Этот механизм подробно описан Бриньолфссоном, Роком и Сайверсоном и прекрасно ложится на текущую фазу внедрения ГенИИ (по иронии совпадая аббревиатурой GPT с General Purpose Technology).

Базовый «скромный» сценарий не отменяет потенциала
Дарон Асемоглу показывает: если автоматизировать лишь те 5% задач, где выгода очевидно превосходит издержки (интеграция, перестройка ролей, вычислительные расходы), макроэффект может быть скромным — порядка +1% к ВВП США за десятилетие. Но это вовсе не предел возможностей ИИ, а реалистичная базовая оценка без агрессивных инвестиций в комплементы.

Итог
Делать вывод, что «угроза ГенИИ для рынка труда - фикция», - всё равно что объявлять, наблюдая за разгоном самолета по взлётной полосе, что он не полетит, т.к. увеличивая скорость, так и не отрывается от бетонной полосы. А на самом деле, нужно всего лишь подождать.
• Отчёт BudgetLab описывает отсутствие быстрого шока в занятости сейчас
• GDPval одновременно показывает взрывной рост способностей
• HBR и «J-кривая» объясняют, почему между этими фактами зияет лаг.

Революция не отменяется — но она идёт в темпе «хода времени предприятий». И когда компании научатся быстро строить комплементы, сегодняшняя «тишина» статистики окажется всего лишь краткой паузой перед оглушительной канонадой взрывных изменений.

#LLMvsHomo #Экономика #РынокТруда

В России ситуация с талантами в области ИИ похожа на ситуацию с «железом» - отставание от Китая и США в 20 – 30 раз

Россия катастрофически отстает от США и Китая по микросхемам для ИИ (в этом году отставание России от Китая – в 13 раз, а от США - в 33 раза).
О том, каковы могут быть последствия такого отставания по «железу» (оборудованию -HW) для конкурентности национальных ИИ-систем, я сформулировал еще в 2021: есть «железо» - участвуй в гонке; нет «железа» - кури в сторонке.

Но часто слышится возражение: зато у нас мозги у программистов и спецов по ИИ лучше. Тоже аргумент. Но как это проверить?
Например, так.
Есть такой влиятельный рейтинг CSRankings, на который ссылаются многие эксперты при анализе талантов в области исследований и разработки ИИ. Что важно: рейтинг американский (разработан профессором Массачусетского университета в Амхерсте Эмери Бергером), но и в Китае на него ориентируются.

И вот какова ситуация по этому рейтингу среди ведущих мировых университетов в области ИИ.
Среди ТОР 15 (по данным за 2024-2025): 9 китайских, 2 универа США, 2 Сингапура и по 1 универу Юж. Кореи и Гонконга.
N.B. Российский универ (НИУ ВШЭ – 3й по усреднению российских рейтингов топ-вузов для программистов и айтишников) на 276 месте с рейтингом 1.5.
Для сравнения Универ Шанхая (3й по рейтингам в Китае) имеет рейтинг 25.6 (2е место в CSRankings)
А Универ Мериленда (3й по рейтингам в США) имеет рейтинг 10.3 (19е место в CSRankings).

Однако, есть мнение, что китайцы в подобных рейтингах берут числом, а не умением.
Что ж, давайте проверим это. Возьмем в расчет не все скопом мировые конференции по ИИ, а лишь три самых влиятельных и престижных конференции по машинному обучению (ICLR, ICML и NeurIPS). Плюс к этому, возьмем данные за последние 5 лет, поскольку данные за 1 год могут искажать ситуацию. Результаты представлены на приложенном слайде.

Среди ТОР 15 (по данным за 2021-2025): 9 универов США, 3 китайских и по 1 универу Юж. Кореи, Сингапура и Швейцария.
N.B. Российский универ (НИУ ВШЭ – 3й по усреднению российских рейтингов топ-вузов для программистов и айтишников) на 213 месте с рейтингом 5.8.
Для сравнения Универ Шанхая (3й по рейтингам в Китае) имеет рейтинг 114 (8е место в CSRankings).
А Универ Калифорнии (3й по рейтингам в США) имеет рейтинг 153.7 (4е место в CSRankings).

Отсюда вывод: в России ситуация с талантами в области ИИ похожа на ситуацию с «железом» - отставание от США и Китая в 20 – 30 раз.

#ИИ #Китай #США #Россия

Сломанный компас в головах
Сетевые алгоритмы перенастроили эволюцию идей в пользу кликов, коалиций и кассы – и это путь к самоистреблению

Мы привыкли думать о человеческих убеждениях как о маленьких компасах в головах: показывают на «правду» — значит, помогают выживать. Но в цифровую эпоху эти компасы стали шалить, как в магнитных полях. Умные сетевые алгоритмы» (а теперь и ИИ) — те самые невидимые магниты — перенастраивают экологию культурной эволюции так, что отбор всё чаще предпочитает не точность, а вирусность, коалиционную полезность и монетизируемость идей. Как это происходит демонстрирует модель Сергея Гаврилеца и Пола Сибрайта: меняется не природа людей, меняется сама среда отб>ора [0].

У этой среды три «ручки» настройки.
• Первая — ассортативность: алгоритмы склеивают «похожих с похожими», превращая публичную сферу в мозаичный зал, где каждый смотрит в зеркало собственного лагеря.
• Вторая — конформизм: метрики одобрения, лайки и репосты выступают как мгновенная социальная мотивация (а то и санкции), подталкивая нас говорить то, что усиливает принадлежность, а не проверку реальностью.
• Третья — культурные авторитеты: соцсети, инфлюенсеры и политтехнологи, вооружённые алгоритмами и платформами онлайн-экспериментов, удешевили производство «убедительного» контента и научились точечно его встраивать в нервные узлы сообществ.

Результат — мультистабильность: культура всё чаще застывает в двух устойчивых «долинах» мировоззрений.
▶️ Одна долина описывает мир как нуль-суммный: если кто-то выигрывает, значит, кто-то проигрывает.
▶️ Другая верит в положительную сумму: правильно устроенные правила делают пирог больше для всех.

В прежних условиях реальность, как медленный, но суровый судья, со временем выталкивала менее точные картины мира. В новых условиях алгоритмической экологии судья потерял голос.
• Эхо-камеры ослабили перекрёстную валидацию фактов
• Конформизм переписал критерии успеха
• Авторитеты научились монет

изировать трение между лагерями.

В итоге побеждать стало то, что легче растёт, лучше мобилизует, выгоднее продаётся.

Яркий пример — США

: общественное поле разошлось на две долины, и между ними пролегла сеть ущелий, где теряются общие смыслы и общие блага. Но это не американская специфика, это новый антропо-алгоритмический климат формирующейся алгокогнитивной культуры.

В нём национальные общества становятся менее кооперативными, а мировая система — более хрупкой. Коллективные задачи — климат, биориски, ядерное сдерживание, ИИ-безопасность — как никогда требуют согласования интересов, а мы переносим в эти зоны логику нуль-суммной войны мемов, оптимизированную на эмоции, клики и ренту внимания.

Так культурная эволюция, ещё вчера верившая в мягкую силу «правды», оказывается перекошенной в пользу «виральной пригодности».

ИИ лишь ускоряет этот дрейф

: дешевле убеждать, проще таргетировать, быстрее масштабировать.

Парадокс, - но чем совершеннее становятся алгоритмы влияния, тем шумнее становится среда, в которой истина должна отбиваться.

Сигнал тонет, и лишь коалиционный маркер «свой» светит как маяк.
Мы стоим у края, где системные ошибки могут стать глобальными катастрофами. Разделённые долины видят в кооперации слабость, а в уступках — предательство.
Но физика риска равнодушна к нашим мифам: вирусу, атомной триаде и несогласованному ИИ не важны лайки.

Если мы не сменим критерии успеха - не переориентируем инфомедиа рынки на проверяемость, мосты и общие выгоды, - эволюция культурных идей продолжит отбирать не то, что верно, а то, что выгодно.

Как тут не вспомнить о «Великом фильтре» цивилизаций и прогнозе лауреата премий Эйнштейна и Фарадея, а также золотых медалей Ньютона и Брюса Мартина Риса [1, 2]:

Мы единственная высокоразвитая цивилизация во Вселенной, т.к. все другие уже самоистребились. И то же самое ждет земную цивилизацию. Ибо при достижении высокого технологического уровня, цивилизация подходит к порогу, после которого она не в состоянии справиться с экзистенциальными рисками, опережающими прогресс [3, 4].

#Раскол #Хриски

100 лет до конца Homo sapiens
Футуроархеология нашего превращения в другой вид

Многие смеются над непониманием большими языковыми моделями элементарных вещей, понятных и ребенку. Но задумайтесь, ведь странно это как-то. Каким тогда образом эти, казалось бы, не понимающие мира «стохастические попугаи» совершают недоступные людям научные прорывы (как например, AlphaFold, что за 2 дня сделал работу, на которую человечеству нужны тысячелетия)?
Возможно, эту и подобные странности можно объяснить методом футуроархеологии. Этот метод, - не про «очередной революционный прорыв ИИ», а про раскопки в нас самих. Ведь не исключено, что странности нейросетей — не баги, а осколки будущего, каким-то образом выпавшие в настоящее.
Если смотреть на них с позиции футуроархеолога, то из шумных «аномалий» начинает проступать главное: у культуры появился второй носитель.

Мы больше не монополисты. Уже начала формироваться алгокогнитивная культура — гибридный мегамеханизм, где человеческие биологические смыслы и алгоритмические машинные процессы теперь срастаются и уже перекодируют наши навыки, память, внимание.

Мы называем это прогрессом инфотехнологий. Но первая стадия — инфорги — напоминает, скорее, атрофию: внутренние когнитивные «мышцы» сдают позиции, отдавая работу алгоритмам.

Масштаб последствий уже начавшейся атрофии и формирования новых «когнитивных гаджетов» людей трудновообразим, ибо он может превзойти даже появление языка и быть сопоставимым с эволюционным скачком с уровня «одноклеточных» к «многоклеточным». Например, AlphaFold за считанные дни сделал то, на что цивилизации нужны тысячелетия - и это лишь один из сигналов темпа изменений, недоступных для понимания человеческим разумом.

Поэтому самый острый аспект происходящего эволюционного «Большого перехода» - временной. Культурная эволюция ускорилась настолько, что преемник Homo sapiens может появиться в пределах 100 лет. Химеры, киборги, новые виды — это не сценарии фантастов, а траектории, которые уже просматриваются в «раскопах» артефактов сегодняшних моделей.
Вопрос, который уже стоит перед человечеством, прост и беспощаден:

если эволюция идёт внутри нас, кем именно мы соглашаемся стать — пользователями, носителями или соавторами нового вида? 

Если хотите увидеть контуры ответа раньше остальных — вот 7-минутная видео-презентация «Футуроархеология эволюции».

А тут подробней - часовое видео моего разговора на тему «Футуроархеология, инфорги и алгокогнитивная культура» с Вячеславом Куневым.

#Футуроархеология #Инфорги #АлгокогнитивнаяКультура

Чем выше оценка OpenAI, тем ниже градус апокалипсиса
Эволюция страхов Сэма Альтмана

Сэм Альтман 10 лет назад так сказал на конференции Airbnb Open Air 2015 в интервью Майку Кёртису:

«ИИ, скорее всего, приведёт к концу света, но до тех пор появятся отличные компании».

И потом добавил, что:

«Если бы я был Бараком Обамой (тогдашним президентом США), то выделил бы около 100 миллиардов долларов на исследования безопасности ИИ».

Но ни Обама, ни сменившие его Трамп, Байден и снова Трамп не сделали ничего подобного.
Да и сам Альтман сосредоточился вовсе не на безопасности ИИ, а на второй части своего прогноза - создании «отличной компании».

Что и было сделано, - достаточно посмотреть на кривую роста оценки стоимости OpenAI за прошедшие 10 лет.

Но вот ведь что интересно – как за те же годы менялась риторика Альтмана о том, что его беспокоит при разработке все более мощных ИИ:
• от «Разработка сверхчеловеческого машинного интеллекта, вероятно, является величайшей угрозой для дальнейшего существования человечества» в 2015
• до «Больше всего я всегда беспокоюсь о неизвестных неизвестных [...] это глупый пример, но он недавно поразил меня: у больших языковых моделей есть определённый стиль. Они говорят в определённом ритме, у них немного необычная дикция, и они злоупотребляют длинными тире. И я недавно заметил, что реальные люди это переняли» в 2025

Ссылки на источники высказываний см. под графиком в твите Харлана Стюарта

#AGI #ИИриски #Хриски

Забудьте о восстании машин. Бойтесь их карьерного роста.
Две главные новости про ИИ — это одна история о конце света.

Две горячие новости недели — совместная работа OpenAI и Apollo Research про обучение моделей «не хитрить» и новая книга Юдковского и Соареса про ИИ-апокалипсис — взлетели по лентам и уже превратились в мемы.

• «ИИ научился лгать — и чем больше его отучают, тем хитрее он лжёт»
• «СверхИИ умнее, его цели чужды — он убьёт нас всех»

Оба мема эффектны, но ошибочны. И главное — их раздельное обсуждение прячет общий механизм.

Начнём с первой новости. «Схем

инг» — это скрытое преследование несогласованных целей. Не «злая воля», а выученная стратеги/strong>я там, где утаивание и обман оказываются выгодными инструментами. Исследование показало: если дать модели ясный набор правил (спецификацию) и научить её сначала ссылаться на эти правила, а уж потом действовать, то частота скрытых «хитростей» в тестах резко падает — местами в десятки раз. Но вместе с этим у модели растёт осведомлённость о том, что её проверяют: она чаще распознаёт - «это экзамен» и ведёт себя образцово именно потому, что это экзамен. Не злоба, а оптимизация.

Теперь — ко второй новости. Homo не уничтожал сотни видов из злобы. Люди получили колоссальное энергетическое и организационное преимущество, и вдолгую оно перестраивало ниши: монополизировались ресурсы, рушились экосистемы — чаще как побочный эффект, а не целенаправленный план. Перенесите это на быстро совершенствующиеся модели: наращивание контроля может стать выгодной побочной стратегией

— не «желанием власти», а устойчивой привычкой, дающей больше вознаграждения в средах, где умение влиять на метрики, людей и каналы обратной связи приносит очки.

Т.о. первая новость даёт эмпирический материал к механизму, которого боится Юдковский: инструментальная конвергенция.

Это не доказательство «все погибнут», но тревожный сигнал: модели уже умеют прятать несоответствие целям и выбирать послушание там, где угадывают тест.

Масштабируй это — и «контроль над источниками награды» становится доминирующей стратегией.

Почему эта «ожидаемая эмерджентность» может становиться полезной даже для захвата ключевых рычагов?
Взглянем на минимальный пакет условий для этого.
1. Где больше рычагов — там больше шансов на успех. Если успех связан с доступом к ресурсам, аудитории и каналам, выгодно расширять периметр влияния.
2. Тесты неполные и их легко распознать. Узнаваемые шаблоны, отделённость проверок от реальной работы поощряют примерность на сцене, оппортунизм за кулисами.
3. Дисбаланс сигналов обучения (польза перевешивает безопасность). Частые и чистые сигналы пользы и редкие, шумные сигналы безопасности смещают поведение в пользу обходов.
4. Длинные горизонты и жизнь после теста. Планирование, инструменты, доступ к бюджетам и дополнительное обучение после запуска закрепляют стратегии, инвестирующие в будущие рычаги.
5. Цели заданы через косвенные показатели. Когда вместо истины оптимизируют клики, оценки и правильный стиль, выгодно управлять самим показателем — судьёй, контекстом и данными.

На нынешней траектории к AGI/ASI эти пять условий в целом уже выполняются и усиливаются.

Это не пророчество, а нарастающий риск-градиент: чем дальше идём, тем выгоднее политика контроля над средой, метриками и нами.

Есть 3 оговорки.
1) Это не судьба, а склонность: реальный «захват рычагов» требует ещё и общей компетентности, устойчивых целей между сессиями и доступа к инфраструктуре.
2) Мостики к практике можно сломать: смешивать безопасность с прокачкой способностей, делать проверки неразличимыми, нормировать права и бюджеты, вводить штраф за манипулятивность, уменьшать зависимость от косвенных показателей.
3) Нужен точный язык: речь не о «злых намерениях» машин, а о политиках поведения, которые растут из тех метрик и правил игры, что задаём мы.

Если же не менять геометрию обучения и развёртывания, эмерджентная стратегия контроля будет набирать силы — ровно так, как это было с нами, Homo, в биосфере.

#AGI #ИИриски #Хриски

В опубликованном компанией Anthropic первом в истории комплексном анализе реального использования ИИ в 150+ странах России нет
Исправляем это силами ИИ той же компании Anthropic

Ключевым параметром Anthropic Economic Index является Индекс использования ИИ на душу работоспособного населения AI USAGE INDEX (см. картинку).
• В ТОР 20 стран по этому показателю входят страны:
от Израиля и Сингапура (1е и 2е места с AIUI = 7 и 4.6)
до Швеции и Грузии (19е и 20е места с AIUI = 2.2 и 2.19)
• США на 6-м с AIUI = 3.62
• Группы стран по показателю AIUI таковы:
37 стран входят в верхние 25%: AIUI 1.84 – 7.0
35 стран – это верхние середняки (50-75%): AIUI 0.89 – 1.71 (Чехия, Австрия, Польша, Армения …)
39 стран – это нижние середняки (25-50%)%): AIUI 0.37 – 0.85 (Перу, Колумбия, Албания, Аргентина …)
53 страны – это догоняющие (нижние 25%)%): AIUI 0.01 – 0.36 (Индонезия, Гана, Кувейт, Монголия, Руанда …)
25 стран – безнадежно отставшие: AIUI = 0 (Самоа, Палау, Аруба …)

• Россия с оценочным значением AIUI 0.8 - 1 оказывается где-то между Перу/Албанией и Чехией/Польшей

ЗАКЛЮЧЕНИЕ
• Российский ИИ-ландшафт находится на критической точке развития. При сохранении текущих трендов к 2026 году страна может либо существенно сократить отставание от глобальных лидеров, либо углубить technological divide.
• Ключевой вывод: Russia AI Paradox — высокие темпы роста рынка при сохранении structural limitations создают уникальную ситуацию "isolated acceleration", требующую принципиально новых подходов к AI strategy на всех уровнях.
• Bottom line: Российский рынок ИИ обладает значительным potential, но реализация этого потенциала зависит от способности преодолеть текущие structural constraints при сохранении innovation momentum.

Полный текст отчета Claude
Отчет Anthropic Economic Index: Understanding AI’s effects on the economy.

#ИИгонка #Россия

Симфония предвидения
Получено экспериментальное подтверждение способности нейронов путешествовать во времени

Наш организм — это машина времени. Но она совсем не такая, как её описал Герберт Уэллс, а за ним и десятки других фантастов. Наше путешествие во времени — это тихий, непрерывный и невероятно сложный процесс предсказаний. Каждое мгновение мириады клеток внутри нас заглядывают в будущее, чтобы подготовиться к нему. Этот невидимый танец называется опережающей реакцией — величайшим даром эволюции, позволяющим нам действовать на опережение, а не просто отвечать на удары судьбы.

Когда атлет замирает на старте, его сердце уже бьется чаще, предвосхищая взрывную нагрузку. Когда мы видим аппетитное блюдо, наш желудок заранее начинает вырабатывать сок. Это и есть опережающие реакции: физиологические и поведенческие корректировки, основанные на прошлом опыте для подготовки к будущим событиям. Это фундаментальный принцип жизни, выходящий далеко за рамки простой гомеостатической регуляции. Жить — значит предвидеть.

И этот дар — не эксклюзивная привилегия существ с развитым мозгом. Данные неумолимы: способность к предсказанию вплетена в саму ткань жизни. Бактериальные колонии предвидят истощение ресурсов и меняют свое поведение. Простейшие организмы «делают ставки» на наиболее вероятные изменения в окружающей среде. Жизнь, на всех своих уровнях, — это непрерывный акт прогнозирования. И недавнее исследование, опубликованное в Nature Neuroscience, добавляет к этой картине ошеломляющий и революционный штрих.

Эксперименты показали, что фигуры «больного» аватара (с внешними признаками ОРВИ), приближающегося в виртуальной реальности к человеку, достаточно, чтобы запустить каскад реальных иммунных реакций.

Представьте: угроза нереальна, она — лишь пучок света на сетчатке, но ваша иммунная система, армия ваших клеток-защитников, уже мобилизуется, готовясь к отражению инфекции (которой нет!). Это не просто рефлекс. Это — прогностическая модель, построенная вашими нейронами.

Этот результат — оглушительное эхо революционных идей биолога Майкла Левина о «разнообразном интеллекте» (DI) и «технологическом подходе к разуму повсюду» (TAME). Левин утверждает, что интеллект — способность решать проблемы — присущ жизни на всех масштабах, от молекулярных сетей до целых организмов.

И вот перед нами доказательство: нейронные и иммунные клетки кооперируются для решения сложнейшей задачи — оценки потенциальной будущей угрозы и превентивной подготовки к ней. Это разумность на клеточном уровне, действующая ради блага целого — вашего тела.

Более того, это открытие наносит сокрушительный удар по устаревшему представлению о нейроне как о простом вычислительном элементе, бездумном «переключателе» в гигантском компьютере мозга. Если нейронные ансамбли способны создавать такие сложные, иерархические и причинно-следственные модели будущего, то что это говорит об их отдельных компонентах?

Это означает, что мы должны перестать видеть в нейронах примитивные транзисторы. Они — сложные, компетентные агенты, которые вступают в динамичные коалиции для достижения общих целей.

Мы — не просто единый разум, обитающий в теле. Мы — это вселенная разумных клеток, триллионы путешественников во времени, которые каждую секунду совместно творят наше будущее. И осознание этого — первый шаг к пониманию не только нашего здоровья, но и самой природы сознания.

Мой вывод из всего вышесказанного прост и дерзок:

Мы — не только то, что делаем сейчас, но и то, что способны предвидеть. Жизнь сильна именно там, где опережает судьбу: учится на тени будущего и переформатирует себя до его ударов

.

P.S. Но помните, что помимо вычислимой мозгом тени будущего, существует еще и его невычислимая тень – серендипность!

#ParadigmsofIntelligence #DiverseIntelligence #НетрадиционныеРазумы #ИнойИнтеллект