Метка: Политика

«…Еще один назревающий вопрос заключается в том, как международные цепочки поставок усложняют картину. Автор подробно описывает, как крупные компании, такие как GM и Boeing, были сверхэффективными отчасти потому, что они передали множество ключевых задач на аутсорсинг огромному количеству более мелких компаний. Но поскольку мир был не очень глобализован, эти небольшие компании-субподрядчики почти все находились в Америке. В сегодняшнем глобализованном мире многие из важнейших поставщиков пока еще находятся в Китае. Они не будут доступны во время войны с Китаем, а экспортный контроль, тарифы и проблемы безопасности делают их менее доступными даже в нынешней обстановке, напоминающей холодную войну. США просто не являются той производственной державой, которой были в 1940 году — той мастерской мира, где можно было произвести все, что угодно, по правильной цене. Сейчас (пока что) это Китай. Поэтому задача разделения мира на разные лагеря на этот раз может оказаться сложнее и потребовать более централизованного планирования…

«…Я думаю, что один из интересных вопросов заключается в следующем: что произойдет, когда ИИ будет внедрен в военном пространстве? Это то же самое, что сегодня происходит с другими технологиями общего назначения, такими как электричество или компьютеры. Со временем, скажем, через пятнадцать или двадцать лет, вполне возможно, что системы ИИ будут использоваться для более быстрого анализа информации, ее объединения, передачи лицам, принимающим решения, которые в ней нуждаются, и системы ИИ помогут им лучше понимать боевое пространство. Затем, со временем, мы увидим более интеллектуальные, объединенные в сеть автономные рои, боеприпасы и платформы, которые смогут проводить различные операции, включая логистику или кинетические удары по целям. Все это, вероятно, приведет к тому, что боевое пространство станет более прозрачным, в нем будет сложнее спрятаться, военные будут обладать большей ситуационной осведомленностью, и все будет происходить более стремительно…»

«…Вместо того, чтобы брать интервью у Уоррена Баффета и пытаться выяснить, какие правила он использует, чтобы делать то, что он делает, вы вместо этого получаете множество больших данных о том, как Уоррен Баффет инвестирует, как он перемещает деньги и так далее. И вы попытаетесь заставить машину выработать свои собственные правила, просто просматривая эти данные. Это и есть машинное обучение. Оно тоже было довольно ограниченным, пока примерно в начале 2010-х годов не появилась область глубокого обучения, в которой используются нейронные сети, гораздо более сложные, чем те, которые использовались в 1980-х годах. Сеть учится на огромном количестве данных, которые теперь доступны людям благодаря интернету, и мы можем обрабатывать их с помощью чрезвычайно быстрого параллельного вычислительного оборудования. И это действительно позволило всей области ИИ как бы «взорваться» множеством новых приложений и успехов, хотя у этого тоже есть свои ограничения…»