Год был богат на клёвые книги - мы с Юлей, оказывается, постили дохрена конспектов:

Психология и трансцендентное

- Психоаналитическая супервизия как оценивать свой прогресс в психотерапии
- Scientist in the crib наука про самую мощную обучающуюся машинку во Вселенной - детей
- Sovereign child очень либеральный подход к воспитанию
- Secular age как спад религий нарастил пустоту в душах
- Road less traveled неописуемо )
- Внутри секты устройство сект и кого/как они эксплоитят
- Irreversible damage как в США перегнули палку с трансгендерством подростков
- Bad therapy про ряд перегибов сферы mental health в US для детей и Gen-Z

Стартапы и фаундерство

- Hard thing about hard things от буквы H в Andreessen Horowitz: что никто не знает, что и как делать
- Blitzscaling: lightning-fast path to building massively valuable companies от Reid Hoffman
- Founding sales про b2b продажи для тех, кто никогда не сталкивался раньше
- Cold start problem как создавать сетевые эффекты

Природа людей

- The AI Con разбор механик AI hype/продавливания социума ради бизнеса и как противостоять этой пропаганде
- Самые популярные заблуждения и безумства толпы книге 200 (!) лет
- Social genome чего в людях больше - генетики или социального
- Forbidden facts теория заговора про прививки

Кейсы AI пропаганды

- Superagency: what could go right with AI future от Reid Hoffman
- Last economy: intelligent economics от фаундера StabilityAI
- If anyone builds it, everyone dies паранойя Юдковского )

Про деградацию инета из-за бигтехов

- Enshittification: why everything suddenly got worse
- Technofeudalism: what killed capitalism
- Gilded rage: Elon Musk & the radicalization of Silicon Valley
- Digital vegan
- This is for everyone: unfinished story of WWW от дядьки, кто придумал www
- Careless people про government relations в Fb
- How to save the internet лоббистская агитка от бигтехов

Экономика

- How countries go broke: big cycle что с мировой экономикой, от Ray Dalio
- Age of extraction

Китай

- Great heist: China’s epic campaign to steal US secrets про промышленный шпионаж всей страной
- Apple in China ловушка Apple с их заводами в Китае
- Breakneck: China's quest to engineer the future что в Китае инженерная культура, а в США юридическая

Видения куда там надо развиваться США

- Truths: future of America first от Ramaswamy
- Technological republic от CEO Palantir

Биографии

- A woman makes a plan автобиография мамы Илона Маска
- Автобиография Ирины Винер “Я - никто”
- Gambling man про главу Softbank

Атомные технологии

- Nuclear war, a scenario
- Rad future

Инфобезопасность

- Philosophy of cybersecurity

а

Из интервью, если одно выбрать, это Lex Fridman с [междисциплинарным] математиком Edward Frenkel про красоту и парадоксальность реальности

Jensen Huang, CEO самой дорогой компании мира ($4.5 трлн) дал макро интервью на 1.5 ч. нишевому подкасту:

2025 Scaling laws продолжились, ризонеры улучшились, а токены стали самоокупаемые и давать бОльшую маржу Claude и Cursor. Еще глюки упали за счет обращения к фактам через поиск

Занятость
- AI это не разовый софт типа Excel, а все токены генерятся каждый раз наново в AI factories (датацентрах). Строятся электростанции, датацентры, заводы чипов (TSMC, Hynix) - нужны бездны разных рабочих
- Да, Hinton говорил лет 5 назад что рентгенологи все будут с AI. Так и есть, но - их число стало расти. У любой работы есть purpose (выявлять болезни), а есть tasks (изучать снимки). И скорость врачей выросла, и клиники стали наоборот нанимать их больше, дабы растить выручку. Чем продуктивнее будут люди - тем больше их будет нужно
- Purpose юристов не строчить договора, а решать конфликты
- А у прогеров to solve known problems & to find new problems to solve. Nvidia нанимает разрабов чтобы они продолжали рисеч/играться с архитектурами всеми этими SSM, diffusion, CNN, LSTM итп
- Официант создает great experience, а не носит еду. Итп. Думайте про все в терминах purpose & tasks
- Любая промышленная революция создавала массу новых видов рабочих мест, AI так же

Отрасль автоматизации
- Структура - 5 слоев: 1 энергетика, 2 чипы, 3 датацентры/инфра, 4 модели, 5 аппы
- Закон Мура удешевит токены за 10 лет не в 10 тыс раз, а в 100, тк 3 фактора перемножаются: чипы + как тренить модели + их архитектуры
- Как лабы стали сильны в pre-training и training, заняв эту нишу, так и стартапы займут свои ниши, став incredibly good at it
- Cursor показывает, что в ближайшие 5 лет в AI самой горячей темой будет verticalization. Создатели AI не были tax accountants или хирурги, вот и позволяют себе утверждения, что их GodAI все засолвит и wrappers не нужны, игноря purpose и complexity разных работ

Open source
- Оч важно для не монополизации рынков. И стартапы тогда смогут finetune'ить эти модели для своих сфер и отраслей. Я всюду говорю политикам, чтобы не забывали это
- Мультидоменный (язык, био, физика) God AI еще в оч далеком будущем. Запугивающие нарративы от больших CEO - это попытки зарегулировать сферу чтобы ограничить стартапы. Оч. неправильно, обществу хуже
- А про безопасность - так AI дешевеет: вырастет сегмент cybersecurity где миллионы агентов будет мониторить другие агенты. Больше здравого смысла
- Стартапы США едут на китайских open source AI..

Роботы
- Они необходимы, 1 млрд шт. Тк у нас а) всюду стареет население (производства по миру с трудом удерживают штаты персонала) и б) есть куча работ, что не нравятся людям (водители-дальнобойщики итп)
- Для роботов будет создан самый большой рынок ремонта в мире, на триллион $. А роботакси тоже будут обслуживаться (вы уже это видите)
- Self-driving было 4 эпохи: сенсоры, картирование местности как Waymo и цифровые "рельсы", perception для планирования, а щас идем в end-to-end models как Tesla. В роботах Optimus будут только одним из лидеров
- Все, что движется - станет роботами. И это огромная сфера
- В b2c роботы с точностью 90% делают всех happy, а в промышленности нет - надо 99.999%

Думеры Да, в некой части их опасений что-то есть. Но оптимисты же вовсе не наивны. И они движут мир. Любые tech всегда осваивали свою security. Надеюсь, policy makers по миру (пусть и не все понимая) сбалансируют обе стороны

Геополитика Провел кучу встреч про экспортные ограничения Китаю итп, что есть много нюансов. Я оптимист: отношения наладятся, следующий год будет лучше прошлых

AI пузырь - это миф
- Применение обычных CPU себя давно исчерпало. Но щас мир шагнул к GPU и AI - new way of doing things. И это нужно не только OpenAI, а всюду: robotaxis, роботы, quant trading, фарма итп - все (в тч мы) строим суперкомпы по миру. Это оч большое изменение
- Отчет MIT что в 95% enterprises фэйлят внедрение AI не важен - мир меняют десятки тыс стартапов, на них смотрите. Cursor и Open Evidence для врачей итп
- AI is very diverse in all of the industries & modalities & information & applications that it addresses

Там Ray Dalio интерпретирует 2025ый год:
- Люди считали, что US stocks (и особенно AI) круто заперформили
но
- Реально это просто доллар подешевел

Итоги
- Весь 2025ый год шел отток глобальных инвесторов из $ во всё, что угодно. Акции США показали доходности хуже большинства стран мира, не говоря уже о золоте: $ упал на 4% к юаню и на 12% к евро, и на 39% к золоту. Инвестицией года стало золото: +65% в $
- SP500 дал всего 18% - для тех, кто инвесторы в юанях или евро - это значит, что они сделали жалкие несколько % если пересчитать на их валюты. А если оценить SP500 в золотом выражении, то инвесторы получили -28% за 2025ый
- Граждане США как импортеры потеряли в покупательной способности своей валюты

Все прочие рынки побили США в 2025ом если пересчитать в их валюты: EU акции превзошли амерские на 23%, китайские на 21%, UK на 19%, а японские на 10%. Акции emerging markets дали +34%, а госдолг emerging markets в $ дал +14% (а в локальной валюте этих стран в пересчёте на $ +18%)

Госдолг США
- Номинально в $ сделал +9%, но создал отрицательную доходность для людей из Китая / EU итд
- ФРС предстоит рефинасировать $10 трлн, реальную ставку им придется снижать - и тогда долг США становится еще менее привлекательным для зарубежных инвесторов

SP500
- Вопреки мифам общественности про Magnificent7 (пусть и занимают треть SP500) остальные 493 компании из SP500 круто выросли в своих earnings на +9%. На 60% этот рост был за счет выручки (+7% за год), и на 40% - за счет роста маржинальности. И все это получили богатые (тк капиталисты), а работники - ничего
- Когда я экстраполирую типовые темпы роста в будущее с сегодняшних уровней P/E, то my long-term equity expected return would be 4.7% - это смешно, это как госдолг США. А если еще и ставки вырастут (а они могут: у нас все плохо с долгами), то тогда что?

Трамп
1. Трамп проводил политику и оживления производства США, и pro-AI
2. При этом отпугивая зарубежных инвесторов страхами санкций и конфликтов, так что они начали диверсифицироваться от США
3. Богатые (топ 10%) стали богаче, неравенство еще больше выросло
- В 2025 Трамп как раз всё и делал максималистски пока у него было большинство и в сенате, и в палате представителей (снижение регуляций, стимулирование производств, протекционистские тарифы итп)
- Трамп отошел от рыночного капитализма к госкапитализму

Что будет дальше?
- Думаю, в 2026 республиканцы потеряют палату представителей, 2027ой будет скомканный, а в 2028 будут очень поляризованные выборы
- В развитых странах докатались к тому, что обычно в развивающихся странах: радикально левые или радикально правые партии приходят к власти, обещают несбыточные вещи, те нереализуются, и приходят другие радикалы. Это оч. дестабилизирующе. Mamdani анти-миллиардерски объединился с Bernie Sanders итп - это все еще пошатает рынки и экономики

Геополитика. В 2025 мир отошел от многосторонности к unilateralism, где правят сила и эгоизмы стран. Это подняло и военные расходы (и долги для этого), и повысило риски конфликтов, и снизило зарубежный спрос на госдолг США, на $, на прочие активы США

VC. В VC и PE пока НЕ прайсится неликвидность этих активов, но это грядет, тк долг будет ими браться по более высоким ставкам нежели щас (в 2025 у нас же была довольно щедрая и налоговая, и монетарная политика)

AI. Мы вступили в раннюю стадию пузыря (и это тоже на многое влияет). Попозже опубликую как я про это думаю

Прочее
- Глобальное потепление продолжается, но Трамп на это забивал
- Много думаю (в тч юзая AI) об уроках истории, как все эти факторы переплетаются - сегодняшняя ситуация не уникальна

**

Я писал летом саммари его книги How Countries Go Broke: The Big Cycle

Кстати, их фонд (где он много лет как отдал управление команде, уже без него едут) показали 38% доходность в 2025ом - попали в топ10 хеджфондов США. При этом их общие активы а-ля $100 млрд

AI Effects on Labor Market: Is AI Disrupting the Future of Work?, от Chamath Palihaptiya, PDF 120 слайдов:

1 Механики
- У лидеров взгляды оч. отличаются. Это не прогноз (пусть и про ближ. 6-24 мес), а механики + как думать from first principles
- Любая работа = набор задач - AI на них влияет
- Есть 3 слоя: exposure, adoption, реакция рынка труда

2 Exposure
- Связь AI & jobs: а) у работ есть их задачи + б) и есть pattern развития AI, можно так все работы оценить по индексу 0..100. Чем больше этот индекс, тем выше риск работам
- High risk: кто работает с текстом/символами (у кого выше ЗП, выше образование): финанализ, market research, закупщики, судьи, юристы, математики, computers science, аудиторы, банкиры, зарплатники итп
и
- Low risk: где physical manipulations [роботы отстают, пока, но все может и поменяться], presence, rich social interaction - строители, тренеры, медсестры, официанты итп
- New Moore’s Law: длина задачи работника, которое может делать AI - к 2029 это будет 1 мес (сейчас это 2 часа)

3 Adoption
- Exposure говорит что AI может делать, adoption - это решения людей и фирм применять ли AI. Diffusion - это более широкий процесс как инновация идет по популяции с течением времени. Exposure не равно adoption. Arvind Narayanan & Sayash Kapoor говорят, что даже если AI free итп, людям требуется время
- Если задачи автоматизируемы, adoption будут тормозить право/профсоюзы/консьюмеры
- AI это general tech, типа паровых машин, электричества, компов. Электричество разгонялось десятки лет. Компы тоже - фирмам нужны тренинги и комплементарные инструменты, чтобы реализовать productivity gains. Этот парадокс выливается в т.н. productivity J-Curve - что сперва early adopters могут видеть провал в своей производительности (люди разгребают AI slop), но потом осваивают, как именно применять gen AI. Впрочем, genAI за 3 года дошел до 40% penetration среди взрослых (инет за 6 лет, компы за 13 лет). 10% фирм освоили genAI (bias в сторону стартапов: у них нет legacy итп). Айти резко, юристы - смешано, creative arts - насторожено (и там судебные иски сдвинули в сторону licensed, consent-based, compensated uses)

4 Реакции рынка труда №1: Дополнение AI людей там, где это возможно - делать таски в работах быстрее и лучше, ownership остается у людей
- Кейс 1 knowledge workers: MS 365 Copilot - на 2 час/нед меньше времени на мэйлы, на -10% переработки, микс задач и митингов не поменялся
- 2 сhat support: не оч квалифицировання работа, люди начинают 15%-30% больше чатов процессить. А более high skill люди такого эффекта не видят
- 3 консультанты BCG с GPT4: low-performers стали быстрее +47%, а крутые консультанты на +17%
- 4 рентгенологи: в типовых болезнях ускоряет, в сложных случаях путает. Они стали работать больше - Jevons Paradox 1865г - когда что-то подешевело, спрос растет, а не убывает

5 №2: Вытеснение
- Часть работ AI заменит, когда-то исчезла роль телефонисток и щас тоже штат колл-центров и чат-поддержки снижается
- Но и посл. неск. лет идет оптимизация нанятых после печати $ в пандемию, и канеш junior staff любого рода меньше ищут. Mid и seniors не упали

6 №3: Реинтеграция Появляются и новые роли: AI-Related Engineering, AI Safety / Trust & Risk, model evaluators. Молчу про взлет индустрии датацентров и спрос на рабочих

7 AI-Work feedback cycle 3 слоя выше создают идущий по кругу и цикл обратной связи

8 Изобилие
- Техно-революции сперва уменьшали рынки труда, а вдолгую всегда увеличивали
- В целом: 1) Get AI-fluent by building 2) Stay alert to augmentation vs. automation exposure (граница размывается)
- Entry level: 1) См new AI-adjacent roles 2) Watch alternative paths
- Mid: 1) Operate on the jagged frontier 2) Shape how AI fits into your function
- Seniors: 1) Help firms get over “dip” in the J-curve 2) Set operational AI rules & 3) culture around AI

9 Итог
- Мнения варьируются и противоречивы тк на каждом из слоев люди видят свои нюансы
- Пока уничтожается неквалифицированная и repetitive knowledge work
- Следите за А) как фирмы реорганизуются из-за AI и Б) за edu, training & policy adaptation

Там питчат VC фонд имени основателя McKinsey - Марвина Бауера, с тезисом вкладываться в стартапы выпускников McKinsey:

- типа с 2010 года сделали 950 стартапов если считать со стадии seed
- и создали $280 млрд капитализации и 100 тыс рабочих мест
- и причем каждый 12ый из этих 950 post-seed стартапов - стал юникорном
- а еще из этих 950 85% не закрылись (в то время как чуть ли ни 80-90% стартапов seed стадии закрываются с 2022 года и 50-60% ранее 2022 года)

буквально несколько нюансов про этот маркетинг:

- $280 млрд - это всего в 2 раза меньше чем у YCombinator за всю историю (и причем это еще у YC в 5 раз больше стартапов потребовалось, чтобы свои $500-600 млрд совокупной капитализации настучать за 20 лет с 2005 года)

- если VC зайти в какие-то из этих получившихся unicorns ПОСЛЕ seed stage - то будет не 12 гипотетических иксов на фонд, а уже 8-10x

- или если вдруг пропустить буквально 3 компании из этих 950 - то будет не 12 иксов на фонд, а сразу 6x (но что все равно останется первые несколько персентилей для VC asset class - super unique, okay). то есть от general partners потребуется религиозная, абсолютная, маниакальная дисциплина ( YC тоже там: из 5 тыс стартапов если бы не попали в airbnb / stripe / coinbase - и иксы на фонд в целом сразу в 1.5-2 раза схлопываются )

- и эти 3 самые крупные компании от alumni mckinsey - они все в одном тезисе доставки еды:

а) doordash ($80 млрд)
б) grab ($40 млрд)
в) gojek ($30 млрд)
а
- в AI, скажем, сходу даже не нашел - что и кто сделали alumni?

unicorn’ы в целом, кстати, уже лет 5 как ппц неликвидны:

- их 1500 шт примерно, совокупно стоят несколько трлн $. nasdaq стоит $30 трлн (причем из этого половина - это magnificent7) - т.е. чтобы всем сегодняшним инвесторам всех этих юникорнов в плюс выйти по этим дорогим 1500 юникорнам - надо на 20% сегодняшнего nasdaq экзитов или IPO понаделать? (или, точнее, даже на половину сегодняшнего nasdaq, если вычесть magnificent7)

- это связано:

а) и с супер-силой монополий и олигополий и отдачи от масштаба у mag7,

и

б) с избытком денег в мире: слишком дохрена VC "намайнили" юникорнов в надежде перекинуть их на public markets )))) но это более общая market-wide problem. так-то фаундеры могут свои доли постепенно распродавать на [супер-взорвавшемся за последние несколько лет] рынке secondaries. а вот инвесторам - посложнее.............

- крайне высокий survival rate 85% говорит, что стартапы все консервативные, не радикальные, ничего особо не дисраптят, апсайд ограничен. бьется с тем что никаких AI или AI-related юникорнов сходу не нашлось

В 2025г вышла книга Fixed: why personal finance is broken and how to make it work for everyone, от John Y. Campbell / Harvard и Tarun Ramadorai / LSE, издано в Princeton Press. Она объясняет на чем стоит финансовый сектор и как он эксплоитит людей (и это про весь мир, не про США или EU - такое повсюду)

! НЕ читать, вода водой, саммари хватит !

I. ПРОБЛЕМА: ЛИЧНЫЕ ФИНАНСЫ

1 Масштабы
- Люди приходят к пенсии потеряв активы или с недостаточным cash flow. А в страховании жизни оч много дурилова людей, кто не понимают во что они вообще вписываются. Т.е. люди (изредка) принимают решения с долгосрочными последствиями (потом могут десятки лет огребать)
- Система финансов выстроена нечестно по отношению к населению, в пользу чисто финсектора. Финсектор эксплоитит ошибки людей, а не помогает людям их избегать
- Еще финсектор способствует росту неравенства: и более богатые могут получать бОльшие нормы доходности (в тч за счет решений регуляторов) + дешевле кредитоваться, и обычным людям не хватает финансовых знаний

2 Почему финансовые решения так сложны для людей? Это и behavioral biases, и financial industry incentives. Редкие решения про кредиты/страховки/пенсию нетипично сложны для людей

3 Коррупция финансов Банки и управляющие компании получают прибыль от путаницы потребителей, сложности своих продуктов и скрытых комиссий, а вовсе не от прозрачной value. А осведомлённые клиенты получают более выгодные условия, и обычные клиенты, по сути, субсидируют их через ошибки и невыгодные контракты. Конкуренция не особо работает

II. ДЕТАЛИ: ЧТО ТАМ НЕ ТАК

4 Управляя качелями Высокие издержки + непрозрачное ценообразование + вводящие в заблуждение стимулы/сложность. А финансовая грамотность помогает лишь частично - не меняя структурные недостатки рынка. Бедные и средние домохозяйства сталкиваются с наибольшими рисками из‑за своих ошибок про кредиты / сбережения / инвестиции

5 Крупные инвестиции Ипотеки, кредиты на образование, инвестиции - это committments в долгими последствиями, а люди недостаточно сравнивают опции про это. А еще широкие массы НЕ понимают, что вдолгую в инвестициях важны:
а) диверсификация активов
б) низкие комиссии (но рынок финансовых услуг и маркетинг и устроены таким образом, чтобы задурить)

6 Жизнь с риском
- В страховании [жизни] люди недостаточно страхуются от катастрофических рисков (здоровье, инвалидности, потери недвижимости),
но
- Переплачивают за мелкие или эмоциональные риски

7 Обеспечить свою пенсию
- Сложно. Ведь надо управлять сразу 3 вещами:
а) нормой своих сбережений
б) как их реинвестировать
в) и сколько ты в итоге проживешь
- Люди сберегают меньше, чем надо, фигово аллоцируют в разные активы, а еще досрочно снимают деньги со сберегательных счетов

III. РЕШЕНИЕ

8 Потенциал технологий Технологии, теоретически, могут помочь, но на практике они тоже эксплоитят людей. E.g. крипто-продукты любого рода или геймификация (у брокеров это бейджи, уровни, серии сделок, таблицы лидеров, анимация итп - для стимуляции более частых входов в приложение)

9 Подтолкнуть Госрегуляторы, видимо, должны:
а) стандартизировать финансовые продукты
б) enforce’ить более строгую фидуциарную ответственность,
в) всегда ограничивать predatory lending

10 Мы можем лучше Нужна реформа финсектора в пользу упрощения / удешевления / роста безопасности / роста сравнимости финансовых продуктов. Это если мы за людей и домохозяйства, а не за рентные доходы финансовой отрасли...

**

Их идеализм и желание все зарегулировать для меня чуть спорно:

- Это и отказ людям в их биологии / их нежелании самим вникать / не читать мелкий шрифт. Это же патернализм, не? (а effective altruists, наверное, сказали бы что у нас все за людей должны решать авторитетные уполномоченные люди )))

- Это и, получается, вклад в ещё больше жертвоприношений регуляторному антихристу Питера Тиля?

Вышла книга Everybody loses: tumultuous rise of American sports gambling от Danny Funt. Про то, как после отмены в 2018г федерального запрета на sports betting все ушло в онлайн, и как миллионы болельщиков начали (успешно) конвертировать из болельщиков в гэмблеров:

- После легализации по всем США ставки на спорт пошли в онлайн в аппы типа DraftKings и FanDuel, безо всяких поездок в казино итп как раньше. Политики прикрывались тезисом о росте налогов в своих штатах, игноря что обществу будет нанесен вред за счет аддиктивностей

- Сперва, оказывается, долго раскручивался сегмент fantasy sports (онлайн-игры, где участники собирают виртуальные команды из реальных спортсменов и соревнуются на основе их статистики в настоящих матчах). Это подготовило почву для легализации ставок на спорт: типа что якобы ставки на спорт это скилл, а это вам не просто казино

- Реклама составляла миллиарды долларов в год, силами звезд, фокус на молодых мужчин, с механикой т.н. free bets (чтобы вовлечь в первые ставки через мобильные аппы)

- Операторы стали выделять для самых активных игроков (т.е. кто больше всех терял денег) т.н. VIP статусы - ложи на матчах, ивенты, бесплатные отели, в кругу таких же. Сотрудники операторов говорят, что это система по экслуатации аддиктивных людей. Люди туда приезжают аж с детьми “ну мы же это типа на матчи ездим"

- Спортивные лиги типа NBA, NFL (американский футбол), MLB (бейсбол) сперва были жестко против, но букмекеры стали их щедро финансировать. И лиги и разрешили рекламные интеграции про беттинг, и перепозиционировались что беттинг это типа способ увеличить вовлеченность фанатов в спорт

- Спортивные каналы начали включать анализ беттинга в свое вещание (!). А инфлюенсеры в своих передачах, подкастах и на своих сайтах полностью размыли линию между обсуждением спорта и беттингом, и слили это все в единое целое. Культура полностью сменилась за несколько лет

- Число людей, кто все проиграл, стало расти. Люди стали подсаживаться на непрерывный беттинг, в своей надежде отыграться. Люди начинали от спортивного болельщиства, а в итоге им становились не важны ни их команды, ни их матчи, ни другие болельщики итп, а сегмент в целом через призму на что бы сделать ставки

- Регуляторы полагаются на отчетность самих букмекеров. Власти штатов подсаживаются на дополнительный источник налоговой выручки. Общей регуляции нет, на социум всем плевать. А спортсмены, кстати, начинают получать угрозы от болельщиков, типа якобы из-за них люди все потеряли

- Люди ломают себе жизни и ссорятся с семьей. Механика проникновения в социум похожа на распространение рекламы табака когда-то и на тотальное проникновение социальных сетей в наш мир. Без регуляторов будет только хуже

**

А т.н. prediction markets платформы Polymarket и Kalshi вытащили gambling далеко за пределы спорта, уже во все сферы + (пока) едут на отсутствии регуляций

**

Ее НЕ надо читать (очень уж она длинная даже для меня), и моего саммари более чем хватит. А так кейс, конечно, интересный - как все лихо было провернуто и как всех стейкхолдеров перемешали и замотивировали. Капитализм такой капитализм...

Вышла книга Wall dancers: search for freedom & connection on Chinese internet. От бывшей танцовщицы Yi-Ling Liu из Rest of World (так западные фирмы называют страны за пределами "золотого миллиарда"). Про исчезновение китайского интернета за great Chinese firewall с 1996г, кейсы и нюансы этого процесса

В Китае свой, причесанный инет, свои Wechat, Deepseek и Douyin (вместо TikTok). Раньше были запрещены 3 T (Tibet/Tiananmen/Taiwan), а теперь много всего. Люди самоцензурируются, юзают эзопов язык. Общество динамизма и техно-прогресса сочетается с жестким контролем, а запреты мемов показывают опасения партии лучше любых think tanks. Даже техно-бро вокруг Трампа захотели нечто подобное

Часть I
1 Выйти Сперва, в 2000ых, инет стал отдушиной для активностей, запрещенных в оффлайнах

2 Говорить Лю Пин пережила интеллектуальное пробуждение на фоне реформ Сяопина, стала бороться за права женщин в Китае

3 Море Некоторые начинали когда-то активизмом, а окончили в итоге интернет-предпринимателями типа портала про ВИЧ Danlan

4 American dream Kafe Hu из провинциального Цзянъюя открыл для себя рэп в интернет‑кафе и мечту в лице Эминема, впитал звуки запада, но отверг прямую копию и создал свой, местный рэп в атмосфере роста и экономики, и национализма

5 Удача Chen Qiufan, увлечённый киберпанком, стал пекинским инженером и маркетологом в Google и Baidu и автором дистопий. После запрета Google в 2010г Китай свернул на путь закрытой техно-модернизации

6 Weibo Какое-то время на блог-платфоре Weibo был ренессанс публичности после первого крушения скоростного поезда (Вэньчжоу, 2011)

7 Свободнее В 2012г китайские феминистки выводят в инет новые типы кампаний типа креативных мемасных акций против домашнего насилия

Ч.II
8 Выход на свет Тот проект Danlan вписывается в линию партии и ему дают сделать IPO на NASDAQ когда был всплеск мобильно‑инновационной эпохи в Китае и VC бум

9 Walled Garden При этом масштабы того, что недопустимо, стали нарастать, и китайский инет начинает превращаться в закрытую экосистему

10 Позитив В эпоху "позитивной энергии" и партийного управления цифровым "walled garden" китайский хип‑хоп превращается в модный, но отфильтрованный коммерческий продукт

11 Выгорание В 2010х популяризация научной фантастики, технократический энтузиазм и миф "безграничного роста" сталкиваются с реальностью в виде экологических вызовов, нарастания неравенства и раскола внутри городов (из-за сельской прописки даже в городах эти люди остаются людьми второго сорта без нормальной работы/медицины/образования). Хао Цзинфань итп писатели через футуристические аллегории вопрошают: ради кого и как строят этот безжалостный проект машинизированного будущего?

12 Андеграунд В 2015 происходит резкое ограничение феминизма и его участницы разлетаются по миру

Ч.III
13 "Налог" на выступления Китайский рэп теперь становится вынужден считаться с возрастающим патриотическим давлением. А кто сохраняет художественную честность - те скатываются в молчаливую фрустрацию

14 Против течения Когда цифровой гиперкапитализм превращает жизнь в бесконечную гонку продуктивности, молодые люди и даже ведущие киберпанк‑писатели как Chen Qiufan/Стенли по‑тихому выбирают стратегию "lie flat” и отрицать over-work / over-achieve / работу 996. Идут в село, шаманизм, малое искусство, отрицая романтический миф о росте и требуя права на бездумного, неприбыльного, "ненужного" человека

15 Берег Руководство ряда айти компаний уходит в отставку, феминизм уходит в подполье (но пережило мощный #MeToo с обвинениями в харассменте против члена политбюро Zhang Gaoli), а еще люди сильно разочаровались затяжными китайскими локдаунами в ковид

Итог Число сайтов упало с 5.3 млн в 2017 до 3.9 в 2023 и инет чистят, цикл "окукливания" нарастает, безработица у молодежи 20%, а рождаемость ниже, чем полвека назад. Общество атомизируется и наше время стали называть “garbage time". Ряд активных людей поехали пока по миру, пусть и по конфуцианству периодически навещают родителей дома..

**

НЕ читать, моего саммари более чем хватит. Дополняет New China playbook и Great heist

Мне на мой последний пост прислали ссылку на это - Saining Xie - ко-фаундер Yann LeCun’а по его новому стартапу AMI Labs (physical world intelligence) дал интервью на 7 часов про AI, оч глубоко. До стартапа делал в Google nano banana. Они начали в 14 часов и нечаянно окончили ночью. "На подкастах раньше не был, скорее сам слушал":

Био
- Папа любил читать и не выходил из дома, а мама вояжила по работе по Китаю с ребенком, в 9 лет появился первый комп: контент не книга - он интерактивен. Растили оч. либерально, учился не очень, случайно взяли в Shanghai Jiao Tong University на рисеч-программу по компам, окончил в 2013. Мой путь был рандомный. E.g. интервью при поступлении спросили что читаю, я сказал "What is Mathematics?" от Courant. А сейчас тут преподаю в его универе..
- В SJTU был студенческий гайд от Hou Xiaodi, там было что the purpose of research is not to churn out papers but is truly about exploring the infinite unknown things или что выбрав оценки ты станешь заложником этой системы итп

Computer vision
- В итоге я как-то нащупал тему AI в computer vision, первая стажировка была в NUS в Сингапуре (а на PhD в Adobe, NEC, Meta, DeepMind. В Meta и Adobe я ничего не нарисечил). Для меня зрение вообще с детства главный орган чувств. На Земле зрение появилось 500 млн лет назад
- Тогда не было open source и PyTorch, надо было для GPU с нуля писать 50 тыс строк кода на C++. В ходе PhD в UC San Diego познакомиля с Fei-Fei Li. Для PhD 5-6 статей на ведущих конференциях выдал и всё - по сегодняшним меркам мало. Работал над Deeply Supervised Nets итп. Дало чувство, что в deep learning я могу открывать кусочки этого black box
- В DeepMind RL для роботов мне не понравился (он тогда был virtual, а не real robots). Demis Hassabis говорил, что DeepMind - a company that will win multiple Nobel Prizes (а тогда даже группы по AlphaFold еще не было)

Representation learning
- Он лежит в основе любого deep learning. Я это обобщил после работы в ряде разных направлений. Точно не определено, математически - это данные x, которые вы хотите отобразить в пространство, и у этого сжатого пространства появляются полезные свойства. Тема крутая тк она timeless (а то в AI много было хайпов, которые через 2 года исчезали, e.g. Neural Architecture Search)

Ilya Sutskever
- В 2018 получил оффер в OpenAI, но не пошел. Но даже если бы пошел - не стал бы адептом LLM. Денег дали мало - $400-500К/год, это была цена топовых PhD тогда (щас она в 3x больше). Я пошел в FAIR на 4 года - они тогда успешно конкурировали с OpenAI, начали нанимать PhD
- А второй раз я отказал Sutskever в 2024г его SSI тк я спросил его что он думает о мультимодальности. И он сказал, что это уже solved, и я понял что не, там будут еще одно языковое направление отрабатывать, мне не интересно

Наука
- В ней все - в социальных графах, и студенты могут обучать профессоров не меньше, чем они их
- Purpose of research? Being able to inspire / enlighten others когда они прочли вашу статью, что-то поняли, и их горизонты расширились. Цель не поменять мир (это слишком маскулинно), а нарастить общую intelligence на Земле
- После FAIR пошел в NYU, отчасти опять же из-за LeCun’а. А щас он меня в 3ий раз нанял, ха-ха. В NYU он 10 лет назад замутил Data Science Center отдельно от ф-та computer science и отдельно от math department
- Там видел Fei-Fei Li (всем читать её книгу The Worlds I See, 2023), она меня поддерживала своими историями - её путь не был так гладок как кажется. Ее суперсила не в решениях, а she's someone who can define problems. С ней случайно все было. Мистика - это некий закон притяжения: что люди притягиваются на схожие мысли, и countless small streams в итоге may all converge into one river?
- Топ-рисечеру нужны фокус, вкус, и стойкость - нельзя просто плыть по течению и делать то, что интересует других. Еще сильные инженерные навыки, исследовательская интуиция (тк в академии, парадоксально, все оч плохо с извлечением key points и выходом на более высокий уровень абстракции)

**

А часть 2 тут

2-ая часть моего саммари интервью с Saining Xie и объяснение аферы нарратива про AGI и scaling law:

LLM
- LLM - это virtual intelligence и НЕ имеет отношения к миру: факты, bits итп. Модель мира же требует непрерывного трекинга многомерного пространства (e.g. все сенсоры роботов, их не токенизировать). А LLM дискретны. Студентам говорю идти в robotics тк там ничего не засолвлено, нет аналога pre-training, нет "мозга" итд
- В computer vision не важен scaling law, тк там заботятся о другом, это не язык. Язык - АНТИрандомность - итог мышления людей за тыщи лет, загрузили в инет - и вуаля. Без инета LLM не было бы
- LLM это не machine learning, который мэтчит из X в Y, а просто предсказания ТОЛЬКО внутри Y
- AI ученые уже десятки лет сталкиваются с Moravec's paradox: вещи легкие для машин сложны для людей и наоборот
- LLM юзаю каждый день, но они будут уходить в закат, а вовсе не путь к AGI. В ближ. 5 лет будет идти развитие reasoning + распространение моделей в применение в real world

Ложь AGI нарратива
- Идет якобы из эссе 2019 года Bitter Lesson (от патриарха RL Sutton) что типа автоматические подходы (НЕ supervised) всегда побьют rules based и supervised, и типа надо scaling law. Наоборот: язык - это же и есть supervised data в каждом токене (!), координата Y что я выше описал. И LLM - это же КОНТРПРИМЕР к Bitter Lesson. Язык - это уже ИТОГ работ моделей мира у множества людей
- Sutton говорил, что RL - это как инстинкты животных - реакция БЕЗ модели мира (система 1 и 2 Канемана). И в этом плане Sutton был против чисто RL. Reasoning в LLM - это щас модно, но это же система 1.. И intelligence агентам это не добавит
но
- Просто уже много лет этот нарратив “AGI рядом/надо scaling” помогал привлекать $ в лабы (которые в академии были недофинансированы). Но щас этим стали пытаться оправдывать сотни млрд долл в облачные GPU? Это же структурно ложно

Бизнес
- Наука или стартап? Да это чисто к чему ваша душа лежит
- Silicon Valley моно-культурна (product product product), NYC - междисциплинарен, эстетский

Режим exploration
- Kaiming меня научил, что в рисече нужно первую треть времени (1-2 мес) выделить на treat research like a game, игрушка на поиграться - exploration чтобы найти свои идеи, starting point. Как и в DL, и во всех сферах жизни - это стохастический процесс градиентного спуска пока идем к конечной цели. Либо вы гений, либо оч. удачливы - это бывает, но в основном - прогресс идет так. И нелинейно, с пивотами. Это не шахматы - ошибся в середине игры и все, а как изобретательство. И инновирование - это в первую очередь способность define problems
- Мной движет желание попасть в топ20 самых важных статей про DL. Типа AlexNet, ImageNet, ResNet, R-CNN, GPT/transformers, Bert, GAN. Пока не попал [Витя: у него 100 тыс (!) цитирований]
- В науке важно трекать все свои эксперименты (до последнего времени был популярен Excel) - чтобы ловить сигнал

Все не то, чем кажется
- Kaiming давал мне Diamond Sutra: "все вещи подобны снам, иллюзиям, теням". Все феномены - иллюзия. А если видишь как не-феномены, то перед тобой Tathagata (просветленный) / Кант “вещь в себе" итп
- Свой стиль важен, мне важен, мои статьи - на стиле. И вообще я в детстве хотел стать режиссером. Kaiming давал книгу Story от Robert McKee, про сценарии, но она по сути про research и про жизнь: через конфликт находятся решения / как достаточный контраст в градиентном спуске / виден сигнал

С кем работать
- Менторы и коллеги невероятно влияют на формирование нас как специалистов, на наш рост. Я устал уже Kaiming’а упоминать )
- В FAIR я нанял стажером Bill Peebles (щас глава Sora/OpenAI) и мы сперва игрались/explore, пытаясь понять что за representations копят diffusion models в отличии от self-supervised learning

Наш стартап
- Путь к моделям мира идет слоями, растить абстрактность representations.. И мы с LeCun, Fei-Fei Li, и другие - туда идем
- Нужна именно правильная, компактная архитектура, а не scaling и бездны сompute LLM. Визуально мы 1 млрд бит в секунду процессим, а устно - 10 бит - наш мозг что-то сделал?

**

А часть 1 тут

Чет ппц какой-то ) Книга Swarm Troopers: How small drones will conquer the world (!) 2015 года:

- На Goodread оценка 4.1 из 5. И читало людей ее совсем мало
- Написана просто журналистом из Англии David Hambling (писал про tech, но для всяких экономических изданий) и ничего до и после и не писал особо (кроме пачки fantasy)
- Разбирает как дроны могут стать мелкими, подешеветь до тыщи долларов (тк там юзаются технологии из потребительской электроники, и значит сильно подешевеют), и будут использоваться десятками сотнями тысячами, и текущие средства защиты окажутся бесполезны, и будущие боевые действия станут децентрализованнее

но

Palmer Luckey прочитал её, увидел в этом ясное будущее, и основал свой стартап для оборонки Anduril, после как его Цукерерг выгнал из Facebook. Еще он рассматривал НКО по реформе американских тюрем, синтетическую еду чтобы засолвить эпидемию ожирения итп. А теперь Anduril стоит $60 млрд, поднял $10 млрд, 6000 сотрудников, и ждут контракт на $20 млрд

Интересный ракурс что AI - это итог и венец digital wave, а вовсе не next big thing. Эта digital wave идет с 1971г, когда Intel сделали микропроцессор:

1. AI - это просто некая оптимизация поверх сферы компов и инета. Ну типа как японский lean manufacturing в 1970ые - он оптимизировал существующие уже лет 50-60 конвеерные производства, а не что-то новое

2. AI - это как автомагистрали и кольцевые дороги в 1970ые в UK (которые, кстати, тоже сталкивались с протестами населения), породили дальние логистические перевозки, крупные ТЦ и business parks в пригородах итп

3. AI не хотят платить все, а буквально 10% юзеров. Поэтому OpenAI рекламу вводит, а Google и Microsoft впихивают в свои имеющиеся продукты. И людям это не нравится. А во времена ПК и dotcom bubble и мобильных телефонов - их покупали буквально все, тк реально были прорывные технологии

Подтверждения, что это поздняя часть цикла инноваций айти отрасли в целом, а вовсе не radical disruption:

1. Пик VC был в 2021-2022 не случайно: стартапы едут на том, что uncertainty is a competitive advantage, и тогда для ранних инвесторов возможны outlier доходности. А после уже чисто бигтехи залили капиталом понятное направление

2. ChatGPT сделал не крошечный стартап в гараже, а оч хорошо профинансированный стартап, который до 2023 года поднял $20 млрд, а после - еще $200 млрд. + все эти триллион-два $ - big tech deploying huge capital against well-understood problems

3. Самое показательное то, что насыщение мира платформами теперь выглядит практически полным. Digital охватили большинство секторов, где chips & networks полезны. А то, что осталось и пока не - healthcare, edu, стройка, госуслуги - это может отражать естественные границы айти парадигмы, а вовсе не underused рынки

Такие циклы идут лет по 50-70, описала венесуэльско-британская ученая про связь tech и изменения общества Carlota Perez. Типичные кейсы таких больших волн:

1. С 1771 английская промышленная революция, началась с хлопкопрядильной фабрики на энергии воды
2. С 1829 эпоха пара и ЖД
3. С 1875 век стали, электричества и heavy engineering. Начался с бессемеровского процесса выплавки стали
4. С 1908 - век нефти, автомобилей, конвейеров - начался с Model T от Ford на его конвейере
5. И наш текущий айти и networking цикл

У этих волн есть 2 основных фазы:

1. Installation period - время хаоса, спекуляций, конфликтов. Новая tech только появляется, отсутствие регуляций, финансовый капитал доминирует над реальным сектором, всегда пузыри, потом крах

и

2. Deployment period - После кризиса общество понимает необходимость адаптации институтов под new tech. Масштабируется инфраструктура. Массовое использование. Экономический рост для всех. Дефицита идей нет, понятно что делать, в это льется консервативный капитал

Китай

Он исповедует другой подход, нежели как в Вашингтоне разгоняют дискурс "our race to AGI" и next Manhattan project. Это прикладное, утилитарное применение AI на благо разных секторов промышленности и экономики. Отчасти тк в Китае в несколько раз меньше compute, чем в США, а отчасти тк треть политбюро - технари и технократы

Бизнес-модель AI

Фундаментально, бизнес-модели сводятся к 2ум полюсам:
- Как шахта с золотом: долго ищем / копаем / строим комбинат рядом, зато потом пожинаем растущие нормы прибыльности
vs.
- Как авиалинии: рост пассажиропотока ведет и к капзатратам на новые самолеты, и к линейным расходам на керосин

AI - это вторая модель. И где, кстати, и капитальные затраты обесцениваются побыстрее - GPU за несколько лет, серверные стойки за 10 лет, здания - ОК, за десятки лет, и при этом чем больше люди юзают нейронки, тем пропорционально больше сжигается электричества (но про это Elon Musk и прицелился в космические орбитальные датацентры - типа в разы дешевле цена compute будет. Но не в 10 раз же)

Вполне может быть даже и такое, что сейчас AI - он дешевле, чем когда-либо, а потом подорожает, чтобы у бигтехов начала сходиться экономика бизнеса. Так что не закладывайте critical workflows вашего бизнеса на LLM

//

Написал все это прикольный журналист в Берлине

Наш Макс Королев попал в номинанты Forbes 30 under 30

Макс 3 раза был на наших группах личностного развития Soulmates и за 3 года прошел путь от wanna be founder до предпринимателя и номинанта. Респекты

А у нас сейчас как раз идет набор в группу Soulmates Superheroes со стартом 14 мая. Приходите тоже

Детали группы тут: juliaisa.com/superheroes/

А Макса давайте поддержим, он очень классный

Поговорили с ученым-физиком Денисом Барановым из Сингапура из лабы Константина Новоселова (получили с Геймом нобелевку за графен). Денис был у нас на группах Soulmates:

Его лаборатория
- Это не только графен, а разные материалы толщиной в один атом. Это может быть прорывом через 10-20-50 лет. Он в прикладной науке, то есть что-то измеряет, привязан к установке. А теоретики (это часто завлабы) - они все умозрительно делают, могут гораздо чаще статьи публиковать
- Каждая моя лаба - это как вторая семья для меня. Ученые в целом очень коллаборативны и поддерживающие

Его корни Учился на пятерки все классы, ходил в бездну кружков - танцы, театр, спорт. Окончил физико-химическую инженерию МГУ и аспирантуру в РФ и Сорбонне - изучал ультратонкие сверхпроводящие пленки в устройствах где вакуум и холод как в космосе

Наука
- Фундаментальная наука - это 99% неудач. Зато что удается - переворачивает мир. Когда PhD делал - 1 год ничего не получалось, думал даже сферу менять. Тут будь готов, что результатов нет месяцами и годами - это не то, что в индустрии прикладные исследования ведут. И тебе никто не подскажет, что не так, хоть 100 нобелевских луареатов - ведь ты на фронтире. Зато награда, когда смог - ты первое существо на Земле, кто это видит
- Есть деление на теоретиков и экспериментаторов. А практики делятся на кто измеряет и кто синтезирует образцы итп: много узких специализаций из-за сложности

Нобелевская премия
- Общался с десятком лауреатов - они, конечно, все совсем пожилые люди. И это на самом деле лотерея и удача, никто из них никогда не гнался за ней. Они делали, потому что им это нравилось
- Ученые поразились, когда премию за AI дали по физике, а не, скажем, Филдсовской или Абеля или что-то еще ближе к math или computer science. Т.е. тут хайп повлиял (в плане, что всех живущих нобелевских лауреатов нобелевский комитет спрашивают, они заполняют какие-то вопросники)

Астрофизика
- Достраивают большой телескоп в космосе, позволит искать следы жизни на экзопланетах. Может стать переворотом для человечества
- Гравитационная астрономия тоже - уже детектируют гравитационные волны от столкновений сверхмассивных объектов. Когда черные дыры сталкиваются, у них такая рябь возникает в нашем пространстве-времени
- Темную материю и темную энергию пока никуда вписать не могут, большое направление
- В симуляцию я не верю. Даже 3 тела не могут смоделировать в гравитации, задачу расчета трех тел, только приближения
- Лично мне симпатична теория, что внутри черных дыр находятся другие Вселенные. Просто разные версии физических констант. И мы побочный продукт этого, а то многие очень гордятся собой )

AI
- Мне кажется нам еще лет 30 до реального AI - оч. много всего нужно сделать. В моей сфере - я на визуальном языке программирования работаю - LabVIEW - AI пока бесполезен. Но так да - Джарвис как был у Железного человека - это оч круто: сгрузить рутину
- Страхи смены работы из-за AI? А так всегда же надо обновлять свои навыки, чтобы не остаться за бортом - это и есть развитие

Что удивляет? Что почитать?
- Физика очень тесно связана с философией, так что удивить меня сложно. Дайте факты? ОК, будем теперь жить в обновленной реальности
- Сейчас много невежества в мире, словно кроме Гарри Поттера ничего не читали. Почему небо голубое, а трава зеленая? 95% людей не ответят. Растения защищаются от Солнца, потому что спектр максимума энергии на зеленый приходится. И они зеленые, чтобы его отражать, чтобы не перегреться
- Почитайте "Краткая история всего" - от Брайсона, я много раз читал - поразительно про, что наука открыла. И классика типа “Вы конечно шутите, мистер Фейнман” - они без единой формулы

Что ему дала группа Soulmates?
- Понимание, насколько по-разному живут люди в разных социальных пузырях, и не знают даже, как дела устроены в других
- Показало, какие эмоции у людей про задачи личностного развития. Публично же у всех всегда образ, а тут - видно изнутри

Ооо )))) Я постил в сентябре что нейронки - это просто архиватор - а тут научно обосновывают. Книга Principles and Practice of Deep Representation Learning - A Mathematical Theory of Memory, выложена тут. Китаец Yi Ma в University of Berkeley лидирует

Их самая ключевая амбиция: что нейронки просто находят компактные / малоразмерные / информационно-плотные representations в потоке более многомерных данных реального мира, где не вся инфа одинакова важна

Авторы метят во что-то уровня Шеннона с его теорией информации и von Neumann про компьютинг итп. В том плане, что:

- Не просто гениальные инженеры типа Sutskever, сами не понимая как и почему, откроют то трансформеры, то Stable Diffusion, то еще что-то

а

- Им важно обобщить теоретические основания и так проложить путь дальше (как Петя Лидский говорил и про продление жизни: без общей теории засолвить будет сложновато)

Видят 3 уровня:

1. Собственно, компрессия/память
- Ее и выводят из полудюжины кейсов известных нейроархитектур и пытаются строго показать. Что нейронки, сжимая сложность реальности в более малоразмерные representations, "осваивают" паттерны, "борются" с энтропией, "конструируют" распределения мЕньшей размерности, “добиваются" self-consistency
- Это еще пока не итог уровня Шеннона или Геделя, а текущий research в процессе обобщения

2. Автономная само-коррекция
- Это, видимо, потребует не статичных LLM, а перепрошивки нейронов на лету, поэтому уже даже Karpaty ожидает десятки лет до AGI
- Это уже на агентность залезает, не? (но я после новостей, что на астероидах нашли прекурсоры аминокислот думаю, что агентность - это фича физической реальности. И у компов и роботов сознания не будет. Ну или разве что их на биосубстрате уже запилят)

3. Итоговое научное мышление (это уже чисто их спекуляции)

**

Не читать - времязатратно (400 страниц) и сложно (это же фронтир: там и не все ученые-то поймут, как Денис Баранов в интервью отмечал про фронтир). Чисто полистать их графики, названия глав оценить. Коснуться красоты Вселенной

**

Начинается книга, кстати, угарно:
- Сперва “мы хотели бы внести наш скромный вклад”, портреты великих, "используются такие-то обозначения"
- А дальше - фсио-писдес-надо-вникать-в-каждую-формулу. Как известный ролик "Алгебраично!" ))

Но

Книга все равно в этом плане похожа на теорию Геделя: не обязательно понимать всю его строгую формализацию, чтобы понять общие выводы его открытия (что все объяснения математической системы априори лежат вовне её, в аксиомах. Которые то ли мыслящие наблюдатели рандомно вводят и объяснить их не могут. То ли это физически наша Вселенная так устроена, а в других Вселенных уже своя математика будет)

14 мая старт Soulmates Superheroes №16

Более эффективное взаимодействие с людьми, с реальностью, с собой

Вертикальное развитие/спиральная динамика (Кук-Гройтер, Торберт, Бек), спектр инструментов личностного развития, интегральные взгляды (Уилбер, Дойч, Тегмарк), групповая терапия и трансцендентное

7 zoom созвонов раз в неделю:

1. Структурированные рацио frameworks что цивилизация знает про личностное развитие

2. Теплая группа единомышленников для совместных практик и обсуждений в бережной среде

3. Трипы в подсознание с эмоционально-образной терапией / ЭОТ

Кому?
- Кто столкнулся с кризисом или в поиске смыслов
- Нужно вывести компанию на новый уровень, создать новый бизнес
- Нужны прорывы в карьере или кто хочет стать фаундером
- Изучить новое про себя, переизобрести, или принять что все ОК

Детали juliaisa.com/superheroes

Для участия и краткого интервью писать в тг Юле @julisache