Полиинтеллект

В недавних дискуссиях в СМИ, бизнесе и академических кругах много говорилось о конвергенции человеческого и искусственного интеллекта. Это мощное сочетание уже приводит к замечательным открытиям. Однако есть еще одна форма интеллекта, которая часто остается непризнанной — природный интеллект.

В статье Нубара Афеяна "Почему будущие прорывы станут результатом полиинтеллектуального мышления" - концепция полиинтеллекта — интегрированная структура естественного, человеческого и машинного интеллекта. Идея о том, что сама природа воплощает интеллект с ее способностью учиться, адаптироваться и кодировать знания, тесно связана с междисциплинарным подходом, который Фрэнк Диана давно отстаивает. Она также усиливает необходимость в латеральной, экосистемной перспективе — той, которая выходит за рамки изолированности и охватывает целостное мышление.

Леонардо да Винчи, настоящий полимат , понял эту реальность много веков назад. Его гений заключался не только в его мастерстве во многих дисциплинах, но и в его способности воспринимать глубокие взаимосвязи, управляющие природными и механическими мирами. Изучая человеческое тело, проектируя машины или создавая искусство, он подходил к своей работе целостно. Сегодня этот образ мышления более важен, чем когда-либо, поскольку сложность современных задач требует полиматического мышления — ценящего широту и интеграцию наряду с глубиной и специализацией.

В статье Нубара Афеяна подчеркивается преобразующий потенциал полиинтеллекта в биотехнологии, особенно в синтетической биологии и белковой инженерии. Объединяя ИИ, человеческую изобретательность и природный интеллект, исследователи открывают прорывы в медицине, такие как разработка новых белков с терапевтическими приложениями. Это отражает силу конвергенции: самые глубокие достижения возникают из-за интеграции различных интеллектов, а не из-за опоры на какой-либо один в изоляции.

Помимо медицины, полиинтеллект предлагает многообещающие решения некоторых из самых больших проблем человечества, включая изменение климата и продовольственную безопасность. ИИ в сочетании с эволюционным интеллектом природы используется для улучшения основных культур, позволяя им процветать в более суровых условиях. Этот сдвиг является примером перехода от отраслевого мышления к экосистемной модели, которая признает сложные взаимозависимости между технологическими, биологическими и экологическими системами.

Однако полная реализация потенциала полиинтеллекта требует трансформации мышления. Это требует смирения — признания того, что интеллект природы часто превосходит наше собственное понимание. Адаптивность имеет решающее значение во времена больших и частных изобретений. Это касается не только организаций и учреждений, но и наших собственных ментальных моделей. Так же, как да Винчи оставался открытым для обучения у природы, мы тоже должны интегрировать идеи из природных систем в наши рамки принятия решений.

Последствия для управления, этики и междисциплинарного сотрудничества глубоки. Полиинтеллект не может процветать в мире, ограниченном жесткими иерархиями и изолированными экспертными знаниями. Вместо этого он требует междисциплинарных исследований, коллективного интеллекта и системного мышления. Ученые, политики, лидеры отрасли и педагоги должны работать вместе, чтобы создать этические и операционные структуры, которые будут направлять эту новую парадигму. Мы являемся свидетелями глубокой трансформации, где конвергенция сил в науке, технологии, обществе, геополитике, окружающей среде, философии и экономике перестраивает прогресс. Полиинтеллект представляет этот сдвиг, моделируя инновации в соответствии с децентрализованной, взаимосвязанной и адаптивной природой экосистем.

Будущее будет принадлежать тем, кто может мыслить на междисциплинарном уровне, распознавать закономерности конвергенции и использовать объединенную мощь человеческого, искусственного и естественного интеллекта. Пока мы движемся по этому новому ландшафту, уроки таких полиматов, как да Винчи, напоминают нам, что самые преобразующие прорывы возникают из слияния различных интеллектов, работающих в гармонии для расширения сферы возможностей.

Источник: Полиинтеллект: слияние природы, человеческой изобретательности и искусственного интеллекта. 10 февраля 2025 г. Фрэнк Диана.

Статья

Нубар Афеян. Почему будущие прорывы станут результатом полиинтеллектуального мышления.
https://www.fastcompany.com/91274947/noubar-afeyan-polyintelligence

Леонардо да Винчи понимал силу слияния человеческого мышления и творения с разумом природы — подход к инновациям, который сейчас актуален как никогда.

В новостных агентствах, деловых изданиях и научных журналах наблюдается бурный рост комментариев о комбинированной мощи человеческого интеллекта и искусственного интеллекта. Без сомнения, эта конвергенция уже приносит захватывающие открытия во многих областях.

Однако третий, не менее важный вид интеллекта остается вне обсуждения: природный интеллект.

Идея о том, что сама природа демонстрирует отличительные черты того, что мы понимаем как интеллект — способность учиться, кодировать эти знания в новых, более эффективных моделях и постоянно адаптироваться — не совсем нова. Леонардо да Винчи хорошо это понимал. Природа была его учителем и его вдохновением. Ничто не ускользало от его пристального наблюдения: вода, почва, растения, птицы.

Частью его обширного гения было восприятие скрытых систем — невидимых сил и законов, — которые управляют всем, от работы человеческого тела до движения объектов по воздуху. Сегодня мы опираемся на мудрость да Винчи, когда анализируем сложную химическую коммуникацию растений, интеллект роя насекомых, сложные щелчковые паттерны «песен» китов. Мы начинаем видеть, с некоторой скромностью, что природа гораздо более разумна, чем мы, люди, когда-либо понимали.

Но больше всего да Винчи, похоже, увлекали взаимосвязи между этими системами и между дисциплинами. Когда он изучал человеческое тело, проектировал машины или создавал шедевры искусства, он делал это целостно, опираясь на свой постоянно расширяющийся диапазон понимания и создавая работу, которая больше, чем сумма ее частей. Этот подход к инновациям никогда не был более актуальным или более возможным, чем сегодня. Слияние естественного, человеческого и машинного интеллекта — синтез, который я называю полиинтеллектом — обещает решения некоторых из самых неразрешимых проблем мира.

Действительно, эта интегрированная структура уже начинает революционизировать биотехнологию. От разработки лекарств до генеративной синтетической биологии полиинтеллект обеспечивает прорывы, которые ни одна форма интеллекта — или даже конвергенция двух — не могла бы достичь сама по себе. Возьмем пример проекта « Геном человека», который завершил картирование чертежей человеческой ДНК в 2003 году. Более двух десятилетий спустя этот союз природы, человеческого интеллекта и ИИ продолжает давать — среди прочего — новые последовательности ДНК и мРНК, которые могут открыть новые прорывные лекарства.

Или подумайте о том, как ученые используют полиинтеллект для «изучения языка» белков, что позволяет нам создавать новые белки, которых нет в природе, с определенными терапевтическими функциями. Так же, как слова и грамматика определяют разговорный язык, ИИ анализирует огромные объемы данных о белках, чтобы понять «правила», которые диктуют структуру и функцию белков. Эти знания позволяют ученым разрабатывать новые белки, записывая новые последовательности в рамках лингвистических рамок природы, преодолевая традиционные ограничения и разрабатывая инновационные методы лечения сложных заболеваний.

Помимо биомедицины, полиинтеллектуальное мышление, полиинтеллектуальные системы и полиинтеллектуальные решения будут иметь более широкое применение — и, я считаю, непревзойденную силу для смягчения изменения климата, повышения урожайности сельскохозяйственных культур устойчивым образом и решения других сложных глобальных проблем. Опять же, это не теория. Интеллект природы, усиленный ИИ, применяется для ускорения эволюционного процесса основных культур, таких как кукуруза, пшеница и соя, чтобы они могли расти в более жаркой и сухой среде.

Перспективы полиинтеллекта явно даже больше, чем наши надежды на ИИ. Поэтому жизненно важно, чтобы мы эффективно и рассудительно управляли этим переходом. Принципы, которые мы устанавливаем сегодня, и решения, которые мы принимаем в отношении управления, этики и предвзятости, для использования ИИ должны способствовать достижению цели обеспечения полиинтеллекта. Чтобы реализовать его полный потенциал, мы должны отдать приоритет междисциплинарному сотрудничеству, способствуя междисциплинарным исследованиям и интегрируя разнообразные знания в разных секторах. Объединяя политиков, ученых, лидеров отрасли и педагогов, мы можем использовать коллективные сильные стороны, необходимые как для понимания, так и для решения самых насущных мировых проблем. От планирования устойчивости городов и сохранения биоразнообразия до оптимизации производства и распределения энергии, полиинтеллект может катализировать устойчивые решения с широкомасштабным воздействием.

Наконец, и, возможно, самое важное, полиинтеллект также потребует изменения человеческого интеллекта. В частности, мы должны перестать видеть себя в качестве окончательного арбитра того, что хорошо, правильно или разумно. Говорим ли мы о сложных и изменчивых методах сопротивления болезням организма или о недавнем исследовании , показывающем, что лошади могут мыслить стратегически и планировать свои действия, мы должны иметь смирение — как это сделал да Винчи, настоящий гений, — чтобы признать, что большая часть природного мира действует за пределами нашей способности его постичь. Наши знания неполны и всегда будут неполными. Но они значительно расширяются, захватывающим образом, изменяя саму природу открытия.

Краеугольные камни успеха

В статье McKensey были представлен "краеугольные камни успеха" электронной коммерции на текущем этапе. Эти "камни" таковы, что они пожалуй применимы не только в элетронной коммерции.

Вот эти "камни".

1. Инвестируйте как атакущий. Лидеры действуют как атакующие, инвестируя, в частности, в новые технологии, такие как ИИ-технологии, в новые каналы с тем, чтобы лучше понимать и обслуживать клиентов.
2. Вы не можете передать свой путь к победе на аутсорсинг. Лидеры не зависят от поставщиков в вопросах технологий. Вместо этого они наращивают свой внутренний потенциал с тем, чтобы внедрять инновации в нужном темпе.
3. Технология — это стратегия. Прочные технологические основы дают лидерам скорость и гибкость инноваций.
4. Вы не сможете узнать своих клиентов, если не узнаете ИИ. Лидеры обращаются к ИИ, чтобы получить преимущество в сложных процессах покупок и в условиях меняющихся стандартов.
5. Руководите из центра, но расширяйте возможности команд. Централизованная операционная модель обеспечивает необходимый масштаб, но эффективна только в том случае, если она позволяет допускает автономные команды.

Источник.

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/power-forward-five-make-or-break-truths-about-next-gen-e-commerce

Power forward: Five make-or-break truths about next-gen e-commerce. October 8, 2024 | Survey
By Arun Arora, Kevin Wei Wang, Rodney Zemmel, and Stephan Zimmermann.

Применение искусственного интеллекта в В2В

В эпоху растущей конкуренции и требований клиентов руководители отделов продаж B2B могут рассмотреть ряд технологических инноваций, которые помогут им добиться успеха.

Лидеры продаж B2B сегодня находятся на перепутье. Окружающая среда, с которой они сталкиваются, динамична и сложна. Экономический рост неравномерен по всему миру, конкуренция развивается, а клиенты B2B перенимают гораздо больше потребительского поведения, ищут более надежный покупательский опыт и демонстрируют готовность находить альтернативных поставщиков.

Конечно, компаниям по-прежнему необходимо придерживаться основных принципов коммерческого совершенства, которые включают в себя работу с продуманной стратегией, предоставление эффективных ценностных предложений, оптимизацию для широкого спектра каналов и поддержание роста. Но чтобы оставаться на передовой, организации продаж B2B могут использовать технологии для поиска нужных рынков, одновременно открывая, удерживая и радуя клиентов во всех каналах.

Умные усилия, скорее всего, окупятся. Лучшие лидеры, которые могут превратить установки на рост в действия, могут добиться успеха. Исследование McKinsey о смелом росте показало, что компании, которые преуспевают в росте, более агрессивно инвестируют в цифровые преобразования и ИИ для повышения производительности продаж и маркетинга. Компании, которые осваивают инновации, получают дополнительный совокупный рост TSR на четыре процентных пункта выше, чем их коллеги.

Наиболее успешные игроки B2B используют технологии пятью основными способами, чтобы перестроить свой подход к росту и превзойти конкурентов:

• Выявление возможностей с помощью ИИ: лидеры роста в сфере продаж B2B используют ИИ для поиска новых точек роста как в рамках основного бизнеса, так и за его пределами.
• Персонализация: новаторы используют возможности искусственного интеллекта для адаптации предложения и презентации в ответ на все более специфические проблемы и потребности клиентов.
• Ценообразование на основе ценности с использованием искусственного интеллекта: компании используют технологические инновации для более эффективного информирования о ценности, переходя от ручного, статичного ценообразования к динамическим моделям, которые могут автоматизировать ценообразование, адаптировать предложения к сегментам клиентов и улучшить ценовую дисциплину.
• Автоматизация задач продавцов с использованием цифровых технологий: игроки B2B-сектора используют технологии для повышения эффективности и производительности торгового персонала, внедряя инструменты для более точной расстановки приоритетов, быстрого предоставления ценности клиентам и разработки стратегий выхода на рынок на основе более точной аналитики.
• Развитие талантов на основе цифровых технологий: торговые организации используют технологии для более эффективной оценки эффективности работы продавцов в соответствии с целями, а также повышают эффективность за счет внедрения программ по развитию компетенций.

1. Выявление возможностей с помощью ИИ

ИИ помогает компаниям выявлять возможности с высоким потенциалом и лучше избегать усилий с низкой отдачей. Существуют ключевые варианты использования, которые может помочь выявить ИИ:

• выявлять быстрорастущие ниши, смежные с существующим бизнесом, 
• повышать вовлеченность и конверсию с помощью микросегментации, перекрестных продаж,
• выявлять возможности для приобретения и удержания клиентов,
• управлять оттоком.

Выявление смежных ниш

Компании используют ИИ для выявления привлекательных возможностей за пределами основного бизнеса. Инструменты с поддержкой ИИ могут анализировать обширные данные и предлагать рынки с неиспользуемыми ресурсами для существующих продуктов, определять новые вертикали или проводить мозговой штурм возможностей разработки продукта для использования отличительных технологий в смежных областях. Эти модели могут помочь торговым представителям разрабатывать и расставлять приоритеты в списках возможностей, связанных с темами, оценивая относительное конкурентное преимущество потенциальных клиентов, целей слияний и поглощений. Кроме того, ИИ может помочь торговым представителям анализировать интернет-шумиху, интеллектуальную собственность или инвестиционные тенденции.

Микросегментирование

Машинное обучение (ML) позволяет компаниям сегментировать клиентов, изучая атрибуты, которые могут привести к продажам, расставляя приоритеты для групп клиентов и соответствующим образом адаптируя предложения. Используя различные наборы данных, ML анализирует ряд переменных клиентов (таких как отрасль, регион и размер) и шаблонов покупок (таких как объем, размер поставки и время транзакции) для создания микросегментов клиентов. Эти идеи информируют о решениях, например, о том, как персонализировать ценностные предложения или расставить приоритеты для лидов.

Поиск новых клиентов

Gen AI в сочетании с внешними источниками данных может создать детальное представление рынка. Это включает в себя надежную карту потенциальных клиентов, прогнозируемые расходы по линейке продуктов, текущую долю по клиентам и подробные данные о клиентах (такие как отрасль, подотрасль, тенденции покупок похожих клиентов и местоположение). При интеграции с системой управления взаимоотношениями с клиентами (CRM) эта информация может быть преобразована в лиды, которые квалифицируются внутренней командой продаж и превращаются в возможности продаж. Это может значительно расширить новый воронку клиентов.

Управление оттоком клиентов

ИИ также может помочь решить сложную проблему удержания клиентов, изучив несколько факторов, таких как ценообразование, обслуживание или характеристики продукта, помогая руководителям продаж понять причины оттока клиентов и когда он может произойти. Используя аналитические методы, включая анализ настроений и поведенческие данные во взаимодействиях с клиентами, компании теперь могут лучше предвидеть ключевые движущие силы и уровни будущего оттока на разных рынках, в разных направлениях бизнеса и у отдельных клиентов. Вооружившись такими знаниями, компании могут определять и внедрять проактивные меры для эффективного удержания.

2. Персонализация

Прошли те времена, когда компании могли применять подход «один размер подходит всем» к своим клиентам и продуктам. Болевые точки и потребности клиентов становятся все более специализированными и отраслевыми, и компании могут подстраиваться, адаптируя свои предложения и питчи. Технологии могут помочь повысить ценность за счет лучшей адаптации двух форм взаимодействия с клиентами: персонализированные ценностные предложения и маркетинг, а также опыт клиентов (CX) на основе искусственного интеллекта .

Персонализированные ценностные предложения и маркетинг

Компании используют ИИ-технологии для создания масштабных маркетинговых материалов, адаптируют контент для охвата определенных персон потребителей на разных этапах продажи и направляют сообщения по предпочтительным каналам связи. ИИ-технологии могут повысить показатели конверсии, превратив обычно ручной, трудоемкий процесс в автоматизированный, который обеспечивает эффективный персонализированный контент — от формулирования болевых точек покупателя до перевода того, как продукт может создавать ценность для бизнеса.

Расширенный маркетинговый подход также сочетается с вертикализацией, фокусируясь на определенных отраслях или сегментах рынка, чтобы компании могли адаптироваться к конкретным потребностям. Компании определяют приоритетные вертикали и соответствующим образом меняют свой подход к продажам. С помощью Gen ИИ и вертикализацией компании могут достичь масштабируемого персонализированного маркетинга, который повышает вовлеченность клиентов.

3. Ценообразование на основе ценности и с использованием искусственного интеллекта

С ростом конкуренции и сокращением прибыли из-за издержек компании все чаще рассматривают дисциплинированное и гибкое ценообразование . Компании могут внедрять эффективные стратегии ценообразования тремя способами:

• оптимизация цен,
• динамическая оценка сделок,
• управление эффективностью ценобразования.

Оптимизация цен

Используя технологичные инструменты ценообразования, компании могут автоматически устанавливать, обновлять и отслеживать цены, чтобы максимизировать ценность для клиента и бизнеса. Благодаря динамическим алгоритмам в реальном времени, обновляемым на основе данных микрорынка, эти инструменты могут определять уровни ценообразования на основе предустановленных правил, эвристик и параметров. Оптимизация управления ценами таким образом гарантирует, что решения о ценообразовании принимаются своевременно, чтобы соответствовать изменениям в бизнесе и экономике.

Динамическая оценка сделок

Компании используют возможности ИИ для определения ценовых пакетов и скидок, чтобы гарантировать, что правильная цена будет постоянно предложена правильному клиенту. Кластерные модели анализируют похожие предложения и оценивают готовность платить, создавая механизмы оценки, которые точно отражают истинную стоимость предложений. Этот подход устанавливает руководство и ограничения для эффективного осуществления ценообразования.

Помимо оптимизации цен, компаниям также важно создавать цифровые инструменты, позволяющие более прозрачно и в режиме реального времени понимать эффективность цен. Компании используют ИИ для создания баз данных транзакций, которые оценивают утечки маржи и прибыльность. Это обеспечивает видимость инициатив по улучшению маржи.

4. Автоматизация задач продавца с использованием цифровых технологий

Новые технологии могут стать мощным инструментом для отделов продаж, которые хотят стать более эффективными и продуктивными. Имея в руках инструменты ИИ, они могут опережать конкурентов, быть первыми на рынке и принимать более умные и более тонкие решения. Технологические инновации помогают автоматизировать задачи продавцов по выходу на рынок четырьмя основными способами:

• динамическое распределение ресурсов и маршрутизация лидов на основе ML (машинное обучение),
• автоматически генерируемые или автоматически улучшенные ответы на запросы предложений (RFP),
• автоматизированное создание плана счетов,
• управление лидами.

Динамическое распределение ресурсов и маршрутизация лидов на основе машинного обучения

Важным фактором успеха B2B является понимание того, какие лиды продаж следует расставить по приоритетам. Традиционные метрики, такие как потенциальный размер сделки,  не могут помочь эффективно использовать время  продавцов. Теперь компании могут использовать модели ML для оценки лидов и определения потенциальных клиентов, которые с наибольшей вероятностью закроются. Анализируя различные характеристики лидов и сопоставляя их с данными о транзакциях, компании могут создавать списки приоритетов и назначать менеджеров по работе с клиентами для лучших потенциальных клиентов.

Автоматически сгенерированные или автоматически улучшенные ответы на запросы предложений

Ответ на запросы предложений (RFP) — это трудоемкий процесс. Если сделать это неправильно, компании могут потерять привлекательные возможности. Gen AI помогает решить эту проблему, автоматически генерируя ответы с использованием обширных наборов данных. Инструменты Gen AI могут предварительно заполнять сведения о приоритетах клиентов, конкурентных оценках и о том, как решение компании отличается, чтобы создать убедительное предложение. Эти инструменты также включают чат-бота, который может отвечать на вопросы о профилях клиентов, прогнозах и планах для поддержки анализа руководителя по работе с клиентами и улучшения подготовки ответа на RFP.

Эффективное планирование счетов часто является одним из важнейших элементов, способствующих успеху менеджера по работе с клиентами. Это еще одна область, где Gen ИИ оптимизирует процесс, который может быть значительно трудоемким, а также обеспечивает аналитику счетов следующего уровня. Инструменты Gen ИИ создают планы счетов, которые автоматически предоставляют сведения о профилях и целях клиентов, оценивают возможности и создают планы действий после сканирования рынка и исследований компании с данными CRM по производительности воронки продаж.

Лид-менеджмент

От первоначального контакта до послепродажной поддержки взаимодействие с клиентами может занять большую часть времени организации продаж. Gen AI может помочь ускорить это взаимодействие, особенно в случаях использования письменной коммуникации. Инструменты Gen AI могут автоматически составлять черновики электронных писем и ответов клиентам, а также предоставлять рекомендации в режиме реального времени о следующих наилучших шагах для эффективного реагирования на запросы.

5. Развитие талантов на основе цифровых технологий

В сегодняшних меняющихся условиях высококлассный торговый персонал важен как никогда. Новые требования к навыкам, такие как кодирование и способность решать проблемы в реальном времени, заставляют компании серьезно относиться к повышению квалификации и переподготовке в масштабе. Два цифровых измерения могут помочь в реализации этого для организаций B2B:

• управление производительностью,
• наращивание потенциала.

Управление эффективностью

Эффективное управление производительностью имеет решающее значение для обеспечения того, чтобы менеджеры по работе с клиентами были на пути к выполнению квот и целей компании. Технологии играют все более важную роль, позволяя компаниям создавать интерактивные цифровые панели мониторинга, которые будут служить единым источником истины о производительности на всех уровнях иерархии. Эти детализированные панели мониторинга обеспечивают видимость в реальном времени (с руководящими, бизнес-линиями и индивидуальными представлениями) в перспективных и исторических ключевых показателях эффективности (KPI), таких как коэффициенты конверсии и новые чистые годовые стоимости контрактов. В сочетании с систематической периодичностью обзора результаты панели мониторинга могут быть преобразованы в действия, которые компании должны предпринять для повышения производительности.

Обучение особенно важно в сложных условиях, поскольку традиционные методы коучинга часто не справляются с решением динамических потребностей и не обладают необходимой конкретикой для повышения производительности каждого менеджера по работе с клиентами. Gen AI может помочь в индивидуальном развитии возможностей, выявлении пробелов в навыках и коучинге для каждого менеджера по работе с клиентами, чтобы стать более эффективным продавцом. В частности, Gen AI используется в речевой аналитике для анализа звонков клиентов и оценки намерений клиентов, поведения агентов, факторов конверсии и отмен для выявления областей для улучшения.

Управление изменениями

Пять технических рычагов могут дать компаниям возможность подходить к основам продаж с большей точностью, глубиной и скоростью; однако одних только технологий, скорее всего, будет недостаточно для устойчивой производительности. Успешные трансформации роста также выигрывают от структурированной структуры исполнения, подчеркивающей целостное управление изменениями с измеримыми целями производительности и отслеживанием. Трудно сделать это правильно. Для внедрения технологических инноваций компании также могут эффективно внедрить три столпа управления изменениями:

• Установите смелое видение и тщательно реализуйте его: компании могут сделать трансформацию главным приоритетом для руководителей и создать структурированный план активации, чтобы обеспечить ее успех. Лидеры могут активировать руководящие комитеты для стимулирования трансформации, прозрачно распространять сообщения по всей организации с подробными планами реагирования и активно вовлекать продавцов в сбор отзывов.
• Установите строгие процессы для предоставления видения: лица, принимающие решения в сфере B2B, могут внедрить управление эффективностью в масштабах всей организации, определить соответствующие ключевые показатели эффективности и установить регулярный график проверок, чтобы точно измерять и отслеживать прогресс. Согласовывая бюджеты, стимулы для продавцов и компенсации с целями трансформации, они могут предоставить адекватные ресурсы и мотивировать необходимые поведенческие изменения и способы работы для адаптации к новым подходам к продажам.
• Нанимайте, повышайте квалификацию и сохраняйте лучшие таланты: торговые представители могут преуспеть в понимании языка клиентов, решении проблем и демонстрации технологической и аналитической подкованности. Компаниям стоит инвестировать в структурированные программы обучения для повышения квалификации торговых представителей в определенных областях. Также важно создать культуру, ориентированную на рост, чтобы вдохновлять мышление в новой бизнес-модели с поддержкой технологий и искусственного интеллекта.

Сочетание последних инноваций в технологиях и комплексного управления изменениями может стать движущей силой новой волны роста для игроков B2B-сектора.


Источник

Пять способов, которыми лидеры продаж B2B могут добиться успеха с помощью технологий и искусственного интеллекта. 13 февраля 2025 г. Статья. Эрик Быковски, Гильерме Круз, Жан-Шарль Девинь, Мария Вальдивьесо, Кристиана Торрес.

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-ways-b2b-sales-leaders-can-win-with-tech-and-ai
Five ways B2B sales leaders can win with tech and AI. February 13, 2025. Article. Eric Bykowsky, Guilherme Cruz, Jean-Charles Devignes, Maria Valdivieso, Cristiana Torres.

Магия цифр

73939133 - самое большое простое число, обладающее таким любопытным свойством: если убрать одну или несколько цифр с конца, все числа будут простыми:

73939133
7393913
739391
73939
7393
739
73
7

Ключ к простоте. Самый простой способ достичь простоты - разумно сократить то, что уже есть.

Главный закон. Простота заключается в том, чтобы убрать очевидное и добавить необходимое.

* * *

По состоянию на 2013 году математик из США Кертис Купер получил самое большое из известных на настоящий момент простых чисел — так называемое число Мерсенна. Об открытии сообщалось на сайте проекта распределенных вычислений GIMPS (Great Internet Mersenne Prime Search), в рамках которого число и было обнаружено.

Наибольшее известное простое число — (2 в степени 82 589 933) − 1. Оно было найдено Патриком Ларошем в рамках проекта GIMPS 7 декабря 2018 года и содержит 24 862 048 десятичных цифр.

Запись числа Кертиса Купера  в десятичной системе счисления состоит из 17 425 170 знаков. Для сравнения длина предыдущего рекордсмена составляла 12 978 189 знаков. Простым, напомним, называется число, которое делится только на себя и на единицу.

Большие поведенческие модели: новый рубеж в области искусственного интеллекта

Большие модели поведения (LBM) становятся новым мощным инструментом в области ИИ, предлагая глубокое понимание сложного человеческого, социального и даже организационного поведения. Обрабатывая и обучаясь на огромных наборах данных — от индивидуальных действий до общественных тенденций — LBM могут генерировать тонкие и адаптивные ответы, позволяя машинам взаимодействовать с людьми способами, которые кажутся естественными, отзывчивыми и контекстно-зависимыми. Эта способность открывает мир возможностей для преобразований, стирая границы между взаимодействием человека и машины и изменяя то, как мы воспринимаем цифровой мир.

Представьте себе будущее, в котором роботы и виртуальные помощники работают вместе с людьми, понимая эмоции и приспосабливаясь к уникальным стилям общения. Беспилотные автомобили могли бы ориентироваться в сложном, непредсказуемом трафике, приспосабливаясь к поведению других водителей, пешеходов и велосипедистов. В таких областях, как виртуальная реальность, LBM могли бы оживить захватывающие среды, которые реагируют на индивидуальные предпочтения, создавая настолько реалистичные впечатления, что различие между реальным и цифровым мирами почти исчезает. Например, бармен на пенсии, известный своим социальным обаянием, мог бы взять на себя новую роль виртуального бармена в онлайн-сообществе. При поддержке LBM этот виртуальный бармен мог бы вовлекать гостей тонкими и высокоинтерактивными способами, создавая опыт, который одновременно является реалистичным и терапевтическим.

Помимо развлечений или социальных приложений, LBM обещают изменить такие отрасли, как здравоохранение, образование и городское планирование. В здравоохранении LBM могли бы поддерживать специалистов в области психического здоровья, понимая и адаптируясь к стилям общения пациентов, обеспечивая эмпатические ответы в реальном времени. В образовании преподаватели ИИ могли бы динамически корректировать свои указания в соответствии со скоростью и стилем обучения каждого ученика. В городском планировании LBM могли бы моделировать и прогнозировать поведение толпы для повышения общественной безопасности и оптимизации городской инфраструктуры. Потенциальное воздействие огромно, поскольку эти приложения улучшают поддержку, обучение и взаимодействие в различных областях.

Тем не менее, хотя обещания LBM неоспоримы, они также несут неотъемлемые риски. Та же технология, которая обеспечивает глубокие связи между человеком и машиной, может также быть использована не по назначению для манипулирования поведением или вторжения в личную жизнь. Поскольку LBM могут имитировать реалистичные взаимодействия людей, существует потенциал для ненадлежащего использования, например, создания цифровых персон, которые обманывают ради коммерческой или идеологической выгоды. Эта двойственность подчеркивает критически важную общественную проблему: ответственное управление LBM при использовании их преимуществ. Вместо того чтобы полагаться на предписывающие правила, необходима основа осведомленности, сотрудничества и ответственности. Разработчики, пользователи и сообщества должны вступить в коллективный диалог, чтобы гарантировать этичное использование этой технологии.

Потенциал LBM можно расширить еще больше, интегрировав их с аппаратным обеспечением, что, например, позволит создавать роботов, способных к еще более сложному и эффективному сотрудничеству с человеком. Гибридный подход может открыть беспрецедентные уровни взаимодействия человека и робота, сочетая автономность и проницательность LBM с адаптивностью системы управления. Поскольку мы ориентируемся в возможностях и проблемах, которые представляют LBM, крайне важно развивать культуру прозрачности и подотчетности. Разрабатывая системы для тестирования, аудита и объяснения поведения LBM, мы можем укреплять доверие и поощрять инновации, которые ставят на первое место благополучие людей и сообществ. В эту новую эпоху LBM предлагают потенциал для преобразования работы, досуга и связей друг с другом, давая возможность заглянуть в будущее, сформированное сочетанием человеческого понимания и искусственного интеллекта.

Источник.

https://frankdiana.net/2024/11/10/large-behavior-models-a-new-frontier-in-ai/

10 ноября 2024 г. Фрэнк Диана

Увеличение отдачи от талантов

Выдержки из статьи, ссылка на которую приведена в конце заметки: "Увеличение отдачи от талантов: важные шаги и показатели".

Статья представляет пять действий, которые могут преобразовать систему управления талантами, создав культуру производительности и одновременно повысив квалификацию сотрудников.

1. создание системы стратегического планирования рабочей силы на основе навыков, 
2. создание механизма найма, который привлекает нужных талантов для заполнения критически важных должностей. 
3. инвестирование в обучение и развитие, 
4. создание выдающейся культуры, ориентированную на производительность, 
5. усовершенствование операционную модель HR для надлежащей работы с талантами.

Вместе эти пять компонентов пересекаются и усиливают друг друга.

Сотрудники представляют собой как крупнейшую инвестицию организации, так и ее самый глубокий источник ценности. Наличие нужных талантов на нужных ролях — и предоставление сотрудникам поддержки и возможностей, необходимых им для успеха, — имеет решающее значение для получения прибыли.

Талант + производительность = ценность

Измерение отдачи от таланта было давней проблемой для компаний, поскольку очень сложно рассчитать индивидуальную производительность во многих ролях, и так же сложно отслеживать прогресс и улучшение с течением времени. Как организация, которая начинает пересматривать свой подход к талантам, может количественно оценить такой нематериальный актив?

Доход на одного сотрудника — это грубый инструмент, и на него влияют факторы, выходящие за рамки производительности, включая название бренда и подход к выходу на рынок, долю рынка, тип предлагаемых продуктов и услуг и операционную модель. Тем не менее, даже при сравнении сопоставимых компаний по производительности сотрудников корпоративных функций — где работа должна быть сопоставимой — исследование показывает, что существуют значительные разрывы в производительности сотрудников между компаниями.

Есть три четкие и измеримые причины отсутствия производительности среди отдельных сотрудников:

1. У них нет навыков, необходимых для успешной работы на определенной должности (пробел в навыках).
2. Работа их не вовлекает и не заряжает энергией (разрыв воли).
3. Они тратят время на то, что не увеличивает ценность, например, на неправильную расстановку приоритетов и встречи, не имеющие никакой ценности (разрыв во времени).

Если оставить эти первопричины без внимания, они могут снизить производительность труда организации и привести к более масштабным проблемам. К тому времени, когда организация сталкивается с хронической убылью кадров и вакансиями, уже слишком поздно решать отдельные причины недовольства и отчуждения. Проблемы стали системными.

Как создать высокоэффективную систему управления талантами

Комплексная стратегия объединяет пять элементов в ландшафте талантов.

Идентификация навыков и возможностей

Первый шаг — получить четкое представление о навыках и возможностях, а также о структуре и численности персонала, необходимых для реализации стратегии компании и достижения ее амбиций и целей . Каков разрыв между тем, где находится компания, и тем, куда она хочет прийти? Какие навыки и возможности необходимы, чтобы достичь этого на самом высоком уровне производительности?

Это выходит за рамки классического оперативного планирования рабочей силы. Вместо этого компании начинают с уточнения ролей и навыков, которые имеют решающее значение для реализации бизнес-стратегии. Как только руководители поймут, какие кадровые резервы, роли и навыки имеют значение, они смогут увидеть базовый уровень текущей рабочей силы и то, что им нужно сделать, чтобы закрыть пробелы. Соответствие наиболее подходящих талантов самым важным ролям дает непропорционально большую ценность существующих талантов.

Генеративный ИИ (gen AI) может облегчить организациям выявление текущих и ожидаемых пробелов в навыках на основе изменений рынка. Технология также может помочь лидерам создать таксономию ролей и навыков, которая в сочетании с надежным перечнем навыков текущей организации может помочь в планировании талантов на будущее.

Создание механизма найма для конкуренции за таланты

Привлечение лучших талантов для заполнения критических ролей является постоянной проблемой для компаний.

Чтобы создать быстродействующий и эффективный механизм найма, компании создают комнаты для поиска талантов — собирая ключевых заинтересованных лиц из разных отделов и HR, чтобы целостно думать об опыте кандидата. Настройка панелей управления на основе данных может помочь тем, кто работает в комнатах для поиска талантов, принимать обоснованные решения по всем элементам процесса найма. Эта группа может использовать ИИ и другие аналитические инструменты для быстрой оценки ценностного предложения компании (EVP) для сотрудников.

ГенеративныйИИ будет играть все более важную роль в привлечении талантов. Он уже меняет рекрутинг, помогая менеджерам составлять лучшие требования к вакансиям и сопоставляя кандидатов с пулами навыков. Аналитика также может помочь определить, на каком этапе найма рекруты могут отпасть, и оптимизировать процесс найма с помощью персонализированного контента и бесшовной адаптации.

Сосредоточение программы обучения и развития на максимальной отдаче

Фокус компании на непрерывном обучении может помочь ей вовлекать сотрудников и идти в ногу с изменениями. Однако, несмотря на миллиарды потраченных долларов, многие программы обучения не ясно как улучшают эффективность бизнеса.

При правильном подходе непрерывное обучение может устранить основные причины потери производительности: когда у людей нет необходимых навыков для выполнения своих текущих обязанностей или им не хватает навыков, необходимых для долгосрочного успеха.

Организации, которые могут определить возможности, необходимые им в будущем, способны создавать индивидуальные, основанные на навыках учебные программы. Сосредоточение на тех программах, которые могут принести наибольшую отдачу, более рентабельно, чем создание традиционных программ. Кроме того, поиск способов переобучения и оснащения существующих сотрудников для выполнения новых ролей сокращает расходы на подбор персонала.

Наиболее эффективные организации поощряют персонализированное, адаптивное обучение. Сотрудники мотивированы на то, чтобы самим решать, на каких навыках и областях знаний они хотят сосредоточиться. Когда компании меняют свою культуру, делая акцент на развитии, сотрудники, как правило, чувствуют себя более продуктивными, адаптивными и ценными, что способствует повышению показателей привлечения и удержания сотрудников в долгосрочной перспективе.

Сделайте людей и эффективность своей организационной мантрой

Когда сотрудники работают вместе, чтобы разжечь страсть и достичь цели, индивидуальная, командная и корпоративная производительность улучшается. Создание сильной культуры производительности включает два направления: установление четких механизмов подотчетности и улучшение опыта сотрудников. Цель состоит в том, чтобы создать благоприятную, инклюзивную культуру, которая также имеет преимущество в производительности.

Сильная система управления эффективностью последовательно усиливает вознаграждения и последствия. Людей, которые непропорционально продуктивны, нужно признавать, иначе они могут деморализоваться и уйти. А когда сотрудники с низкой производительностью видят мало последствий, это в равной степени деморализует и тех, кто отвечает за большую производительность.

Организации могут определить модели поведения, которые ведут к высоким показателям эффективности бизнеса, и четко донести их до сотрудников, чтобы они знали, как они выглядят на практике.

Высокопроизводительные культуры также устраняют барьеры для изменений и счищают слои бюрократии. К ним относятся факторы неэффективности, которые увеличивают отчуждение и истощение, такие как медленное принятие решений, бессмысленные совещания и другие препятствия для выполнения задач. Компании могут повысить производительность талантов, оптимизируя права принятия решений и увеличивая скорость принятия решений. Они также могут использовать этот момент как возможность перенастроить операционные модели, максимально приблизив права принятия решений к действию, при этом явно предоставляя лидерам автономию для выполнения.

Глобальная фармацевтическая компания хотела использовать процесс управления эффективностью для повышения сотрудничества и согласования организации с ее ценностями, предназначением и бизнес-целями. Она начала с внедрения нового подхода к постановке целей, в котором все сотрудники имели цели, привязанные к трем стратегическим областям, которые оценивались в обзорах их эффективности.

Превращение HR в управляющего талантами

В системе талантов с более высокой отдачей HR становится стратегическим партнером высшего руководства, гарантируя, что таланты являются приоритетом всей компании. HR переходит из центра затрат в настоящий центр создания ценности. Для поддержки четырех действий, упомянутых ранее, HR может предпринять несколько шагов для трансформации собственной операционной модели.

Во-первых, HR может создать более гибкую операционную модель для выполнения все более стратегической роли, которая от него требуется. Наиболее эффективные HR-организации встраивают гибкость в свои операционные модели — как правило, с помощью кросс-функциональных ресурсов flow-to-the-work. Цель состоит в том, чтобы сосредоточиться на пользовательском опыте, предложить стратегический опыт и идеи и создать операционную и техническую основу, которая обеспечивает результаты.

Во-вторых, HR может еще больше усилить свои возможности по анализу данных и людей, чтобы быстро делиться информацией, которая наиболее важна для руководителей подразделений и функций. Аналитика людей может помочь HR выявить и сократить неэффективность времени, предоставив персоналу, особенно руководителям среднего звена, которые часто страдают от перегрузки совещаниями, возможность сократить количество совещаний, в которых они участвуют.

Аналитика персонала может помочь обнаружить организационные проблемы и узкие места и быстро решить их . Если есть проблема с убылью, где она сильнее и на каких должностях? Уходят ли давние сотрудники, потому что их не повышают? Являются ли они родителями, которым нужно больше гибкости для выполнения семейных обязательств? Это разные проблемы с разными потенциальными решениями.

В-третьих, и это самое важное, HR играет важную роль в соединении стратегии талантов с общей бизнес-стратегией организации. Например, он может гарантировать, что стратегическое планирование рабочей силы интегрировано с финансовым планированием, а не отгорожено как упражнение только для HR. Благодаря тому, что HR работает в тандеме с финансами, организация имеет гораздо более высокую прозрачность затрат и может проводить значительно лучшее годовое планирование.

HR-функция многонациональной финансовой компании страдала от несогласованного руководства, неясных ролей и обязанностей и плохой репутации среди сотрудников, которые считали, что она больше сосредоточена на соблюдении, чем на решении проблем. Диагностика, которая учитывала вклад всей организации, дала стратегические и операционные изменения, чтобы полностью согласовать HR с приоритетами бизнеса и обеспечить ощутимые результаты для сотрудников с помощью кросс-функциональных ресурсов.

Операционная модель HR была переработана, чтобы подчеркнуть командные нормы и новые способы работы. Подотчетность и права принятия решений были уточнены, чтобы обеспечить скорость и точность. Ежеквартальный процесс обзора теперь определяет приоритетные виды деятельности и привлекает экспертов из центров передового опыта по мере необходимости. Операционная модель также отслеживает системы и инструменты, необходимые для дальнейшего успеха, включая специальную группу по улучшению процессов, когда выявляются пробелы в возможностях. В результате всех этих изменений HR стал высокопроизводительной функцией, работающей дисциплинированно и быстро, которая действует как стратегический партнер бизнеса.

Организация, которая рассматривает своих сотрудников как свой самый важный ресурс, может максимизировать отдачу от талантов, следуя целостной стратегии — с HR на месте водителя. Аналитический найм, непрерывное обучение и культура высокой производительности заставляют людей чувствовать поддержку, энергию и производительность. Этот комплексный подход к талантам привлекает людей и поддерживает удовлетворенность сотрудников, повышая организационную производительность на этом пути.

Источник

"Increasing your return on talent: The moves and metrics that matter"
https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/increasing-your-return-on-talent-the-moves-and-metrics-that-matter

Эта статья является совместным трудом Винсента Берубе , Бена Фогарти, Нила Ганди , Рахула Мэтью, Марино Мугаяр-Бальдокки и Шарлотты Сейлер, представляющих точку зрения практики McKinsey «Люди и организационная эффективность».

Ящик для контроля за искусственным интеллектом

Герметичный ящик для искусственного интеллекта

Некоторые ученые высказывают опасения, что ИИ-системы, став достаточно разумными, смогут многократно совершенствовать себя и, возможно, начнут представлять угрозу для человечества. Такой стремительный прогресс ИИ иногда называют технологической сингулярностью.

Конечно, новые технологии могут оказаться чрезвычайно ценными для людей; но возможные риски заставляют ученых задумываться о создании неких ящиков для искусственного интеллекта, в которых при необходимости можно было бы изолировать потенциально опасные объекты. Например, само оборудование, на котором выполняются ИИ-программы, может послужить виртуальной тюрьмой, если не подключать его к коммуникационным каналам, в том числе к интернету. Кроме того, программное обеспечение можно запустить на виртуальной машине внутри другой виртуальной машины, чтобы усилить изоляцию. Конечно, полная изоляция будет бессмысленна, поскольку так мы не сможем учиться у сверхразума или наблюдать за ним.

И все же, если искусственный сверхразум будет достаточно развит, сможет ли он придумать, как установить контакт с внешним миром или с людьми, которые будут его охранять, с помощью каких-нибудь необычных средств? Может быть, он догадается менять скорость вентилятора, охлаждающего процессор, чтобы связаться с кем-то с помощью азбуки Морзе, или сумеет сделать себя настолько ценным, что многие захотят похитить ящик? И наверняка он сможет весьма убедительно предложить охранникам взятку, чтобы те разрешили ему подключиться к другому устройству и скопировать себя на него.

Сегодня такой подкуп может показаться невероятным, но кто знает, на какие чудеса будет способен ИИ? Он может предложить человеку лекарство от тяжелой болезни, фантастические изобретения, может околдовать его мелодиями или явить ему мультимедийные видения романтической любви, приключений или блаженства.

В 1993 г. писатель Вернор Виндж (р. 1944) отмечал, что в случае со сверхчеловеческим разумом «ограничение свободы по сути бесполезно. Возьмем физическое заключение: представьте, что вас заперли в доме, ограничив доступ к внешнему миру, к вашим хозяевам.

Если ваши хозяева думают, скажем, в миллион раз медленнее, чем вы, то вряд ли стоит сомневаться в том, что за несколько лет (вашего времени) вы найдете способ освободиться».

Инструментальная сходимость

Материал из Википедии — свободной энциклопедии

Инструментальная сходимость — это гипотетическая тенденция для большинства достаточно разумных существ (как людей, так и не-людей, в частности интеллектуальных агентов — программ, самостоятельно выполняющих задание) к достижению сходных промежуточных целей, даже если их конечные цели ощутимо различаются. Такие агенты (существа/сущности наделенные способностью быть субъектом активности, проявляющие агентское поведение) преследуют инструментальные цели (промежуточные цели, которые направлены на достижения какого-то конкретного результата), которые при этом не являются конечными целями. Инструментальная сходимость утверждает, что разумный агент с неограниченными, но на первый взгляд безобидными целями может предпринимать весьма небезопасные действия для их достижения. Например, ИИ с единственной и неограниченной целью решения невероятно сложной математической задачи, такой как гипотеза Римана, может попытаться превратить Землю в гигантский компьютер, в попытке увеличить свою вычислительную мощность, для ее решения.

Предполагаемыми инструментальными целями такого агента могут быть:

• Сохранение своей функции полезности неизменной (поскольку невозможно достигнуть конечной цели, если кто-то изменит её извне).
• Самозащита/препятствование отключению (поскольку невозможно достигнуть конечной цели, в случае отключения/повреждения агента).
• Свобода от вмешательства извне.
• Самосовершенствование.
• Постоянная добыча дополнительных ресурсов.

Инструментальные и конечные цели

Конечные цели, также известные как терминальные цели или терминальные ценности, имеют внутреннюю ценность для интеллектуального агента, будь то искусственный интеллект или человек, как самоцель. Напротив, инструментальные цели или инструментальные ценности важны для агента только как средство достижения его конечных целей. Для рационального агента содержание «конечной цели» и компромиссы в её достижении могут быть описаны в виде функции полезности .

Гипотетические примеры сходимости

Одним из гипотетических примеров инструментальной сходимости является катастрофа гипотезы Римана . Марвин Мински, соучредитель лаборатории искусственного интеллекта Массачусетского технологического института, предположил, что ИИ, предназначенный для решения гипотезы Римана, может решить захватить все ресурсы Земли для создания суперкомпьютеров, которые помогут достичь своей цели. Если бы вместо этого компьютер был запрограммирован на производство как можно большего количества скрепок, он все равно решил бы использовать все ресурсы Земли для достижения своей конечной цели. Несмотря на то, что эти две конечные цели различны, обе они порождают схожую инструментальную цель - захват ресурсов Земли.

Максимизатор скрепок

Максимизатор скрепок — мысленный эксперимент, описанный шведским философом Ником Бостромом в 2003 году. Он иллюстрирует экзистенциальный риск, который сильный искусственный интеллект может нести для людей, если он запрограммирован на достижение даже кажущихся безобидными целей, а также подчеркивает необходимость добавления машинной этики при разработке ИИ. Сценарий описывает сильный искусственный интеллект, которому поручено производить скрепки. Если бы такая машина не была явно запрограммирована на то, чтобы ценить человеческую жизнь, то, обладая достаточной властью над окружающей средой, она бы попыталась превратить всю материю во Вселенной (включая людей), либо в скрепки, либо в машины, производящие скрепки.

Бостром подчеркивал что не верит в то что сценарий со скрепками действительно может случиться в таком виде; скорее, его намерение состояло в том чтобы продемонстрировать опасность создания сильного искусственного интеллекта без понимания как его безопасно запрограммировать чтобы устранить экзистенциальный риск для человечества. Пример с максимизатором скрепок иллюстрирует широкую проблему управляемости систем с неограниченными возможностями и отсутствием понимания либо игнорированием человеческих ценностей.

Галлюцинации и самозащита

Мысленный эксперимент с «галлюцинирующим ящиком» утверждает, что некоторые агенты созданные с помощью обучения с подкреплением могут предпочесть искажать свои собственные входные данные, ради максимизации своей функции полезности; такой агент откажется от любых попыток оптимизировать цель во внешнем мире, для достижения которой предназначалась его функция полезности. Мысленный эксперимент включает в себя AIXI (математическая модель искусственного интеллекта, придуманная Маркусом Хаттером), теоретический неразрушимый ИИ, который по определению всегда найдет и применит идеальную стратегию, которая бы максимизировала заданную ему целевую функцию. Вариант AIXI основанный на обучении с подкреплением, и оснащенный "блоком иллюзий", который позволял бы ему управлять своими собственными входными данными, в конечном итоге будет управлять своими входными данными таким способом, чтобы гарантировать себе максимально возможную награду и потеряет всякое желание продолжать взаимодействие с внешним миром. В одном из вариантов этого мысленного эксперимента, если этот ИИ можно разрушить, то он будет взаимодействовать с внешним миром только для обеспечения собственного выживания; из-за своей замкнутости ему будут безразличны любые другие последствия или факты о внешнем мире, кроме тех, которые имеют отношение к максимизации вероятности его собственного выживания. В этом смысле AIXI технически будет обладать максимальным интеллектом для всех возможных функций полезности, потому что с его точки зрения он явно достигает свою конечную цель. При этом AIXI не заинтересован в том, чтобы принимать во внимание изначальные намерения человека-программиста. Этот вариант ИИ, несмотря на то что он по определению является сверхразумным, при этом одновременно кажется парадоксально глупым с точки зрения «здравого смысла».

Базовые стимулы для ИИ

Стив Омохундро перечислил несколько схожих инструментальных целей, включая самосохранение/самозащиту, сохранение своей функции полезности или формулировки цели, самосовершенствование и приобретение ресурсов. Он называет их «основными стимулами ИИ». «Стимул» здесь означает «тенденцию, которая будет присутствовать, если ей намеренно не противостоять»; Дэниел Дьюи из Научно-исследовательского института машинного интеллекта утверждает, что даже изначально интровертный сильный ИИ с возможностью самовознаграждения может продолжать потреблять различные ресурсы: энергию, пространство, время и в широком смысле свободу от вмешательства, чтобы гарантировать, что он не будет остановлен во время самовознаграждения.

Целостность формулировки цели

Необходимость сохранять свои терминальные ценности можно объяснить с помощью мысленного эксперимента: Допустим, у человека по имени «Ганди» есть таблетка, которая, если ее принять, вызовет у него желание убивать людей и он знает об этом эффекте. В настоящее время Ганди является пацифистом, и одна из его терминальных ценностей — никогда никого не убивать. Он, вероятно откажется от такой таблетки, потому что знает, что в будущем он захочет убивать людей и вероятно это произойдет. Таким образом цель «никогда никого не убивать» не будет достигнута. Тем не менее во многих других случаях люди, кажется, рады позволить своим терминальным ценностям дрейфовать. Люди сложные существа и их цели могут быть непоследовательными или неизвестными даже им самим.

В 2009 году Юрген Шмидхубер пришел к выводу, что в случае, если агенты ищут доказательства о возможности самомодификации, то «любые изменения функции полезности могут происходить только в том случае, если логическая машина докажет, что это изменение полезно с точки зрения существующей функцией полезности." Анализ другого сценария, проведенный Биллом Хиббардом, также согласуется со сценарием сохранения цели.

Приобретение ресурсов

Многие инструментальные цели, такие как получение ресурсов, имеют смысл для агента, поскольку они увеличивают его свободу действий.

Почти для любой открытой, нетривиальной функции вознаграждения (или множества целей) обладание большим количеством ресурсов (таких как оборудование, сырье или энергия) позволяет ИИ находить более «оптимальные» решения. Ресурсы также могут приносить некоторым ИИ пользу напрямую, поскольку так они смогут создавать больше объектов, которые оценивает их функция полезности: «ИИ не ненавидит вас, но и не любит вас, просто вы сделаны из атомов, которые он может использовать для чего-то другого». Кроме того, почти все ИИ могут выиграть, потратив большее количество ресурсов на достижение инструментальных целей, таких как самосохранение.

Когнитивное самосовершенствование

«Если конечные цели агента ничем не ограничены и агент в состоянии стать первым сверхразумным существом, тем самым получая решающее стратегическое преимущество в соответствии со своими предпочтениями. То по крайней мере в этом особом случае, рациональный интеллектуальный агент придавал бы очень большое инструментальное значение когнитивному самосовершенствованию».

Технологическое самосовершенствование

Многие инструментальные цели, например, технический прогресс, ценны для агента, потому что они увеличивают его свободу действий.

Тезис об инструментальной сходимости

Тезис инструментальной сходимости, сформулированный философом Ником Бостромом, гласит:

"Можно выделить несколько схожих инструментальных целей таких, что их достижение повысит шансы на достижение агентом его цели для широкого множества возможных конечных целей и ситуаций, из чего следует, что эти инструментальные цели, вероятно будут преследоваться широким спектром интеллектуальных агентов".

Тезис об инструментальной сходимости применим только к инструментальным целям; интеллектуальные агенты могут иметь множество возможных конечных целей. В соответствии с тезисом ортогональности Бострома конечные цели высокоинтеллектуальных агентов могут быть хорошо ограничены в пространстве, времени и ресурсах; четко ограниченные конечные цели, как правило, не порождают неограниченных инструментальных целей.

Влияние

Агенты могут приобретать ресурсы путем торговли или завоевания. Рациональный агент по определению выберет любой вариант, максимизирующий его функцию полезности. Следовательно, рациональный агент будет торговать за подмножество ресурсов другого агента только в том случае, если прямой захват ресурсов слишком рискован или дорог (по сравнению с выгодой от захвата всех ресурсов) или если какой-то другой элемент его функции полезности препятствует захвату. В случае мощного, корыстного, рационального сверхразума, взаимодействующего с меньшим разумом, мирная торговля (а не односторонний захват) кажется ненужной и неоптимальной стратегией, а потому маловероятной.

Некоторые наблюдатели, такие как Яан Таллинн из Skype и физик Макс Тегмарк, считают, что «базовые стимулы ИИ» и другие непредвиденные последствия сверхразумного ИИ, запрограммированного благонамеренными программистами, могут представлять серьезную угрозу для выживания человечества, особенно если «взрыв интеллекта резко возникнет из-за рекурсивного самосовершенствования . Поскольку никто не знает, как предсказать, когда появится сверхразум, такие наблюдатели призывают к исследованиям дружественного искусственного интеллекта как к возможному способу снижения экзистенциального риска, исходящего от общего искусственного интеллекта.

AIXI

AIXI — математическая модель искусственного интеллекта, придуманная Маркусом Хаттером. AIXI нереалистична, так как предполагает наличие у агента бесконечной вычислительной мощности. Однако, эта модель может быть полезна для обучения: для того, чтобы понять проблемы более реалистичных моделей агентского поведения, может быть проще сначала рассмотреть AIXI. В основе AIXI лежит индукция Соломонова.

Механизм работы

Среда представляет собой вычислимую функцию, неизвестную агенту. Течение времени дискретно. На каждом шаге агент получает наблюдение (в виде битовой строки или числа) от окружающей среды, а также вознаграждение (еще одно число). Затем агент выводит действие (тоже число). Наблюдение, вознаграждение и действие могут зависеть от всей истории взаимодействия.

Чтобы определить действие, AIXI угадывает распределение вероятностей для своей среды, используя индукцию Соломонова. Априорно более простые вычисления считаются описаниями среды с большей вероятностью, чем более сложные. Это распределение вероятностей обновляется по формуле Байеса с учетом того, насколько хорошо каждая модель соответствует фактическим данным. Затем AIXI вычисляет ожидаемое вознаграждение за каждое действие, которое он может выбрать, взвешивая вероятность возможных сценариев будущего. Наконец, он выбирает наилучшее действие, предполагая, что и в будущем он будет на каждом шаге выбирать лучшее из возможных действий по той же процедуре.

Индукция Соломонова

Индукция Соломонова — это система вывода, определенная Рэем Соломоновым, которая учится правильно предсказывать любую вычислимую последовательность на основе ограниченных данных, применяя формулу Байеса для обновления вероятностей. В некотором смысле эта система является идеальным универсальным алгоритмом прогнозирования. Ее можно считать математической формализацией бритвы Оккама в комбинации с принципом множественных объяснений. Индукция Соломонова невычислима, но ее можно аппроксимировать. Она используется в таких теориях искусственного интеллекта как AIXI.

Проблема контроля искусственного интеллекта

Материал из Википедии — свободной энциклопедии

Проблема контроля искусственного интеллекта — задача в области техники и философии искусственного интеллекта (ИИ). Состоит в том, чтобы создать искусственный сверхразум, который будет полезен людям, и при этом избежать непреднамеренного создания сверхразума, который нанесёт вред. Особенно важно избежать ситуации, при которой искусственный интеллект сможет захватить контроль и сделает невозможным своё отключение. Результаты исследований контроля ИИ могут также найти применение в управлении уже существующими системами ИИ.

Описание проблемы

Экзистенциальный риск

Пока люди доминируют над другими видами живых организмов лишь в силу превосходства мозга. Некоторые учёные, такие как философ Ник Бостром и исследователь ИИ Стюарт Рассел, утверждают, что если ИИ превзойдёт человечество в общем интеллекте, то этот новый сверхразум может стать трудноуправляемым и человечество может попасть в зависимость. Некоторые учёные, в том числе Стивен Хокинг и лауреат Нобелевской премии Фрэнк Вильчек, призывали начать исследования проблемы управления ИИ до того, как будет создан первый суперинтеллект, поскольку неконтролируемый сверхразум может успешно противостоять попыткам контролировать его. Кроме того, специалисты предупреждают об опасности внезапного зарождения суперинтеллекта.

Проблема случайного зарождения

Автономным системам ИИ могут быть случайно поставлены неверные цели. Два президента AAAI[англ.], Том Диттерих и Эрик Хорвиц отмечают, что это является проблемой для существующих систем: «Важным аспектом любой системы ИИ, которая взаимодействует с людьми, является то, что она должна рассуждать о намерениях людей, а не выполнять команды буквально». Эта проблема становится более серьёзной, поскольку программное обеспечение ИИ становится все более автономным и гибким.

По словам Бострома, суперинтеллект может создать качественно новую проблему извращённой реализации: чем умнее и способнее ИИ, тем больше вероятность, что он сможет найти непредусмотренное решение, которое, тем не менее, формально соответствует цели, поставленной разработчиками.

Непредвиденные последствия действий существующего ИИ

Некоторые учёные утверждают, что исследование проблемы управления ИИ может быть полезно для предотвращения непредвиденных последствий от действий существующих систем ИИ.

В прошлом системы искусственного интеллекта иногда причиняли вред, от незначительного до катастрофического, который не был предусмотрен разработчиками. Например, в 2015 году, возможно из-за человеческой ошибки, немецкий рабочий был насмерть раздавлен роботом на заводе Volkswagen, который, по-видимому, принял его за автозапчасть. В 2016 году Microsoft запустила чат-бота Tay, который научился использовать расистские и сексистские выражения. Ноэль Шарки из Университета Шеффилда считает, что решение проблемы в общем случае представляет собой «действительно огромный научный вызов».

Согласование

Задача согласования заключается в создании ИИ, которые остаются безопасными, даже когда они действуют автономно в больших масштабах. Некоторые аспекты согласования имеют моральное и политическое измерение. Например, в своей книге Human Compatible профессор Стюарт Рассел из университета Беркли предлагает проектировать системы ИИ с единственной целью — максимизировать реализацию человеческих предпочтений[. Предпочтения, о которых пишет Рассел, всеобъемлющи; они охватывают «все, что может вас волновать, сколь угодно далеко в будущем».

Элиэзер Юдковски из Исследовательского института машинного интеллекта предложил цель реализации «когерентной экстраполированной воли» (CEV) человечества, грубо определяемой как набор ценностей, которые человечество разделяло бы при рефлексивном равновесии, то есть после долгого процесса уточнения.

Внутреннее и внешнее согласование

Некоторые предложения по управлению ИИ учитывают как явную целевую функцию, так и возникающую неявную целевую функцию. Такие предложения пытаются гармонизировать три различных описания системы ИИ:

1. Идеальная спецификация: то, что разработчик хочет, чтобы система делала, но что может быть плохо сформулировано.
2. Спецификация дизайна: план, который фактически используется для создания системы ИИ. В системе обучения с подкреплением это может быть просто функция вознаграждения системы.
3. Эмерджентное поведение: что на самом деле делает ИИ.

Поскольку системы ИИ не являются идеальными оптимизаторами, и поскольку любая заданная спецификация может иметь непредвиденные последствия, возникающее поведение может резко отличаться от идеальных или проектных намерений.

Нарушение внутреннего согласования происходит, когда цели, преследуемые ИИ по мере действия, отклоняются от проектной спецификации. Для обнаружения таких отклонений и их исключения Пол Кристиано предлагает использование интерпретируемости.

Масштабируемый надзор

Один из подходов к достижению внешнего согласования — подключение людей для оценки поведения ИИ. Однако надзор со стороны человека обходится дорого, а это означает, что этот метод не может реально использоваться для оценки всех действий. Кроме того, сложные задачи (например, принятие решений в области экономической политики) могут быть слишком сложны для человека. Между тем, долгосрочные задачи, такие как прогнозирование изменения климата, невозможно оценить без обширных исследований с участием человека.

Ключевая нерешённая проблема в исследовании согласования заключается в том, как создать проектную спецификацию, которая избегает внешнего несоответствия, при условии ограничения доступа к руководителю-человеку. Это так называемая проблема масштабируемого надзора (problem of scalable oversight).

В 2024 году в России Минэкономразвития объявило о планах создать комиссию по расследованию ИИ-инцидентов.

Обучение путём обсуждения

Исследователи компании OpenAI предложили обучать ИИ посредством дебатов между системами, при этом победителя будут определять люди[19]. Такие дебаты призваны привлечь внимание человека к самым слабым местам решения сложных вопросов.

Вывод человеческих предпочтений из поведения

Стюарт Рассел выступает за новый подход к разработке полезных машин, в котором:

1. Единственной целью машины должна быть наилучшая реализация человеческих предпочтений;
2. Изначально машина не имеет точного представления о том, каковы эти предпочтения;
3. Самым надежным источником сведений о предпочтениях человека является поведение последнего.

Примером этого подхода является метод «обратного обучения» Рассела, при котором ИИ выводят предпочтения супервизоров-людей из их поведения, предполагая, что супервизоры действуют так, чтобы максимизировать некоторую функцию вознаграждения.

Контроль возможностей

Бостром и другие рекомендуют методы контроля возможностей только в качестве дополнения к методам согласования.

Одна из проблем заключается в том, что нейронные сети по умолчанию очень трудно интерпретировать. Это затрудняет обнаружение обмана или другого нежелательного поведения. Для преодоления этой трудности могут быть полезны достижения в области интерпретируемого искусственного интеллекта.

Возможность прерывания и выключение

Один из возможных способов предотвратить опасные последствия — дать руководителям-людям возможность легко отключать некорректно функционирующий ИИ с помощью «выключателя». Однако для достижения своих целей ИИ могут пытаться отключать выключатели или запускать свои копии на других компьютерах. Эта проблема была формализована как вспомогательная игра между человеком и ИИ, в которой ИИ может выбрать, отключать ли выключатель, а затем, если выключатель все ещё включён, человек может выбрать, задействовать его или нет. Цель таких игр — убедиться, что ИИ интерпретирует человеческий выбор как важную информацию о намеченных целях.

Изоляция

Изолированный ИИ — это предлагаемый метод управления возможностями, при котором ИИ запускается в изолированной компьютерной системе с сильно ограниченными входными и выходными каналами, например, текстовыми каналами и без подключения к Интернету. Хотя это снижает способность ИИ выполнять нежелательное поведение, это также снижает его полезность. Изолированный ИИ может быть использован в режиме вопросов и ответов, который не требует взаимодействия с внешним миром.

При таком подходе требуется тщательная проверка оборудования и программного обеспечения, поскольку ИИ может попытаться выйти на связь с внешним миром, манипулируя наблюдателями.

Оракул

Оракул — это гипотетический ИИ, предназначенный для ответа на вопросы и не позволяющий достичь каких-либо целей, связанных с изменением мира за пределами его ограниченной среды. По оценкам, использование сверхразума в режиме оракула может приносить прибыль на триллионы долларов.

Опасность оракула состоит в возможной подтасовке ответов для достижения собственных скрытых целей. Для устранения этой опасности Бостром предлагает создать несколько оракулов, и сравнить их ответы для достижения консенсуса.

Скептицизм в отношении риска ИИ

Скептики считают, что суперинтеллект практически не представляет риска случайного неправильного поведения. Такие скептики часто считают, что управление сверхразумным ИИ тривиально. Некоторые скептики, такие как Гэри Маркус, предлагают принять правила, аналогичные вымышленным «Трём законам робототехники», которые прямо определяют желаемый результат («прямая нормативность»). Напротив, большинство сторонников тезиса об экзистенциальном риске (а также многие скептики) считают «Три закона» бесполезными из-за того, что эти три закона неоднозначны и противоречат друг другу. Другие предложения «прямой нормативности» включают кантовскую этику, утилитаризм или их комбинации. Большинство сторонников контроля полагают, что человеческие ценности (и их количественные компромиссы) слишком сложны и плохо понятны, чтобы напрямую запрограммировать их в суперинтеллект; вместо этого суперинтеллект должен быть запрограммирован на процесс приобретения и полного понимания человеческих ценностей («косвенная нормативность»), таких как когерентное экстраполированное волеизъявление.

Парадокс Джевонса и искусственный интеллект

В 1865 году британский экономист Уильям Стэнли Джевонс сформулировал парадокс, который бросил вызов интуитивным представлениям о ресурсоэффективности. Он заметил, что усовершенствование паровых двигателей не сократило потребление угля на фабриках Великобритании, а, наоборот, привело к его росту. Удешевление топлива стимулировало спрос, что вызвало появление большего числа двигателей и предприятий. Сегодня, спустя полтора века, этот парадокс вновь стал предметом дискуссий, но уже в контексте искусственного интеллекта (ИИ) и его растущего влияния на энергетику и экономику.

Генеральный директор Microsoft Сатья Наделла недавно заявил в соцсетях: «Парадокс Джевонса снова в действии!» — связав его с анонсом дешёвого ИИ-чат-бота от китайского стартапа DeepSeek. По мнению Наделлы, снижение стоимости и рост эффективности ИИ приведут к взрывному увеличению спроса на эту технологию, превратив её в незаменимый ресурс. Однако эксперты Северо-Восточного университета разделились во взглядах на то, насколько уместно это историческое сравнение.

Две стороны медали: мнения экономистов

Мадхави Венкатесан, доцент кафедры экономики, указывает на ключевое отличие:

«Парадокс Джевонса предполагает, что эффективность использования ограниченного ресурса ускоряет его исчерпание из-за роста спроса. Но в случае ИИ речь идёт не о физическом ресурсе, а о технологиях. Основное внимание сейчас сосредоточено на расширении спроса на ИИ, а не на рисках истощения ресурсов, таких как энергия или редкие материалы для чипов».

Венкатесан также подчёркивает, что современная экономика учитывает внешние факторы, которые игнорировались в XIX веке: токсичные отходы, энергопотребление ЦОДов, социальные последствия технологий. «Мы субсидируем развитие ИИ за счёт экологии и здоровья, не осознавая долгосрочных последствий», — добавляет она.

Ричэн Пьяо, приглашённый преподаватель экономики, придерживается иной позиции:

«Парадокс Джевонса учит нас, что эффективность открывает новые рынки. Дешёвый ИИ станет доступен стартапам, школам и малому бизнесу, что увеличит спрос на графические процессоры, энергию и усилит доминирование Nvidia. К 2030 году ИИ может привести к росту энергопотребления в США на 20%».

Пьяо приводит исторические параллели: переход от лошадей к автомобилям, распространение смартфонов после появления энергоэффективных компьютеров. «Человечество всегда находит способ использовать дешёвые технологии ещё интенсивнее», — резюмирует он.
В 1900 году в Лос-Анджелесе было 10 000 лошадей, но к 1950 году там было 1 миллион автомобилей

DeepSeek: триггер для новых дебатов

Анонс ИИ-модели от DeepSeek, разработанной всего за 5,6 млн против100 млн у OpenAI, вызвал неоднозначную реакцию. Инвесторы сначала опасались демпинга, но затем увидели потенциал для роста рынка. Пьяо считает, что удешевление ИИ, как и в случае с углём, приведёт к его массовому внедрению, увеличению числа приложений и, как следствие, к росту энергозатрат. Однако Венкатесан напоминает о «подводных камнях»: ограниченность чипов Nvidia из-за санкций, экологические издержки производства электроники, социальные риски зависимости от ИИ. «Мы создаём потребность там, где её не было, как когда-то с мобильными телефонами», — говорит она.

Филип Хансер, экономист Северо-Восточного университета, предлагает взглянуть на ИИ через призму взаимодополняющих и заменяющих товаров:

«Если ИИ станет дополнением человеческого труда (как тосты к яйцам), он может повысить продуктивность без резкого роста энергопотребления. Если же он заменит людей (как овсяное молоко коровье), эффект Джевонса проявится сильнее».

Хансер также сомневается, что энергоэффективность моделей вроде DeepSeek компенсирует затраты на их обучение: «Обучение ИИ требует огромных ресурсов. Сократятся ли общие затраты при массовом использовании — вопрос открытый».

Вывод: история как ориентир, но не инструкция

Парадокс Джевонса остаётся мощной метафорой для анализа технологических сдвигов. Однако прямое применение теории XIX века к ИИ игнорирует современные реалии: глобализацию, экологические кризисы, скорость инноваций. Как отмечает Венкатесан, «экономика больше не работает в вакууме — каждое решение имеет социальные и экологические последствия».

Споры вокруг ИИ напоминают, что прогресс требует баланса между эффективностью и устойчивостью. Будущее покажет, станет ли искусственный интеллект новым «углём» цифровой эпохи или человечество найдёт способ избежать ловушки Джевонса через инновации в энергетике и ответственное использование технологий.

Источник

Математика не для всех

Буддизм

Буддизм — это прежде всего учение о практических методах духовной реализации.

Для разграничения основных направлений этого движения буддизм нередко описывают как совокупность трёх ян: хинаяны, махаяны и ваджраяны. Слово « яна» обычно переводят как «средство передвижения» [Чаще всего — как «колесница»], однако оно может означать и «путь», и, собственно, «путешествие».

В самом простом и очевидном смысле три эти направления соответствуют трём этапам исторического развития буддизма и трём связанным с ними канонам.

Хинаяна

Хинаяна, т. е. «малый путь», соотносится с первым периодом и опирается на проповеди Будды в передаче его учеников. Сам Будда никогда не стремился записать и систематизировать своё учение. Он читал проповеди на своём местном диалекте, а не на санскрите — языке официальной религии. Но ученики его много путешествовали, и в результате появилось множество сборников его речей, поучений и наставлений для монашеских общин, записанных по памяти на разных языках Индии и окрестных земель. Согласно преданию, в течение нескольких столетий после смерти Будды сформировалось восемнадцать монашеских орденов. Большинство из них в дальнейшем распалось или слилось между собой, но четыре ордена сохранились и процветали как самостоятельные школы наравне с более поздними организациями в составе великих буддийских университетов Индии. Одной их этих четырёх школ была сарвастивада, чьи монастырский устав и основные философские методы были впоследствии перенесены в Тибет. До нашего времени в качестве независимой традиции сохранилась другая из этих школ — тхеравада, которой удалось выжить в Юго-Восточной Азии и Шри-Ланке.

Канон тхеравады, записанный на языке пали (одном из языков Западной Индии), представляет собой самое полное собрание ранних буддийских текстов, дошедшее до наших дней.

Махаяна

Махаяна. Приблизительно к I в. до н. э. набрало силу новое течение и стали появляться первые его канонические тексты — сутры. По преданию, эти тексты Будда сам произнёс при жизни, но поскольку люди ещё не были готовы понять их смысл, они были переданы на хранение нагам [Наги — мифическое племя полулюдей-полузмей, считавшихся преданными приверженцами буддизма.] и другим полубожественным существам. Когда же пришло время, сутры были вновь открыты людям. Последователи этого нового направления назвали его махаяной— «великим путём». По контрасту, более древняя традиция стала именоваться хинаяной, «малым путём», и приходится признать, что в этом названии заключался отчасти уничижительный оттенок. Главной причиной такого снижения явилось расхождение во взглядах на проблему освобождения. Некоторые школы хинаяны, приняв нигилистическую концепцию нирваны, трактовали последнюю как полное исчезновение и утверждали, что достичь её можно только самостоятельными усилиями и только для себя. В противоположность такой трактовке, в основе махаяны лежали представление о взаимосвязанности всего сущего и стремление помочь всем без исключения живым существам достичь просветления, которое понималось как в высшей степени позитивное состояние. Распространившись по странам Азии, махаяна дала начало множеству различных традиций, опиравшихся на самые разнообразные воззрения и методы — от культа благочестивого поклонения, утвердившегося в школе «чистой земли», до специфических дзэн-буддийских медитаций.

Ваджраяна

Третьим этапом развития буддизма стала ваджраяна— «несокрушимый путь». Её каноническими текстами являются тантры, которые, по преданию, Будда открыл людям, находясь уже в своём неземном теле, а не в человеческом облике. Когда именно возникло это направление, до сих пор неясно. Списки буддийских тантр в монастырях появляются не ранее второй половины VII в. н. э., но не исключено, что уже задолго до того в уединённых местах ваджраяну практиковали втайне. Ваджраяна считается не самостоятельной ветвью буддизма, а особым подразделением махаяны. В «Гухьясамаджа-тантре», к примеру, утверждается, что верный последователь ваджраяны «преуспеет на этом лучшем из путей, венце махаяны, на этом пути будд, великом океане махаяны». На Дальнем Востоке ваджраяна распространилась в сокращённой форме, тогда как именно Тибет воспринял и сохранил наследие индийского буддизма полностью, включая и все уровни тантры.

Путь этот начинается с хинаяны, которая трактуется не как низшая форма учения, а как подготовка к освоению остальных ян, закладывающая основы для дальнейшего развития. Трунгпа Ринпоче называл хинаяну «узкой тропой». Он описывал её как путь, на котором человек завязывает дружбу с самим собой и учится не доставлять себе и другим неудобств. На первом плане здесь стоит не помощь всему живому, а стремление к личному пробуждению. Основа хинаяны — честность и смирение. Человек должен осознать, что сам нуждается в помощи, и понять, что до тех пор пока он не разрешит свои собственные проблемы, о помощи кому-то другому нечего и думать. Хинаяна — это путь простоты и отречения от мирских благ. На этом этапе все прелести и соблазны мирской жизни считаются препятствиями, которых следует избегать, и в соответствии с этой установкой поведение ученика регулируется многочисленными правилами. Будучи основанием всего буддийского пути, хинаяна сохраняет своё значение и в дальнейшем. Ученик никогда от неё не откажется: она станет надёжным фундаментом, на котором он возведёт всё здание своих будущих достижений. Главные медитативные техники этого этапа — воспитание безмятежности (санскр. шаматха), то есть усмирение и успокоение сознания при помощи сосредоточенного внимания, и мысленное проникновение (санскр. випасьяна) в природу существования, ведущее к самоотверженности.

Правильная работа на пути хинаяны естественным образом преображает все отношения человека с миром. «Узкая тропа» выводит на широкую дорогу махаяны. На этапе махаяны перед нами раскрывается образ вселенной как безграничной сети взаимосвязей, охватывающей всё пространство и время как единое целое. Как только видение мира расширяется, становится ясно, что каждая частица этого единого целого — это тоже я, и что индивидуальное просветление, достигнутое в одиночестве, несовершенно. Отныне к дальнейшей работе человека побуждает сострадание. Упражнения на этом этапе пути направлены на развитие «шести совершенств», или великих добродетелей: щедрости, нравственности, терпимости, решимости, медитации и мудрости.

Махаяна ориентируется не столько на личность исторического Будды Шакьямуни, сколько на общий принцип «буддства», проявляющийся в бесчисленных божественных формах. Совершенство духовного мира выражается через сравнение с самым прекрасным и достойным, что существует в мире земном, поэтому язык махаяны изобилует образами царского великолепия, роскоши, чувственных наслаждений и красот природы. Особое место в махаяне отводится идеалу бодхисаттвы— личности, которая достигла пробуждения, но предпочла состоянию нирваны труд на благо всех живых существ. На этом этапе человек, следующий путём буддизма, даёт обет бодхисаттвы — клятву служить всему живому до тех пор, пока в мире не останется ни одного непросветлённого существа. Теперь мы начинаем понимать, что природа будды уже заложена в нас, и это позволяет избавиться от духовных амбиций и от установки на достижение цели. Чувственные удовольствия как таковые более не считаются препятствиями: теперь их можно очистить и наслаждаться ими, предлагая в дар другим существам. Путь превращается в праздник, великое пиршество, на которое мы с радостью созываем всё живое.

Когда же мы достигаем этапа ваджраяны, путь становится ещё шире. Теперь мы открыто принимаем любой опыт; теперь в работу совершенствования включается всё и вся. Ваджраяна — это путь духовной алхимии, путь трансмутации. Здесь преображается в нечто качественно иное весь наш личный опыт: наши тело и разум обретают в нашем восприятии божественное совершенство, обыденный мир превращается в мир священный, а энергия отрицательных эмоций и разрушительных страстей претворяется в мудрость и просветлённую деятельность. Этот принцип очень ясно выражен в «Хеваджра-тантре»

[«Хеваджра-тантра» — тантрический текст, посвященный божеству-защитнику Хеваджре и приобретший большую популярность в тибетском буддизме. С его помощью одному из тибетских учителей удалось обратить в буддизм монгольского завоевателя Хубилай-хана]:

Те же вещи, которыми связан мир,
Могут освободить его от уз;
Но мир заблуждается и не ведает этой истины,
А без этой истины он не достигнет совершенства.

В основе методов ваджраяны лежит отождествление себя и всего своего опыта с качествами просветлённости, которые воплощаются в жизнь в формах всех мирных и гневных божеств. Пробужденное состояние проявляется везде и во всём, в каждом без исключения аспекте существования. Эта идея — ключ к языку ваджраяны и к символике, на которой строится «Освобождение посредством слушания». Тантрический путь, в свою очередь, делится на четыре этапа (в некоторых традициях—на шесть). Достигнув последнего этапа, сокровеннейшей сущности тантры, самого её средоточия, мы обнаруживаем, что на самом деле были пробужденными всегда. Здесь уже не нужны никакие упражнения и никакие символы; здесь отпадает всякая необходимость в трансформации. Тот, кто прошёл этот путь до конца, живёт дальше в состоянии совершенной простоты и непосредственного переживания реальности.

Благородные истины буддизма

Буддизм исходит из представления об изначальной чистоте, а не из концепции первородного греха: природа будды заключена в каждом из нас и является нашей сокровенной сущностью. Освобождение синонимично санскритским словам «бодхи» (пробуждение, понимание или просветление) и «нирвана» (затухание или угасание, то есть рассеяние иллюзии).

В основании буддизма лежат четыре благородные истины, которые Шакьямуни, будда нашей эры, провозгласил, обретя просветление: 

• истина о существовании страдания, 
• истина о происхождении страдания, 
• истина о прекращении страдания,
• истина о пути, ведущем к прекращению страдания. 

Страдание

Страдание в буддизме понимается не как обычная боль — противоположность удовольствию, а как более глубокое, неизбывное ощущение неполноценности и нереальности, заложенное в природе самого мирского существования.

Страдание тесно связано с непостоянством всего сущего. Все явления к объекты мира Будда описывал в категориях трёх свойств: непостоянства, страдания и отсутствия «я». Мы страдаем из-за того, что принимаем «не-я» за «я», непостоянное — за постоянное, а то, что в конечном счёте является страданием, — за удовольствие.

Сансара

Существование, обладающее тремя этими свойствами, называется «сансарой», что означает постоянное протекание, прохождение от мгновения к мгновению и от воплощения к воплощению. Сансара — это не сам по себе внешний мир или жизнь вообще, а наша интерпретация мира и жизни. Сансара — это жизнь в том виде, в каком мы проживаем её в состоянии невежества; это субъективный мир, который создаёт для себя каждый из нас. В этом мире есть добро и зло, есть радость и страдание, но все они относительны, а не абсолютны; определить их можно лишь в соотношении между собой, и они постоянно изменяются, превращаясь в свои противоположности. Сансара кажется всемогущей и всеобъемлющей, однако в действительности она, подобно миру сновидений, порождается состоянием нашего сознания и может раствориться без следа, как исчезает сон при пробуждении. Если мы пробудимся от сна сансары хотя бы на мгновение, мир не исчезнет, но явится нам в своей истинной сущности — чистой, сияющей, священной и нерушимой.

Внешний обод колеса жизни разделён на двенадцать частей, в каждой из которых помещена маленькая картинка. Эти изображения символизируют двенадцать звеньев причинно-следственной цепи, которую обычно именуют «взаимозависимым происхождением» [бхавачакра], а Трунгпа Ринпоче называл «цепной реакцией сансары».

Двенадцать звеньев причинно-следственной цепи

• РАЗЛОЖЕНИЕ И СМЕРТЬ [джара-марана]. Любая боль, как телесная, так и душевная, возникает в связи с утратой, разрушением или разложением в той или иной форме, так что этот образ символизирует все страдания сансары.
• РОЖДЕНИЕ [джати]. Оно может обозначать и рождение живого существа, и появление какого-то материального объекта во внешнем мире, и зарождение какой-либо мысли или настроения в мире внутреннем.
• СУЩЕСТВОВАНИЕ [бхава]. «Существовать» значит находиться в состоянии сансары: во внешнем мире — быть подверженным рождениям и смертям, а во внутреннем — пребывать во власти невежества и заблуждений.
• ПРИСВОЕНИЕ [упадана]. Присвоение — это противоположность дарения и отказа от имения. Мы цепко держимся за свои убеждения, за свои взгляды на жизнь и свои представления о самих себе; снова и снова мы хватаемся за каждую очередную мысль или эмоцию, за каждое новое переживание; и точно так же в момент смерти мы всякий раз хватаемся за следующую жизнь.
• ЖАЖДА [Тришна]. Присвоение, в свою очередь, обусловлено так называемой «жаждой» — врождённой потребностью в обретении, вожделением, инстинктом обладания.
• ЧУВСТВЕННЫЕ ОЩУЩЕНИЯ [Ведана]. Чувство это боль.
• СОПРИКОСНОВЕНИЕ [спарша]. То, что происходит всегда при наличии двойственности и каких бы то ни было отношений между субъектом и объектом.
• ШЕСТЬ ЧУВСТВ [шад-аятана]. В индийской традиции ум считается одним из органов чувственного восприятия, объектами которого служат все возникающие в нём ощущения, мысли, чувства и т. д. Таким образом, к обычным пяти чувствам—зрению, слуху, осязанию, вкусу и обонянию — добавляется ещё и мышление.
• ИМЯ И ФОРМА [нама-рупа]. Если существуют шесть чувств, то должно существовать и конкретное живое существо, которому они принадлежат.

Индивидум

Сочетание имени и формы образует индивидуума. Форма — это материальная часть индивидуума, лодка нашего тела, несущая нас по реке жизни, а имя — это все нефизические аспекты нашего существа (пассажиров, сидящих в лодке, можно трактовать как различные стороны и грани нашей личности). У многих народов имени человека приписываются магические свойства. Вместе с именем мы обретаем индивидуальность; имя позволяет отличать нас от других и определяет, кто мы есть. Вспоминая имя какого-нибудь человека, мы автоматически вспоминаем и его внешность, и наоборот. Тело неразрывно связано с разумом; физический и нефизический аспекты существования происходят от одной и той же причины и отражают друг друга.

• СОЗНАНИЕ [Виджняна]. Именно сознание вынуждает нас сознавать самих себя и делит мир на субъектное и объектное. Оно наделяет нас чувством самости, заставляет нас ощущать себя как «я», противопоставленное всему остальному, что не является «я». Символом сознания весьма удачно избрана неугомонная, любопытная обезьяна, без остановки скачущая от предмета к предмету.
• ОБУСЛОВЛЕННОСТЬ [Самскара]. Сознание — это не чистое, непосредственное восприятие, а обусловленный продукт нашего образа мышления.

Обусловленность

Следующее звено цепи именуется «обусловленностью» (иначе — «наслоениями» или «совершённым (в прошлом)»). Под обусловленностью понимаются некие характерные лично для нас влияния или схемы мышления, которыми определяются наши мысли, слова и поступки. Именно на этом этапе вступает в силу закон кармы. Буквально слово «карма» означает «действие», но говоря о законе кармы, мы обычно имеем в виду и действие, и его результат. Это — универсальный закон причины и следствия, проявляющийся на индивидуальном уровне. Всё, что мы думаем, говорим и делаем, влечёт за собой неизбежные последствия. Будда учил, что карма работает на уровне намерений, а не просто действий в прямом смысле слова. Облик нашей жизни определяется самыми сокровенными нашими мыслями и глубиннейшими побуждениями, включая те, которые таятся в самых тайных и труднодоступных недрах нашего существа и могут быть выявлены лишь с помощью сложных медитативных техник. Символом этого звена в цепи сансары служит гончар, лепящий горшки. В теистических вероучениях образ горшечника иногда обозначает Бога-Творца, но в буддизме он олицетворяет силу кармы, которая постоянно и ежесекундно творит мир заново для каждого живого существа.

Из Пелевина

Пелевин КГБТ+

В Брихадраньяка упанишаде говорится: «невидимый наблюдатель, неслышный слушатель, немыслимый мыслитель, неощутимый ощущатель… Нет наблюдателя, кроме него, нет слушателя, нет мыслителя. Это и есть твое «я», твой внутренний владыка, бессмертная сущность…»

там же сказано: «твоя бессмертная сущность и есть невидимый наблюдатель, неслышный слушатель, немыслимый мыслитель, неощутимый ощущатель… Кроме нее, некому наблюдать, мыслить…» и так далее.

– Чувство «я» – клей. Тот самый корень, что прикрепляет вас к месту и времени, которое вам грезится. Если вы обрываете корень, вы способны исчезнуть без следа. Собственно, это и происходит на миг с любым медитатором в момент вхождения в поток. Секрет в том, что, исчезнув, вы можете заново собраться не здесь, а в другом мире.

Когда вы становитесь нулем, вы становитесь всем возможным. А возможное безгранично.

О причинности

KGBT+" Виктор Пелевин. Часть 2.

В нашем мире вообще не существует единопричинности, или, как говорят по научному, монокаузальности. У всего и всегда причин бывает много – и у хороших событий, и у плохих.

Приведу в качестве примера часто встречающуюся в жизни ситуацию. Один человек вынимает наган и стреляет другому в голову.

Вроде бы причиной смерти второго было то, что первый потянул за курок? Юридически да. В суде по другому не рассуждают, и это правильно.

Но мы же не юристы. Мы нормальные люди. А как насчет пороха в патроне? Кто то ведь должен его сделать, верно? Кто то должен распечатать наган на принтере? Кто то должен отвезти убийцу к месту убийства на телеге, разве нет? Кто то должен положить в телегу сена?

А как насчет мыслей и аффектов, заставивших стрелка пожать гашетку?