ИИ и вычислительная мощность

ИИ подпитывает высокий спрос на вычислительную мощность, побуждая компании инвестировать миллиарды долларов в инфраструктуру. На фоне бума ИИ вычислительная мощность становится одним из важнейших ресурсов этого десятилетия. В центрах обработки данных по всему миру миллионы серверов работают круглосуточно и без выходных, обрабатывая базовые модели и приложения машинного обучения, которые лежат в основе ИИ. Аппаратное обеспечение, процессоры, память, хранилище и энергия, необходимые для работы этих центров обработки данных, в совокупности называются вычислительной мощностью.

Прогнозы показывают, что к 2030 году центрам обработки данных по всему миру потребуется $6,7 трлн. Центры обработки данных, оборудованные для обработки нагрузок ИИ потребуют $5,2 трлн капитальных затрат, в то время как те, которые поддерживают традиционные ИТ-приложения потребуют $1,5 трлн капитальных затрат. В целом, почти $7 трлн капитальных затрат, необходимых к 2030 году — ошеломляющая цифра.

Для удовлетворения спроса компаниям по всей цепочке создания стоимости вычислительной мощности нужно найти баланс между быстрым и осмотрительным размещением капитала. Чтобы повысить шансы на то, что их инвестиции в центры обработки данных принесут большую прибыль, компании могут заниматься проектами поэтапно, оценивая рентабельность инвестиций на каждом этапе. Тем не менее, отсутствие ясности относительно будущего спроса затрудняет точные инвестиционные расчеты.

Цепочка создания стоимости вычислительной мощности сложна — от застройщиков недвижимости, которые строят центры обработки данных, до коммунальных предприятий, которые их снабжают, от полупроводниковых компаний, которые производят чипы, до гиперскейлеров облачных сервисов, которые размещают триллионы терабайт данных. Лидеры этой цепочки создания стоимости знают, что они должны инвестировать в вычислительную мощность, чтобы ускорить рост ИИ. Но их задача колоссальна: решить, сколько капитала выделить и на какие проекты в условиях неопределенности будущего роста и развития ИИ. Продолжат ли гиперскейлеры нести бремя расходов или предприятия, правительства и финансовые учреждения вступят в игру с новыми моделями финансирования? Вырастет ли спрос на центры обработки данных на фоне продолжающегося всплеска использования ИИ или он упадет по мере того, как технологические достижения сделают ИИ менее вычислительно емким?

Чрезмерное инвестирование в инфраструктуру центров обработки данных рискует заморозить активы, в то время как недостаточное инвестирование означает отставание.

Прогнозирование кривой спроса на вычислительную мощность

Чтобы решить, сколько инвестировать в вычислительную мощность, компании должны сначала точно спрогнозировать будущий спрос — сложная задача, учитывая, что сектор ИИ быстро меняется. Исследования показывают, что глобальный спрос на мощности центров обработки данных может почти утроиться к 2030 году, причем около 70% спроса будет приходиться на рабочие нагрузки ИИ. Однако этот прогноз зависит от двух ключевых неопределенностей:

Варианты использования ИИ. Ценность ИИ создается на прикладном уровне — реальное влияние ИИ на бизнес. Если компании не смогут создать значимую ценность с помощью ИИ, спрос на вычислительную мощность может не оправдать ожиданий. И наоборот, преобразующие приложения ИИ могут подогреть даже больший спрос, чем предполагают текущие прогнозы.

Быстрые циклы инноваций и сбои. Постоянное развитие технологий ИИ, таких как процессоры, архитектуры больших языковых моделей (LLM) и энергопотребление, может значительно повысить эффективность.

Только спрос на ИИ потребует инвестиций в размере 5,2 трлн долларов

Цифра в $5,2 трлн отражает масштаб инвестиций, необходимых для удовлетворения растущего спроса на вычислительную мощность ИИ — значительные капитальные обязательства, которые подчеркивают масштаб предстоящей задачи.

Масштаб инвестиций. Чтобы оценить объем инвестиций в размере триллиона долларов, необходимых к 2030 году, рассмотрим несвязанные между собой статистические данные, которые иллюстрируют истинный масштаб необходимого капитала:

• Труд. 500 миллиардов долларов расходов на оплату труда примерно эквивалентны 12 миллиардам рабочих часов (шесть миллионов человек, работающих полный рабочий день в течение всего года).
• Оптоволокно. Стоимость оптоволокна в 150 миллиардов долларов эквивалентна прокладке трех миллионов миль оптоволоконных кабелей — этого достаточно, чтобы опоясать Землю 120 раз.
• Выработка электроэнергии. Выработка электроэнергии на сумму 300 миллиардов долларов эквивалентна добавлению 150–200 гигаватт газа, чего было бы достаточно для обеспечения электроэнергией 150 миллионов домов в течение года.

Капитальные вложения в поддержку спроса на мощности центров обработки данных, связанных с ИИ, могут составить от 3 до 8 триллионов долларов к 2030 году. Это ошеломляющие цифры инвестиций. Они подпитываются несколькими факторами:

• Массовое внедрение генеративного ИИ. Базовые модели, лежащие в основе генеративного ИИ, требуют значительных вычислительных ресурсов для обучения и работы. Как обучающие, так и логические рабочие нагрузки способствуют росту инфраструктуры, и ожидается, что логический вывод станет доминирующей рабочей нагрузкой к 2030 году.
• Интеграция предприятий. Развертывание приложений на базе ИИ в различных отраслях — от автомобилестроения до финансовых услуг — требует огромных облачных вычислительных мощностей. По мере роста вариантов использования приложения ИИ будут становиться все более сложными, интегрируя специализированные базовые модели, адаптированные к конкретным доменам.
• Конкурентная гонка за инфраструктуру. Гипермасштаберы и предприятия соревнуются в создании собственной мощности ИИ для получения конкурентного преимущества, что подпитывает строительство все большего количества центров обработки данных. Эти «строители» надеются получить конкурентное преимущество за счет достижения масштаба, оптимизации технологических стеков центров обработки данных и, в конечном счете, снижения стоимости вычислений.
• Геополитические приоритеты. Правительства вкладывают значительные средства в инфраструктуру ИИ для повышения безопасности, экономического лидерства и технологической независимости.

Куда идут инвестиции?

Примерно 15% (0,8 триллиона долларов) инвестиций пойдут строителям на землю, материалы и разработку площадок. Еще 25% (1,3 триллиона долларов) будут выделены энергетикам на генерацию и передачу электроэнергии, охлаждение и электрооборудование. Самая большая доля инвестиций, 60% (3,1 триллиона долларов), пойдет разработчикам и проектировщикам технологий, которые производят чипы и вычислительное оборудование для центров обработки данных. Два других архетипа инвесторов, операторы, такие как гиперскейлеры и архитекторы ИИ, которые создают модели и приложения ИИ, также инвестируют в вычислительную мощность, особенно в такие области, как автоматизация на основе ИИ и программное обеспечение для центров обработки данных. Но количественно оценить их инвестиции в вычислительную мощность сложно, поскольку они пересекаются с их более широкими расходами на НИОКР.

Пять типов инвесторов в центры обработки данных

Поскольку ИИ стимулирует рост спроса на вычислительную мощность, пять типов организаций лидируют в крупных капиталовложениях, необходимых для масштабирования центров обработки данных:

• Строители: застройщики, проектные фирмы и строительные компании, которые расширяют и модернизируют центры обработки данных.
• Энергетики (Energizers): компании, поставляющие электроэнергию и системы охлаждения, необходимые для работы центров обработки данных, включая коммунальные предприятия, а также поставщики инфраструктуры и оборудования.
• Разработчики и проектировщики технологий: компании-производители полупроводников, которые разрабатывают чипы, обеспечивающие рабочие нагрузки ИИ, а также поставщики вычислительного оборудования.
• Операторы: поставщики облачных услуг и компании по размещению вычислений, которые владеют и управляют крупными центрами обработки данных.
• Архитекторы ИИ: компании, разрабатывающие модели и инфраструктуру ИИ.

Несмотря на эти прогнозируемые потребности в капитале, исследование показывает, что текущие уровни инвестиций отстают от спроса. Генеральные директора не решаются инвестировать в вычислительную мощность на максимальных уровнях, поскольку они ограниченно видят будущий спрос. Неопределенность относительно того, продолжит ли внедрение ИИ свой быстрый подъем, и тот факт, что инфраструктурные проекты имеют длительные сроки выполнения, затрудняют для компаний принятие обоснованных инвестиционных решений. Многие компании не уверены, принесут ли крупные капитальные затраты на инфраструктуру ИИ сегодня измеримую рентабельность инвестиций в будущем. Как руководители бизнеса могут уверенно двигаться вперед? В качестве первого шага они могут определить, где их организации находятся в экосистеме вычислительной мощности.

Пять архетипов инвесторов в инфраструктуру ИИ

1. Строители

• Застройщики, проектные фирмы и строительные компании, расширяющие мощности центров обработки данных
• Капитальные затраты на рабочую нагрузку ИИ : $800 млрд.
• Капитальные затраты на рабочую нагрузку, не связанную с ИИ : $100 млрд.
• Ключевые инвестиции: приобретение земли и материалов, квалифицированная рабочая сила, освоение участка/
• Возможности. Строители, которые оптимизируют выбор площадки, могут обеспечить выгодные местоположения, сократить сроки строительства и интегрировать оперативную обратную связь на ранних этапах, обеспечивая более быстрое развертывание и более высокую эффективность центра обработки данных.
• Проблемы. Нехватка рабочей силы может повлиять на доступность техников и строителей, в то время как ограничения местоположения могут ограничить возможности выбора площадки. Между тем, повышенная плотность мощности стойки может создать проблемы с пространством и охлаждением.
• Решения. Дальновидные строители могут найти решения основных проблем, добавив определенности инвестиционным решениям. Например, некоторые решают проблему нехватки рабочей силы, принимая модульные конструкции, которые оптимизируют процесс строительства, например, строительство за пределами строительной площадки крупных компонентов, которые можно собрать на месте.

2. Энергетики

• Коммунальные предприятия, поставщики энергии, производители охлаждающего/электрического оборудования и операторы связи, создающие инфраструктуру электропитания и связи для центров обработки данных ИИ.
• Капитальные затраты на рабочую нагрузку ИИ: $1,3 трлн.
• Капитальные затраты на рабочую нагрузку, не связанную с ИИ: $200 млрд.
• Ключевые инвестиции: производство электроэнергии (электростанции, линии электропередачи), решения по охлаждению (воздушное охлаждение, жидкостное охлаждение непосредственно на кристалле, иммерсионное охлаждение), электрическая инфраструктура (трансформаторы, генераторы), сетевое подключение (оптоволокно, кабель).
• Возможности. Энергокомпании, которые масштабируют энергетическую инфраструктуру и внедряют инновации в области устойчивых энергетических решений, будут в лучшем положении, чтобы извлечь выгоду из растущих потребностей гипермасштаберов в энергии.
• Проблемы. Питание центров обработки данных может остановиться из-за существующих недостатков сети, а решение проблем управления теплом из-за растущей плотности процессоров остается препятствием. Энегетики также сталкиваются с требованиями перехода на чистую энергию и длительными процессами утверждения подключения к сети.
• Решения. С более чем $1 триллионом инвестиций на кону, энергетика ищет способы поставлять надежную электроэнергию, одновременно повышая рентабельность инвестиций. Они вкладывают значительные средства в новые технологии генерации электроэнергии, включая ядерную, геотермальную, улавливание и хранение углерода и долгосрочное хранение энергии. Они также удваивают усилия по максимально быстрому вводу в эксплуатацию как можно большего количества мощностей как на возобновляемых источниках, так и на традиционной энергетической инфраструктуре, такой как газ и ископаемое топливо. Сейчас меняется масштаб этого спроса, что приводит к новой срочности наращивания мощностей электроэнергетики с беспрецедентной скоростью. По мере роста спроса, особенно на чистую энергию, ожидается, что производство электроэнергии будет быстро расти, и, по прогнозам, к 2030 году возобновляемые источники будут составлять примерно 45–50% энергетического баланса.

3. Разработчики и проектировщики технологий

• Компании-производители полупроводников и поставщики ИТ-технологий, производящие микросхемы и вычислительное оборудование для центров обработки данных.
• Капитальные затраты на рабочую нагрузку ИИ: $3,1 трлн.
• Капитальные затраты на рабочую нагрузку, не связанную с ИИ: $1,1 трлн.
• Ключевые инвестиции: графические процессоры, центральные процессоры, память, серверы и стоечное оборудование.
• Возможности. Разработчики и проектировщики технологий, инвестирующие в масштабируемые, готовые к будущему технологии, подкрепленные четкой прозрачностью спроса, могут получить конкурентное преимущество в области вычислений на основе ИИ.
• Проблемы. Небольшое количество полупроводниковых компаний контролирует предложение на рынке, подавляя конкуренцию. Наращивание мощностей остается недостаточным для удовлетворения текущего спроса, в то же время изменения в методах обучения моделей ИИ и рабочих нагрузках затрудняют прогнозирование будущего спроса на конкретные чипы.
• Решения. Разработчики и проектировщики технологий могут выиграть больше всего в гонке за вычислительную мощность, поскольку именно они предоставляют процессоры и оборудование, которые выполняют реальные вычисления. Спрос на их продукцию в настоящее время высок, но их инвестиционные потребности также самые большие — более $3 триллионов в течение следующих пяти лет. Небольшое количество полупроводниковых компаний оказывают непропорционально большое влияние на предложение в отрасли, что делает их потенциальными узкими местами в росте вычислительной мощности. Разработчики и проектировщики технологий могут смягчить этот риск, расширяя производственные мощности и диверсифицируя цепочки поставок, чтобы предотвратить узкие места.

4. Операторы

• Гипермасштабирующие компании, поставщики услуг размещения оборудования, платформы GPU-as-a-service и предприятия, оптимизирующие свои вычислительные ресурсы за счет повышения эффективности и использования серверов.
• Ключевые инвестиции: программное обеспечение для центров обработки данных, автоматизация на основе искусственного интеллекта, заказные кремниевые технологии.
• Возможности. Операторы, которые эффективно масштабируются, сохраняя баланс между рентабельностью инвестиций, производительностью и энергопотреблением, могут обеспечить долгосрочное лидерство в отрасли.
• Проблемы. Незрелые приложения на базе ИИ могут скрывать долгосрочные расчеты рентабельности инвестиций. Неэффективность работы центров обработки данных приводит к росту затрат, но неопределенность в спросе на ИИ продолжает мешать долгосрочному планированию инфраструктуры и решениям о закупках.
• Решения. В то время как сегодня центры обработки данных работают на высоком уровне эффективности, быстрый темп инноваций в области ИИ потребует от операторов оптимизации как потребления энергии, так и управления рабочей нагрузкой. Некоторые операторы повышают энергоэффективность в своих центрах обработки данных, инвестируя в более эффективные решения по охлаждению и увеличивая возможность штабелирования стоек, чтобы уменьшить требования к пространству, не жертвуя вычислительной мощностью, например. Другие инвестируют в разработку самой модели ИИ, чтобы создавать архитектуры, которым требуется меньше вычислительной мощности для обучения и эксплуатации.

5. Архитекторы ИИ

• Разработчики моделей ИИ, поставщики базовых моделей и предприятия, создающие собственные возможности ИИ.
• Ключевые инвестиции: инфраструктура обучения и вывода моделей, исследование алгоритмов.
• Возможности. Архитекторы ИИ, которые разрабатывают архитектуры, балансирующие производительность с более низкими требованиями к вычислениям, возглавят следующую волну внедрения ИИ. Предприятия, инвестирующие в собственные возможности ИИ, могут повысить конкурентоспособность, разрабатывая специализированные модели, соответствующие их потребностям.
• Проблемы. Вопросы управления ИИ, включая предвзятость, безопасность и регулирование, добавляют сложности и могут замедлить разработку. Между тем, вывод представляет собой существенный непредсказуемый компонент затрат, и предприятия сталкиваются с трудностями в демонстрации четкой окупаемости инвестиций в ИИ.
• Решения. Растущие вычислительные требования крупномасштабных моделей ИИ приводят к росту затрат на их обучение, особенно в отношении вывода или процесса, в котором обученные модели ИИ применяют полученные знания к новым, невиданным данным для составления прогнозов или принятия решений. Модели с расширенными возможностями рассуждений требуют значительно более высоких затрат на вывод. Чтобы снизить затраты на вывод, ведущие компании ИИ оптимизируют архитектуры своих моделей, используя такие методы, как разреженные активации и дистилляция. Эти решения снижают вычислительную мощность, необходимую при генерации ответа моделью ИИ, что делает операции более эффективными.

Критические соображения относительно роста инфраструктуры ИИ

Планируя инвестиции в инфраструктуру ИИ, компании должны будут учитывать широкий спектр потенциальных результатов. В сценарии ограниченного спроса мощности центров обработки данных, связанных с ИИ, могут потребовать капитальных затрат в размере $3,7 триллиона, что ограничено ограничениями цепочки поставок, технологическими сбоями и геополитической неопределенностью. Однако эти барьеры смягчаются в сценарии ускоренного спроса, что приводит к инвестициям в размере до $7,9 триллиона. Оставаться в курсе меняющейся ситуации имеет решающее значение для принятия обоснованных стратегических инвестиционных решений. Некоторые неопределенности, которые должны учитывать инвесторы, включают:

• Технологические прорывы. Прорывы в архитектуре моделей, включая повышение эффективности использования вычислений, могут снизить ожидаемый спрос на оборудование и энергию.
• Ограничения в цепочке поставок. Нехватка рабочей силы, узкие места в цепочке поставок и нормативные препятствия могут задержать подключение к сети, доступность чипов и расширение центров обработки данных, что замедлит общее внедрение ИИ и инновации. Чтобы устранить узкие места в цепочке поставок для критически важных чипов, компании-производители полупроводников вкладывают значительные средства в строительство новых производственных мощностей, но это строительство может застопориться из-за нормативных ограничений и длительных сроков поставки от поставщиков оборудования верхнего уровня.
• Геополитическая напряженность. Колебания тарифов и контроль за экспортом технологий могут привести к неопределенности в спросе на вычислительную мощность, что может повлиять на инвестиции в инфраструктуру и рост ИИ.

Гонка за конкурентное преимущество

Победителями эпохи вычислений на основе искусственного интеллекта станут компании, которые предвидят спрос на вычислительную мощность и инвестируют соответствующим образом. Компании в цепочке создания стоимости вычислительной мощности, которые проактивно защищают критически важные ресурсы — землю, материалы, энергетические мощности и вычислительную мощность — могут получить значительное конкурентное преимущество. Чтобы инвестировать с уверенностью, они могут использовать трехсторонний подход.

• Во-первых, инвесторам необходимо понимать прогнозы спроса в условиях неопределенности. Компании должны заранее оценивать потребности в вычислениях на основе ИИ, предвидеть потенциальные изменения спроса и разрабатывать масштабируемые инвестиционные стратегии, которые могут адаптироваться по мере развития моделей и вариантов использования ИИ. 
• Во-вторых, инвесторам следует найти способы внедрения инноваций в области эффективности вычислений. Для этого они могут отдавать приоритет инвестициям в экономичные и энергоэффективные вычислительные технологии, оптимизируя производительность при управлении энергопотреблением и расходами на инфраструктуру. 
• В-третьих, они могут повысить устойчивость предложения для поддержания роста инфраструктуры ИИ без чрезмерного расширения капитала. Для этого инвесторам потребуется обеспечить критически важные ресурсы, такие как энергия и чипы, оптимизировать выбор площадки и повысить гибкость своих цепочек поставок.

Решающее значение будет иметь достижение правильного баланса между ростом и эффективностью капитала.

Источник

Стоимость вычислений: гонка за масштабирование центров обработки данных стоимостью 7 триллионов долларов. 28 апреля 2025 г. Статья. Джесси Ноффсингер, Марк Патель, Панкадж Сачдева, Арджита Бхан.

The cost of compute: A $7 trillion race to scale data centers.

https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers

История математики: от муравьев до фракталов

Доисторическая математика

150 млн лет назад: муравьи учатся считать шаги.

30 млн лет назад: счет появляется у приматов.

1 млн лет назад: цикады используют простые числа для синхронизации появления из-под земли, чтобы запутать хищников.

18 000 лет назад: археологи находят кость с отметками, которые умножаются и складываются.

5000 лет назад: в Иране появляются первые игральные кости.

3000 лет назад: инки создают узелковые таблицы для математических расчетов, не имея письменности.

Древний мир

2200 до н.э.: в Китае распространяются "магические квадраты".

1800 до н.э.: вавилоняне записывают "пифагоровы тройки".

1650 до н.э.: египетский свиток с задачами по математике, подписанный Ахмесом — первый известный математик.

1300 до н.э.: в Египте изобретают крестики-нолики.

600 до н.э.: теорема Пифагора.

530 до н.э.: братство пифагорейцев.

440 до н.э.: Гиппократ приводит первые доказательства.

350 до н.э.: Платон описывает платоновы тела, а Аристотель выпускает "Органон".

300 до н.э.: Евклид формулирует основы геометрии.

250 до н.э.: Архимед вычисляет число π и исследует большие числа.

240 до н.э.: Эратосфен предлагает метод нахождения простых чисел.

Средние века

650: в Индии появляется знак "ноль".

800: аббат Алкуин пишет учебники по математике.

830: Аль-Хорезми создает алгебру.

1202: Фибоначчи знакомит Европу с арабскими числами.

1427: Ал-Каши выводит теорему косинусов.

Эпоха Возрождения и Новое время

1509: изобретение золотого сечения.

1545: Кардано описывает мнимые числа.

1637: Декарт создает аналитическую геометрию.

1665: Ньютон и Лейбниц разрабатывают математический анализ.

1727: Эйлер вводит число e и формулу e^(iπ) + 1 = 0.

1736: основы теории графов.

1742: гипотеза Гольдбаха (до сих пор не доказана).

XIX век: математика становится абстрактной

1829: Лобачевский создает неевклидову геометрию.

1858: лента Мебиуса.

1874: теория множеств Кантора.

1884: "Флатландия" и тессеракт — первые шаги в четырехмерную математику.

1899: формулы Пика для вычисления площадей.

XX век: взрыв идей

1900: Гильберт формулирует 23 проблемы математики.

1904: гипотеза Пуанкаре (решенная Перельманом в 2003 году).

1910: математика сводится к формальной логике.

1931: теорема Гёделя о неполноте.

1936: машины Тьюринга.

1948: теория информации.

1974: кубик Рубика и сюрреальные числа.

1980: множество Мандельброта — самый сложный объект в математике.

XXI век: математика будущего

2003: доказательство гипотезы Пуанкаре.

2012: abc-гипотеза (остается недоказанной).

2020-е: развитие теории узлов, фракталов и квантовой математики.

Источник

Математика не для всех

О сознании

Цитата из книги Чарльза Стросса. Аччелерандо

Теперь – о сознании. 

Интересная штуковина, правда ведь? 

Оно – плод безумной гонки вооружений между хищником и жертвой. 

Если понаблюдать за кошкой и мышкой, можно заметить: поведение кошки разумнее всего объяснить тем, что у кошки в наличии модель сознания мышки. Внутренняя симуляция, позволяющая предсказывать наиболее вероятное поведение мышки, замечающей хищника. Например, куда та побежит. И кошка, используя эту модель, может оптимизировать стратегию атаки. 

Но одновременно с этим виды добычи, устроенные достаточно сложно для того, чтобы иметь собственную модель сознания, получают преимущество в обороне, если становятся способными предвидеть действия хищника. 

В конце концов именно эта самая гонка вооружений млекопитающих и привела к появлению нас, вида социальных обезьян, шагнувших дальше. Мы научились использовать модель сознания для улучшения системы сигналов, чтобы племя работало сообща, а затем и для рефлексии, чтобы и внутренние состояния самого индивидуума можно было строить. Сложи эти два фактора, сигнальную систему и интроспективную симуляцию, и ты получишь сознание человеческого уровня, а в качестве бонуса – язык, систему передачи информации о внутренних состояниях, а не просто набор примитивных сигналов вроде «хищник идет!» или «еда!».

Цитата из книги Чарльза Стросса. Аччелерандо

* * *

Чтобы слышать, что говорят другие, человек должен молчать. Точно так же человеческий ум должен молчать, чтобы постичь что-то отличное от своих мыслей. Поэтому не удивительно, что в отсутствие такой тишины наш ум заполняют слова о словах.

Сознательная мысль — это сфокусированное внимание, тогда как фокусировать внимание трудно или вообще невозможно, если в поле зрения находится много объектов. Поэтому внимание требует отбора. Поле внимания должно быть разделено на относительно простые элементы, структура которых такова, что их можно воспринять одним взглядом. Это можно делать двумя способами: разбивая все поле на отдельные элементы требуемой простоты или же исключая отдельные детали целого таким образом, чтобы оставшееся можно было легко воспринять. Таким образом, мы слышим или видим намного больше, чем замечаем или обдумываем, и хотя мы подчас очень ловко реагируем на то, что не замечаем, мы чувствуем себя уверенно в той мере, в которой нам удается все сознательно контролировать

Предикторы могут работать на анализе позитивных потенций, возможности осуществления чего-либо. Но будущее может зависеть от того, что никогда не случится.

Чтобы "стянуть" пространное определение чего-либо в узел, нужно сначала понять это "что-то". Но если понять это "что-то" можно только через определение столь пространное, что для его усвоения не хватит и жизни, операция редукции становится невыполнимой.

Но как передать сознание. С помощью высказываний. И

• Денотант - объект высказывания.
• Коннотант - смысловой объект понятия, прилагаемый к денонтанту.
• Сигнификант - знаковое выражение коннотанта.

* * *

Осознание есть интеллектуальный процесс поиска соответствия между получаемыми из внешнего мира сенсорными впечатлениями и структурами памяти индивидуума. Понимание означает, что эти осознанные сенсорные впечатления и связанные с ними структуры памяти стали интегрированными, или организованными, в динамическую сеть принципов.
Значения образуются при сочетании осознания и понимания. Не существует значений в целиком сенсорном, или материальном, мире. Значения и ценности постигаются только во внутренних, или сверхматериальных, сферах человеческого опыта.

Что можно сделать в управление проектами ИТ

В основе успешных инициатив лежит часто недооцененный, но критически важный компонент: Офис управления проектами (PMO).

PMO выступает в качестве стратегического командного центра для трансформационных путешествий, координируя ресурсы, сроки, методологии и ожидания заинтересованных сторон. Поскольку организации продолжают преодолевать трудности цифровой трансформации, роль PMO превратилась из чисто административной функции в стратегический центр, который управляет реализацией бизнес-ценностей.

Хотя технологии и данные являются важнейшими движущими силами трансформации, человеческий фактор остается центральным для успеха.

Человеческий фактор в управлении проектами

Переход от технологически-ориентированных подходов к человеко-ориентированным

Техническое совершенство само по себе не гарантирует успеха проекта. Самое сложное решение не принесет пользы, если люди, которым оно предназначено, не вовлечены, не обучены и не мотивированы на принятие новых методов работы.

Гуманный подход к трансформации ставит во главу угла:

• Взаимодействие с заинтересованными сторонами: создание подлинной поддержки, а не обязательного соответствия. 
• Управление изменениями: поддержка людей на психологическом пути трансформации. 
• Создание знаний: развитие внутренних возможностей, которые обеспечивают самодостаточность. 
• Культурное соответствие: обеспечение соответствия технических решений организационной культуре и ценностям. 
• Пользовательский опыт: проектирование процессов и интерфейсов с учетом человеческого опыта.

Принятие решений на основе данных: необходимое дополнение

Хотя человеческий фактор является основным, данные - это компас, который указывает  направление усилий по трансформации. Данные используются для:

• Идентификация узких мест и препятствий до того, как они повлияют на сроки проекта.
• Измерение вовлеченности принятия изменений пользователями в режиме реального времени.
• Количественная оценка влияния на бизнес, а не только на техническое завершение проекта.
• Распределение ресурсов на основе потенциала создания ценности.
• Корректировка курса.

Интеграция гуманного лидерства с принятием решений на основе данных создает мощную синергию — ту, которая уравновешивает эмпатию и аналитику, сердце и голову, людей и показатели производительности. Такой подход признает, что данные и человечность являются взаимодополняющими силами, а не конкурирующими приоритетами.

Современный офис управления проектами (PMO) - стратегический партнер в трансформации бизнеса

Переосмысление роли и ценностного предложения PMO

PMO функции как стратегического партнера в трансформации бизнеса:

• Business Value Orchestrator: обеспечение того, чтобы технические реализации трансформировались в измеримые бизнес-результаты. 
• Transformation Facilitator: руководство организацией в ходе сложных изменений. 
• Cross-Function Connector: разрушение разрозненности между ИТ- и бизнес-подразделениями. Innovation Catalyst: выявление возможностей использования возможностей программного обеспечения для получения конкурентного преимущества. 
• Knowledge Hub: формирование институциональной экспертизы, способствующей самодостаточности.

Ключевые функции современного PMO

Объем обязанностей PMO продолжает расширяться в связи с растущей сложностью решений и ускорением темпов бизнес-изменений:

• Стратегическое согласование: обеспечение поддержки инициативами более широких бизнес-целей. 
• Управление и методология: создание фреймворков, которые уравновешивают структуру и гибкость. 
• Оркестровка ресурсов: оптимизация развертывания специализированных навыков. 
• Управление изменениями: руководство человеческой стороной трансформации. 
• Отслеживание ценности: измерение и информирование о полученных бизнес-преимуществах.
• Управление знаниями: сбор извлеченных уроков и наращивание организационных возможностей.
• Координация поставщиков: управление экосистемой партнеров по внедрению.

Критические факторы успеха PMO, ориентированных на человеческие ресурсы и данные

Спонсорство руководства и управление, ориентированное на человека

Успешные PMO работают при сильной поддержке руководства, которое принимает человеческий фактор трансформации. Без лидеров, которые ставят людей на первое место наряду с технологиями, проекты могут быть завершены, но трансформация потерпит неудачу.

Структура управления, ориентированная на человека, обычно включает в себя:

• Исполнительные руководящие комитеты с представителями, которые понимают как технические, так и человеческие факторы. 
• Четкие роли и обязанности с ответственностью как за техническую поставку, так и за принятие пользователями. 
• Прозрачные процессы принятия решений, которые включают отзывы заинтересованных сторон.
• Регулярные совещания по управлению, на которых рассматриваются как показатели прогресса, так и человеческий опыт. 
• Сбалансированные системы показателей, которые отслеживают техническое завершение, влияние на бизнес и принятие пользователями.

Интегрированное управление изменениями

Управление изменениями больше не является второстепенной задачей, а интегрировано в каждый аспект планирования и реализации проекта:

• Анализ заинтересованных сторон, позволяющий выявить ранние воздействия и точки сопротивления. 
• Стратегии коммуникации, адаптированные к различным потребностям и проблемам аудитории.
• Подходы к обучению, выходящие за рамки функций/возможностей, чтобы сосредоточиться на новых способах работы. 
• Оценки воздействия изменений включены в технические проектные решения. 
• Показатели готовности к изменениям отслеживаются вместе с показателями технического прогресса.

Управление ресурсами на основе данных

В новой норме управления проектами управление ресурсами выходит за рамки электронных таблиц и целевых показателей использования:

• Инвентаризация навыков, которая охватывает как технические возможности, так и гибкие навыки.
• Планирование мощностей на основе фактических данных об эффективности, а не теоретических оценок. 
• Протоколы распределения ресурсов, которые подбирают членов команды к ролям, которые используют их сильные стороны. 
• Подходы к обучению и передаче знаний, основанные на данных о стиле обучения.
• Метрики баланса между работой и личной жизнью для предотвращения выгорания и поддержания здоровья команды.

Постоянное обучение и совершенствование

Отличительной чертой зрелых офисов управления проектами является их приверженность накоплению знаний и постоянному совершенствованию:

• Систематическое извлечение уроков из опыта ретроспектив проектов.
• Сообщества практиков, способствующие обмену знаниями между командами.
• Сравнительный анализ эффективности по отраслевым стандартам и предыдущим проектам.
• Экспериментальные подходы, поощряющие инновации в реализации проектов.
• Циклы обратной связи, включающие идеи со всех уровней организации.

Распространенные проблемы при трансформации и человеко-ориентированный подход

Несмотря на лучшие намерения, внедрения ПО часто сталкиваются с проблемами, которые могут свести на нет прогресс. Ориентированный на человека и управляемый данными подход предлагает новые способы решения этих вечных проблем:

Согласование заинтересованных сторон и управление ожиданиями

Согласование заинтересованных сторон остается одной из наиболее распространенных точек отказа в проектах внедрения ПО. Гуманный подход решает эту проблему следующим образом:

• Разработка карт взаимодействия с заинтересованными сторонами, которые предвосхищают проблемы и вопросы.
• Создание индивидуальных планов коммуникации на основе потребностей и предпочтений заинтересованных сторон.
• Установление регулярных точек соприкосновения, откалиброванных по соответствующей частоте и уровню детализации.
• Использование визуализации данных для предоставления сложной информации заинтересованным сторонам, не являющимся техническими специалистами.
• Достижение консенсуса посредством организованных семинаров и совместных рамок принятия решений.

Техническая сложность и интеграция

Технические аспекты внедрения ПО представляют собой уникальные проблемы, для решения которых необходим комплексный подход, основанный на анализе человека и данных:

• Использование понятного, нетехнического языка для объяснения сложных концепций заинтересованным сторонам бизнеса.
• Создание визуальных представлений технических архитектур и точек интеграции.
• Баланс стандартных процессов с законными требованиями, специфичными для бизнеса.
• Обеспечение того, чтобы сценарии тестирования отражали реальные рабочие процессы людей, а не только технические пути.
• Сбор и анализ отзывов пользователей о технических решениях по проектированию.

Баланс скорости и качества с учетом человеческих ограничений

В современной быстро меняющейся бизнес-среде офисы проектов внедрения ПО сталкиваются с постоянным давлением, связанным с необходимостью ускорения сроков внедрения:

• Внедрение гибких подходов, адаптированных для контекстов, которые поддерживают устойчивый темп.
• Приоритизация функциональности на основе как деловой ценности, так и готовности людей к адаптации.
• Разработка стратегий тестирования, которые гарантируют качество без перегрузки команд.
• Создание реалистичных сроков, которые учитывают человеческие факторы, такие как кривые обучения и усвоение изменений.
• Мониторинг показателей благополучия команды наряду с индикаторами прогресса.

Использование аналитики для гуманной трансформации на основе данных

Интеграция ориентированного на человека лидерства с мощной аналитикой данных представляет собой передовую линию эволюции PMO.

Комплексная экосистема панели мониторинга, ориентированная на человека

Панели мониторинга удовлетворяют разнообразные потребности заинтересованных сторон на всех уровнях, предоставляя нужную информацию в правильном формате нужным людям:

• Панель мониторинга сегментов портфеля: предоставляет руководителям PMO, ИТ-директорам, вице-президентам и ИТ-директорам стратегическую видимость статуса завершения по фазам, запланированных и фактических показателей и статистики сегментов.
• Панель мониторинга руководства: эта панель мониторинга, разработанная специально для вице-президентов и ИТ-директоров, предоставляет краткое изложение показателей для выделения самого важного. Руководителям не нужны все детали — им нужна ясность относительно влияния на бизнес и критических точек принятия решений.
• Панель мониторинга проекта: менеджеры проектов, менеджеры по тестированию и ИТ-менеджеры получают в режиме реального времени информацию о статусе рабочих элементов, использовании ресурсов и всестороннем отслеживании задач, проблем и тестовых случаев.
• Приборная панель: обеспечивает визуализацию прогресса проекта по фазам, что позволяет осуществлять стратегический надзор на протяжении всего жизненного цикла внедрения.
• Персонализированное рабочее пространстов: централизация персональных задач, проблем, тестовых случаев, утверждениий, пользовательских историй, рисков и призывов к действию.

Расширенная аналитика для принятия обоснованных решений

Преобразование необработанных данных проекта в полезную информацию, которая помогает человеку принимать решения:

• Аналитика процессов: руководители проектов, менеджеры по тестированию и ИТ-менеджеры получают информацию о владельцах процессов, уровнях процессов и статусе направления бизнеса. Эти сведения позволяют оптимизировать процессы, не упуская из виду влияние изменений процессов на человека. 
• Аналитика обеспечения качества: руководители тестирования и руководители PMO могут отслеживать общее количество тестовых случаев, просроченные рабочие элементы, дефекты и использование ресурсов. Этот комплексный обзор помогает обеспечить качественные результаты, одновременно балансируя рабочую нагрузку между членами команды, чтобы предотвратить выгорание.
• Пульс проекта: руководители PMO и ИТ-директора могут отслеживать ключевые показатели, включая даты начала и окончания проекта, а также проценты прогресса на основе количества задач, веса и вех. Этот целостный обзор состояния проекта позволяет проактивно управлять как техническим прогрессом, так и благополучием команды.
• Статистика вех: руководители PMO получают углубленный анализ всех вех проекта, облегчая стратегическое планирование, гарантируя, что критические действия пути получат соответствующее внимание и ресурсы без перегрузки команд.
• Задачи-инсайты: руководители проектов получают поэтапные инсайты для каждого члена проекта, обеспечивая целенаправленное руководство и обоснованные решения о распределении ресурсов. Такая детальная прозрачность способствует эффективному управлению командой и балансировке рабочей нагрузки.

Инструменты для совместной работы, улучшающие взаимодействие людей

Расширяют, а не заменяют человеческое сотрудничество с помощью инструментов, призванных сделать командную работу более эффективной:

• Обзор согласований и утверждений: заинтересованные стороны проекта получают видимость родительских и дочерних подписей через интуитивно понятное пирамидальное представление. Эта ясность относительно статуса утверждения и обязанностей заинтересованных сторон оптимизирует принятие решений, обеспечивая при этом надлежащее распределение ответственности.
• Автоматически генерируемые отчеты: автоматическая генерация отчеты о встречах, отслеживание CTA, отчеты о проблемах и полную документацию по рабочим элементам. Эта автоматизация снижает административную нагрузку, одновременно повышая прозрачность коммуникации — ключевой аспект управления проектами, ориентированного на человека.
• Аналитика событий: руководители PMO и ИТ-директора получают видимость деталей сеансов и процентов посещаемости, максимизируя влияние событий проекта и обеспечивая эффективное использование совместного времени. Хорошо организованные встречи создают ценность, а не потребляют ее.
• Группы портфелей: настраиваемые представления портфелей, которые способствуют бесперебойному сотрудничеству между всеми ролями проекта, сохраняя стратегическое соответствие для заинтересованных сторон-исполнителей. Эта гибкость позволяет командам организовывать информацию способами, которые наилучшим образом соответствуют их конкретным потребностям и стилям работы.

Трансформирующее влияние возможностей PMO

Ключевые способы трансформации возможностей PMO:

• Улучшенная видимость с человеческим контекстом: обеспечение видимости всех аспектов внедрения ПО, сохраняя при этом осведомленность о человеческих факторах, которые влияют на успех.
• Ускоренное выполнение с устойчивым темпом: оптимизированные рабочие процессы и автоматизированная отчетность сокращают административные издержки, позволяя командам сосредоточиться на деятельности по добавлению ценности, не создавая неустойчивых рабочих нагрузок или условий выгорания.
• Улучшенное качество за счет сбалансированного надзора: специализированная аналитика для обеспечения качества помогает выявлять потенциальные проблемы на ранних этапах, гарантируя при этом последовательное выполнение контрольных показателей качества — без создания культуры микроменеджмента или чрезмерного давления.
• Оптимизированное использование ресурсов с фокусом на благополучие: подробные сведения о распределении ресурсов позволяют более эффективно планировать мощности, помогая руководителям гарантировать, что специализированные ресурсы будут использованы.
• Лучшее согласование заинтересованных сторон за счет прозрачной коммуникации: настраиваемые панели мониторинга и автоматизированные отчеты гарантируют, что все заинтересованные стороны будут оставаться информированными и согласованными на протяжении всего пути внедрения, создавая прозрачность, которая необходима для сотрудничества, основанного на доверии.
• Создание знаний для долгосрочного успеха: централизация информации о проектах и ​​предоставление структурированных репозиториев для документации и аналитических данных помогает организациям создавать институциональные знания, которые приносят пользу как текущим реализациям, так и будущим инициативам.
• Решения на основе данных с человеческой мудростью: аналитические возможности преобразуют необработанные данные проекта в применимые на практике аналитические данные, не исключая из уравнения человеческое суждение, создавая сбалансированный подход к принятию решений, который имеет решающее значение для «новой нормы» управления проектами ПО.

Реальное воздействие: гуманная трансформация на основе данных в действии

Возможные улучшения:

• Ускоренное время окупаемости: сроки внедрения сокращены на 20–30 % за счет улучшения координации и упреждающего решения проблем.
• Более высокие показатели адаптации пользователей: увеличение адаптации пользователей на 40–50 % на начальных этапах ввода в эксплуатацию благодаря лучшему управлению изменениями и взаимодействию с заинтересованными сторонами.
• Оптимизация ресурсов: улучшение использования ресурсов на 25 % за счет лучшего планирования мощностей и балансировки рабочей нагрузки.
• Улучшение качества: сокращение критических дефектов на 35 % за счет улучшения координации тестирования и аналитики качества.
• Удовлетворенность команды: значительное повышение удовлетворенности проектной группы и снижение выгорания, что приводит к лучшему удержанию талантливых сотрудников.

Заключение

Будущее совершенства PMO заключается в продуманной интеграции человеческой мудрости и цифровых возможностей — сочетании эмпатии, креативности и адаптивности опытных профессионалов с мощностью обработки данных, аналитическими возможностями и автоматизацией процессов.

Используя комплексные возможности в рамках философии трансформации, ориентированной на человека, офисы управления проектами могут выйти за рамки своей традиционной роли администраторов проектов и стать настоящими катализаторами развития бизнеса, способствуя не только успешным внедрениям, но и значимому прогрессу человечества и устойчивому успеху бизнеса.

Источник

Незначительно переработанный материал:

Продукт: SAP Portfolio и Project Management для SAP S/4HANA

Истина с разных точек зрения

Истину невозможно определить словами — она определяется только жизнью. 

Истина всегда больше знания. 

Знание имеет отношение к наблюдаемым вещам, однако истина выходит за пределы чисто материальных уровней, ибо она созвучна мудрости и охватывает такие неуловимые категории, как человеческий опыт, а также духовные и живые реальности. 

Знание берет начало в науке, мудрость — в истинной философии, истина — в религиозном опыте духовной жизни. 

Знание имеет дело с фактами, мудрость — с отношениями, истина — с реальностными ценностями.

Аргументация есть метод науки.
Вера является методом религии.
Логика является испробованным методом философии.
Откровение предоставляет метод для достижения единства в понимании реальности.

* * *

Знание есть сфера материального разума — разума, постигающего факты.
Истина есть область духовно одаренного интеллекта, сознающего тот факт, что он знает Бога. Знание доказуемо; истина постигается в опыте.
Знание является прерогативой разума; истина есть опыт души — прогрессирующего «я».
Знание является функцией недуховного уровня; истина есть ступень интеллектуально-духовного уровня вселенных.
Материальный разум видит мир фактического знания; одухотворенный интеллект постигает мир истинных ценностей.
Два этих взгляда — во взаимной координации и гармонии — раскрывают мир реальности, в котором мудрость интерпретирует явления вселенной с точки зрения прогрессирующего личного опыта.

Заблуждение (зло) есть расплата за несовершенство. Признаки несовершенства или факты неправильной адаптации раскрываются на материальном уровне с помощью критического наблюдения и научного анализа, на нравственном уровне — с помощью человеческого опыта. Присутствие зла представляет собой доказательство ошибок разума и незрелости эволюционирующей индивидуальности. Поэтому зло является также мерой несовершенства интерпретации вселенной.

Возможность допущения ошибок присуща обретению мудрости — пути развития от частичного и временного к целостному и вечному, от относительного и несовершенного к окончательному и ставшему совершенным.

* * *

Человек склонен выхолащивать науку, формализовать философию и догматизировать истину, ибо он отличается интеллектуальной леностью в приспособлении к поступательному устремлению жизни и одновременно панически боится неизвестного. Человеку, в силу своей природы, трудно изменить образ жизни и стереотипы мышления.

Раскрытая истина — индивидуально обнаруженная истина — высшее наслаждение для человеческой души. Такая истина есть совместное творение материального разума и пребывающего в человеке духа.

Между истинным знанием и истиной никогда не бывает противоречия. Противоречие возможно между знанием и человеческими верованиями — поверьями, которые окрашены предрассудками, искажены страхом и подчинены смертельной боязни столкновения с новыми фактами материальных открытий или духовного прогресса.

Однако истина никогда не становится человеческим достоянием без веры. Это справедливо потому, что мысли, мудрость, этика и идеалы человека никогда не поднимутся выше, чем его вера, его возвышенная надежда. И любая такая истинная вера основана на глубоких размышлениях, искренней самокритике и бескомпромиссном нравственном сознании. Вера — это то вдохновение, которым отличается одухотворенное творческое воображение.

Логика эффективна в материальном мире, и математика достоверна, когда область ее применения ограничена физическим миром; однако ни та, ни другая не могут считаться всецело надежными или непогрешимыми применительно к проблемам жизни. Жизнь включает феномены, которые не являются чисто материальными. Арифметика утверждает, что если один человек может постричь овцу за десять минут, то десять человек постригут ее за минуту. Такое суждение убедительно в математике, но оно не соответствует истине, ибо десять человек не справились бы с такой задачей: они настолько мешали бы друг другу, что на эту работу ушло бы намного больше времени.

Математика утверждает, что если один человек соответствует некоторой единице интеллектуальной и моральной величины, то десять человек соответствовали бы десятикратной величине. Однако применительно к человеческой личности было бы правильнее сказать, что такая ассоциация личностей в своей сумме ближе к квадрату участвующих в уравнении личностей, чем к их простой арифметической сумме.

* * *

Ученые забыли, что они имеют дело не с самой природой, а с ее абстрактной моделью.

Людвиг Витгенштейн и другие современные "логические" философы попытались подавить подобные вопросы, утверждая, что они бессмысленны, и поэтому их не следует задавать. Они утверждают, что большинство философских проблем решаются осознанием того, что этих проблем не существует. Это осознание подразумевает ясное понимание того, что вопросы типа "Почему существует Вселенная?" возникают вследствие предрасположенности человека к особого рода интеллектуальному неврозу. Эта болезнь ума проявляется в неправильном использовании слов, которые хотя и звучат осмысленно, однако фактически являются такими же бессмысленными, как вопрос "Где находится Вселенная?". Ведь сама постановка этого вопроса свидетельствует о непонимании, ведь где-то может находиться только вещь, пребывающая внутри Вселенной. Таким образом, задача философии сводится к тому, чтобы вылечить людей от привычки задавать бессмысленные вопросы.

Религии борются за сферы влияния и конфликтуют друг с другом. С их помощью одни люди стремятся возвыситься над другими. Каждая религиозная система противопоставляет "спасенных" обреченным на "вечное проклятие", подлинно верующих - еретикам, а своих сторонников - своим противникам. Даже религиозные либералы играют в игру "Мы более терпимы, чем вы".

Безусловная приверженность какой-либо религии это не просто интеллектуальное самоубийство, это положительное проявление неверия, потому что ум фанатика полностью закрыт для новых возможностей видения мира, тогда как подлинная вера прежде всего подразумевает доверие, открытость неизвестному.

Книги это не реальная жизнь точно так же, как деньги - это не настоящее, потребляемое богатство. Слепое преклонение перед писаниями подобно употреблению в пищу бумажных денег.

Подлинная любовь является следствием понимания, а не чувства долга или вины.

* * * 

Грех должен быть переосмыслен как преднамеренно нелояльное отношение к Божеству. Есть несколько степеней нелояльности:

• неполная лояльность, присущая нерешительности;
• раздвоенная лояльность, свойственная конфликтности;
• исчезающая лояльность, присущая безразличию;
• и утрата лояльности, которая выражается в следовании безбожным идеалам.

Чувство или ощущение вины есть осознание нарушения нравов; оно не обязательно является грехом. Если нет сознательной нелояльности к Божеству, нет и настоящего греха.

Хотя с одной стороны бесконечность является ЕДИНСТВОМ, с другой — это РАЗНООБРАЗИЕ без конца и края. С точки зрения конечных разумных существ, бесконечность является максимальным парадоксом философии и метафизики конечных созданий.

Разум — это объединение всех различий, но в отсутствие таких различий разум теряет фундамент, на котором можно было бы попытаться сформулировать представления, необходимые происхождения, бытия, цели, предназначения, времени, пространства и даже Божества являются только относительно истинными.

И хотя существующие у созданий вселенские мыслительные структуры необходимы для рациональных интеллектуальных операций, все они в большей или меньшей степени являются ошибочными. Концептуальные рамки вселенной являются только относительно истинными; это полезные опоры, необходимость в которых со временем отпадет в связи с распространением более широкого понимания космоса.

* * *

как близок был буддизм к тому, чтобы стать великой и прекрасной религией без Бога, — личностного и всеобщего Божества.

...нашли в буддистской литературе следующие высказывания:

«Из чистого сердца будет струиться радость к Бесконечному; всё мое существо будет в мире с этой неземной радостью. Моя душа исполнена довольства, и сердце мое переполнено блаженством безмятежного упования. Я не знаю страха; я свободен от тревог. Я пребываю в уверенности, и мои враги неспособны испугать меня. Я доволен плодами моей уверенности. Я обрел путь к Бессмертному, на который легко вступить. Я молюсь о вере, которая поддержит меня на долгом пути; я знаю, что запредельная вера не оставит меня. Я знаю, что мои братья преуспеют, если проникнутся верой в Бессмертного, — той верой, которая создает умеренность, честность, мудрость, мужество, знание и стойкость. Оставим же печали и откажемся от страха. В вере своей будем придерживаться истинной праведности и подлинной мужественности. Научимся размышлять о справедливости и милосердии. Вера — истинное богатство человека, наделяющее добродетелью и славой.

Презренна нечестивость; жалок грех. Унизительно зло — остается ли оно в помыслах или претворяется в делах. Как ветер поднимает пыль, так зло вызывает страдания и печаль. Как тень идет за субстанцией материального тела, так счастье и душевный покой следуют за чистыми помыслами и добродетельной жизнью. Зло есть плод помыслов, направленных по ложному пути. Видеть грех в безгрешном, не видеть греха в грешном есть зло. Зло есть путь ложных учений. Те, кто избегает зла, видя вещи такими, какие они есть, обретают радость, ибо приобщаются к истине. Положите конец своим несчастьям — возненавидьте грех. Поднимая свои глаза к Великодушному, всем своим сердцем отвернитесь от греха. Не защищайте зло; не оправдывайте грех. Трудясь над искуплением прошлых грехов, вы обретаете силу, необходимую для сопротивления греху в будущем. Сдержанность рождается из раскаяния. В каждом своем проступке исповедуйтесь Великодушному.

Бодрость и радость суть награда за дела, достойно выполненные во славу Бессмертного. Никто не может лишить вас свободы вашего собственного разума. Когда вера вашей религии освободит сердце, когда твердым и непоколебимым, как гора, станет разум, тогда душевный покой польется спокойно, как течение реки. Те, кто уверен в спасении, навсегда избавляются от вожделения, зависти, ненависти и иллюзий богатства. Хотя вера является энергией лучшей жизни, вы сами должны настойчиво претворять свое собственное спасение. Если вы желаете обрести уверенность в своем окончательном спасении, то вам следует позаботиться о том, чтобы искренне следовать всему праведному. Развивайте в своем сердце уверенность, которая произрастает изнутри, — так вы насладитесь восторгом вечного спасения.

Ни один верующий не может надеяться на достижение проснаправленных Мелхиседеком и продолжавших свой труд в Индии вплоть до появления Будды. Иисус и Ганид нашли в буддистской литературе следующие высказывания:

«Из чистого сердца будет струиться радость к Бесконечному; всё мое существо будет в мире с этой неземной радостью. Моя душа исполнена довольства, и сердце мое переполнено блаженством безмятежного упования. Я не знаю страха; я свободен от тревог. Я пребываю в уверенности, и мои враги неспособны испугать меня. Я доволен плодами моей уверенности. Я обрел путь к Бессмертному, на который легко вступить. Я молюсь о вере, которая поддержит меня на долгом пути; я знаю, что запредельная вера не оставит меня. Я знаю, что мои братья преуспеют, если проникнутся верой в Бессмертного, — той верой, которая создает умеренность, честность, мудрость, мужество, знание и стойкость. Оставим же печали и откажемся от страха. В вере своей будем придерживаться истинной праведности и подлинной мужественности. Научимся размышлять о справедливости и милосердии. Вера — истинное богатство человека, наделяющее добродетелью и славой.

Презренна нечестивость; жалок грех. Унизительно зло — остается ли оно в помыслах или претворяется в делах. Как ветер поднимает пыль, так зло вызывает страдания и печаль. Как тень идет за субстанцией материального тела, так счастье и душевный покой следуют за чистыми помыслами и добродетельной жизнью. Зло есть плод помыслов, направленных по ложному пути. Видеть грех в безгрешном, не видеть греха в грешном есть зло. Зло есть путь ложных учений. Те, кто избегает зла, видя вещи такими, какие они есть, обретают радость, ибо приобщаются к истине. Положите конец своим несчастьям — возненавидьте грех. Поднимая свои глаза к Великодушному, всем своим сердцем отвернитесь от греха. Не защищайте зло; не оправдывайте грех. Трудясь над искуплением прошлых грехов, вы обретаете силу, необходимую для сопротивления греху в будущем. Сдержанность рождается из раскаяния. В каждом своем проступке исповедуйтесь Великодушному.

Бодрость и радость суть награда за дела, достойно выполненные во славу Бессмертного. Никто не может лишить вас свободы вашего собственного разума. Когда вера вашей религии освободит сердце, когда твердым и непоколебимым, как гора, станет разум, тогда душевный покой польется спокойно, как течение реки. Те, кто уверен в спасении, навсегда избавляются от вожделения, зависти, ненависти и иллюзий богатства. Хотя вера является энергией лучшей жизни, вы сами должны настойчиво претворять свое собственное спасение. Если вы желаете обрести уверенность в своем окончательном спасении, то вам следует позаботиться о том, чтобы искренне следовать всему праведному. Развивайте в своем сердце уверенность, которая произрастает изнутри, — так вы насладитесь восторгом вечного спасения.

Ни один верующий не может надеяться на достижение просветления, которое дает бессмертная мудрость, оставаясь ленивым, вялым, слабым, праздным, бесстыдным и эгоистичным. Тот же, кто вдумчив, благоразумен, рассудителен, пылок и честен, еще при жизни на земле может достигнуть высшего просветления, приходящего с покоем и свободой божественной мудрости. Помните: за каждым действием — свое воздаяние.

Зло приводит к печали, грех ведет к мукам. Радость и счастье — следствие добродетельной жизни. Даже злодей пользуется милосердием, пока не созрели его злодеяния, но неотвратим срок жатвы всех плодов зла. Пусть никто не думает о грехе легкомысленно, говоря про себя: „Наказание за прегрешения обойдет меня стороной“. За ваши деяния вам будут платить той же монетой — по суду мудрости. Несправедливость, допущенная по отношению к вашим товарищам, воздастся вам. Создания неспособны избежать той участи, которую уготавливают себе своими деяниями.

Глупец сказал себе: „Зло не овладеет мной“; однако благополучие обретается только тогда, когда душа жаждет упрека, а разум стремится к мудрости. Мудра та благородная душа, которая дружелюбна среди врагов, спокойна среди беспокойства, щедра среди алчности. Любовь к себе — что сорняки на плодородном поле. Эгоизм ведет к печали; постоянная забота убивает. Смиренный разум приносит счастье. Тот есть величайший из воинов, кто покоряет и подчиняет самого себя. Сдержанность хороша во всём. Превосходен лишь тот человек, который ценит добродетель и выполняет долг. Не позволяйте гневу и ненависти овладевать собой. Не говорите ни о ком резко. Удовлетворенность — величайшее богатство. Что дано с мудростью, то хорошо сохраняется. Не делайте другим того, чего вы не желали бы себе. Платите добром за зло; преодолевайте зло добром.

Праведная душа желанней владычества над всем миром. Цель чистосердечия — бессмертие; удел бездумной жизни — смерть. Кто честен, тот не умирает; бездумный уже мертв. Благословен тот, кто постиг состояние бессмертия. Кто мучает живых, тот вряд ли обретет счастье после смерти. Бескорыстные восходят на небо, где они радуются в блаженстве бесконечной щедрости и продолжают исполняться благородного великодушия. Каждый смертный, чьи помыслы праведны, высказывания благородны и действия бескорыстны, не только обретет добродетель здесь, в течение этой короткой жизни, но также — после разрушения тела — продолжит вкушать наслаждения на небе».

Существование Бога математически доказано за 12 шагов: философский анализ

Вопрос о существовании Бога на протяжении веков волновал умы философов, теологов и ученых. Одним из наиболее интересных подходов к доказательству бытия Бога является формальное логическое рассуждение, представленное в виде 12 шагов. Этот метод, основанный на идеях Лейбница и уточненный современными мыслителями, предлагает строгую последовательность аргументов, ведущих к выводу о существовании Бога. Рассмотрим каждый шаг подробнее.

1. Определение Бога

Доказательство начинается с определения Бога. Бог понимается как существо, обладающее всеми "положительными свойствами". Это означает, что Бог является воплощением совершенства, включая такие качества, как всемогущество, всезнание и абсолютная доброта.

2. "Положительные свойства"

Первая аксиома уточняет, что такое "положительное свойство". Оно основывается на идее Лейбница о "совершенстве": свойство или его отрицание может быть положительным. Например, если "доброта" — положительное свойство, то её отсутствие (злость) — отрицательное.

3. Позитивность передается

Вторая аксиома утверждает, что любое свойство, вытекающее из положительного, также является положительным. Например, если "справедливость" — положительное свойство, то "способность быть справедливым" также положительно.

4. Позитивность выражает себя

Первая теорема демонстрирует, что любое положительное свойство может быть проиллюстрировано, то есть выражено в каком-либо существе. Это означает, что положительные свойства не абстрактны, а могут быть воплощены.

5. Быть Богом — это положительно

Третья аксиома утверждает, что быть Богом — это положительное свойство. Это логично, так как Бог, по определению, обладает всеми положительными качествами.

6. Бог возможен

Следствие из предыдущих шагов: если быть Богом — положительное свойство, и положительные свойства могут быть воплощены, то Бог возможен. То есть, существование Бога не противоречит логике.

7. Необходимость в положительных свойствах

Четвертая аксиома утверждает, что положительные свойства обязательно существуют. Это означает, что совершенство и доброта не могут быть иллюзорными — они являются частью реальности.

8. Определение сущности

Здесь вводится понятие "сущности". Сущность — это свойство, которое определяет все остальные свойства существа. Например, если существо обладает сущностью "быть Богом", то все его свойства (всемогущество, всезнание и т.д.) вытекают из этой сущности.

9. Сущность Бога

Вторая теорема утверждает, что "быть Богом" — это сущность Бога. Это означает, что все свойства Бога вытекают из его божественной природы.

10. Необходимость существования

Необходимое существование определяется как свойство, которое обязательно должно быть воплощено. Если сущность Бога включает необходимое существование, то Бог не может не существовать.

11. Существование обязательно положительно

Пятая аксиома утверждает, что необходимое существование — это положительное свойство. Это логично, так как существование предпочтительнее несуществования.

12. Бог существует

Заключительный вывод: сущность Бога обязательно воплощается, а значит, Бог существует. Это следует из того, что Бог обладает всеми положительными свойствами, включая необходимое существование.

Заключение

Представленное доказательство — это попытка логически обосновать существование Бога, опираясь на понятия положительных свойств, сущности и необходимости. Хотя этот подход вызывает споры среди философов и теологов, он демонстрирует, как формальная логика может быть использована для решения глубоких метафизических вопросов.

Закон исключенного третьего

Закон Пирса: почему он работает в классической логике, но не в интуиционистской?

Формула закона Пирса выглядит так:
((P → Q) → P) → P

На первый взгляд, она может показаться абстрактной, но её смысл связан с одним из фундаментальных различий между классической и интуиционистской логикой.

Почему он справедлив в классической логике?

В классической логике истина каждого утверждения оценивается через два состояния — "истинно" или "ложно". Этот подход позволяет использовать закон исключённого третьего (P ∨ ¬P), благодаря которому мы можем доказать формулу Пирса. Если P ложно, то импликация (P → Q) будет истинной независимо от Q, а значит, ((P → Q) → P) сводится к "ложь → ложь", что снова истинно.

А в интуиционистской ?

В интуиционистской логике истина утверждения зависит от того, можем ли мы его доказать. Закон исключённого третьего не принимается как аксиома — для интуиционистской логики недостаточно заявить, что либо P, либо ¬P; необходимо предъявить доказательство одного из них. Формула Пирса требует "выхода" за рамки конструктивных методов, так как её доказательство основывается на допущении, что истина либо "просто существует," либо может быть выведена из противоречия.

Пример: Если у нас есть гипотетическое утверждение P, но доказательство его истинности или ложности отсутствует, мы не можем использовать закон Пирса. Интуиционистская логика требует, чтобы доказательства были конструктивными — "вывести" P из ((P → Q) → P) не получится, если мы не обладаем явным доказательством P или (P → Q).

2025 - развитие технологий в цифрах и фактах. Летопись.

Индустрия 4.0. Развитие технологий в цифрах и фактах

Информационные технологии

• $5,6 трлн составят глобальные расходы на информационные технологии к концу 2025 года.
• 19,6 млн разработчиков насчитывалось в мире в 2024 году. Китай, США и Индия вошли в топ-3 стран по числу этих специалистов.
• $3,9 трлн составят глобальные расходы на цифровую трансформацию к 2027 году.
• В два раза (с ₽38 млрд до ₽77 млрд) увеличился российский рынок офисного программного обеспечения за 2020–2024 годы.
• 92% мирового рынка по производству графических процессоров принадлежит американской компаний NVIDIA (по результатам 2024 года).
• До ₽149 млрд вырастут продажи отечественных решений для корпоративных коммуникаций в России к 2028 году. Для сравнения: по итогам 2023 года этот рынок составлял ₽37 млрд.
• На 40% увеличился объем российского рынка no-code (способ создания IT-продуктов без написания кода с помощью специальных платформ) по итогам 2024 года и составил ₽3,2–3,5 млрд.
• 64,7% глобального рынка занимает самый популярный в мире веб-браузер Google Chrome.

Дата-центры

• $80 млрд инвестирует Microsoft в строительство центров обработки данных (ЦОД) с поддержкой ИИ до июня 2025 года.
• Более 5 тыс. ЦОДов расположены в США. Это больше, чем в любой другой стране мира. Для сравнения: в Германии (второе место в списке) находится 529 центров; в Великобритании (третье место) — 523. Россия с 251 ЦОДом занимает седьмую позицию.
• На 9% (до 67 тыс. шт.) снизился импорт серверов и хранилищ в Россию по итогам 2024 года. Сильнее всего сократились поставки из Китая и Гонконга.
• 50% российского рынка строительства ЦОДов занял госсектор. Затраты на их возведение достигли ₽60 млрд в 2024 году.

Доменный рынок

• 364,3 млн доменов насчитывается во всем мире.
• На 12% выросли продажи премиум-доменов в 2024 году по сравнению с 2023-м. Общий объем продаж превысил $950 млн.
• 5,9 млн доменных имен зарегистрировано в России (страновая зона .RU). Больше — только зоны Германии (.DE — 17,7 млн), Китая (.CH — 10,8 млн), Великобритании (.UK — 10,3 млн) и Нидерландов (.NL — 6,2 млн).
• ₽22,7 млн за один домен составила сумма самой дорогой сделки в 2024 году. В 2025 году уже в феврале домен в ру-зоне из четырех символов был приобретен за ₽42,8 млн, по данным «Руцентра».
• 282 попытки технического угона домена через подбор пароля фиксирует каждый день компания «Руцентр».
• Всего у одной российской компании — «Яндекса» — есть собственная именная доменная зона, по данным «Руцентра».
• 73,8% доменов в зоне .RU принадлежат частным лицам, и только 26,2% приходятся на компании.

Искусственный интеллект

• $4,8 трлн составит мировой рынок искусственного интеллекта к 2033 году.
• США и Китай владеют 60% всех патентов на ИИ-разработки, по данным на апрель 2025 года.
• 33% корпоративных программных приложений в мире будут включать ИИ-агенты к 2028 году. В 2024-м этот показатель составлял менее чем 1%.
• ₽305 млрд составила выручка российского рынка ИИ-проектов по итогам 2024 года.
• $15,7 трлн внесет ИИ в мировую экономику к 2030 году.
• До трети рабочих мест в развитых странах находятся под угрозой исчезновения из-за развития искусственного интеллекта.
• 95% компаний финансового сектора в России активно используют ИИ.
• В 2,4 раза в год увеличилась стоимость обучения передовых моделей ИИ с 2016 года.
• 31% мировых компаний работают с ChatGPT.
• 80% ноутбуков будут поддерживать ИИ к 2029 году.

Облачные технологии

• Более 60% мирового рынка облачных технологий контролируют Amazon (30%), Microsoft (21%) и Google (12%) по итогам 2024 года.
• $330 млрд достиг рынок облачных технологий в 2024 году. Это на $60 млрд больше показателей 2023 года.
• Облачные рынки Великобритании и Германии — крупнейшие в Европе. Однако самые высокие темпы роста наблюдаются в Ирландии, Испании и Италии.
• ₽165,6 млрд достиг объем облачного рынка в России по итогам 2024 года. Он увеличится еще на 20–30% к концу 2025-го.
• 77,4 тыс. составляет совокупное число клиентов облачных провайдеров в России.

AR/VR

• На 10% выросли глобальные поставки гарнитур дополненной и виртуальной реальности (AR/VR) в 2024 году.
• $635 млрд достигнет рынок дополненной реальности к 2033 году.
• 9,6 млн гарнитур VR и MR (смешанной реальности) было продано в 2024 году. Рост составил 8,8% по сравнению с предыдущим годом.
• 74,6% продаж приходится на гарнитуры AR/VR от Meta (организация признана экстремистской и запрещена в РФ). На втором месте расположилась корпорация Apple с 5,2%, а на третьем — Sony с 4,3%.
• Около ₽1,83 млрд потратили российские образовательные учреждения на покупку VR-оборудования для классов виртуальной реальности и кабинетов ОБЖ по итогам 2023–2024 годов.

Big Data

• $311 млрд достиг мировой рынок больших данных (Big Data) в 2024 году.
• 394 зеттабайта (394 трлн гигабайтов) составит объем глобальных данных к 2028 году.
• Азиатско-Тихоокеанский регион превратился в самый быстрорастущий центр на рынке больших данных.
• Основные игроки рынка Big Data в мире — компании Oracle (США), Microsoft (США), SAP (Германия), IBM (США) и SAS Institute (США).

Интернет вещей (loT)

• 18,8 млрд подключенных IoT-устройств насчитывалось в 2024 году по всему миру.
• Китай к 2033 году станет мировым лидером по количеству IoT-устройств (около 8 млрд девайсов).
• 25% подключенных IoT-девайсов по всему миру — устройства с поддержкой Bluetooth.
• 7,6 млрд единиц IoT-устройств с поддержкой Bluetooth будет поставляться каждый год в мире к 2027 году.
• $1,56 трлн достигнет глобальный рынок промышленного интернета вещей (IIoT) к 2032 году.
• ₽90 млрд планируется инвестировать в IIoT до 2030 года в России.
• ₽181 млрд составил объем рынка IoT в России по итогам 2024 года. К этому моменту в стране насчитывалось более 102 млн различных IoT-устройств.
• $24,9 млрд с ежегодным ростом около 38% достигнет объем рынка AIoT-платформ (IoT с ИИ) к 2028 году.

Роботы

• $2 млрд достигнет глобальный рынок человекоподобных роботов до 2027 года.
• На 30% увеличились продажи профессиональных сервисных роботов по всему миру в 2024 году.
• 44% производителей сервисных и медицинских роботов базируются в Европе, в Азии — 29%, в Северной и Южной Америке — 25%.
• Более 4,2 млн роботов работают на заводах по всему миру.
• Корея является лидером по соотношению роботов и заводских рабочих. На 10 тыс. сотрудников приходится 1012 роботов.
• 19 роботов приходится на 10 тыс. сотрудников в России (по данным на 2024 год).
• До $6,8 млрд вырастет рынок роботов-комплектовщиков на складах во всем мире к 2030 году.

Спутниковые технологии

• 11 833 спутника на различных орбитах числились в статусе активных по состоянию на март 2025 года.
• 70 тыс. низкоорбитальных спутников (LEO) планируется запустить в ближайшие пять лет во всем мире.
• В 105 странах зарегистрированы действующие спутники. Большая часть из них — не менее 8 тыс. — принадлежит США.
• До $108 млрд вырастет рынок космических спутников в 2035 году.
• 61,5% действующих спутников относятся к категории малых спутников (180–500 кг).
• 80% спутников связи весят менее 300 кг.
• 7135 спутников, находящихся сейчас на орбите, принадлежат компании Starlink Илона Маска. Из них 7105 находятся в рабочем состоянии.

Источник

https://trends.rbc.ru/trends/industry/681885689a79477359ed5181