Технологии транслируют нам новый образ мира и новый образ себя, а с этим приходят новые ценности и новые потребности.
Александр Грищенков, продакшн-директор Molinos
Почему нас интересуют новые технологии, почему нас так привлекает искусственный интеллект? Существует теория о том, что каждый человек в своём развитии проходит так называемую «зеркальную» стадию. Человеку на какой-то стадии требуется другой для осознания самого себя — некое зеркало, представление. Мысль в том, что, возможно, человечество в этих поисках просто пытается определиться с тем, а кто же оно само есть на самом деле.
Европейская наука на протяжении нескольких последних столетий развивалась не в русле объективного наблюдения за природой и событиями с последующими выводами, а очень сильно ориентировалась на инструментальные человеческие возможности. То есть научные открытия всегда шли рядом с технологическими разработками. Допустим, бозон Хиггса, существовал ли он до изобретения адронного коллайдера? Такие вопросы задают спекулятивные реалисты. Социолог Бруно Латур ставил вопрос: а существовали ли микробы до Пастера? А ответ такой: после 1862 года микробы существовали уже всегда. Это яркая иллюстрация того, как наука меняет наше представление о самих себе и о том мире, в котором мы живём.
Таким образом мы определяем нашу реальность: наши страхи, наши надежды, наши чаяния о будущем.
Условно, если сегодня на панели возникнет вопрос, а что же будет дальше, где искать ответы о том, что будет дальше? На это у меня есть теория: на подобное очень остро реагируют художники. Художник, выражая какую-то идею и становясь популярным, как раз направляет общество, инвестиции именно в те самые технологии, в ту самую сторону, которая грядёт в ближайшем будущем.
Подводя итог, как формируется наше будущее? Появляются ли возможности на основе каких-то технологических разработок, или они появляются из-за какого-то конкретного запроса общества? Вопрос курицы и яйца. Была ли потребность в IPhon’е до 2007 года? Так вот после 2007 года эта потребность существовала всегда. Технологии открыли эту потребность.
Павел Захаров, эксперт Медицинского Форума
Медицина по праву считается одной из самых технологичных областей. А все потому, что наша фундаментальная задача — жить долго и счастливо. Медицина, как инструмент, позволяет нам жить дольше.
Начинается все с визита ко врачу. Одним из растущих трендов является технология теле-медицины во время диагностики. Потому, записаться на прием к будущему специалисту на другой точке земного шара не составит труда. Это проще, чем записаться на прием в районную поликлинику. Можно получить консультацию у профессора из Петербурга, а затем обратиться за советом к специалисту из Новой Зеландии. Единственный вопрос – разница во времени и языке, хотя и это не проблема. Современные технологии распознавания речи и переводчики позволят говорить на любом языке.
Гаджет — лучший друг врача. Иногда специалисту нужно только увидеть или услышать пациента, чтобы понять проблему, с которой он обращается. Но когда необходимо получить объективные данные о состоянии организма или каких-то отдельных органов, нам на помощь приходят гаджеты, я бы красиво назвал их «персональные диагностические комплексы». С самого момента появления простейших шагомеров наши девайсы превратились в целые диагностические комплексы. Дома мы можем выполнять намного большее количество процедур, которые раньше были доступны лишь при посещении стационаров и клиник. Мы можем делать частичный анализ крови, измерять давление, сахар, температуру, проверять зрение, дыхание, состояние кожных покровов и т.д. Сегодня уже можно провести даже такие сложные процедуры, Как УЗИ. Все эти данные скоро будут концентрироваться в облаке и будут доступны и вам, и вашему лечащему врачу.
За сбором данных, как правило, следует постановка диагноза. Сейчас диагноз ставит эксперт, но данных, которые он собирает о человеке, становится все больше и больше, и этот избыток в некоторой степени является минусом. Парадоксально, но факт: с появлением более сложного оборудования для диагностики, того же МРТ, слишком детальная информация о пациенте увеличивала процент неверных диагнозов. Поэтому сейчас диагноз ставит врач, и в отдельных случаях обращается за «советом» к технике.
Например, все мы знаем про IBM Watson, который активно развивается во многих направлениях, в том числе и в медицине. IBM Watson сегодня диагностирует онкологию лучше, чем дипломированные специалисты. Понятно, что на этом они не остановятся и будут расширять своё присутствие в медицине.
Врачи отказываются от обычных историй болезни, они будут работать с цифровыми данными, цифровыми историями болезней, записи в которых при необходимости смогут быть преобразованы в динамичные двух- и трехмерные интерактивные модели и, чтобы понять, как в дальнейшем проводить манипуляции, врач будет работать с цифровым двойником пациента.
Таким образом, врач сможет удобно изучать, планировать и отрабатывать действия на двойнике. В учебно-практических целях врач сможет распечатать нужную часть тела пациента на 3D-принтере. Также, как и распечатать постоянный или временный имплант для человека.
Инновации здорово подвинули хирургическое дело, в последнее время роботизированные хирургические комплексы стали оказывать большую помощь. Нередки случаи, когда операции длятся по несколько часов и требуют внимания и совместной работы множества специалистов, это сложно и безусловно опасно. Роботы упрощают задачу: вместо большой бригады могут работать два или один специалист, а робот забирает на себя функции ассистентов и медсестер.
Это позволяет проводить сложнейшие манипуляции с микроскопической точностью, например, в нейрохирургии или операциях на спинном мозге. В Китае недавно с помощью этой технологии провели потрясающую операцию: ассистентом был интерфейс Da Vinci и точность манипуляций измерялась сотыми долями миллиметра. Как мы понимаем, человек не сможет выдержать такую точность при работе, хотя она требуется.
Лекарства тоже претерпевают изменения, они качественно эволюционируют. Вместо стандартных таблеток, которые предназначены для всех людей в целом, появляются персонализированные препараты, которые синтезируются с учётом большого количества индивидуальных факторов и предназначаются для определенного пациента. К тому же, таблетки становятся «умными»: иногда мы забываем следить за приемом лекарств, пропускаем сроки. А «умная» таблетка сама в отведенное время введет в организм необходимую дозу веществ, о чем сообщит и пациенту, и врачу с помощью гаджета.
Человека иногда нужно «поставить на ноги» в прямом смысле этого слова. Большое распространение сейчас получают экзо-скелеты. Московская компания уже начала выпускать отечественные экзо-скелеты стоимостью около 9 млн. Но это первые модели, которые со временем будут доступней, дешевле и эффективней. Страшные деревянные ноги и железные крюки вместо рук в прошлом. С помощью современных материалов мы можем предложить людям искусственные конечности, управляемые в некоторых случаях силой мысли. На американских пациентах тестируются прототипы протезов рук, которые управляются за счет считывания электрических сигналов от мышц тела, в них нет прямых интерфейсов. Кроме конечностей можно заменить очень многое. Если идти сверху вниз, то это волосы, кожные покровы, хрящевые ткани, зубы, глаза, кости, отдельные органы, суставы, и, даже, последний писк – положительные опыты по возвращению зрения людям путем направления сигналов в кору головного мозга со внешних устройств. То есть можно спасти людей от слепоты, напрямую отправляя сигналы с камеры в мозг. Это не то же самое, что настоящее зрение. Но с этой технологией даже можно водить машину.
Мы научились интегрировать технику в нервную систему: есть несколько опытов, когда пораженные части спинного мозга отводятся к рукам и ногам и человек, который был раньше обречен на паралич, после такой операции сможет вести достаточно активный образ жизни.
Это лишь маленький кусочек видимой части айсберга, медицина — глобальна. Какие-то технологии уже в стадии развития, какие-то проходят испытания, но мы не можем не видеть все ускоряющийся прогресс. Все чаще мы слышим обещания специалистов о радикальном продлении жизни.
Сейчас еще человек присутствует на всех этапах диагностики и лечения, но со временем наши помощники, роботы, окончательно превзойдут нас. Скоро доктора смогут только подтверждать те рекомендации, которые будут предлагаться цифровыми девайсами, а потом и вовсе сразу направлять за лечением к роботам. В итоге, технологии скоро лишат нас работы.
Константин Жеребцов, директор Conomy
Цифровизация — это действительно инструмент, который позволяет решать некую проблему, и любая деятельность должна быть целеориентирована. Цифровизация — способ решения каких-то целей, например, увеличить количество свободного времени или решить какую-то конкретную задачу, удовлетворить потребность и так далее.
В финансах, как и во всём другом инновационном происходящем вокруг, есть определённый набор технологий, с помощью которых эти инструменты рождаются.
Сегодняшний тренд — это отказ от наличности. Также есть тренд технологический: появляются новые агрегаторы вроде ROBOKASS’ы, которые позволяют бизнесу легко получать платежи от населения. Они всё больше и больше упрощают эту систему расчётов и делают бесшовным взаимодействие клиента с покупателем, одного сервиса с другим. Мы идём к тому, чтобы это была совершенно не требующая участия человека механика расчётов.
Переход банков в другое «агрегатное состояние».
Сегодня банк — это не обязательно физическое здание. Первым даже в России широко развитым стал Tinkoff, который отказался от офисов. Затем появился Рокетбанк, который отказался и от банковской лицензии и существует исключительно в виртуальном пространстве в виде мобильного приложения. Также есть банк, который существует исключительно в Telegram’е. Называется Talkbank, он существует только в виде Telegram-бота, заявку на активацию карты вы производите, общаясь в своём мобильном телефоне с роботом.
Скоринг — система оценки кредитоспособности лица менее, чем за одну минуту, становится возможным благодаря тем инструментам, которые получили широкое применение. Огромное количество персональных сведений мы раскрываем о себе сами, и финансовые организации агрегируют информацию, строят свои портреты пользователей, потом за долю секунды прикладывают ваш профиль к среднестатистическому и понимают, к какой категории риска вас отнести.
Ещё один интересный способ применения — сопоставление физического мира с виртуальным, когда мы позволяем себе сэкономить на страховке: в случае если дом, например, оснащён датчиками, страховая компания во многих случаях уже с большим удовольствием даст пониженную ставку, потому что её риски в таком случае становятся меньше и позволяют вам сэкономить.
В кредитовании профилирование для скоринга заёмщиков тоже делается за секунды сейчас. Здесь интересно скорее не технологическое, а социальное явление, которое получило возможность быть реализованным через эти инструменты. Это crowdfunding, crowdinvesting, crowdlending, когда мы так или иначе собираем искомую денежную сумму от группы лиц. Самый, наверное, известный и яркий пример — это Альфа-поток — дочерний продукт Альфа-банка, который имеет безумный успех.
Подробнее об инвестициях. Классическая модель инвестирования выглядит следующим образом: есть некое соотношение риска и доходности, соответственно, чем выше доходность, тем выше риск, чем ниже риск, тем ниже будет доходность. Вот это и является тем местом, которое мы можем здесь автоматизировать. Это тот случай, когда новые технологии становятся проводником для новых возможностей. Когда существуют сервисы, позволяющие каждому, не имеющему возможности вложить сразу миллионы долларов, вложить десять-пятьдесят долларов в конкретную компанию наравне с тысячами таких же, как ты. То же самое сделано и для недвижимости. В той же консервативной Великобритании существует несколько стартапов, которые позволяют большой торговый центр виртуально нарезать на кусочки и каждому вложить от десяти фунтов стерлингов и получить свои квадратные сантиметры, которые будут приносить доход с арендной платы. То же самое касается и стартапов.
Ну и, переходя к традиционным инструментам — акциям, облигациям, здесь как раз всё сводится к оценке риска и доходности. Основная инвестиционная проблема — это не невозможность инвестировать, а непонимание того, как это сделать. Поэтому стартапы работают над преодолением барьера, стараются дать прозрачную и понятную оценку тех активов, в которые предстоит вложить деньги, и объяснить, как это сделать. Способ — это Telegram-боты, мобильные приложения, а оценка строится на построении математических моделей, на обработке больших данных.
Acorns — стартап, который сдачу с покупок сам распределяет по каким-то ценным бумагам, предлагает это делать автоматически. Соответственно, можно купить кофе за 2,38$, и остаток до следующего целого доллара можно закинуть в правильные бумаги. Есть интересные симбиотические решения, так называет свои решения стартап-синдикатор. Он совместил искусственный интеллект, знание толпы и crowdfunding. То есть взяли неограниченную группу лиц, оценили, насколько качественно они делают предсказания, сегментировали эти предсказания по разным отраслям, наложили на это big dat’у, получили такой симбиотический интеллект, который позволяет более качественно, чем один отдельно взятый аналитик из числа этих же аналитиков, принимать инвестиционные решения. Ну и упирается это всё в термин, которым сейчас начинают злоупотреблять брокеры, в робо-эдвайзинг, под которым понимается замена инвестиционного управляющего. То есть это вот одна из тех профессий, которая уже начала умирать в мире. В Штатах два ведущих робо-эдвайзера уже забрали 9 млрд. долларов управления, и в России в ближайшие полгода-год появятся пара десятков робо-эдвайзеров. Это позволит человеку даже с небольшим денежным активом эффективно распределить свои инвестиции. Роботизировав это место, цифровизировав его, мы получаем возможность сэкономить на издержках и получить новый продукт, дать его доступным для масс, сделать его понятным.
Мы стремимся к удобству пользования, к ускорению принятия решений и повышению их качества. Мы позволяем себе сэкономить. И ещё один важный тренд — это персонализация.
Робо-эдвайс предлагает персональное решение, не кидает всех в общий котёл, как это делали раньше паевые инвестиционные фонды, а предлагает решение каждому отдельно взятому человеку. Когда банк оказывается у вас в телефоне, это упрощает все действия, но надо понимать, что это также влечёт за собой какие-то негативные последствия. Все мы видим, как государство сейчас кинулось регулировать Интернет, мы видим, как государство кинулось регулировать стартапы вроде Uber’а. Это неизбежная плата за то, что новые технологии появляются раньше, чем государство успевает это осознать. Будем надеяться, что оно примет правильные решения в этом направлении.
Алексей Ежиков, руководитель Planoplan
Виртуальная реальность — это когда вам на голову надевается нечто, которое подменяет сенсорные сигналы какими-то другими сигналами. То есть вы видите не то, что находится перед вами, или слышите, или чувствуете, или у вас меняется восприятие в том положении тела - и так далее. Виртуальная реальность недвижимости появилась уже тогда, когда люди, в общем, стали неплохо разбираться в маркетинге, поэтому мы можем понимать, в какой момент какая технология и где применима.
Первые шлемы виртуальной реальности начали появляться ещё в девяностые годы, но тогда они были ещё недостаточно технологически совершенны. И возникший в тот момент хайп очень быстро сошёл на нет. Сейчас мы слышим об этом гораздо больше, вы можете примерить шлем виртуальной реальности на каком-нибудь аттракционе в торговом центре, и нам кажется, что это уже входит в каждодневную реальность. Но, тем не менее, пока что нет настоящих кейсов использования VR, все только говорят о том, что это — инновации, следующее слово, и надо продавать образ будущего.
Все рассказывают: представьте, приходит ваш покупатель, вам ещё даже не подписали ваш участок на девелопмент, а вы уже можете квартиры продавать. И вот вы надеваете шлем на вашего будущего покупателя, он видит свою будущую квартиру, в цифровом формате влюбляется в неё, он её покупает и вы достраиваете свой жилой комплекс. По факту, люди, которые используют этот слайд с такими словами, находятся приблизительно на пике ажиотажа Гартнера.
Gartner — это консультационная компания, которая уже порядка десяти лет публикует так называемый Gartner Hype Cycle for Emerging Technologies. И кроме emerging technologies они выпускают ряд исследований по другим отраслям, в том числе есть Gartner Hype Cycle for Digital Marketing.
На этой кривой дополненная реальность и виртуальная реальность находятся так: одна из них ещё не дошла до дна разочарований – это дополненная реальность, а виртуальная реальность в этом году впервые вышла на склон исправления недостатков. Это означает, что, по факту, мы находимся в состоянии адекватного понимания, где эта технология применима для конкретного застройщика.
Факт в том, что все эти три вещи пока что реализуются разными технологиями, на разном железе, и, более того, они используются на разных этапах жизненного цикла потребителей. Например, mobile VR может использоваться, когда в компанию ещё не внедрены процессы использования VR в продажах вообще, может использоваться как быстрый и лёгкий тест для создания нового бизнес-процесса внутри компании. Room-scale VR полезен, например, для компании, которая продаёт элитную недвижимость, особенно за рубежом, потому что инновации, качество, можно потратить больше времени на контент. В масс-маркете наоборот room-scale применим немного по-другому.
Вопрос в том, как инвестировать в это деньги? Ведь, если вы не инвестируете в будущее, то вы отстаёте по сравнению с вашими конкурентами, если вы инвестируете слишком много и слишком рискованно, то вы теряете эффективность на маркетинг-миксе в целом. И ответ на этот вопрос очень простой: во-первых, для вас важен баланс инвестиций, то есть не инвестировать — плохо, инвестировать слишком много — тоже плохо, баланс у каждого свой, во-вторых, полезно разговаривать с компаниями, и узнавать, понимают ли они, где эта технология будет стыковаться с маркетингом, с коммуникациями, с вашим бизнесом.
Например, опция «покрутить жилой комплекс со всех сторон» совершенно не нужна потребителю, потому что когда потребитель попадает на сайт, он сначала выбирает метраж, решает, сколько он готов взять в ипотеку, и ему больше ничего не надо. Он видит планировку, листает и уходит с сайта. Это первая точка контакта, там не нужно ни VR, ни AR, ничего такого. Но зато, когда человек уже замотивирован, когда он пришёл в офис и понимает, что ему подходит эта компания, менеджер может сказать: «Знаете, вы смотрели вашу квартиру, а теперь уже, наверное, хотите какую-то из пяти в этом жилом комплексе купить», надевает шлем на человека, и там происходит магия. И в этот момент происходит усиление лояльности, человеку можно залезть в мобильный телефон, поставить ему мобильное приложение, чего он раньше бы вам никогда не разрешил, присылать ему push-уведомления по поводу условий ипотеки и прочее.
Новые технологии, хайп — это очень круто. Но тем, кто платит свои деньги за внедрение новых технологий, важно думать о том, с какой целью вы инвестируете в будущее, и на каком уровне хайпа вы инвестируете в технологии. Инвестиции в технологии на пике хайпа имеют смысл в том случае, если вы отраслевой стратегический инвестор, потому что там есть шанс сорвать куш, подняв рынок с нуля до каких-то высоких позиций. Если вы ищете бизнес-применение, то доля инвестиций в настолько хайповые технологии должна быть относительно низкой и достаточно высокой в те, которые как VR уже хотя бы прошли на стадию избавления от недостатков
Сергей Марков, ученый, автор сильнейшей шахматной программы в России, специалист по машинному обучению
Сегодня интерес к сфере ИИ резко возрос. Есть три источника, три составных части нынешнего хайпа, почему мы снова начали постоянно говорить об этих технологиях.
Первая — это рост производительности тех машин, которые мы используем. Те нейронные сети, которые были у Розенблатта, у Маккалока и Питтса, в лучшем случае состояли из нескольких десятков, может быть сотен нейронов. Сейчас, благодаря развитию вычислительной базы, мы можем строить достаточно крупные нейронные сети, которые способны решать более серьёзные задачи.
Вторая — мы создали огромные массивы информации, на которых могут обучаться современные модели искусственного интеллекта машинного обучения. Сейчас человечество на протяжении двух-трёх лет удваивает объёмы информации, которыми обладает. Львиную долю этого вклада внёс Интернет, люди своими руками набили огромное количество текстов, и если у вас стоит задача обучит нейронную сеть понимать тексты, то почерпнуть их всегда можно в сети, как и изображения, звуковые файлы и т.д. Большой вклад здесь вносит и промышленная автоматизация, потому что то, как мы, начиная с 80-х годов, внедряем в бизнесе, в работе гос. органов информационные системы, это всё тоже приводит к огромному увеличению этих массивов, к использованию которых сейчас пришли системы машинного обучения.
Третье направление — это создание новых моделей машинного обучения. Многослойные нейронные сети - наверное, сейчас самый популярный вид моделей, которые используются в целом ряде задач.
Самая знаменитая из многослойных нейронных сетей — это класс свёрточных нейронных сетей. Они появились в 80-е годы. В 1998 году была опубликована знаменитая работа Яна Лекуна, в которой он показал, каким образом при помощи свёрточных нейронных сетей можно эффективно распознавать рукописный текст. Точность распознавания рукописного текста до появления свёрточных нейронных сетей долгое время топталась на массиве MNIST в 94% успешного распознавания рукописных цифр. После появления свёрточных нейронных сетей ошибка упала сразу ниже 1%.
Что принципиально важного происходит сейчас в мире нейронных сетей? Фрэнк Розенблатт — создатель модели перцептрон — одной из первых и самых знаменитых моделей нейронных сетей. Он собрал устройство из палок, скотча и всяких других подручных материалов — первый так называемый нейрокомпьютер «Марк-1», в котором было около сотни нейронов с примитивной переходной функцией. Уже в те годы эта технология даже получила коммерческое применение: банки покупали такие устройства для решения некоторых инвестиционных задач.
Следующей идёт современная разработка, которую делает IBM, называется она TrueNorth. Это специализированное устройство, которое позволяет сэмулировать миллион нейронов, 256 млн. синапсов. Такая импульсная нейронная сеть. Предполагается, что из таких устройств будет собираться в 2020-е годы работающая копия человеческого мозга. Мы начали с обучения нейронных сетей на центральных процессорах машин, потом специализированные матричные процессоры видеокарты, затем это вентильные матрицы, и в конце всё заканчивается созданием специализированных процессоров. Сейчас практически все крупные корпорации — и IBM, и Intel, и отдельная большая группа под руководством Яна Лекуна — занимаются огромным количеством проектов по созданию специализированного оборудования для обучения нейронных сетей.
Более известная демонстрация мощи свёрточных нейронных сетей — это победа в игре GO над лучшими игроками. Сама по себе игра GO долгое время была классическим примером задачи, в которой системы искусственного интеллекта уступали людям. В этой игре, в отличие от шахмат, где можно придумать несложный набор правил и отследить позицию, дополнив прибором, чтобы оценить позицию на доске, путём перебора вариантов задачу решить не получается, потому что комбинаторная сложность очень высока. Но однажды возникла система Alphago от лаборатории Deepmind, принадлежащей Google. Вначале удалось обыграть с разгромным счётом 5-0 Фань Хуэя — чемпиона Европы по GO. Затем обыгрывается со счётом в 3-1 сильнейший игрок в го Ли Седоль. Свёрточная нейронная сеть, как оказалось, была способна неплохо оценить взаимное расположение фишек на доске.
Пример утилитарного применения свёрточной нейронной сети в медицине: можно по фотографии человека определить наличие у него заболеваний, отражающихся во внешности, например, синдром Дауна. Точность постановки диагноза по фото выше, чем у профессиональных специалистов-врачей, которые ставят такой же диагноз, общаясь с человеком вживую.
В распознавании речи тоже произошёл большой скачок. В 2016 году компания показала решение, которое способно распознавать речь лучше, чем это делают люди. Есть один из стандартных массивов, на котором эти тесты производятся. Уровень ошибок при распознавании людьми находился на уровне 6%, а они показали уровень ошибок в 5,9%. Впервые в истории системы машинного обучения обошли человека в точности распознавания речи. В основе этих систем так же лежали нейронные сети.
Удивительно и зрелищно выглядит создание подписей к изображениям. При помощи свёрточной нейронной сети машина, обученная на нескольких десятках миллионов изображений с подписями, в состоянии посмотреть на произвольное изображение и сгенерировать к нему осознанную подпись, то есть сказать, что на этой картинке нарисовано.
Машинный перевод — очень долгая и трудная задача искусственного интеллекта, вечный источник всевозможных шуток. Для того, чтобы правильно переводить текст, машина должна понимать очень многое о человеческой культуре. И вот пока корпуса были достаточно маленькими, ошибки были достаточно смешными, в духе «наш кот родил трёх котят: двух белых и одного афроамериканца». Google три месяца назад перевёл Google-translate на нейронные сети. Схема не стала идеальной сразу, но качество переводов резко улучшилось, и есть оценка, что в сложной паре английского и китайского языка на 60% количество ошибок сразу уменьшилось. Они рассказывают в отдельной статье про эту технологию, и там присутствует очень интересный момент: по сути нейронная сеть создала внутри себя язык-посредник, которым она обобщает все языковые явления во всех языках, известных этой модели. То есть нейронная сеть в некотором роде изобрела собственный язык общения, который как подмножество включает в себя все остальные языки.
Наше представление о будущем ведёт нас к инструментальным исследованиям и изобретениям, которые формируют новые представления о нас самих и настоящем. Даже представление человека о работе мозга зависили от развития технологий — во время появления паровой машины о нём размышляли в терминах термодинамики (кстати науке родившийся благодаря изобретениям), недавно его сравнивали с компьютером.
Но, поскольку инновации порождают возможности для новых инноваций, изменения могут быть непредсказуемы и стремительны и у нас нет выбора. Технонаука — это то, что уже сейчас, Володин предлагает законопроект регулирующий отношение к AI, автономные авто перевернут рынок труда в логистике, микро-инвестиции рынок капитала, AR/VR вообще ставят перед нами вопросы что такое реальность. Нужно смелее инвестировать в неизвестное или это неизвестное может стать неприятным сюрпризом для вас.
