Tag Archives: demokratizacija

Tri srednje klase i populizam

U novembru ove godine američki glasači izabraće između populizma i  plutokratije. Izbor je jasno naglašen u tekstu ekonomiste Branka Milanovića o globalnoj nejednakosti (Poglavlje 4) napisanom pre više od godinu dana, iako u to vreme niko nije mogao da predvidi izvanredan rast popularnosti Donalda Trampa.

Ovaj vrtoglavi rast Trampove popularnosti, u kombinaciji sa populističkim reakcijama protiv globalizacije, imigracije i stranaca postao je obeležje medija, novina i članaka u toj meri da su neki, kao što se desilo nedavno u New York Review of Books, tvrdili (naravno sa vremenske distance) da je populizam bio je neminovan i predvidljiv. Ovaj trend je, ne samo u Sjedinjenim Američkim Državama već i u Velikoj Britaniji, Francuskoj, Danskoj, Švedskoj i drugim zemljama podstaknut (kao što se uobičajeno tvrdi), veoma sporim ili nultim rastom realnih prihoda kod socijalnih grupa sa srednjim dohotkom u bogatim zemljama. Grafikon ispod, zasnovan na podacima neprofitnog think-tanka LIS (Luxembourg Income Study) to jasno i prikazuje:  učešće četiri srednja decila je u opadanju tokom poslednjih 30 godina i to između jednog i četiri BDP poena u ključnim razvijenim zemljama. Stoga ova pojava nije samo američki „brend“: ona je uobičajena za sve bogate zemlje.

Ali dok su počeci populizma na Zapadu izgleda dobro shvaćeni i “razumno promišljani” u smislu da je populizam bio pokretan ekonomskim krizama, sličan proces rasta populizma u Kini izgleda da je teško objasniti, jer ne prati pad već rast srednje klase. Teorija modernizacije nas navodi da verujemo da rastući udeo srednje klase treba da pokreće demokratizaciju. U stvari, to je ono što smo primetili tokom proteklih 40 godina, od Revolucije karanfila u Portugalu do pada komunizma u Istočnoj Evropi ili širenja demokratije u Južnoj Koreji i Tajvanu, kao i u čitavoj Latinskoj Americi.

Može li Kina biti izuzetak od ove “pravilnosti”? To je isto ono pitanje koje sebi verovatno postavljaju i lideri kineske Komunističke partije. A ukoliko bi na njega odgovorili potvrdno, to bi značilo da su bacili peškir u ring kako bi zadržali vlast. Pošto se čini da nisu voljni da to i urade, a postavši svesni da ideologija “BDP-izma”, zasnovana na beskonačnom rastu realnih prihoda izraženom u skoro dvocifrenim brojkama ne može da se održi, pokušali su da svoje javno mnjenje preokrenu u pravcu populizma, bili to blagi Maoisti ili meki nacionalisti. Nijedna od ove dve tendencije još uvek nije dovoljno ojačala, niti je postala toliko pogubna, ali je potencijal za tamošnji preokret prisutan. Tako, u slučaju Kine, rastuća plima populizma nije izazvana ekonomskim neuspehom već, naprotiv, ekonomskim uspehom koji čini održavanje starog političkog sistema sve težim, ili sve nekompatibilnijim s bremenom uspeha. Ovo je kontradikcija između razvoja proizvodnih snaga i neadekvatnosti nadgradnje, koji bi svaki Marksista lako prepoznao.

Treća populistička reakcija odvija se u Rusiji. Ona je podstaknuta nekom drugom, dodatnom i drukčijom silom. Svakako da ta sila nije neki veliki ekonomski uspeh, ali ne potiče ni od ekonomskog neuspeha, već od ogorčenja i revanšizma, dve teške emocije koje potiču s kraja ere Hladnog rata, koji se na Zapadu (pogrešno) tumači kao pobeda nad Rusijom. To je narativ kojeg Putin i ruska srednja klasa smatraju odvratnim, i koji je u osnovi njihovog malignog populizma i nacionalizma. Pogrešno je gledati na njega kao na fenomen proizveden na vrhu političke i društvene lestvice; biće da je pre u pitanju to što je vrh dao sebi za pravo da se izrazi, na način na koji ni Donald Tramp u Sjedinjenim Američkim Državama nije sam po sebi proizveo populizam, već je njegov izraz u narodu protumačen kao prihvatljiviji. I dok su u prošlosti ljudi osećali neku vrstu ksenofobičnih i rasističkih inhibicija koje lebde u vazduhu, ova inhibicija je nestala onog trenutka kada su politički lideri slobodno izrazili takve stavove u javnosti, i, štaviše, pored toga zadobili političku podršku za takvo šta.

Oni koji stoga personalizuju problem i svoj pogled na Trampa, Sija ili Putina kao da ih na neki volšeban način okrivljuju za “stvaranje” populizma i naduvavanje ksenofobije veoma greše. Tramp, Si i Putin ako možda i dozvoljavaju izražavanje populističkih osećanja, u svakom slučaju ih ne izmišljaju sami. Populizam je postojao i daleko pre njih i bio je oduvek zasnovan na realnim i razumljivim razlozima. Dijagnoze obično vide da je uzrok naših problema, pre svega u nekoliko političara, što nas onda vodi do propisivanja pogrešnog leka. Veoma nesavršeni lek se sastoji u pokušaju sprečavanja njihovog dolaska na vlast ili u njihovom obaranju. Takav lek nikako ne doprinosi  rešavanju osnovnog problema koji je doveo do toga da oni ili stignu do vlasti, ili do neposredno bliskog preuzimanja vlasti.

Pravi lek mora da započne od postavljanja tačne dijagnoze. A ispravno postavljena dijagnoza je da je u Sjedinjenim Državama populizam ukorenjen u neuspehu globalizacije da ostvari opipljive koristi za svoju radničku klasu. U Rusiji je ovaj neuspeh globalizacije ukorenjen u nemogućnosti (ili nespremnosti) Zapada da Rusiju uključi kao ravnopravnog partnera u odlučivanju, dok je u Kini neuspeh globalizacije ukorenjen u neadekvatnom političkom sistemu (barem za sada još uvek neadekvatnom samo ali u jedino odnosu na trenutne izazove nacionalizma i populizma). Kada uočimo tačan uzrok problema, možemo započeti sa nastojanjima da ga rešimo. U suprotnom, bolest populizma, koji je za sve probleme krivi globalizaciju i strance, u tri velike sile koje kontrolišu 98% svog nuklearnog oružja u svetu, predstavlja zaista dobar razlog za veliku zabrinutost.

Blog Branka Milanovića, Ponedeljak 20. Jun, 2016

Veštačka inteligencija za svakodnevnu upotrebu: uskoro i na vašem pragu

Kako su četiri programera – bez skoro ikakvog znanja o Japancima – dizajnirali softver za čitanje japanskog rukopisa.

Danas na tržištu postoji obilje applikacija koje podražavaju stvaran svet na način veštačke inteligencije. Ovakve aplikacije niču na neočekivanim mestima – nastaju i pre nego što biste pomislili da takvo šta postoji.

Dok trijumf u igranju igre Go može biti impresivna stvar, i inteligencija današnjih mašina se takođe razvija do tačke gde je može koristiti više ljudi kako bi radilo više stvari. Tako su četiri inženjera, bez gotovo ikakvog znanja japanskog, uspela da za samo nekoliko meseci stvore program koji prepoznaje piktografski rukopis ovog jezika.

Programeri iz informatičke kompanije Reactive Inc. objavili su aplikaciju koja prepoznaje japanski sa 98,66 odsto tačnosti. Ovaj tokijski start-up koji je pokrenut pre samo 18 meseci samo je deo rastuće, globalne zajednice programera i investitora koji predano rade na iskorišćavanju snage neuronskih mreža kako bi AI doveli do što praktičnije svrhe, a ne samo za odgovaranje na trivijalna pitanja ili kao takmaca u šahu i ostalim društvenim igrama.

“Do pre samo nekoliko godina morali biste da budete genije za to”, rekao je Dejvid Malkin (David Malkin) koji ima doktorat iz oblasti učenja mašina (deep learning), ali koji jedva da u nizu može da sastavi dve japanske rečenice. “Sada možete biti prosečno inteligentan momak a ipak da ste u stanju da kreirate zaista korisne stvari. Mašta će ubuduće biti ta koja će se sve više upotrebljavati za rešavanje poslovnih iskušenja na terenu.”

Neuronske mreže sposobne su da “vide” primenom slojevitih filtera koji iziskuju sve kompleksnije funkcije, umnogome na način na koji funkcioniše ljudski korteks za funkcije vida i oka.

Veštačka inteligencija nekada je bila ekskluzivno “igralište” kojim su dominirali jedan Google Inc. ili Facebook Inc. kao i drugi lideri u oblasti tehnološke industrije. Svaki start-up koji se danas bavi razvojem mašinskog učenja može pristupiti platformi baziranoj na IT oblaku, pri čemu im kompanije kao što su Microsoft Corp., NVIDIA Corp. i Amazon.com Inc. prodaju svoje AI platforme kao koristan razvojni alat.

Tehnologija koju je razvio startap Reactive pokazuje kako su čak i mali timovi sposobni da veoma uspešno osmisle složene aplikacije sa tek malo znanja u datoj oblasti. Onaj teži deo posla sastojao bi se u smišljanju strategije kako da zaradite novac s takvom dobrom idejom. U tom smislu, Reactive namerava da pomogne japanskim školama da  poboljšaju svoje testove – jedna naizgled prozaična “vežba” koja bi mogla da promeni pravila igre u zemlji u kojoj se testovi još uvek pišu olovkom na papiru.

Malkin i njegove kolege, Džo Bulard, Filip Remi i Filip Iri, dva magistra i doktor informatike, postižu zavidno brz napredak u razvoju “neuro-softvera”. Bulard je početkom ove godine njihov AI program pokazao grupi entuzijasta tokom druženja u japanskom sedištu kompanije Google, koji je funkcionisao besprekorno – sve dok mu jezička ograničenja nisu stala na put.

“Samo da znaš da ne varam, koji je vaš omiljeni lik?” upitao je Bulard prisutne u prostoriji. Neko je rekao da je to “ba”, jedan fonetski karakter. Soba je odzvanjala smehom dok se Bulard očajnički trudio da napiše ovaj simbol.

I dok se prepoznavanje rukopisa može smatrati za učenje mašina, učenje japanskog je potpuno druga “igra”. To je zbog toga što jezik uključuje simboličke znakove kao što je recimo Kanđi (Kanji), koji se sastoji od elemenata koji se mogu čitati nezavisno, što nam otežava da konačno doznamo gde se jedan simbol završava a drugi počinje.  U svakodnevnom japanskom pisanju postoji više od 2.000 široko rasprostranjenih piktograma sastavljenih od nekoliko desetina klasičnih poteza. Trik je pozabaviti se uvek samo jednim slikovnim znakom, bez vezivanja za ostale.

Softverski algoritam za japanski jezik koji je razvila startup firma Reactive ispituje neuronske mreže za uparivanje i spajanje s ostalim simbolima u rečenici, dodajući svakom obrađivanom simbolu i drugi, pridruženi znak, ponavljajući ga u procesu prepoznavanja sve dok u ovoj finoj obradi ne dobije konačan rezultat koji je visoke verovatnoće tačnosti. Pre nego što ga je pustio u javnost, ovaj startup je svoj algoritamski model za prepoznavanje japanskog „izbrusio“ i testirao na oko 1,8 miliona karaktera.

“Činjenica da je ova tehnologija iskorak u domenu ekspertize pruža veliku prednost u brzini i skalabilnosti kada su u pitanju poslovne aplikacije”, rekao je Seishi Okamoto, projektni direktor u Fujitsu Laboratories Ltd., gde se razvija softver za čitanje kineskog. “Mašine uče da prepoznaju kineske piktograme i to takvim tempom da su već uhvatile korak sa ljudskim sposobnostima a verovatno će ih uskoro i pomračiti.”

I dok je ova tehnologija koju je razvio startap Reactive javno prikazana jedino tokom susreta poput onog u japanskom Guglu, ovi podaci nisu potvrđeni kao važeći, niti su ocenjeni od bilo koje nezavisne strane.

Za razliku od tipičnog programa izgrađenog oko krutih pravila, AI učenje mašina  modelovano je po uzoru na to kako ljudi obrađuju informacije. S obzirom da je dovoljno podataka ulaz (input), a skup željenih rezultata je izlazni set podataka (output), neuronske mreže uče da shvataju šta je to što je u sredini, između inputa i outputa. Ovo im omogućava da pronađu rešenja koja su dosad opterećivala tradicionalne pristupe, kao što je tumačenje govora i jezika ili, recimo, ili prepoznavanje i označavanje slika.

“Postoji nekoliko faktora koji su ovde u igri: računarstvo visokih performansi u suštini postaje jedna vrsta robe-sirovine, obezbeđena je dostupnost svuda prisutnim i gargantuovski obimnim bazama podataka a tu je i ogroman napredak u razvoju bazičnih naučnih disciplina, čija dostignuća čine računare bržima i pametnijima”, rekao je Jošua Bengio, profesor informatike na Univerzitetu u Montrealu koji je i jedan od autora nekih ključnih studija iz ove oblasti. “Demokratizacija informatičkih alata i omasovljavanje računarskih tehnologija takođe olakšava većem broju korisnika – a ne više samo vrhunskim profesionalcima – da razvijaju nove aplikacije i proizvode.“

Sve ovo će verovatno ubrzati evoluciju tehnologije za veštačku inteligenciju. Investicije u AI startup firme zahvataju raznolike oblasti – od obrazovanja i maloprodaje, do poljoprivrede. U 2015. godini ova ulaganja dostigla su 310 miliona evra, što je povećanje od gotovo sedam puta u zadnjih pet godina, prema istraživanju  njujorške firme za data-analitiku CB Insights.

Jednom kada bude izgrađena, neuronska mreža ne mora da bude ograničena samo na aplikacije za prepoznavanje jezika. U svoje slobodno vreme, četiri inženjera iz “Reaktiva” je 5.000 fotografija žena i ženske odeće preuzete sa Google Images, “provuklo” kroz svoju aplikaciju za vizuelno prepoznavanje. Dali su računaru jednu sliku prilično oskudno odevene dame da je prokomentariše: “Seksi odeća,” bio je odgovor softvera.

Pavel Alpeyev, Bloomberg