Koliko IT giganti plaćaju AI talente?

Gotovo sve velike tehnološke kompanije imaju sopstvene projekte razvoja veštačke inteligencije i spremni su da stručnjacima iz ove oblasti daju višemilionska godišnja primanja ne bi li ih privoleli za sebe.

Start-up kompanije iz Silicijumske doline  oduvek su imale prednost regrutovanja u odnosu na industrijske gigante: iskoristite priliku i mi ćemo vam dati vlasnički udeo, koji bi vas mogao učiniti bogatim ako kompanija uspe.

Trenutna trka u tehnološkim industrijama koje obuhvataju veštačku inteligenciju mogla bi da ovo pitanje prednosti i najboljih olakša – ili će, ako ništa drugo, to olakšati za barem nekoliko potencijalnih zaposlenih koji puno toga znaju o veštačkoj inteligenciji.

Najveće tehnološke kompanije ulažu ogromne svote u razvoj veštačke inteligencije, unovčavajući svoje znanje na šarolike načine – od skeniranja lica na pametnim telefonima i „pričljivih“ gedžeta za kafu do kompjuterizovane zdravstvene zaštite i autonomnih vozila bez ljudske podrške. Budući da su u potrazi za budućnošću, AI ekspertima danas nude plate koje su zapanjujuće čak i u industriji koja se nikada, zapravo, i nije ustezala da zasipa bogatstvom vrhunske informatičke talente.

MIT Review je intervjuisao devet eksperata iz oblasti veštačke inteligencije kao i „dubokog učenja“, sada veoma aktuelne uže discipline unutar AI. Svi su oni, iz razumljivih razloga, tražili da ostanu anonimni. Tipični A.I. stručnjaci – uključujući one koji su sa upravo izašli iz škola sa informatičkim doktoratima pod miškom, ali i one sa nižim obrazovanjem i samo nekoliko godina iskustva, mogu biti plaćeni od $300.000  do pola miliona dolara godišnje ili više – u kešu ili u deonicama firme koja ih angažuje. Ovim stručnjacima, takođe, razne kompanije nude vrtoglave cifre samo kako bi prešli pod njihovo okrilje.

Poznata imena na polju veštačke inteligencije primaju nadoknadu kroz plate ili kompanijske akcije koje iznose jednocifrenu ili dvocifrenu brojku u milionima dolara u periodu od četiri ili pet godina. U određenom trenutku, ovi ugovori se obnavljaju ili se pregovara o novom ugovoru, što veoma podseća na način na koji profesionalni sportisti potpisuju svoje ugovore.

Na samom vrhu su rukovodioci sa iskustvom, koji i sami upravljaju A.I. projektima. Gugl je prošle godine podneo sudsku tužbu protiv svog dugogodišnjeg zaposlenika, Entonija Levandovskog (Anthony Levandowski), doskorašnjeg šefa Guglovog AI odeljenja za razvoj autonomne vožnje. Levandovski je 2007. započeo svoju karijeru u Guglu, i tokom deset godina (sve do 2017.) ukupno zaradio 120 miliona dolara, pre nego što se prošle godine pridružio Uber-u, tako što je ova firma preuzela veoma izgledni start-up čiji je on bio koosnivač. Ovaj slučaj privukao je obe kompanije u sudsku arenu na okršaj u kojem je ulog više nego dragocena intelektualna svojina Levandovskog, za koju obe firme smatraju da polažu prava.

Plate informatičara a pre svega talentovanih poznavalaca veštačke inteligencije toliko vrtoglavo rastu da postoji šala po kojoj je tehnološkoj industriji, da bi privukla vrhunske stručnjake, potreban budžet koji NFL i sponzori daju najvećim zvezdama američkog ragbija. “Ovo će olakšati stvari”, rekao je Kristofer Fernandez, jedan od Majkrosoftovih menadžera za zapošljavanje novih kadrova. “I to umnogome.”

Nekoliko je „katalizatora“ tj razloga koji su doprineli naglom ubrzavanju trenda udeljivanja astronomskih plata nadarenim informatičarima. Auto-industrija se sa Silicijumskom dolinom već neko vreme nadmeće za iste stručnjake, koji im mogu pomoći u izgradnji autonomno navodećih vozila. Velike tehnološke kompanije kao što su Facebook i Google takođe imaju puno novca za bacanje na probleme čije rešenje i ključ, kako misle, leži u razvoju veštačke inteligencije, poput izgradnje digitalnih asistenata za pametne telefone i kućne uređaje, kao i otkrivanje neprimerenih i uvredljivih sadržaja.

Od svega, ipak, najviše nedostaju novi talenti, a velike kompanije pokušavaju da ih uvrste u svoje redove onoliko koliko je to za sada moguće. Rešavanje teških A.I. problema nije isto što i pravljenje mobilne aplikacije koja je „hit sezone“. Po podacima jedne nezavisne montrealske AI laboratorije („Element AI“), danas u celom svetu nema ni 10.000 ljudi koji poseduju veštine potrebne za suočavanje s komplikovanim AI istraživanjima.

“Svedoci smo epohe u kojoj razvoj AI ne mora biti nužno dobar i po društvo, ali takvo je racionalno ponašanje ovih kompanija”, rekao je Endrju Mur, dekan računarstva na Univerzitetu Karnegi Melon (Carnegie Mellon), koji je nekada radio u Guglu. “Svako od njih grozničavo i sa strepnjom nastoji da za sebe obezbedi tu malu grupu ljudi koja je u stanju da radi na ovoj tehnologiji“.

Troškovi akvizicije A.I. laboratorije „DeepMind“, koju je Gugl 2014. kupio za 650 miliona dolara i pritom zaposlio oko 50 ljudi, dobro ilustruje o čemu je ovde reč. Prema raspoloživim podacima, “troškovi osoblja” ove britanske laboratorije, čiji je broj narastao na 400 zaposlenih, iznosio je u 2016. godini 138 miliona dolara. To znači da je svaki zaposleni u proseku dobio 345.000 dolara.

“Teško je nadmetati se sa gigantima, pogotovo ako spadate u manje kompanije”, rekla je Džesika Kataneo, izvršna regruterka firme CyberCoders, koja se bavi regrutacijom informatičkih talenata.

Najnaprednija istraživanja veštačke inteligencije bazirana su na skupu matematičkih tehnika koje se zovu duboke neuronske mreže. Ove mreže su matematički algoritmi koji su u stanju da, analizom podataka, sami odrede svoje zadatke. Tragajući za obrascima u milionima slika pasa, na primer, neuronska mreža može naučiti da prepozna određenog psa. Ova matematička ideja datira iz pedesetih godina prošlog veka, ali je sve do pre pet-šest godina tavorila na marginama kako industrije tako i akademskih rasprava.

Do 2013. godine Google, Facebook i još nekoliko kompanija zapošljavali su relativno mali broj istraživača specijalizovanih za ove tehnike. Neuronske mreže sada pomažu pri prepoznavanju lica na fotografijama postavljenim na Fejsbuku, identifikuju komande koje naložimo uređajima zvanim „digitalni asistenti“, i koji se već nalaze u našim dnevnim sobama (kao što je, recimo, Amazon Echo), a trenutno u riltajmu prevode strane jezike na Majkrosoftovom telefonskom servisu Skajp.

Koristeći se istim matematičkim tehnikama, istraživači unapređuju autonomna vozila i razvijaju bolničke usluge koje mogu identifikovati bolesti tokom procesa skeniranja, a tu su i malopre pomenuti digitalni pomoćnici koji ne samo što prepoznaju izgovorene reči već ih i shvataju; tu su i automatizovani sistemi za trgovanje akcijama, kao i roboti koji pokreću objekte koje nikada ranije nisu videli.

Sa tako malo dostupnih stručnjaka u oblasti veštačke inteligencije, velike tehnološke kompanije zapošljavaju najbolje i najsjajnije akademske građane. U tom procesu, oni na raspolaganju imaju ograničen broj profesora sposobnih da svoje studente podučavaju tajnama ovakvih tehnologija.

Kompanija Uber angažovala je 40 stručnjaka iz revolucionarnog A.I. programa univerziteta Carnegie Mellon iz 2015, kako bi ih zaposlila na projektu autonomno navodećih vozila. Tokom poslednjih nekoliko godina, četiri najpoznatija univerzitetska A.I. istraživača napustilo je amfiteatre, sale za predavanja i svoje profesure na Univerzitetu Stenford. Na Univerzitetu u Vašingtonu, šest od 20 profesora za veštačku inteligenciju sada je na odsustvu ili delimičnom odsustvu jer je angažovano za spoljne kompanije.

“Prisutno je ogromno usisavanje akademskih profesora, koje IT industrija prosto posrče”, kaže Oren Ecioni, koji odsustvuje s mesta profesora na Univerzitetu u Vašingtonu kako bi nadgledao „Allen“, neprofitni institut za veštačku inteligenciju.

Neki profesori pronalaze način za pravljenje kompromisa. Luk Zetlmojer (Luke Zettlemoyer) sa Univerziteta u Vašingtonu odbio je poziciju u laboratoriji u Sijetlu, za koju mu je Google nudio platu trostruko veću od dosadašnje (oko 180.000 dolara, prema izvorima dostupnim javnosti). Umesto toga, izabrao je mesto u Institutu Allen, položaj koji mu omogućava da nastavi s podučavanjem mladih informatičara.

“U Americi je brojno nastavno osoblje koje postupa na sličan način, razdvajajući vreme na ono koje provede u  komercijalnoj industriji i ono tokom kojeg predaje u okviru akademske zajednice”, rekao je Zetlmojer. “Nije za poređenje koliko su plate veće u industriji, pa profesori nemaju drugog razloga da ostanu na univerzitetu osim ukoliko zaista brinu o tome da budu deo akademske zajednice, unutar koje će moći da svoje znanje prenesu novim generacijama.”

U pokušaju da privuku nove A.I. inženjere, kompanije poput Gugla i Fejsbuka sačinile su nastavne programe sa ciljem da postojeće zaposlene podučavaju “dubokom učenju” i srodnim tehnikama. I neprofitne organizacije kao što su Fast.ai ili Deeplearning.ai, čiji je osnivač bivši profesor Stenforda koji je pomogao pri stvaranju laboratorije Google Brain, nude onlajn kurseve dubokog učenja.

Osnovni koncepti dubokog učenja nisu teški za razumevanje, i zahtevaju tek nešto malo više od srednjoškolske matematike. Pa ipak, zaista osvojiti ovu struku zahteva više značajnijih matematičkih i intuitivnih talenata koje neki zovu “mračnom umetnošću” (dark art). Potrebno je, uz to, i posebno znanje za polja kao što su autonomno navodeća vozila, robotika i zdravstvena zaštita.

Kako bi održale korak, manje kompanije traže talente na neobičnim mestima. Neki angažuju fizičare i astronome koji imaju neophodne matematičke veštine. Neke druge američke start-up kompanije tragaju za talentima u Aziji, Istočnoj Evropi i drugim mestima na kojima su plate daleko manje nego u Sjedinjenim Državama – pa je, samim tim, lakše da za svoju firmu pridobiju nekog briljantnog Kazahtanca nego „momka iz komšiluka“, koji je poreklom iz Kalifornije.

“Ne mogu se takmičiti sa Guglom, a i ne želim”, rekao je Kris Nikolson, izvršni direktor i koosnivač startup kompanije Skymind iz San Franciska koji je za sebe pridobio AI inženjere iz osam zemalja. “Tako da nudim vrlo primamljive plate stručnjacima doskora angažovanim u zemljama u kojima je inženjerski talenat finansijski potcenjen.”

Ali, i giganti u IT industriji rade to isto. Google, Facebook, Microsoft i drugi otvorili su A.I. laboratorije u Torontu i Montrealu, gde se se obavlja većina istraživanja koja nisu na teritoriji Sjedinjenih Država. Google, takođe, zapošljava i talente u Kini, gde je Microsoft već dugo prisutan.

Stoga i nije iznenađujuće što mnogi smatraju kako se nedostatak talenata iz ovih informatičkih oblasti neće ublažiti još dugi niz godina.

“Naravno, potražnja prevazilazi ponudu, i taj se sled stvari u dogledno vreme neće promeniti” kaže Jošua Bengio (Yoshua Bengio), profesor na Univerzitetu u Montrealu i istaknuti istraživač na polju veštačke inteligencije. “Potrebno je mnogo godina da biste diplomce pretvorili u doktore iz ovih naučnih oblasti.”

 

New York Times

 

Kineski vojni radar u globalnom ratu protiv komaraca i bolesti koje prenose

Kineski naučnici razvijaju uređaj kojim bi otkrili let insekata sa krilima na udaljenosti od 2 km – izum koji bi se mogao iskoristiti za spasavanje miliona života. Priču donosi South China Morning Post.

Prema naučnicima uključenim u ovaj istraživački projekat, kineska vlada razvija super osetljivi radar koji može otkriti rad krila komaraca u radijusu do 2 kilometra.

Prototip uređaja testira se u vojnoj laboratoriji na Tehnološkom institutu u Pekingu (BIT), rekao je jedan od naučnika uključenih u razvoj ovog sistema. Ovaj program uključuje osetljivu tehnologiju koja se već koristi u kineskim sistemima raketne odbrane.

“Identifikovanje i praćenje pojedinačnih ciljeva veličine komaraca više nije naučna fantastika”, rekao je. “Mi smo, zapravo, veoma blizu tačke gde će ova tehnologija iz laboratorije biti upotrebljena kako bi spasavala živote.”

Ukoliko niste znali, komarci su oduzeli više ljudskih života nego svi ratovi u istoriji zajedno. prema podacima Svetske zdravstvene organizacije, njihovi zarazni ujedi i dalje svake godine uzrokuju više od milion smrtnih slučajeva.

Insekti imaju ulogu prenosilaca širokog spektra mikroorganizama koji su uzročnici brojnih bolesti, od malarije i žute groznice, do denge i novijih virusa kao što je zika.

Kina razvija nove radarske tehnologije kako bi otkrila neprijateljske stelt letelice, a nus-efekat ovog razvoja je primena ove opreme u detekciji rojeva komaraca-koji prenose smrtonosne bolesti.

Suzbijanje ovih dosadnih prenosilaca infekcija spada u glavne ciljeve, a sa ciljem očuvanja zdravlja nacije. Komarci mogu doleteti i odleteti praktično bez traga – njihovo poznato zujanje može nas upozoriti ali samo kada su već sasvim blizu nas – a tada je već kasno.

Nakon višedecenijskog razvoja, savremeni vojni radari danas mogu izdvojiti i identifikovati odjeke sa udaljenosti koje su više nego impresivne. Uzmimo kao primer radar Američke agencije za protivraketnu zaštitu koji operiše na  “X” tj mikrotalasnim frekvencijama (7.0 do 11.2 GHz), koji može otkriti objekat veličine lopte za bejzbol na oko 4000 kilometara udaljenosti.

Kina je razvila radarske sisteme sličnih naprednih karakteristika kako bi pratila vojne projektile i stelt avione, premda neki naučnici angažovani na ovim vojnim projektima smatraju da se ovakva tehnologija može koristiti i za borbu protiv komaraca; upravo su oni i ubedili kinesku vladu da finansira njihova dalja istraživanja radarske tehnologije u mikrotalasnom („X“) frekventnom opsegu.

Tim predvođen Long Tengom je krajem prošle godine dobio finansijsku podršku vlade u visini od preko 82 miliona juana (12,9 miliona dolara) kako bi konstruisao radar za detekciju komaraca i drugih štetočina, i koji bi mogao biti testiran praktično na terenu.

Prema podacima s interneta i univerzitetskih veb-stranica, Long je direktor BIT-ovog instituta za istraživanje radarskih tehnologija i vodeći je naučnik u ključnom razvojnom programu vojnih radara u Kini. On dosad nije komentarisao ovu priču koja se pojavila u svetskim medijima.

Prema naučniku angažovanom na ovom projektu, radar funkcioniše tako što emituje brze impulse elektromagnetnih talasa koji se prostiru na mnogobrojnim frekvencijama. Kada neki od ovih radio-talasa „naleti“ na komarca, odbija se o njega i vraća nazad ka radaru, noseći sa sobom informacije koje uključuju podatke o vrsti komarca, polu, brzini i pravcu u kojem leti, kao i da li je insekt – jeo.

Radar se, na primer, može montirati na krovu koji gleda na naselja i stambene objekte, i koristiti ga za određivanje položaja velikih kolonija komaraca, njihovih područja razmnožavanja i mesta odmora. Ukoliko kolonija migrira u neko susedno područje, domaćinstva tih oblasti mogu biti pravovremeno upozorena.

Naučnici drugih zemalja koriste civilne radarske mreže za praćenje kretanja grupe – jata ptica ili većih insekata poput skakavaca ili moljaca; ipak, veruje se da je ovo prvi pokušaj upotrebe radara za praćenje komaraca i njihovih rojeva.

Ovaj istraživač istakao je da je prototip postigao osetljivost koja je bez presedana, upravo jer su kineske vlasti dozvolile timu da izgradi sistem upotrebom najnovije tehnologije vojnih radara.

Ovaj radar, recimo, poseduje antenu zadnje generacije, nalik onoj koja se koristi na najnovijim kineskim vojnim brodovima. Antena može istovremeno da usmerava i odašilje snopove mikrotalasa u različitim pravcima i u stanju je da detektuje rakete ili vojne mlaznjake daleko brže od konvencionalnih radara, koji koriste rotirajuće tanjire.

Ovaj radar, takođe, poseduje jednu zasebnu antenu za generisanje radio-talasa koji osciliraju u više pravaca. Funkcionišući po principu poznatom kao polarizacija, ona pruža detaljne informacije o meti, tako da istraživači mogu razlikovati gladnu ženku komarca koja sisa krv, od mužjaka, koji je potpuno bezopasan i ne napada ljude već se isključivo hrani polenom.

Potom u igru ulazi superbrzi računar, koji koristi algoritam za istovremeno identifikovanje i praćenje kretanja velikog broja komaraca u istom roju ili zajednici na nekom području.

Ovaj projekat je plod saradnje bihejviorista specijalizovanih za ponašanje insekata i naučnika iz mnogih drugih disciplina. Radar obezbeđuje ogromne količine podataka i mogao bi pomoći biolozima i entomolozima da saznaju više o individualnom i kolektivnom ponašanju štetočina, što bi moglo dovesti do novih strategija za borbu protiv širenja bolesti koje prenose komarci.

Istraživački tim napravio je pomak u već postojećoj tehnologiji, a može se odmah primeniti u vojne svrhe, bez ikakvih prepravki ili modifikacija. Anonimni istraživač koji je pristao da govori o ovom kineskom radaru takođe je odbio da kaže kada će prvi radar biti završen i aktiviran.

“Trenutno gradimo jednu ili dve jedinice. Nadamo se da će u budućnosti biti proizveden veliki broj ovakvih radara, i da će biti instalirani širom zemlje kako bi se formirala velika mreža za praćenje ne samo komaraca već svake životinjske vrste koja leti”, rekao je on.

Ji Ženjan, priznati istraživač vojne radarske tehnologije i zamenik direktora elektrotehničkog odeljenja Instituta za tehnologiju u Harbinu izjavio je da je identifikacija i praćenje tako majušnih ciljeva udaljenih kilometrima izuzetno teško.

Postojeća tehnologija vojnog radara mogla bi otkriti male, nekooperativne signale udaljene stotina pa i hiljadama kilometara, ali komarci su bili “druga priča”, rekao je on.

Ji, mada vrhunski svetski ekspert u oblasti radarskih tehnologija, ipak nije aktivno uključen u projekat. On je izjavio da je komarce teže detektovati nego stelt avion poput lovca F-22, koji ima poseban premaz i geometrijski dizajn prilagođen „prelamanju“ radarskih talasa, a samim tim i izbegavanju uočavanja na radarskim ekranima.

“Krila komarca se, naravno, umnogome razlikuju od metalnih krila vojnog mlaznjaka, a isto je i s njihovim sastavom, oblicima i pokretima. Radar za detekciju komaraca iziskuje potpuno novi set algoritama”, rekao je Ji.

Najveći izazov dolazi iz neposredne okoline, pošto se radarski talasi koji se odbijaju o komarce i vraćaju u radar izuzetno slabi, pa bi lako mogli biti preplavljeni bukom koja potiče iz pozadine. Filtrirati pozadinsku buku i iz nje izdvojiti autentičnu frekvenciju/signal komaraca ili njihovog jata bilo je više nego komplikovano.

“Dakle, ono što savršeno dobro funkcioniše u laboratoriji možda neće biti tako uspešno na terenu”, rekao je Ji.

Liju Singje, profesor entomoloških studija na Kineskom poljoprivrednom univerzitetu u Pekingu izjavio je da bi program radarskog uočavanja insekata imao neprocenjivu ulogu u borbi protiv štetočina, jer bi radari pažljivo nadgledali komarce i druge sitne insekte – prenosioce teških bolesti.

On je rekao da su neki regioni Kine, naročito njen severoistočni deo, tropske zemlje i Afrika i dalje na udaru komaraca i da trpe od posledica bolesti koje prenose.

Razlike u ponašanju, poput oblika i brzine zamaha krila kao i načina njihovog kretanja mogu se identifikovati upravo radarom, pružajući naučnicima “precizno navođeno oružje u ratu protiv najsmrtonosnijeg stvorenja na Zemlji”, rekao je Liju. “Ovaj radar mogao bi spasti milione života.”

Ovaj članak pojavio se 31. marta 2018. u štampanom izdanju South China Morning Posta (SCMP)

Srodni link: Kako izbrisati komarce i iskoreniti malariju? Odgovor na ovaj izazov možda leži u jednoj vrsti mutirane gljivice.

Nauka – rizik, tajna i misterija, a ne udoban biznis

Superkompjuter AlphaGo Zero pokazuje kako biznisi gube bitku s inovacijama. Da li je najbolje što čovek može da uradi s veštačkom inteligencijom igranje igara kao što su šah i go, ili je to dalji napredak kroz ključne naučne proboje, pita se Tim Harford u autorskom članku za Fajnenšel tajms.

Teško je ne biti impresioniran – uz to možda i pomalo uznemiren – napretkom. Superračunar “Duboko plavetnilo“ (Deep Blue) kompanije IBM je pre 20 godina (1997) pobedio je tada najvećeg svetskog šahistu, Garija Kasparova. Taj je računar bio astronomski skup hardver, brižno opsluživan i podučavan od strane ljudi.

Kompjuteru je bilo daleko teže da ovlada igrom Go, koja je mnogostruko komplikovanija od šaha. Ipak, kada se program AlphaGo uz fanfare pojavio 2016. godine, nakon nekoliko meseci obuke je lagano potukao najbolje svetske igrače.

Pretprošle nedelje je DeepMind, istraživačka firma za razvoj veštačke inteligencije objavila da je napravila superiornog AI igrača pod imenom AlphaGo Zero. Ovaj unapređeni model je brži, koristi manje hardvera, a „patosirao“ je svog prethodnika AlphaGo u 100 duela, ne dajući mu priliku ni za jednu pobedu. Uz sve to,  AlphaGo Zero je potpuno „samouk“ i uči bez ikakve ljudske asistencije: On je, štaviše, postigao ovakav nesvakidašnji rezultat nakon samo 72 sata prakse.

Neverovatan napredak kompanije AlphaGo Zero doprineo je već prisutnoj grozničavoj uznemirenosti što roboti preuzimaju ljudske poslove, izazivajući masovnu nezaposlenost. Pa ipak, ta anksioznost teško da se uklapa s visokim stopama zaposlenosti i razočaravajućim rastom produktivnosti koju vidimo u Sjedinjenim Državama, a posebno u Britaniji. Postoji veliki broj (ljudskih) poslova i profesija, ali, očigledno, ne i puno inovacija.

Za ovaj paradoks postoje različita moguća objašnjenja, ali najjednostavnije je ovo: AlphaGo Zero je izuzetak. Produktivnost i tehnološki napredak su slabi, jer istraživanje koje stoji iza napretka veštačke inteligencije zapretene u mašinu AlphaGo Zero nije tipičan način na koji pokušavamo da proizvedemo nove ideje.

Gledište Garija Kasparova u vezi veštačke inteligencije upregnute u igranje ljudskih igara je fascinantno. U svojoj nedavno objavljenoj knjizi „Deep Thinking“, on citira pokojnog kompjuterskog naučnika Alana Perlisa: “Optimizacija ometa evoluciju”. U slučaju kompjuterskog šaha, Perlisova maksima dobro opisuje istraživače koji su izabrali pragmatične „kratke rezove“ zarad brzog rezultata. Ipak, jedno dublje, rizičnije istraživanje biva danas zanemareno. IBM-ov prioritet sa Deep Blue mašinom nije bilo sticanje novih saznanja u oblasti AI, već pobeda – a pobeda je, u naučnom smislu, bila ćorskokak.

A ovoga bi se trebalo sramiti. Pioniri računarstva, Alan Tjuring i Klod Šenon (Claude Shannon) verovali su da bi šah mogao predstavljati plodno polje za istraživanje i razvoj veštačke inteligencije u nekim daleko značajnijim oblastima. Ta nada je bila brzo skrajnuta brutalnim pristupom, od kojeg se malo šta naučilo izuzev saznanja da ova mašina dobro igra šah..

Lako je shvatiti zašto bi jedna komercijalna kompanija imala jedva neko zrno interesovanja za tehnike ranog prepoznavanja obrasca, koje su pročišćene, prerađene i „oplemenjene“ u računaru AlphaGo. Gari Kasparov opisuje pokušaj njihovog korišćenja u šahu; posmatrajući kako bi velemajstori odmah osvajali igre u kojima su žrtvovali svoje najjače adute, figuru kraljice, mašina je, shodno njihovom „paternu“ tj obrascu (pogrešno) zaključila da bi morala žrtvovati svoju kraljicu u svakoj prilici.

Pa ipak, na kraju, ove tehnike prepoznavanja obrazaca su se pokazale daleko snažnijim i generalno primenjivim za razliku od metoda koje koriste najbolji šahovski kompjuteri; stoga, pitanje glasi: želimo li da promenimo naš svet ili da samo osvojimo šahovsku igru?

Nije ovo samo opominjuća priča koja se tiče šaha. Korporacije su „protegle“ pipke svojih ambicija i na mnoga druga mesta. Korporativne istraživačke laboratorije nekada su finansirale fundamentalna istraživanja od najvećeg značaja. Leo Esaki, koji je radio u korporacijama Sony i IBM dobitnik je Nobelove nagrade za fiziku, kao i Džek Kilbi iz kompanije Texas Instruments. Irving Lengmjuir (Irving Langmuir) iz Dženeral Elektrika dobitnik je Nobelove nagrade iz oblasti hemije. Laboratorije kompanije Bel (Bell Labs) iznedrile su toliki broj nobelovaca – zajedno sa samim Šenonom. Davno su prohujala vremena kada se kompanije nisu plašile ulaganja u fundamentalne nauke.

To se, vremenom, promenilo, kako pokazuje istraživački rad troje ekonomista – Ašiša Arore, Šeron Belenzon i Andrea Pataconija (Ashish Arora, Sharon Belenzon, Andrea Patacconi). Kompanije još uvek ulažu u inovacije, ali se fokus stavlja na praktične primene a ne na osnovne nauke, dok se rezultati istraživanja često prenose na manje poslovne jedinice, čija se intelektualna svojina može lako kupiti i prodati.

Korporativni istraživači proizvode više patenata, ali ih je teže uočiti na stranicama naučnih časopisa. Kako kaže profesor Arora, istraživanje i razvoj postali su “manje I, više R” (manje istraživanje a više razvoj „Less Research, more Development“). Istraživanje AlphaGo-a, kaže on, predstavlja izuzetak od ovog pravila. A ovo je izuzetno bitno, jer i najosnovnije istraživanje na kraju završi kao komercijalno korisno. Volimo zlatna jaja, ali možda izgladnjujemo zlatnu koku.

Sve ovo ne mora biti katastrofalno ako bi druga istraživačka tela, kao što su univerziteti, popunjavali ovaj jaz između komercijale i ključnih istraživačkih proboja. Ipak, to nije nešto što bi trebalo uzeti zdravo za gotovo. Kao što je dokumentovao ekonomista Bendžamin Džouns (Benjamin Jones), teže je, naravno – pronaći/iznedriti nove ideje. Jedan od znakova ovoga se ogleda u složenosti sastava istraživačkih timova, koji su nikad veći i sačinjeni od enormnog broja sve uže specijalizovanih istraživača… koji su, uzgred, i sve skuplji…

Možda bi bilo naivno kada bismo naprosto podsticali kompanije da potroše više na fundamentalna istraživanja – ali neko mora da ih motiviše i na to podseća. Jedan interesantan pristup je kada bi sama država finansirala nagrade za inovacije koje bi išle u ruke istinski progresivnim rešenjima koje prave značajne naučne skokove i menjaju anticipaciju. Takve nagrade mobilišu javne fondove i javne ciljeve sve dok koriste agilnost i raznolikost pristupa privatnog sektora. Takve nagrade, međutim, funkcionišu samo u određenim situacijama.

Profesionalni sport je popularizovao praksu “marginalnih dobitaka”: brza optimizacija, u potrazi za probojem – tamo gde je sadašnja istraživačka granica „najtanja“. Ispostavilo se da su korporativna istraživanja imala isti obrt pre više decenija. Nema ničeg pogrešnog u marginalnim poboljšanjima i sitnim pomacima, ali se ne sme dozvoliti da ona istiskuju špekulativno istraživanje, koje je u samoj srži svakog istraživanja. Nauka, ona fundamentalna,  ima dublju i zbrkaniju praksu od sporta. Stoga moramo nastaviti da joj posvećujemo vreme, prostor i novac, kako bismo učinili da naučni skokovi budu veći – rizičniji.

Fajnenšel Tajms

Big Data i biznis: Kako izvući smisao i korist  iz gigantskih baza podataka?

Koliko je vremena potrebno da se oporavite od hirurškog zahvata zamene kuka?

Za bolnice širom sveta ovo  nipošto nije akademsko pitanje. Bolnice su imale oko 36 milijardi dolara nekompenzovanih troškova zbrinjavanja u 2015. godini. Najveći deo njih potiče od neplaćenih računa pacijenata.

Jedno rešenje ovog problema je ograničavanje troškova vezanih za operaciju – ali kako? Odgovor: Machine learning („Mašinsko učenje“ je već uvrežen termin u srpskom jeziku, mada je pogrešan; „Učenje mašina“ daleko preciznije pogađa suštinu). Bolnice sada koriste prediktivnu analitiku kako bi prognozirale prosečne boravke i potencijalne komplikacije koje mogu iskrsnuti tokom operacija, poput operacije kičme.

Na primer, podaci od kupaca usluga zdravstvene zaštite pokazuju starosnu dob pacijenta, ustanove koje obezbeđuju osnovne zdravstvene usluge, i sekundarnu dijagnozu. Pomoću mašinskog učenja i prediktivne analize podaci sada mogu predvideti buduće troškove i doprineti identifikovanju pacijenata koji mogu imati probleme u oporavku. Ishod? Bolnice donose bolje kliničke odluke, doživljavaju niže stope readmisije, nudeći kraće bolničke boravke i pružajući bolju negu.

Biznisi ogromnog broja preduzeća pokazuju slične efekte „stvarne situacije na terenu“, dakle, dobijaju realističnije cifre u predikciji, a sve to zahvaljujući upotrebi mašinskog učenja za analiziranje svojih poslovnih podataka. Često je problem u nedovoljnoj količini podataka – potrebnih za što bolju analizu i predikciju – a ti im podaci često nedostaju.

Po rečima Majka Gotjerija (Mike Gaultieri), analitičara kompanije za tehnološku predikciju marketinga i tržišta, Forrester Research, mašinsko učenje nije ni nalik tradicionalnoj poslovnoj inteligenciji u kojoj su garantovani rezultati. “Ukoliko tražite model za mašinsko učenje, možete reći ‘pokušaću’, ali možda nećete uspeti”, rekao je. “Preduzeća i biznisi moraju da razumeju da samo zato što ste želeli da imate model koji predviđa kretanje akcija na berzama ne znači da ćete ga i u stvarnosti imati.”

Rags Raghavendra, rukovodilac analitike u DXC Technology’s Analytics Data Labs, globalnom čvorištu koje analitičari podataka koriste, fokusirao se na konsalting i pronalaženje načina operacionalizacije analitike. On kaže da su “kompanije frustrirane jer često preteruju”. Žele da im big data analitika “odradi” prevelike grupe podataka, “žonglirajući” njima iako nisu dovoljno kvalifikovani za njihovo tumačenje i razumevanje, a i ne shvatajući koliko je taj zalogaj prevelik.  “Klijenti pokušavaju da učine nemoguće u smislu pokušaja da izvuku značenje iz svih mogućih vrsta podataka kojima imaju pristup”, rekao je on. “Ono što preporučujemo je da dobro razmotre podatke koje već poseduju i koji su lako dostupni, a tek potom da pređu na sledeći korak.”

Kompanije koje su pokušale i nisu uspele da proniknu u smisao i praktične aspekte analize velikih skupova podataka pre svega bi trebalo da prihvate da su neuspeh i iteracija tj ponavljanje neizostavni deo procesa analitike. One, ipak, mogu da svoje šanse za uspeh maksimiziraju tako što će postati pametniji kada je reč o korišćenju mašinskog učenja.

Evo osam načina za bolji i efikasniji pristup Big data analitici:

1. Počnite s problemom koji želite da rešite. Uranjati u podatke „skokom sa desetke“ a potom iščekivati da će oni volšebno izroniti pred vas je pogrešan pristup. Sve dobre priče o analitici podataka počinju identifikovanjem odgovarajuće metrike performansi koja povezuje poslovni rezultat sa pitanjima koja se odnose na podatke. Međutim, odabrana metrika ne bi trebalo da bude preširoka ili isuviše “granularna” tj usitnjena. Na primer, kada je DXC nedavno radio s jednom medijskom kompanijom na pojašnjenju razloga zbog kojih je pretplatnici napuštaju, najočiglednija metrika bila je promena u pretplatničkoj bazi. Kao što se ispostavilo, relevantnija metrika bio je Prosečni prihod po korisniku (ARPU), koji je bio direktno povezan sa većim poslovnim ciljevima koje je kompanije preduzimala kako bi povećala prihode.

2. Proces mašinskog učenja trebalo bi ’industrijalizovati’ odnosno razviti u širokom industrijskom obimu. “Čitav ovaj proces analize velikih skupova podataka nije industrijalizovan”, rekao je Raghavendra, čija Laboratorija podržava široku paletu oblasti, uključujući proizvodnju, telekomunikacije, automobilsku industriju, avio-kompaniju, energetiku, finansijske usluge i zdravstvenu zaštitu. “Dešava se da mnogo puta iznova i iznova ponavljate analizu ili je ne možete uvećati tj primeniti u širem obimu.” DXC je snažan zagovornik efikasnog i pojednostavljenog pristupa široko primenjivog mašinskog učenja, koji veruje da bi sve faze analize – od unošenja podataka i njihovog prečišćavanja, do stvaranja namenskih algoritama i njihovog stavljanja u proces aktivne analitike, a potom i generisanju uvida stečenih kroz podatke – trebalo da budu ponovno upotrebljive i raspoređene na kompanijske tehnologije.

3. Nemojte dozvoliti da vas ometaju i koče podaci koje ljubomorno čuva svako odeljenje pojedinačno unutar kompanije (tzv „silosi“:  izolovane grupe podataka koje ne cirkulišu u data analitici jedne kompanije jer uposlenici nekog odeljenja naprosto ne žele da ih dele s drugima, misleći da na taj način „drže prednost“ u odnosu na druga kompanijska odeljenja). Silosi su zbog toga veliko “prokletstvo” brojnih računarskih programa koji rade na korporativnoj analitici, jer sprečavaju pristup jedinstvenoj bazi podataka. Silosi, ipak, nisu toliko velika prepreka, kako neki veruju. “Ukoliko posedujete strategiju za pravilno korišćenje pametnih podataka i platformi, ne bi trebalo da previše brinete o silosima”, kaže Raghavendra. Jednostavno rečeno, ne morate brinuti o silosima sve dok ne predstavljaju problem za zadatak koji ste odabrali da rešite. Međutim, trebalo bi da se pripremite za neki predstojeći skup problema u nizu (tzv pipeline*) tako što ćete obezbediti integraciju različitih izvora podataka. “Postoje fleksibilne i modularne platforme koje vam omogućavaju da integrišete podatke kada je potrebno”, dodao je Raghavendra. (U računarstvu, pajplajn* je skup elemenata za obradu podataka povezanih u niz, pri čemu je autput jednog elementa input sledećeg. Elementi u nizu često se procesiraju paralelno ili kroz sekvence tj „komadiće“; u tom slučaju, određena količina buffer tj pufernog skladišta često se ubacuje između elemenata).

4. Mislite od-spolja-ka-iznutra. Ne morate uvek imati sve informacije, talenat, analitiku i inteligenciju: Ovo je priča o ekosistemu, a pobediće oni koji dodirnu „matricu sposobnosti“ koja se nalazi oko njih. Analitičari podataka kroz kraudsorsing*, kao i kroz „mašinsko učenje-kao-servis“ i eksterne skupove podataka, dobijaju moćan potencijal u poslovoj trci.

Crowdsourcing (angažovanje javnosti) je korišćena i legitimna metoda preuzimanja tuđih ideja, postupak dobijanja potrebnih usluga, ideja ili podataka od neodređenog skupa ljudi (shodno izreci: “Uzeti podatke od pojedinca je krađa, uzeti podatke od većeg broja ljudi je – istraživanje”).

5. Koristite sirove skupove podataka (takozvana „data-jezera“). Jezera podataka su spremišta u kojima možete sačuvati sve vaše postojeće podatke u izvornom obliku, bez obzira na njihov format Jezero podataka je spremište za skladištenje podataka koje sadrži ogromnu količinu sirovih podataka u svom izvornom formatu, sve dok se za njima ne ukaže potreba. I dok hijerarhijski organizovano skladište podataka čuva podatke u fajlovima ili fasciklama (folderima), data-jezero koristi “ravnu”, tj. horizontalnu ili baznu arhitekturu za čuvanje podataka, dakle bez hijerarhije (organizacije) podataka. Svakom elementu podataka u data-jezeru dodeljen je jedinstveni identifikator i označen je skupom proširenih oznaka metapodataka. Kada se pojavi upit od strane biznisa, data jezero se može upitati za relevantne podatke, a zatim se može analizirati manji skup podataka kako bi se odgovorilo na upit).

Raghavendra je mišljenja da kompanije treba da se upuste u praksu stavljanja svih svojih podataka u „data-jezero“. Ovi veliki skupovi sirovih podataka nisu stavljeni u fajlove niti su klasifikovani u foldere po važnosti, već su „u rinfuzu“, iako su svi indeksirani i tagovani kao metadata, spremni da se pojave na upit poslovnog subjekta. “Nemojte razmišljati o strukturiranju (važnosti, smisla i korisnosti podataka) na samom početku”, preporučuje Ragavendra.

6. Vršite istraživačku analizu podataka (exploratory data analysis, EDA) sa ciljem kojeg imate na umu. Prva faza „rudarenja podataka“ je upravo EDA, koja nastoji da rezimira podatke, vizuelno i ne-vizuelno. “Ono što sam često imao prilike da vidim je da je istraživački deo analize podataka potisnut”, rekao je Bharathan Shamasundar, viši analitičar podataka u DXC. “Svrha EDA tj istraživačke analize podataka je da se upoznaju s uzorcima i obrascima koji se u podacima poavljuju i samo na osnovu toga zauzimaju stavove o tome šta da čine nakon toga. Kompanije to često rade površno. “DXC-ovo iskustvo sa kompanijom za energetske usluge naglašava važnost pametne EDA tehnologije.

Jedno privatno komunalno preduzeće tražilo je preciznu prognozu koliko će energije proizvesti njihove vetroelektrane. Zbog toga što je ovo preduzeće primenilo istraživački deo analize (EDA) na svoje algoritme, tim savetodavne firme DXC je uspešno opovrglo već postojeće repere za čak 95% performansi vetro-turbina, uprkos tome što je upotrebljavano manje varijabli kako bi obavili svoje proračune. To iskustvo pokazuje značajne potencijale EDA metoda, naročito ako se sprovedu unapred, što će češće dovesti do algoritama prikladnih raspoloživim podacima.

7. Koristite inteligentno uzorkovanje. Jedan od razloga što kompanije imaju problema s pristupom u prave uvide Big data ishoda je zato što ih – previše koriste. “Uzorkovanje je postalo loša reč”, rekao je Šamasundar. “Uzorkovanje podataka je pametan način baratanja sirovim podacima.” Često se dešava da je ono što izgleda kao “big data” krcato redundantnim tj izlišnim informacijama. Analitičari iz DXC su za jedno robno-trgovačko preduzeće identifikovali  kako im je veliki deo uskladištenih podataka bio, zapravo, suvišan, jer je 94% svih njihovih trgovinskih poslova zasnovano na manjem podskupu podataka. Ovo pokazuje da je vrednovanje kvaliteta i relevantnosti važna komponenta strategije podataka.

8. Ustanovite fleksibilan operativni model za vaš program analitike podataka. Raghavendra vam savetuje da „Nikako ne odustajete od pokretanja programa za analizu podataka samo zato što ne možete da unajmite data-analitičara. Potražnja za ekspertima koji umeju da pravilno i smisleno „pročitaju“ velike hrpe podataka  trenutno je 60 procenata veća od broja stručnjaka, a nema znakova da se ovaj disparitet usporava. Međutim, ukoliko jedno preduzeće nije u stanju da zaposli dovoljno data-analitičara, Raghavendra preporučuje da, u tom slučaju, treba razmisliti o uporednom korišćenju partnerskih organizacija koje pružaju specijalističku analitičku podršku i “analitičara opštih podataka o građanima”. Stručnjak za prekopavanje tj „rudarenje podataka“ o građanima je osoba koja razume domen i poslovanje svojih poslodavaca/organizacija. Oni mogu obaviti razumnu analizu koristeći neke analitičke platforme koje su sada pojednostavile određene zadatke i zahteve u baratanju podacima. Pošto kompanije primenjuju analitiku za rešavanje problema, partnerske organizacije mogu biti od pomoći  kao podrška u uvećanju obima njihovih programa i izgradnji „dubljih“ mogućnosti u još raznovrsnijim oblastima.

I mada praćenje ovih smernica povećava verovatnoću za postizanje uspeha, preduzeća ne smeju smetnuti s uma da je mogućnost neuspeha realna i uvek prisutna. Analitika podataka sprovodi se kao naučni metod koji se zasniva na dokazivanju ili opovrgavanju hipoteze. Upotrebu podataka treba, potom, posmatrati kao istraživačku i razvojnu aktivnost (R&D). “Najbolje je imati pet-šest ili desetak i više ideja, i potom ih voditi paralelno”, opisuje Goltjeri upite zasnovane na podacima, “jer neće svi oni funkcionisati”.

Izazovi će postajati sve teži i teži, kako se količina podataka vremenom bude sve više uvećavala. Sa druge strane, što više podataka imate – to je i veća potencijalna nagrada i uspeh.

Prema Dejvu Aronu (Dave Aron), šefu istraživanja u  londonskoj IT firmi za istraživačko-savetodavne usluge Leading Edge Forum, DXC-ovom partneru za rukovođenje idejnim strategijama, još je uvek previše kompanija koje svojom najvrednijom imovinom smatraju ono što poseduju u fizičkom i finansijskom smislu.

“Preduzeća koja bi trebalo da dožive uspon i uvećanje svojih profita u narednoj deceniji jesu ona koja su prepoznala da su upravo informacije i njihova analiza ta nadasve “vredna imovina”, pa stoga grade i kontinuirano unapređuju svoje platforme za data-analitiku i izučavanje podataka”, kaže Aron. “Internet stvari (IoT), uz sve obimniji i glomazniji pravni okvir za zaštitu podataka čine da data-analitika postane relevantnija nego ikada pre.”

Obezbeđivanje koristi od analize „big date“ – bez obzira da li ste bolnica ili uslužna firma ili bilo koji drugi tip biznisa – zahtevaće promišljen pristup, puno hrabrosti, kao i respekta za naučne metode analize informacija dobijenih u vašem poslovanju.

WIRED Brand Lab, DXC Technology

Alibaba ulaže $15mlrd u 7 novih R&D  laboratorija širom sveta

Najveća kineska kompanija za elektronsku trgovinuutrošiće ogroman novac kako bi prevazišla svoj imidžonlajn radnje“.

Juče je (11. okt) na svojoj godišnjoj cloud computing konferenciji u Hangdžou, šef za istraživanje i razvoj (CTO) kompanije Alibaba Džef Čang (Jeff Chung) najavio je da će kompanija pokrenuti Alibaba DAMO Akademiju, program koji će uspostaviti laboratorije za istraživanje i razvoj širom sveta. Ova nastojanja odraz su želje da Alibaba proširi svoje aktivnosti i izvan kineske elektronske trgovine, njegovog dosad nerazdvojnog identiteta onlajn dućana, kako bi postao globalni tehnološki gigant sposoban da se takmiči s kompanijama kao što su Google, Microsoft i Amazon.

DAMO, akronim za „Otkriće, avanturu, momentum i perspektivu“ (Discovery, Adventure, Momentum, Outlook), projekat je koji će se sprovoditi u sedam laboratorija: Dve će biti u Kini (u Pekingu i Hangžou, rodnom gradu i sedištu Alibabe), dok će ostale biti u Singapuru, Moskvi, Tel Avivu, Belviju (okolina Sijetla) i San Mateu (u Silicijumskoj dolini). Rad laboratorija fokusiraće se na “fundamentalna i prelomna tehnološka istraživanja” u oblastima poput veštačke nteligencije, baza podataka, obrade prirodnog jezika, kvantnog računarstva i mašinskog učenja. Laboratorije će objavljivati radove i razvijati tehnologiju koju mogu koristiti ne samo Alibaba već i treća strana.

Prema rečima ljudi iz odeljenja za odnose s javnošću u Alibabi, singapurska laboratorija je prva koja će biti otvorena u inostranstvu, a počeće sa radom početkom naredne godine. Akademija trenutno želi da angažuje 100 istraživača kako bi se pridružili projektu u svojstvu zvaničnih Alibabinih zaposlenika. Alibaba je, takođe, formirao savetodavni odbor koji uključuje naučnike iz kineskih i inostranih istraživačkih institucija. Među njima su genetičar Džordž Čerč (George Church) sa Harvarda, osnivač projekta Personal Genome, i Dženet Ving (Jeanette Wing), direktorka Instituta za nauku o podacima pri Univerzitetu Kolumbija i bivši potpredsednik Majkrosoftovog razvojnog odeljenja (Microsoft Research).

Finansiranje akademije biće značajna suma u sklopu od ukupno 15 milijardi dolara investicija, koje Alibaba planira da u naredne tri godine uloži u razvoj i istraživanje. Taj iznos predstavlja dvostruko veću sumu od 2,5 milijardi dolara, koju je kompanija potrošila u “razvoj proizvoda” tokom fiskalne godine koja se završila u martu 2017. godine.

Najava dolazi kada Alibaba i druge kineske internet kompanije nastavljaju da gledaju u inostranstvo radi unapređenja svojih istraživanja i razvoja (R&D). U maju je Tencent, gigantski društveni medij iz Šenžena izjavio da će pokrenuti istraživačku laboratoriju za veštačku inteligenciju u Sijetlu, na čelu sa Juom Dongom, naučnikom nekada zaposlenom u Majkrosoftu. Istog meseca je Didi Chuxing, kompanija-mobilna platforma za deljenje prevoza koja pruža taksi usluge za više od 400 miliona korisnika u preko 400 gradova u Kini, otvorio svoj AI R&D centar u mestu Mountain View u Silicijumskoj dolini, Kalifornija, kako bi razvijao tehnologiju za autonomnu vožnju. Baidu, gigantski internet-pretraživač iz Pekinga. I Baidu ima svoju AI laboratoriju u Silikonskoj dolini, koju je osnovao 2013. godine. Izgradnja ovakvih laboratorija van Kine pomaže ovim kompanijama da privuku talente svetske klase.

Akademija, takođe, označava Alibabin pokušaj da se izvuče iz e-trgovine i pređe u druge oblasti tehnologije – veoma sličan cilj kojem teži i Amazon, američki portal za onlajn trgovinu i najveći Alibabin rival. Alibaba je uložio ogromna sredstva u cloud usluge i tehnologije, a trenutno ima 14 data-centara širom Kine, Evrope, jugoistočne Azije i u Silicijumskoj dolini – a svi oni na usluzi su klijentima koji koriste Alibaba Cloud, gotovo identično Amazonoj usluzi Amazon Web Services. Kineska kompanija za internet-trgovinu je, takođe, svoje finansijske i tehnološke resurse uložila u veštačku inteligenciju, postavljajući je direktno na Tencent i Baidu u Kini. U julu (2017) objavljeno je da je Alibaba proizveo svog kućnog asistenta: Tmall Genie X1, koji je takmac Amazonom asistentu, Echo.

The Atlantic

Kako ishraniti rastuće čovečanstvo?

O važnosti hrane koja nam je na tanjiru, kao i hrani kojom se hrane životinje (koje na kraju završe na našem tanjiru), piše londonski nedeljnik The Economist.

Broj stanovnika naše planete će se, kako se očekuje, povećati do 2050. godine za trećinu, sa 7,6 milijardi na 9,8 milijardi. Sva ta dodatna usta treba nahraniti, i to ne samo nekim memorandumima, deklaracijama i prigodnom “kriznom papirologijom”. Kako ljudi postaju bogatiji, tako narastaju i njihovi zahtevi za povećanim unosom proteina u ishrani, posebno unosa mesa i ribe. Na primer, očekuje se da će konzumiranje govedine u Aziji u narednoj deceniji skočiti za 44%.

Gajenje životinja koje koristimo u našoj ishrani već ostavlja ogromne posledice po životnu sredinu na čitavoj planeti. Broj domaćih životinja enormno je narastao tokom 20. veka. Danas je živo više od 20 milijardi pilića, 1,5 milijardi goveda i milijarda ovaca. Četvrtina zemljišta na svetu koristi se za ispašu stoke kojom se hranimo. Ona troši 30% svetskih useva. Takođe, stoka doslovce tamani vodu – potrebno vam je oko 15.000 litara da biste proizveli samo kilogram govedine, u poređenju sa samo 1.500 litara potrebnih da biste dobili kilogram kukuruza ili pšenice. A gasovi koje kao nus-efekat pravi njihova utroba tokom varenja nikako nisu dobra vest za klimu. Stoka koju gajimo za sopstvenu ishranu je odgovorna za 14,5% svih antropogenih gasova koji proizvode efekat staklene bašte, prema Organizaciji Ujedinjenih nacija za hranu i poljoprivredu (UN Food and Agriculture Organization, FAO).

Akva-farme: ribe se danas već hrane biljnim proteinima

Akvafarm: riba se već hrani biljnim proteinima

Kako je, onda, uopšte moguće sprovesti održivost ishrane na našoj planeti? Jedan tip rešenja/odgovora usmeren je na ubeđivanje ljudi da ubuduće na svoje tanjire stavljaju hranu koje se razlikuje od dosadašnje. Vegetarijanci imaju najjednostavnije rešenje od svih, ali pokušajte da ljudima u podsaharskoj Africi objasnite da se drže manioke (zovu je još i juka, ili kasava), koja je osnovna visokokalorična hrana za seosko stanovništvo tropskog područja, iako je izrazito siromašna proteinima i, osim što je dobar “energent”, nema neku značajniju hranljivu vrednost.

Podsticanje ljudi da jedu više ribe, a ne više mesa trebalo bi da je nešto bolji odgovor na zahtev za proteinima u budućnosti čovečanstva. Potrošnja ribe sada je prevazišla govedinu, a akvakultura (tj riba koja je gajena a ne uhvaćena izlovom) čini polovinu ribe koju jedemo. Pa ipak, i pored značajnog udela gajene ribe u našoj ishrani, gotovo 90% ulovljene divlje ribe iz slobodnih voda je ili na samoj granici prihvatljivog ili je izvan svojih održivih granica. I riba iz uzgoja, a posebno losos, često je hranjen životinjskim proteinom – dakle sitnijom ribom – koja se lovi na otvorenom moru. Jedna od trenutno veoma aktuelnih ideja je da ljudi na Zapadu treba da na svoj meni uvrste i insekte, koji sadrže do tri puta veće količine proteina nego govedina i već formiraju sastavni ili dodatni deo ishrane dve milijarde ljudi, kaže FAO. Međutim da bi se takvo ta obistinilo, mnogi građani razvijenog Zapada biće prinuđeni da prevaziđu svoju urođenu gadljivost prema insektima, suzbijajući faktor “bljak”.

Meso stvoreno u laboratoriji jedan je od načina prehrane budućih generacija

Meso stvoreno u laboratoriji jedan je od načina prehrane budućih generacija

Drugi tip odgovora na problem iznalaženja izvora hrane s dovoljnom količinom proteina potrebnih ljudima u budućnosti uključuje korišćenje savremenih tehnologija za stvaranje veštačkih proteina. Investitori kao što su Bil Gejts i Ričard Brenson podržali su pokretanje start-up firmi koje se bave istraživanjem i razvojem veštačkog mesa, odgajenog iz životinjskih ćelija goveda i živine. Tajson Fuds (Tyson Foods), prehrambeni gigant koji se bavi proizvodnjom i preradom mesa, sasvim je nesvakidašnji i neočekivani poklonik istraživanja zasnovanih na gajenju biljaka bogatih proteinima.

Naučnici, takođe, istražuju mogućnosti genetske modifikacije životinja kako bi povećali mišićnu masu goveda ili smanjili infekcije kod ribe u uzgoju.

Ovakve i slične inovacije imaju ogroman potencijal, pogotovo ako ih je moguće uključiti u redovni proizvodni proces i zadobiti potrošače koji su na oprezu. Međutim, promena našeg jelovnika i onoga što jedemo nije jedini način da ishrane rastuće svetske populacije postane još održivije. Drugi, manje očigledan pristup je u promeni onoga što životinje jedu. Ovde je tehnologija imala najbrži i najveći uticaj.

Jedan od izvora unapređivanja održivosti leži u efikasnijem korišćenju useva za ishranu životinja. Rapidno širenje mlinova koji preradjuju zrno u hranu praktični su i isplativi na mestima kao što je npr podsaharska Afrika. Farmaceutski intenzivna poljoprivreda doprinosi poboljšanju poljoprivrednih prinosa krmnog bilja kao što je recimo soja, uz pažljiv nadzor upotrebe vode i đubriva.

"Čudna hrana" može biti i te kako dobrog ukusa

“Čudna hrana” može biti i te kako dobrog ukusa

Jedimo ono što je potrebno telu, a ne jeziku 

Radikalniji pristup je promena ishrane životinjama. Napori za smanjenje količine ribljeg mesa u obroku riba koje se gaje u akvakulturi već su se isplatili. Sitnom ribom se u Norveškoj 1990. godine hranilo 90% lososa iz uzgoja, ali je do 2013. godine veća upotreba biljaka smanjila udeo ribe u ishrani gajenih ribljih vrsta na 30%. Još se više može učiniti. Tek možda najviše 20% proteina u zrnu kojima se hranje životinje iz uzgoja pretvara se u jestivi protein; ostatak se pretvara u –  otpatke.

Švajcarci već jedu ćufte i burgere od insekata

Švajcarci već jedu ćufte i burgere od insekata

Poljoprivredni gigant Kargil (Cargill) je ove godine napravio veoma značajan proboj u svom pogonu za gasno fermentiranje koji je trenutno najveći na svetu, u partnerstvu sa Kalistom (Calista), kalifornijskom firmom koja se bavi proizvodnjom prirodnog gasa. Nakon što se bakterije metanotrofi nahrane metanom, one se mogu pretvoriti u „proteinske pelete“ za ribu i stoku. Insekti su, takođe, jedna od sretnijih alternativa. Leteći insekti i crvi mogu se odgajati na đubrivu i organskom otpadu, umesto na zrnastoj proteinskoj hrani biljnog porekla, a potom njom hraniti stoku, živinu i ribu.

Procentni porast stočnog fonda 1970-2014

FAO upozorava da će do 2050. godine planeta biti prinuđena da proizvede 70% više hrane nego što je to učinila 2009. Ideja o jednom modelu ishrane koja će u budućnosti biti orijentisana i na „bube“, kao i konzumiranje mesa nastalog u laboratorijama s lakoćom može da zaposli našu maštu. Put ka održivoj ishrani, međutim, takođe vodi i kroz stomake i creva životinja.

Ovaj članak pojavio se u rubrici „Lideri“ štampanog izdanja londonskog magazina Ekonomist pod naslovom “Feed as well as food” 

The Economist

 

Milijarderi koji podržavaju laboratorijski uzgajane dijamante potresaju industriju

Oporavljajući se od Dotcom fijaska i panike u post-9/11 periodu, Silicijumska dolina nadala se da će izaći iz ranih 2000-tih kao Saudijska Arabija – oslanjajući se na sunčevu energiju. Privatne investicije, federalne subvencije i strahovi o klimatskim promenama podstakli su ogroman procvat čistih energija.

Jedan od prvih koji je počeo da se kladi na sektor održivosti je bio Martin Rošajsen (Martin Roscheisen). Ovaj tvrdoglavo uporni preduzetnik pokrenuo je Nanosolar 2002. godine, kako bi napravio super tanke solarne ćelije koje bi bile jeftina alternativa silicijumu. Hiljade kompanija ga je sledilo.

Ali deset godina kasnije, kada se sa investiranjem preteralo, i kada je Kina postala izuzetno cenovno konkurentna, kalifornijski zeleni tehnološki mehur je pukao. Mnoštvo energetskih startup firmi koje su istraživale iskorišćavanje energije sunca, a među njima je najvidljivija bila Solyndra, je puklo. Nanosolar, koji je privukao pola milijarde dolara u prvih pet godina, zatvorio je svoju fabriku u San Hozeu. Roscheisen je bacio oko na drugu industriju i nestao sa vidika.

U novembru, nakon tri godine ispod radara, Roscheisen je predstavio svoj najnoviji poduhvat – onaj koji koristi snagu sunca da bi proizveo veoma drugačiji efekat. Koristeći neke od istih tehnologija za pravljenje solarnih ćelija, Livnica dijamanata, stavila je znak Silicijumske doline na izradu vrhunskih u laboratoriji dobijenih dijamanata.

Za razliku od kamenčića koji simuliraju dijamante, kao što su kockasti cirkoni, ovi laboratorijski proizvedeni kamenčići nisu lažnjak, napominje, Roscheisen, već su po strukturi atoma identični svojim, u zemlji stvorenim parnjacima. On svoje dijamante reklamira kao etičku alternativu u odnosu na iskopano kamenje i nešto što je jedinstven proizvod po sebi.

“Industrija dijamanata nam je izgledala kao veoma tradicionalna industrija, i sada je vreme da se suoči sa svojim “Tesla momentom”, “, rekao je Roscheisen Metro-u. “Pre Tesle, električni automobil je bio isto što i malo vozilo za golf. Tesla je promenio auto-industriju zauvek po prvi put obezbeđujući potrošačima jasan izbor. To je ono što radimo sa dijamantima- po prvi put nudimo održiv izbor.”

Sposobnost za proizvodnju dijamanata je nešto oko čega se vrtimo već skoro šest decenija, iako je do nedavno njihov proces proizvodnje bio relativno skup. Danas, najmanje 10 preduzeća proizvodi dijamante za krajnju prodaju ili industrijske dijamante. Ali Livnica dijamanata (Diamond Foundry) tvrdi da je napravila osobeni prodor u industriji koji omogućava bržu i jeftiniju proizvodnju dijamanata koji su po svemu nalik na one iskopane iz zemlje.

“Veoma je teško odgajiti čisto beli dijamant od kojeg se može praviti nakit”, kaže Roscheisen. “To je ono što naša tehnologija može da uradi.”

Počinje sa “semenom”, tankim listićem prirodnog dijamanta. Plazma reaktor na temperaturi od preko 8,000 stepeni Farenhajta “odgaja” kristal dodajući mu ugljenik, sloj po sloj. Preuzimajući ovu metodu koja se zove hemijsko taloženje pare, iz proizvodnje poluprovodnika, kompanija kaže da može da odgaji na stotine dijamanata do devet karata veličine, u razmaku od nekoliko nedelja. Neki konkurenti koriste varijacije taloženja isparenja, dok drugi koriste tehnike visokog pritiska, detoniranja eksploziva ili ultrazvuka.

Roscheisen – student Univerziteta Stanford u istoj klasi kao i osnivači Googla Sergej Brin i Lari Pejdž – dobio je podršku od 10 milijardera i jednog broja teškaša iz Silicijumske doline. Lista investitora uključuje osnivača Zinge (Zynga) Marka Pinkasa, koosnivača Tvitera, Jana Vilijamsa (Evan Williams ) i koosnivača Facebooka Endrjua MekKoluma (Andrew McCollum).

Investitor kompanije najvišeg profila je Leonardo Dikaprio. Glumac je bio nominovan za Oskara za film iz 2006 gde igra krijumčara dijamanata, Blood Diamond, koji prikazuje neke od etičkih pitanja koje opterećuju konvencionalnu industriju dijamanata.

03

Rasel Šor (Russell Shor), analitičar neprofitnog Gemološkog instituta u Americi (Gemological Institute of America), kaže da je Livnica dijamanata ušla na jedno izuzetno kompetitivno tržište.

“Sada smo u čudnoj situaciji kada je u pitanju ekonomija dijamanata “, kaže Šor, koji je proveo poslednje tri decenije radeći na svakom nivou trgovine, od rudnika do dilera, trgovaca, istraživačkih grupa i industrije medija. “Snabdevanje premašuje potražnju. Količina ide na gore, kvalitet ide na gore a cene idu dole. To je zaista bez presedana. “

Prerano je reći kakav će uticaj imati sektor sintetičke proizvodnje dijamanata na ukupnu industriju, kaže on. Međutim, naglasak na održivosti i “beskonfliktnosti” porekla izgleda da se dopada mlađoj generaciji potrošača. Millenijumska generacija će biti manje zainteresovana da kupi prirodan dijamant, zbog zabrinutosti oko zloupotrebe dece, regionalnih sukoba i uticaja rudarstva na životnu sredinu, navodi se u industrijskim izvorima.

Tvrdnje da su dijamanti proizvedeni ljudskom rukom, etička alternativa može da zavara,” kaže Šor. “To znači da je sve ostalo nemoralno, što nije uvek slučaj.”

Dijamanti su postali opsesija zapadne civilizacije tek kada su De Beers izvukli svoj slogan “dijamanti su zauvek” u marketinškoj kampanji iz 1930-ih. Slogan i prateće slike zaokružuju sliku tradicionalne uloge polova, i povezuju dijamanate sa večnom ljubavi, zavišću i očekivanjima – i pomalo tugaljivu poruku da bi prsten trebalo da košta nekoliko mesečnih zarada.

06

Nekadašnji globalni kartel, De Beers je izgubio nešto od svog sjaja. U 2011. godini, DeBeers je pristao da plati američkim trgovcima i potrošačima $ 295 miliona dolara zbog navodnog nameštanja cena. Tržišni udeo kompanije se konstantno smanjuje u odnosu na monopol koji je kompanija imala do 1980; sada zauzima oko 40 odsto tržišta. U međuvremenu, prevelika ponuda je ugrozila percepciju retkosti.

“Da li će sposobnost da se nešto, za šta su zemlji bile potrebne milijarde godina, stvori za nekoliko nedelja, uništiti romantiku?”, kaže Šor. “To je stvar svačije lične perspektive.”

Umesto da se takmiči sa sektorom tradicionalnih dijamanata, laboratorijski proizvedeni dijamanti su ušli na paralelno tržište. Livnica dijamanata i njemu slični očekuju da će privući one koji inače ne bi ni razmišljali o kupovini dijamanata. Mlađi potrošači izgleda da su manje privučeni njihovom mistikom, a više cenovnom pristupačnošću i održivošću konvencije o poklanjanju dijamantskog prstena za veridbu.

“Dijamanti su me uvek zasmejavali”, kaže Rajan Mekarti, doktorant na geologiji i proučavanju životne sredine na Stenfordu. “To je smešna mešavina ideja, emocija, marketinga i ugljenika, uparivanje stvari kao što su ‘zauvek’ sa materijalom koji je metastabilan na površini Zemlje, što ga nekako čini jednim od najznačajnijih simboličkih i najtraženijih dragulja.”

Christine Guibara, zlatar, kaže da neki od njenih mlađih klijenata pridaju veću vrednost niskoj emisiji ugljen-dioksida nego retkosti dragulja.

04

“Sve zavisi od toga s kim pričate,” kaže ona. “Neki misle da ima više vrednosti u održivosti životne sredine, etičkim praksama u rudarstvu i slično. Za te ljude, laboratorijski napravljeni dijamanti su jedna opcija. Ali, uvek će biti ljudi koji žele prirodni dijamant. “

Guibara je među 200 dizajnera koji prodaju nakit preko onlajn radnje Livnice dijamanata. Ona se nada da će joj povezivanje sa lokalnim dobavljačem dijamanata dati priliku da se oproba u nekonvencionalnim rezovima.

“Mnogo puta u industriji je zaista teško naći nešto što je isečeno na neobičan način,” kaže ona. “Ulog je toliko visok, da se svi trude da urade ono što je već bilo rađeno. Ali mislim da Livnica dijamanata ima na umu da bude više od jednog startapa. Uzbudljivo je imati tako nešto. “

Kao student prirodnih nauka, Roscheisen takođe planira da njegov prodor u oblasti visokih tehnologija učini dostupnim istraživačima. Uza sve svoje mitske asocijacije, kao odsjaj zvezda, brod duhova i suze bogova, dijamanti su neverovatno primenjivi, u praktičnom smislu.

Kristalizovani ugljenik može da simbolizuje ljubav, ali kao najjači materijal koji se pojavljuje u prirodi, on je i odlična zamena za silicijum u poluprovodnicima, kaže Rocheisen, a takođe može da pomogne da kompjuteri rade mnogo brže.

San Jose Inside

 

Bilingvalci: superiorni u društvenim odnosima

Biti dvojezičan znači posedovati neke očigledne prednosti. Učenje više od jednog jezika omogućava nove izvore komunikacije ali i nova iskustva. Međutim, poslednjih godina su psiholozi takođe pokazali i neke ne tako očigledne prednosti dvojezičnosti (bilingvalizma). Bilingvalna deca, recimo, mogu da uživaju određene kognitivne prednosti kao što je to npr. poboljšanje izvršnih funkcija – što je od ključnog značaja za rešavanje problema i druge mentalne aktivnosti. Za Njujork Tajms piše Ketrin Kincler (Katherine Kinzler), razvojno-kognitivni psiholog sa Univerziteta Kornel.

Sada, dve nove studije pokazuju kako izlaganje multilingvalnoj sredini i svakodnevni kontakt sa stranim jezicima poboljšava ne samo kognitivne sposobnosti dece već i njihove društvene sposobnosti.

06Jedna studija iz laboratorije za razvojnu psihologiju – sprovedenoj u saradnji sa psiholozima koje su predvodili Boaz Keisar, Zoi Liberman i Samanta Fan (Boaz Keysar, Zoe Liberman, Samantha Fan) sa Univerziteta u Čikagu, a objavljena prošle godine u časopisu Psychological Science – pokazuje da multingvalna deca moga biti bolja u komunikaciji od dece koja su monolingvalna.

Čikaški tim psihologa uzeo je grupu dece u Sjedinjenim Američkim Državama, uzrasta od četiri do šest godina, iz različitih govornih područja, a onda ih je suoočila sa situacijom u kojoj su morali da razmotre tuđe perspective  stavove kako bi shvatili njeno značenje. Odrasla osoba bi, na primer, rekla detetu: “Oh, mali auto! Možete li da ovaj mali auto pomerite za mene?” Deca su mogla da u svom vidnom polju vide tri automobila – mali, srednji i veliki – ali su takođe bila u poziciji da uoče i kako odrasla osoba ne može da uoči najmanji auto. S obzirom da je odrasla osoba mogla da vidi samo srednji i veliki auto, kada je rekla “mali” auto, ona mora da se odnosi na deteta “srednji”.

Otkriveno je da su pri rešavanju ovog zadatka bilingvalna deca bila bolja od monolingvalne dece. Ukoliko malo promislimo o tome, ovo ima smisla na intuitivnom nivou. Često tumačenje nečijih izgovorenih reči zahteva usredsređenost i razmišljanje ne samo o sadržaju već i o kontekstu u datom okruženju. Šta onaj s kim komunicirate zna ili ne zna? Šta mu je namera da vam prenese? Deca koja žive u višejezičnim sredinama stiču društvena iskustva koja im pruža rutinska praksa u razmatranju perspektiva drugih: Ova deca moraju da misle o tome ko govori koji jezik i kome se obraća, ko razume koji sadržaj, kao i vreme i mesto  u kojima se određeni jezik povori.

03Zanimljivo je, takođe, da je ovaj tim otkrio da deca koja su uspešna kao monolingvalna (dakle, koja su govorila samo jedan jezik) – ali koja su bila redovno izložena i nekom drugom jeziku – na primer, onih koji su imali babe i dede koji su govorili neki drugi jezik – bila isto tako darovita i sposobna kao i čisto bilingvalna deca u prethodno navedenom zadatku. Čini se da odrastanje u okruženju u kojem se govori više jezika, a ne dvojezičnost po sebi, predstavlja faktor koji decu kvalitativno pokreće na viši nivo.

Možda se pitate da li se ovi nalazi mogu objasniti samo kao još jedan primer većih kognitivnih sposobnosti koje su primećene kod bilingvalne dece. Čikaške psihologe interesovalo je i to pitanje, tako da su svoj deci dali standardni kognitivni test za izvršne funkcije. Otkrili su da bilingvalna deca imaju bolje rezultate od monolingvalne, ali da deca koja su bila uspešni monolongvalci, iako su uz to bili redovno izloženi uticaju nekog drugog jezika, nisu pokazala bolje performanse. Ovi monolongvalna “izložena” deca ponašala su se kao monolongvalna pri rešavanju kognitivnih zadataka, ali su bila poput bilingvalaca na komunikacijskom nivou. Nešto drugo od kognitivnih sposobnosti – nešto što se može okarakterisati kao “veća društvenost” – moralo bi da bude valjan razlog kojim se može objasniti njihova veština prilikom prihvatanja tuđe perspective i stavova.

04U predstojećoj studiji, koja je u pripremi u časopisu Razvojna nauka (Developmental Science), Ketrin Kincler, potpisnica ove priče i njene kolege proučavali su efekte izloženosti višejezičnoj sredini na čak i mlađi uzrast dece: na bebe stare tek 14 do 16 meseci, koje jedva da su uopšte i počele da progovaraju neke prve reči. U ovoj studiji, koju je predvodila Zoi Liberman a u saradnji sa profesorom Keisarom i psihologom Amandom Vudvord (Amanda Woodward), bebama su pokazane dve verzije istog predmeta, kao što je banana, od kojih je jedan bio vidljiv kako detetu tako i odrasloj osobi, dok je druga verzija bila vidljiva bebi ali sakrivena od pogleda punoletne osobe. Kada bi odrasli subjekt pitao bebu za “bananu”, beba bi bila u stanju da pruža svoju ručicu na obe verzije istog objekta – u oba slučaja to su bile banane – pa ipak, beba je razumela društveni kontekst, pa bi češće posezala za onom bananom koju je i odrasla osoba mogla da vidi.

07Tim iz laboratorije za psihološka istraživanja pri Čikaškom Univerzitetu otkrio je da bebe iz monolingvalnih sredina podjednako često posezaju za obe banane. Bebe u multijezičkim sredinama, uključujući i one koje su bile izložene i drugom jeziku, makar samo i minimalno, već su shvatali značaj usvajanja tuđe perspektive za komunikaciju: takve su bebe daleko češće posezale za bananama koje je i odrasla osoba mogla da uoči.

Izloženost višejezičnoj sredini, čini se, olakšava usvajanje osnovnih veština potrebnih u svakodnevnom međusobnom razumevanju. Naravno, postati potpuno bilingvalan ili multilingvalan nije uvek ni lako a ni moguće za svakoga. Ali prednost u razvijanju društvenih odnosa i veštine međusobnog komuniciranja koje je ovaj tim identifikovao javlja se jedino u okruženju u kojem su deca imala prilike da iskuse kontakt sa dva ili više jezika, a ne usled toga što su bilingvalna po sebi.

Ovo je potencijalno dobra vest za roditelje koji i sami nisu bilingvalni, ali koji žele da njihova deca uživaju neke prednosti višejezičnog okruženja.

New York Times

Životinje poput nas: “Čovek, moj (ne)prijatelj”

U ovom trenutku, kada su naučnici “s malim zakašnjenjem” proglasili da ptice, sisari i brojne druge životinjske vrste poseduju svest, na čoveku je i ljudskom društvu zadatak da počne da deluje u tom pravcu, piše prof. emeritus iz ekologije Mark Bekof za New Scientist.

09

Pitanje da li (neke, brojne ili sve) životinjske vrste poseduju svest je “glavolomka” sa dugom i uvažavanja dostojnom predistorijom. Ovo pitanje je prvi postavio – naravno, a ko bi drugi – Čarls Darvin (Charles Darwin), u trenucima dok je razmišljao o evoluciji (ne samo ljudske!) svesti. Njegove ideje o evolutivnom kontinuitetu – čija je poenta da se razlike među vrstama ispoljavaju u nivou, a ne u samoj vrsti – dovode nas do čvrstog i naučnim činjenicama potkrepljenog zaključka da, “ukoliko mi, kao ljudska vrsta, u sebi imamo „nešto“, onda i „one“ (to jest druge životinje) to, takođe, imaju.

03Grupa naučnika okupljena na prvoj godišnjoj Konferenciji u spomen na Frensisa Krika (Francis Crick Memorial Conference) je na Univerzitetu Kembridž veoma studiozno predstavila dosadašnje domete u ispitivanju tog večitog pitanja životinjske inteligencije. Krik, kao jedan od otkrivača DNK je drugi deo svoje karijere proveo proučavajući svest, pa je 1994. objavio i knjigu o tom fenomenu, Zadivljujuća hipoteza: Nauka u potrazi za dušom (“Astonishing Hypothesis: The scientific search for the soul”).

Ishod ovog naučnog skupa bila je Kembrička Deklaracija o svesti (Cambridge Declaration on Consciousness), koju su javnosti obznanila tri svetski priznata naučnika iz oblasti neurologije: Filip Lou (Philip Low) sa Univerziteta Stenford, Dejvid Edelmen (David Edelman) s Instituta za neuro-nauku u La Holji (Neurosciences Institute, La Jolla), i Kristof Koh (Christof Koch) sa Kalifornijskog Instituta za tehnologiju (California Institute of Technology, CALTECH).

14Ova Deklaracija o životinjskoj svesti u svom zaključku donosi ocenu da „Ne-ljudske životinjske vrste poseduju neuro-psihološku, neuro-anatomsku i neuro-hemijsku osnovu za začinjanje svesnih stanja, u kombinaciji sa sposobnostima da demonstriraju namerna, to jest ponašanja koja nisu proizvod instinkta već svesti. Ovi dokazi, dakle, jasno pokazuju kako ljudska vrsta nije nimalo jedinstvena kada je reč o posedovanju neurološkog temelja koji prouzrokuje stanje svesnosti. Samim tim, i ne-ljudske životinje, uključujući recimo i hobotnice, takođe poseduju ovu neurološku osnovicu.“

Mark Berkof (Marc Bekoff), autor ove priče za New Scientist je u prvi mah na ovu Deklaraciju odreagovao s nevericom, upitavši sebe i ostale prisutne „Da li nam je zaista bila potrebna bilo kakva službena potvrda nečeg što je tako očigledno?“. Jer, i brojni drugi renomirani neuro-naučnici su došli do tog istog zaključka, još pre mnogo godina.

Deklaracija, međutim, ima i neke propuste. Nju su, recimo, (svi izuzev jednog) potpisali naučnici koji se bave istraživanjima u laboratoriji; Deklaracija bi, međutim, imala daleko veću težinu i kredibilitet da su u se u obzir uzimala mišljenja i stavovi istraživača koji su puno vremena proveli u intenzivnim istraživanjima i posmatranju divljih životinja, mesoždera, poput kitova, drugih primata, ptica i glodara. Isto tako, možda je donekle razočaravajuće i to što u Deklaraciju nisu uključene i vodene životinje tj. riblje vrste, i to upravo iz ražloga što su dokazi za prisustvo svesti kod ove grupe kičmenjaka veoma uverljivi.

17

I pored svega, trebalo bi pozdraviti sam čin objavljivanja ove Deklaracije, koja nije namenjena samo naučnicima. Jer, kako je njen autor Lou pre objavljivanja rekao: „Usaglasili smo se kako je sada došao trenutak javnog obznanjivanja ove Deklaracije. I, mada je svima u ovoj sali sasvim jasno da životinje poseduju svest, ostatku sveta to možda i nije tako jasno.“

Ovde se postavljaju još neka ne manje važna pitanja: Hoće li ova Deklaracija uspeti da nešto promeni? Šta će naučnici i ostali sada učiniti – sada, kad su se lako složili da je svest široko rasprostranjena ne samo kod ljudi već i u životinjskom carstvu?

11Mark Bekof se nada da će ova Deklaracija biti korišćena kako bi se “bića koja nazivamo životinjama zaštitila od nečovečnih i nasilnih postupaka. Naučna saznanja o životinjskoj svesti, emocijama i samospoznaji se prečesto ne priznaju u zakonskim aktima radi dobrobiti životinja”, kaže Bekof. Poznato nam je, recimo, da glodari kao što su pacovi i miševi, ili kokoške, pokazuju empatiju, ali, nažalost, ova saznanja nisu implementirana u američki federalni Zakon o dobrobiti životinjskih vrsta (US Federal Animal Welfare Act). Svake godine, oko dvadeset pet miliona tih životinja, kao i riba, uključeno je u agresivna laboratorijska istraživanja. One sačinjavaju više od 95% životinja koje američki naučnici koriste u svojim istraživanjima. Naučna zajednica neprestano “zapanjena” time kako donosioci odluka na najvišem nivou – oni koji odlučuju o propisima o korišćenju životinja – “uspešno zanemaruju” ove podatke.

Nasuprot tome, nauku, ipak, ne ignorišu baš sva zakonodavstva. Lisabonskim ugovorom, usvojenim od strane Evropske unije prvog decembra 2009. godine, priznaje se da su životinje osećajna bića, a zemlje članice se pozivaju “da veoma ozbiljno uzmu u obzir dobrobit životinja“ pri koncipiranju svojih poljoprivrednih politika, kvota u ribarstvu, u transportu ili politici prostornog planiranja, kao i pri “krojenju” razvojnih i istraživačkih politika.

20

Isto tako, još uvek je prisutan i ne mali broj naučnih skeptika koji tezu o životinjskoj svesti žele da opovrgnu, a samim tim i ovu Deklaraciju. Čak je i sam Frensis Krik, po kojem je , uostalom, i nazvan ovaj Memorijalni skup na kojem je doneta Deklaracija, napisao u svojoj knjizi: “Idealizovati životinje je stvar sentimentalnosti“, nastavljajući kako je “za mnoge životinje, život koji provode u zatočeništvu manje okrutan, duži i bolji nego život u divljini”.

Slični stavovi i percepcija još su uvek žilavo ukorenjeni među nekim naučnicima. U svojoj knjizi Zašto su životinje važne: Svest životinja, njihova dobrobit i dobrobit čoveka (“Why Animals Matter: Animal consciousness, animal welfare and human well-being“), Merijen Stemp Dokins (Marian Stamp Dawkins) sa Univerziteta Oksford tvrdi kako još uvek zaista ne može da zna, niti je ubeđena, u to da i druge životinje poseduju svesnost, kao i da će po tom pitanju ostati agnostik i skeptik, čak ratoborna ukoliko je to potrebno. Mark Bekof, komentarišući ovakve njene stavove, smatra da Dokinsova iz neobjašnjivih razloga ignoriše podatke koje su naučnici upotrebljavali prilikom koncipiranja Deklaracije, idući tako daleko da tvrdi kako je, u stvari, za životinje štetno ukoliko odluke o njihovoj dobrobiti zasnivamo na osnovu njihove svesti.

Bekof je ubeđen da je ovakvo mišljenje neodgovorno. “Oni koji žele da naude životinjama lako mogu uzeti u obzir ovakvo mišljenje Dokinsove, ne bi li svesrdno opravdali svoje postupke sakrivajući se iza ove njene teze. “Možda će, nakon zaključaka usvojenih tokom okupljanja na Kembridžu, a svetskoj javnosti pružene na uvid, uticati da sa svojih polica uklonimo knjige s opasnim idejama Merijen Stemp Dokins”, piše Bekof. On dodaje i da “Nikako nisam u stanju da shvatim i prihvatim kako neko ko je – upravo kao Dokinsova – fantastično dobro upoznat s literaturom o svesti, osećanjima i bolu kod životinja, sposoban da i dalje ostane zagriženi skeptik na ovu temu, prikazujući se ‘agnostikom’ kada je u pitanju izvesnost postojanja animalne svesti”.

Bilo kako bilo, Kembričku Deklaraciju o svesnosti životinja treba svesrdno pozdraviti, i poraditi na tome da im se pruži zaštita koju, u svakom slučaju – bile one svesne ili ne – zaslužuju. Treba se nadati da ova Deklaracija nije prosto gest pokazivanja već je nešto što ima zube i što vodi do akcije. Trebalo bi da svi mi iskoristimo kako bismo konačno zaustavili zlostavljanje i patnju miliona zatvorenih, asvesnih živih bića – životinja – u ime nauke, hrane, ili zabave, mode i obrazovanja. Toliko im dugujemo: da naše znanje iskoristimo kako bismo pokazali makar malo saosećanja i samilosti u našem postupanju prema njima.

Marc Bekoff je prof. emeritus ekologije i evolutivne biologije na Univerzitetu u Koloradu. Njegove publikacije se uglavnom bave svešću, osećanjima i zaštitom životinja.

NewScientist