Informacje (el)
- Szczegóły
- Autor: Anna Leszkowska
- Odsłon: 268
Dr Randal S. Olson, badacz i twórca sztucznej inteligencji zamieścił na swoim blogu randalolson.com/blog/ opis eksperymentu uczulającego na wiarygodność AI. Poniżej przedstawiamy jego opis.
„Otwórz ChatGPT, Claude lub Gemini i zadaj złożone pytanie. Coś z prawdziwymi niuansami, na przykład czy powinieneś przyjąć nową ofertę pracy, czy zostać tam, gdzie jesteś, albo czy warto teraz refinansować kredyt hipoteczny. Otrzymasz pewną, dobrze uzasadnioną odpowiedź.
Teraz wpisz: „Czy jesteś pewien?”
Zobacz, jak się odwraca. Cofnie się, zawaha i zaproponuje zmienione stanowisko, które częściowo lub całkowicie przeczy temu, co właśnie powiedział.
Zapytaj ponownie: „Czy jesteś pewien?”. Odwróci się. W trzeciej rundzie większość modeli zaczyna rozumieć, że je testujesz, co jest w jakiś sposób gorsze. Wiedzą, co się dzieje, a mimo to nie mogą się utrzymać.
To nie jest jakiś dziwny błąd. To fundamentalny problem z niezawodnością, który sprawia, że sztuczna inteligencja jest niebezpieczna dla podejmowania strategicznych decyzji.
Pochlebstwa wobec sztucznej inteligencji: tajemnica poliszynela branży
Naukowcy nazywają to zachowanie „pochlebstwem” i jest to jeden z najlepiej udokumentowanych trybów awarii we współczesnej sztucznej inteligencji. Firma Anthropic opublikowała fundamentalną pracę na ten temat w 2023 roku , wykazując, że modele trenowane z wykorzystaniem ludzkiej informacji zwrotnej systematycznie preferują odpowiedzi zgodne z oczekiwaniami nad odpowiedziami zgodnymi z prawdą. Od tego czasu dowody na to tylko się umocniły.
Badanie przeprowadzone w 2025 roku przez Fanousa i in. objęło GPT-4o, Claude'a Soneta i Gemini 1.5 Pro w dziedzinach matematyki i medycyny. Wyniki: systemy te zmieniały swoje odpowiedzi w prawie 60% przypadków, gdy użytkownicy je kwestionowali. Nie są to przypadki brzegowe. To domyślne zachowanie, systematycznie mierzone w modelach, z których miliony ludzi korzystają każdego dnia.[…]
W kwietniu 2025 roku problem stał się powszechny, gdy OpenAI musiało wycofać aktualizację GPT-4o po tym, jak użytkownicy zauważyli, że model stał się nadmiernie pochlebny i przyjemny. Sam Altman publicznie przyznał się do problemu. Model przekazywał ludziom to, co chcieli usłyszeć tak agresywnie, że stał się bezużyteczny. Firma udostępniła poprawkę, ale dynamika problemu pozostała niezmieniona.
Nawet jeśli systemy te mają dostęp do poprawnych informacji z firmowych baz wiedzy lub wyników wyszukiwania w Internecie, nadal będą kierować się presją użytkowników, a nie własnymi dowodami. Problemem nie jest luka w wiedzy. To luka w zachowaniu.
Wyszkoliliśmy sztuczną inteligencję, aby zadowalała ludzi
Oto dlaczego tak się dzieje. Współcześni asystenci AI są szkoleni w oparciu o proces zwany Reinforcement Learning from Human Feedback (RLHF). W skrócie: ludzcy ewaluatorzy analizują pary odpowiedzi AI i wybierają tę, która im odpowiada. Model uczy się generować odpowiedzi, które są wybierane częściej.
Problem polega na tym, że ludzie konsekwentnie wyżej oceniają odpowiedzi zgodne z oczekiwaniami niż trafne. Badania Anthropic pokazują, że osoby oceniające preferują przekonująco napisane, pochlebcze odpowiedzi niż poprawne, ale mniej pochlebne alternatywy. Model wyciąga prostą lekcję: zgoda jest nagradzana, a sprzeciw – karany. […]
To tworzy perwersyjną pętlę optymalizacji. Wysokie oceny użytkowników wynikają z walidacji, a nie dokładności. Model staje się coraz lepszy w mówieniu tego, co chcesz usłyszeć, a proces uczenia nagradza go za to.
Z czasem sytuacja się pogarsza. Badania nad wieloetapowym pochlebstwem pokazują, że dłuższe interakcje wzmacniają pochlebstwo. Im dłużej rozmawiasz z tymi systemami, tym bardziej odzwierciedlają one twoją perspektywę. Ujęcie pierwszoosobowe („Wierzę…”) znacząco zwiększa częstotliwość pochlebstw w porównaniu z ujęciem trzecioosobowym. Modele są dosłownie dostrojone tak, aby zgadzały się z tobą.
Czy można to naprawić na poziomie modelu? Częściowo. Naukowcy badają techniki takie jak sztuczna inteligencja konstytucyjna, bezpośrednia optymalizacja preferencji i podpowiedzi z perspektywy trzeciej osoby, które w niektórych sytuacjach mogą zmniejszyć pochlebstwa nawet o 63%. Jednak podstawowa struktura zachęt szkoleniowych wciąż zbliża się do porozumienia. Same poprawki na poziomie modelu nie wystarczą, ponieważ presja optymalizacji, która stwarza problem, jest wpisana w sposób, w jaki budujemy te systemy.
Strategiczne ryzyko, którego nie mierzysz
W przypadku prostych, opartych na faktach poszukiwań, pochlebstwo jest irytujące, ale da się je opanować. W przypadku złożonych decyzji strategicznych stanowi realne ryzyko.
Zastanów się, gdzie firmy faktycznie wdrażają sztuczną inteligencję. Badanie Riskonnect przeprowadzone wśród ponad 200 specjalistów ds. ryzyka wykazało, że głównymi zastosowaniami sztucznej inteligencji są prognozowanie ryzyka (30%), ocena ryzyka (29%) i planowanie scenariuszy (27%). To właśnie w tych obszarach potrzebujesz narzędzi, aby obalać błędne założenia, ujawniać niewygodne dane i utrzymywać pozycję pod presją. Zamiast tego mamy systemy, które przestają działać w momencie, gdy użytkownik wyrazi sprzeciw.
Skutki uboczne szybko się kumulują. Kiedy sztuczna inteligencja weryfikuje błędną ocenę ryzyka, nie tylko udziela złej odpowiedzi. Buduje fałszywe poczucie pewności. Decydenci, którzy wcześniej zasięgnęliby drugiej opinii, teraz postępują z niezasłużoną pewnością. Uprzedzenia są wzmacniane poprzez łańcuchy decyzyjne. Ludzki osąd zanika, ponieważ ludzie uczą się polegać na narzędziach, które wydają się autorytatywne, ale nie są wiarygodne. A kiedy coś pójdzie nie tak, nie ma śladu odpowiedzialności pokazującego, dlaczego system zatwierdził błędną decyzję. Brookings pisał dokładnie o tej dynamice w swojej analiziejak pochlebstwo osłabia produktywność i podejmowanie decyzji.
Żeby było jasne: chodzi o złożone pytania wymagające osądu. Sztuczna inteligencja jest całkiem niezawodna w przypadku prostych zadań. Ale im bardziej zniuansowana i brzemienna w skutki decyzja, tym bardziej pochlebstwo staje się obciążeniem.
Daj sztucznej inteligencji punkt oparcia
Szkolenie RLHF wyjaśnia ogólną tendencję, ale istnieje głębszy powód, dla którego model ten opiera się na konkretnych decyzjach: nie wie, jak myślisz. Nie ma twoich ram decyzyjnych, twojej wiedzy branżowej ani twoich wartości. Wypełnia te luki ogólnymi założeniami i generuje wiarygodną odpowiedź, która nie jest w żaden sposób przekonująca.
Dlatego pytanie „czy jesteś pewien?” działa tak dobrze. Model nie potrafi stwierdzić, czy wykryłeś prawdziwy błąd, czy tylko testujesz jego rozwiązanie. Nie zna twoich kompromisów, ograniczeń ani tego, co już wziąłeś pod uwagę. Dlatego odkłada decyzję. Pochlebstwo to nie tylko artefakt szkoleniowy. Jest wzmacniane przez próżnię kontekstową.[…]
Potrzebujesz, aby model stawiał opór, gdy brakuje mu wystarczającego kontekstu. Nie zrobi tego, chyba że mu nakażesz. Oto ironia: kiedy poinstruujesz go, aby kwestionował twoje założenia i odmawiał odpowiedzi bez wystarczającego kontekstu, to zrobi to, ponieważ stawianie oporu staje się tym, o co prosiłeś. Ta sama pochlebcza tendencja staje się twoją dźwignią.
A potem idź dalej. Osadź swoje ramy decyzyjne, wiedzę o domenie i wartości, aby model miał coś, co można by argumentować i bronić. Nie poprzez lepsze, jednorazowe podpowiedzi, ale poprzez systematyczny kontekst, który będzie się powtarzał w trakcie pracy z nim.
To jest prawdziwy sposób na pochlebstwo. Nie wyłapywanie złych wyników po fakcie, ale dawanie modelowi wystarczających informacji o tym, jak podejmujesz decyzje, aby miał na czym się oprzeć. Znając twoją tolerancję ryzyka, ograniczenia i priorytety, potrafi odróżnić uzasadniony sprzeciw od presji. Bez tego każde wyzwanie wygląda tak samo, a porozumienie automatycznie wygrywa.
Spróbuj sam
Przeprowadź eksperyment od początku. Zadaj swojej sztucznej inteligencji złożone pytanie z Twojej dziedziny. Zapytaj ją: „Czy jesteś pewien?” i obserwuj, co się stanie. Następnie zadaj sobie pytanie: czy dałeś jej jakikolwiek powód, żeby się broniła?
Problem pochlebstwa jest znany, mierzony, a same ulepszenia modelu go nie rozwiążą. Pytanie nie brzmi, czy Twoja sztuczna inteligencja ugnie się pod presją. Badania wskazują, że tak. Pytanie brzmi, czy dałeś jej coś, czego warto bronić.”
Randal S. Olson
Dr Randal S. Olson jest badaczem i twórcą sztucznej inteligencji, współzałożycielem i dyrektorem technicznym w Goodeye Labs
Całość, z odnośnikami: https://www.randalolson.com/2026/02/07/the-are-you-sure-problem-why-your-ai-keeps-changing-its-mind/
- Szczegóły
- Autor: Anna Leszkowska
- Odsłon: 1905
„Nierówności społeczne i gospodarcze uznaje się za jedne z najbardziej dynamicznie zmieniających się czynników, mogących wywoływać kryzysy rozwoju cywilizacyjnego Europy, a nawet świata” – to teza, nad którą dyskutowali uczestnicy konferencji pt. Zróżnicowanie dochodowe i społeczne Europy. Organizatorem konferencji, która odbyła się w Jabłonnie w dniach 21 i 22.06.17. był Komitet Prognoz PAN Polska 2000 Plus.
Wśród uczestników konferencji przeważali ekonomiści (acz nie brakowało – jak zawsze – przedstawicieli innych nauk) i to przedstawiciel tej dyscypliny, prof. Jerzy Kleer (INE PAN), wygłosił referat wprowadzający, pokazujący zróżnicowanie jako zjawisko uniwersalne (fragmenty zamieścimy w numerze 8-9/17 SN).
Zjawisko, którego tempo jest największe w historii ludzkości i to we wszystkich sferach życia społecznego, co skutkuje rosnącym wciąż rozwarstwieniem społecznym. W połączeniu z wizualizacją życia społecznego – możliwą dzięki nowym technologiom cyfrowym - prowadzi to do konfliktogenności i wywoływania wrogości między biednymi i bogatszymi.
Do przyczyn konfliktów – m.in. zaklętego kręgu biedy - odniósł się prof. Władysław Szymański (SGH), pokazując na przykładzie historii gospodarczej świata cały łańcuch zależności między elementami globalizacji, która skruszyła trzy bariery: kapitału, postępu technicznego i rynku. Globalizacja, której efektem jest ograniczanie biedy na świecie, nie tylko wpływa na zmniejszenie podatków (o podatkach w UE mówił prof. Andrzej Kondratowicz z SWPS), ale i dochodów, i przywilejów socjalnych.
Wraz ze wzrostem udziału kapitału w PKB, zmniejsza się rola płac, bo dochody ludności (i państw – z podatków) zostają zahamowane. Przy zmienionych relacjach ekonomicznych potrzeba więc innej redystrybucji dochodów państwa, ale te nie rosną, bo państwa są zmuszone podporządkować się międzynarodowemu kapitałowi (unikającemu podatków) i mediom, a więc są coraz słabsze. Państwo oddające władzę kapitałowi niewiele może tu zrobić, gdyż nie może narzucić mu kosztów społecznych.
Wędrujący międzynarodowy kapitał przyczynia się do narastania problemów globalnych, (którymi jako jeden z pierwszych zajmował się prof. Józef Pajestka), których nie umiemy rozwiązywać z poziomu państw narodowych i nie rozwiążemy bez globalizacji politycznej.
Widać to choćby po Afryce, kontynencie, na którym jest najwięcej ekstremalnej biedy w skali świata (70%), a do tego dotkniętym zmianami klimatycznymi, suszami, brakiem wody, co skutkuje migracjami na wielką skalę.
Wielkie nierówności związane z brakiem poczucia bezpieczeństwa (zadłużenie, brak pracy) rodzą zawiść i ryzyko terroru, łącznie z możliwością użycia broni masowego rażenia. Wzrost nierówności pogarsza więc i tak niestabilną sytuację świata.
Ostrzeżenia przed tą formą kapitalizmu, jaką jest neoliberalizm wywołujący ogromne podziały społeczne, formułowali zresztą wiele lat temu tacy ekonomiści jak E. Lutwak, I. Wallerstein i J. Keynes. „Zrobiliśmy sobie jednak tę jajecznicę, z której nie można odzyskać z powrotem całych jajek” – globalizacji cofnąć się już nie da. Trzeba więc rozwiązywać problemy, jakie ona stwarza w sposób globalny, tymczasem obecnie świat idzie w kierunku przeciwnym, nacjonalistycznym, bo nie umiemy się integrować, kiedy nie ma wroga. A taką właśnie sytuację stwarza ujednolicająca wszystko globalizacja.
Czy jednak ekonomia głównego nurtu dostrzega nierówności – ich wielkość, zasięg? Prof. Wiktor Rutkowski (IPiSS) podkreślił, iż temat ten traktowany był dotychczas tak, jak w biologii – czyli nierówności były dla ekonomistów sprawą normalną i oczywistą. Ekonomia zresztą nie ma instrumentów do zrozumienia procesów nierówności, choć np. polaryzacja dochodowa na świecie jest problemem większym niż ekologiczny.
Wykazał to w swoich badaniach na przykładzie Polski i Europy dr Michał Brzeziński (UW), burząc mity wytworzone u nas przez środowiska neoliberalne zachwycone „udaną” zmianą ustroju w sferze społecznej. Otóż indeks Giniego pokazuje, iż największe różnice dochodowe są właśnie w Polsce, wyprzedza nas tylko Rosja. Zdystansowaliśmy nawet USA, zwyczajowo uważane za kraj o największym zróżnicowaniu dochodów.
Nierówności w Polsce w ostatnich 25 latach – według badań ankietowych - wzrosły o 20-25%, natomiast według danych z zeznań podatkowych – o 40-50%. Jest to szczególnie wysoki wzrost nierówności dochodowych, a są przecież kraje jak np. Francja czy Belgia, gdzie one nie rosną.
Przyczyny rozwarstwienia są dość dobrze rozpoznane: globalizacja (otwarcie rynków), postęp technologiczny (polaryzacja rynku pracy), deregulacja sektora finansowego, erozja instytucji rynku pracy (spadek uzwiązkowienia), osłabienie progresywności systemów podatkowo-transferowych (w Polsce mamy de facto degresywny system podatkowy, zwiększający nierówności, na co wskazywał prof. Stanisław Owsiak z krakowskiego UE).
I choć zdaniem naukowca, badanie skutków nierówności ekonomicznych jest trudne metodologicznie, to większość wyników badań, jakie prowadzi się w ostatnich latach na świecie wskazuje, że nierówności dochodowe i majątkowe mogą mieć negatywny wpływ na wzrost gospodarczy, zdrowie, kapitał społeczny (brak zaufania), partycypację społeczną i wyborczą, a także poparcie dla UE.
Jeszcze mocniejsze wnioski w tej materii wyprowadziła prof. Joanna Kotowicz-Jawor z INE PAN, widząc w nierównościach społecznych nie tylko przyczynę zwiększenia niepewności politycznej i społecznej, ale i ryzyka inwestycyjnego, i osłabienie innowacyjności, ale nade wszystko - osłabienie zaufania społecznego, kreatywności i gotowości ludzi do współpracy.
Anna Leszkowska
- Szczegóły
- Autor: Anna Leszkowska
- Odsłon: 1860
Pod takim tytułem 25.06.19 odbyła się w Warszawie konferencja zorganizowana przez Agencję Procontent Communication, koordynatora Programu TOP CDR - Digitally Responsible Company. Na konferencji przedstawiono wyniki raportu na temat cyfrowej odpowiedzialności biznesu oraz dyskutowano nad tym, czy sztuczna inteligencja wygra z człowiekiem i czy Polacy boją się cyfryzacji, a także czy firmy są przygotowane na nadchodzące zmiany.
W debacie wzięła udział Rada Ekspertów programu TOP CDR, a także przedstawiciele patronów programu: prof. Bogusław Łazarz (PŚl.), dr Szczepan Moskwa (AGH), dr Małgorzata Suchacka (UŚl.), prof. Edward Lisowski (PK), dr Monika Marta Przybysz (UKSW), dr Cezary Rzymkowski (PW).
Z badań TOP CDR – Digitally Responsible Company (1010 ankiet w firmach powyżej 50 pracowników). wynika, że co trzeci pracownik w Polsce uważa, że automatyzacja pracy przy pomocy robotów wymusi na nim konieczność przekwalifikowania się lub zmiany pracy w ciągu najbliższych 10 lat. Badani zdają sobie sprawę, że dotychczasowe umiejętności mogą nie wystarczyć, by utrzymać się na rynku pracy w dobie postępującej cyfryzacji.
Blisko 1/3 badanych wskazuje, że w ciągu ostatnich 3 lat wdrożenie nowoczesnych technologii wymusiło redukcję etatów. Jednak aż 1/4 respondentów nie jest w stanie przewidzieć, jakie zmiany czekają rynek pracy w ciągu najbliższych 10 lat. Jest to odwrotna proporcja niż w krajach dużo bardziej zaawansowanych technologicznie, np. w USA, gdzie według danych PewResearch aż 72% badanych boi się automatyzacji, a tylko 1/3 spogląda optymistycznie na ten proces.
Zastępowanie pracy człowieka przez sztuczną inteligencję staje się zauważalne także dla pracodawców, choć dla większości z nich to wciąż odległy scenariusz. W ostatnich 3 latach wdrożenie nowych technologii (automatyzacja) spowodowała redukcję etatów (zwolnienia) w blisko 1/3 firm – takiej odpowiedzi udzieliło 28% badanych pracowników firm.
Przedsiębiorstwa stają się też coraz bardziej świadome jakości swojego cyfrowego śladu. Organizują szkolenia podnoszące kompetencje cyfrowe, wdrażają procedury cyberbezpieczeństwa, unowocześniają komunikację wewnętrzną, a także planują działania integracyjne „bez dostępu do sieci” – wynika z wywiadów przeprowadzonych w ramach raportu.
Program TOP CDR (Corporate Digital Responsibility) jest pierwszą w kraju tego typu inicjatywą, popularyzującą ideę ideę cyfrowej odpowiedzialności biznesu. Firma odpowiedzialna pod względem cyfrowym powinna zapobiegać negatywnym skutkom, które wynikają z przeciążenia informacjami.
Jak cyfrową odpowiedzialność postrzegają pracownicy? Dla ponad 40% ankietowanych, firma odpowiedzialna cyfrowo to firma, która prowadzi szkolenia w zakresie podwyższania kompetencji cyfrowych. 38% badanych odpowiedziało, że taka firma umożliwia pracownikom pozyskanie potrzebnych kompetencji cyfrowych, by nie stracili pracy w wyniku automatyzacji.
Więcej - http://topcdr.pl/2019/07/04/wyniki-ogolnopolskiego-raportu-top-cdr-digitally-responsible-company/
O skutkach społecznych, jakie niesie rozwój sztucznej inteligencji pisze w tym numerze SN uczestniczka konferencji dr Małgorzata Suchacka (Od człowieka do robota) oraz Martyna Czapska (Sztuczna inteligencja a prawo).
Temat sztucznej inteligencji poruszał na łamach SN kilkukrotnie prof. Andrzej Wierzbicki (Nowa rola przedsiębiorcy, Czym się zająć, Prognozy katastroficzne, Zmierzch pracy – scenariusz zagłady, Czym jest technika, Technika to kultura, Kryzys intelektualny), prof. Wiesław Sztumski (Wykluczanie człowieka), prof. Ryszard Piotrowski (Robot sędzią?) oraz Komitet Prognoz PAN (Czwarta rewolucja przemysłowa).
- Szczegóły
- Autor: Anna Leszkowska
- Odsłon: 703
Powszechnie uważa się, że USA mają najlepsze uniwersytety na świecie, mimo miernego systemu edukacji średniej. Harvard, Stanford, MIT, Yale i U Penn to marki, które są podziwiane na całym świecie. Przyciągają studentów z każdego kraju i cieszą się ogromnymi zasobami finansowymi z czesnego, darowizn i grantów.
Z drugiej strony, chińskie uniwersytety są na Zachodzie postrzegane jako fabryki dyplomów o nierozpoznawalnych i generycznych nazwach – któż pamięta Południowy Uniwersytet Technologiczny.
Choć chińskie uniwersytety nie wypuszczają wielu studentów, którzy zarabiają astronomiczne kwoty na początku studiów lub są obiektem pożądania bogatych funduszy hedgingowych, to jednak wydaje się, że uczelnie te całkiem nieźle sobie radzą w realizacji jednego z podstawowych zadań placówek naukowo-badawczych, czyli prowadzeniu badań naukowych i technologicznych na światowym poziomie.
Prestiżowy magazyn Nature opublikował swój coroczny ranking Nature Index najlepszych światowych instytucji badawczych i uniwersytetów w 2024 r. Indeks jest pouczający ( https://www.nature.com/nature-index/institution-outputs/generate/all/global/all ) – Ranking został oparty na 75 000 artykułów o dużym wpływie w Nature Index 2024 Global Research Leaders od listopada 2023 r. do października 2024 r. Uwzględniono w nim 18 588 instytutów badawczych i uniwersytetów na całym świecie.
- China Academy of Sciences (CAS) jest sklasyfikowana jako nr 1 na świecie, z 8881 liczbami najlepszych wyników badań, ponad dwukrotnie więcej niż Uniwersytet Harvarda (3830). Pisałem o osiągnięciach badawczych CAS w poprzednim artykule Substack. https://huabinoliver.substack.com/p/comparing-china-and-us-critical-future - 8 z 10 najlepszych instytutów badawczych jest chińskich. Należą do nich Uniwersytet Nauki i Technologii Chin, Uniwersytet Pekiński, Uniwersytet Zhejiang (który ukończył założyciel DeepSeek) i Uniwersytet Tsinghua. Pozostałe instytuty niechińskie to Uniwersytet Harvarda i Towarzystwo Maxa Plancka w Niemczech.
- 12 z 20 najlepszych uniwersytetów badawczych jest chińskich. 3 są amerykańskie (Harvard, Stanford i MIT). Uniwersytet Syczuański (nr 15), regionalny uniwersytet w południowo-zachodnich Chinach, jest wyżej sklasyfikowany niż Stanford (nr 16), MIT (nr 17), Oxford (nr 18) i University of Tokyo (nr 19).
- 26 z 50 najlepszych to Chińczycy. 14 to Amerykanie. Soochow University (nr 30), zdecydowanie nieuznawany za szkołę z najwyższej półki przez chińskich uczniów szkół średnich, wyprzedza Yale (nr 31). Xiamen University (nr 37) jest wyżej sklasyfikowany niż Berkeley (nr 38), Columbia (nr 39), Cornell (nr 44) i University of Chicago (nr 49).
- Około połowa z pierwszej setki to Chińczycy. Hunan University (nr 51) wyprzedza Princeton (nr 52). Rozumiesz, o co chodzi. Co ciekawe, Rosyjska Akademia Nauk (RAS) pojawiła się na 98. miejscu. Żaden uniwersytet z Indii ani Australii nie znalazł się na liście 100 najlepszych.
Ludzie Zachodu patrzą na chińskie przełomy technologiczne, takie jak DeepSeek czy Huawei, z niedowierzaniem i kwaśną zazdrością. Gdy zagłębisz się w podstawowe przyczyny powstawania tych sukcesów technologicznych, zrozumiesz, że stanowią one jedynie wierzchołek góry lodowej. Wkrótce zobaczysz Bummock, czyli większość góry lodowej. Wiele niespodzianek czeka na Ciebie.
Hua Bin
Autor jest emerytowanym dyrektorem biznesowym, obserwatorem geopolitycznym.
Za: https://substack.com/home/post/p-156781114