Топ 1
Наконец то я нашел топового автора на первом месте в Пикабу и почему то меня это не удивило.
Наконец то я нашел топового автора на первом месте в Пикабу и почему то меня это не удивило.
Пользуясь случаем, хочу передать привет всем своим подписчикам, вы у меня супер котики!😘
Впервые меня видящим, желаю располагаться поудобнее: вот тут у нас страшная история, сюда я положила что для вас сама нафоткала красивого, тут картинки веселые присутствую, а здесь кошки смешно тянут ножки.
Подписывайтесь, чаечек с клубникой берите (у себя, у меня нету), и читайте смотрите в свое удовольствие.
Ещё воспользуюсь славой: Вовка из 9в, ну ты и тупица!! до сих пор забыть тебя не могу!! не пиши (звони, номер в ЛС).
Поддержать нас можно донатом для котеек по ссылке https://pay.cloudtips.ru/p/d6757ea0 благодарим ♥️
Вот читаю серию этих постов, и в тексте явно прослеживается любовь автора к экономикам смешанного типа. Пост выглядит как замаскированное восхваление государственного вмешательства с элементами социалистических идей, обёрнутое в модные термины вроде "data trusts", базовый доход и коллективное владение алгоритмами. Мол, раньше все мы знаем, что были проблемы с госкомпаниями (стагнация, неэффективность), но от этих проблем нас спасёт Big Data и ИИ, они якобы обеспечат прозрачность и механизмы подотчётности.
одновременно рост сложности производства требует координации, которую частный рынок не всегда обеспечивает
Сложность не аргумент против рынка. Частный рынок не только справляется с сложностью, но и делает это эффективнее централизованных систем, он обеспечивает спонтанную координацию через цены, контракты и конкуренцию. Государственная координация часто усугубляет проблемы, приводя к дефициту, перерасходам и коррупции, как видно из исторических и современных примеров.
В СССР центральное планирование не справлялось с производством даже базовых товаров. В ЕС вся государственная координация приводит к коррупции и неэффективности.
В Китае, несмотря на гибридную модель, государственная координация привела к множеству провалов, экономика стагнирует из-за долгов, коррупции в государственных предприятиях и неудачных инициатив вроде, проекты убыточны из-за взяток и плохого управления рисками.
Государственный орган принципиально не способен собрать и эффективно использовать всю распределённую информацию для координации экономики, поскольку знания в обществе децентрализованы, субъективны, эфемерны и распределены среди миллионов индивидов. Это не вопрос объёма данных, а их природы.
Экономические знания не являются централизованными фактами, которые можно собрать в одном месте, они разбросаны среди миллионов индивидов и включают не только явные данные, но неявное знание: интуитивные навыки, локальные обстоятельства, изменчивые предпочтения и непредвиденные инновации, они по природе своей не могут войти в статистику.
Если даже я, как потребитель, не знаю, что захочу завтра, то как центральный орган может собрать и учесть миллионы таких изменчивых сигналов от всех потребителей? Никак. И это приводит к фундаментальному провалу центрального планирования, оно опирается на упрощённые модели и исторические данные, игнорируя динамику реальной жизни.
Вопрос формы собственности – одна из ключевых осей, по которым устроены экономические системы; от неё зависят распределение рисков и выгод, мотивация к инновациям и характер институциональной ответственности. Частная собственность концентрирует контроль над средствами производства в руках юридических и физических лиц, что обычно усиливает предпринимательскую инициативу и ускоряет технологические обновления, но одновременно создаёт склонность к накоплению ренты и усилению неравенства (если институты перераспределения слабые). Государственная собственность даёт возможности для координации крупных стратегических программ и обеспечения базовых социальных благ, но при отсутствии механизмов подотчётности склонна к неэффективности и искажениям ввода-вывода; в условиях современного ИИ-прогнозирования государство получает теоретическую возможность точнее управлять ресурсами, но это требует прозрачных аудитов и защиты прав. Смешанная форма собственности сочетает рыночные стимулы с публичными целями: частные фирмы действуют в конкурентной среде, а государство сохраняет контроль над критическими секторами и распределением социальных благ; такая гибридность часто оказывается наиболее приспособленной в переходные эпохи, поскольку позволяет комбинировать динамику инноваций с социальными страховками. Общинная (кооперативная) собственность ориентирована на коллективное владение и принятие решений, она лучше защищает локальные интересы и часто показывает высокую устойчивость в условиях ограниченных ресурсов; в современную эпоху цифровых кооперативов эта модель приобретает новые формы, связанные с коллективным владением данных и платформ.
Эволюция доминирующей формы собственности обычно идёт не скачком, а через гибридизацию: повышение производительности и массовая автоматизация делают возможным аккумулирование сверхприбыли у владельцев капитала, что порождает политическое давление на перераспределение; одновременно рост сложности производства требует координации, которую частный рынок не всегда обеспечивает, – отсюда появляются государственные фонды, публично-частные партнёрства и платформенные кооперативы. Технологический сдвиг, особенно внедрение нейросетей для прогнозирования многомерных временных рядов и оптимизации логистики, меняет структуру выгод: данные и алгоритмы становятся ресурсом не менее важным, чем земля или завод, и вопрос собственности на данные (data trusts, публичные реестры) превращается в новый фронт распределения. Если алгоритмы принадлежат узкой элите, автоматизация усилит концентрацию; если же общество создаст институты коллективного владения алгоритмами или фонды, распределяющие доходы от ИИ в виде дивидендов/базового дохода, эффект автоматизации может стать общественным благом.
С точки зрения устойчивости и адаптивности, частная собственность склонна к быстрой селекции эффективных ниш, но уязвима к системным рискам из-за концентрации; государственная собственность обеспечивает стратегический резерв и равномерность доступа, но требует механизмов обратной связи, чтобы не застрять в стагнации. Комбинация этих качеств в смешанных моделях даёт простор для экспериментов: можно прототипировать кооперативные фабрики, национализировать критические инфраструктуры в кризис и возвращать их в частное управление в спокойное время, вводить специальные налоги на сверхприбыли для финансирования социальных программ и одновременно стимулировать частные инвестиции в НИОКР.
Ниже представлена компактная матрица, помогающая соотнести формы собственности с практическими характеристиками и примерами (условные оценки в трёхбалльной шкале: высокая/средняя/низкая):
Выбор формы собственности в конкретной стране обусловлен не только экономической логикой, но и институциональной историей, политической волей и культурными предпочтениями. Ключевая задача современного менеджера политической экономики – выстроить институциональные механизмы, которые позволят извлечь технологические дивиденды (автоматизацию, ИИ) туда, где они повышают общее благосостояние, и одновременно создать контрмеры против концентрации ренты (прозрачность, прогрессивное налогообложение, дивиденды от общих активов, коллективное владение данными). Только такая прагматическая гибридизация форм собственности делает возможным переход от «автоматизированного богатства для немногих» к модели, в которой автоматизация служит общественным целям.
--
Предыдущий пост (в сообществе Наука | Научпоп): Иерархия экономической систематики. Царство (regnum)
Продолжение: Иерархия экономической систематики. Класс (classis)
Этот пост входит в Часть 11. Иерархия экономической систематики
Структурированная таксономия экономических систем в виде восьми рангов: от домена до вида. Матрицы и эволюционное дерево, которые помогают соотнести формы собственности, механизмы координации и роль государства с современными технологическими вызовами. Особое внимание уделено влиянию дешёвых вычислений, больших данных и нейросетей на смягчение ограничений планирования и на новые риски концентрации ренты, а также институциональным требованиям прозрачности и аудита.
Научпоп-серия Происхождение экономических систем
--
Пост с содержанием серии: Происхождение экономических систем путём естественного отбора
В области «царства» экономического управления различие между централизованным и децентрализованным подходами коренится не в идеологии, а в практических механизмах координации ресурсов и принятия решений: централизованная модель полагается на единую точку учёта и власти, способную быстро перераспределять ресурсы по заданным целям, тогда как децентрализованная опирается на множество автономных узлов, которые координируются через сигналы рынка, сетевые протоколы или кооперативные соглашения. Оба подхода имеют свои сильные и слабые стороны – централизованное управление обеспечивает масштабную мобилизацию и выполнение долгосрочных проектов, но требует огромного объёма точных вводных данных, сложной обратной связи и несёт высокий риск злоупотребления властью и статики; децентрализация выигрывает в гибкости, локальной адаптивности и стимулировании горизонтальных инноваций, но может страдать от фрагментации, дублирования усилий и проблем с координацией на крупномасштабных инфраструктурных задачах.
В современных условиях технологического прогресса эти классические контрасты начинают пересекаться: нейросетевые прогнозы, IoT-датчики и распределённые реестры уменьшают стоимость сбора и верификации вводных данных, делая центрирование управления теоретически более «точным», тогда как блокчейн-протоколы, платформенная экономика и цифровые кооперативы усиливают возможности децентрализованной координации и коллективного владения капитала. На практике наиболее жизнеспособны гибридные архитектуры – многослойные системы, где стратегические параметры (энергетика, национальные резервы, крупномасштабные инвестиции) координируются на высоком уровне с помощью прогнозной аналитики и обязательных стандартов, а оперативные решения остаются за локальными или рыночными агентами, что сохраняет адаптивность и стимулирует эксперименты. Важнейший технологический и политический вопрос здесь – как выстроить институты доверия, проверки и ответственности: автоматизированные агрегаторы данных и алгоритмические оптимизаторы могут повысить эффективность перераспределения и снизить человеческие искажения, но без прозрачных механизмов аудита, права на отзыв решений и общественного контроля централизованная система легко превращается в инструмент закрытого распределения.
Ниже – компактная сравнительная матрица ключевых характеристик двух типов управления, которая помогает увидеть, где уместна централизация, где – децентрализация, а где – их комбинация:
Если цель – максимизировать социальную устойчивость и инновационную гибкость, рациональная архитектура – это не «чистый» централизм или анархия рынков, а система с ясными институциональными границами: стратегическое планирование, подкреплённое открытими алгоритмическими аудитами и гражданским контролем, сочетается с децентрализованными рынками и кооперативами, которые обеспечивают вариативность и эксперимент. Такая многослойная модель уменьшает риски как чрезмерной концентрации ресурсов у «центра», так и хаотической фрагментации, делая эволюцию экономической формации более управляемой и менее уязвимой к шокам.
--
Предыдущий пост (в сообществе Наука | Научпоп): Иерархия экономической систематики. Таксономические ранги. Домен (regio). Систематика человеческой деятельности
Продолжение: Иерархия экономической систематики. Тип (phylum)
Этот пост входит в Часть 11. Иерархия экономической систематики
Структурированная таксономия экономических систем в виде восьми рангов: от домена до вида. Матрицы и эволюционное дерево, которые помогают соотнести формы собственности, механизмы координации и роль государства с современными технологическими вызовами. Особое внимание уделено влиянию дешёвых вычислений, больших данных и нейросетей на смягчение ограничений планирования и на новые риски концентрации ренты, а также институциональным требованиям прозрачности и аудита.
Научпоп-серия Происхождение экономических систем
--
Пост с содержанием серии: Происхождение экономических систем путём естественного отбора
Спасибо, @irviny, ваш развернутый пример полезен и именно подтверждает логику моей серии, потому что он демонстрирует, как один шок (пандемия) взаимодействует с уже накопленными структурными уязвимостями и политическими факторами, порождая длительные изменения - см. подробный разбор в части 8 «Влияние мутаций: инновации и кризисы».
Насчёт причинности: я не утверждаю, что «ковид сам по себе был единственной и достаточной причиной» - кризисы редко имеют единственную причину, они возникают как результат сочетания хронических слабостей и внезапного шока. Пандемия выступила именно как мощный внешний шок, который резко и одновременно ударил по множеству звеньев цепочки: локдауны и карантины уменьшили рабочую силу в портах и на предприятиях, резко вырос онлайн-спрос на потребительские товары, контейнеры и суда оказались в физических местах, не соответствующих новым торговым потокам, логистические очереди и карантинные требования увеличили оборотность судов - в сумме это породило дефицит контейнеров и перепады тарифов. То есть ковид не «создал» предшествующие институциональные и политические трения, но он их выявил и усилил, дав механизму перехода дополнительную энергию - как и любой сильный шок в системной теории, здесь уместен глагол «вызвал». Подробности этой взаимосвязи разбираю в 4.7, 8.6 и 8.7.
Про санкции и контейнеры: санкции, торговые войны и тарифы действительно меняют торговые потоки и усложняют логистику, но временные дефициты контейнеров в 2020-2021 имеют в основе именно логистические и спросовые аномалии (сильный перенос спроса в ритейле, закрытие производств в одном месте и открытие в другом), а также задержки в портах и стоянку флота; санкции - важный фон и фактор перенастройки сети, но не исключают роль эпидемии как триггера. Это пример мультикаузальности: политические факторы и пандемия складывались вместе. См. обсуждение мультифакторных триггеров в 8.2 и 8.7.
Почему цены не вернулись к доковидному уровню: рынки демонстрируют эффект гистерезиса - шоки могут вызвать долговременные отклонения из-за структурных сдвигов. Увеличились издержки: стоимость топлива, затраты на фрахт и страхование, инвестиционные циклы по пополнению флота и контейнерного парка занимают годы; портовая инфраструктура и цепочки поставок не восстанавливаются мгновенно; к тому же бизнес переоценивает риски и закладывает премии за устойчивость и гибкость. Потому «ценовые волны» стали более устойчивыми, пока совокупное предложение не адаптируется и не перестроит распределения активов. Этот момент я разбираю в 8.3 и 8.4.
По локализации производства: утверждение, что «локализация - это только политическое решение», недооценивает экономическую мотивацию фирм. Многим компаниям реальная оценка риска (разрывы поставок, волатильность тарифов, политические риски) показала, что сверх-оптимизированные глобальные сети с минимальными запасами уязвимы; следовательно, наряду с политическими инициативами, коммерческие стратегии стали учитывать ниаршоринг [1], мультисорсинг и буферизацию критических поставок. Это не обязательно полный отказ от глобальной торговли, а перестройка архитектуры устойчивости - темы 8.6 и 8.7.
Про «ИИ не сделан» и «нейросети - это маркетинг»: согласен, что под «ИИ» часто понимают разные вещи, и хайп вокруг AGI [2] мешает разговору об уже реализованных инструментах. Важно различать: речь не о гипотетическом общем интеллекте, а о прикладных моделях и алгоритмах машинного обучения, оптимизации и прогнозирования, которые в логистике и цепях поставок уже применяются - прогноз спроса, динамическая маршрутизация, оптимизация запасов, предиктивное обслуживание и роботы на складах. Эти инструменты, конечно, не безошибочны и требуют человеческого контроля, но они реальные и уже меняют операционную эффективность. Критический разбор возможностей и ограничений таких систем дан в 8.6 и 8.7.
В итоге ваш пример не опровергает мою тезисную линию, а подтверждает её: кризисы - это точки усиленной селекции, где комбинация долгосрочных уязвимостей и краткосрочных шоков формируют новые траектории развития. Спор о том, какой фактор первичен, продуктивен лишь если мы рассматриваем взаимодействия и временные последовательности, это и делает анализ в части 8 практическим, а не абстрактным. Ещё раз спасибо за конкретику - она помогает уточнять аргументы и показывает, где нужны дополнительные эмпирические разборы (см. 8.4 и 8.8).
Касательно «поздравляю, ты нейросеть»: здесь как раз перепутана причинность - большие языковые модели обучались на огромном корпусе научных и аналитических текстов, поэтому их стиль часто напоминает научпоп, когда автор сознательно старается быть точным, логически последовательным и структурированным. Я уже неоднократно сталкивался при подаче научных статей в рецензируемые журналы с ложными подозрениями со стороны системы антиплагиат.ру, которая помечала большие куски статьи как «сгенерированные», хотя это была написанная с нуля работа.
--
Источники
Часть 8. Влияние мутаций: инновации и кризисы
Роль технологических, социальных и финансовых кризисов в преобразовании экономических систем. Анализ примеров внезапных изменений, таких как Великая депрессия, промышленная революция и цифровая трансформация.
8.6 Цифровая трансформация: от локальных изменений к глобальным мутациям
8.7 Взаимосвязь кризисов и инноваций: модели ускоренного роста
--
Пост с содержанием серии: Происхождение экономических систем путём естественного отбора