Главные инвестиционные темы на ближайшие пять лет

Попытка Bank of America представить себе ведущие силы, которые будут определять мир инвестиций в ближайшие пять лет

https://www.marketwatch.com/story/forget-the-magnificent-seven-here-are-the-biggest-investment-themes-in-the-next-five-years-7c21b138

Перевод в комменте

Очень глубокое и простым понятным языком объяснение переспектив работы систем ИИ. Эрик Шмидт (бывший генеральный директор и член совета директоров Google) рассказал о будущем ИИ, гонке с Китаем и угрозе неконтролируемых технологий. Он предсказал появление мощного Китайского ИИ, объяснил как его сделают и какие у него будут проблемы. Он также рассказал о том, как Китаю, США и Европе работать над искусственным интеллектом сообща.

00:00 Угрозы ИИ
12:43 Китайские ИИ - чего стоит опасаться?
19:20 Как развивается ИИ в Китае?

https://youtu.be/NG8a-440-nY?si=35rrEyel8U8H9vEB

DeepSeek moment

Нельзя ничего не сказать про DeepSeek. Эти ребята просто супер молодцы — так задизраптить всё поле мало кому удавалось. Ну OpenAI со своим ChatGPT, потом Цукерберг с Llama в опенсорсе, теперь вот DeepSeek.

DeepSeek сумели обучить модели хорошего качества по ценам на порядок ниже конкурентов.

Во-первых, DeepSeek-V3 (https://github.com/deepseek-ai/DeepSeek-V3), включает две модели DeepSeek-V3-Base и чат-версию DeepSeek-V3. Обе являются MoE с 671B параметров всего и 37B активных. Не для простых смертных модели, надо иметь неслабую multi-GPU конфигурацию что-то типа 8 H200 (но есть сжатые варианты от разных товарищей). По качеству где-то уровня GPT-4o 0513 и Claude-3.5-Sonnet-1022 и выше LLaMA-3.1 405B.

Есть разные оценки, сколько стоило обучение Ламы 3.1 405B. В самой работе (https://arxiv.org/abs/2407.21783) сказано, что использовалось до 16,384 H100 и упоминается предобучение в 54 дня (но там и другие этапы обучения были). Одна из не самых высоких оценок говорит, что стоить должно было порядка $60M (https://x.com/_LouiePeters/status/1816443587053092917?lang=en).

Про DeepSeek-V3 известно чуть конкретнее. Они использовали H800, урезанный для Китая экспортный вариант H100, и они сами пишут, что для полного обучения потребовалось 2.788M H800 GPU-часов, что соответствует $5.576M при цене аренды H800 в $2 за час.

Ну типа на десятичный порядок меньше. При сравнении с OpenAI наверное разница ещё больше.

Это как с Индией, которая отправляла аппараты на Марс и Луну дешевле, чем в Голливуде фильмы про космос делаются: марсианский Mangalyaan за $74M и лунный Chandrayaan-3 за $75M против фильма “Гравитация” за $100M (https://www.business-standard.com/india-news/what-makes-india-s-space-missions-cost-less-than-hollywood-sci-fi-movies-124110400430_1.html).

Во-вторых, DeepSeek-R1 (https://github.com/deepseek-ai/DeepSeek-R1), модели с ризонингом по типу OpenAI o1 или Google Gemini Thinking. В семействе две модели: DeepSeek-R1-Zero и DeepSeek-R1, обе построены на базе DeepSeek-V3-Base и такого же большого размера.

DeepSeek-R1-Zero (по аналогии с AlphaZero) обучена чистым RL (Group Relative Policy Optimization, GRPO — вариант PPO из другой их статьи, https://arxiv.org/abs/2402.03300), без SFT. Я думаю это очень значимый результат, как в Го оказалось, что можно без человеческих партий, так и здесь постепенно оказывается. Из интересного, во время обучения у модели случился “aha moment”, когда в цепочке рассуждений модель выдала “Wait, wait. Wait. That’s an aha moment I can flag here.” и пересмотрела изначальный подход к решению задачи.

Zero хороша, но иногда уходит в повторы, смешивает языки, не очень читабельна. DeepSeek-R1 перед RL обучена на небольшом (тысячи) количестве CoT примеров, они это называют Cold start data, чтобы дать более качественную начальную точку для RL. Далее тот же Reasoning-oriented RL, что и у Zero. Далее SFT на ризонинг (600k) и не-ризонинг (200k) данных. И потом ещё дополнительный этап RL. Эта модель сравнима с OpenAI-o1-1217.

Из того, что не привело к успеху: Process Reward Model (PRM) и Monte Carlo Tree Search (MCTS).

Также выпущена куча dense дистиллятов (1.5B, 7B, 8B, 14B, 32B, 70B) из R1 на базе Qwen и Llama. Эти сопоставимы с OpenAI-o1-mini.

HuggingFace взялся за Open R1 (https://github.com/huggingface/open-r1), полностью открытое воспроизведение DeepSeek R1. В кои-то веки не Китайские исследователи догоняют западных, а наоборот!

Есть и другая репликация, из Гонконга, от NLP Group @ HKUST (https://github.com/hkust-nlp/simpleRL-reason).

Но и этого DeepSeek показалось мало, и сегодня они выпустили ещё и Janus-Pro, развитие предыдущего Janus (https://github.com/deepseek-ai/Janus) с улучшенным обучением, данными и большим размером. Это мультимодальная моделька на 1B и 7B, умеет принимать на вход текст и картинки и на выходе тоже выдавать текст и картинки. На генерации вроде как бьют Dalle-3, SDXL, SD3-Medium.

Выступил перед коллегами сегодня по теме: Зачем владельцам и акционерам совет директоров

McKinsey и LeanIn.Org выпустили юбилейный отчет "Женщины на рабочем месте 2024" — они следят за ситуацией уже 10 лет. Разберемся, что изменилось за это время и почему до равенства всё ещё далеко.

👍Хорошая новость: доля женщин в топ-менеджменте (C-suite) выросла с 17% в 2015 году до 29% в 2024-м. Казалось бы, прогресс налицо. Но не спешите радоваться — при таких темпах белым женщинам потребуется ещё 22 года, чтобы достичь паритета с мужчинами. А женщинам из меньшинств придётся ждать больше 48 лет. Это значит, что девочки, которые сейчас ходят в школу, столкнутся с теми же проблемами, что и их мамы.

В чём загвоздка? Оказывается, в самом начале карьерной лестницы. Исследователи называют это "разрывом на первой ступени" — женщин реже берут на начальные менеджерские позиции и реже повышают до уровня менеджера. А именно с этих позиций и начинается путь к руководящим должностям.

Интересный факт: значительная часть роста женщин в руководстве связана не с тем, что их стали чаще повышать. Просто компании сокращают линейные позиции (где традиционно больше мужчин) и увеличивают штатные должности (где больше женщин). Но этот путь к равенству не может длиться вечно — нельзя бесконечно создавать новые штатные позиции.

Отдельная история — поддержка со стороны начальства. Особенно тяжело приходится небелым женщинам. При этом исследования показывают, что компании с большим числом женщин в руководстве более инновационны, имеют более здоровую корпоративную культуру и выше производительность. То есть гендерное разнообразие реально приносит пользу бизнесу.

Ещё одна проблема — компании стали меньше внимания уделять гендерному разнообразию. Похоже, многие решили, что раз уж процент женщин немного вырос, то можно расслабиться. А зря: микроагрессия и сексуальные домогательства никуда не делись.

Что можно сделать? McKinsey предлагает конкретные шаги:

1. Пересмотреть систему найма и продвижения, особенно на начальных позициях
2. Инвестировать в развитие женщин-лидеров
3. Обучать менеджеров работе с разнообразными командами
4. Вовлекать мужчин в процесс изменений — без их поддержки далеко не уедешь
5. Установить чёткие цели и следить за их выполнением

Особенно важна роль непосредственных руководителей — именно они влияют на повседневный опыт сотрудников. Но им нужны не только чёткие указания сверху, но и ресурсы, обучение, поддержка.

И последнее: красивых заявлений о приверженности гендерному разнообразию недостаточно. Нужны конкретные действия, измеримые результаты и готовность корректировать курс, если что-то идёт не так.

👉 Полный отчет скачать здесь

@fastsalttimes

https://www.facebook.com/share/p/1D352doU4Z/?mibextid=wwXIfr

Источник коррупция не в природе человека, а в возможности скрывать коррупционные действия, поэтому прозрачность - главное условие противодействия коррупции. Ну а теперь смотрим на ситуацию:

1. Маск предложил все затраты и транзакции перевести на блокчейн, обеспечив не только прозрачность, но и невозможность подчищать/исправлять/ удалять информацию задним числом.

2. Федеральный судья в DC Colleen Kollar-Kotelly, выдала временный запретительный приказ, ограничивающий доступ DOGE, связанной с инициативами Илона Маска, к конфиденциальным записям и системам в Министерстве финансов США. Этот судебный иск вызван опасениями по поводу конфиденциальности и безопасности данных на фоне обвинений в несанкционированном доступе к личной информации, такой как номера социального страхования. Приказ конкретно ограничивает доступ к записям платежной системы.

Все эти вопли про прайвеси, защиту частной жизни имеют смысл, но с одним исключением - касательно любой деятельности правительства на всех уровнях.

Технология воровства через 500+ правительственных агентств в том, что есть миллиарды регуляций, процедур, хитрожпых законов, правил, которые дают возможность направлять бюджетные средства в сотни тысяч странных программ, о чем большая часть людей не знает. Рынок донейшенов в США составляет почти 500 миллиардов $, и самым большим спонсоров является правительство - прямо через агентства или косвенно через рэкет корпораций.

Этой системой пользуется бюрократия, которая понимая процедуры, умеет порождать поток заявок на получение регулярного грантового финансирования, направляемого в различные программы, НКО, фонды, в которых работают аффилированные лица, которые получают деньги и инструкции. И все это обосновывается общественным благом. Пример: На картинке показывается динамика роста затрат на образование в сравнении с результатами.

И все это нарастает и превратилось в огромного жирного вампира, который высасывает кровь из людей, замедляя прогресс, но все еще хуже.

Все эти ворованные деньге, не обеспеченные реальными товарами и услугами идут в покупку недвижимости, инвестиции, то есть двигают инфляцию. Не надо печатать деньги, достаточно собирать налоги + бесконечные сборы за соблюдение бесконечных правил, положений, ограничений, лицензий, в 90% которых нет здравого смысла, кроме грабежа.

Маск (Трамп) хочет это остановить. Для этого нужно:

1. Полная прозрачность расходов, чтобы проанализировать их реальную целесообразность, чтобы деньги шли на развитие, а не на то, чтобы поддерживать телепрограмму Улица Сезам в Ираке. (20 млн.$ грант).
2. Невозможность ничего изменить задним числом, чтобы воры не могли скрыть.
3. Публичность.
4. Использование ИИ, чтобы он мог проанализировать смысл этих программ, а главное установить из рейтинг с точки зрения пользы по 5 бальной сисиеме: 1 - воровство, 5 - нужная и т.п. Чтобы людям было не нужно тратить время на оценку.
5. Раскрытие всех причастных к коррупционной схема от конгресса до гранто получателей и чиновников. Очень удобно.
6. Если ИИ определил коррупцию, сразу он же и формирует дело и отзывает все доступы, выдвигает обвинение, готовит дело для суда и подает в суд. И на все - 10 секунд.
7. В суде тоже ИИ, который получает дело, назначает слушание через 20 минут, , чтобы адвокаты (тоже ИИ) подготовили отмазки. Потом происходит суд, ИИ принимает решение на основе акта RICO.
8. Тут же ко всем осужденным выезжают силовики и определяют их в тюрьму, а имущество конфискуется на на основе акта RICO.