1. Революционный период и 1920-е годы

• Ленин (Владимир Ильич): 1917–1924 — Основатель и первый глава правительства.

• Лев Борисович Каменев: 1917 — Первый формальный глава государства (ВЦИК) после революции.

• Яков Михайлович Свердлов: 1917–1919 — Председатель ВЦИК, ключевой организатор аппарата.

• Михаил Владимирский: 1919 — Исполнял обязанности главы ВЦИК после Свердлова.

• Григорий Зиновьев: 1923–1925 — Лидер Коминтерна, член правящего «триумвирата» (со Сталиным и Каменевым).

2. Эпоха Сталина (1924–1953)

• Сталин (Иосиф Виссарионович): 1924–1953 — Генеральный секретарь, абсолютный лидер.

• Михаил Иванович Калинин: 1919–1946 — Номинальный глава страны («всесоюзный староста»).

• Николай Михайлович Шверник: 1946–1953 — Формальный глава государства в поздние годы Сталина.

3. Борьба за власть и «Оттепель» (1953–1964)

• Георгий Максимилианович Маленков: 1953–1955 — Наследник Сталина, возглавлял правительство.

• Климент Ефремович Ворошилов: 1953–1960 — Председатель Президиума Верховного Совета.

• Никита Сергеевич Хрущев: 1953–1964 — Лидер партии, инициатор десталинизации.

4. Эпоха Брежнева и Косыгина (1964–1982)

• Леонид Ильич Брежнев: 1964–1982 — Генеральный секретарь ЦК КПСС.

• Алексей Николаевич Косыгин: 1964–1980 — Глава правительства, автор экономических реформ.

• Анастас Иванович Микоян: 1964–1965 — Формальный глава государства (завершил карьеру при Брежневе).

• Николай Викторович Подгорный: 1965–1977 — Глава Президиума Верховного Совета.

5. Период «Больших похорон» (1982–1985)

• Юрий Владимирович Андропов: 1982–1984 — Лидер партии и государства.

• Константин Устинович Черненко: 1984–1985 — Последний из «старой гвардии».

• Василий Васильевич Кузнецов: 1982–1985 — Трижды становился и.о. главы государства в периоды между смертью генсеков.

6. Перестройка и финал СССР (1985–1991)

• Михаил Сергеевич Горбачев: 1985–1991 — Последний лидер СССР, первый Президент СССР.

• Андрей Андреевич Громыко: 1985–1988 — «Мистер Нет», в конце карьеры — формальный глава государства.

• Николай Рыжков: 1985–1991 — Председатель Совета Министров СССР.

• Валентин Павлов: 1991 — Последний Премьер-министр СССР, участник ГКЧП.

• Геннадий Иванович Янаев: 1991 — Вице-президент СССР, лидер ГКЧП.

Маркс пришел к тому, что именно в передовых капиталистических странах революция созреет первой. Там, где буржуазия уже расчистила пространство, где пролетариат стал массовым классом, где сама логика капитализма разоблачена до предела.

Капитализм, по Марксу, должен был породить своего могильщика — сознательный, организованный пролетариат, который, опираясь на развитые производительные силы, отменит частную собственность и наемный труд.

Парадокс истории

Но реальная история развернулась иначе. Революции XX века происходили не в ядре капиталистической системы, а на ее периферии: там, где и пролетаризация, и урбанизация, и индустриализация были отнюдь не завершены.

Вместо «зрелых» пролетарских революций мы получили революции «догоняющего развития» — попытку одним рывком перепрыгнуть через несколько стадий эволюции капитализма, опираясь на отсталое крестьянское большинство. В странах, где капиталистические отношения сформировались, где пролетариат составлял значимую долю населения и играл существенную роль в экономике, мы не найдем победы социалистической революции.

У этого парадокса есть очень простое объяснение. Социалистическая революция в ее историческом виде решала задачу индустриальной модернизации и создавала общество всеобщего наемного труда, общество тотальной пролетаризации. Она была прогрессивна прежде всего там, где капитализм по каким-то причинам не способен сам довести этот процесс до конца — где буржуазия слаба, зависима, связана с архаичными формами эксплуатации, подчинена мир-системной логике вывоза капитала и не может (или не успевает) индустриализировать страну.

Крестьянский океан

И вот тут на сцену выходит крестьянство. Его революционное значение в XX веке часто оказывалось даже выше, чем у пролетариата, потому что именно оно являлось наиболее массовым и при этом системно угнетаемым слоем.

Пролетариат в периферийных странах был слишком малочисленным, слишком связанным с городами-анклавами, слишком включенным в мировые цепочки капитала — а вот крестьянство представляло собой тот самый океан недовольства, в котором и развернулось большинство революционных процессов.

Крестьянское угнетение носило архаичный характер: оброк, задолженность, кабальные аренды, отсутствие прав, фискальное давление. При этом крестьянин уже был втянут в товарное производство — он продавал хлеб, шел на сезонные подработки, встраивался в рынок, — но все меньше мог прокормить себя со своего надела. Он фактически уже жил в логике капитализма, товарного производства, но воспринимал свою ситуацию не как классовый вопрос, а как «земельный вопрос»: мало земли, земля не наша, надо переделить.

Феномен эсеров

На этом фоне особенным выглядит феномен партии эсеров. Они обещали как раз то, что слышал и хотел крестьянин: решение земельного вопроса в рамках привычного уклада — общинного, мелкотоварного производства. Черный передел, социализация земли, самоуправление общин.

Это были, скорее, идеи регресса к прошлому, но в «благородной» обертке социализма.
С точки зрения марксистской логики такая программа должна была уйти на свалку истории вместе с миром, который ее породил. Но в реальности именно она лучше всего артикулировала интересы крестьянского большинства.

Программа крестьянства сводилась к двум простым вещам: передел земли и местное самоуправление. Земля — тем, кто ее обрабатывает, и возможность самим решать местные дела.

Однако фактическим «решением» земельного вопроса исторически стала не идиллическая крестьянская община, а индустриализация и урбанизация, проведенные в неклассически-капиталистической форме — через коллективизацию, план, массовый исход в города и заводы. Земельный вопрос «разрешили» тем, что значительную часть населения фактически оторвали из земли.

От крестьянина к наемному работнику

Пролетаризация означала переход в более развитые экономические отношения: вместо относительно автономного, но нищего крестьянина — работник, полностью зависящий от продажи рабочей силы, но с регулируемым рынком доходом в форме зарплаты, покрывающий его жизненные средства.

Он терял контроль над средствами производства и над своей жизнью, но получал включенность в более производительную систему. Чтобы сгладить риски, дисбалансы и неопределенность, потребовались компенсационные механизмы социального государства — медицина, образование, пенсии, пособия, представительные политические институты.

Наши дни: Квартирный вопрос

Перенесемся в наши дни.
Пролетаризация стала почти тотальной. Большинство людей в мире существуют как наемные работники, встроенные в гигантские цепочки общественного производства. Но теперь противоречия нарастают уже внутри капиталистической системы! Наемный труд в своем нынешнем виде почти нигде не дает большинству людей возможности устойчиво воспроизводить себя: завести семью, вырастить детей, купить жилье — и не жить на грани.

Самым ярким проявлением этой невозможности стал «квартирный вопрос», который вновь вылез в виде структурного кризиса, а не частной проблемы. Недаром именно на повестке доступного жилья возносится почти из ниоткуда в мэры Нью-Йорка мало известный «легальный социалист» Мамдани, именно вокруг вопроса недвижимости гремят скандалы имени Долиной по России, и даже в Китае самые пристальные взоры направлены на проблемы застройщиков.

А ведь жилье сегодня — все еще не только товар конечного потребления. Жилье — это прежде всего доступ и к инфраструктуре для воспроизводства, вроде школ для получения образования детьми, и главное — к привилегированным рабочим местам, поэтому стоимость жилье в Нью-Йорке и Лос-Анджелесе, Москве и Санкт-Петербурге, Пекине и Шанхае достигает невообразимых величин.

Дифференциальная рента здесь критична настолько же, насколько она была важна для крестьянских наделов. И ровно настолько же прикрепление к земле и необходимость выплачивать долги за нее сегодня обернулись ипотечным рабством для пролетариата, удерживая его на коротком поводке корпоративного работодателя.

Когнитариат и неравенство

Кто сегодня все еще может позволить себе жилье, накопления, относительную свободу? Хотелось бы сказать — «дефицитные работники», но это не так. Дефицитная швея, учитель, врач, слесарь, даже инженер все равно зарабатывают сравнительно мало. Их труд остро востребован, но рынок не поднимает им зарплаты: такой работник привязан к ограниченному числу потребителей его продукта труда, и не так много людей могут скинуться из своей зарплаты на компенсацию за его труд.

На вершине доходной пирамиды оказываются те, у кого высока когнитарная нагрузка в деятельности. Те, чей основной продукт нематериален и может быть потреблен сразу огромным числом людей. Один и тот же код, курс, дизайн, ролик, финансовый продукт — это сразу тысячи, миллионы потребителей. А те, кто обслуживает ограниченное число тел, машин, квартир, — страдают: их клиенты физически не могут заплатить им больше того, что сами зарабатывают в этой же системе.

Так возникает класс производителей «идеального» — IT-специалисты, дизайнеры, успешные блогеры и ютьюберы, авторы онлайн-курсов, люди из медиа и финтеха. К ним цепочкой присасываются инфлюенсеры, инфоцыгане, разводилы, мошенники — те, кто паразитирует на той же логике масштабируемого внимания.

Человеку, работающему в «материальной» сфере, советуют обзавестись «личным брендом»: вести соцсети, записывать сторис, накапливать символический и социальный капитал, то есть всеми силами добавить к своему труду когнитарное измерение, чтобы выйти на достойный заработок.

Новая «индустриализация»

Иначе говоря, на смену чистой пролетаризации приходит когнитаризация.

Как когда-то в сельском хозяйстве реальным ответом на земельный вопрос был не укрепленный сход и не прописанный в уставе «общий надел», а трактор в поле и завод по его производству, так и сегодня для пролетариата ответом на «квартирный вопрос» и вообще на вопрос воспроизводства становится не очередной жилищный или производственный кооператив, а нейросеть и робот в сфере материализации исходников.

Все больше людей создают нематериальные формы — идеи, чертежи, модели, код, — и нам нужен слой автоматизированного труда, который превращает эти исходники в вещи.

У творческого труда, когнитарного труда есть принципиальное отличие: его нематериальный продут потребляется неисключительным образом. Один и тот же курс, статья, чертеж, софт могут быть использованы сколь угодно большим числом людей одновременно, без того, чтобы кто-то остался обделен. В отличие от материального продукта, где один проданный хлеб уже нельзя продать другому, и где нужны права собственности для гарантии оптимальной аллокации ограниченного ресурса, с когнитарным продуктом рост числа потребителей не требует пропорционального роста затрат труда. Это и создает пространство для действительно иного, нетоварного способа производства.

В пределе, в обществе всеобщего когнитарного производства, каждый участник неизмеримо богаче, чем специалист в обществе разделения труда. Ведь там, где деятельность человека создает идеальный исходник, а материализация автоматизирована, каждый потребляет не эквивалент продукта собственного труда, а продукт труда всех остальных людей вообще.

Но крестьянину, чтобы перейти к более обеспеченному существованию поставщика квалифицированной рабочей силы в системе товарного производства, потребовалось «довериться рынку» и перестать пытаться обеспечивать себя самого своим хозяйством. Аналогично наемному работнику предстоит отбросить идею эквиалентного обмена и распределения по труду, чтобы войти в изобильное царство когнитарного производства.

Эсеры XXI века

Ортодоксальные марксисты, политическая повестка которых сегодня выстраивается вокруг повышения зарплат, укрепления профсоюзов, социального жилья, доступной медицины, создания кооперативов в рамках рынка, по сути, занимают нишу тех самых эсеров XXI века.

Они борются за улучшение положения наемного работника, но полностью принимают саму форму наемного труда и разделения труда как данность. Их проект — это проект «хорошего капитализма плюс», гуманизированного и слегка перераспределяющего, но не отменяющего основы. Это тоже попытка возврата к прошлому укладу в более «благородной» обертке более социального — социалистического — государства.

Их роль при этом нельзя недооценивать. Как и у старых эсеров, их повестка отвечает на реальные, болезненные запросы людей, которые объективно страдают от текущего устройства. Борясь за реальные нужды, они в то же время повышают политическую субъектность масс, накапливают организационный опыт, создают альтернативные социальные связи.

Но важно понимать пределы этой повестки: она не выходит за горизонт наемной занятости, как социалистическая революция не выходила за горизонт общества всеобщего наемного труда. Итоговая задача же стоит в том, чтобы вырвать людей из сферы наемной занятости вообще — возможно, даже, через новую «коллективизацию», через создание передовых пространств коллективного безнаемного самообеспечения сообществ свободного производства.

Трансформация, которая реально меняет игру, заключается не в возвращении «хороших», стабильных условий для занятых по найму, а в автоматизации всей сферы материализации — производства вещей, услуг, инфраструктуры — и втягивании «выпадающих» из старого уклада людей в новый уклад свободного производства, в когнитарную деятельность.

Не «работа ради зарплаты», а свободное производство исходников, знаний, проектов, культуры, которые потом материализуются автоматизированной системой. Не «каждому по рабочему месту», а каждому — доступ к средствам когнитарного производства и коллективным мощностям материализации.

Это означает, что реакционная в своей основе революционность угнетенного пролетариата — стремление просто сделать свою зависимую позицию терпимой — должна сочетаться с прогрессивной революционностью нарождающегося когнитариата, который объективно, в силу формы отношений внутри уклада своего материально воспроизводства, заинтересован в отмене наемного труда и всей старой структуры производственных отношений.

Без первых не будет энергии бунта, без вторых не будет образа нового уклада. СР-ы XXI века нужны, чтобы подсвечивать боль системы, но проект будущего будет писать уже не «партия земли», а партия свободного знания и автоматизированного производства.

Автор Евгений Парфенов

Это обсуждение на тему затронутую в интервью с Сергеем Марковым о Революциях и Трансформерах (интервью целиком можно посмотреть здесь)

Революция в ИИ: Восприятие против Технологии

Революция в искусственном интеллекте (ИИ) определяется как качественный скачок в развитии. Автор считает, что в области ИИ такие скачки происходят постоянно. Однако ключевым моментом, который можно назвать самой заметной революцией, стал ноябрь 2022 года с выходом ChatGPT.

Эта революция была не столько технологической, сколько революцией в общественном восприятии. До ChatGPT специалисты уже наблюдали прогресс (GPT-2, GPT-3), видели, как модели становятся умнее и универсальнее, и даже развивали концепции вроде промптинга.

Главный прорыв ChatGPT заключался в том, что он стал сервисом, доступным для "пощупывания" каждым человеком в мире. Автор предполагает, что аналогичный запуск от Google (Bard) или Facebook вызвал бы схожий эффект. Важным фактором стало то, что OpenAI решилась на этот смелый шаг, несмотря на риски, о чем свидетельствует прошлый негативный опыт (например, бот Microsoft Tay, ставший расистом).

Эволюция чат-ботов и роль RLHF

Создатели чат-ботов изначально видели их как инструменты для короткого общения (смолтока), а не для решения сложных интеллектуальных задач. Продуктовые перспективы для интеграции таких "болталок" в устройства (например, умные колонки) были неясны, так как не существовало формата для потребления длинных диалоговых ответов.

Гениальным шагом стало решение обучать диалоговые модели не просто общаться, а решать задачи в режиме диалога. Вскоре после этого внимание привлек метод RLHF (Reinforcement Learning from Human Feedback), который, как считалось, стал "секретным соусом" успеха ChatGPT, поскольку он соединил обучение с подкреплением (RL) и обработку естественного языка (NLP).

Однако, спустя годы стало ясно, что RLHF не является незаменимым прорывом. Существуют более умные модели, не использующие этот метод. RLHF оказался очень капризным в реализации, требующим высококвалифицированных специалистов. Более того, позже выяснилось, что существуют более простые и эффективные подходы (например, DPO), которые дают сопоставимый или лучший результат без сложности RLHF.

Трансформеры как Ключевая Технологическая Революция

Появление трансформеров за последние 15 лет стало самой важной и революционной технологической инновацией. Это изменение было настолько скачкообразным, что сразу же трансформировало работу переводчиков.

Главная причина революционности трансформеров заключается в их способности эффективно использовать параллельные вычисления. В отличие от предыдущих моделей (таких как RNN или LSTM), которые обрабатывали данные последовательно (токен за токеном), трансформеры обрабатывают все элементы последовательности параллельно.

Это нововведение позволило решать многие задачи, особенно генеративные, на качественно новом уровне. Благодаря параллельной обработке стало возможным строить и обучать гигантские модели на мощных распределенных вычислительных кластерах (с использованием GPU), что ранее было неэффективно.

Теперь мы поговорим с моделью Qwen 3 Max и попросим ее ответить на вопросы, которые возникли во время чтения интервью.

Ответы на вопросы из обсуждения

Вопрос: Что на счет ризонинга в LLM?

Ризонинг (reasoning) в больших языковых моделях (LLM) — это способность модели решать сложные задачи, разлагая их на последовательность логических шагов. Современные LLM часто используют техники, такие как Chain-of-Thought (CoT), чтобы явно моделировать процесс рассуждения, что значительно улучшает их производительность в задачах математики, логики и планирования . Такие модели иногда называют Reasoning Language Models (RLMs) или Large Reasoning Models (LRMs) .

Однако, несмотря на впечатляющие результаты, LLM всё ещё склонны к ошибкам в рассуждениях, особенно при работе с незнакомыми или абстрактными задачами . Современные исследования направлены на улучшение их надёжности через методы, такие как self-consistency, tree-of-thoughts, и fine-tuning на задачах с явным рассуждением . Важно понимать, что рассуждение в LLM — это не «понимание» в человеческом смысле, а скорее имитация логических паттернов из обучающих данных.

Вопрос: Что за более простой подход DPO?

DPO - альтернатива RLHF.

DPO позволяет обойтись без обучения отдельной модели вознаграждения и сложной реализации алгоритмов вроде PPO (Proximal Policy Optimization). Вместо этого он напрямую оптимизирует политику модели на основе предпочтений пользователей, что делает процесс обучения проще, стабильнее и дешевле. Эксперименты показывают, что DPO часто даёт сопоставимое или даже лучшее качество по сравнению с RLHF, особенно в плане флюентности и стабильности поведения модели .

Вопрос: Какие есть альтернативы трансформеру?

Хотя трансформеры доминируют в современном deep learning, особенно в NLP, за последние годы появились несколько перспективных альтернатив:

• Mamba — архитектура на основе state space models (SSM), которая особенно эффективна для длинных последовательностей. Mamba может обрабатывать контекст длиной в сотни тысяч токенов быстрее и с меньшими вычислительными затратами, чем трансформеры.

• RWKV (Receptance Weighted Key Value) — гибрид рекуррентной архитектуры и внимания, реализующий линейную сложность по длине последовательности и совместимый с традиционным языковым моделированием .

• Griffin и Jamba — гибридные модели, сочетающие элементы трансформеров и рекуррентных механизмов для баланса между выразительностью и эффективностью .

Также активно исследуются линейные механизмы внимания, retention networks, и sparse attention как внутренние альтернативы полному self-attention .

Эти подходы особенно актуальны в условиях ограничений памяти и необходимости обработки очень длинных последовательностей.

Вопрос: Есть ли прогресс в спайковых нейросетях за последние годы?

Да, в области спайковых нейронных сетей (SNNs) за последние 2–3 года наблюдается значительный прогресс. SNN рассматриваются как перспективный путь к созданию энергоэффективных и быстрых ИИ-систем, вдохновлённых биологическим мозгом .

Ключевые достижения включают:

• Разработку методов прямого обучения глубоких SNN без необходимости переноса весов из ANN .

• Успешное применение SNN в задачах компьютерного зрения и непрерывного управления.

• Интеграцию SNN с сенсорными и памятевыми технологиями, что открывает путь к реальному использованию в edge-устройствах .

• Появление адаптивных методов обучения, таких как adaptive gradient learning, улучшающих обучаемость SNN .

• Реализация SNN на FPGA и специализированных нейроморфных чипах для практического применения .

Хотя SNN пока не достигли уровня трансформеров по выразительной мощности в NLP, они активно развиваются в направлениях низкого энергопотребления, обработки временных данных и робототехники.

Приснился сон, что военные роботы с ИИ стали массовыми, и в каждой стране теперь есть миллионная армия из дронов, подавляющая любые восстания. Доступ к управлению есть только у высших лиц государства, тактические решения на местах ИИ принимает самостоятельно.

Огромная бездушная армия никогда не перейдет на сторону протестантов и не побежит с поля боя, поэтому властям больше не нужно стараться ради народной поддержки, и большая часть Земли вернулась обратно в рабство и феодализм.

Просто интересно, бред или нас правда ждёт новый виток истории