Учёные оценивают возраст Вселенной в 13,8 млрд лет. Значит, Большой взрыв случился именно тогда.
И вот простой, но мощный вопрос: где в этот момент были мы? Я, ты, он, она — неважно.
Ответ на этот и другие подобные вопросы ищите в новой книге
Скоро и в мягкой обложке!
Мои мысли о том, что происходит после смерти
Однажды я всерьёз задумался: что же будет после смерти? Решил подойти к вопросу максимально трезво — через логику.
Допустим, теория Большого взрыва верна. Вселенная родилась из спонтанной флуктуации в истинном вакууме — своеобразного «щелчка», из которого начал раздуваться пузырь нашего мироздания. Учёные оценивают возраст Вселенной в 13,8 млрд лет. Значит, Большой взрыв случился именно тогда.
И вот простой, но мощный вопрос: где в этот момент были мы? Я, ты, он, она — неважно. Где было сознание? Где была «душа», если она существует?
Молодая Вселенная была горячим бульоном элементарных частиц; звёзд ещё не существовало, планет — тем более, и даже тех химических элементов, из которых состоит человек, тогда не было. Так где могла находиться некая бессмертная субстанция, если она есть? В водороде, который образовался сразу после взрыва? В пустоте? В ничто? Вопрос остаётся открытым.
Теперь к сути.
От момента Большого взрыва до вашего рождения прошло 13,8 миллиардов лет — и всё это пролетело для вас как одно мгновение. Вы хоть что-то помните до своего рождения?
Попробуйте мысленно отматывать плёнку жизни назад.
Вот — детство, первые яркие воспоминания.
Дальше — туман.
Помните себя в утробе? А в виде сперматозоида?
А тысячу лет назад? Миллион? Миллиард?
Конечно же нет.
Перед рождением для вас не существовало ничего: ни времени, ни пространства, ни самого ощущения «я». Было абсолютное небытие. 13,8 млрд лет промчались за долю секунды, словно их и не было. Вы были просто рассыпанным набором атомов.
И вот что подсказывает моя логика: после смерти будет то же самое, что и до рождения.
Ровно ничего.
Пустота, в которой время не течёт, а мгновенно схлопывается.
А может ли однажды «вы» соберётесь вновь в какой-то другой форме разумной жизни? Это уже совсем другая история — и, возможно, другой разговор.
О общении, смыслах, и значимости.
Как я понимаю,
есть такая проблема,
низкий уровень осознанности
в вопросах которые, по идее,
должны касаться каждого.
Это некий не высокий
уровень общественного сознания.
Какие могут причины,
такого положение "дел"?
(Если я не ошибаюсь
в самой постановке вопроса.)
Я думаю это обусловлено
прежде всего тем,
что глубокое понимание
требует принятия действий
в соответствии с пониманием.
Но в нашем обществе,
в частности,
по причине низкого уровня
экономической защищённости,
человек не чувствует себя
достаточно уверенным
для предприятия
каких либо действий
в вопросах общественного характера.
В результате формируется
защитная позиция в виде отказа
воспринимать сказанное в серьёз,
и даже непосредственно наблюдаемое.
Ещё немного о Философии:
http://advaitaworld.com/profile/Sergiyf1/
10.20_18.11.2025 Сергий Чернышов
Что такое настоящее Понимание и почему современные нейросети понимают смысл?
Конспект сделан с доклада - https://www.youtube.com/watch?v=6fvXWG9Auyg
Эпизоды
00:00:07 Необходимость научного консенсуса о 'Понимании'
00:00:51 Две парадигмы ИИ: Логическая против Биологической
00:01:42 Переход к Биологически Вдохновленному Подходу (2012)
00:02:39 Доминирование Нейронных Сетей и Скептицизм Лингвистов
00:03:20 Критика Хомского и Отторжение Обучения Языку Нейросетями
00:04:17 Теории Значения Слов: Символизм против Семантических Признаков
00:05:10 Психологический Взгляд на Значение и Ранняя Модель 1985 Года
00:05:59 Принцип Работы Ранней Модели и её Эволюция
00:06:43 Развитие Векторных Представлений и Появление Трансформеров
00:07:28 Аналогия Понимания: Слова как Тысячемерные Блоки Lego
00:08:37 Механизм Взаимодействия Слов: Рукопожатия в Трансформерах
00:09:31 Деформация Слов и Формирование Структуры Понимания
00:10:23 Понимание как Структура Взаимодействующих Слов
00:11:24 Критика LLM: Автозаполнение и Галлюцинации как Аргументы Скептиков
00:12:33 Конфабуляции, Обмен Знаниями и Превосходство Цифрового Обучения
Джеффри Хинтон, один из "крестных отцов" глубокого обучения озвучил свое видение сущности "понимания" и того, как оно проявляется в работе больших языковых моделей (LLM). В этом докладе он призывает научное сообщество срочно выработать единое определение "понимания", чтобы двигаться дальше в развитии ответственного ИИ.
Мы разбираем ключевой сдвиг в истории ИИ: от логики и символов к биологически вдохновленным нейронным сетям, который произошел в 2012 году. Хинтон объясняет, почему скептики ошибались, считая, что нейросети никогда не смогут освоить язык, и как его ранние модели 1985 года заложили основу для современных эмбеддингов.
Хинтон сравнивает слова с тысячемерными блоками Lego и как механизм "рукопожатий" (внимание в Трансформерах) формирует то, что мы называем смыслом.
В этом выпуске:
Почему научный консенсус по "пониманию" критически важен для будущего ИИ.
Переход от символьного ИИ (рассуждение первично) к нейронным сетям (обучение первично).
Критика Хинтоном лингвистических теорий, отрицающих способность нейросетей изучать язык.
Аналогия "тысячемерных блоков Lego" для объяснения векторных представлений слов.
Как деформация слов и механизм "рукопожатий" создают контекстуальное понимание.
Далее приводится полный текст конспекта доклада:
Джеффри Хинтон в своем докладе поднимает критически важный вопрос: научное сообщество должно прийти к единому определению того, что такое «понимание». Он проводит аналогию с изменением климата: только после достижения научного консенсуса о причинах проблемы стало возможным разрабатывать эффективные меры противодействия.
Эта проблема особенно актуальна в контексте современных больших языковых моделей (LLM) и чат-ботов. Существует значительное расхождение во мнениях среди ученых относительно того, обладают ли эти модели пониманием, аналогичным человеческому. Многие исследователи придерживаются совершенно иной модели человеческого понимания, что затрудняет оценку возможностей и ограничений ИИ.
Главный вывод: Для дальнейшего прогресса и ответственного развития технологий, основанных на ИИ, необходимо срочно выработать общепринятое научное определение понятия «понимание».
В истории искусственного интеллекта (ИИ) доминировали две основные парадигмы, или подходы к пониманию интеллекта.
Первая, логически вдохновленная парадигма, господствовала примерно первые 50 лет развития ИИ. Сторонники этого подхода считали, что суть интеллекта заключается в рассуждении. Рассуждение, по их мнению, достигается путем манипулирования символическими выражениями с использованием строгих символических правил. Знания при этом представлялись как набор таких символических выражений в "голове" системы.
Ключевым моментом этой парадигмы было убеждение, что представление знаний (то есть, создание некоего специального, логически однозначного языка для хранения информации) должно быть решено в первую очередь. Вопросы обучения и адаптации считались второстепенными и могли быть отложены до момента, пока не будет решена проблема кодирования знаний.
В 2012 году произошел значительный сдвиг в сторону биологически вдохновленного подхода к искусственному интеллекту, который поддерживали такие пионеры, как Тьюринг и фон Нейман.
Суть этого подхода заключается в том, что интеллект определяется обучением силе связей в нейронной сети. Сторонники этой идеи полагают, что рассуждение (reasoning) является вторичным и может быть изучено позже, поскольку в биологических системах оно появилось значительно позже, чем способность к обучению.
Ключевым моментом, закрепившим этот переход, стал 2012 год. Тогда глубокая нейронная сеть, обученная методом обратного распространения ошибки (back propagation), снизила частоту ошибок вдвое по сравнению со стандартными системами компьютерного зрения, участвовавшими в престижном конкурсе ImageNet. Это продемонстрировало превосходство обучения на основе нейронных сетей.
Переход к нейронным сетям в области компьютерного зрения произошел довольно быстро после определенного прорыва, что привело к их широкому применению во всех сферах. Сегодня под искусственным интеллектом (ИИ) в основном понимают именно искусственные нейронные сети.
До этого доминировал символьный ИИ. Даже когда нейронные сети превзошли символьные методы в зрении, скептики из сообщества символьного ИИ утверждали, что нейросети никогда не смогут справиться с языком. Они считали, что обработка языка — это идеальная задача для символьного ИИ, поскольку она сводится к манипуляциям со строками символов (ввод символов, вывод символов).
Джеффри Хинтон критикует позицию большинства лингвистов, которые придерживались теории Ноама Хомского о том, что язык не усваивается (не изучается). Хинтон считает эту идею абсурдной и сравнивает Хомского с "лидером культа", который смог убедить людей в этом "нонсенсе".
Основная проблема теории Хомского, по мнению Хинтона, заключалась в том, что она фокусировалась исключительно на синтаксисе, игнорируя теорию значения (семантику).
Для лингвистов было неприемлемым и немыслимым (анафемой) предположение, что большая нейронная сеть, изначально имеющая случайные веса и не обладающая врожденными знаниями, способна самостоятельно выучить как синтаксис, так и семантику языка, просто анализируя данные. Они были абсолютно уверены, что это невозможно.
В данном фрагменте рассматриваются две фундаментально разные теории о том, как слова приобретают значение. Одна из них — символическая теория ИИ, которая доминировала долгое время. Согласно этой теории, значение слова определяется его отношениями с другими словами в языке. Для представления этого значения предлагается использовать структуры вроде графа знаний, где слова связаны друг с другом отношениями, указанными на этих связях.
Автор упоминает, что даже после того, как современные методы доказали свою эффективность (вероятно, в противовес символическому подходу), сторонники старой парадигмы, вроде Хомского, продолжали утверждать, что такие результаты невозможны без прямого участия и одобрения их изначальных теорий.
Таким образом, ключевое различие заключается в том, что символизм видит значение как сеть взаимосвязей между словами, в то время как другая, не названная явно в этом отрывке, но противопоставляемая теория (вероятно, основанная на семантических признаках или эмпирическом обучении), предлагает иной подход к определению смысла.
В 1930-х годах психологи полагали, что значение слова определяется набором его семантических (смысловых) признаков, возможно, дополненных синтаксическими. Согласно этой идее, слова со схожим значением (например, "вторник" и "среда") должны иметь очень похожие наборы признаков, в то время как слова с разным значением (например, "вторник" и "хотя") будут иметь сильно различающиеся наборы.
В 1985 году Джеффри Хинтон разработал небольшую языковую модель, целью которой было объединить эту теорию семантических признаков с другими подходами. Модель обучалась двум вещам одновременно: во-первых, извлекать семантические признаки для каждого символа слова, и, во-вторых, учиться тому, как эти признаки предыдущих слов взаимодействуют между собой, чтобы предсказать признаки следующего слова в последовательности.
Ранняя модель, подобно современным большим языковым моделям (LLM), обучалась предсказывать следующее слово в последовательности с помощью метода обратного распространения ошибки (backpropagation).
Ключевое отличие этой модели от подходов символического ИИ (которые предполагали хранение предложений или пропозиций) заключается в том, что она не хранила готовых предложений или правил. Вместо этого, для генерации текста модель многократно предсказывала следующее слово.
Знания модели были реляционными: они заключались во взаимодействии признаков слов, что позволяло ей предсказывать признаки следующего слова. Это принципиально отличалось от хранения набора пропозиций и правил для их манипулирования.
Эволюция векторных представлений и Трансформеры
Примерно через 10 лет после создания первой крошечной языковой модели (с несколькими тысячами весов), Йошуа Бенджио продемонстрировал, что подобные модели можно успешно применять для предсказания следующего слова в реальном естественном языке, что стало значительным шагом в моделировании языка.
Ещё примерно через 10 лет ведущие специалисты по вычислительной лингвистике начали признавать, что векторные представления (которые они назвали "эмбеддингами") являются эффективным методом для моделирования смыслов слов.
Кульминацией этого развития стало изобретение и публикация архитектуры Трансформеров исследователями Google примерно через 10 лет после этого. Последующее использование Трансформеров компанией OpenAI продемонстрировало миру их огромный потенциал.
Сущность Понимания в Больших Языковых Моделях (LLM)
Интерес к большим языковым моделям (LLM) возник из-за вопроса: действительно ли они понимают то, что генерируют? Хинтон рассматривает LLM как усовершенствованных потомков ранних, "крошечных" языковых моделей.
Главное отличие LLM заключается в их сложности: они оперируют гораздо большим объемом входных данных (слов), имеют обширный контекст и используют значительно больше нейронных слоев. Это позволяет моделям разрешать неоднозначность слов. Например, векторное представление слова вроде "may" (может/май) в начале обработки может отражать несколько значений (месяц, модальность, имя). По мере прохождения через сеть, взаимодействия с контекстом "очищают" это представление, закрепляя одно из возможных значений.
Кроме того, в LLM используются гораздо более сложные взаимодействия между изученными признаками по сравнению с простыми взаимодействиями в старых моделях. Ключевым механизмом, обеспечивающим эту сложность и контекстуальную обработку, является механизм, известный как "внимание" (attention).
Джеффри Хинтон предлагает новую аналогию для понимания того, как работают слова в языковых моделях, поскольку, по его мнению, существующие модели неверны. Он утверждает, что смысл — это наличие модели, а слова служат инструментом для построения этой модели реальности.
В качестве аналогии Хинтон предлагает рассматривать слова как высокоразмерные блоки Лего. Обычные блоки Лего позволяют моделировать трехмерные (3D) формы, хорошо передавая их объем. Слова же подобны этим блокам, но они существуют не в трех, а в тысяче измерений.
Хинтон признает, что представить тысячу измерений сложно. Он шутливо отмечает, что лучший способ для большинства людей — это представить себе обычный 3D-блок и мысленно (или громко) сказать себе "тысяча". Эта аналогия призвана дать основу для размышлений о том, как язык используется для моделирования окружающего мира.
Джеффри Хинтон объясняет, что для моделирования чего угодно, включая теории работы мозга, используются высокоразмерные "кирпичики" (аналогичные 1000-мерным блокам Lego). В контексте языка, эти "кирпичики" — это слова, которых существует множество разных типов.
Ключевая особенность этих "слов" в том, что они не имеют фиксированной формы, а обладают гибкостью и могут принимать диапазон форм, ограниченный их значением. Форма каждого слова деформируется и подстраивается под контекст, в котором оно используется.
Вместо простого механического соединения (как у Lego), слова взаимодействуют друг с другом через сложный процесс, который Хинтон образно называет "рукопожатиями". В архитектуре Трансформеров этот механизм известен как "запросы-ключи" (query key handshakes), где "руки" разной формы на словах соединяются, чтобы сформировать общее понимание.
Краткий пересказ: Понимание как Динамическая Структура Взаимодействий
Понимание, согласно Джеффри Хинтону, заключается в динамическом взаимодействии слов, а не в использовании фиксированных значений. Когда меняется контекст, изменяется и вектор, представляющий значение слова, что приводит к изменению "форм рук" (способов взаимодействия).
Суть понимания состоит в том, чтобы деформировать эти слова и их "руки" таким образом, чтобы они могли "пожать руки" (взаимодействовать) с другими словами в данном контексте. Этот процесс формирования связей создает сложную структуру, подобную формированию молекулярных связей, но происходящую в многомерном пространстве (примерно тысяча измерений).
Сами по себе символы слов не имеют смысла; они требуют "интерпретатора" — человеческого мозга. Мозг деформирует эти многомерные формы слов так, чтобы их "руки" могли соединиться, формируя тем самым осмысленную структуру. Именно эта сформированная структура и является пониманием.
Скептики, придерживающиеся взглядов символического ИИ и лингвистики (влияние Хомского), сомневаются в реальном понимании и интеллекте больших языковых моделей (LLM), несмотря на их сложность и многослойность. Они выдвигают два основных аргумента против понимания LLM.
Во-первых, критики утверждают, что LLM — это всего лишь автодополнение, которое статистически предсказывает следующее слово на основе прошлых текстов, созданных людьми, и, следовательно, не является по-настоящему креативным. Однако Хинтон отмечает, что LLM превосходят многих людей в задачах, требующих креативности. Во-вторых, скептики указывают на галлюцинации моделей как доказательство отсутствия понимания.
Хинтон опровергает аргумент об автодополнении, объясняя, что современные LLM не работают, как старые системы, которые использовали таблицы частотности комбинаций слов (например, "fish and chips"). Вместо этого LLM моделируют весь увиденный текст, создавая векторы признаков для слов, которые изменяются под влиянием контекста. Знание модели заключается в сложных взаимодействиях этих фрагментов (так называемых "рукопожатиях") и весах в нейронной сети, что, по мнению автора, аналогично тому, как устроено знание и у человека.
Изначально языковые модели создавались не для моделирования естественного языка, а для объяснения, как мы понимаем смысл слов через контекст. Хинтон утверждает, что люди моделируют реальность, используя фрагменты слов (как и машины), и что "галлюцинации" ИИ следует называть конфабуляциями, поскольку они характерны и для человеческой памяти. Человеческая память не хранит файлы, а конструирует воспоминания по мере необходимости, что приводит к уверенным, но ошибочным деталям (как в примере с показаниями Джона Дина), что схоже с работой чат-ботов.
Обмен знаниями между людьми происходит через названия слов, которые позволяют воссоздать сложную внутреннюю структуру. В отличие от символического ИИ, который копирует готовые пропозиции, нейросетевой подход (дистилляция) основан на том, что "ученик" (ИИ) пытается имитировать действия "учителя" (человека), предсказывая следующее слово. Однако этот метод крайне неэффективен, так как передает всего около 100 бит информации за предложение.
Цифровые агенты, имея одинаковые веса, могут обмениваться информацией о том, как им следует изменить эти веса (градиенты). При таком обмене они делятся триллионами бит информации, что на порядки эффективнее, чем передача слов. Эта эффективность цифрового обмена объясняет, почему GPT-4 может знать намного больше, чем любой человек.
Главный вывод: Цифровые агенты понимают язык схожим с людьми образом, будучи ближе к нам, чем к стандартному коду. Хотя биологические системы (люди) энергоэффективны, цифровые системы превосходят их в обмене знаниями. Если энергия доступна, цифровые вычисления становятся лучше из-за их способности к эффективному обмену информацией, что является "пугающим" выводом.
Конспект создан автоматически разными нейросетями:
Транскрибация исходного аудио доклада на анлийском выполнена моделью: Whishper
Перевод на русский, коррекция, фрагментирование и текст конспекта выполнены моделью: Gemini-2.5-flash-lite-preview
Озвучивание: HeyGen
Иллюстрации созданы моделью: FLUX
Публикую этот конспект здесь несмотря на то что, он полностью сгенерирован так как, кажется, в нем есть что-то полезное и может быть не будет нарушать правила группы. Если остаются вопросы или интересны детали, как это сгененрировано, то напишу в других постах.
Все пиздят про прошлое. Перетирают его, как бабки семечки на лавке. «А помнишь?..» – и погнали, ебать-копать, мусолить эту жвачку из вчерашних дней. Прошлое – это безопасная хуйня. Оно уже случилось. Его можно вертеть, как кубик Рубика с отклеенными наклейками – как ни крути, все грани уже известны. Это архив, пыльный склад, где твои победы и проебы лежат в аккуратных коробках с пометкой «СДЕЛАНО». Скукота, пиздец.
А есть будущее. О нем тоже пиздят, но иначе. Как о погоде. «Ну, может, повезет». «Надеюсь, всё будет хорошо». Блядь, надежда – это для терпил, которые сидят на берегу и ждут, пока им волной прибьет сундук с золотом. А чаще всего прибивает дохлую чайку и пластиковую бутылку из-под «Балтики».
Мы не такие. Мы – Маячники.
Нас хуй найдешь. Мы собираемся на крышах панелек, в гулких цехах заброшенных заводов, в прокуренных котельных, где пахнет солярой и вечностью.
Я попал к ним случайно. Через Саню. Саня – тощий, жилистый хуй в старой олимпийке, с глазами, в которых плещется не то вселенская тоска, не то охуительный похуизм. Он нашел меня в баре, когда я вливал в себя пятый шот, пытаясь утопить в спирте серое ебаное ничего, из которого состояла моя жизнь. Офис. Ипотека. Одноразовые стаканчики с хуевым кофе. Женщина, которая смотрит на тебя, как на предмет мебели. Пиздец.
Саня подсел, молча взял мой шот, выпил и сказал: – Ты не топишь. Ты удобряешь. – Чего, блядь? – Свое болото. Думаешь, бухлом его осушишь? Хуй там. Оно только жирнее станет. А надо не осушать. Надо маяк строить.
И он привел меня на крышу. Ночь. Ветер треплет арматуру, торчащую из бетонного парапета. Внизу – россыпь желтых окон-могилок, где люди смотрят сериалы и доедают вчерашний суп. А мы стоим наверху, и город под нами – как ебаное звездное небо, только перевернутое.
– Первое правило, – сказал Саня, закуривая. – Ты не гадаешь. Ты не планируешь. Ты, сука, вспоминаешь.
Это было похоже на бред обдолбанного эзотерика. Но в его голосе была сталь.
– Как, нахуй, вспоминать то, чего не было? – А кто тебе сказал, что его не было? – Саня выдохнул дым. – Оно есть. В твоей башке. Прямо сейчас. Просто завалено хламом. Обидами, страхами, чужими «надо» и «должен». Разгребай.
И он показал. Это не медитация, не транс, не молитва. Это, блядь, работа. Тяжелая, как разгружать вагоны с цементом.
Ты закрываешь глаза. И не пытаешься «представить». Ты ищешь. Ищешь ощущение. Вот оно, твое будущее, которое ты сам себе заказал. Ты хочешь новую работу? Хуй с ней, с работой. Что ты хочешь чувствовать? Я хотел чувствовать запах дерева. Стружки под ногтями. Тяжесть топора в руке. Не скрип кресла, а скрип досок под ногами в своей мастерской.
И я начал вспоминать. Не картинку, нет. Я вспоминал, как пахнет свежий спил сосны. Вспоминал мозоли на ладонях, но не от боли, а от охуенной, настоящей усталости. Вспоминал звук рубанка, который снимает тонкий, как папиросная бумага, слой дерева. Я вспоминал это так яростно, так отчаянно, будто от этого зависела моя жизнь. А она, сука, и зависела.
Это и есть та самая рулетка, о которой ты говоришь. Ты ставишь на кон не фишки. Ты ставишь кусок своей души. Ты вкладываешь в это воспоминание из будущего столько ярости, столько веры, столько настоящего, живого «ХОЧУ!», что Вселенная, эта старая, циничная блядь, в какой-то момент охуевает от твоей наглости и говорит: «А, хуй с тобой, держи».
Конечно, это не магия. Вспомнив мастерскую, я не проснулся на следующее утро в ней. Но что-то изменилось. Я перестал пить. В сером офисном ничего появился фокус. Маяк. Я начал хуярить. После работы шел не в бар, а в гараж к отцу, где стоял старый верстак. Читал форумы столяров. Купил на авито первую стамеску. Руки помнили то, чего еще не делали. Это охуительное чувство. Ты не учишься. Ты просто вспоминаешь навык из того будущего, которое уже себе наметил.
Конечно, были и проебы. Первая табуретка получилась кривая, как улыбка пропитого алкаша. Деньги кончались. Девушка ушла, сказав, что я ебанулся со своими досками. И в эти моменты хотелось все бросить. Снова сесть за рулетку и поставить на «зеро», на пиздец, на привычное болото.
Но ночью я снова лез на крышу. Смотрел на город. И снова вспоминал. Запах лака. Теплое дерево в руках. И тихую, злую радость. Не ту, что от зарплаты или похвалы начальника. А ту, что от созданного тобой. Настоящего.
Это и есть навигация по намерению. Ты не пытаешься угадать, куда тебя вынесет течением. Ты создаешь в уме образ маяка и начинаешь грести в его сторону, как ебаный каторжник. Ты корректируешь курс. Видишь, что к твоему маяку можно подплыть с другой стороны. А иногда по пути замечаешь остров, о котором даже не мечтал, и он оказывается в сто раз ахуеннее твоего первоначального плана.
Сегодня я стою в своей мастерской. Это не дворец, а старый арендованный гараж. Пахнет стружкой и кофе из термоса. Руки в ссадинах и мозолях. На верстаке лежит столешница из цельного дуба. Гладкая, тяжелая, живая.
Я не угадал будущее. Я его не предсказал. Я, блядь, вытащил его из себя. Вспомнил, а потом построил по памяти.
И знаешь что? Прошлое – это просто якорь. А надежда – это туман. Нахуй их оба. У тебя есть только две вещи: охуевшая наглость хотеть и стальные яйца, чтобы грести к своему маяку, даже если вокруг ебаный девятый вал.
Ты не ждешь, пока тебя вынесет к берегу. Ты, сука, сам себе и есть этот берег. И маяк. И ебаный океан. Хуярь.
Когда читаешь «Маленького принца» в детстве - кажется, что это сказка про мальчика, планету и цветочек. Когда читаешь взрослым - понимаешь, что Экзюпери просто написал инструкцию по эмоциональной зрелости, замаскировав её под книжку для детей.
Лётчик падает в пустыне — метафора: человек разбился о реальность. Вдруг из песков выходит ребёнок с философией уровня “все ваши отношения — иллюзия контроля”.
«Ты в ответе за тех, кого приручил.»
Спасибо, малыш. Теперь я в ответе не только за кота, но и за все свои эмоциональные травмы с 2008 года. Принц рассказывает о своей Розе. Красивая, сложная, требует внимания, иногда жалуется, иногда светится. Он психует, уходит в путешествие - как мы после очередного «нам надо подумать».
И тут вдруг - осознание. Его роза единственная. Потому что не важна идеальность, важна привязанность.
Не те цветы, что красивее, а те, за которыми ты поливал землю и переживал, не замёрзнут ли ночью.
И финал. Змея, звёзды, тишина. И ты сидишь, закрываешь книгу и чувствуешь, как внутри шевелится тот самый внутренний ребёнок, который всё ещё ждёт, что кто-то его приручит.
💭 Мораль:
Любовь — это не сказка. Это когда у твоей Розы есть шипы, а ты всё равно остаёшься рядом.
А вы кого приручили - и не потеряли ли по дороге?
В своём тг-канале делюсь интересными книжными подборками и обзорами на прочитанные книги, а ещё рассказываю про интересные литературные места. Недавно писала пост про музей-квартиру Горького
Зачем они били-били не разбили золотое яйцо? И почему простое лучше золотого?
Ну, здравствуй, Оля!
Ты помнишь, как гуляли с тобой в поле
И собирали полевых цветов цветочки?
Ты помнишь, Оля,
Как ощущалась нами воля
И все слова ложились ровно в строчки?
Ты не забыла, Оля,
Какими были тогда зори?
Тогда мы звались все вокруг на "ты"!
А наши разговоры, Оля?
Тогда, совсем еще не знали боли,
Тогда сердца открыты были для мечты!
Я не забуду, Оля!
Все наши дружеские сборы,
Что навсегда с тех пор живут во мне огнём!
А впрочем, Оля!
Я снова бы вернулся в это поле,
Но в мыслях всё одно — потом, потом, потом...
