Що таке великі дані, частина 3


першої частини ми дізналися про даних, і про те, як вони можуть бути використані для вилучення з них метаданих або якихось значень.
Друга частина пояснила сам термін Big Data і показала, як він перетворився на індустрію, причиною появи якої стало вплив економіки. Ця, третя частина, в якій має бути логічне продовження двох попередніх і у всього цього повинен з'явитися сенс — сумна, місцями іронічна, а місцями лякає. Ви бачите самі, як технологічні, бізнес, і навіть соціальні контракти в перспективі вже переопределялись великими даними таким шляхом, який ми тільки зараз починаємо розуміти. І, можливо, вони ніколи вже не стануть контрольованими.
З допомогою чого б не проводився аналіз — суперкомп'ютера чи складеної вручну в 1665 році таблиці зі списків мертвих, деякі аспекти великих даних існували набагато довше, ніж ми можемо уявити.
Темна сторона великих даних. Історично роль великих даних не завжди була кришталево чистотою. Ідея переробки цифр, призводить до кількісної раціоналізації для чого, що ми хотіли зробити, існує з тих пір, як у нас з'явилися зайві гроші.
Пам'ятайте корпоративних рейдерів з 80-х і їх новомодне зброю — електронні таблиці? Електронна таблиця — рудиментарна база даних, дозволяла 27-річному бакалавра з ПК і трьома обривками сумнівних даних залучати своїх начальників у грабіж з пенсійного фонду компанії і викуповувати контрольні пакети акцій за рахунок кредиту. Без персональних комп'ютерів і електронних таблиць не було б ні Майклів Милкенсов (Michael Milkens), ні Эйванов Боески (Ivan Boeskys). Це була всього лише версія великих даних періоду 80-х. Педанти скажуть, що це не великі дані, але в культурному плані вони мали той же ефект, який має індустрія, яку сьогодні ми називаємо великими даними. Для того часу це були великі дані.
Пам'ятайте рейганомику? Економіст Артур Лаффер стверджував, що підняти доходи держави за рахунок зниження податків для багатих. Деякі люди до сих пір в це вірять, але вони помиляються.
Програмний трейдинг — купівля і продаж акцій за допомогою комп'ютерного алгоритму розвалив Уолл-стріт в 1987 році, тому що фірми взяли його, але до кінця не розуміли, як використовувати. Кожен окремий комп'ютер не розумів, що інші комп'ютери працюють одночасно і, можливо, у відповідь на ті ж правила, перетворюючи те, що повинно було бути організованим відступом в панічний розпродаж.
Менеджмент довгострокового капіталу у 90-х поставив вторинні цінні папери в таке положення, в якому вони раніше ніколи не були, тільки для того, щоб феєрично провалитися, тому що ніхто не розумів, що таке вторинні цінні папери. Якби уряд вчасно не втрутився, Уолл-стріт знову б обрушився.
Enron на початку 2000-х років використовував гігантські комп'ютери для гри на енергетичних ринках, або їм так здавалося, поки компанія не схлопнув. Історія компанії Enron, пам'ятайте, базувалася на тому, що обчислювальні гіганти робили компанію розумнішими, а в реальності використовувалися, щоб маскувати обман і маніпулювати ринком. "Не звертайте уваги на людину за фіранкою!"
Світова банківська криза 2007 року частково був спровокований великими комп'ютерами, для створення імовірно здійснених фінансових продуктів, до яких у результаті ринок не зміг адаптуватися. Але хіба все це не було викликано дерегуляцією (зменшенням держ впливу на економіку)? Дерегуляція може схиляти фінансистів до нерозсудливості, але більш важливу роль відіграв закон Мура, і вартість обчислень знизилася до рівня, коли стало цілком можливим технічно ґвалтувати регулювання.Технологія породила спокуса погнатися за великою здобиччю.
Все це просто варіації темної сторони великих даних. Схеми великих даних дуже швидко і сильно роздулися, а потім звалилися. Ці закручені даними безумства, взагалі-то, повинні бути засновані не на реальності, а на фантазії, якої можна якось покрити реальність.
І всередині такі невдачі, зазвичай, ґрунтуються на брехні або підриваються брехнею. Як ще можна зробити високорейтингові облігації, забезпечені іпотекою використовуючи тільки сміттєві іпотеки? Брехати.
Будувати висновки на основі помилкового методу або помилкових даних — велика проблема. Деякі експерти посперечалися б, що це легко виправити за допомогою більш великих даних. І, може бути, таке можливо, але передісторія подібних дій показує погані результати.
Тут є іронія, і вона в тому, що коли ми віримо помилковим великим даними, вони зазвичай пов'язані з грошима або якимось проявом сили, але у нас така ж тенденція не вірити вірним великим даними, коли вони стосуються політики чи релігії. Тому великі наукові дані часто борються за визнання своїх ідей скептиками, тими, хто заперечує зміну клімату або підтримує навчання креаціонізму.
Великі Дані і страхування. Великі дані вже змінили наш світ у багатьох відносинах. Візьміть, наприклад, медичну страховку. Був час, коли актуарії страхових компаній вивчали статистику захворюваності і смертності для встановлення страхових тарифів. Сюди були залучені метадані — дані про дані — бо в основному актуарії не могли копнути досить глибоко, щоб дістатися за межі широких груп власників страхових полісів фізичними особами. У такій системі рентабельність страхової компанії лінійно зростає із зростанням обсягу клієнтів. Прибуток з більшості клієнтів невелика, тому медичні страхові компанії потребували збільшення кількості застрахованих — чим більше, тим краще.
Потім в 90-е дещо трапилося: вартість обчислень досягла рівня, коли стало економічно ефективним розраховувати ймовірні результати про здоров'я на індивідуальній основі. Це кинуло бізнес медичного страхування від встановлення норм до відмови від компенсацій. В США бізнес-модель медичного страхування перейшла від охоплення максимальної кількості людей до мінімальної кількості і продажу страховки тільки здоровим людям, тим, хто не потребує в охороні здоров'я.
Прибутку страхових компаній злетіли, але у нас з'явилися мільйони незастрахованих сімей.
Беручи до уваги, що суспільству потрібні люди здорові, продаж страховок тільки здоровим, очевидно, не могла довго тривати. Виник новий вид економічного міхура, який чекав свого кінця — тому з'явилася Obamacare (система охорони здоров'я із захистом пацієнта і доступністю обслуговування). На цю тему можна цілу книгу написати, але потрібно розуміти, що щось повинно було статися, щоб система страхування змінилася, для досягнення соціальної мети. Довіряючи електронним розумним систем якимось чином знаходити характерний спосіб покривати більший відсоток населення, продовжуючи при цьому розширювати межі прибутку — несамовита поведінка.
Великий лякаючий Google. Лохотрон, який дуже часто лежить в основі великих даних, проникає через всю економіку і зачіпає тих людей, яких ми вирішили вважати втіленням великих даних або навіть їх творцями. Google, наприклад, хоче, щоб ми вірили, що він знає, що робить. Я не кажу, що творіння Google не фантастичні і не важливі, але вони побудовані на недосяжному алгоритмі, який вони не будуть пояснювати, так само як Берні Медофф не буде пояснювати свої свої інвестиційні методи. Великий лякаючий Google, він збагнув вселенську мудрість.
Можливо, але хто знає точно?
Правда в тому, що всі гроші роблять вони!
Правда про рекламу. Google виставляє рахунки рекламодавцям, але весь їх дохід — це рекламодавці, які платять за рахунками. Хоча це може здатися банальним, часто рекламодавці не дуже хочуть знати, наскільки добре йдуть справи в їх компанії. Якщо б було досить прозоро, наскільки до смішного низька прибутковість у більшого обсягу реклами, рекламні агентства йшли б з бізнесу. А оскільки агентства не тільки виробляють рекламу, а ще і розміщують її де-то для клієнтів, з точки зору рекламної індустрії іноді краще не знати.
В результаті серед рекламників структура влади перевернута з ніг на голову. Вищестоящі працівники агентства заробляють велику частину грошей і входять у творчу прошарок, яка займається безпосередньо рекламою. Новачки, які майже не заробляють грошей і майже не мають авторитету — це ті, хто публікують друковану, медійну і навіть інтернет-рекламу. Рекламна індустрія оцінює створення реклами дорожче будь окупності для клієнтів. Це безумство і щоб така схема працювала, невігластво має торжествувати.
Виходить, що інтернет корумпований. Новинний агрегатор Huffington Post сказав своїм авторам використовувати терміни пошукової оптимізації в публікаціях, для можливого збільшення читацької аудиторії. Чи працює це? Не дуже ясно, хоча дослідження свідчать, що показники оптимізатора пошукових систем йдуть вгору, якщо вставляти тарабарщину в пости, що не має сенсу взагалі.
У підсумку, відбувається наступне — ми піддаємося і миримося з більш низьким стандартом продуктивності. Допоможуть вам Match.com або eHarmony знайти кращу пару? Немає. Але смішно думати, що вони здатні на це, так якого біса...
Знову ж таки, дивно тут те, що ми цинічно ставимося до даних, коли мова йде про науку (зміну клімату, креационизме і т. д.), але майже зовсім без цинізму, коли мова йде про бізнес-даних.
Тепер цікаво взяти під увагу ось який факт. Дані компанії Google — необроблені, не проаналізовані — у більшому обсязі доступні іншим компаніям, так чому у Google немає ефективного конкурента в пошуку? Bing від Microsoft, безумовно, має доступ до тими ж даними, що і Google, але у них одна шоста користувачів. Тут усе зводиться до сприйняття ринку, а Bing не сприймається як відповідна альтернатива Google, хоча він саме такий.
Це гра великих даних.
Інша, неосвященная, сторона цієї історії. У Apple центр даних в Північній Кароліні оцінюється в $1 млрд, він побудований ще до смерті Стіва Джобса. Я провів день, припаркувавшись перед воротами цього об'єкта, і нарахував одну въезжающую і виїжджає машину. Я продовжував розраховувати яка знадобилася б серверна потужність, якби Apple зберігав у цьому будинку кілька копій всіх існуючих на Землі даних і нарахував вісім відсотків доступного їм на даний момент простору. Це будівля здатна утримувати два мільйони серверів.
Згодом я зустрівся з торговим агентом, який продав компанії Apple кожен сервер у цьому будинку — всі 20 000, як він сказав.
Двадцять тисяч серверів багато для iTunes, але вони займають один відсоток площі всієї будівлі. Що там відбувається? Це обман великих даних: витративши $1 млрд на будівництво, Apple задивляється на Уолл-стріт (і на конкурентів Apple), як гравець у грі Google.
не Можна сказати, що великі дані нереальні, тому що вони реальні. У Amazon.com і будь-який інший величезної компанії роздрібної торгівлі, включаючи Walmart, великі дані цілком реальні, тому що цим компаніям реальні дані потрібні, щоб бути успішними на тонких гранях рентабельності. Успіх Walmart завжди будувався на інформаційних технологіях. В електронній комерції, де купуються і продаються реальні речі, клієнт завжди залишається клієнтом.
Для Google і Facebook клієнт — це продукт. Google і Facebook торгують нами.
Весь цей час закон Мура успішно діє, наколдовывая все більш дешеві і потужні обчислення. Як ми вже говорили в першій частині, кожне десятиліття обчислювальна потужність з тією ж ціною підвищується на коефіцієнт 100, тільки завдяки закону Мура. Комп'ютерна транзакція необхідна для продажу авіаквитків через систему SABRE в 1955 році знизилася в мільярд разів до сьогоднішнього дня. Те, що було правильним витратою в $10 за квиток в 1955 році, сьогодні незначна частина пенні, яку немає сенсу враховувати. У ціннісній системі SABRE обчислення сьогодні фактично безкоштовні. Це повністю змінює те, що ми можемо робити за допомогою комп'ютерів.

Ваша особиста служба розвідки. Обчислення стали настільки недорогими, а персональні дані проникли настільки глибоко, що тепер деякі хмарні додатки перетворюють ваш смартфон в подобу машин для інтелектуального аналізу даних Едгара Гувера (ФБР) або NSA сьогодні. Один з таких інструментів був названий Refresh і зображений на картинці. Refresh потім був поглинений LinkedIn, а той поглинений Microsoft, але зразок все ще діє. Введіть чиєсь ім'я, телефон і сотні комп'ютерів — в буквальному сенсі сотні — обшарят соціальні медіа та веб, складаючи оперативне досьє на людину, з яким у вас ділова зустріч або просто хочете посидіти з ним у барі, і ви не просто бачите все про цю людину: його життя, роботу, сім'ю, освіту, система може відстежити як перетиналися ваші з ним життя, передбачити питання, які ви могли б задати або теми розмови, які ви, можливо, захочете розвинути. Все це в межах однієї секунди. І безкоштовно.
Ну добре, цифрова шпаргалка — навряд чи, вершина розвитку комп'ютеризації, створеної людиною, але вона показує, як далеко ми просунулися, і припускає, наскільки ще зможемо, оскільки обчислення стають ще дешевше. І обчислення стануть ще дешевше, так як закон Мура не сповільнюється, а, навпаки, прискорюється.
Провал штучного інтелекту. Ще у 80-х була популярна область, звана штучним інтелектом, основною ідеєю якої було з'ясувати, як експерти роблять те, що роблять, звести ці завдання до набору правил, потім запрограмувати комп'ютери використовуючи ці правила і ефективно замінити експертів. Мета полягала в тому, щоб навчити комп'ютери діагностувати захворювання, переводити мови, навіть з'ясовувати, чого ми хочемо, але самі зрозуміти не здатні.
Це не спрацювало.
Штучний інтелект або, як його назвали, AI (Artificial Intelligence), насосал сотні мільйонів венчурних доларів силіконової долини, перш ніж був оголошений банкрутом. Хоча в той час проблема штучного інтелекту чітко не промальовується, вона полягала в тому, що нам просто не вистачало обчислювальної потужності за відповідною часу ціною для досягнення цих амбіційних цілей. Але завдяки Map Reduce та хмарної інфраструктури сьогодні у нас є більш ніж достатньо обчислювальної потужності, щоб створити штучний інтелект.
Лежачий поліцейський Парадоксально те, що ключовою ідеєю штучного інтелекту було дати мова комп'ютерів, а в реальності сталося таке, що значна частина успіху компанії Google опинилася в ефективному віддалі мови від комп'ютерів, людської мови. Стандарти XML і SQL, які лежать в основі майже всього веб-контенту, не використовуються в Google, тому що вони зрозуміли, що структури даних, пристосовані до читання людиною не мають сенсу для комп'ютерів, які будуть спілкуватися між собою. За рахунок того, що людина більше не потрібний для комп'ютерної комунікації, значний прогрес був досягнутий в області машинного навчання. Це дуже важливо, будь ласка, прочитайте це ще раз.
Розумієте, у сучасній версії штучного інтелекту нам не потрібно навчати комп'ютери людських виконання завдань: вони самі себе навчають.
Google Translate, наприклад, може використовувати онлайн, безкоштовно хто завгодно, для перекладу в різних комбінаціях між більш ніж 70 мовами. Цей статистичний перекладач використовує мільярди послідовностей слів, які відображаються на двох або більше мовами. Ось це англійською означає ось це по-французьки. Ніяких частин мови, ніяких підлягають або дієслів, жодної граматики взагалі. Система просто з'ясовує це. А значить, що для теорії немає ніякої необхідності. Це чітко працює, але ми не можемо точно сказати — як, тому що весь процес управляється даними. Згодом Google Translate буде вдосконалюватися все більше, роблячи переклад на основі так званих кореляційних алгоритмів — правил, які ніколи не покидають машину і занадто складні для людей, щоб навіть зрозуміти.
Мозок Google. У Google є одна штука, яка називається Google Vision, зовсім недавно в ній було 16 000 мікропроцесорів — еквівалент приблизно однієї десятої зорової кори людського мозку. Він спеціалізується на комп'ютерному зорі і навчається таким же чином, як Google Translate, з допомогою величезної кількості зразків — в даному випадку нерухомих зображень (мільярди нерухомих зображень), які беруться з відео на YouTube. Google Vision розглядає зображення 72 години і, по суті, навчає себе розпізнавати в два рази більше, ніж будь-який комп'ютер на Землі. Дайте йому зображення, і він знайде ще одне подібне. Скажіть йому, що на зображенні кішка, і він буде здатний розпізнавати кішок. Пам'ятайте, на це йде три дні. Скільки часу займає розпізнати кішку у новонародженої дитини?

Точно так само, як Уотсон з IBM виграв у Jeopardy (російська версія телепередачі називається «Своя Гра», — прим. пер.), просто переробляючи питання з минулих випусків: не було ніякої лежить в основі теорії.
Давайте просунемося ще на пару кроків. Проводили дослідження, керовані даними на основі магнітно-резонансних томограм (МРТ), зображень живих мізків засуджених злочинців. Ця система не відрізняється від прикладу з Google Vision, крім того, що ми розбираємо тут інше питання — рецидивізму, ймовірність того, що злочинець порушить закон і знову повернеться до в'язниці після звільнення. Знову ж, без будь-якої базової теорії Google Vision, здається, здатний розрізняти ті МРТ-знімки злочинців, які здатні на повторний злочин і ті, які не здатні. Гуглівський коефіцієнт результативності для прогнозування вчинення злочину, базується виключно на одному скані мозку і становить 90+ відсотків. Повинні знімки МРТ стати інструментом для прийняття рішення яких ув'язнених звільняти умовно-достроково? Звучить трохи схожим на фільм Minority Report («Особлива думка») з Томом Крузом. В цій схемі є величезна можлива економічна вигода для всього суспільства, але вона містить страшний аспект відсутності теорії, що лежить в основі: вона працює, тому що працює.

Після цього вчені Google подивилися на МРТ звичайних людей в той час як ті переглядали мільярди кадрів YouTube. Переробивши досить великий набір даних цих зображень і результуючі МРТ, комп'ютер може передбачити, на що дивиться суб'єкт.
Це називається читанням думок… і, знову, ми не знаємо, як це працює.
Просуваємо науку, усуваючи вчених.
Що роблять вчені? Вони теоретизують. Великі дані в деяких випадках роблять теорію непотрібною або просто неможливою. У 2013 році Нобелівська премія з хімії була присуджена трійці біологів, які всі свої дослідження побудували на висновку, зробленому комп'ютерними алгоритмами, щоб пояснити хімію ензимів. При отриманні цієї премії жоден ензим не постраждав.
Алгоритми сьогодні удосконалюються в два рази швидше закону Мура.
Що змінюється, так це виникнення нового робочого процесу інформаційної технології, який починається з традиційного:
  1. Нове залізо породжує новий софт.
  2. Новий софт пишеться для нових областей діяльності, забезпечених новим залізом.
  3. Закон Мура знижує вартість заліза з часом, і новий софт стає орієнтованим на споживача.
  4. Змити, повторити.
До наступного покоління:
  1. Масовий паралелізм дозволяє органічно отримувати нові алгоритми
  2. Нові алгоритми працюють на споживчому техніці
  3. Закон Мура ефективно форсується, хоча і з деякими ризиками (ми не розуміємо свої алгоритми)
  4. Змити, повторити
У чому тут суть? Новий стиль впровадження виходить за рамки того, що завжди потрібно для значного технологічного стрибка — нової обчислювальної платформи. Що буде після мобільних телефонів, питають люди? Це і буде після мобільних телефонів. Як це буде виглядати? Ніхто не знає, і можливо все це не важливо.
Через 10 років закон Мура збільшить потужність процесора 128 разів. Нацьковуючи більше процесорних ядер на рішення завдань і експлуатуючи швидкими темпами розвитку алгоритмів, ми повинні збільшити це значення ще в 128 разів: у загальній складності в 16,384. Пам'ятаєте, Google Vision в даний час — це еквівалент 0,1 обсягу зорової кори. Тепер помножте це на 16 384 і отримайте 1 638 еквівалентів зорової кори. Ось до чого це веде.
Через десять років комп'ютерне зір зможе бачити речі, які ми не розуміємо, так само, як собаки можуть понюхати рак.
Ми б'ємося об стіну нашої здатності генерувати відповідні теорії, одночасно знаходячи у великих даних хакі, щоб будь-якими способами продовжувати покращувати результати. Єдина проблема тільки в тому, що ми більше не розуміємо, як щось працює. Як багато часу залишилося до моменту, коли ми повністю втратимо контроль?

Приблизно до 2029, згідно Рею Курцвейлу, ми досягнемо технологічної сингулярності.
У цьому році говорить відомий футурист (і гуглер), за $1 000 можна буде придбати обчислювальну потужність, яка буде відповідати 10 000 людським интеллектам. За ціну ПК, говорить Рей, ми зможемо використовувати більше обчислювальної потужності, ніж ми можемо зрозуміти або навіть пояснити. Цей суперкомп'ютер в кожному гаражі.
У поєднанні з настільки ж швидкими мережами це може означати, що ваш комп'ютер або який пристрій у вас не було — може пронизати в реальному часі абсолютно все коли-небудь написані слова, щоб відповісти буквально будь-яке поставлене питання. Не залишаючи жодного не оббитого порога.
Сховатися не вийде. Застосуйте це до світу, де кожне електричне пристрій — це датчик подає сигнал мережі, і у нас будуть не тільки неймовірно ефективні пожежні сигналізації, ми швидше за все втратимо будь-яку приватність.

Ті, хто передбачає майбутнє схильні переоцінювати зміни на короткий термін і недооцінювати довгострокові. Desk Set 1957 з Кетрін Хепберн і Спенсером Трейсі передбачали автоматизацію на базі мейнфреймів і виключення людей, які керують машинами в науково-дослідному відділі телемереж. В якійсь мірі це збулося, хоча потрібно ще 50 років і люди залишилися частиною процесу. Але найбільша технологічна загроза висіла не над науково-дослідним відділом, а над самою телевізійною мережею. Будуть існувати телевізійні мережі в 2029 році? Буде існувати телебачення взагалі?
Ніхто не знає.
Якщо ви прочитали всю серію статей і випадково опинилися працівником Google, ви можете відчувати, що вас атакували, тому що багато чого з того, що я описую, може загрожувати поточного способу життя, а ім'я "Google" часто зустрічається в тексті. Але це не так. Точніше, це не зовсім так. Google — зручна мішень, але таку ж роботу виконують прямо зараз компанії на зразок Amazon, Facebook і Microsoft, і ще близько ста або більше інших стартапів. Google — не єдиний. Та регулювання діяльності Google (що намагаються робити європейці) або спроби викинути його з бізнесу, ймовірно, нічого не змінять. Майбутнє настає не дивлячись ні на що. П'ять з цих сотень стартапів будуть мати феєричний успіх, і їх буде достатньо, щоб назавжди змінити світ.
Так ми прийшли до самоуправляемому автомобілю. Такі компанії, як Google і його конкуренти процвітають завдяки виробництву все більш швидких і дешевих обчислень, тому що це робить їх імовірними постачальниками продуктів і послуг, керованих даними, в майбутньому. Це майбутнє індустрії.
Сьогодні, якщо взяти вартість деталей сучасного автомобіля, то пучок проводів, яка з'єднує всі електричні біти і контролює весь механізм, коштує більше, ніж двигун і коробка передач! Це показує який у нас пріоритет: команди і комунікації, а не рух. Але ці витрати різко знижуються, а їх функціональні можливості збільшуються з тією ж швидкістю. Сума в $10 000, виділена Google для самоврядного авто, впаде до нуля через десятиліття, після того, як всі нові автомобілі стануть самоврядними.
Зробіть всі нові автомобілі самоврядними і природа автомобільної культури повністю зміниться. Автомобілі з'являться скрізь, вони будуть їхати з максимальною дозволеною швидкістю, і між ними буде всього один метр. Це збільшить пропускну здатність автомобільних доріг в 10 разів.
Той же ефект може позначитися на авіаперельотах. Самоврядні літаки можуть призвести до появи великої кількості дрібних літаків, які будуть як зграї птахів летіти прямо в місце призначення.
А може, ми взагалі перестанемо подорожувати. Збільшені обчислювальні потужності і більш швидкі мережі вже дають можливість телеприсутності — відеоконференцзв'язок в натуральну величину, там, де потрібно споживачеві.
Можливо єдиним реальним спілкуванням з людьми за межами свого села, будуть моменти, коли ми будемо до них фізично торкатися.
Усе це і багато іншого ймовірно. Біоінформатика — застосування масивної обчислювальної потужності в медицині, в поєднанні з кореляційними алгоритмами і машинним навчанням, будуть шукати відповіді на питання, яких ми ще не поставили і ніколи не поставимо.
Можливо, ми переможемо і захворювання і старіння, а значить, що вмирати ми будемо від рук злочинців, самогубств, або трагічних нещасних випадків.
Компанії з великими даними несуться стрімголов, захоплюючи важливі позиції постачальників майбутнього. Закон Мура далеко вийшов за межу, де це стало неминучим. Ми дійшли до точки неповернення.
І світ повністю змінюється, а ми можемо тільки здогадуватися, як він буде виглядати і хто… чи що… буде його контролювати.
(Переклад Наталії Басс)
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.