აკადემიური გამომცემლობა

საზოგადოებრივ მეცნიერებებსა და პოლიტიკურ მსჯელობაში სიღარიბე, უპირატესად, მატერიალური რესურსების ნაკლებობად და ზოგად სტატისტიკურ მაჩვენებლად განიხილება. თუმცა, აკადემიურ ლიტერატურაში სულ უფრო მეტი ყურადღება ეთმობა პრობლემის ფარულ, ფსიქო-სოციალურ განზომილებას. დღეს სადავო აღარ არის, რომ მატერიალური სიდუხჭირე აზიანებს ადამიანის ფსიქიკურ ჯანმრთელობას, ხოლო გაუარესებული ფსიქოლოგიური მდგომარეობა, თავის მხრივ, აფერხებს ეკონომიკურ აღმასვლას. მართალია, თანამედროვე კვლევებში მსჯელობის საგანია, ქმნის თუ არა სიღარიბე დაუღწეველ „ფსიქოლოგიურ მახეს“, თუმცა ისინი ცხადყოფს, რომ სიღარიბესა და ადამიანის ფსიქიკურ მდგომარეობას შორის მჭიდრო მიზეზ-შედეგობრივი კავშირი არსებობს[1].

იაპონია, დღესდღეობით ამერიკის შეერთებული შტატების ერთ-ერთი უმნიშვნელოვანესი მოკავშირე, მეორე მსოფლიო ომის დროს აზიაში მისი ყველაზე დიდი მეტოქე და, ზოგადად, კონტინენტზე მთავარი ანგარიშგასაწევი იმპერიული ძალა იყო. მეიჯის რესტავრაციის შედეგად დამკვიდრებულმა და დასავლური იმპერიალიზმით შთაგონებულმა სამხედრო ექსპანსიამ მე-20 საუკუნის დასაწყისში იაპონია რეგიონულ ჰეგემონად აქცია, რომლის სამხედრო და პოლიტიკური გავლენა სამხრეთ-აღმოსავლეთ აზიის დიდ ნაწილზე ვრცელდებოდა. თუმცა ატომური დაბომბვის შედეგად ფსიქოლოგიურად და ფიზიკურად განადგურებულ ერს არჩევანი არ დარჩა – იაპონიამ მიიღო პოტსდამის დეკლარაცია, რომლის მიხედვითაც ამერიკის შეერთებული შტატები, დიდი ბრიტანეთი და ჩინეთი იაპონიის შეიარაღებული ძალების უპირობო დანებებას მოითხოვდნენ (Igarashi 2000, 21).

ფილოსოფიის ისტორიაში ხშირად ჩნდება ვითარება, როდესაც ორი მოაზროვნე, სხვადასხვა საზოგადოებრივ-ისტორიულ გარემოში, ერთსა და იმავე ძირეულ საკითხზე სააზროვნო სისტემებს ქმნის. ჟან-ჟაკ რუსო (1712–1778) და კარლ მარქსი (1818–1883) შეიძლება განვიხილოთ ასეთ ფილოსოფოსებად. პირველი მე-18 საუკუნის განმანათლებლობის ეპოქაში მოღვაწეობდა, მეორე კი მე-19 საუკუნის ინდუსტრიულ-კაპიტალისტური კრიზისისას. საბოლოოდ ორივე ერთ მნიშვნელოვან საკითხს შეისწავლიდა – უთანასწორობას.

მამამისი (ისიც ივანე), ახლად გადმოყვანილი საბაჟოს უფროსის თანამდებობაზე, იყო კახელი, სოფელ კალაურის მღვდლის შვილი, დედა კი – ანასტასია, იესე ბოდოკიას ასული, იმერეთიდან. ვანო იყო მეექვსე შვილი ამ ოჯახისა, მაგრამ ცოტა ხანს დასცალდა მას მშობლიური ნაზი სიყვარულით დატკბობა; ვანო იყო ჯერ კიდევ სამი წლისა, როდესაც გარდაიცვალა მამა მისი, კაცი მეტად სათნო ხასიათისა, ცოლ-შვილის მოსიყვარულე და მოამაგე, და რომელს დამსახურებული ჰქონდა დიდი პატივისცემა ნაცნობთა და თანამშრომელთა შორის.

ნეირომეცნიერებისთვის აქამდე ტვინი კვლევის საგანს წარმოადგენდა, ხოლო ბოლო ათწლეულის განმავლობაში ნეიროინჟინერიამ ის გამოთვლით სისტემად აქცია. ხელოვნური ინტელექტის მრავალ სისტემაში გამოიყენება ხელოვნური ნერვული ქსელები (ANN), რომელთა არქიტექტურაც ბიოლოგიური ნერვული ქსელებითაა (BNN) შთაგონებული. შთაგონების წყაროდ ტვინი იქცა, ვინაიდან დედამიწაზე არ არსებობს სისტემა, რომელსაც უკეთ შეუძლია ,,დასწავლა“. შესაბამისად, მეცნიერები დაფიქრდნენ, შეიძლებოდა თუ არა ხელოვნური ნერვული ქსელის ბიოლოგიური, ცოცხალი სისტემით ჩანაცვლება – სწორედ აქ დაიბადა ორგანოიდული ინტელექტი (OI). ცნობისმოყვარეობასთან ერთად ორგანოიდული ინტელექტის შექმნის იდეას საფუძვლად დაედო ხელოვნური ინტელექტის შეზღუდვები. ხელოვნური ინტელექტის ფიზიკურ აპარატურას (hardware) სილიციუმის მიკროჩიპები წარმოადგენს, რომლებზედაც განთავსებულია მილიარდობით ტრანზისტორი (ასევე სილიციუმის). ტრანზისტორები მონაცემთა გადამუშავებისა და დასწავლის დროს ხურდება და, ამასთანავე, იყენებს ძალიან დიდი რაოდენობის ენერგიას. ზემოხსენებული მიკროჩიპების ზომის შემცირებით შესაძლებელი გახდა ენერგიის დაზოგვა. მოცემული გამოსავლის აღმოჩენიდან ათწლეულების განმავლობაში კომპიუტერული ტექნოლოგიების განვითარებას მართავდა ე.წ. მურის კანონი (Moore’s Law), რომლის მიხედვითაც, მიკროჩიპებზე ტრანზისტორების რაოდენობა ყოველ ორ წელიწადში ორმაგდებოდა; ტრანზისტორების ზომის შემცირება კი ზრდიდა როგორც გამოთვლით სიმძლავრეს, ისე – ენერგოეფექტურობას. დღეს ტრანზისტორების კიდევ უფრო დაპატარავება მზარდი ფიზიკური და ტექნოლოგიური დაბრკოლებებით ხასიათდება, რადგან უკიდურესად მცირე ზომებზე გაჟონვის, სითბოს მართვისა და წარმოების სირთულის პრობლემებს ვაწყდებით. მოცემული შეზღუდვის გადასაჭრელად, სილიციუმის აპარატურის შემცვლელად გვევლინება 3D ორგანოიდი. ორგანოიდის ნეირონული ქსოვილი ინფორმაციის ათვისებისა და დამახსოვრებისთვის ნეიროპლასტიკურობას იყენებს და დასწავლისათვის დიდი AI მოდელებისგან განსხვავებით მეგავატობით ენერგია არ სჭირდება; OI სისტემაში გარე პროცესორები და ალგორითმები სიგნალების ჩაწერას, ანალიზსა და უკუკავშირის მართვას უზრუნველყოფენ.