Duomenys, įgalinantys dirbtinį intelektą, greitai nyksta

„Naujas „Data Provenance Initiative“ tyrimas atskleidė dramatišką turinio sumažėjimą, prieinamą kolekcijoms, naudojamoms dirbtiniam intelektui (A.I.) kurti.

 

 Daugelį metų žmonės, kuriantys galingas dirbtinio intelekto sistemas, naudojo didžiulius teksto, vaizdų ir vaizdo įrašų kiekius, paimtus iš interneto, norėdami apmokyti savo modelius.

 

 Dabar šie duomenys išdžiūsta.

 

 Per pastaruosius metus daugelis svarbiausių interneto šaltinių, naudotų, mokant A.I. modelius, apribojo savo duomenų naudojimą, rodo šią savaitę M.I.T. vadovaujamos tyrimų grupės „Data Provenance Initiative“ paskelbtas tyrimas.

 

 Tyrimas, kurio metu buvo nagrinėjama 14 000 žiniatinklio domenų, įtrauktų į tris dažniausiai naudojamus A.I. mokymo duomenų rinkinius, atrado „kylančią sutikimo krizę“, nes leidėjai ir internetinės platformos ėmėsi veiksmų, kad jų duomenys nebūtų renkami.

 

 Tyrėjai apskaičiavo, kad trijuose duomenų rinkiniuose, vadinamuose C4, RefinedWeb ir Dolma, 5 procentai visų duomenų ir 25 procentai duomenų iš aukščiausios kokybės šaltinių buvo apriboti. Šie apribojimai nustatyti, naudojant robotų išskyrimo protokolą – dešimtmečių senumo metodą, skirtą svetainių savininkams neleisti automatizuotiems robotams tikrinti jų puslapius, naudojant failą robots.txt.

 

 Tyrimas taip pat parodė, kad net 45 procentai duomenų viename rinkinyje, C4, buvo apriboti svetainių paslaugų teikimo sąlygų.

 

 „Matome, kad greitai mažėja sutikimas naudoti duomenis visame žiniatinklyje, o tai turės pasekmių ne tik A.I. įmonėms, bet tyrėjams, akademikams ir nekomerciniams subjektams“, – interviu sakė Shayne'as Longpre, tyrimo pagrindinis autorius.

 

 Duomenys yra pagrindinė šių dienų generatyvaus A.I sudedamoji dalis. Tai dalis sistemos, kurioje pateikiama milijardai teksto, vaizdų ir vaizdo įrašų pavyzdžių. Didžiąją dalį tų duomenų tyrėjai ištraukia iš viešųjų svetainių ir kaupia dideliais duomenų rinkiniais, kuriuos galima atsisiųsti ir laisvai naudoti arba papildyti duomenimis iš kitų šaltinių.

 

 Mokymasis iš tų duomenų leidžia generuoti A.I. įrankius, tokius, kaip OpenAI ChatGPT, Google Gemini ir Anthropic Claude, skirtus rašyti, koduoti ir generuoti vaizdus bei vaizdo įrašus. Kuo daugiau aukštos kokybės duomenų įvedama į šiuos modelius, tuo geresnė jų išvestis.

 

 Daugelį metų A.I. kūrėjai galėjo gana lengvai surinkti duomenis. Tačiau generatyvaus A.I. pastarųjų kelerių metų bumas sukėlė įtampą su tų duomenų savininkais – daugelis iš jų nerimauja dėl to, kad bus naudojami kaip A.I. dresūros pašaras, ar bent jau nori gauti už tai atlyginimą.

 

 Didėjant reakcijai, kai kurie leidėjai nustatė mokamas sieneles arba pakeitė paslaugų teikimo sąlygas, kad apribotų savo duomenų naudojimą A.I. mokymams. Kiti blokavo automatines žiniatinklio tikrinimo programas, kurias naudoja tokios įmonės, kaip „OpenAI“, „Anthropic“ ir „Google“.

 

 Tokios svetainės, kaip „Reddit“ ir „StackOverflow“ pradėjo apmokestinti A.I. kompanijas dėl prieigos prie duomenų, o keli leidėjai ėmėsi teisinių veiksmų, įskaitant „The New York Times“, kuris praėjusiais metais padavė į teismą OpenAI ir „Microsoft“ dėl autorių teisių pažeidimo, teigdamas, kad bendrovės naudojo naujienų straipsnius, kad mokytų savo modelius be leidimo.

 

 Tokios įmonės, kaip „OpenAI“, „Google“ ir „Meta“ pastaraisiais metais labai stengėsi surinkti daugiau duomenų, kad patobulintų savo sistemas, įskaitant „YouTube“ vaizdo įrašų perrašymą ir savo duomenų politikos pakeitimą.

 

 Visai neseniai kai kurios A.I. įmonės sudarė sandorius su leidėjais, įskaitant „The Associated Press“ ir „News Corp“, „The Wall Street Journal“ savininką, suteikiant joms nuolatinę prieigą prie jų turinio.

 

 Tačiau plačiai paplitę duomenų apribojimai gali kelti grėsmę A.I. įmonėms, kurioms reikalingas nuolatinis aukštos kokybės duomenų tiekimas, kad jų modeliai būtų nauji ir atnaujinami.

 

 Jie taip pat gali sukelti problemų mažesniems A.I. veikėjams ir akademiniams tyrėjams, kurie remiasi viešais duomenų rinkiniais ir negali sau leisti licencijuoti duomenų tiesiogiai iš leidėjų. „Common Crawl“, vienas iš tokių duomenų rinkinių, apimančių milijardus žiniatinklio turinio puslapių ir kurį tvarko ne pelno organizacija, buvo paminėtas daugiau, nei 10 000 akademinių tyrimų, sakė P. Longpre.

 

 Neaišku, kurie populiarūs A.I. produktai buvo mokomi apie šiuos šaltinius, nes tik nedaugelis kūrėjų atskleidžia visą naudojamų duomenų sąrašą. Tačiau duomenų rinkinius, gautus iš „Common Crawl“, įskaitant C4 (kuris reiškia Colossal, Cleaned Crawled Corpus), naudojo įmonės, įskaitant „Google“ ir „OpenAI“, kad apmokytų ankstesnes savo modelių versijas. 

 

„Google“ ir „OpenAI“ atstovai atsisakė komentuoti.

 

 Yacine Jernite, mašininio mokymosi tyrinėtoja iš Hugging Face, įmonės, teikiančios įrankius ir duomenis A.I. kūrėjai sutikimo krizę apibūdino, kaip natūralų atsaką į A.I. pramonės agresyvios duomenų rinkimo praktikos.

 

 „Nenuostabu, kad matome, kad duomenų kūrėjai atsiliepia po to, kai tekstai, vaizdai ir vaizdo įrašai, kuriais jie dalinosi internete, yra naudojami, kuriant komercines sistemas, kurios kartais kelia tiesioginę grėsmę jų pragyvenimui“, – sakė jis.

 

 Tačiau ji perspėjo, kad jei visus, A.I. reikalingus, duomenis reikia gauti, sudarant licencijavimo sandorius, „tyrėjams ir pilietinei visuomenei nebūtų leidžiama dalyvauti technologijų valdyme“.

 

 Stella Biderman, EleutherAI, ne pelno siekiančios A.I., vykdomoji direktorėpakartojo tas baimes.

 

 „Didžiosios technologijų įmonės jau turi visus duomenis“, – sakė ji. „Pakeitus duomenų licenciją, tas leidimas atgaline data neatšaukiamas, o pagrindinis poveikis yra vėliau atvykstantiems veikėjams, kurie paprastai yra mažesnės pradedančios įmonės arba mokslininkai."

 

 A.I. įmonės teigė, kad jų viešųjų žiniatinklio duomenų naudojimas yra teisiškai apsaugotas pagal sąžiningą naudojimą. Tačiau naujų duomenų rinkimas tapo sudėtingesnis. Kai kurie A.I. vadovai, su kuriais kalbėjau, nerimauja dėl atsitrenkimo į „duomenų sieną“ – jų terminas, kai išnaudojami visi viešajame internete esantys mokymo duomenys, o likusieji buvo paslėpti už mokamų sienų, užblokuoti robots.txt arba užsidarę išskirtiniais pasiūlymais.

 

 Kai kurios įmonės mano, kad gali padidinti duomenų sienelės mastelį, naudodamos sintetinius duomenis, ty duomenis, kuriuos pati generuoja A.I. sistemos — kad mokyti savo modelius. Tačiau daugelis tyrinėtojų abejoja, ar šiandieninis A.I. sistemos gali generuoti pakankamai aukštos kokybės sintetinių duomenų, kad pakeistų žmonių sukurtus duomenis, kuriuos jos praranda.

 

 Kitas iššūkis yra tai, kad, kai leidėjai gali bandyti sustabdyti A.I. įmones, neleisdami rinkti savo duomenų, taikydami apribojimus savo robots.txt failais, šios užklausos nėra teisiškai įpareigojančios, o jų laikymasis yra savanoriškas. (Pagalvokite apie tai kaip apie duomenų ženklą „įžengti draudžiama“, bet neturintį įstatymo jėgos.)

 

 Pagrindiniai paieškos varikliai patenkina šias atsisakymo užklausas, o keletas pirmaujančių A.I. bendrovės, įskaitant „OpenAI“ ir „Anthropic“, taip pat viešai pasakė tai darysiančios. Tačiau kitos bendrovės, įskaitant A.I. varomą paieškos variklį „Perplexity“, buvo apkaltintos jų ignoravimu. „Perplexity“ generalinis direktorius Aravindas Srinivasas man pasakė, kad bendrovė laikosi leidėjų duomenų apribojimų. Jis pridūrė, kad nors bendrovė kažkada dirbo su trečiųjų šalių žiniatinklio tikrinimo programomis, kurios ne visada laikėsi robotų išskyrimo protokolo, ji „padarė pakeitimus su mūsų teikėjais, kad užtikrintų, jog jie sektų robots.txt, kai tikrina Perplexity vardu“.

 

 P. Longpre teigė, kad vienas iš didžiausių tyrimo aspektų yra tai, kad mums reikia naujų įrankių, kad svetainių savininkai galėtų tiksliau kontroliuoti savo duomenų naudojimą. Kai kurios svetainės gali prieštarauti, jog A.I. milžinai naudoja svetainių duomenis pokalbių robotams mokyti, siekdami pelno, tačiau gali būti pasirengę leisti tuos pačius duomenis naudoti, ne pelno siekiančiai, arba švietimo įstaigai. Šiuo metu jiems nėra tinkamo būdo atskirti tuos naudojimo būdus arba blokuoti vieną ir leisti kitą.

 

 Tačiau čia taip pat yra pamoka dideliam A.I. įmonių skaičiui, įmonių, kurios daugelį metų internetą traktavo, kaip neribotą duomenų bufetą, nesuteikdamos tų duomenų savininkams didelės vertės mainais. Galų gale, jei taip pasinaudosite žiniatinklio privalumais, žiniatinklis pradės uždarinėti duris." [1]

 

1. The Data That Powers A.I. Is Disappearing Fast: The shift. Roose, Kevin.  New York Times (Online) New York Times Company. Jul 19, 2024.

The Data That Powers A.I. Is Disappearing Fast

 

"New research from the Data Provenance Initiative has found a dramatic drop in content made available to the collections used to build artificial intelligence.

For years, the people building powerful artificial intelligence systems have used enormous troves of text, images and videos pulled from the internet to train their models.

Now, that data is drying up.

Over the past year, many of the most important web sources used for training A.I. models have restricted the use of their data, according to a study published this week by the Data Provenance Initiative, an M.I.T.-led research group.

The study, which looked at 14,000 web domains that are included in three commonly used A.I. training data sets, discovered an “emerging crisis in consent,” as publishers and online platforms have taken steps to prevent their data from being harvested.

The researchers estimate that in the three data sets — called C4, RefinedWeb and Dolma — 5 percent of all data, and 25 percent of data from the highest-quality sources, has been restricted. Those restrictions are set up through the Robots Exclusion Protocol, a decades-old method for website owners to prevent automated bots from crawling their pages using a file called robots.txt.

The study also found that as much as 45 percent of the data in one set, C4, had been restricted by websites’ terms of service.

“We’re seeing a rapid decline in consent to use data across the web that will have ramifications not just for A.I. companies, but for researchers, academics and noncommercial entities,” said Shayne Longpre, the study’s lead author, in an interview.

Data is the main ingredient in today’s generative A.I. systems, which are fed billions of examples of text, images and videos. Much of that data is scraped from public websites by researchers and compiled in large data sets, which can be downloaded and freely used, or supplemented with data from other sources.

Learning from that data is what allows generative A.I. tools like OpenAI’s ChatGPT, Google’s Gemini and Anthropic’s Claude to write, code and generate images and videos. The more high-quality data is fed into these models, the better their outputs generally are.

For years, A.I. developers were able to gather data fairly easily. But the generative A.I. boom of the past few years has led to tensions with the owners of that data — many of whom have misgivings about being used as A.I. training fodder, or at least want to be paid for it.

As the backlash has grown, some publishers have set up paywalls or changed their terms of service to limit the use of their data for A.I. training. Others have blocked the automated web crawlers used by companies like OpenAI, Anthropic and Google.

Sites like Reddit and StackOverflow have begun charging A.I. companies for access to data, and a few publishers have taken legal action — including The New York Times, which sued OpenAI and Microsoft for copyright infringement last year, alleging that the companies used news articles to train their models without permission.

Companies like OpenAI, Google and Meta have gone to extreme lengths in recent years to gather more data to improve their systems, including transcribing YouTube videos and bending their own data policies.

More recently, some A.I. companies have struck deals with publishers including The Associated Press and News Corp, the owner of The Wall Street Journal, giving them ongoing access to their content.

But widespread data restrictions may pose a threat to A.I. companies, which need a steady supply of high-quality data to keep their models fresh and up-to-date.

They could also spell trouble for smaller A.I. outfits and academic researchers who rely on public data sets, and can’t afford to license data directly from publishers. Common Crawl, one such data set that comprises billions of pages of web content and is maintained by a nonprofit, has been cited in more than 10,000 academic studies, Mr. Longpre said.

It’s not clear which popular A.I. products have been trained on these sources, since few developers disclose the full list of data they use. But data sets derived from Common Crawl, including C4 (which stands for Colossal, Cleaned Crawled Corpus) have been used by companies including Google and OpenAI to train previous versions of their models. Spokespeople for Google and OpenAI declined to comment.

Yacine Jernite, a machine learning researcher at Hugging Face, a company that provides tools and data to A.I. developers, characterized the consent crisis as a natural response to the A.I. industry’s aggressive data-gathering practices.

“Unsurprisingly, we’re seeing blowback from data creators after the text, images and videos they’ve shared online are used to develop commercial systems that sometimes directly threaten their livelihoods,” he said.

But he cautioned that if all A.I. training data needed to be obtained through licensing deals, it would exclude “researchers and civil society from participating in the governance of the technology.”

Stella Biderman, the executive director of EleutherAI, a nonprofit A.I. research organization, echoed those fears.

”Major tech companies already have all of the data,” she said. “Changing the license on the data doesn’t retroactively revoke that permission, and the primary impact is on later-arriving actors, who are typically either smaller start-ups or researchers.”

A.I. companies have claimed that their use of public web data is legally protected under fair use. But gathering new data has gotten trickier. Some A.I. executives I’ve spoken to worry about hitting the “data wall” — their term for the point at which all of the training data on the public internet has been exhausted, and the rest has been hidden behind paywalls, blocked by robots.txt or locked up in exclusive deals.

Some companies believe they can scale the data wall by using synthetic data — that is, data that is itself generated by A.I. systems — to train their models. But many researchers doubt that today’s A.I. systems are capable of generating enough high-quality synthetic data to replace the human-created data they’re losing.

Another challenge is that while publishers can try to stop A.I. companies from scraping their data by placing restrictions in their robots.txt files, those requests aren’t legally binding, and compliance is voluntary. (Think of it like a “no trespassing” sign for data, but one without the force of law.)

Major search engines honor these opt-out requests, and several leading A.I. companies, including OpenAI and Anthropic, have said publicly that they do, too. But other companies, including the A.I.-powered search engine Perplexity, have been accused of ignoring them. Perplexity’s chief executive, Aravind Srinivas, told me that the company respects publishers’ data restrictions. He added that while the company once worked with third-party web crawlers that did not always follow the Robots Exclusion Protocol, it had “made adjustments with our providers to ensure that they follow robots.txt when crawling on Perplexity’s behalf.”

Mr. Longpre said that one of the big takeaways from the study is that we need new tools to give website owners more precise ways to control the use of their data. Some sites might object to A.I. giants using their data to train chatbots for a profit, but might be willing to let a nonprofit or educational institution use the same data, he said. Right now, there’s no good way for them to distinguish between those uses, or block one while allowing the other.

But there’s also a lesson here for big A.I. companies, who have treated the internet as an all-you-can-eat data buffet for years, without giving the owners of that data much of value in return. Eventually, if you take advantage of the web, the web will start shutting its doors." [1]

1. The Data That Powers A.I. Is Disappearing Fast: The shift. Roose, Kevin.  New York Times (Online) New York Times Company. Jul 19, 2024.

 

Trumpas liepia Taivanui pasiruošti, kad Taivanui teks daugiau sumokėti už JAV pagalbą Taivano gynybai

„Trumpas taip pat apkaltino Taivaną nuskandinus JAV puslaidininkių sektorių, taip parodydamas, kad nori labiau sandorio metodo, siekiant apsaugoti salą nuo Kinijos.

 

 Respublikonų partijos kandidatas į prezidentus Donaldas J. Trumpas pareiškė, kad Taivanas turėtų sumokėti Jungtinėms Valstijoms už jos gynimą nuo Kinijos, o tai išryškino neaiškumus ir didelius statymus, kaip jis galėtų išspręsti rūkstantį ginčą dėl Taivano sąsiaurio, jei laimėtų antrą kartą.

 

 Taivanas priklauso nuo politinės ir karinės JAV paramos, kad padėtų atsispirti spaudimui iš Pekino, kuris teigia, kad sala yra Kinijos teritorija. D. Trumpas perspėjo, kad Taivanas yra pavojuje dėl bet kokio išpuolio iš Kinijos ir toli nuo JAV apsaugos, ir nurodė, kad Taivano atžvilgiu jis laikysis griežtesnių sąlyginių požiūrių.

 

 „Manau, kad Taivanas turėtų mums mokėti už gynybą“, – antradienį paskelbtame interviu Bloomberg Businessweek sakė D. Trumpas. „Žinote, mes niekuo nesiskiriame nuo draudimo bendrovės“.

 

 Kaip D. Trumpo menkinimas NATO sukrėtė Amerikos sąjungininkus, jo komentarai apie Taivaną iškėlė klausimą, kiek antrasis Trumpo prezidentavimas būtų investuotas į salos gynybą. Jungtinės Valstijos pagal įstatymą įsipareigojo padėti Taivanui apsiginti ir palieka galimybę siųsti pajėgas, jei Pekinas kada nors užpultų salą.

 

 Ponas Trumpas taip pat siekė pabbrėžti, kad Taivanas dominuoja, gaminant pažangius puslaidininkius, sakydamas: „Jie užėmė apie 100 procentų mūsų lustų verslo“.

 

 Taiwan Semiconductor Manufacturing Company – didžiausios pasaulyje pažangių kompiuterių lustų gamintojos – akcijų kaina trečiadienį salos biržoje nukrito 2,4 proc., matyt, reaguodama į jo pastabas.

 

 Nors D. Trumpas pastaraisiais metais išsakė panašių komentarų apie Taivaną, jo pastarasis pasisakymas gali turėti didesnį poveikį Taivane, atsižvelgiant į jo tvirtą poziciją lenktynėse su prezidentu Bidenu.

 

 „Jei būčiau Taivane, į šį pareiškimą žiūrėčiau rimtai, nes tai nėra atskira pastaba – dabar yra tam tikras modelis“, – sakė Užsienio santykių tarybos Azijos studijų bendradarbis Davidas Sacksas. - "Tai įkūnija trumpizmą, nes atspindi jo grynai sandorinį požiūrį į užsienio politiką."

 

 Taivanas jau moka už beveik visus savo ginklų užsakymus iš JAV gamintojų, nors Bideno administracija nusprendė tiesiogiai perduoti dalį karinės įrangos Taivanui, remdamasi JAV atsargomis. Atrodė, kad plačiau D. Trumpo mintis buvo ta, kad Taivanas labiau skolingas Jungtinėms Valstijoms už bendrą saugumą.

 

 Vis dėlto D. Trumpo komentarai neturėtų būti skaitomi, kaip galutinis žodis dėl JAV politikos Pekino ir Taivano atžvilgiu, jei jis lapkritį laimės, sakė Taivano ekspertai. Balsų choras Vašingtone, įskaitant respublikonų kandidatą į viceprezidentus J. D. Vance'ą, gali turėti įtakos jo pozicijai, sakė jie.

 

 „Per savo prezidentūrą jis atvirai nekalbėjo apie Taivano apleidimą“, – sakė opozicinei Taivano nacionalistų partijai patariantis tarptautinio saugumo ekspertas Alexanderis C. Huangas, turėdamas omenyje D. Trumpo kadenciją, kuri baigėsi 2021 m. sausį. „Mes taip pat jau pradedame suprasti, kad prezidentas Trumpas, jei jis grįš į Baltuosius rūmus, prašys Taivano prisiimti didesnę atsakomybę už mūsų gynybą."

 

 Taivano vyriausybė didino išlaidas kariuomenei, o 2022 m. pradėjo pratęsti šaukimą nuo 4 iki 12 mėnesių. Tačiau daugelis Taivano ekspertų ir pareigūnų teigia, kad jų salai reikės išleisti daugiau, kad atgrasytų daug didesnę Kinijos armiją.

 

 Trumpo ir Bideno administracijos išplėtė paramą Taivanui, o JAV santykiai su prezidentu Xi Jinpingu Pekine per pastaruosius aštuonerius metus smarkiai pašlijo. Trečiadienį Kinijos užsienio reikalų ministerija vėl pasmerkė JAV ginklų pardavimą Taivanui ir pareiškė, kad atsakydama sustabdys labai preliminarias branduolinių ginklų kontrolės diskusijas su Vašingtonu.

 

 D. Trumpo kandidatas D. Vance'as ir kiti respublikonai tvirtino, kad Kinija tebėra aktualiausias pasaulinis iššūkis JAV, o kai kurie teigia, kad Taivano apsauga turėtų būti Vašingtono prioritetas, o ne Ukrainos palaikymas prieš Rusiją.

 

 „Manau, kad turėtume padaryti, kiek įmanoma, sunkiau Kinijai užimti Taivaną“, – praėjusį mėnesį publikuotame interviu „The New York Times“ sakė p. Vance. „Mes to nedarome, nes siunčiame visus prakeiktus ginklus Ukrainai, o ne Taivanui“.

 

 Taivano pareigūnai taip pat aktyviai palaikė abiejų partijų paramą Kongrese. Taivano šalininkai Respublikonų partijoje galėtų įtikinti D. Trumpą mažiau skeptiškai vertinti salą, jei jis laimėtų, sakė Raymondas Chen-En Sungas, su Taivano vyriausybe susijusio instituto „Prospect Foundation“ viceprezidentas.

 

 „Strateginė konkurencija tarp JAV ir Kinijos yra svarbi visam nacionalinio saugumo ratui aplink D. Trumpą“, – sakė jis. Jei D. Trumpas laimėtų naują kadenciją, p. Sungas pridūrė: „Manau, kad jiems teks užduotis šviesti prezidentą apie Taivano svarbą“.

 

 Nepaisant to, D. Trumpo komentarai, greičiausiai, paskatins Taivaną pabandyti įtikinti Jungtines Valstijas ir D. Trumpą, kad ji yra įsipareigojusi užbaigti puslaidininkių gamyklas Arizonoje ir skirti daugiau išlaidų savo kariuomenei.

 

 „Esame pasirengę prisiimti daugiau atsakomybės. Tai mes giname save“, – reaguodamas į D. Trumpo pasisakymus sakė Taivano premjeras Cho Jung-tai. „Esame labai dėkingi“ už JAV paramą, pridūrė jis.

 

 Vašingtono pareigūnai jau seniai nerimauja dėl pasaulio priklausomybės nuo Taivano dėl pažangių puslaidininkių – mažyčių kompiuterių lustų, kurie maitina elektroninius įrenginius nuo „iPhone“ iki naikintuvų.

 

 Per pastaruosius ketverius metus TSMC įsipareigojo statyti naujas gamyklas Japonijoje, Vokietijoje ir Arizonoje. Balandį Bideno administracija skyrė Taiwan Semiconductor Manufacturing Company (TSMC) 6,6 milijardo dolerių dotaciją, kad pamėgintų į Jungtines Valstijas pristatyti pažangiausias lustų gamybos technologijas.

 

 D. Trumpas užsiminė, kad tai neapdorotas susitarimas.

 

 „Dabar mes suteikiame jiems milijardus dolerių, kad jie mūsų šalyje sukurtų naujus lustus, o tada jie taip pat ims tai“, – interviu sakė D. Trumpas. Jis sakė, kad Kinijos lyderis ponas Xi taip pat troško Taivano puslaidininkių įrenginių. „Tai prezidento Xi akies obuolys“, – sakė D. Trumpas.

 

 Nuomonė, kad Taivanas „paėmė“ Jungtinių Valstijų puslaidininkių verslą, buvo nesusipratimas, sakė Taivane įsikūrusios technologijų pramonės rinkos tyrimų įmonės „Digitimes“ viceprezidentas Ericas Huangas. Dauguma geriausių pasaulio puslaidininkių kompanijų pagal rinkos vertę yra Amerikos firmos, tokios, kaip Nvidia ir Qualcomm, sakė J. Huangas.

 

 „Taivanas atlieka pagalbinį vaidmenį visų pirma teikdamas gamybos paslaugas šioms JAV lustų įmonėms“, – sakė jis." [1]

 

Teisingai. Taivanas gamina lustus Amerikos įmonėms. Tai lygiai tas pat, ką sako D. Trumpas. Amerikiečiai tuos lustus tiesiog perparduoda už dideles kainas. Taip gauna didelę rinkos vertę.

 

Mažytė Lietuva, vedama Landsbergių, bereikalingai pataikavo Taivanui ir susipyko su pasaulio fabriku - Kinija.

 

1. Trump Tells Taiwan to Expect a Higher Price Tag for U.S. Defense. Buckley, Chris.  New York Times (Online) New York Times Company. Jul 17, 2024.