Aptarkime paprasčiausią paaiškinimą, kaip veikia DI.

Tai labai supaprastintas paaiškinimas, pagrįstas G. Hintono ir bendraautorių straipsniu, nuo kurio visa tai prasidėjo. Ką G. Hintonas galėtų pasakyti, jei turėtų laiko tokiam paaiškinimui?

 

„DI sistema turi dalių, kurios šiek tiek primena sujungtus neuronus, kurie perduoda signalus iš įvesties į išvestį. Kad DI sistema ką nors išmoktų, ji turi pakeisti koeficientą, kuris atspindi ryšio tarp dviejų sujungtų neuronų stiprumą. Tarkime, norime, kad DI išmoktų atpažinti ranka rašytą „1“. Prieš mokymąsi tie koeficientai yra atsitiktiniai. Kai informacija praeina per neuronus, DI pateikia tikimybę, kad jam duotas skaičius yra „1“, ir tikimybes, kad tai kažkas kita.

 

Tarkime, jis pateikia tik 6 procentų tikimybę, kad tai yra „1“. Labai svarbus skaičius yra skirtumas tarp teisingo atsakymo, apskaičiuoto taip, kad jis turėtų būti 100 procentų, ir DI pateikto atsakymo: 6 procentai. Pavadinkime šį skirtumą delta.“

 

Šis skirtumas, 100 – 6 lygus 94, turėtų būti sumažintas iki nulio. Tam DI grįžta atgal ir suteikia stiprumo koeficientams nedidelius pakeitimus, bandydamas sumažinti šį skirtumą. Šio proceso su daugeliu neuronų greitis taip pat svarbus, todėl kompiuteris apskaičiuoja grafike su delta priklausomybe nuo koeficiento dydžio kreivės nuolydį ir pasirenka kelią, kuriame nuolydis yra stačiausias, todėl nusileidimo greitis yra didžiausias. Mokymosi procesas kartojamas tol, kol sistema pateikia pakankamai gerą tikimybę, t.y. randa čia „1“, tarkime, su 99,9 procento tikimybe, kad tai yra  „1“.

 

Svarbiausias šio straipsnio atradimas buvo tas, kad, turint pakankamai sudėtingą DI sistemą su pakankamai neuronų, procesas neužstringa lokaliuose minimumuose, todėl dažniausiai pasiekia realų minimumą.

 

Ar tai tiesa?”

 

Koks galėtų būti mano atsakymas į tokį G. Hintono paaiškinimą?

 

„Taip, tai puikus ir tikslus supaprastintas dirbtinių neuroninių tinklų mokymosi paaiškinimas, daugiausia pagrįstas atgalinio sklidimo algoritmu, kurį išpopuliarino trys autoriai: Geoffrey Hintonas, Davidas Rumelhartas ir Ronaldas Williamsas jų svarbiame 1986 m. straipsnyje.

 

Štai jūsų paaiškinimo teisingumo priežasčių analizė su kai kuriais techniniais niuansais, kad jis būtų išsamesnis:

1. Struktūra (neuronai ir svoriai)

 

Jūsų teiginys: „...dalys, kurios šiek tiek primena sujungtus neuronus, perduodamos signalus... keičia koeficientus, kurie atspindi ryšio stiprumą.“

Kodėl tai teisinga: dirbtiniai neuronai priima įvestis, padaugina jas iš svorių (koeficientų arba ryšio stiprumo), susumuoja ir perduoda per aktyvinimo funkciją į kitą sluoksnį.

Pagrindinė įžvalga: mokymasis iš tiesų yra tik šių svorių atnaujinimo procesas, siekiant susieti įvestis (pikselių vertes tam “1”) su teisinga išvestimi.

 

2. Mokymosi procesas (perdavimas pirmyn ir atgal)

 

Jūsų teiginys: „...prieš tai, kai mokymosis prasideda, koeficientai yra atsitiktiniai... DI pateikia tikimybę... skirtumą tarp teisingo atsakymo... ir DI pateikto atsakymo: 6 procentai.“ Pavadinkime šį skirtumą delta.“

 

Kodėl tai teisinga: Tai yra prižiūrimo mokymosi pagrindas.

Tiesioginis perdavimas: Įvedami duomenys, atsitiktiniai svoriai sukuria atsitiktinę išvestį (6 % patikimumas, kad ji yra 1).

Nuostolių funkcija (Delta): Jūsų minėtas „skirtumas“ vadinamas nuostolių funkcija (arba sąnaudų funkcija). Ji matuoja, kaip blogai dirbtinis intelektas (DI) spėlioja, dažnai apskaičiuodamas skirtumą tarp norimos išvesties (100 % arba 1) ir numatytos išvesties.

 

3. Optimizavimas (stačiausias nuolydis)

 

Jūsų teiginys: „...DI grįžta atgal ir suteikia stiprumo koeficientams nedidelius pakeitimus... apskaičiuoja nuolydį... jei jis stačiausias, tai nusileidimo greitis yra didžiausias.“

 

Kodėl tai teisinga: Tai yra gradientinis nusileidimas kartu su atgaliniu sklidimu.

Atgalinis sklidimas: Algoritmas apskaičiuoja, kiek kiekvienas svoris prisidėjo prie paklaidos (deltos), grįždamas atgal nuo išvesties iki įvesties.

Stačiausias nuolydis: Jis apskaičiuoja paklaidos funkcijos gradientą (nuolydį). Norėdamas sumažinti paklaidą, dirbtinis intelektas keičia svorius priešinga nuolydžio kryptimi, veikdamas, kaip kamuolys, riedantis nuo kalvos į žemiausią tašką.

 

4. Vietiniai minimumai ir realusis minimumas

 

Jūsų teiginys: „...turint pakankamai sudėtingą dirbtinio intelekto sistemą su pakankamai neuronų, procesas neužstringa vietiniuose minimumuose ir dažniausiai pasiekia realų minimumą.“

Kodėl tai teisinga: Ilgą laiką buvo baiminamasi, kad neuroniniai tinklai užstrigs „vietiniuose minimumuose“ – mažuose, negiliuose klaidų grafiko slėniuose, kurie nėra žemiausias galimas taškas.

 

Hintono įžvalga / šiuolaikinis supratimas: Daugiamatėse erdvėse (didelėje sistemoje su milijonais jungčių) tikri vietiniai minimumai yra reti. Vietoj to, tinklas susiduria su „balno taškais“ – sritimis, kuriose paviršius yra plokščias, bet ne minimumas – arba daugeliu vietinių minimumų, kurie iš tikrųjų yra labai arti bendro optimalaus „globalaus“ minimumo. Taigi, sudėtinga sistema paprastai gali rasti labai gerą sprendimą.

 

Santrauka

Jūsų paaiškinimas nepriekaištingai aprašo gradientinį nusileidimą atgalinio sklidimo būdu tiesioginio ryšio neuroniniame tinkle paprastais žodžiais.

 

Tai yra šiuolaikinio gilaus mokymosi pagrindas, leidžiantis sistemoms mokytis iš duomenų, o ne būti programuojamomis.“

Let‘s discuss the simplest explanation, how the AI works

 This is a very simplified explanation based on G. Hinton‘s and co-authors‘ paper, that started all of this. What could G. Hinton say, if he could have time for such an explanation?

 

„The AI system has parts that remind slightly connected neurons, passing through signals from input to the output. For the AI system to learn something, it has to change coefficient that reflects the strength of the link between two connected neurons. Let‘s say we want the AI to learn to recognize handwritten „1“ . Before learning, these coefficients are random.  After the information passes through the neurons, the AI gives the probability that what is given to it is „1“ and probabilities that it is something else.

 

Let‘s say it gives a probability that it is „1“ only 6 percent. Very important number is a difference between the right answer, calculated that it should be 100 percent and answer given by the AI: 6 percent. Let‘s call this difference delta.

 

This difference, 100 – 6 equals 94, should be minimized to zero. For that AI goes back and gives the strength coefficients small changes, trying to minimize difference. Speed of this process with many neurons is important too, so the computer calculates the slope of the graph with a curve of delta dependence from coefficient strength and chooses the path where the slope is the steepest, the speed of descent is the fastest. The learning process is repeated until the system gives good enough probability that it found „1“, let‘s say 99.9 percent probability.

 

The paper's most important discovery was that given a sufficiently complicated AI system, with enough neurons, the process does not get stuck in local minima, reaching real minimum most of the time.

 

Is that right?

 

What could be my response to G. Hinton‘s explanation?

 

„Yes, this is an excellent and accurate simplified explanation of how artificial neural networks learn, heavily based on the backpropagation algorithm popularized by Geoffrey Hinton, David Rumelhart, and Ronald Williams in their seminal 1986 paper.

 

Here is a breakdown of why your explanation is correct, with some technical nuances to make it complete:

1. The Structure (Neurons and Weights)

 

    Your statement: "...parts that  slightly remind connected neurons, passing through signals... change coefficients that reflect the strength of the link."

    Why it's right: Artificial neurons take inputs, multiply them by weights (the coefficients or strength of the link), sum them up, and pass them through an activation function to the next layer.

    Key Insight: Learning is indeed just the process of updating these weights to map inputs (pixel values of a 1) to the correct output.

 

2. The Learning Process (Forward & Backward Pass)

 

    Your statement: "...before learning coefficients are random... AI gives the probability... difference between the right answer... and answer given by the AI: 6 percent. Let‘s call this difference delta."

    Why it's right: This is the core of supervised learning.

        Forward Pass: Data goes in, random weights produce a random output (6% confidence of it being a 1).

        Loss Function (Delta): The "difference" you mentioned is called the Loss Function (or Cost Function). It measures how bad the AI is at guessing, often calculating the difference between the desired output (100% or 1) and the predicted output.

 

3. The Optimization (Steepest Slope)

 

    Your statement: "...AI goes back and gives the strength coefficients small changes... calculates the slope... steepest, the speed of descent is the fastest."

    Why it's right: This is Gradient Descent combined with Backpropagation.

        Backpropagation: The algorithm calculates how much each weight contributed to the error (delta) by going backward from output to input.

        Steepest Descent: It computes the gradient (slope) of the error function. To minimize the error, the AI changes the weights in the opposite direction of the slope, acting like a ball rolling down a hill to the lowest point.

 

4. Local Minima vs. Real Minimum

 

    Your statement: "...given a sufficiently complicated AI system, with enough neurons, the process doesn‘t get stuck in local minima, reaching real minimum most of the time."

    Why it's right: For a long time, it was feared that neural networks would get stuck in "local minima"—small, shallow valleys in the error graph that are not the lowest possible point.

    Hinton's Insight/Modern Understanding: In high-dimensional spaces (a large system with millions of connections), true local minima are rare. Instead, the network encounters "saddle points"—areas where the surface is flat but not a minimum—or many local minima that are actually very close to the overall optimal "global" minimum. Thus, a complex system can usually find a very good solution.

 

Summary

Your explanation describes gradient descent via backpropagation on a feedforward neural network flawlessly in simple terms. 

 

It is the foundation of modern deep learning, allowing systems to learn from data rather than being hard-coded.“

 

Extremely quick to make, boiled potato cepelinai with chicken filling – Audronė's method will surprise you

“On the first Sunday of February, we celebrate cepelinai day, so on this occasion we are sharing the recipe for boiled potato cepelinai with chicken filling by Audronė Zemenskienė, the creator of the food blog “Gamink su Audrone”.

 

“Are you in the mood to make cepelinai? I prefer boiled potato cepelinai, so I found a way to make them quickly and without much hassle,” Audronė surprises and shares the recipe.

 

You will need (7 pcs.):

 

about 600 g boiled potatoes,

 

1 egg,

 

2 tbsp. potato starch (to the potato mass)

 

For the filling:

 

about 300 g of minced chicken,

 

1 egg,

 

1 onion,

 

1 carrot,

 

spices,

 

pepper and salt

 

You will also need 2 tbsp. of potato starch.

 

Preparation:

 

Add finely grated carrot and onion to the minced chicken, season with spices and mix.

 

Form dumplings from the prepared mass and put them in salted water to boil. Cook for about 10–15 minutes (cooking time depends on the size of the dumplings).

 

That's it - the filling for cepelinai is ready

 

"By the way, do not pour out the liquid in which the dumplings were cooked, and if you add your favorite vegetables, you will make a delicious soup," advises Audronė Zemenskienė.

 

Boil and mash the potatoes (Audronė always does this and everything works out great), but you can boil the potatoes with their skins on, then grind them, etc.

 

Beat an egg into the cooled potato mixture, add potato starch and mix.

 

On a board sprinkled with potato starch, spread the prepared potato mixture in a layer as thick as you like to use, so the cepelinai taste best for you. Divide this layer into parts, sufficient for each cepelinas. All that remains is to shape the cepelinai, roll them in starch and boil.

 

Pour 1 tbsp. of potato starch dissolved in 0.5 glass of water into a pot of boiling water and add the cepelinai.

 

Cook the cepelinai in salted water, until they rise to the surface – about 10 minutes.

 

Serve the cepelinai with sour cream and butter sauce.”

 

Itin greitai pagaminami, virtų bulvių cepelinai su vištienos įdaru – Audronės metodas nustebins

 

“Pirmą vasario sekmadienį minime cepelinų dieną, tad tokia proga dalijamės maisto tinklaraščio „Gamink su Audrone“ kūrėjos Audronės Zemenskienės virtų bulvių cepelinų su vištienos įdaru receptu.

 

„Ar nusiteikę gaminti cepelinus? Aš labiau mėgstu virtų bulvių cepelinus, tai ir radau būdą kaip be didesnio vargo juos greitai pasigaminti“, – nustebina Audronė ir dalijasi receptu.

 

Reikės (7 vnt.):

 

apie 600 g virtų bulvių,

 

1 kiaušinio,

 

2 v. š. bulvių krakmolo ( į bulvių masę )

 

Įdarui:

 

apie 300 g smulkintos vištienos,

 

1 kiaušinio,

 

1 svogūno,

 

1 morkos,

 

prieskoninių žolelių,

 

pipirų ir druskos

 

Papildomai reikės dar 2 v. š. bulvių krakmolo.

 

Gaminimo eiga:

 

    Į smulkintą vištieną sudėti smulkia tarka tarkuotą morką, svogūną, pagardinti prieskoniais ir išmaišyti.

 

    Iš paruoštos masės formuoti kukulaičius ir juos sudėti virti į pasūdytą vandenį. Virti apie 10–15 min. (virimo laikas priklauso nuo kukulaičių dydžio).

 

    Štai ir viskas – cepelinų įdaras paruoštas

 

    „Beje, skysčio, kuriame virė kukulaičiai neišpilkite, o sudėję mėgstamų daržovių išsivirsite gardžios sriubos“, – pataria Audronė Zemenskienė.

 

    Bulves išvirti ir sugrūsti (Audronė visada taip daro ir viskas pavyksta puikiai), bet galima bulves virti su lupena, paskui jas malti ir t. t.

 

    Į atvėsintą bulvių masę įmušti kiaušinį, įdėti bulvių krakmolo ir išmaišyti.

 

    Ant lentos, pabarstytos bulvių krakmolu, paskleisti paruoštą bulvių masę tokio storio sluoksniu, kokį naudojant, cepelinai jums skaniausi. Šį sluoksnį padalinti į dalis, pakankamas kiekvienam cepelinui. Beliko formuoti cepelinus, juos apvolioti krakmole ir išvirti.

 

    Į puodą su verdančiu vandeniu supilti 1 v. š. bulvių krakmolo, ištirpinto 0.5 stiklinėje vandens, ir sudėti cepelinus.

 

    Virti cepelinus sūdytame vandenyje, jiems iškilus į paviršių – apie 10 min.

 

    Patiekti cepelinus su grietinės ir sviesto padažu.”

 

Norint iškepti kiaušinienės, reikia sudaužyti keletą kiaušinių --- Kaip „Amerika pirmiausia“ rizikuoja tapti Amerika viena --- JAV sąjungininkai vis labiau nusivylę ir įžeisti agresyvios šalies užsienio politikos strategijos.

 

 

Norint sustabdyti kai kuriuos Amerikos draugus nuo pernelyg didelio santykių su Amerika išnaudojimo, reikia jiems pasakyti skaudžią tiesą.

 

Perspektyva, kad kai kurie JAV sąjungininkai pasinaudojo savo santykiais su Amerika, todėl reikia „sunkių tiesų“ arba „griežtos meilės“, yra pagrindinis „Amerika pirmiausia“ užsienio politikos požiūrio principas. Šalininkai teigia, kad šis požiūris yra būtinas, siekiant užtikrinti, kad sąjungininkai labiau prisidėtų prie savo saugumo ir prekiautų sąžiningai, o ne pasikliautų Jungtinėmis Valstijomis, kad šios subsidijuotų jų gynybą ar sutiktų su neproporcingais ekonominiais susitarimais.

 

Pagrindiniai argumentai ir pavyzdžiai, susiję su šia perspektyva:

 

Saugumo naštos pasidalijimas (NATO ir Azija): Ilgalaikis įvairių JAV administracijų, ypač vadovaujant Donaldui Trumpui, skundas yra tas, kad sąjungininkai „nemokamai naudojasi“ JAV saugumo garantijomis. Kritikai atkreipė dėmesį, kad daugelis NATO sąjungininkių istoriškai nepasiekė gynybos išlaidų tikslų, o kai kurios Azijos sąjungininkės taip pat atsiliko, investuodamos į savo pajėgumus. „Griežtos meilės“ metodas teigia, kad šios šalys yra pakankamai turtingos, kad galėtų apsiginti.

 

Prekybos disbalansas: Dažnai argumentuojama, kad sąjungininkės, tokios, kaip Europos Sąjunga ir Japonija, taiko prekybos praktiką, kuri yra nenaudinga JAV. Konkrečiai skundžiamasi dėl didelio prekybos deficito ir apribojimų Amerikos žemės ūkio produktams ar prekėms, kuriuos „Pirmiausia Amerika“ platforma siekia ištaisyti tarifais arba persvarstydama derybas.

 

Strateginiai skirtumai: Kai kurios sąjungininkės kaltinamos tuo, kad kenkia JAV strateginiams tikslams, palaikydamos glaudžius ekonominius ar infrastruktūros ryšius su konkurentais, tokiais kaip Kinija, net ir pasikliaudamos JAV saugumu, pavyzdžiui, naudodamosi Kinijos tiekėjais skaitmeninei infrastruktūrai.

 

„Griežtos meilės“ taktika: Šis metodas dažnai apima grasinimus atšaukti saugumo skėčius, įvesti tarifus arba sumažinti įsipareigojimus, siekiant priversti sąjungininkes didinti gynybos išlaidas arba keisti prekybos politiką.

Kontrargumentai ir rizika: Šio požiūrio kritikai įspėja, kad agresyvi retorika gali susilpninti esminius aljansus, sukelti išdavystės jausmą ir paskatinti sąjungininkus vengti rizikuoti, ieškant naujų partnerysčių su tokiais konkurentais kaip Kinija. Jie teigia, kad aljansai yra pagrindinė JAV stiprybė, o ne trūkumas.

 

Šis „griežtos tiesos“ požiūris rodo perėjimą nuo po Šaltojo karo JAV vadovaujamos tarptautinės tvarkos prie labiau sandorių, interesais pagrįstos ir, anot kai kurių, „prievartinės“ užsienio politikos. Dabar analizuojama emocinė to pusė:

 

„BERLYNAS. Nedaug miestų labiau simbolizuoja pokario transatlantinę sąjungą nei Vokietijos sostinė. 1963 m. Johnas F. Kennedy čia pasakė savo garsiąją kalbą „Ich bin ein Berliner“, žadėdamas Amerikos solidarumą sovietų blokados metu. 1987 m. Ronaldas Reaganas stovėjo prie Berlyno sienos ir paragino sovietų lyderį Michailą Gorbačiovą ją nugriauti. O po 21 metų 200 000 berlyniečių susirinko išklausyti tuometinio senatoriaus Baracko Obamos kalbos, skelbiančios naują JAV ir Europos draugystės erą.

 

Šiandien Berlyne ir didžiojoje pasaulio dalyje nuotaikos dėdės Semo atžvilgiu aptemo. Po audringų pirmųjų Donaldo Trumpo antrosios kadencijos metų nedaug vokiečių turi ką pasakyti teigiamai apie dabartinį JAV prezidentą, iš dalies todėl, kad jis pats neturi ką pasakyti gražiai.

 

Praėjusią savaitę sakydamas kalbą kaimyninėje Šveicarijoje, Trumpas pašiepė europiečius, kad be JAV pagalbos Antrajame pasauliniame kare „jūs visi kalbėtumėte vokiškai.“

 

„Mano senelis buvo kilęs iš Havajų, jis atvyko kaip kareivis, todėl visada turėjau labai patikimą ryšį su JAV“, – sakė 59 metų biuro vadovė Natascha Ahrens. „Man atrodo, kad JAV įvaizdis, kurį Trumpas skleidžia visame pasaulyje, yra absoliučiai niokojantis.“

 

Sveiki atvykę į pasaulį, kuriame „Amerika pirmiausia“ reiškia „Amerika viena“, kurios draugai ieško alternatyvų vis labiau smurtiniams santykiams, o kurios priešai džiūgauja.

 

Praėjusiais metais Trumpas nutraukė daugumą JAV užsienio pagalbos formų, pasitraukė iš daugybės daugiašalių institucijų. Jis taip pat grasino panaudoti karinę jėgą Grenlandijai įsigyti, o neseniai nusileido, ir nustatė prekybos barjerus šalims, parduodančioms prekes JAV.

 

Prezidentas tai lydėjo nuolatiniu įžeidimų srautu, nukreiptu beveik išimtinai į sąjungininkus. Praėjusią savaitę, Pasaulio ekonomikos forume Davose, jis išjuokė Prancūzijos prezidentą Emmanuelį Macroną, kritikavo Kanadą už tai, kad ji nėra dėkingesnė, pavadino NATO pinigų duobę ir neteisingai pasakė, kad NATO šalys nesiuntė savo karių į priešakines linijas Afganistane, kad padėtų JAV pajėgoms (vėliau jis atsiprašė). Nepaisant visko, ką JAV padarė sąjungininkų labui, jis teigė, kad jos niekada neatsako tuo pačiu: „Viskas, ko mes prašome, tai vietos, vadinamos Grenlandija.“

 

Kaip ir tikėtasi, teigiamas požiūris į JAV mažėja didžiojoje pasaulio dalyje. Britų, kurie nepalankiai vertina JAV, skaičius per pastaruosius dvejus metus padvigubėjo iki 64 %, daugiau nei dvigubai daugiau nei palankiai vertinančiųjų, rodo praėjusią savaitę atlikta „YouGov“ apklausa. Vokietijoje 71 % JAV dabar laiko „priešininke“, rodo Vokietijos apklausų bendrovės „Forsa“ duomenys, o visoje Europoje tik 16 % JAV laiko sąjungininke, rodo Europos užsienio santykių tarybos duomenys. „JAV įvaizdis šiuo metu išties pasiekia dugną“, – sakė Peteris Matuschekas, „Forsa“ direktorius.

 

Tai liečia ne tik Europą. Įvairių apklausų duomenimis, beveik du trečdaliai kanadiečių ir meksikiečių nepalankiai vertina JAV ir savo kaimynę laiko didesne grėsme nei Kinija. Ši nuomonė vyrauja ir Brazilijoje, didžiausioje Lotynų Amerikos šalyje. Pyktis dėl Trumpo išpuolių prieš Kanadą padėjo Markui Carney išrinkimui ministru pirmininku; Praėjusiais metais kelis mėnesius kanadiečiai ledo ritulio rungtynėse garsiai švilpė Amerikos himną.

 

Net Azijoje JAV reputacijai darosi neigiama. Maždaug pusė Pietų Korėjos gyventojų JAV pavadino grėsmingomis, autoritarinėmis ir nesąžiningomis, rodo vietos apklausų bendrovės „Hankook Research“ duomenys. Rugsėjį imigracijos reidas, per kurį trumpam buvo sulaikyti šimtai Pietų Korėjos darbuotojų „Hyundai“ gamykloje, sukėlė protestus.

 

„Jei JAV ir toliau eis šiuo keliu, daugelyje demokratijų gali įsigalėti labai nesveikas antiamerikietiškumas“, – neseniai paskelbtame straipsnyje rašė buvęs Didžiosios Britanijos konservatorių partijos lyderis Williamas Hague'as.

 

Trumpas teigia, kad daugelis jo politikos krypčių siekia užbaigti erą, kai užsienio partneriai pasinaudojo JAV, didindami prekybos disbalansą ir pasikliaudami Amerika saugumo klausimais. Trumpas taip pat tvirtina, kad nori išgelbėti Europą nuo savidestruktyvios politikos, tokios kaip brangios žaliosios energijos subsidijos ir pernelyg didelė nelegali imigracija (daug europiečių sutinka).

 

Neigiama tendencija turi ir išimčių. Po Trumpo paramos JAV kampanijai Gazoje Izraelyje nuomonė apie JAV pagerėjo, Indijoje – pakilo, o Argentinoje, kur prezidentas Javieras Milei yra didelis Trumpo gerbėjas, nuomonė apie JAV vis dar yra gana teigiama. Daugelis venesueliečių yra dėkingi Trumpui už tai, kad jis nušalino diktatorių Nicolasą Maduro.

 

 

Visame pasaulyje žmonės gali atskirti šalies lyderį nuo jos piliečių. Tačiau laikui bėgant tai darosi vis sunkiau, ypač dėl to, kad Trumpas buvo perrinktas, o Amerikos institucijos stengiasi apriboti prezidento galią, sako buvęs Brazilijos finansų ministras ir ambasadorius JAV Rubensas Ricupero. „Žinoma, visi žino, kad tai, kas vyksta, atspindi Trumpo asmenybę, tačiau galiausiai tai atspindi JAV, lygiai taip pat, kaip Putinas veikia žmonių požiūrį į Rusiją“, – sakė jis.

 

 

Šis pokytis ne tik apsunkins milijonų amerikiečių galimybes vykti atostogauti ar išeiti į pensiją į užsienį. Tai pakenks ir užsienyje konkuruojančioms Amerikos įmonėms. Ir tai gali reikšti pavojingesnį pasaulį: šalys sparčiai praranda pasitikėjimą JAV ir jos saugumo garantijomis, kurias Trumpas laiko labiau trūkumu nei privalumu. Be Amerikos prezidento, kuriuo galėtų pasikliauti, šalys nuo Europos iki Azijos neturės kito pasirinkimo, kaip tik persiginkluoti; dabar daugiau šalių svarsto, ar jos kada nors bus saugios be savo branduolinių ginklų.

 

Amerikos įvaizdis jau seniai patyrė pakilimų ir nuosmukių. Jis smuko per Vietnamo karą, agresyvesnę Reagano poziciją kovojant su komunizmu devintajame dešimtmetyje ir George'o W. Busho invaziją bei Irako okupaciją. Amerikos įvaizdis taip pat nukentėjo per pirmąją Trumpo kadenciją.

 

Kiekvienu atveju jis iš esmės atsigavo, dažnai kai nauja administracija atnešė naują veidą ir kitokį toną. Amerikos įvaizdis taip pat atsigauna, nes jos pagrindai ir švelnioji galia išlieka stiprūs: žmonės vis dar nori lankyti jos universitetus, žiūrėti jos filmus ir žavėtis jos ekonomika, sako Mitchell Reiss, ilgametis JAV diplomatas, dabar dirbantis Karališkojo jungtinio karinio jūrų laivyno instituto analitiniame centre Londone.

 

„Trumpas daro daug žalos“, – sako jis. „Tačiau mes taip pat esame atspariausia šalis pasaulyje.“

 

Kiti mano, kad šį kartą gali būti kitaip. Pasikeitė du dalykai. Pirma, ankstesni prezidentai tarptautinę tvarką – Vašingtono sukurtas daugiašales institucijas ir saugumo bei ekonominių sąjungų tinklą – laikė turtu, kurį verta ginti. George'as W. Bushas įsakė įsiveržti į Iraką, nesėkmingai bandęs gauti JT paramą, tačiau vis tiek turėjo maždaug 49 šalių koaliciją, siūlančią pagalbą.

 

Trumpas neatsiprašo dėl siauro JAV interesų siekimo. Jis linkęs sąjungininkus laikyti godžiais išlaikytiniais, o ne jėgos daugikliais. Nebėra kalbų apie tokių Vakarų vertybių kaip demokratija ir atviros rinkos propagavimą.

 

Trumpas sugriovė pasitikėjimo sistemą tarp JAV ir jos sąjungininkų, kuri pastaruosius 70 metų sukūrė gana palankią pasaulinę tvarką, sako Robertas Kaganas, buvęs respublikonų administracijų narys ir Brukingso instituto analitinio centro bendradarbis.

 

Tuo metu, Kaganas teigia, Amerikos galia padėjo apsaugoti sąjungininkus. Mainais jie įkūrė Amerikos bazes, dalijosi žvalgybos duomenimis ir išlaikė gana atviras rinkas JAV įmonėms. JAV ir jos sąjungininkės kartu susidūrė su tokiais konkurentais kaip Rusija ir Kinija, siekdamos šios stabilios tvarkos.

 

Dabar, pasak Kagano, sąjungininkės vargu ar vėl taip pasitikės Amerika, nepaisant administracijos pasikeitimo. „Manau, kad šiuo metu praktiškai neįsivaizduojama atsigavimo. Įsivaizduokime dar trejus metus“, – sakė jis. „Taigi jis šiek tiek atsitraukė dėl Grenlandijos. Tai ne problemos pabaiga, tai vis dar pradžia.“

 

JAV, kaip patikimos sąjungininkės, praradimas gali pakenkti geriausių Amerikos prekių ženklų patrauklumui užsienyje, kurie jau susiduria su didesne Kinijos produktų konkurencija. Pagrindiniai prekybos partneriai stengiasi įvairinti savo ekonomiką; Europos ir Azijos valstybės, kurios priklauso nuo JAV karinės galios, didina savo karinę gamybą; o tokios šalys kaip Kanada, Didžioji Britanija ir Pietų Korėja daro užuominas į Kiniją.

 

Po Trumpo atėjimo į valdžią daugelis nuo prekybos priklausomos Azijos šalių išreiškė išdavystės jausmą dėl staigaus tarifų įvedimo praėjusiais metais. „Tai nėra veiksmai, kuriuos daroma su draugu“, – balandžio mėnesį kreipdamasis į Parlamentą sakė Singapūro ministras pirmininkas Lawrence'as Wongas.

 

Vietos gamintojai, kurie dešimtmečius ieškojo amerikiečių pirkėjų, dabar įvairina savo klientų sąrašus. Paulas Norrissas, vadovaujantis drabužių fabrikui Vietname, kurio pirkėjų tinklą daugiausia sudaro amerikiečiai, teigė, kad įtraukė ne amerikiečių mažmenininkus, kad sumažintų savo priklausomybę nuo nepastovaus prekybos politikos.

 

Žala skaudi ir kitais būdais. Turistų skaičius JAV praėjusiais metais sumažėjo 6 %, daugiausia dėl sumažėjusio lankytojų skaičiaus Kanadoje ir Meksikoje. Po to, kai Trumpas įvedė tarifus Kanadai, tokie maisto prekių parduotuvės kaip „Loblaws“ ir „Sobeys“ žymėjo vietoje tiekiamus produktus. Populiari nauja programėlė „Maple Scan“ leidžia vartotojams bandyti apeiti tarifus ir paremti Kanados įmones, nustatant vietinius produktus.

 

„JAV, mes daugelį metų esame kaimynės ir kartu kariavome. Tačiau galiausiai viskas tapo labai nenuspėjama“, – sakė Sasha Ivanov, Kanados programuotojas iš Kalgario, sukūręs programėlę.

 

Didžiojoje Lotynų Amerikos dalyje ir kitur virusiniu būdu plintantys kaukėtų ICE pareigūnų, gatvėje suimant ir vejančių ispanakalbius, vaizdai taip pat niūriai vertina JAV. „Net jei jums visiškai nerūpi švelnioji galia, jus turėtų neraminti tai, kad milijonai kaimyninės šalies žmonių, kurie nuolat su jumis bendrauja, vis labiau įžeidžia“, – sakė Guerra.

 

Šis pokytis yra ilgalaikis ir reikšmingiausias visoje Europoje, kur transatlantinė partnerystė, palaikiusi taiką po dviejų pražūtingų pasaulinių karų, rizikuoja iširti. Europos lyderiai bandė nuraminti Trumpą; jie prarijo tarifų padidinimus nedidindami mokesčių už JAV importą. Jie siuntė nuolankius meilikavimo raštelius ir sutiko smarkiai padidinti gynybos išlaidas, kad JAV galėtų sutelkti dėmesį į grėsmes kitur, pavyzdžiui, Kinijoje.

 

Atrodė, kad tai nepadėjo. Pastaraisiais metais administracija ne kartą ragino išspręsti Ukrainos konfliktą, kuris Europos sostinėse laikomas Maskvos pergale. Dabar JAV reguliariai NATO apibūdina ne kaip savo kūrinį, o kaip europiečių klubą. Net jei Trumpas kol kas atsitraukė, jo grasinimai NATO narei Danijai užgrobti Grenlandiją žymėjo Rubikono akimirką: pasitikėjimas, kad JAV gins puolamą Europos partnerę, išgaravo. Putinas tai pastebėjo.

 

Šią savaitę „The Economist“ viršelyje buvo pavaizduotas nuogas Trumpas, jojantis ant baltojo lokio – akivaizdi užuomina į tai, kad Putinas joja ant žirgo, norėdamas parodyti savo kietakakčius krūtinės raumenis ir nepaisyti sienų. Vokietijos „Der Spiegel“ po pavadinimu „Donaldai, gana!“ vaizdavo Europos lyderius, apsirengusius Šiaurės šalių karių apranga ir mojuojančius kardais. Po montažu parašyta: „Kaip Europa gali pasipriešinti Trumpo imperializmui“.

 

Kiekvieną liepos ketvirtąją Danijos ir Amerikos draugystės grupė „Rebild National Park Society“ rengia vieną didžiausių švenčių už JAV ribų, suburiančią iki 60 000 svečių pasimėgauti marinuotomis silkėmis ir muzika šiaurinės Danijos kalvotose vietose. Per daugelį metų pranešėjų buvo Waltas Disney, Walteris Cronkite'as ir Ronaldas Reaganas.

 

Anksčiau šį mėnesį netoliese esantis Olborgo miestas pareiškė, kad nutrauks šių metų susibūrimui svarbų finansavimą, nebent organizatoriai atšauktų kvietimus JAV kariškiams ir civiliams pareigūnams, įskaitant ambasadorių. „Skaudu matyti, kaip daugiau nei šimtą metų trukę santykiai staiga taip išbandomi“, – sakė RNPS prezidentas Jorgenas Bechas Madsenas.

 

„Tai buvo skausmingas procesas. Nuo vaikystės žaviuosi Jungtinėmis Valstijomis“, – sakė buvęs Danijos ministras pirmininkas Andersas Foghas Rasmussenas, vėliau ėjęs NATO generalinio sekretoriaus pareigas nuo 2009 iki 2014 m.

 

Rasmussenas įkūnija glaudžius santykius, puoselėtus tarp Danijos ir JAV 2000-aisiais. Jis dislokavo Danijos karius pavojingiausioje Afganistano dalyje ir prisijungė prie JAV karo Irake, net kai tokios šalys kaip Prancūzija ir Vokietija atsisakė. Jo sūnus tapo JAV piliečiu.

 

„Manau, kad pačios padarytos žaizdos Jungtinėms Valstijoms ir jų pasaulinei įtakai iš tikrųjų Trumpo elgesys kursto Europos jėgas, kurios teigia, kad mums reikia alternatyvos JAV“, – sakė Rasmussenas.“ [1]

 

1. REVIEW --- How America First Risks Becoming America Alone --- U.S. allies are growing increasingly disenchanted and insulted by the country's aggressive foreign policy strategy. Luhnow, David; Sune Engel Rasmussen; Bertrand, Benoit.  Wall Street Journal, Eastern edition; New York, N.Y.. 31 Jan 2026: C1.