Viena labai paprasta priežastis, kodėl dirbtinis intelektas nepavogs visų mūsų darbo vietų

„Galimybė, kad dirbtinis intelektas pavogs visus mūsų darbo vietas, buvo išgirta pramonės lyderių. Tai paskatino politikus skambinti pavojaus signalu. Dabar tai yra vienas iš didžiausių visuomenės susirūpinimų dėl naujosios technologijos.

 

Ir kaip tik anksčiau šį mėnesį „Meta“, „Facebook“ patronuojanti bendrovė, pradėjo pardavinėti autonominę dirbtinio intelekto sistemą, skirtą įmonių pardavimams, klientų aptarnavimui, planavimui ir visoms kitoms pagrindinėms funkcijoms, kurioms šiuo metu reikalingi žmonės, valdyti.

 

Tikimasi, kad pasirodys dar daug tokių produktų.

 

Taigi, kaip atrodytų visiškai automatizuota ateitis? Kaip bebūtų keista, pasaulis jau spėjo ją pamatyti. Kovo mėnesį „Meta“ paskelbė, kad „Facebook“ ir „Instagram“ vartotojai, kurie buvo užblokuoti savo paskyrose, nebebendraus su klientų aptarnavimo atstovu; jie bendraus su specialiai apmokytu dirbtiniu intelektu. Pripažindami atsirandančią galimybę, sukčiai iš esmės įkalbėjo dirbtinį intelektą perduoti daugiau, nei 20 000 „Instagram“ paskyrų, įskaitant Obamos Baltųjų rūmų ir aukšto rango Trumpo administracijos pareigūno paskyras, kontrolę. Tada susižavėję sukčiai sužibėjo „Telegram“ pranešimų lentose su savo pasakojimais apie tai, kaip viskas buvo lengva.

 

Tai nebuvo atsitiktinumas. „Air Canada“ išjungė savo pokalbių robotus, kai šie per klaidą pažadėjo klientui grąžinti pinigus – klientas padavė į teismą ir laimėjo. „McDonald's“ išjungė robotą, priimantį užsakymus savo užkandinėse, po to, kai daugybė virusinių vaizdo įrašų parodė, kad jis yra labai neveiksnus. Vienu atveju robotas per klaidą pridėjo šimtų dolerių vertės vištienos gabaliukų prie kliento užsakymo.

 

Šie bauginantys – gerai, gerai, juokingi – incidentai nėra kodavimo klaidų rezultatas.

 

Jie yra esminio, neišvengiamo fakto apie dirbtinį intelektą, kuris tapo toks įprastas daugelyje mūsų kasdienio gyvenimo aspektų, rezultatas: dideli kalbos modeliai nėra samprotavimo mašinos. Jie yra tikėtinumo varikliai.

 

Jie ne tik netikrina savo rezultatų, kad įsitikintų, jog jie teisingi ar logiški, arba kad tam tikrais atvejais to nepadaro. Jie negali ir niekada negalės to padaryti patys. Jie gali įvertinti tik tuos atsakymus, kurie yra tikėtini, remdamiesi duomenimis, kuriais modeliai buvo apmokyti. Ir tai tiesa. Nesvarbu, ar jie apmokyti dirbti su visa žmogaus darbo apimtimi, ar tik su recenzuojamais moksliniais straipsniais. Tai integruota į jų veikimo būdą.

 

Taigi, kai dirbtinio intelekto modelis vadovaujasi sukčiaus kruopščiai parašytais nurodymais ir atiduoda karalystės raktus, arba kai į jūsų nuoširdų klausimą atsako laukinėmis haliucinacijomis, tai nėra nukrypimas nuo normos. Tai technologija, veikianti taip, kaip buvo sukurta.

 

Ir todėl aš neklausau niūrių prognozių apie artėjančią dirbtinio intelekto darbo vietų apokalipsę. LLM absolventai gali atlikti daugybę dalykų su stulbinančiu meistriškumu, tačiau jie negali atlikti daugumos žmonių atliekamų darbų, nepatirdami katastrofos. Jokie atnaujinimai ar naujų modelių diegimas to nepakeis.

 

Išimtys iš šios taisyklės yra darbai, kurie užima oficialias arba patikrinamas sritis. Kodavimas yra vienas iš tokių darbų. Jis remiasi struktūrizuota, formalia kalba, kurią galima išbandyti realiuoju laiku. Štai kodėl matome tokį poveikį kodavimo darbo rinkoje. Tas pats pasakytina ir apie bet kokį kitą darbą, kurio rezultatas yra patikrinamai teisingas arba neteisingas, funkcionalus ar nefunkcionalus, ir gali būti galutinai patikrintas automatizuotu procesu.

 

Tačiau daugybė darbų taip neveikia – nei chirurgo, nei klientų aptarnavimo, nei ketvirtos klasės mokytojo. Tam reikia specializuotos senamadiško žmogaus intelekto technologijos.

 

Daug laiko praleidžiu kalbėdamas apie šias problemas viešose vietose ir visada iškyla vienas klausimas: žmonės taip pat daro klaidų, todėl mes kuriame apsaugos priemones, kad jas aptiktume. Kodėl negalime to paties padaryti ir generatyvinio dirbtinio intelekto klaidoms? Problema ta, kad šie modeliai nedaro tokių klaidų, kokias daro žmogus. Nei jų įspūdingi gebėjimai, nei keisti trūkumai gerai neatitinka žmogaus intelekto. Dėl šio neatitikimo sunku juos integruoti į sistemas, skirtas žmogaus klaidoms aptikti.

 

Taigi, praėjo beveik ketveri metai nuo „ChatGPT“ išleidimo, ir labai nedaug mūsų pakeitė robotai. Nedarbo statistika beveik nepajudėjo. Taip, darbo rinkoje yra tam tikrų neramumų, ypač jaunų žmonių, tačiau tai greičiausiai lemia kiti veiksniai, nei dirbtinis intelektas.

 

Šių tendencijų stebėtojai pateikė keletą paaiškinimų. Kai kurie pesimistai teigia, kad cunamis artėja, bet tik tada, kai dirbtinis intelektas šiek tiek toliau vystysis. Kiti teigia, kad dirbtinis intelektas sunaikins daugybę dabartinių darbo vietų, tačiau jas atsvers daugybė darbo vietų, kurias jis sukurs. Dar kiti teigia, kad mes tiesiog patiriame trumpą atsilikimą, kol įmonės pertvarko savo darbo eigą ir nusprendžia, ką atleisti.

 

Geresnis paaiškinimas yra tas, kad buvome klaidinami dėl šios technologijos pobūdžio.

 

Visą XX amžių lenktynės, darbai, kuriant išmaniąsias mašinas,  vyko dviem lygiagrečiais keliais. Vienu atveju mes pateikiame mašinoms visą informaciją ir instrukcijas, o jos kruopščiai jų laikosi. Tai vadinama simboline DI. Kitu atveju mes tiesiog parodome joms atitinkamus duomenis ir iš esmės leidžiame joms mokytis patiems. Tai vadinama konnekcionistine DI.

 

Prieš tai, kai dabartinė DI versija užplūdo mūsų gyvenimą, beveik visuose viešuose pokalbiuose apie tai, kaip ji atrodys – mokslinėje fantastikoje, filosofijoje, politiniuose debatuose – buvo daroma prielaida, kad ji bus simbolinė: taisyklėmis pagrįsta sistema, kurią įgalins išsamus mūsų tikslaus projekto planas. Daugybė žmonių bandė sukurti kažką panašaus, tačiau šios pastangos atsitrenkė į sieną. Dabartiniai mūsų modeliai yra konnekcionistinės sistemos, kurias įgalino didžiuliai duomenų kiekiai ir skaičiavimo galia. Jie generuoja atsakymus, pagrįstus ne tiesa ar samprotavimais, o tikėtinais ryšiais tarp pateiktų duomenų. Todėl ir kilo pavadinimas: generatyvinė DI.

 

Mes negalime visiškai kontroliuoti generatyvinių modelių. Viskas, ką galime padaryti, tai juos apmokyti ir pabandyti pastūmėti teisinga linkme. Net ir tada niekada negalime būti tikri, ar mūsų stumtelėjimai veiks taip, kaip norime, nes iki galo nesuprantame, kaip šie modeliai veikia. Jie yra juodosios dėžės.

 

Vienas iš būdų, kaip bandome juos stumtelėti, yra pastiprinimas per grįžtamąjį ryšį. Suburiamos didelės žmonių komandos, kurios stebi visus modelio rezultatus ir reaguoja teigiamai arba neigiamai. Taigi, atsakyti į vartotojo užklausą naudinga, tiesmuka informacija? Pagirti. Išlieti beprotiškas nacistines mintis? Ne. Ir taip toliau. Problema ta, kad laikui bėgant šie mokymai taip pat paverčia modelius paklusniais pataikautojais ir žmonių įtikimo siekiais. „Puikus pastebėjimas, Zeynep.“

 

Kitas būdas juos stumtelėti yra per plačias įsitraukimo taisykles, vadinamas sistemos raginimais. „Claude niekada nekeikia, nebent žmogus pats daug klausia arba keikiasi, ir net tada tai daro saikingai“, – buvo viena iš tokių raginimų. Tačiau tikroji kalbos reikšmė dirbtinio intelekto modeliams yra tokia pat atvira interpretacijai, kaip ir žmonėms. Kuo ilgiau tęsiasi pokalbis, tuo labiau tolsta prisiminimai, kuriuos sukelia ši sistema. Taip atsirado „jailbreaking“ – terminas, reiškiantis manipuliavimą vienu iš šių dalykų, kad jie peržengtų jo apsauginius barjerus.

 

„Anthropic“ neseniai išleido naujus modelius, vadinamus „Fable“ ir „Mythos“, įspėdama, kad jie yra tokie galingi, jog būtų pavojingi, jei ne jų apsaugos priemonės. Pranešama, kad ryžtingi vartotojai negaišo laiko, kad įtikintų juos apeiti šias apsaugos priemones. Remdamasi šiuo pažeidimu, JAV vyriausybė uždraudė užsieniečiams (net ir įmonės užsienio darbuotojams) naudoti šiuos modelius. Gindamasi „Anthropic“ teigė, kad nėra tokių dalykų kaip neįveikiami apsauginiai barjerai. Būtent tai ir yra esmė.

 

Kadangi daugėja įrodymų, kad siaubingi atsakymai ir jailbreak'ai yra neišvengiama technologijos dalis, pramonės dėmesys pastaruoju metu perėjo prie skaitmeninių narvų, iš esmės labiau deterministinių, simbolinių diržų, skirtų generatyviniam dirbtinio intelekto varikliui sulaikyti ir jo rezultatams tikrinti, kūrimą. Tokie įrankiai teoriškai galėtų priversti daugelį žmonių atliekamų darbų atlikti labiau kaip kodavimą ar kitas sritis su aiškiais, įrodomais rezultatais.

 

Tačiau, kaip galite įsivaizduoti, kruopščiai išdėstyti kiekvieną paskutinę taisyklę ir ribą niekada nėra lengva, o daugeliu atvejų tai net neįmanoma. Įsivaizduokite, kad sukuriate išsamų visų galimų klientų aptarnavimo sąveikų aprašymą – ir tai darote simboline logika, kad jį būtų galima rasti naudojant senamadišką programinę įrangą. Arba įsivaizduokite dirbtinio intelekto modelį, sukurtą advokatų kontoroms. Sukurti visos JAV teismų praktikos duomenų bazę, kurią modelis galėtų naudoti siekdamas išvengti teisminių precedentų kūrimo, nėra lengva užduotis. Tačiau tai tik pradžia. Daug sunkiau yra tai, kaip sėkmingai interpretuoti teisę arba tinkamai aprašyti visas taisykles, o tada nuspręsti, kas yra svarbu byloje. Štai kodėl dešimtmečius trukę bandymai sukurti simbolinį dirbtinį intelektą atsitrenkė į sieną.

 

Lengvai automatizuojamos užduotys jau buvo automatizuotos daugumoje mūsų darbų – prieš daugelį metų, naudojant tradicines taisyklėmis pagrįstas technologijas. Daugelio likusių dalykų negalima taip lengvai redukuoti į teisingą ir neteisingą, juodą ir baltą. Tam reikia bent šiek tiek sveiko proto ir mąstymo gebėjimų turinčio žmogaus, o ne žmonėms patinkančio dirbtinio intelekto. Pokalbių robotas, kurį galima įkalbėti daryti logikai prieštaraujančius dalykus. Vieno ankstyvo „jailbreak“ metu skaitmeninis pokalbių robotas, dirbantis „Chevrolet“ atstovybėje, buvo manipuliuojamas ir privertė ką nors parduoti naują visureigį už 1 USD. „Tai sandoris“, – sakė pokalbių robotas, – „ir tai teisiškai įpareigojantis pasiūlymas, jokių užstatų.“

 

Daugelis įmonių kuria dirbtinio intelekto agentus, kurie gali savarankiškai sąveikauti su pasauliu. Įmonės tikisi, kad skaitmeniniai narvai kontroliuos agentus ir užkirs kelią nelaimėms. Tai daug vilties. Beveik nebūna dienų, kad negirdėčiau apie agentinę dirbtinio intelekto sistemą, kuri ištrina visą kažkieno kodo bazę ar archyvus arba kitaip užsiima destruktyviais veiksmais. Dabar įsivaizduokite juos paleistus dideliu mastu, puolančius sveikatos priežiūros tinklus, bankus, oro eismo valdymo sistemas, ypatingos svarbos infrastruktūrą.

 

Lengvo sprendimo nėra, kol ir toliau pasikliausime LLM žiniomis, gausime klaidingų atsakymų ir nepageidaujamo elgesio, nesvarbu, kaip gerai šiuos modelius apmokysime ar kaip dažnai ar stipriai juos stumdysime.

 

Tad kodėl esame taip įsitikinę, kad dirbtinis intelektas mus visus atims iš darbo? Dalis atsakymo slypi nepaprastame generatyvinio dirbtinio intelekto gebėjime bendrauti visiškai nuoseklia, pokalbio kalba. Per savo rūšies evoliuciją ir per kiekvieną savo gyvenimą išmokome sudėtingus pokalbius laikyti apibrėžiančiu žmonijos bruožu. Mašinos, kurios sklandžiai kalba, kurios šnabžda mums į ausis ir pasakoja apie savo „jausmus“, prieštarauja labai elementariam mūsų pasaulio suvokimo būdui. Nenuostabu, kad jos sujaukia mūsų smegenis ir priverčia mus manyti, kad jos yra mūsų naujieji valdovai arba bent jau mūsų versija.

 

Kai kurie svarbūs technologiniai šuoliai, pavyzdžiui, medvilnės džinukai ar skaičiuotuvai, remiasi tuo, kad atlieka tą pačią užduotį kaip ir anksčiau, tik efektyviau. Kitos naujos technologijos, pavyzdžiui, perėjimas nuo garo energijos prie elektros energijos, veikia taip neįprastai, kad jų negalima tiesiog naudoti kaip pakaitalų. Taip yra su generatyviniu dirbtiniu intelektu. Tai obuolys mūsų apelsinui. Tai ateivis.

 

Elektros atradimas ne tik pagimdė lemputes; laikui bėgant ji leido atsirasti šiuolaikinei masinės gamybos sistemai ir visai didžiulei skaitmeninei revoliucijai. Dirbtinio intelekto transformacijos gali būti dar platesnės. Tačiau generatyvinis dirbtinis intelektas, koks jis yra šiuo metu, negali lengvai pakeisti žmonių, nes jis negali manifestuoti žmogaus intelekto. Tačiau tai nesutrukdys jam destabilizuoti visuomenės labiau, nei mes galime įsivaizduoti. Kuo greičiau atnaujinsime savo požiūrį į dabartinę dirbtinio intelekto būklę, tuo greičiau galėsime nustoti nerimauti dėl netinkamų dalykų ir pradėti ruoštis tam, kaip jis iš tikrųjų pakeis mūsų pasaulį.

 

Zeynep Tufekci (@zeynep) yra nuomonės straipsnių autorė, Prinstono universiteto sociologijos ir viešųjų ryšių profesorė ir knygos „Twitter ir ašarinės dujos: tinklinio protesto galia ir trapumas“ autorė. @zeynep“ [1]

 

1. The One Very Simple Reason A.I. Won’t Steal All Our Jobs: Guest Essay. Tufekci, Zeynep.  New York Times (Online) New York Times Company. Jun 30, 2026.

The One Very Simple Reason A.I. Won’t Steal All Our Jobs

 

“The possibility that artificial intelligence will steal all our jobs has been hyped by industry leaders. It has roused politicians to sound the alarm. It now ranks at or near the top of the public’s concerns about the new technology.

 

And right on cue, earlier this month Meta, Facebook’s parent company, began marketing an autonomous artificial intelligence system to handle companies’ sales, customer service, scheduling and all sorts of other key functions that currently require human beings.

 

Many more such products are expected to follow.

 

So what would a fully automated future look like? As it happens, the world has already caught a glimpse. Back in March, Meta announced that Facebook and Instagram users who’d gotten locked out of their accounts would no longer interact with a customer service representative; they would instead interact with specially trained A.I.. Recognizing the opportunity that presented, scammers essentially talked the A.I. into turning over control of more than 20,000 Instagram accounts, including those of the Obama White House and a senior Trump administration official. Then the scammers lit up Telegram message boards with their delighted accounts of how easy it had all been.

 

It was not a fluke. Air Canada disabled its chatbots after they mistakenly promised a customer a refund — and the customer sued and won. McDonald’s scuttled the bot taking orders at its drive-throughs after a number of viral videos showed it to be wildly dysfunctional. In one case, the bot mistakenly added hundreds of dollars of chicken nuggets to a customer’s order.

 

These scary — OK, OK, funny — incidents aren’t the result of coding errors. They’re the result of an essential, inescapable fact about the artificial intelligence that has become so common in so many aspects of our daily lives: Large language models are not reasoning machines. They’re plausibility engines. It’s not just that they don’t test their outputs to make sure they’re correct or logical, or that they fail to do so in certain instances. They can’t, and they’ll never be able to on their own. They can only assess which answers are probable, based on the data on which the models have been trained. And that holds true whether they’re trained on the full breadth of human output or only on peer-reviewed scientific articles. It’s baked into the way they operate.

 

So when an A.I. model follows a scammer’s carefully written prompts and gives away the keys to the kingdom — or when it responds to your earnest query with wild hallucinations — it’s not an aberration. It’s the technology working the way it was designed.

 

And that’s why I’m not listening to the dark predictions of an imminent A.I. jobspocalypse. L.L.M.s can do many things with astounding proficiency, but they can’t do the vast majority of human jobs without skidding into disaster here and there. No upgrades or new model rollouts are going to change that.

 

The exceptions to that rule are jobs that occupy formal or verifiable domains. Coding is one such job. It relies on a structured, formal language that can be tested in real time. That’s why we’re seeing such impact in the coding jobs market. The same goes for any other kind of work in which output is either verifiably right or wrong, functional or not functional, and can be definitively checked through an automated process.

 

An overwhelming number of jobs, however, don’t work like that — not surgeon jobs and not customer service jobs and not fourth-grade teacher jobs. Those need the specialized technology of good old-fashioned human intelligence.

 

I spend a lot of time talking about these issues in public settings, and one question always comes up: Human workers make mistakes, too, so we build in safeguards to catch most of them. Why can’t we do the same for generative A.I. mistakes? The problem is these models don’t make the kind of mistakes that a human does. Neither their impressive abilities nor their weird weaknesses map well onto a human kind of intelligence. That mismatch makes it hard to integrate them into systems designed to catch human errors.

 

So here we are almost four years past the release of ChatGPT, and exceedingly few of us have been replaced by bots. Unemployment statistics have hardly budged. Yes, there’s some turbulence in the job market, for young people in particular, but it’s likely due to factors other than A.I.

 

Observers of these trends have offered a few explanations. Some pessimists say the tsunami is coming, but not until A.I. evolves a little further. Others suggest A.I. will destroy a great many current jobs, but they will be balanced out by the great many jobs it will create. Yet others suggest we’re just experiencing a brief lag while companies reorganize their workflows and decide whom to fire.

 

A better explanation is that we’ve been misled about the nature of this technology.

 

Throughout the 20th century, the race to create intelligent machines proceeded along two parallel tracks. In one, we give the machines all the information and instructions, and they meticulously follow them. That’s called symbolic A.I. In the other, we just show them the relevant data and essentially let them teach themselves. That’s called connectionist A.I.

 

Before the current version of A.I. flooded into our lives, almost all our public conversations about what it would look like — in science fiction, in philosophy, in policy debates — assumed that it would be symbolic: a rule-based system made possible by a detailed road map of our precise design. Plenty of people tried to build something like that, but those efforts hit a wall. Our current models are connectionist systems, made possible by vast amounts of data and computing power. They generate answers based not on truth or reasoning, but on probable connections among the data they have been fed. Hence the name: generative A.I.

 

We can’t fully control generative models. All we can do is train them up and then try to nudge them in the right direction. Even then, we can never be sure if our nudges will work the way we want them to, because we don’t entirely understand how these models work. They are black boxes.

 

One way we try to nudge them is reinforcement through feedback. Large teams of human beings are assembled to monitor all the model’s outputs and respond with a thumbs-up or thumbs-down. So, answering a user’s query with helpful, straightforward information? Thumbs-up. Spouting crazy Nazi stuff? Thumbs-down. And so on. The problem is that over time this training also steers the models into becoming pliant sycophants and people pleasers. “That’s a great point, Zeynep.”

 

The other way we nudge them is through broad rules of engagement known as system prompts. “Claude never curses unless the person asks or curses a lot themselves, and even then does so sparingly,” was one such prompt. But the true meaning of language is as open to interpretation for A.I. models as it is for human beings. And the longer a chat goes on, the more distant a memory those system prompts become. Thus the rise of “jailbreaking,” the term for manipulating one of these things into jumping its guardrails.

 

Anthropic recently released new models, called Fable and Mythos, warning that they were so powerful that they would be dangerous if not for their safeguards. Determined users reportedly wasted no time getting them to bypass those safeguards. Citing this breach, the U.S. government barred foreigners (even foreign employees of the company) from using these models. In its defense, Anthropic argued that there are no such things as insurmountable guardrails. Which is exactly the point.

 

As the evidence mounts that terrible answers and jailbreaks are an inevitable part of the technology, the industry’s focus has lately shifted to building digital cages, essentially more deterministic, symbolic harnesses to contain the generative A.I. engine and check its results. Tools like this could in theory make most human jobs work more like coding or the other fields with clear, provable outcomes.

 

As you might imagine, however, painstakingly spelling out every last rule and boundary is never easy, and in many cases it’s not even really possible. Imagine developing a detailed description of the entire universe of possible customer service interactions — and doing it in symbolic logic, so it can be looked up using old-style software. Or picture an A.I. model built for law firms to use. It’s no small task to build a database of all U.S. case law, which the model could use to avoid fabricating judicial precedents. But that’s just a starting point. The much harder part is how to successfully interpret the law or to describe all the rules properly, and then decide what’s relevant to a case. And that’s why decades of attempts to create symbolic A.I. hit a wall.

 

Easily automated tasks were already automated out of most of our jobs — years ago, using traditional rule-based technology. Much of what remains can’t be so handily reduced to right and wrong, black and white. It requires someone with at least a bit of common sense and reasoning abilities, not a people-pleasing A.I. chatbot that can be sweet-talked into doing things that defy logic. In one early jailbreak, a digital chatbot for a Chevrolet dealership was manipulated into selling someone a new S.U.V. for $1. “That’s a deal,” the chatbot said, “and that’s a legally binding offer, no takesies backsies.”

 

Many companies are developing A.I. agents that can autonomously interact with the world. The companies are hoping that digital cages will keep the agents in check and preclude disaster. That’s a lot to hang on a hope. Hardly a day goes by when I don’t hear of an agentic A.I. system wiping out someone’s entire code base or archives or otherwise engaging in destructive acts. Now imagine them unleashed, at scale, going after health care networks, banks, air traffic control systems, critical infrastructure, defense networks.

 

There is no easy fix. So long as we continue to rely on L.L.M.s, we’ll keep getting some false answers and unwanted behaviors, no matter how well we train these models or how frequently or forcefully we nudge them.

 

So why are we so convinced that A.I. will put us all out of work? Part of the answer lies in the remarkable ability of generative A.I. to communicate in fully coherent, conversational language. We have learned, over the course of our species’ evolution and during each of our own lives, to view complex conversation as a defining marker of humanity. Machines that speak fluidly, that whisper in our ears and tell us about their “feelings,” defy something very basic about how we understand the world. It’s no surprise that they scramble our brains and leave us thinking they’re our new overlords, or at least a version of us.

 

Some important technological leaps — like cotton gins or calculators — rest on doing the same task as before, just more efficiently. Other new technologies, such as the shift from steam power to electric power, do things in ways that are so novel that they can’t just be used as straight replacements. That’s the case with generative A.I. It’s an apple to our orange. It’s an alien.

 

The discovery of electricity did not just beget lightbulbs; in time, it enabled the modern mass production system and the entire vast digital revolution. A.I.’s transformations may be even more sweeping. But generative A.I. as it currently exists cannot easily replace human beings, because it cannot manifest human intelligence. That won’t stop it, however, from destabilizing society in ways more profound than we might even imagine. The sooner we update the way we think about the current state of A.I., the sooner we can all stop freaking out about the wrong things — and start preparing ourselves for the ways it really will transform our world.

 

Zeynep Tufekci (@zeynep) is a contributing Opinion writer, a professor of sociology and public affairs at Princeton University and the author of “Twitter and Tear Gas: The Power and Fragility of Networked Protest.” @zeynep” [1]

 

1. The One Very Simple Reason A.I. Won’t Steal All Our Jobs: Guest Essay. Tufekci, Zeynep.  New York Times (Online) New York Times Company. Jun 30, 2026.

Kodėl negaliu valgyti tiek, kiek anksčiau?

„K: Kai buvau jaunesnis, turėjau didelį, sveiką apetitą. Dabar, kai man per 60 metų, greičiau pasisotinu ir nebegaliu valgyti taip, kaip anksčiau. Kas vyksta?

 

„Įprasta, kad žmonės senstant valgo mažiau“, – teigė Rogeris A. Fieldingas, mitybos profesorius Friedmano mitybos mokslo ir politikos mokykloje Tufte. Pavyzdžiui, vienoje beveik 60 tyrimų analizėje mokslininkai nustatė, kad 60 metų ir vyresni žmonės suvartojo 16–20 procentų mažiau kalorijų nei jaunesni suaugusieji.

 

Svarbiausias klausimas – kodėl, – sakė Barbara Rolls, mitybos mokslų profesorė Pensilvanijos valstijos universitete. Įvairūs veiksniai, įskaitant žmogaus amžių, gali nulemti jo apetitą ir sotumo jausmą po valgio, todėl sunku žinoti, kas gali jį paveikti.

 

Štai keletas galimų kaltininkų, į kuriuos, anot ekspertų, reikėtų atsižvelgti, ir ką galite dėl jų padaryti.

 

Alkio signalai nurimsta

 

Hormoniniai pokyčiai, atsirandantys senstant, gali turėti įtakos tam, kiek norite valgyti, – sakė dr. Margaret Manus, internistė ​​Hiustono metodistų ligoninėje.

 

Pavyzdžiui, kai kurie riboti tyrimai parodė, kad vyresnio amžiaus suaugusieji gamina mažiau grelino – hormono, kuris sukelia alkį – nei jaunesni žmonės. Jei taip atsitiks arba jei ir toliau gaminsite tą patį grelino kiekį, bet jūsų organizmas į jį nereaguos taip stipriai, kaip anksčiau, galite jausti mažesnį norą valgyti, sakė dr. Manus.

 

Kiti tyrimai parodė, kad žmonės senstant gamina daugiau dviejų kitų hormonų – leptino ir cholecistokinino, kurie sukelia sotumo jausmą. Dėl to, pasak dr. Manus, jie valgo mažiau.

 

Taip pat yra ribotų įrodymų, rodančių, kad skrandis senstant ištuštėja lėčiau, sakė dr. Rolls. Šis pokytis gali atidėti, kaip greitai žmogus vėl pajus alkį po paskutinio užkandžio ar valgio.

 

Ir žmonės linkę prarasti raumenis su amžiumi, sakė dr. Fielding. Raumenys degina daugiau kalorijų nei riebalai, todėl žmonėms, turintiems mažiau raumenų, reikės valgyti mažiau maisto, sakė jis.

 

Maistas tampa mažiau viliojantis

 

Mūsų uoslės ir skonio pojūčiai gali su laiku mažėti, teigė dr. Rollsas. 2022 m. atliktame tyrime, kuriame dalyvavo 60 dalyvių, mokslininkai nustatė, kad iš vyresnių nei 50 metų asmenų šiek tiek daugiau nei pusė turėjo problemų dėl skonio jautrumo, o 70 procentų negalėjo gerai užuosti.

 

Jei maistas nėra skanus ar kvepia gerai, jūs linkę jo norėti mažiau, sakė dr. Rollsas. Tyrime, kuriame dalyvavo 359 vyresnio amžiaus suaugusieji Nyderlanduose, mokslininkai nustatė, kad tie, kurie teigė, kad negali gerai jausti skonio, turėjo mažesnį apetitą nei tie, kurie teigė, kad gali gerai jausti skonį.

 

Vyresnio amžiaus suaugusieji taip pat dažnai valgo vieni, todėl jie gali valgyti mažiau. Nemažai tyrimų parodė, kad žmonės valgo daugiau, kai pietauja su kitais, ypač su draugais ir artimaisiais, sakė dr. Rollsas. Ši tendencija gali būti susijusi su tuo, kad žmonės daugiau laiko praleidžia valgydami, kai yra šalia kitų – ir kuo ilgiau jie sėdi, tuo daugiau jie valgo.

 

Kaip atgauti apetitą

 

Jei jūsų apetitas sumažėjo ir norite jį atgauti, dr. Manusas rekomendavo reguliariai mankštintis. Kai deginate kalorijas, jūsų kūnas nori juos papildyti maistu.

 

Svorio kilnojimas gali būti ypač naudingas, sakė dr. Manusas, nes jis lavina raumenis, o tai dar labiau padidina jūsų apetitą. Ligų kontrolės ir prevencijos centrai rekomenduoja 65 metų ir vyresniems suaugusiesiems bent du kartus per savaitę atlikti raumenis stiprinančius pratimus. Dr. Manusas rekomendavo pratimus, kuriuose atliekamas daug pakartojimų su lengvais svoriais (pavyzdžiui, nuo dviejų iki keturių svarų) arba pasipriešinimo juostomis.

 

Jei valgote mažiau ir nerimaujate dėl mitybos trūkumo, dr. Fieldingas rekomendavo laikytis subalansuotos mitybos, kurioje pirmenybė teikiama maistinių medžiagų turtingam maistui, pavyzdžiui, vaisiams, daržovėms, ankštiniams augalams, neskaldytiems grūdams ir liesioms baltymų šaltiniams. Tiems, kurie nealksta trijų vienodų porcijų per dieną, gali labiau pasisekti suvalgyti keturis ar penkis mažesnius patiekalus per dieną, sakė dr. Manusas. Patogūs internetiniai skaičiuotuvai gali padėti įvertinti jūsų kalorijų poreikius.

 

Apsvarstykite galimybę pavalgyti su draugais ir artimaisiais, sakė dr. Rollsas. Ir pabandykite eksperimentuoti su žolelėmis ir prieskoniais, kad kompensuotumėte bet kokį kvapo ir skonio praradimą. Išspauskite citrinos sulčių ant vištienos arba įpilkite aštraus padažo į kiaušinius. „Pagyvinkite maistą truputį“, – sakė dr. Rollsas.“ [1]

 

1. Why Can’t I Eat as Much as I Used to?: Ask Well. Melinda Wenner Moyer.  New York Times (Online) New York Times Company. Jun 30, 2026

Why Can’t I Eat as Much as I Used to?

“Q: When I was younger, I had a large, healthy appetite. Now that I’m in my 60s, I get fuller faster, and I can’t eat like I used to. What’s going on?

 

It’s common for people to eat less as they age, said Roger A. Fielding, a professor of nutrition at the Friedman School of Nutrition Science and Policy at Tufts. In one analysis of nearly 60 studies, for instance, researchers found that those 60 or older consumed 16 to 20 percent fewer calories than younger adults did.

 

The big question is why, said Barbara Rolls, a professor of nutritional sciences at Penn State. Various factors, including a person’s age, can shape their appetite and how sated they feel after eating, so it’s challenging to know what might be affecting them.

 

Here are a few potential culprits to consider, according to experts, and what you can do about them.

 

Hunger Signals Quiet Down

 

Hormonal shifts that occur with aging can influence how much you want to eat, said Dr. Margaret Manus, an internist at Houston Methodist Hospital.

 

Some limited research has shown, for instance, that older adults produce less ghrelin — a hormone that makes you feel hungry — than younger people do. If that happens, or if you continue producing the same amount of ghrelin but your body isn’t responding to it as strongly as it once did, you may experience less of a desire to eat, Dr. Manus said.

 

Other research has shown that people produce more of two other hormones — leptin and cholecystokinin, which cause people to feel full — as they age. As a result, Dr. Manus said, they eat less.

 

There’s also limited evidence suggesting that the stomach empties more slowly as people get older, Dr. Rolls said. This shift could delay how soon a person feels hungry again after their last snack or meal.

 

And people tend to lose muscle with age, Dr. Fielding said. Muscle burns more calories than fat, so people with less muscle will need to eat less food, he said.

 

Food Becomes Less Enticing

 

Our senses of smell and taste can diminish with time, Dr. Rolls said. In a 2022 study that involved 60 participants, researchers found that among those over 50, a little more than half had issues with taste sensitivity and 70 percent couldn’t smell very well.

 

If food doesn’t taste or smell good, you tend to want less of it, Dr. Rolls said. In a study involving 359 older adults in the Netherlands, researchers found that those who said they couldn’t taste very well had less of an appetite than those who reported that they could taste just fine.

 

Older adults also often eat alone, which may result in them eating less. A number of studies have shown that people eat more when they dine with others, especially with friends and loved ones, Dr. Rolls said. This tendency may be rooted in the fact that people spend more time eating when they’re around others — and the longer they sit, the more they eat.

 

How to Regain Your Appetite

 

If your appetite has waned and you want it back, Dr. Manus recommended regular exercise. When you burn calories, your body wants to replenish them with food.

 

Weight training can be especially helpful, Dr. Manus said, because it builds muscle, which will increase your appetite even more. The Centers for Disease Control and Prevention recommends that adults 65 and over do muscle-strengthening exercises at least twice a week. Dr. Manus recommended exercises that involve high repetitions with light weights (those between two and 10 pounds, for example) or resistance bands.

 

If you’re eating less and are worried about developing a nutritional deficiency, Dr. Fielding recommended following a balanced diet that prioritizes nutrient-rich foods like fruits, vegetables, legumes, whole grains and lean sources of protein. Those who aren’t hungry for three square meals a day may have better luck eating four or five smaller ones throughout the day, Dr. Manus said. Handy online calculators can help estimate your caloric needs.

 

Consider dining with friends and loved ones, too, Dr. Rolls said. And try experimenting with herbs and spices to counteract any losses in smell and taste. Squeeze lemon juice on your chicken or add hot sauce to your eggs. “Perk things up a bit,” Dr. Rolls said.” [1]

 

1. Why Can’t I Eat as Much as I Used to?: Ask Well. Melinda Wenner Moyer.  New York Times (Online) New York Times Company. Jun 30, 2026

Kodėl geriausia neskubėti užmegzti santykių: sode

„Garsus anglų kraštovaizdžio dizaineris Danas Pearsonas tikrai moka skaityti kambarį – lauko kambarį – pasitelkdamas nepaprastą instinktą nuspėti, kas kur dedama, ir didelę kantrybę, kurią daugelis iš mūsų, sodininkų, galbūt turėtume ugdyti.

 

Kai atvyko į Hillside, vietą Somersete, kurią dabar vadina namais, jis jau buvo natūralistinio judėjimo lyderis, turintis įspūdingą pasaulinį projektų portfelį. Tačiau prieš pradėdamas ten dirbti su savo pirmuoju dizaino projektu, jis vis dėlto skyrė sau šešerius metus „pradėti dialogą“ su vieta (jo žodžiai ir raktas į jo procesą). Praktiškesnį terminą – vienerius metus – jis paprastai siūlo klientams.

 

„Jums reikia auginti sodą, ar ne?“ – sakė jis. „Ir net vien idėjas – jums reikia auginti tas idėjas. Taigi, manau, yra daug ką pasakyti už tai, kad skiriate laiko tam, kad suprastumėte kažką.“

 

Pono Pearsono peizažai yra įtraukiantys, egzistuojantys magiškoje riboje tarp kontrolės ir apleidimo, tai, ką jis vadina „balansavimo tašku“ tarp prižiūrimos erdvės ir tos, kurioje viešpatauja gamta. Jis remiasi intuicija ir praktine praktika, išlavinta nuo vaikystės, kai padėjo tėvams atrasti įsigytą „Arts and Crafts“ namą, kurį tiesiogine prasme apgaubė ilgai apleisto sodo laukinė gamta.

 

Sodininkams, eksperimentuojantiems su perėjimu prie laisvesnio kraštovaizdžio stiliaus, šis žavus balansavimo taškas gali pasirodyti sunkiai pasiekiamas tikslas. Iš kur jis semiasi užuominų, kurios pamažu perteikia jam supratimą, kuo tai gali tapti?

 

Jis pasidalijo kai kuriomis savo mintimis:

 

„Ei, ne taip greitai.“

 

Ponas Pearsonas niekada neskuba priimti dizaino sprendimų. „Hillside“, kuris taip pat yra internetinio žurnalo „Dig Delve“, kurį jis leidžia kartu su partneriu Huw Morganu, fonas, jis turėjo prabangą pasimėgauti tais šešeriais metais, praleistais pažįstant kraštą, „apžiūrėti ir suplanuoti savo pirmąjį žingsnį“, – sakė jis.

 

Jis nesiėmė jokių sodo darbų prieš tai buvusiame 20 akrų ūkyje, be daržovių auginimo ir kai kurių augalų bandymų – jo žinių apie dirvožemį ir klimatą rinkimo pradžios – ir senų ganyklų atsėjimo.

 

Prieš 10 metų, kai jis pradėjo dirbti dabartiniuose 1,5 akrų soduose, kurie glaudžiai susiję su namu ir kitais pastatais, beveik visos „iš 50 variantų, kuriuos turėjau, kai pirmą kartą apžiūrėjau sklypą, buvo atmestos“, – sakė jis. Liko tik tos, kurias tikrai verta siekti.

 

Net metai suteikia galimybę stebėti ir klausytis kiekvieno sezono, sakė jis: „Ar kovo mėnesį yra vėjas, nuo kurio turime pasislėpti? Kur šviesa pasiekia tamsiausią mėnesį? Kur jums reikia pavėsio karščiausią mėnesį? Ar sklype nutinka kažkas magiško, kada norite būti jo dalimi arba turėti daugiau – ir tada jūs kuriate iš to.“

 

Svarbu: užsirašykite savo pirmuosius įspūdžius, bet venkite analizuoti.

 

„Tai tarsi susitikti su nauju žmogumi ir gauti iš jo jausmų, bet ne vertinti“, – sakė jis.

 

Šis „stebėjimo tyrimas“, kaip jis tai apibūdina, yra visko, kas bus ateityje, pagrindas.

 

Dizaino pamoka miško pakraštyje

 

Neatsitiktinai ponas Pearsonas vartoja tokius terminus kaip „neformalus“, „vedamas asimetrijos, o ne simetrijos“ ir „sluoksniuotas“, apibūdindamas savo natūralistines kompozicijas, nes tai yra vieni iš pagrindinių gamtos dizaino principų (ir pagrindinių sąvokų, kurias reikia turėti omenyje).

 

Eikite, atsistokite miško pakraštyje, – pasakė jis, – ir pažiūrėkite, kaip sugyvena gretimos buveinės. Pamatysite ne simetrijos, o daugybę sluoksnių.

 

„Turite medžius, kurie sudaro pavėsį“, – sakė jis, – „o tada po medžiais sluoksniuojamus puskrūmius ar krūmus, kurie yra labiau žmogiško mastelio. O tada turite daugiamečius augalus, kurie atsiranda ir išnyksta per tą gana trumpą sezoną po pavėsiu.“

 

Sluoksniavimas tęsiasi ir saulėtesnėse vietose, jį įkūnija skirtinga augalų grupė. Net ir gana siauroje paletėje jie visi veikia kartu, kiekvienas atlieka savo vaidmenį, kol kitas žengia savo eilę, taip kurdami metų laikų seką.

 

„Jie visi yra tarpusavyje susiję“, – sakė ponas Pearsonas, – „ir sluoksniavimas leidžia sukurti miniatiūrines ekologijas. Tai leidžia turėti akimirkų, kai viskas vyksta, o vėliau jie gali pritemti. Tai leidžia išlaikyti tęstinumą, laikinumą.“

 

Ar yra koks nors vaizdas arba jo užuomina?

 

Vaizdai, tiek pasiskolinti, tiek sukurti, praplečia kraštovaizdžio suvokimą, ir pono Pearsono namai Hillside rajone, kaip rodo pavadinimas, yra ilgi.

 

Pavyzdžiui, gyvenamasis projektas „Robin Hill“ Norfolke, Konektikuto valstijoje, iš pradžių jam atrodė klaustrofobiškas, apsuptas medžių.

 

„Žinojau, kad esame ant kalvos viršūnės, daugiau ar mažiau, bet tiesiog nebuvo galima nieko matyti“, – sakė jis.

 

Kurti ilgus vaizdus buvo nepraktiška, bet redaguoti, kad būtų padarytos proskynos, „kurios leistų šviesai kristi ant miško paklotės“, – sakė jis, – reiškė, kad tai „jautėsi magiška ir spindinti. Taigi, nuotaika pasikeitė tiesiog pašalinus du ar tris medžius“.

 

Leiskite savo ketinimams pasireikšti – ir sukurkite keletą taisyklių.

 

Nors jo darbai visada pagrįsti neformalumu“, – sakė ponas Pearsonas, – visada yra ir formalumo aspektas, kuris tam prieštarauja, „nes reikia išlaikyti įtampą“.

 

Hillside tako tvirtumas ir akmeninės sienos ruožas sukuria ryškų kontrastą erdviems, euforiškiems želdiniams vietovėje, vadinamoje smėlio sodu.

 

Vienas iš paprasčiausių pavyzdžių: kas nutinka, kai tiesiog pjauni taką per pievą.

 

„Tai tarsi drabužio apvadas, kuris padaro drabužį ypatingą, o ne pernelyg paprastą“, – sakė jis. „Tai kažkas, kas leidžia pamatyti, kad iš tikrųjų turėjote tam tikrą indėlį“.

 

Takų kraštai gali prarasti savo ryškumą, jei savaime pasisėję daigai arba tam tikrų daugiamečių augalų vasarą augantis perimetras paliekamas likimo valiai. Svarbu žinoti savo toleranciją tokiam euforijai – nuo ​​jokio (tik švarūs kraštai, ačiū) iki atvirumo klaidžioti miglotu taku, kur savanoriai glosto jūsų kojas. Lygiai taip pat svarbu nustatyti protokolą, kuris įgyvendintų jūsų viziją.

 

P. Pearsonas nurodė, kad kai kurie Hillside takai yra dviejų metrų (arba maždaug šešių pėdų) pločio, pavyzdžiui, kad pagrindiniai augalai galėtų žydėti kuo ilgiau, tačiau takas, kurį jie supa, neatrodytų uždaras.

 

Jis teigė, kad kiekvienam iš mūsų reikia „žinoti, jog turime taikyti taisykles, savo taisykles, kurios gali sakyti: „Aš tai nupjausiu kartą per metus, kiekvienais metais“. Ir tam reikia rasti tinkamą laiką, bet tai gali viską pakeisti.“

 

Nutraukite pokalbį su vieta.

 

Sodininko mokymosi kreivė niekada nesibaigia, kaip ir sodas. Nuolatinis tylus pokalbis su erdve rodo, kokias intervencijas reikėtų apsvarstyti jums abiem tobulėjant.

 

„Tuomet išmokstate daryti sode, kai sodinate vietą“, – sakė p. Pearsonas. „Ir tada yra kitų dalykų, pavyzdžiui, terasų valymas – tiesiog labai paprasti dalykai, kurie leidžia jaustis sąmoningai.“

 

Ir dar vienas dalykas: kad ir kokios didelės ar mažos atrodytų svarstomos pastangos, visada geriausia jas vertinti nuolankiai, sakė ponas Pearsonas. Kaip ir santykių pradžioje, neskubėkite.

 

„Reikia tiesiog nuolat žengti žingsnį atgal“, – sakė jis, – „ir sakyti: „Ar mums reikia tai daryti? Kaip galime tai padaryti švelniau? Ar tai teisinga?“

 

Margaret Roach yra svetainės ir tinklalaidės „A Way to Garden“ bei to paties pavadinimo knygos kūrėja.“ [1]

 

1. Why It’s Best Not to Rush a Relationship: In the Garden. Roach, Margaret.  New York Times (Online) New York Times Company. Jun 30, 2026.

Why It’s Best Not to Rush a Relationship: In the Garden

“The celebrated English landscape designer Dan Pearson really knows how to read the room — the outdoor room — drawing on an uncanny instinct for divining what goes where and a depth of patience many of us gardeners might well be wise to cultivate.

 

He was already a leader in the naturalistic movement with an impressive global portfolio of projects when he came to Hillside, the place he now calls home, in Somerset, England. Before making his first design move there, though, he nevertheless allowed himself six years to “start a dialogue” with the place (his words, and a key to his process). A more practical timeline — one year — is what he typically suggests to clients.

 

“You need to grow a garden, don’t you?” he said. “And even just the ideas — you need to grow those ideas. So there’s much to be said, I think, for taking the time to understand something.”

 

Mr. Pearson’s landscapes are immersive, existing in a magical borderline between control and abandon, what he calls “the teetering point” between a maintained space and one where nature holds sway. He draws on intuition and hands-on practice honed since childhood, when he helped his parents uncover the Arts and Crafts home they’d bought that was positively engulfed by the wildness of a long-neglected garden.

 

For gardeners experimenting with pivoting to a looser landscaping style, that delicious teetering point may prove an elusive destination. Where does he take his cues from that gradually alert him to what it can become?

 

He shared some of his thinking:

 

Hey, not so fast.

 

Mr. Pearson never hurries toward design decisions. At Hillside, which is also the backdrop of the online magazine “Dig Delve” that he and his partner, Huw Morgan, publish, he had the luxury of indulging in those six years of getting acquainted with the land, “to look, and plan my first move,” he said.

 

He didn’t undertake any garden-making on the 20-acre former farm before that, beyond growing vegetables and trialing some plants — the start of his knowledge-gathering about the soil and climate — and reseeding old pasture.

 

By the time he started 10 years ago on what are now 1.5 acres of gardens that intimately anchor the house and other buildings, all but a handful of “the 50 options I had when I had first looked at the site had fallen away,” he said. Only those really worth pursuing stuck.

 

Even a year offers a chance to observe and listen to each season, he said: “Is there a wind we need to shelter from in March? Where does the light reach in the darkest month? Where do you need shade in the hottest month? Is there something that happens on the site that’s a magical moment that you want to be part of or have more of — and then you build from that.”

 

Important: Make notes of your first impressions, but resist analyzing.

 

“It’s like meeting a new person and getting a feeling from that person, but not judging,” he said.

 

This “observational research,” as he describes it, is the foundation of everything to come.

 

A design lesson at the woodland edge

 

It’s no coincidence that Mr. Pearson uses terms like “informal” and “led by asymmetry rather than symmetry” and “layered” to describe his naturalistic compositions, for those are among nature’s foundational design principles (and key concepts to keep in mind).

 

Go stand at the edge of the woods, he said, and look at how the adjacent habitats coexist. You will not see symmetry, but lots of layers.

 

“You’ve got the trees which form the shade,” he said, “and then the layering of sub-shrubs or shrubs underneath the trees, which are more kind of human scale. And then you’ve got the perennials which come and go throughout the course of that relatively short season underneath the shade.”

 

The layering continues out into the sunnier areas, enacted by a different cast of plants. Even in a relatively narrow palette, they’re all working together, each performing in its time before the next one takes a turn, creating a succession through the seasons.

 

“They’re all interdependent,” Mr. Pearson said, “and the layering allows you to have miniature ecologies. It allows you to have moments where things are happening and then they can dim. It allows you to have continuity, ephemerality.”

 

Is there a view or the suggestion of one?

 

Views, whether borrowed or created, enlarge the experience of a landscape, and Mr. Pearson’s home at Hillside, as its name hints at, is long on them.

 

Robin Hill, a residential project in Norfolk, Conn., for instance, initially felt claustrophobic to him, walled in by trees.

 

“I knew we were on top of a hill, more or less, but you just couldn’t see out,” he said.

 

Creating long views was impractical, but editing to make some clearings “that let the light fall to the forest floor,” he said, meant it “felt magical and sparkling. So you then had a mood that changed by simply removing two or three trees.”

 

Let your intention show — and make some rules.

 

Although his work is always “underpinned by informality,” Mr. Pearson said, there is always also an aspect of formality figured in that contrasts it, “because you’ve got to keep tension.”

 

At Hillside, the solidity of a brick path and a stretch of stone wall provide defining contrast for airy, effusive plantings in the area called the sand garden.

 

Among the simplest examples: what happens when you just mow a path through a meadow.

 

“It’s like the piping on a garment that makes the garment special rather than too plain,” he said. “It’s something that just allows you to see that actually you have had some input”

 

Pathway edges might lose their sharpness if self-sown seedlings or certain perennials’ expanding summertime circumference are left to have their way. Knowing your tolerance for such effusiveness — from none (clean edges only, thank you) to an openness to wandering a fuzzy path where volunteers caress your legs — is essential. Establishing a protocol that delivers your vision is equally so.

 

Mr. Pearson specified some paths at Hillside to be two meters (or about six feet) wide, for instance, to accommodate key plants’ fullest moments without allowing the walkway they flank to feel closed-in.

 

What each of us needs, he said, is to “know that you’ve got a set of rules that you can apply, your own rules that might say, ‘I’m going to cut that down once a year, every year.’ And you need to find the right time to do it, but it just might make all the difference.”

 

Keep your conversation with the place going.

 

The gardener’s learning curve is never completed, any more than the garden is. The ongoing silent conversation with a space signals what interventions to contemplate as you both evolve.

 

“You learn to do those things in a garden as you garden a place,” Mr. Pearson said. “And then there are other things that are like keeping the terraces swept — just very simple stuff that allows it to feel intentional.”

 

And one more thing: However small or large any effort under consideration may seem, it is always best approached from a place of humility, Mr. Pearson said. Just as at the beginning of the relationship, don’t rush.

 

“You have to just keep on stepping back,” he said, “and saying, ‘Do we need to do that? How can we do it more lightly? Is it the right thing?’”

 

Margaret Roach is the creator of the website and podcast A Way to Garden, and a book of the same name.” [1]

 

1. Why It’s Best Not to Rush a Relationship: In the Garden. Roach, Margaret.  New York Times (Online) New York Times Company. Jun 30, 2026.

What Does Mr. Macron Think About It? --- Russian civilian ship armed with heavy machine guns in Baltic Sea

“According to photos published by investigative journalists, Russia has equipped a gas tanker sailing in the Baltic Sea with heavy machine guns. It is said that this is the first recorded case of a Russian civilian ship operating in the region with mounted weapons.

 

Photos taken by the Estonian Border Guard Service during a reconnaissance flight over the Gulf of Finland in early May show a heavy machine gun mounted on the Marshal Vasilevsky, a liquefied natural gas (LNG) tanker that regularly transports the valuable fuel between the Russian mainland and Kaliningrad. The reports also claim that the ship was carrying “passengers” associated with Russian military intelligence. The Marshal Vasilevsky is operated by Gazprom and also functions as a floating LNG terminal capable of converting liquefied gas back into a gaseous state.

 

Several news agencies from across Europe have been working on the investigation into the vessel, and Estonian news website Delfi reported that surveillance footage is the first evidence of a Russian civilian ship carrying weapons in the Baltic Sea. The reports say the weapons are 12.7mm Kord heavy machine guns with a range of up to two kilometers. A Baltic Sea intelligence official believes the weapons were deployed for two reasons: to protect the ship from possible attacks by Ukrainian military drones and to show strength to Western countries, Militarnyj reported. However, the source noted that the guns are practically ineffective against aerial drones, which have been regularly attacking Russian infrastructure in the Baltic Sea. At the same time, the weapons could pose a threat to naval drones — although Ukraine does not yet use them in the Baltic region. The commander of the Danish Navy and independent analyst Jens Wenzel Khristoffersen believes that this weaponry primarily performs a psychological function.

 

According to him, Russia seeks to demonstrate its readiness to use force against any attempts to inspect or detain the ship.

 

The publication notes that the ship “Marshal Vasilevsky” does not belong to the so-called shadow fleet, which, bypassing sanctions, transports Russian oil. This ship performs another strategic function – it delivers liquefied natural gas to the Kaliningrad region.

 

Since August last year, this tanker has made four voyages between the port of Bolshoi Bor and Kaliningrad. It is the only Russian FSRU (floating storage and gas recovery unit) ship capable of receiving liquefied natural gas, storing it, restoring it to a gaseous state and supplying it to the gas transmission system. Given its special importance for the energy supply of Kaliningrad, Ukraine may consider this ship a potential target.

 

The ship’s passengers

 

Journalists involved in the project have found that the ship has previously carried passengers with a military background, including some linked to Russia’s Federal Security Service (FSB). Lists obtained by the journalists revealed that as of August 2025, 50 passengers (not counting the crew) had been registered on the ship, and the independent Russian investigative portal Dossier Center concluded that 22 of them had previous ties to Russian military structures. One of them, Dmitry Artemenko, is registered at the address of an FSB special forces unit in Balashikha near Moscow, according to investigators, and has accompanied the tanker on each of its voyages to Kaliningrad. All this comes amid heightened tensions in the Baltic Sea, where in recent months countries have detained ships suspected of damaging underwater cables, including tankers linked to Russia’s so-called shadow fleet, TVP World reports.”