uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Li Ning/teksti Edustaako generatiivinen tekoäly (AI), joka tunnetaan nimellä neljäs teollinen vallankumous, todella uutta tuottavuuden vallankumousta?

Historiaan katsottuna aikaisemmat teolliset vallankumoukset toivat valtavia tuottavuusharppauksia. Ensimmäinen teollinen vallankumous alkoi 1760-luvulla, ja sitä leimaa Wattin paranneltu höyrykone, joka laukaisi siirtymisen käsityöstä konetuotantoon. Toiselle teolliselle vallankumoukselle oli ominaista sähkön laaja käyttö. Nämä kaksi vallankumousta alensivat merkittävästi bioenergian, työvoiman ja eläinvoiman käyttökustannuksia ja toivat monissa skenaarioissa käsityön tuottaman arvon rajakustannukset lähelle nollaa. Kolmas teollinen vallankumous, joka tunnetaan myös nimellä tietotekniikan vallankumous, alkoi toisen maailmansodan jälkeen, ja sitä leimasi tietokoneiden ja Internetin yleistyminen. Tässä vaiheessa Googlen edustamat Internet-yritykset ovat alentaneet tiedon hankinnan ja levittämisen kustannukset erittäin alhaiselle tasolle.

Kuten Baidun entinen presidentti Lu Qi huomautti, Internet-yritykset ovat saavuttaneet keskeisen muutoksen: muuttaneet tiedonhankinnan rajakustannukset kiinteiksi kustannuksiksi. Otetaan esimerkkinä Google. Se investoi noin miljardi dollaria karttatuotantoon joka vuosi, mutta karttatietojen hankkimisesta aiheutuvat kustannukset ovat lähes nolla. Tämä malli ei ainoastaan ​​muuta tapaa, jolla tietoa saadaan, vaan se vaikuttaa myös perusteellisesti kaikilla elämänaloilla.

Meidän on kuitenkin tunnustettava olennainen ero tiedon ja tiedon välillä. Tietovallankumous on vähentänyt olemassa olevan tiedon hankkimiskustannuksia, mutta tämä tieto on yleensä aikaisempien sukupolvien luomaa tietoa, kuten kirjoja, tietopisteitä tai koodeja. Tiedon hankinnan jälkeen tiedon uudelleenluominen ja soveltaminen on edelleen pääosin ihmisen varassa.

Generatiivisen tekoälyn syntyminen on muuttanut tätä logiikkaa. Se alentaa huomattavasti tiedon tuotannon kustannuksia. Tietämyksen luominen on yhteiskunnallista edistystä ajava ydinvoima, joka kattaa kaiken huippuluokan tieteellisestä tutkimuksesta, yritystutkimuksesta ja -kehityksestä, palvelualan myyntiratkaisuista koulutukseen ja arjen suunnitteluun perhealalla. Pohjimmiltaan nämä toiminnot ovat rekombinaatio- ja olemassa olevan tiedon luomisprosesseja.

Esimerkiksi tekoälyn avulla voimme luoda laadukkaan kopion muutamassa sekunnissa, suorittaa suuren määrän luovia aivoriihiä muutamassa minuutissa ja jopa luoda nopeasti kuvia, videoita ja musiikkiteoksia.

Tieteellisen tutkimuksen alalla tekoälyn soveltaminen on entistäkin katseenvangitsevampaa. Esimerkiksi AlphaFold (uusi malli, jonka ovat kehittäneet Google DeepMind ja I-somorphic Labs, kaksi Googlen alaista tekoälyyritystä) vallankumouksellisena tekoälyteknologiana muuttaa täysin biolääketieteellisen tutkimuksen maisemaa, lyhentää huomattavasti tieteellisen tutkimuksen sykliä ja alentaa kustannuksia.

Perinteisesti proteiinin kolmiulotteisen rakenteen määrittäminen vaatii kokeellisten menetelmien, kuten röntgenkristallografian tai kryoelektronimikroskoopin, käyttöä. Nämä menetelmät eivät ole ainoastaan ​​aikaa vieviä ja työvoimavaltaisia, vaan vievät usein kuukausia tai jopa vuosia myös kalliita. AlphaFold voi ennustaa proteiinirakenteet tarkasti tunneissa tai päivissä, mikä lyhentää merkittävästi tutkimussykliä.

Esimerkkinä lääketutkimuksesta ja -kehityksestä ESM3 (tekoälyn läpimurto, EvolutionaryScalen kehittämä tekoälymalli, jota käytetään erityisesti proteiinien suunnitteluun) voi nopeasti simuloida ja tuottaa uusia proteiinisekvenssejä, mukaan lukien vasta-aineita ja entsyymejä, joilla on tietyt toiminnot, jolloin tutkijat voivat suunnitella kohdennettuja lääkkeitä ennennäkemättömällä tarkkuudella.

Tämän kyvyn avulla tutkijat voivat nopeasti luoda ja testata uusia proteiinimalleja ohittaen perinteistä lääkekehitystä hallitsevan kokeilu ja erehdys -lähestymistavan ja siten keskittää tutkimuksen lupaavimpiin lääkeehdokkaisiin. ESM3:n interaktiivinen luonne antaa tutkijoille mahdollisuuden ohjata proteiinien suunnitteluprosessia kehotteiden kautta, mikä parantaa entisestään lääkekehityksen tehokkuutta. Tämä paitsi nopeuttaa tutkimusta, myös vähentää merkittävästi kustannuksia, sillä tutkijat voivat tutkia laajempaa proteiinitilaa virtuaaliympäristössä ennen sen validointia laboratoriossa. ESM3:n kyky simuloida miljoonien vuosien luonnollisia evoluutioprosesseja avaa uusia mahdollisuuksia innovatiivisten lääkkeiden kehittämiseen.

Microsoft AI Chief Executive Officer (CEO) Mustafa Suleyman ennustaa, että seuraavan 15-20 vuoden aikana uuden tiedon tuotannon kustannukset lähestyvät nollaa. Hän uskoo, että nämä muutokset merkitsevät todellista "käännekohtaa" ihmiskunnan historiassa.

Uusi visio ja uusi logiikka

Jos generatiivisen tekoälyn kehitys ja popularisointi toteuttaa näkemyksen tiedon luomisen rajakustannusten lähestymisestä nollaa kohti, avaamme ennennäkemättömän tulevaisuuden. Tietotuotannosta tulee tulevaisuudessa erittäin halpaa ja tehokasta, mikä tuo mukanaan syvällisiä muutoksia.

Kuvittele, että tieteelliset tutkijat voivat saada kokeellisen suunnittelun ja data-analyysin valmiiksi muutamassa minuutissa, ja aiemmin kuukausia kestänyt tieteellisen tutkimuksen sykli on lyhentynyt huomattavasti. Monimutkaisista tehtävistä, kuten proteiinirakenteen ennustamisesta ja kemiallisten aineiden seulonnasta, tulee tarkkoja ja tehokkaita, ja tieteellistä kehitystä edistetään ennennäkemättömällä tavalla. Laboratoriossa tutkijat uppoutuvat enemmän luovaan etsintään kuin tylsiin toistuviin kokeisiin.

Jatkossa lääkärit voivat saada uusimman lääketieteellisen tiedon ja parhaat diagnoosi- ja hoitovaihtoehdot yhdellä hiiren napsautuksella ja räätälöidä potilaille yksilöllisiä hoitosuunnitelmia. Jokainen potilas voi saada sopivimman lääketieteellisen palvelun, ja diagnoosin ja hoidon tehokkuus ja tehokkuus paranevat huomattavasti. Merkittävät parannukset terveydessä antavat ihmisille mahdollisuuden nauttia korkeammasta elämänlaadusta, eivätkä sairaudet enää ole voittamaton vihollinen.

Luokkahuoneessa generatiivinen tekoäly tarjoaa räätälöityjä oppimisresursseja kunkin oppilaan oppimisen edistymisen ja kiinnostuksen kohteiden mukaan, aidosti opettaen opiskelijoita heidän kykyjensä mukaisesti. Opiskelijaa ei enää sido yhtenäinen opetussuunnitelma, vaan hän voi opiskella itselleen parhaiten sopivalla tavalla ja tahdissa. Jokaisen lapsen potentiaali piristyy täysillä, oppimisesta tulee hauskaa ja opetuksen laatu paranee kokonaisvaltaisesti.

Psykologisessa neuvontahuoneessa generatiivinen tekoäly tarjoaa henkilökohtaista psykologista neuvontaa ja emotionaalista tukea. Tekoäly voi tarkasti tunnistaa ja analysoida yksilön tunnetilan ja tarjota oikea-aikaista ja tehokasta psykologista apua. Kohdatpa sitten stressiä, ahdistusta tai emotionaalista lohtua, jokainen voi löytää sisäisen rauhan ja onnen tekoälyn hoidon ja tuen avulla.

Generatiivinen tekoäly tulee olemaan kaikkialla jokapäiväisessä elämässä tulevaisuudessa. Yliopiston pääsykokeiden tutorointi, konsultointipalvelut ja luova työ, tekoäly parantaa huomattavasti tehokkuutta ja vaikuttavuutta. Ihmiset pystyvät suorittamaan erilaisia ​​tehtäviä helposti, mikä vapauttaa enemmän aikaa ja energiaa luovaan ja strategiseen työhön. Tekoäly ottaa haltuunsa toistuvat ja mekaaniset tehtävät, ja ihmisten elämästä tulee helpompaa ja nautinnollisempaa.

Selvitettyämme tulevaisuuden visiota, jonka generatiivinen tekoäly voi tuoda, meidän on pohdittava uutta päätöksentekologiikkaa. Koska tiedon tuotannon rajakustannukset lähestyvät nollaa, jokaisen yksilöistä yrityksiin on mukautettava päätöksiään ja strategioitaan sopeutuakseen tähän muutokseen.

Ihmisten on arvioitava uudelleen oma arvonsa. Mitkä kyvyt ja ominaisuudet ovat edelleen arvokkaita aikana, jolloin tietoa on helposti saatavilla? Vaikka tekoäly on osoittanut tehokkaita kykyjä monilla aloilla, todellinen innovaatio 0-1 on edelleen erottamaton ihmisen inspiraatiosta ja intuitiosta. Tämänkaltainen innovaatio vaatii inspiraation kipinän, hetken jaloa, eikä tekoäly tällä hetkellä pysty täysin jäljittelemään tällaista luovuutta tyhjästä.

Siksi meidän on pohdittava, kuinka säilyttää ainutlaatuisuutemme tässä ympäristössä. Jatkuva oppiminen ja itsensä kehittäminen ei ainoastaan ​​auta meitä sopeutumaan nopeasti muuttuvaan maailmaan, vaan myös jatkamaan innovointia omilla aloillamme ja pysymään kilpailukykyisinä. Innovaatio 0-1 vaatii arvaamatonta inspiraatiota ja intuitiota, pienen kipinän ihmisen ajattelussa, joka voi sytyttää koko luomisprosessin. Meidän tulee vaalia tätä kykyä ja jatkaa sen kehittämistä ja kannustamista.

Vielä tärkeämpää on, että vaikka tekoäly on tehokas, siltä puuttuu tällä hetkellä suunnan ja tarkoituksen tunne. Yksi ihmisen avainrooleista tällä aikakaudella on ohjata tekoälyä ja antaa merkitystä. Meidän on päätettävä, minkä ongelmien ratkaisemiseen tekoälyä tulisi käyttää, miten tekoälyä käytetään parantamaan ihmisten elämää ja miten varmistetaan, että tekoälyn kehitys täyttää moraaliset ja eettiset standardit. Tämä kyky edellyttää meiltä makronäkökulmaa, syvällisiä oivalluksia ja inhimillisten arvojen ja sosiaalisten tarpeiden innokasta ymmärrystä.

Tieteellisen tutkimuksen ala on ajatuksia herättävä esimerkki siitä, kuinka syvällinen vaikutus generatiivisella tekoälyllä voi olla tiedon luomisprosessissa.

Perinteisesti tieteellistä tutkimusta on pidetty uuden tiedon luomisen palatsina, ja prosessi on usein aikaa vievä, työläs ja kallis. Esimerkkinä johtamisesta tutkimus ei ole vain uusien ilmiöiden ja teorioiden löytämistä, vaan vaatii myös huolellista hiomista ja tiukkaa demonstrointia. Kuten johtamistutkijat Markus Baer ja Jason Shaw kuvailevat artikkelissaan, johtamistutkijat harjoittavat "akateemista käsityötaitoa".

Generatiivisen tekoälyn synty voi kuitenkin vaikuttaa syvästi tämän "akateemisen käsityötaidon" arvoon. Tämä muistuttaa meitä aikaisempien teollisten vallankumousten vaikutuksesta perinteisiin käsityöläisiin.

Ennen teollista vallankumousta taitavia käsityöläisiä arvostettiin suuresti ja heidän taitonsa olivat niukat ja arvokkaita. Koneiden käyttöönoton ja massatuotannon lisääntymisen myötä monet ennen pitkälle erikoistuneet käsityöt kuitenkin asteittain korvautuivat standardoiduilla teollisilla prosesseilla, ja perinteisten käsityöläisten asema ja arvo yhteiskunnassa laskivat merkittävästi.

Nyt meillä näyttää olevan samanlainen käännekohta. Generatiivinen tekoäly voi nopeasti käsitellä valtavia määriä dataa, luoda järkevältä vaikuttavia hypoteeseja ja johtopäätöksiä ja jopa jäljitellä akateemisen kirjoitustyyliä. Tämä saa meidät ajattelemaan: Vähentääkö tekoäly merkittävästi akateemisten "käsityöläisten" arvoa? Aiemmin paljon aikaa ja energiaa vaatineet tehtävät, kuten kirjallisuuskatsaus, data-analyysi ja jopa alustava teoriakonstruktio, voivat nyt kestää vain muutaman minuutin tekoälyllä.

Tällä muutoksella on epäilemättä syvällinen vaikutus akateemiseen maailmaan. Aivan kuten teollinen vallankumous muutti käsityön arvoa ja teki aiemmin saavuttamattomista käsityötaidot niukasti, aiheuttaako generatiivisen tekoälyn ilmaantuminen myös joidenkin perinteisten akateemisten taitojen ainutlaatuisuuden menettämisen? Onko tieteellinen tutkimus vähemmistön ammattina korvaamattomuutensa edessä?

Nämä kysymykset ovat herättäneet joukon syvempää ajattelua: mikä on tekoälyn aikakaudella tutkijoiden tärkein arvo? Pitääkö meidän määritellä uudelleen, mitä tarkoitamme "akateemisella innovaatiolla"? Ehkä tutkijoiden rooli muuttuu perusteellisesti tulevaisuudessa, mutta miten tarkalleen? Keskitytäänkö he enemmän todella innovatiivisten kysymysten esittämiseen ja jättävätkö rutiininomaisen tutkimustyön tekoälyn tehtäväksi? Vai heijastuuko tutkijoiden arvo enemmän siinä, kuinka tekoälyä ohjataan tekemään tutkimusta ja miten tekoälyn tuottamien tulosten luotettavuus ja merkitys arvioidaan?

Tarvitseeko meidän lisäksi ajatella koko tiedon luomisprosessia uudelleen? Kuinka varmistaa akateemisen tutkimuksen syvyys ja omaperäisyys aikakaudella, jolloin tekoäly voi tuottaa nopeasti näennäisesti kohtuullisia tutkimustuloksia? Mikä rooli ihmisen luovuudella ja oivalluksella on tässä prosessissa?

Generatiivisen tekoälyn aikakaudella yritykset, jotka ovat tärkeitä tiedon luomisen kokonaisuuksia, kohtaavat ennennäkemättömiä haasteita ja mahdollisuuksia. Perinteinen tiedon luomisen arvoketju on kaatunut täysin, ja yrityksen ydintoiminnot, kuten tuotesuunnittelu, palveluinnovaatiot ja markkinanäkemykset, voivat kaikki kokea perustavanlaatuisia muutoksia tekoälyn puuttuessa. Tässä yhteydessä yritysten on myös pohdittava uudelleen asemaansa ja ydinkilpailukykyään.

Kun tekoäly voi nopeasti luoda suunnittelusuunnitelmia, tuoteideoita ja markkina-analyyseja, miten yritykset voivat löytää oman ainutlaatuisen arvonsa tiedonluontiketjusta? Yksi mahdollinen suunta on siirtää painopiste alueille, joita on vaikea jäljitellä tekoälyllä, kuten brändin arvon rakentaminen, tunneyhteyksien rakentaminen tai rajat ylittävä innovaatio. Tämä vaatii yrityksiä arvioimaan uudelleen vahvuuksiaan ja investoimaan enemmän inhimillistämiseen ja luovuuteen. Nämä kysymykset ovat herättäneet syvällistä pohdintaa yrityksen tulevasta kehityssuunnasta.

Strategian muotoilun ja toteuttamisen on perustuttava siihen tosiasiaan, että tiedon rajakustannukset lähestyvät nollaa. Tarvitseeko yrityksen joustavasti mukauttaa strategiaansa vastatakseen nopeasti markkinoiden muutoksiin ja teknologian kehitykseen? Päätöksentekoprosessista tulee enemmän datalähtöistä. Tarjoaako generatiivinen tekoäly reaaliaikaisia, tarkkoja analyyseja ja ennusteita auttaakseen päättäjiä tekemään älykkäämpiä valintoja? Tarvitseeko yrityskulttuurin samalla olla avoimempaa ja osallistavampaa, kannustaa innovaatioihin ja rajat ylittävään yhteistyöhön sekä mukautua nopeasti muuttuvaan ympäristöön?

Tässä prosessissa meidän on käytävä avointa keskustelua: Miten yritykset tasapainottavat tehokkuutta ja innovaatioita? Millä strategisilla muutoksilla voidaan varmistaa, että yritykset erottuvat kovasta kilpailusta aikana, jolloin tietoa on helposti saatavilla? Tulevatko yritysten organisaatiomuodot tasaisemmiksi ja joustavammiksi?

Näihin kysymyksiin ei ole valmiita vastauksia, mutta juuri nämä ajatukset ja tutkimustyöt saavat meidät sopeutumaan tähän uuteen teknologiseen muutokseen ja hallitsemaan sitä.

Kuinka se saavutetaan: kaksisuuntainen matka ihmisten ja teknologian välillä

Generatiivisen tekoälyn tulevaisuuden visiossa tiedon luomisen rajakustannukset lähestyvät nollaa, mikä tarkoittaa, että aloitamme ennennäkemättömän tehokkuuden ja innovaation aikakauden. Tämän tavoitteen saavuttamiseksi avain on ihmisten ja teknologian kaksisuuntaisessa kiireessä.

Generatiivinen tekoäly ei ole yksinkertainen työkalu ilman selkeitä ohjeita, vaan kyky ja potentiaali, joka vaatii ihmisten hallitsemaan sen. Ihmisen rooli on tässä prosessissa ratkaiseva. Yksilöiden on parannettava tekoälykykyään, mikä tarkoittaa kattavaa kykyä käyttää tekoälyä tehtävien suorittamiseen ja ongelmien ratkaisemiseen AI-aikakaudella. AI-voima ei ole vain taitoa käyttää tekoälytyökaluja, vaan myös uutta ajattelutapaa ja kykyrakennetta.

Tekoälyominaisuuksien parantamisen prosessissa yksilöiden on jatkuvasti opittava ja sopeuduttava sekä hallittava generatiivisen tekoälyn menetelmät ja tekniikat. Esimerkiksi kuinka suunnitella tehokkaita kehotussanoja vuorovaikutukseen tekoälyn kanssa, kuinka purkaa tehtäviä ja tehdä yhteistyötä tekoälyn kanssa monimutkaisten tehtävien suorittamiseksi. Tämän kyvyn viljeleminen mahdollistaa sen, että jokainen voi tulla "superyksityiseksi" ja vahvistaa suuresti kykyjään ja tehokkuuttaan tekoälyn avulla.

Ihmisten omien kykyjen parantamisen lisäksi myös teknologian kehittäminen on tärkeä tapa saavuttaa tämä tavoite. Generatiivinen tekoäly ei vaadi vain suurten mallien perusominaisuuksia, vaan vaatii myös jatkuvaa kehitystä ja optimointia erilaisissa skenaarioissa. Esimerkiksi Sunon (AI-musiikin sukupolvisovelluksen) ilmaantuminen on tehnyt musiikin luomisesta, ammattiosaamista vaativan taidon, helposti ulottuvilla. Tämä teknologinen kehitys on alentanut huomattavasti tiedon luomisen kynnystä.

Käännösalalla professori Andrew Ng:n äskettäinen avoimen lähdekoodin käännösprojekti tekee ammattitehtävän kääntämisestä erittäin helppoa, mikä osoittaa tekniikan nopean soveltamisen tietyissä skenaarioissa. Tietojen analysoinnin, monimutkaisen lääketieteellisen diagnoosin ja tieteellisen tutkimuksen kaltaisilla aloilla, vaikka paljon on vielä tehtävää, teknologisen kehityksen suunta on selvä, eli jatkuvan innovaation ja optimoinnin ansiosta tiedon luomisen kustannukset pienenevät viime kädessä huomattavasti .

Maailma, jossa tiedon luomisen kustannukset lähestyvät nollaa

Kun tiedon luomisen rajakustannukset lähestyvät nollaa, kohtaamme joukon syvällisiä ja avoimia kysymyksiä. Näihin kysymyksiin ei ehkä vielä ole selkeitä vastauksia, ja joistakin niistä keskustellaan kiivaasti ympäri maailmaa.

Kun tiedon luomisen hinta on nolla, minne ihmiskunta menee? Mikä on ihmisenä olemisen merkitys? Miten ihmiset määrittelevät oman arvonsa ja olemassaolonsa uudelleen maailmassa, jossa tietoa on helposti saatavilla? Tuleeko uusista kyvyistä ja ominaisuuksista avain ihmisen ydinkilpailukykyyn? Pitääkö meidän tarkastella uudelleen sellaisia ​​aloja, kuten luovuus, tunteet, etiikka ja sosiaalinen vastuu, joita ei voida täysin korvata tekoälyllä?

Ovatko perinteiset yritysorganisaatiomuodot edelleen merkityksellisiä maailmassa, jossa tietoa on helppo hankkia ja tuottaa? Miten organisaatiot uudistuvat ja toimivat sopeutuakseen tähän trendiin? Tuleeko tulevaisuuden organisaatioista litteämpiä, hajautetumpia ja joustavampia? Miten yritysten ydinkilpailukyky muuttuu? Kuinka yritykset säilyttävät innovaatioita ja kilpailuetuja äärettömän tiedon aikakaudella?

Vielä tärkeämpää on, kuinka voimme varmistaa, että kaikki hyötyvät tästä muutoksesta? Tiedon luomisen kustannusten alentamisen ei pitäisi olla vain muutamien ihmisten etuoikeus, vaan sen pitäisi olla koko yhteiskunnan yhteinen rikkaus. Kuinka suunnitella oikeudenmukainen jakelumekanismi sen varmistamiseksi, että tiedon ja teknologian osuudet voivat hyödyttää kaikkia? Tämä sisältää koulutuksen popularisoinnin ja parantamisen, sosiaaliturvajärjestelmän parantamisen sekä politiikkojen ja määräysten muotoilun ja täytäntöönpanon. Miten käsitellä mahdollista työttömyyttä ja sosiaalista epäoikeudenmukaisuutta? Miten varmistamme, että teknisen kehityksen hyödyt jakautuvat tasaisesti?

Kuten Microsoftin tekoälyn toimitusjohtaja rohkeasti ennusti, tiedon luomisen kustannukset ovat lähellä nollaa 10–15 vuoden kuluttua. Tuolloin meidän on kohdattava nämä syvälliset ongelmat ja löydettävä tapoja ratkaista ne. Onko meillä tarpeeksi sosiaalisia mekanismeja ja politiikkoja ohjataksemme ja suojellaksemme tätä muutosta?

Ihmisten merkitys ja arvo, organisaatioiden muoto ja toiminta sekä sosiaalinen oikeudenmukaisuus ja edistys ovat tärkeitä aiheita, joihin meidän on varauduttava ja joita on mietittävä etukäteen. Vastauksia näihin kysymyksiin ei ehkä ole helppo löytää, mutta juuri nämä ajatukset ja etsimiset johtavat meidät kohti parempaa ja oikeudenmukaisempaa tulevaisuutta. Olemmeko valmiita tähän muutokseen? Miltä maailma näyttää tulevaisuudessa, ja miten löydämme paikkamme tässä muutoksessa?

(Kirjoittaja on Flextronics-professori ja Tsinghuan yliopiston kauppakorkeakoulun johtamisen ja organisaatiojohtamisen osaston johtaja)

Tekijänoikeuslausunto: Yllä oleva sisältö on "Economic Observerin" alkuperäinen teos ja tekijänoikeudet kuuluvat "Economic Observerille". Uudelleentulostus tai peilaus on ehdottomasti kielletty ilman taloustarkkailijan lupaa, muuten asianomaiset toimijat ovat laillisesti vastuussa. Tekijänoikeusyhteistyötä varten soita: [010-60910566-1260].