Ranní restart: ČR 2. nejlepší na světě; když chceš přidat, tak přidej
Ranni Restart , 19. Nov.
Česká ekonomika má druhý nejlepší set parametrů na to, aby profitovala z globální zelené transformace, tedy z rostoucí poptávky po cleantech a produktech, které zajistí dekarbonizaci ekonomiky. Druhý nejlepší na světě! Už teď máme celou řadu excelentních výrobků, po kterých výrazně poroste poptávka, a kde už máme ve světě jméno. Potřebujeme vyřešit pár bariér, ale to je strategicky řešitelné. Ještě jinak. Zelená transformace globální ekonomiky je velká příležitost pro business a inovace. A my máme téměř vše, abychom díky ní dokázali akcelerovat růst české ekonomiky, životní úrovně a prosperit.
Analýza 2. ekonomické transformace zkoumá data z celních statistik až na detailní úroveň produktů a kombinuje data s se studiemi, strategiemi EU a konzultacemi odborníků. Vedle identifikace produktů, po kterých poroste poptávky díky dekarbonizaci zkoumá příbuznost a komplexitu produktů. Pilotně byly zmapovány sektory, jako je železniční průmysl, vodní turbíny, izolační materiály nebo měřící přístroje. Zároveň identifikuje bariéry rozvoje, jako jsou nedostatek kvalifikované pracovní síly, vysoké ceny energií či pomalé povolovací procesy. Studie ukazuje, že ČR je druhá na světě v kombinaci indikátorů měřících schopnost vyrábět a exportovat zelené technologie. Patříme mezi „pětibojaře“ – nejsme lídry v jedné oblasti, ale naše celkové skóre předčí většinu zemí. Silné stránky českého průmyslu jsou například excelence v železničním průmyslu: např. podvozky s pohonem, vzduchové brzdy nebo produkce minerální izolace, vakuových pump a vodních turbín s vysokou přidanou hodnotou. České firmy patří mezi přední světové exportéry v těchto oblastech. Dále, měřící přístroje, elektromagnety a chladicí zařízení vykazují vysokou komplexitu a zároveň prostor pro růst. Bariéry rozvoje: nízké propojení vědy a výzkumu s průmyslovou praxí; nedostatek kvalifikovaných pracovníků a pomalé schvalovací procesy; nedostatečná ICT infrastruktura a financování. Doporučení pro další kroky: vytvoření „Delivery Unit“ pro koordinaci nadresortních projektů; jednodušší schvalovací procesy a rozvoj vzdělávání v technických oborech; lepší podmínky pro financování inovativních projektů a propojení akademického výzkumu s praxí.
Práce vs. nerovnost Existují různé hypotézy, které vysvětlují příjmovou nerovnost: někdo viní globální kapitalismus, Paul Krugman špatnou hospodářskou politiku, Thomas Piketty to hodí na kapitalisty... Tyler Cowen připomíná, že jeden faktor je často opomíjen: tvrdá práce. Pokud pracujete tvrději, tak vyděláte více peněz. Data to potvrzují: přibližně 20 % rozdílů v celoživotních výdělcích (data USA) lze vysvětlit rozdíly v odpracovaných hodinách. Více pracovat znamená, že jednoduše pracujete více hodin. Ale také to, že více investujete do svého lidského kapitálu. To zvyšuje vaši produktivitu. A právě 1/3 až 1/2 vyššího příjmu pracovitých lidí vysvětluje lidský kapitál. Z toho plyne jedno ponaučení: pokud se chystáte tvrdě pracovat, měli byste tak činit relativně brzy, abyste mohli těžit z výhod lidského kapitálu v budoucích letech.
Tyler Cowen upozorňuje, že ačkoliv se studie zaměřuje na USA, má důsledky i pro Evropu. Například ve Francii je pracovní doba omezena na 48 hodin týdně a standardní týdenní pracovní doba je 35 hodin. To snižuje průměrný výdělek a nerovnost ve výdělcích, protože pro ty nejúspěšnější je těžší vydělávat stále více peněz. Připomeňme, že v 70. letech 20. století, kdy byly evropské daňové sazby a regulace nižší, Evropané pracovali v průměru o něco více než Američané. Tvrdá práce není vše. Přidejme kvalitu vzdělávání, vliv rodinného socioekonomického zázemí, ale i štěstí. Každopádně tvrdá práce a investice do vlastního lidského kapitálu je něco, co dokážeme ovlivnit a zvýšit tak své příjmy.
OpenAI o1 vs. věda Mario Krenn z Max Planck Institutu uvádí, že model o1 poskytuje mnohem podrobnější a koherentnější odpovědi ve srovnání s předchozím modelem GPT-4o. Tento model je navržen tak, aby "přemýšlel" déle a hlouběji nad svými odpověďmi, což z něj činí pomalejší, ale výkonnější nástroj, zejména v oblasti vědy, kódování a matematiky. Významný pokrok zaznamenali například v chemii a fyzice, kde o1 překonal PhD vědce v nejtvrdším testu Graduate-Level Google-Proof Q&A Benchmark. Skóroval 78 %, zatímco u fyziky dosáhl neuvěřitelných 93 %. Tento výkon je dle Davida Reina, který se podílel na tvorbě zmíněného testu, důkazem zásadního zlepšení v logickém myšlení modelu. Model používá takzvanou "chain-of-thought" logiku, kde se postupně opravuje a koriguje své odpovědi. 1 má však i své nedostatky, pořád halucinuje, dělá chyby. Ale ten potenciál, především ve vědě je ohromný. #silnejsi
Analýza 2. ekonomické transformace zkoumá data z celních statistik až na detailní úroveň produktů a kombinuje data s se studiemi, strategiemi EU a konzultacemi odborníků. Vedle identifikace produktů, po kterých poroste poptávky díky dekarbonizaci zkoumá příbuznost a komplexitu produktů. Pilotně byly zmapovány sektory, jako je železniční průmysl, vodní turbíny, izolační materiály nebo měřící přístroje. Zároveň identifikuje bariéry rozvoje, jako jsou nedostatek kvalifikované pracovní síly, vysoké ceny energií či pomalé povolovací procesy. Studie ukazuje, že ČR je druhá na světě v kombinaci indikátorů měřících schopnost vyrábět a exportovat zelené technologie. Patříme mezi „pětibojaře“ – nejsme lídry v jedné oblasti, ale naše celkové skóre předčí většinu zemí. Silné stránky českého průmyslu jsou například excelence v železničním průmyslu: např. podvozky s pohonem, vzduchové brzdy nebo produkce minerální izolace, vakuových pump a vodních turbín s vysokou přidanou hodnotou. České firmy patří mezi přední světové exportéry v těchto oblastech. Dále, měřící přístroje, elektromagnety a chladicí zařízení vykazují vysokou komplexitu a zároveň prostor pro růst. Bariéry rozvoje: nízké propojení vědy a výzkumu s průmyslovou praxí; nedostatek kvalifikovaných pracovníků a pomalé schvalovací procesy; nedostatečná ICT infrastruktura a financování. Doporučení pro další kroky: vytvoření „Delivery Unit“ pro koordinaci nadresortních projektů; jednodušší schvalovací procesy a rozvoj vzdělávání v technických oborech; lepší podmínky pro financování inovativních projektů a propojení akademického výzkumu s praxí.
Práce vs. nerovnost Existují různé hypotézy, které vysvětlují příjmovou nerovnost: někdo viní globální kapitalismus, Paul Krugman špatnou hospodářskou politiku, Thomas Piketty to hodí na kapitalisty... Tyler Cowen připomíná, že jeden faktor je často opomíjen: tvrdá práce. Pokud pracujete tvrději, tak vyděláte více peněz. Data to potvrzují: přibližně 20 % rozdílů v celoživotních výdělcích (data USA) lze vysvětlit rozdíly v odpracovaných hodinách. Více pracovat znamená, že jednoduše pracujete více hodin. Ale také to, že více investujete do svého lidského kapitálu. To zvyšuje vaši produktivitu. A právě 1/3 až 1/2 vyššího příjmu pracovitých lidí vysvětluje lidský kapitál. Z toho plyne jedno ponaučení: pokud se chystáte tvrdě pracovat, měli byste tak činit relativně brzy, abyste mohli těžit z výhod lidského kapitálu v budoucích letech.
Tyler Cowen upozorňuje, že ačkoliv se studie zaměřuje na USA, má důsledky i pro Evropu. Například ve Francii je pracovní doba omezena na 48 hodin týdně a standardní týdenní pracovní doba je 35 hodin. To snižuje průměrný výdělek a nerovnost ve výdělcích, protože pro ty nejúspěšnější je těžší vydělávat stále více peněz. Připomeňme, že v 70. letech 20. století, kdy byly evropské daňové sazby a regulace nižší, Evropané pracovali v průměru o něco více než Američané. Tvrdá práce není vše. Přidejme kvalitu vzdělávání, vliv rodinného socioekonomického zázemí, ale i štěstí. Každopádně tvrdá práce a investice do vlastního lidského kapitálu je něco, co dokážeme ovlivnit a zvýšit tak své příjmy.
OpenAI o1 vs. věda Mario Krenn z Max Planck Institutu uvádí, že model o1 poskytuje mnohem podrobnější a koherentnější odpovědi ve srovnání s předchozím modelem GPT-4o. Tento model je navržen tak, aby "přemýšlel" déle a hlouběji nad svými odpověďmi, což z něj činí pomalejší, ale výkonnější nástroj, zejména v oblasti vědy, kódování a matematiky. Významný pokrok zaznamenali například v chemii a fyzice, kde o1 překonal PhD vědce v nejtvrdším testu Graduate-Level Google-Proof Q&A Benchmark. Skóroval 78 %, zatímco u fyziky dosáhl neuvěřitelných 93 %. Tento výkon je dle Davida Reina, který se podílel na tvorbě zmíněného testu, důkazem zásadního zlepšení v logickém myšlení modelu. Model používá takzvanou "chain-of-thought" logiku, kde se postupně opravuje a koriguje své odpovědi. 1 má však i své nedostatky, pořád halucinuje, dělá chyby. Ale ten potenciál, především ve vědě je ohromný. #silnejsi