Przygodowa zabawa jest najbardziej niedocenianym protokołem radzenia sobie z lękiem w neurologii dziecięcej, a te dane z Cambridge pokazują, dlaczego. Kiedy dziecko wspina się na coś wysokiego lub bawi się w roughhousing, ciało migdałowate wysyła sygnał zagrożenia. Tętno wzrasta. Kortyzol zalewa system. Potem dziecko przetrwa. Kora przedczołowa rejestruje: „Czułem strach i nic złego się nie stało.” Ta pętla, powtarzana setki razy w dzieciństwie, dosłownie łączy obwód ciała migdałowatego z korą przedczołową, który reguluje emocje przez resztę ich życia. Stymulus strachu → aktywacja ciała migdałowatego → wzrost kortyzolu → przetrwanie → obniżenie aktywności kory przedczołowej → przestrojenie progu zagrożenia. To jest terapia ekspozycyjna. Ale dzieci same ją stosują spontanicznie, w dokładnym oknie rozwojowym, kiedy te obwody są przycinane i łączone na stałe. To badanie (n=1,079, w wieku od 2 do 4 lat, Cambridge MRC Epidemiology Unit) wykazało, że każda dodatkowa godzina tygodniowo przygodowej zabawy obniżała objawy internalizacyjne (β = -0.02, 95% CI -0.03 do 0.00). Mały efekt na godzinę. Ale godziny kumulują się przez lata. Czas spędzany przed ekranem działa w przeciwnym kierunku. Pasywne dostarczanie dopaminy bez żadnego wyzwania autonomicznego. Dziecko otrzymuje pobudzenie bez wysiłku, nagrodę bez ryzyka, stymulację bez cyklu kortyzolu i późniejszej regulacji, który buduje tolerancję na stres. Badania nad dziećmi z 3+ godzinami codziennego korzystania z ekranu pokazują stłumioną reakcję na przebudzenie kortyzolu, która jest sygnałem osi HPA, którego twoje ciało używa do kalibracji reaktywności na stres przez cały dzień. Otrzymujesz dziecko, którego podstawowy system stresowy jest już zdezorganizowany, zanim opuści dom. To mówi wszystko o tym, dlaczego wskaźniki lęku u dzieci niemal idealnie śledziły krzywą adopcji smartfonów. Literatura dotycząca zabaw gryzoni potwierdza, że mechanizm mapuje się na architekturę neuronalną. Zabawa społeczna i fizyczna aktywuje skoordynowane sygnalizowanie w obrębie kory przedczołowej, jądra półleżącego i ciała migdałowatego. Ta sama sieć, która, gdy jest niedorozwinięta, pojawia się w klinicznych prezentacjach lęku. Prawdziwy wgląd z tych danych? Zastąpiliśmy jedną aktywność, która uczy korę przedczołową regulować strach, jedną aktywnością, która aktywnie osłabia ten sam obwód. A potem zastanawialiśmy się, dlaczego lęk pediatryczny potroił się.

Zakład produkcji baterii o wartości 5,8 miliarda dolarów działał przez cztery miesiące. Powód jego ponownego otwarcia nie ma nic wspólnego z samochodami. Ford zbudował BlueOval SK w Kentucky, aby produkować baterie do pojazdów elektrycznych. Cztery miesiące po otwarciu zamykają go, zwalniają 1 600 pracowników i wydają kolejne 2 miliardy dolarów na przystosowanie tej samej fabryki do magazynowania energii w centrach danych. To 7,8 miliarda dolarów na przekształcenie fabryki, która dopiero co została otwarta. Matematyka popytu wyjaśnia, dlaczego. Globalny rynek magazynowania energii z baterii ma wzrosnąć z 77 miliardów dolarów do 172 miliardów dolarów do 2030 roku. Zużycie energii przez centra danych ma się podwoić z 448 TWh do 980 TWh w tym samym czasie. Serwery zoptymalizowane pod kątem AI same w sobie będą zużywać 432 TWh do 2030 roku, w porównaniu do 93 TWh dzisiaj. Pięciokrotny wzrost w ciągu pięciu lat. Ford nie jest jedynym, który podejmuje ten krok. GM nawiązał współpracę z Redwood Materials, aby przekształcić pojemność baterii EV na magazynowanie w sieci. LG Energy i SK On również dokonują tego samego przekształcenia. Cały łańcuch dostaw baterii EV jest przekierowywany, aby zasilać infrastrukturę AI, ponieważ nabywca z najgłębszymi kieszeniami się zmienił. To, co czyni to szalonym, to harmonogram. Kentucky wydało 250 milionów dolarów na subsydia publiczne, zbudowało centrum szkoleniowe dla pracowników, przeprojektowało zjazd z autostrady, rozbudowało szpital i zmodernizowało system kanalizacyjny dla zakładu, który działał przez cztery miesiące. Pracownicy opuścili stabilne kariery na rzecz tego, co powiedziano im, że będą długoterminowe miejsca pracy w produkcji. Pewna para, oboje zatrudnieni w zakładzie, stara się dowiedzieć, jak utrzymać dach nad głową po Walentynkach. Gra polityczna zrzucania winy pomija strukturalny punkt. Prognozy dotyczące EV spadły z 45% do gdzieś między 9 a 18 procent, tak. Ale powód, dla którego Ford może w ogóle próbować tego przekształcenia, to fakt, że inna krzywa popytu, obliczenia AI, rośnie pionowo w tym samym momencie, gdy popyt na EV stał się płaski. Fabryka została zbudowana do produkcji ogniw litowo-jonowych. Centra danych potrzebują ogniw litowo-jonowych. Ta sama chemia, inny nabywca gotowy zapłacić więcej. Tak wygląda alokacja infrastruktury AI na poziomie fabryki. Ta sama fizyczna pojemność, ten sam łańcuch dostaw, wchłonięty przez inną branżę, która może przebić pierwotną. 1 600 pracowników w środku nie miało głosu w tym, która krzywa popytu wygra.

Twórca Claude Code, który osiągnął 1 miliard dolarów ARR szybciej niż prawie jakiekolwiek narzędzie deweloperskie w historii, właśnie powiedział ci, jak wygląda końcowy cel: tytuł „inżynier oprogramowania” zostanie zastąpiony przez „budowniczego” lub „menedżera produktu”. To szef Claude Code w Anthropic mówi, że jego własny produkt eliminuje umiejętność, która definiowała całą jego karierę. Cherny awansował na Głównego Inżyniera (IC8) w Meta przez siedem lat. Zarabiał na życie pisząc i przeglądając kod. Teraz prowadzi 10-15 równoległych sesji Claude i traktuje AI jak obliczenia, które planujesz, a nie narzędzie, które wywołujesz. Wczoraj Cherny opublikował, że inżynierowie są „ważniejsi niż kiedykolwiek”. Kiedy ktoś zwrócił uwagę na sprzeczność z przewidywaniem Dario z Davos, że modele wykonają całą pracę SWE od początku do końca w ciągu 6-12 miesięcy, Cherny odpowiedział: „Dario mówi o tym, co będzie dalej.” To mówi ci wszystko o wewnętrznej pozycji Anthropic. Przeszli od 1 miliarda do 7 miliardów dolarów przychodu w ciągu dziewięciu miesięcy. Mają obecnie otwartych ponad 50 ról inżynieryjnych. A facet, który buduje narzędzie automatyzujące kodowanie, jednocześnie zatrudnia więcej inżynierów niż kiedykolwiek. Sprzeczność znika, gdy zdasz sobie sprawę, co ci inżynierowie naprawdę robią. Cherny używa agenta „verify-app” do przeprowadzania testów end-to-end, agenta „code-simplifier” do porządkowania architektury oraz haka PostToolUse, który automatycznie formatuje ostatnie 10% tego, co Claude przegapił. Buduje systemy, które sprawiają, że AI jest niezawodne, a nie pisze kodu aplikacji. Anthropic stawia na to, że wartość przesuwa się od ludzi, którzy potrafią pisać kod, do ludzi, którzy potrafią określić, co zbudować, uporządkować pracę wśród równoległych agentów i wychwycić 10% awarii, które kumulują się w katastrofy produkcyjne. To jest „budowniczy”, którego opisuje Cherny. Każdy PM czytający to powinien zrozumieć: osoba, która stworzyła najskuteczniejsze narzędzie AI do kodowania w historii, właśnie powiedziała, że twój tytuł pracy to przyszłość oprogramowania. Pytanie brzmi, czy budujesz umiejętność oceny i techniczną biegłość, aby to przejąć.