@code_star It was. The USG extracted the Chaton yesterday in an unprecedented military operation. Rumors say they will release it soon for everyone to use, except the French.
Gilles, je vais démonter ta prémisse de départ, parce que tout le reste de ton argument s'effondre avec elle.
Tu pars du principe qu'il faut une « sensibilité de gauche » pour ne pas laisser créver les gens de faim. C'est l'inverse total de ce que dit l'histoire économique des 50 dernières années.
Les chiffres bruts.
1990 : 2,3 milliards de personnes en pauvreté extrême. 38% de l'humanité.
2025 : 831 millions. Environ 10%.
1,5 milliard d'êtres humains sortis de la misère absolue en 35 ans. La plus grande réduction de souffrance humaine de toute l'histoire de l'espèce.
Qui a fait ça ?
Pas l'aide internationale. Pas les ONG. Pas les programmes de redistribution. Pas la « sensibilité de gauche ».
Le marché. L'ouverture commerciale. La Chine de Deng en 1978 qui abandonne le maoisme. L'Inde en 1991 qui libéralise. Le Vietnam, l'Indonésie, le Bangladesh qui s'ouvrent au capitalisme.
Les seuls endroits où l'extrême pauvreté a EXPLOSÉ sur la même période ? Le Vénézuela socialiste : de 27% de pauvres en 2008 à plus de 80% en 2018, avec une inflation de 130 000% et un Vénézuélien moyen qui a perdu 11 kilos par dénutrition. La Corée du Nord. Cuba. Le Zimbabwe de Mugabe.
La gauche ne nourrit pas les pauvres. Elle les fabrique.
Le capitalisme produit tellement de richesse que même ses « perdants » américains vivent mieux que la classe moyenne soviétique. Un pauvre US a un frigo, une voiture, un téléphone, l'air conditionné, internet. Un pauvre cubain attend du riz.
Ton argument selon lequel « le social aux USA est un désastre » repète une légende française. La réalité : le PIB par habitant américain est de 80 000$. Français : 45 000$. Un Mississippien — l'État US le plus pauvre — a un revenu médian supérieur au Français moyen.
La vérité que la gauche française refuse de regarder : dans un système libéral, il y a plus de richesse créée, plus largement distribuée, et beaucoup moins de pauvres. Partout. Sans exception. Sur toutes les périodes mesurées.
ÊTRE de gauche en 2026 face à ces données, ce n'est pas avoir de la « sensibilité ». C'est ignorer 35 ans de preuves accablantes. C'est préférer la posture morale au résultat.
La compassion sans résultats, ça s'appelle de la vanité.
@burkov He is creating an illusion as he usually does. The US is actually using the bases, photos came up today and Spain has sent, also today, the military to the conflict zone. Balls is not saying, is actually doing.
Did you know that SSDs use quantum tunnelling to store data? Or that we have to completely rewrite RAM every 30ms to prevent data from just dissipating?
If you did, then you can probably skip this chapter on how computers store data:
https://t.co/d7m0TLXAKv
Muchos no van a estar de acuerdo pero...
La democracia no es el opuesto de la tiranía. Es su forma más sofisticada.
Bajo una monarquía, el gobernante al menos tiene incentivos de propietario, cuida el territorio porque es suyo y lo hereda. Puede ser brutal, pero la lógica de la preferencia temporal alta lo limita, destruir su propio capital es destruir su herencia.
La democracia elimina esa restricción. El gobernante democrático es un custodio temporal con horizonte de cuatro años.
No es dueño del aparato estatal, es su usuario. Y como todo usuario que no soporta el costo de la depreciación, su incentivo racional es extraer el máximo valor en el menor tiempo posible.
No conserva, consume. No invierte, redistribuye. No planifica a largo plazo porque no hay largo plazo para él.
Hoppe lo formuló correctamente, la democratización no fue un avance de la civilización sino una transferencia del poder estatal desde propietarios con incentivos de conservación hacia administradores temporales con incentivos de saqueo.
Los datos confirman el patrón.
Desde la expansión democrática del siglo XX, la deuda pública como porcentaje del producto se multiplicó en todas las democracias occidentales.
La carga tributaria creció de forma sostenida. La moneda fue degradada sistemáticamente tras el abandono del patrón oro.
La burocracia se expandió sin interrupciones relevantes independientemente del partido en el poder.
Y sin embargo, cuestionar la democracia se considera casi un delito intelectual. Esa es precisamente su genialidad como mecanismo de dominación, convence al expropiado de que es soberano.
Le da un voto cada cuatro años y le quita el cuarenta por ciento de su ingreso todos los días. El esclavo que elige a su amo sigue siendo esclavo, pero ahora defiende sus cadenas porque las eligió.
La propiedad privada no necesita validación democrática. Los derechos no se votan. Si tres de cada cinco personas deciden que pueden tomar tu casa, eso no es voluntad popular, es robo con mayoría simple.
This paper from Harvard and MIT quietly answers the most important AI question nobody benchmarks properly:
Can LLMs actually discover science, or are they just good at talking about it?
The paper is called “Evaluating Large Language Models in Scientific Discovery”, and instead of asking models trivia questions, it tests something much harder:
Can models form hypotheses, design experiments, interpret results, and update beliefs like real scientists?
Here’s what the authors did differently 👇
• They evaluate LLMs across the full discovery loop hypothesis → experiment → observation → revision
• Tasks span biology, chemistry, and physics, not toy puzzles
• Models must work with incomplete data, noisy results, and false leads
• Success is measured by scientific progress, not fluency or confidence
What they found is sobering.
LLMs are decent at suggesting hypotheses, but brittle at everything that follows.
✓ They overfit to surface patterns
✓ They struggle to abandon bad hypotheses even when evidence contradicts them
✓ They confuse correlation for causation
✓ They hallucinate explanations when experiments fail
✓ They optimize for plausibility, not truth
Most striking result:
`High benchmark scores do not correlate with scientific discovery ability.`
Some top models that dominate standard reasoning tests completely fail when forced to run iterative experiments and update theories.
Why this matters:
Real science is not one-shot reasoning.
It’s feedback, failure, revision, and restraint.
LLMs today:
• Talk like scientists
• Write like scientists
• But don’t think like scientists yet
The paper’s core takeaway:
Scientific intelligence is not language intelligence.
It requires memory, hypothesis tracking, causal reasoning, and the ability to say “I was wrong.”
Until models can reliably do that, claims about “AI scientists” are mostly premature.
This paper doesn’t hype AI. It defines the gap we still need to close.
And that’s exactly why it’s important.
@Ric_RTP Why do you act as if you understand what you are talking about? Do yourself a favor, ask real experts, read on the subject first, study, and then talk about “orbital computing”. You will soon realize how stupid this sounds.