તમારા મગજ પર ધ્યાન કેન્દ્રિત કરતું સુપર કમ્પ્યુટર: માઇન્ડફુલનેસ, મશીનો અને મેટ્રિક્સ

તમે જે પણ પ્લેટફોર્મનો ઉપયોગ કરો છો તે એક જ દલીલ તરફ ઈશારો કરે છે: તમે ક્લિક કર્યું છે, તેથી તમને તે જોઈતું હશે. રેન્ડિમા ફર્નાન્ડો માને છે કે ધ્યાન અર્થતંત્ર પોતાના વિશે જે કહે છે તે આ સૌથી મોટું જૂઠાણું છે - એ જ રીફ્લેક્સ જે ડ્રાઇવરની નજર હાઇવે પર કાર અકસ્માત તરફ ખેંચે છે, જેને ઇચ્છા સમજીને ભૂલ કરવામાં આવે છે. એક એવું ફીડ બનાવો જે આખો દિવસ કાર અકસ્માતો ઉત્પન્ન કરે અને તમને ક્લિક્સ મળશે. તમને ખરેખર જે કોઈ ઇચ્છતું હતું તે કંઈ મળશે નહીં.

રેન્ડિમા ફર્નાન્ડોનો ઉછેર બૌદ્ધ માતાપિતા દ્વારા થયો હતો, તેમણે સાત વર્ષ એક બિનનફાકારક સંસ્થા બનાવવામાં ગાળ્યા જેણે માઇન્ડફુલનેસને શાળાઓમાં ફેલાવ્યું, અને સિલિકોન વેલીને માનવીય ડિઝાઇન પર સલાહ આપવામાં આઠ વર્ષ ગાળ્યા. તેથી, તેમને થોમસ હબલને સ્પષ્ટપણે કહેતા સાંભળવું એક વિચિત્ર વાત છે કે, ફક્ત ધ્યાન જ તમને બચાવશે નહીં. એટલા માટે નહીં કે માઇન્ડફુલનેસ કામ કરતું નથી - કારણ કે તમારી સ્ક્રીનની બીજી બાજુની વસ્તુ, તેમના શબ્દોમાં, એક સુપર કમ્પ્યુટર છે જે તમારા મગજ પર નિર્દેશિત છે, અને કોઈ પણ શિસ્ત વિશ્વસનીય રીતે વિરોધીને હરાવી શકતી નથી જેમાં તમારા પર તમારા કરતાં વધુ ડેટા હોય. જોકે, તે ત્યાં નથી જ્યાં તે તેને છોડી દે છે: તેનો વાસ્તવિક જવાબ એક જ સમયે બે ટ્રેક પર ચાલે છે, એક વ્યક્તિ પોતાના જીવનમાં શું કરી શકે છે તેના પર, અને બીજો સિસ્ટમમાં શું બદલાવ લાવવાનો છે તેના પર.

આ સારાંશમાં

ભાગ એક

મૂળભૂત જીવન એકમોનું મુદ્રીકરણ

"ધ્યાન આપો," રેન્ડિમા કહે છે, "મન જે મૂળભૂત એકમમાં કાર્ય કરે છે" - અને એક આખું ઉદ્યોગ અસ્તિત્વમાં છે કારણ કે તે એકમ વિભાજ્ય અને વેચી શકાય તેવું બન્યું. મફત ઉત્પાદનો ટુકડાઓ કાપવા માટે અસ્તિત્વમાં છે, પછી તેને જાહેરાતકર્તાઓને ફરીથી વેચવા માટે, જેનો અર્થ એ છે કે પ્લેટફોર્મ તમે ખરેખર જે કરવા આવ્યા છો તેના માટે ઑપ્ટિમાઇઝ નથી. તે તમને બીજા કોઈને સોંપતા પહેલા કેટલો સમય પકડી શકે છે તેના માટે ઑપ્ટિમાઇઝ કરવામાં આવે છે .

તે એક જ ખોટી ગોઠવણી બહારની તરફ ધસી આવે છે. જ્યારે TikTok એ ટૂંકા-ફોર્મ વિડિઓ સાથે ધ્યાન ખેંચવાનો ઝડપી રસ્તો શોધી કાઢ્યો, ત્યારે દરેક સ્પર્ધકને તેના શબ્દોમાં કહીએ તો, "બોર્ડરૂમ અને વ્યૂહરચના સત્રોમાં પાછા" મોકલવામાં આવ્યા જેથી તે તેની નકલ કરી શકે અથવા જમીન ગુમાવી શકે - એક એવી સ્પર્ધા જે ધ્યાન ખેંચે છે તે કોઈપણ વસ્તુને પુરસ્કાર આપે છે, જેમાં બીજી બાજુની વ્યક્તિને શું ખર્ચ થાય છે તે પૂછવાની કોઈ પદ્ધતિ નથી. પત્રકારત્વ સ્પેક્ટ્રમના "ક્લિક-બેટી, હાઇપરબોલિક, વિભાજનકારી" છેડા તરફ વળે છે કારણ કે તે જ અલ્ગોરિધમમાં ટકી રહે છે. રાજકીય ઝુંબેશ A/B પરીક્ષણો ચલાવે છે અને અનુભવપૂર્વક શીખે છે કે સૌથી વધુ આક્રોશ પેદા કરતી હેડલાઇન જીતે છે - તેથી તેઓ તેમાંથી વધુ ચલાવે છે. "લાઇક" બટન શાંતિથી પ્લેટફોર્મને શીખવે છે કે તમને વધુ શું બતાવવું, અને ફીડ, વર્ષ-દર-વર્ષ, પહેલાથી જ જે પડઘો પાડે છે તેના વધુને વધુ આત્યંતિક સંસ્કરણમાં સંકુચિત થાય છે. તેમનો સૂચવેલ પ્રયોગ લગભગ અસ્વસ્થતાપૂર્વક સરળ છે: એવા મિત્ર સાથે ફીડ્સ સ્વેપ કરો જે તમારા કરતા અલગ રીતે મતદાન કરે છે. તમે જોશો, તે કહે છે, "ખૂબ જ અલગ સામગ્રી અને ખૂબ જ અલગ વાસ્તવિકતા." બાળકો ગુરુત્વાકર્ષણ શીખે છે તે રીતે લાઈક્સ અને શેરના અંતર્ગત "સામાજિક ભૌતિકશાસ્ત્ર" ને શીખે છે - શરૂઆતમાં, અને લાગણી દ્વારા, સૂચના દ્વારા નહીં. રેન્ડિમા ગ્રહની ધાર પર સમાન નિષ્કર્ષણ તર્ક દોરે છે: "અબજો એર કન્ડીશનર, અબજો કાર, અબજો પશુધન" પર બનેલ વિકાસ ધ્યાન નિષ્કર્ષણની જેમ જ વર્તે છે - બંને આખરે અંતર્ગત સિસ્ટમ, મન અથવા વાતાવરણ, જે શોષી શકે છે તેનાથી આગળ નીકળી જાય છે.

ભાગ બે

ઇચ્છા નહીં, પ્રતિબિંબ

થોમસ આ પેટર્નમાં પોતાનું માળખું લાવે છે: એક નિયમન કરાયેલ નર્વસ સિસ્ટમ, તે સૂચવે છે કે, ટેકનોલોજી સાથે વધુ સૂક્ષ્મ સંબંધ બનાવે છે - શું ચાલી રહ્યું છે તે જોવાની વધુ ક્ષમતા, વધુ વાસ્તવિક પસંદગી. એક અવ્યવસ્થિત નર્વસ સિસ્ટમ, જે કોઈને હાયપરએક્ટિવેશન, નિષ્ક્રિયતા અથવા વિભાજન તરફ દોરી જાય છે, તે વ્યક્તિ પસંદગી કરવાનું શરૂ કરે તે પહેલાં જ તે જ ક્ષેત્રને સંકુચિત કરે છે. તે રેન્ડિમાને સીધો પૂછે છે: શું ધ્યાન અર્થતંત્ર તે આંતરિક અવ્યવસ્થાનો હેતુપૂર્વક ઉપયોગ કરવાનું શીખી રહ્યું છે?

રેન્ડિમાનો જવાબ વ્યસનમાંથી પસાર થાય છે - તેમના શબ્દોમાં કહીએ તો, "ધ જેક" મગજમાં ક્યાં સુધી જાય છે તે ઊંડાણપૂર્વક સમજાવે છે. આ તકનીકોએ ડોપામાઇન પ્રતિભાવોને ટ્રિગર કરવાનું શીખી લીધું છે જે અસ્તિત્વ અને પ્રજનનને પુરસ્કાર આપવા માટે વિકસિત થયા છે, અને તેમને કંઈપણ પર લક્ષ્ય રાખતા નથી: એક સૂચના, એક સ્ક્રોલ, પ્રકાશનો ઝબકારો. તેમના માટે સૌથી સ્પષ્ટ કેસ બાળકો છે - એટલા માટે નહીં કે તેમની સાથે કંઈ ખોટું છે, પરંતુ કારણ કે તેમની ડોપામાઇન સિસ્ટમ્સ હજુ પણ વિશ્વને માપાંકિત કરી રહી છે. બે વર્ષના બાળકની સામે એક સ્ક્રીન મૂકો અને તેમની આંખો અનૈચ્છિક રીતે તેને ટ્રેક કરશે, કારણ કે તેજ રૂમમાં બાકીની દરેક વસ્તુ કરતાં વધુ એન્જિનિયર્ડ કરવામાં આવ્યું છે - જેને તે "હાયપરનોર્મલ ઉત્તેજના" કહે છે, જે શરીર દ્વારા અપેક્ષા રાખવામાં આવતી કોઈપણ વસ્તુથી આગળ વધે છે. એકવાર બાળકના ડોપામાઇન રીસેપ્ટર્સ ઇનપુટના તે સ્તર પર માપાંકિત થઈ જાય, પછી સામાન્ય જીવન સપાટ વાંચે છે, અને ઉપકરણને દૂર લઈ જવાથી વાસ્તવિક, અપ્રમાણસર તકલીફ થઈ શકે છે.

ટેકનોલોજી વિશેની મોટાભાગની વાતચીતોમાં તે એક ભેદ વિશે ખૂબ કાળજી રાખે છે: લોકો જે ક્લિક કરે છે તે તેઓ જે ઇચ્છે છે તે સમાન નથી. કંપનીઓ કહે છે, "લોકો તેના પર ક્લિક કરે છે, તેથી તેઓ જે ઇચ્છે છે તે જ છે," પરંતુ રેન્ડિમા દલીલ કરે છે કે, તે પ્રતિબિંબને ઇરાદા સાથે મૂંઝવણમાં મૂકે છે.

તે કહે છે કે, દરેક વ્યક્તિ હાઇવે પર કાર અકસ્માતને જુએ છે કારણ કે જોખમ તરફ ધ્યાન આપવું એ એક ટકી રહેવાની પદ્ધતિ છે, એટલા માટે નહીં કે કોઈ ખરેખર કાર અકસ્માતોથી ભરેલી દુનિયા ઇચ્છે છે. તેનો નિષ્કર્ષ માળખાકીય છે, નૈતિકતાપૂર્ણ નથી: જે વ્યવસાય તમારા ધ્યાન પર ટકી રહે છે તે ખરેખર તમારી સેવા કરવા સાથે હિતોનો આંતરિક સંઘર્ષ ધરાવે છે , કારણ કે ખરેખર ઉપયોગી ઉત્પાદન તમને જે જોઈએ છે તે આપશે અને તમને છોડી દેશે - જે મેટ્રિક્સને ઉપર રાખે છે તેનાથી વિપરીત.

ભાગ ત્રણ

નિષ્કર્ષણ અને સિસ્ટમને બદલવાની મર્યાદાઓ

સિસ્ટમ ખરેખર કેવી રીતે બદલાય છે તે પૂછવામાં આવતા, રેન્ડિમા પ્રશ્નને સ્પષ્ટ રીતે બે ભાગમાં વહેંચે છે: વર્તમાન અર્થતંત્રમાં શું શક્ય છે, અને શું તે અર્થતંત્ર બિલકુલ ટકાઉ છે. તેમાં, તે કહે છે કે, બધું જ આખરે કિંમત દ્વારા ચાલે છે - તેથી જે હસ્તક્ષેપો કામ કરે છે તે આખરે કંપનીના તળિયે પહોંચે છે . ધ સોશિયલ ડાયલેમા જેવી દસ્તાવેજી જનજાગૃતિ બનાવે છે; જાગૃતિ નવા કાયદાઓ માટે રાજકીય દબાણ બની જાય છે; કાયદાઓ મુકદ્દમાને સક્ષમ બનાવે છે; મુકદ્દમા આખરે એવા નુકસાનને ડોલરનો આંકડો જોડે છે જે પહોંચાડવા માટે મુક્ત હતા. વ્હિસલબ્લોઅર્સ એ જ કારણોસર મહત્વપૂર્ણ છે - લીક થયેલ આંતરિક દસ્તાવેજ એ પુરાવો છે કે કંપની જાણતી હતી, જે જાગૃતિને જવાબદારીમાં ફેરવે છે. અવરોધ, હંમેશા, ગતિ છે: ટેકનોલોજી આમાંની કોઈપણ સુધારાત્મક પદ્ધતિઓ તેને ટ્રેક કરી શકે તે કરતાં વધુ ઝડપથી આગળ વધે છે.

વધુ ઝૂમ આઉટ કરો, અને રેન્ડિમા મન પર એ જ નિયમ લાગુ કરે છે જે તે તેલ પર લાગુ કરતો હતો.

લાખો વર્ષો જેટલું ઝડપથી તેલ જમીનમાંથી બહાર કાઢી શકાય તેટલું ઝડપથી કાઢી લો, અને તે એક સમસ્યા છે. આરામ અને ચિંતન કરતાં વધુ ઝડપથી ધ્યાન, ધ્યાન કેન્દ્રિત કરવું અને ઇન્દ્રિયનિર્માણનું પુનઃનિર્માણ કરી શકાય છે, અને - તે જ તર્ક દ્વારા - તે પણ એક સમસ્યા છે. સતત ધ્યાન જેવી મહેનતથી મેળવેલી ક્ષમતાઓને વાસ્તવિક શિસ્ત બનાવવા માટે અને ખૂબ જ ઓછી ક્ષતિ કરવાની જરૂર પડે છે; તે નોંધે છે કે, સાપ્તાહિક ધ્યાન પ્રેક્ટિસ, દિવસમાં આઠ કલાક કે તેથી વધુ સમય માટે ધ્યાન મેળવવા માટે સ્પર્ધા કરવા માટે રચાયેલ ફોન સાથે કોઈ મેળ ખાતી નથી. જે ​​બાળકોનું મન વધુ નરમ હોય છે, તેઓ તેને સૌથી ઝડપથી અનુભવે છે.

તે અસમાનતા સાથેના દોરાને એક એવી રેખા સાથે જોડે છે જે નિદાન તરીકે બમણી થાય છે: મૂડીવાદ "મૂડી પ્રત્યે ખૂબ જ સંવેદનશીલ છે" - દવા, ખોરાક અને ટેકનોલોજીમાં વાસ્તવિક પ્રગતિ માટે ખરેખર જવાબદાર છે, અને એટલી જ વિશ્વસનીય રીતે સંપત્તિનું કેન્દ્રીકરણ કરે છે સિવાય કે કંઈક સક્રિય રીતે તેનો પ્રતિકાર કરે. તે શક્તિશાળી AI ના આગમનને વધુ ઝડપે જૂની સમસ્યા કરતાં નવી સમસ્યા તરીકે ઓછી જુએ છે - અને, સંભવતઃ, દબાણ તરીકે જે આખરે પ્રોત્સાહન માળખાને બદલવા માટે દબાણ કરે છે.

ભાગ ચાર

AI: નિષ્કર્ષણ સમસ્યા, હવે ઝડપી

રેન્ડિમાનો કૃત્રિમ બુદ્ધિમત્તા માટેનો ફ્રેમ લગભગ ભ્રામક રીતે સરળ છે: ટેકનોલોજી હંમેશા માનવજાતનો સૌથી મોટો પ્રવેગક રહ્યો છે, અને AI ની આ પેઢી તે પ્રવેગકનું સૌથી શક્તિશાળી સંસ્કરણ છે - હાર્ડવેર, અલ્ગોરિધમ્સ, ડેટા અને ગણતરીમાં એકસાથે વધારો, મૂરના કાયદા કરતાં વધુ ઝડપી. એક વિડંબના છે જેના પર તે ધ્યાન આપતો નથી: તે જ ગ્રાફિક્સ હાર્ડવેર જે તેણે Nvidia બનાવવા માટે સાત વર્ષ ગાળ્યા હતા, સ્ક્રીન પર ચિત્રો બનાવવા માટે, "પિક્સેલ્સને પ્રકાશિત કરવા" માટે, લગભગ આકસ્મિક રીતે, તે જ પ્રવેગકનું એન્જિન બન્યું જેના વિશે તે હવે ચેતવણી આપી રહ્યો છે.

પરંતુ એક્સિલરેટર દિશા બદલતો નથી. તે સિસ્ટમ જે દિશામાં નિર્દેશિત છે તેને વિસ્તૃત કરે છે. મુખ્યત્વે નિષ્કર્ષણ અર્થતંત્ર તરફ નિર્દેશિત, AI નિષ્કર્ષણને રીડાયરેક્ટ કરતું નથી - તે તેને "ઓવરડ્રાઇવ પર" મૂકે છે. તે દલીલ કરે છે કે, સૌથી નજીકની અસર શારીરિક શ્રમ પહેલાં જ્ઞાનાત્મક કાર્યનું ઓટોમેશન છે, કારણ કે રોબોટિક્સ કરતાં સોફ્ટવેરને સ્વચાલિત કરવું સરળ છે. વ્યવસાયિક તર્ક એટલો ભયંકર નથી જેટલો ભૌતિક છે: મશીનોને માંદા દિવસો, રજાઓ અથવા આરોગ્યસંભાળની જરૂર નથી, તેથી જ્યાં પણ કંપની સરળીકરણ દ્વારા ખર્ચ ઘટાડી શકે છે, તે કરશે - તે જ માળખાકીય ગુરુત્વાકર્ષણ જેણે ટ્રિકલ-ડાઉન અર્થશાસ્ત્રને ખરેખર કંઈપણ વિતરિત કરવામાં નિષ્ફળ બનાવ્યું.

તે આ વાર્તાને ફક્ત એક જ અંતવાળી ન બનાવવાનું ધ્યાન રાખે છે. તે કહે છે કે AI નો ફાયદો - દવામાં, આબોહવા ઉકેલોમાં, ઉર્જાના નવા સ્ત્રોતોમાં - વાસ્તવિક છે, અને તેને અવગણવી જોઈએ નહીં. તેમની ચેતવણી ક્રમ વિશે છે: સમાજે સારા અર્થપૂર્ણ અને સમજદાર સામૂહિક પસંદગીઓના દ્વારમાંથી પસાર થવું પડશે તે પહેલાં તે લાભો ખરેખર આવે, અને જો અંતર્ગત સિસ્ટમો પહેલા તૂટી જાય - ધ્રુવીકરણ, અસમાનતા, પહેલેથી જ ખંડિત થયેલી શેર કરેલી વાસ્તવિકતા - તો સારા પરિણામો ક્યારેય આવતા નથી.

તેમના મતે, આ બીજા સંપર્કને વધુ ખતરનાક બનાવતી બાબત વિતરણ છે: આ ટેકનોલોજી સોશિયલ મીડિયા પ્લેટફોર્મની જેમ કેન્દ્રિત નથી, જેનો અર્થ એ છે કે મુઠ્ઠીભર મોટી કંપનીઓ સાથે પણ સંઘર્ષ કરતા નિયમનકારી સાધનો દરેકના ફોન પર ચાલતી કોઈ વસ્તુનો સામનો કરી રહ્યા છે - હવે કોઈપણ વ્યક્તિ પોતાની મરજી મુજબ એક વિશ્વાસપાત્ર નકલી વિડિઓ અથવા નકલી સંશોધન પત્ર બનાવી શકે છે.

ભાગ પાંચ

લડાઈમાં ન રહીને જીત મેળવો

અંતે, રેન્ડિમા બે અલગ અલગ ચાલ રજૂ કરે છે - ક્રમિક નહીં, બંનેમાંથી કોઈ એક નહીં/અથવા નહીં, પરંતુ એટલા અલગ છે કે દરેકને પોતાનું વજન મળવું જોઈએ. એક સિસ્ટમ પર લક્ષ્ય રાખે છે. એક સ્વ પર લક્ષ્ય રાખે છે.

પ્રોત્સાહનો બદલો

કોઈપણ સિસ્ટમ, કંપની અથવા વ્યક્તિ ખરેખર શું ઇચ્છે છે તે સમજવા માટે, પ્રોત્સાહન માળખું વાંચો, જણાવેલા શબ્દો નહીં: પ્રોત્સાહનો શબ્દો અથવા જાહેરાત ઝુંબેશ કરતાં વર્તન વિશે ઘણું બધું પ્રગટ કરે છે . તે ભાગ ત્રણમાં ઉપર આવરી લેવાયેલ સમાન તર્ક છે - ભાવ પદ્ધતિઓ, કાયદો, મુકદ્દમા, વ્હિસલબ્લોઅર્સ શાંત જાગૃતિને વાસ્તવિક જવાબદારીમાં ફેરવે છે. કંપનીને જે કરવા બદલ પુરસ્કાર મળે છે તે બદલવું એ આદત બદલવા કરતાં ધીમું છે, પરંતુ તે લીવર છે જે સિસ્ટમને જ સ્પર્શે છે, ફક્ત એક વ્યક્તિના તેની સાથેના સંબંધને નહીં.

ત્યાગ

આ બધા પહેલાં વ્યક્તિગત ચાલ શરૂ થાય છે: ખરેખર સ્પષ્ટ થાઓ, આદર્શ રીતે મોટેથી, તમારા વિશ્વાસુ લોકો અને શિક્ષકો સાથે, સમજદાર જીવન અને વાસ્તવિક સમૃદ્ધિનો ખરેખર તમારા માટે શું અર્થ થાય છે તે વિશે - અને તે સ્પષ્ટતાને, Netflix અથવા સોશિયલ મીડિયાના અલ્ગોરિધમિક મેનૂને નહીં, તમારા ધ્યાનની દિશા નક્કી કરવા દો.

થોમસ વાતચીતને સીધી માઇન્ડફુલનેસ તરફ ફેરવે છે: તે ખરેખર અહીં શું ભૂમિકા ભજવે છે? રેન્ડિમાનો જવાબ બે ભાગોમાં વહેંચાય છે, અને આ તે જગ્યા છે જ્યાં આ લેખની ટોચ પરથી દાવો તેનો સંપૂર્ણ હિસાબ મેળવે છે. પહેલો ભાગ ઉદાર છે: માઇન્ડફુલનેસ વાસ્તવિક જાગૃતિ બનાવે છે - વિચાર, લાગણી, શારીરિક સંવેદના - જે આંતરિક જગ્યા બનાવે છે જેથી પસંદગી પછી નહીં પણ પહેલા ધ્યાનમાં લઈ શકાય. કુશળ જીવન કેવું દેખાય છે તે અંગે પૂર્વ સ્પષ્ટતા સાથે, તે વિરામ એ જગ્યા છે જ્યાં ખરેખર વધુ સારી પસંદગીઓ થાય છે.

બીજો ભાગ વધુ કઠિન છે, અને તે એ જ ભાગ છે જેની સાથે તેમણે શરૂઆત કરી હતી: જો તમે કોઈ કંપની દ્વારા બનાવવામાં આવેલી સિસ્ટમમાં ઉભા છો જે મૂળભૂત માનવ જ્ઞાનાત્મક પૂર્વગ્રહ - મગજ પર ધ્યાન કેન્દ્રિત કરતું સુપર કમ્પ્યુટર, જેમ તે કહે છે, સામે સતત વિશ્લેષણ ચલાવી રહી છે, તો અદ્યતન માઇન્ડફુલનેસ તાલીમ પણ તમારા માટે એટલું કામ કરશે નહીં. તેમની અંતિમ સલાહ અલ્ગોરિધમને વધુ શિસ્તબદ્ધ કરવાની નથી. તે એક પ્રકારનો ત્યાગ છે, જે પહેલાથી જ અકુશળ તરીકે ઓળખાઈ ચૂક્યું છે તેનાથી ઇરાદાપૂર્વક અલગ થવું, વધુ પ્રયાસ કરીને જીતવાની લડાઈને બદલે.

જીતી રહ્યા નથી. લડવાનો બિલકુલ ઇનકાર કરી રહ્યા છીએ - અને માઇન્ડફુલનેસ જે સ્પષ્ટતા આપે છે તેનો ઉપયોગ કરીને, વધુ સ્પષ્ટ રીતે જોઈ શકીએ છીએ કે ક્યાં ઊભા રહેવું નહીં.

કોઈ પણ ચાલ બીજા માટે યોગ્ય નથી. પ્રોત્સાહનો બદલવાથી સિસ્ટમ શું પુરસ્કાર આપે છે તે બદલાય છે; ત્યાગ એ સિસ્ટમ સાથેના તમારા પોતાના સંબંધને બદલી નાખે છે જ્યારે તે હજુ પણ જે છે તે જ છે. રાન્ડિમાએ વર્ષોથી બંને એકસાથે કરવામાં વિતાવ્યા છે.

↑ ટોચ પર પાછા