Методика исследования рутинизации творчества

Методика эмпирического исследования рутинизации творчества

1. Назначение методики
Теория рутинизации творчества предполагает ряд положений, которые могут и должны проверяться эмпирически.

К их числу относятся гипотезы о том, что:

освоенные формы творчества имеют тенденцию превращаться в воспроизводимую деятельность;
формализация ускоряет переход творчества в труд;
алгоритмизируемость возрастает по мере структурирования пространства решений;
скорость рутинизации зависит от ранга творческой деятельности;
низшие ранги в среднем рутинизируются быстрее высших;
искусственный интеллект ускоряет рутинизацию ряда интеллектуальных и изобретательских функций;
рутинизация отдельных зон человеческой креативности не обязательно сопровождается сокращением глобальной креасферы;
одновременно с автоматизацией низших уровней могут возникать новые креативные субсферы и задачи более высокой фундаментальности.
Настоящая методика предназначена для превращения этих теоретических положений в программу систематического эмпирического исследования.

Ее основным объектом является не профессия как таковая и не отдельный человек, а творческая функция или класс задач, исторически проходящий путь от высокой неопределенности к воспроизводимости и возможной автоматизации.

2. Основной исследовательский вопрос
Центральный эмпирический вопрос формулируется следующим образом:

каким образом, с какой скоростью и при каких условиях ранее творческая деятельность превращается в воспроизводимый труд, алгоритмизируемую процедуру и машинную функцию?

Второй вопрос:

зависит ли скорость такого перехода от ранга и фундаментальности первоначальной творческой деятельности?

Третий:

сопровождается ли рутинизация освоенных классов творчества возникновением новых задач, субъектов и субсфер креасферы?

Эти три вопроса образуют ядро эмпирической программы.

3. Единица анализа
Основной единицей анализа рекомендуется считать класс творческих задач.

Примерами могут быть:

технический расчет определенного типа;
создание конкретного класса конструкций;
проектирование электронной схемы;
написание стандартного программного модуля;
диагностика определенного класса технических неисправностей;
поиск молекулярных структур в заданном пространстве;
создание стандартных вариантов дизайна;
генерация локальных изобретательских решений.
Выбор задачи, а не профессии позволяет избежать грубой ошибки.

Профессия обычно объединяет множество функций различных рангов.

Например, инженер может одновременно:

выполнять стандартный расчет;

выбирать архитектуру;

создавать новый принцип;

принимать организационные решения.

Автоматизация части его деятельности поэтому не означает автоматизации профессии в целом.

4. Единица творческого перехода
Второй аналитической единицей является переход между режимами деятельности.

Для каждой исследуемой функции желательно фиксировать следующие состояния:

нерутинизированное творчество;
накопление успешных решений;
частичная формализация;
формирование метода;
профессиональная стандартизация;
переход в воспроизводимый интеллектуальный или физический труд;
частичная алгоритмизация;
высокая алгоритмизация;
частичная автоматизация;
преимущественно машинное воспроизводство.
Таким образом, рутинизация рассматривается не как бинарное событие, а как последовательный процесс.

5. Основная временная переменная
Одним из центральных показателей является время рутинизации.

Оно может отсчитываться от момента первого надежно зафиксированного творческого решения соответствующего класса до:

появления воспроизводимого метода;
формирования профессионального стандарта;
массового обучения;
алгоритмизации;
промышленной или программной автоматизации.
Следовательно, для одной творческой функции может существовать несколько временных интервалов.

Например:

первое решение ; метод;

метод ; стандарт;

стандарт ; алгоритм;

алгоритм ; автоматизация.

Это позволяет исследовать, на каком именно этапе происходит ускорение или задержка.

6. Операциональное определение рутинизации
Творческая функция считается частично рутинизированной, если значительная часть ранее индивидуально создававшегося способа действия может быть:

передана другому субъекту;
воспроизведена после обучения;
описана в форме устойчивой процедуры;
проверена по относительно стабильным критериям.
Высокая степень рутинизации наблюдается, если:

результат регулярно воспроизводим;
зависимость от уникального автора невелика;
существуют стандартизированные методы;
качество контролируется посредством формализованных критериев.
Полная практическая рутинизация не обязательно означает полную алгоритмизацию.

Между человеческим стандартным трудом и машинной автоматизацией может существовать длительный интервал.

7. Операциональное определение алгоритмизации
Функция считается алгоритмизируемой, если значительная часть перехода от входных условий к приемлемому результату может быть воспроизведена вычислительной системой.

Следует выделять как минимум четыре типа.

Явная алгоритмизация
Последовательность действий полностью описана человеком.

Статистически обучаемая алгоритмизация
Система воспроизводит зависимость на основе данных.

Поисково-оптимизационная алгоритмизация
Результат получается путем формального поиска внутри заданного пространства.

Агентная алгоритмизация
Система самостоятельно выполняет последовательность взаимосвязанных операций, включая промежуточный выбор стратегии.

Такое разделение особенно важно для изучения современного ИИ.

8. Операциональное определение автоматизации
Автоматизация фиксируется тогда, когда техническая система способна регулярно получать практически приемлемый результат при существенно меньшем непосредственном человеческом участии, чем предшествующий способ деятельности.

Необходимо измерять степень автоматизации.

Условно можно различать:

инструментальную поддержку;
совместное выполнение;
преимущественно машинное выполнение;
практически автономное выполнение.
Автономность должна определяться не рекламным описанием системы, а фактической структурой операций.

9. Основные гипотезы эмпирического исследования
Гипотеза 1. Рутинизация освоенного творчества
Чем больше накоплено успешных решений определенного класса, тем выше вероятность его перехода к воспроизводимому методу.

Гипотеза 2. Снижение неопределенности
Чем сильнее снижается неопределенность пространства решений, тем быстрее происходит рутинизация.

Гипотеза 3. Ранговая неравномерность
Стандартные и идиоизобретательские задачи в среднем рутинизируются быстрее ароизобретательских.

Гипотеза 4. Устойчивость демиургического фронтира
Задачи, связанные с созданием новых пространств возможностей, в среднем дольше сохраняют нерутинизированный характер.

Гипотеза 5. Ускоряющий эффект цифровизации
Цифровизация сокращает время между созданием метода и его алгоритмизацией.

Гипотеза 6. Ускоряющий эффект ИИ
Наличие обучаемых интеллектуальных систем сокращает интервал между накоплением примеров и автоматизацией функции.

Гипотеза 7. Значение плотности данных
Чем больше качественных примеров решения задачи доступно, тем выше скорость алгоритмизации.

Гипотеза 8. Значение скорости обратной связи
Чем быстрее можно проверить качество решения, тем быстрее происходит машинное освоение соответствующего пространства.

Гипотеза 9. Значение стоимости эксперимента
Снижение стоимости проверки варианта ускоряет рутинизацию творческого поиска.

Гипотеза 10. Восходящее расширение
Автоматизация нижних уровней творчества сопровождается появлением новых классов задач и субсфер, если существуют соответствующие институты развития креасферы.

10. Независимые переменные
К основным независимым переменным следует относить:

ранг творческой задачи;
фундаментальность;
оригинальность;
эффективность;
количество накопленных примеров;
цифровизируемость результата;
формализуемость критериев качества;
стоимость ошибки;
стоимость эксперимента;
скорость обратной связи;
доступность моделирования;
объем вычислительных ресурсов;
модульность задачи;
стабильность внешней среды;
степень институциональной стандартизации;
уровень использования ИИ.
Особенно важно не объяснять всю скорость рутинизации только рангом.

Ранг является одним из центральных факторов, но не единственным.

11. Зависимые переменные
Основными зависимыми показателями могут быть:

время до формализации;
время до стандартизации;
время до алгоритмизации;
время до автоматизации;
степень человеческого участия;
стоимость выполнения функции;
количество человеческого времени на единицу результата;
число автоматически генерируемых вариантов;
качество машинного результата относительно человеческого;
изменение дефицитности соответствующей компетенции.
12. Контрольные переменные
Необходимо учитывать:

отрасль;
исторический период;
размер рынка;
инвестиции в автоматизацию;
регуляторную среду;
безопасность;
наличие стандартизированных данных;
стоимость оборудования;
доступность квалифицированных специалистов;
характер интеллектуальной собственности.
Без этих факторов можно ошибочно приписать рангу эффект, который в действительности связан, например, с отсутствием данных или чрезмерной стоимостью эксперимента.

13. Основной дизайн исследования
Наиболее перспективным является сочетание нескольких исследовательских дизайнов.

Продольное историческое исследование
Для большого числа классов задач прослеживается их развитие во времени.

Межотраслевое сравнение
Сопоставляются процессы рутинизации в различных субсферах.

Рангово-стратифицированное исследование
Выбираются задачи стандартного, аро- и потенциально демиургического уровней.

Сравнение человек — человек+ИИ — ИИ
Оценивается изменение производительности и ранга результата при различных типах субъекта.

Панельное исследование
Одни и те же субсферы наблюдаются на протяжении продолжительного периода.

Комбинация этих подходов позволяет отделять исторические тенденции от отраслевой специфики.

14. Формирование выборки
Выборка должна быть стратифицированной.

В нее желательно включать различные типы деятельности.

Технические
машиностроение;
электроника;
энергетика;
материалы.
Цифровые
программирование;
проектирование алгоритмов;
создание цифровых систем.
Научные
анализ данных;
построение гипотез;
проектирование экспериментов.
Проектные
архитектура;
промышленный дизайн;
техническое моделирование.
Биотехнологические
молекулярный дизайн;
генетическое проектирование;
поиск биологических конструкций.
Такое разнообразие необходимо для проверки универсальности закона рутинизации.

15. Источники исторических данных
Возможными источниками являются:

патентные массивы;
технические руководства;
учебники различных исторических периодов;
профессиональные стандарты;
отраслевые справочники;
научные публикации;
документация программного обеспечения;
архивы инженерных компаний;
каталоги оборудования;
технические регламенты.
Особенно информативно сравнение материалов разных эпох.

Если задача сначала описывается в мемуарах отдельного изобретателя, затем в научной статье, позже в учебнике, а еще позже превращается в функцию программного комплекса, можно эмпирически проследить полный процесс рутинизации.

16. Патентные данные
Патентные массивы позволяют исследовать:

плотность аналогов;
скорость накопления решений;
переход от редких к массовым конструкциям;
цитирование фундаментальных результатов;
структуру технологического потомства;
концентрацию изобретательской деятельности.
Однако патент не должен автоматически считаться единицей высококачественной новизны.

Необходима ранговая фильтрация.

Особенно важно учитывать будущий рост машинно генерируемых патентоподобных решений.

17. Научные публикации
Научная литература позволяет отслеживать:

появление новой проблемы;
формирование метода;
переход метода к стандартной процедуре;
автоматизацию отдельных исследовательских операций.
Особый интерес представляет анализ перехода от публикаций типа:

«предлагается новый метод»

к публикациям, в которых тот же метод используется как обычный инструмент без специального обоснования.

Такой переход может рассматриваться как один из индикаторов рутинизации.

18. Учебники и стандарты как индикаторы перехода в лейбосферу
Включение творческого метода в:

массовый учебник;
профессиональную программу;
технический стандарт;
инструкцию;
программную библиотеку
может рассматриваться как сильный индикатор перехода от уникального творчества к воспроизводимой деятельности.

Особенно информативно время между:

первой публикацией метода;

появлением учебного курса;

превращением метода в типовой профессиональный инструмент.

19. Программные системы как индикатор алгоритмизации
Для современного периода важным источником становятся:

библиотеки программного обеспечения;
CAD-системы;
системы автоматического проектирования;
генеративные платформы;
интеллектуальные агенты.
Если функция, ранее выполнявшаяся специалистом вручную, становится встроенной командой программного комплекса, это сильный признак алгоритмизации.

20. Экспериментальное исследование влияния ИИ
Для современных творческих задач целесообразно проводить контролируемые эксперименты.

Можно формировать три группы:

человек без ИИ;
человек с ИИ;
автономная или преимущественно автономная ИИ-система.
Сравниваются:

скорость;
количество вариантов;
качество;
оригинальность;
фундаментальность;
эффективность;
стоимость результата.
Особенно важно оценивать не только средний результат, но и распределение по рангам.

ИИ может значительно повышать количество стандартной новизны, практически не изменяя частоту ароизобретений.

Такой результат будет принципиально значим для теории.

21. Исследование автоматизации идиоизобретательства
Отдельным направлением должно стать исследование того, способен ли ИИ регулярно создавать идиоизобретения.

Экспериментальная схема может включать:

набор стандартизированных технических проблем;
независимую оценку новизны;
техническое моделирование;
сравнение с профессиональными инженерами;
проверку патентных аналогов.
Основной вопрос:

становится ли производство идиоизобретения воспроизводимой машинной функцией?

22. Исследование автоматизированного ароизобретательства
Для ароуровня требования существенно выше.

Нельзя считать доказательством единичный впечатляющий результат.

Необходимо проверить регулярность.

Исследовательская программа должна оценивать:

число поставленных высокофундаментальных задач;
долю успешно решенных;
независимый ранг результатов;
воспроизводимость;
степень автономии ИИ.
Только регулярное получение подтвержденных ароизобретений может свидетельствовать о переходе ароизобретательства в технологически воспроизводимую область.

23. Исследование демиургических задач
Демиургический уровень наиболее сложен для статистического исследования из-за крайней редкости событий.

Поэтому здесь особенно важны:

исторические кейсы;
сравнительный анализ;
экспертная реконструкция технологического фронтира;
анализ генеративных последствий.
Для демиизобретений статистическая частота сама по себе может быть слишком мала.

Поэтому количественная методология должна сочетаться с глубоким качественным анализом.

24. Кодирование ранга
Каждый исследуемый результат должен независимо оцениваться как минимум несколькими экспертами.

Кодируются:

фундаментальность;
оригинальность;
эффективность;
генеративность;
структурный эффект.
После независимого кодирования проводится согласование.

При существенном расхождении необходимо сохранять информацию о неопределенности, а не принудительно создавать искусственный консенсус.

25. Надежность экспертного кодирования
Необходимо измерять межэкспертное согласие.

Для этого могут использоваться стандартные статистические показатели согласованности категориальных и порядковых оценок.

Особенно важно проверять:

насколько воспроизводима ранговая классификация;
какие критерии вызывают наибольшие расхождения;
различаются ли оценки специалистов разных дисциплин.
Низкое согласие является сигналом необходимости уточнения методики, а не поводом скрывать различия.

26. Событийный анализ времени рутинизации
Поскольку ключевой переменной является время перехода между состояниями, целесообразно использовать методы анализа длительности событий.

Можно исследовать вероятность:

формализации;
стандартизации;
алгоритмизации;
автоматизации
в зависимости от:

ранга;
числа накопленных решений;
доступности данных;
стоимости проверки;
цифровизации.
Это позволяет проверять гипотезу ранговой неравномерности рутинизации.

27. Панельный анализ
Если имеются данные по множеству отраслей и периодов, можно использовать панельные методы.

Они позволяют оценивать связь между:

развитием ИИ;
ростом вычислительных ресурсов;
изменением времени рутинизации;
появлением новых субсфер;
структурой изобретательских рангов.
При этом необходимо контролировать устойчивые особенности отдельных отраслей.

28. Естественные эксперименты и квазиэкспериментальные подходы
В некоторых случаях появление нового инструмента ИИ или автоматизированной системы происходит не одновременно во всех организациях.

Это позволяет сравнивать группы:

получившие доступ раньше;

получившие доступ позже.

Можно исследовать влияние технологии на:

производительность;
количество новизны;
стоимость;
ранговую структуру результатов.
Однако причинные выводы должны формулироваться осторожно.

Организации, раньше принимающие ИИ, могут изначально отличаться более высокой инновационностью.

29. Кейс-стади полного цикла рутинизации
Для глубокого анализа рекомендуется отбирать исторические случаи, где можно проследить полный цикл:

уникальное решение ; профессиональный метод ; технология ; массовый труд ; автоматизированная функция.

Для каждого случая необходимо реконструировать:

первоначальную проблему;
первого или раннего субъекта решения;
первоначальный ранг;
процесс передачи знания;
появление стандарта;
массовое обучение;
алгоритмизацию;
автоматизацию;
возникшие после этого новые творческие задачи.
Особенно ценны кейсы, демонстрирующие одновременно нисходящий и восходящий потоки.

30. Исследование восходящего расширения
Для проверки гипотезы о несокращении глобальной креасферы недостаточно подсчитывать количество автоматизированных функций.

Необходимо одновременно измерять:

число исчезающих человеческих креативных функций;
число новых классов творческих задач;
число новых субсфер;
максимальный доступный ранг;
количество новых типов субъектов;
рост метакреативной инфраструктуры.
Только сопоставление обоих потоков позволяет делать вывод о направлении изменения глобальной креасферы.

31. Человеческая и глобальная креасфера
Следует строго различать:

человеческую креасферу;

глобальную креасферу.

Нижние зоны человеческой креасферы могут реально сокращаться вследствие автоматизации.

Но если одновременно:

искусственные агенты начинают создавать новое;
человеко-машинные системы переходят к более высоким задачам;
возникают новые субсферы,
совокупная глобальная креасфера может расширяться.

Это различие должно быть явно отражено в эмпирических показателях.

32. Исследование стоимости производства новизны
Одним из важнейших последствий рутинизации является изменение стоимости производства нового.

Необходимо измерять динамику:

стоимости одного варианта;
стоимости одного прототипа;
человеческого времени;
стоимости поиска;
стоимости тестирования.
Особенно важно различать по рангам:

стоимость стандартной новизны;

стоимость ароизобретательского поиска;

стоимость высокофундаментального исследования.

Это позволит проверить гипотезу об инфляции стандартной новизны и восходящем смещении креативного дефицита.

33. Исследование креативного дефицита
Можно отслеживать изменение рыночной стоимости различных типов способностей.

Если автоматизация снижает цену стандартного творческого производства, но одновременно растет экономическая премия за:

фундаментальную постановку проблем;
новые архитектуры;
высокоуровневую научную интеграцию,
это будет свидетельствовать о смещении дефицита вверх.

При этом необходимо отделять креативный ранг от обычной редкости профессиональной компетенции.

34. Проверка закона возникновения новых субсфер
Для каждой высокофундаментальной инновации можно отслеживать:

появление новых журналов;
конференций;
образовательных программ;
профессиональных групп;
патентных классов;
компаний;
исследовательских центров.
Если после ряда демиургических кандидатов систематически наблюдается формирование таких структур, это будет эмпирическим подтверждением их субсферопорождающей функции.

35. Проверка расширенного воспроизводства новизны
Для подтверждения расширенного воспроизводства новизны необходимо показать, что текущие творческие результаты повышают будущую производительность творчества.

Можно исследовать:

сокращение времени исследований;
увеличение числа проверяемых гипотез;
снижение стоимости экспериментов;
повышение частоты высокоранговых результатов;
возникновение новых средств производства творчества.
Особенно сильным подтверждением является ситуация, когда изобретение повышает вероятность последующих высокофундаментальных изобретений.

36. Фальсифицируемость теории
Теория должна допускать возможность эмпирического опровержения или существенного ограничения.

Например, положение о ранговой неравномерности было бы ослаблено, если устойчиво обнаружится, что:

демиургические задачи рутинизируются не медленнее стандартных;
степень освоенности пространства решений не влияет на автоматизируемость;
накопление успешных решений не способствует формализации.
Закон восходящего расширения потребовал бы пересмотра, если на длительных исторических интервалах наблюдалось бы:

устойчивое сокращение числа новых субсфер;
снижение максимально доступной фундаментальности;
отсутствие новых классов проблем;
сокращение совокупного множества творческих субъектов
при продолжающейся автоматизации.

Формулировка условий возможного опровержения является необходимым условием превращения концептуальной модели в исследовательскую программу.

37. Проблема причинности
Необходимо избегать простой логики:

после автоматизации возникло новое направление — следовательно, оно возникло из-за автоматизации.

Новые субсферы могут появляться вследствие:

научных открытий;
изменения спроса;
государственных программ;
демографических процессов;
новых ресурсов.
Поэтому эмпирическая программа должна различать:

корреляцию;

временную последовательность;

механизм;

причинный эффект.

38. Качественные методы
Помимо статистических исследований необходимы:

интервью с изобретателями;
интервью с инженерами;
экспертные панели;
исторические реконструкции;
анализ лабораторных журналов;
исследование организационных процессов НИОКР.
Такие методы особенно важны для понимания момента, когда творец сам ощущает превращение деятельности из поиска в метод.

39. Наблюдение за трансформацией профессий
Профессии могут использоваться как вторичный объект исследования.

Необходимо раскладывать профессию на функции и отслеживать:

какие функции автоматизируются;
какие остаются;
какие новые возникают;
повышается ли средний уровень фундаментальности человеческой деятельности.
Это позволит избежать упрощенного тезиса о «замене профессии ИИ».

40. Репликация исследований
Данные, критерии кодирования и процедуры должны быть максимально открыты для независимой проверки, если этому не препятствуют коммерческая тайна, безопасность или законодательство.

Желательно публиковать:

определения;
кодировочные инструкции;
анонимизированные данные;
основания присвоения рангов;
сведения о расхождениях экспертов.
Особенно высокая прозрачность необходима для заявлений о демиургических результатах.

41. Этические и институциональные ограничения
Исследование автоматизации творчества может затрагивать:

персональные данные;
интеллектуальную собственность;
коммерческую тайну;
оценку профессиональных способностей конкретных лиц;
результаты ИИ-систем.
Необходимо исключать использование ранговой классификации как псевдообъективной оценки человеческой ценности.

Ранг относится к конкретному творческому результату или устойчивой функциональной способности, а не к «ценности личности».

42. Рекомендуемый паспорт исследуемого случая
Для каждого кейса рекомендуется формировать стандартный паспорт.

Название функции.

Предметная область.

Дата возникновения исходного решения.

Первоначальный творческий ранг.

Исходная неопределенность.

Дата формирования метода.

Дата стандартизации.

Дата алгоритмизации.

Дата автоматизации.

Тип субъекта.

Количество доступных примеров.

Стоимость эксперимента.

Скорость обратной связи.

Степень цифровизации.

Роль ИИ.

Новые задачи, возникшие после автоматизации.

Новые субсферы.

Такой формат позволит создавать сопоставимую базу данных.

43. Минимальная программа пилотного исследования
Для первоначальной проверки теории можно сформировать выборку из нескольких десятков классов задач в пяти-шести технологических областях.

Для каждого случая необходимо:

определить первоначальный ранг;
реконструировать этапы рутинизации;
измерить длительность переходов;
определить факторы ускорения;
сопоставить скорость по рангам;
проверить роль цифровизации и ИИ;
зафиксировать новые задачи, возникшие после автоматизации.
Даже относительно небольшое исследование позволит проверить ключевые положения теории и уточнить операциональные определения.

44. Перспектива глобального эмпирического проекта
В дальнейшем возможно создание постоянной исследовательской системы — условной Обсерватории глобальной креасферы.

Она могла бы:

отслеживать ранговую структуру изобретений;
анализировать автоматизацию творческих функций;
фиксировать новые субсферы;
исследовать развитие человеко-машинной креасферы;
создавать временные ряды показателей;
верифицировать аро- и демиургические кандидаты.
Такой проект превратил бы теорию глобальной креасферы в развернутую эмпирическую исследовательскую программу.

45. Итоговая логика методики
Полный исследовательский цикл может быть представлен следующим образом:

идентификация творческой функции ; определение ее первоначального ранга ; реконструкция пространства решений ; измерение формализации ; фиксация перехода в метод ; переход в лейбосферу ; алгоритмизация ; автоматизация ; измерение стоимости и человеческого участия ; выявление новых задач и субсфер ; проверка восходящего расширения.

Именно такой двойной анализ позволяет одновременно исследовать:

что в креасфере исчезает как дефицитное творчество;

и

что возникает в ней на более высоком уровне.

Следовательно, предметом эмпирической теории становится не автоматизация творчества сама по себе, а динамика границы между освоенным и создаваемым новым.

Библиография
Примечание к библиографии
Предлагаемая библиография включает работы, образующие научный контекст исследования труда, стоимости, инноваций, технологической эволюции, творчества, искусственного интеллекта, автоматизации, институтов и измерения инновационной деятельности.

Базовая концепция Экономического демиургизма и вытекающие из нее понятия (и в первую очередь — креативная теория стоимости) были первоначально разработаны В.К. Петросяном (Вадимиром) в первую очередь — в работе: Петросян, В.К. Глобальный мозг: Стратегическая демиургическая инициатива : монография / В. К. Петросян — Москва : Издательство ИКАР, 2020. — 454 с. ISBN 978-5-7974-0672-3

Категории лейбосферы, глобальной креасферы в используемом здесь системном значении, ароизобретения, демиизобретения, демиургической вертикали, расширенного воспроизводства новизны и экономического демиургизма используются в настоящей работе как элементы собственной концептуальной системы В.К. Петросяна. Наличие близких проблем и идей в предшествующей литературе не означает приписывания этим авторам данной терминологии.

I. Труд, стоимость, знание и экономический рост
Smith A. An Inquiry into the Nature and Causes of the Wealth of Nations. London: W. Strahan and T. Cadell, 1776.
Ricardo D. On the Principles of Political Economy and Taxation. London: John Murray, 1817.
Marx K. Das Kapital. Kritik der politischen Oekonomie. Band I. Hamburg: Otto Meissner, 1867.
Menger C. Grunds;tze der Volkswirtschaftslehre. Wien: Wilhelm Braum;ller, 1871.
Jevons W. S. The Theory of Political Economy. London: Macmillan, 1871.
Marshall A. Principles of Economics. London: Macmillan, 1890.
Schumpeter J. A. The Theory of Economic Development. Cambridge, MA: Harvard University Press, 1934.
Schumpeter J. A. Capitalism, Socialism and Democracy. New York: Harper & Brothers, 1942.
Hayek F. A. The Use of Knowledge in Society // American Economic Review. 1945. Vol. 35. No. 4.
Solow R. M. A Contribution to the Theory of Economic Growth // Quarterly Journal of Economics. 1956. Vol. 70. No. 1.
Sraffa P. Production of Commodities by Means of Commodities. Cambridge: Cambridge University Press, 1960.
Arrow K. J. Economic Welfare and the Allocation of Resources for Invention // The Rate and Direction of Inventive Activity. Princeton: Princeton University Press, 1962.
Arrow K. J. The Economic Implications of Learning by Doing // Review of Economic Studies. 1962. Vol. 29. No. 3.
Machlup F. The Production and Distribution of Knowledge in the United States. Princeton: Princeton University Press, 1962.
Becker G. S. Human Capital. New York: Columbia University Press, 1964.
Romer P. M. Increasing Returns and Long-Run Growth // Journal of Political Economy. 1986. Vol. 94. No. 5.
Lucas R. E. On the Mechanics of Economic Development // Journal of Monetary Economics. 1988. Vol. 22. No. 1.
Romer P. M. Endogenous Technological Change // Journal of Political Economy. 1990. Vol. 98. No. 5, Part 2.
North D. C. Institutions, Institutional Change and Economic Performance. Cambridge: Cambridge University Press, 1990.
Jones C. I. R&D-Based Models of Economic Growth // Journal of Political Economy. 1995. Vol. 103. No. 4.
II. Технологическая эволюция, изобретательство и инновации
Usher A. P. A History of Mechanical Inventions. Revised ed. Cambridge, MA: Harvard University Press, 1954.
Kuhn T. S. The Structure of Scientific Revolutions. Chicago: University of Chicago Press, 1962.
Nelson R. R., Winter S. G. An Evolutionary Theory of Economic Change. Cambridge, MA: Harvard University Press, 1982.
Dosi G. Technological Paradigms and Technological Trajectories // Research Policy. 1982. Vol. 11. No. 3.
Rosenberg N. Inside the Black Box: Technology and Economics. Cambridge: Cambridge University Press, 1982.
Hughes T. P. Networks of Power: Electrification in Western Society, 1880–1930. Baltimore: Johns Hopkins University Press, 1983.
Altshuller G. S. Creativity as an Exact Science: The Theory of the Solution of Inventive Problems. New York: Gordon and Breach, 1984.
Teece D. J. Profiting from Technological Innovation // Research Policy. 1986. Vol. 15. No. 6.
Basalla G. The Evolution of Technology. Cambridge: Cambridge University Press, 1988.
von Hippel E. The Sources of Innovation. New York: Oxford University Press, 1988.
Henderson R. M., Clark K. B. Architectural Innovation // Administrative Science Quarterly. 1990. Vol. 35. No. 1.
Mokyr J. The Lever of Riches: Technological Creativity and Economic Progress. New York: Oxford University Press, 1990.
Nelson R. R. (ed.). National Innovation Systems: A Comparative Analysis. New York: Oxford University Press, 1993.
Utterback J. M. Mastering the Dynamics of Innovation. Boston: Harvard Business School Press, 1994.
Bresnahan T. F., Trajtenberg M. General Purpose Technologies: “Engines of Growth?” // Journal of Econometrics. 1995. Vol. 65. No. 1.
Freeman C., Soete L. The Economics of Industrial Innovation. 3rd ed. Cambridge, MA: MIT Press, 1997.
Teece D. J., Pisano G., Shuen A. Dynamic Capabilities and Strategic Management // Strategic Management Journal. 1997. Vol. 18. No. 7.
Perez C. Technological Revolutions and Financial Capital. Cheltenham: Edward Elgar, 2002.
Mokyr J. The Gifts of Athena: Historical Origins of the Knowledge Economy. Princeton: Princeton University Press, 2002.
Chesbrough H. W. Open Innovation. Boston: Harvard Business School Press, 2003.
von Hippel E. Democratizing Innovation. Cambridge, MA: MIT Press, 2005.
Arthur W. B. The Nature of Technology: What It Is and How It Evolves. New York: Free Press, 2009.
Mazzucato M. The Entrepreneurial State. London: Anthem Press, 2013.
Mokyr J. A Culture of Growth: The Origins of the Modern Economy. Princeton: Princeton University Press, 2016.
III. Творчество, когнитивные процессы и производство нового
Guilford J. P. Creativity // American Psychologist. 1950. Vol. 5. No. 9.
Polanyi M. The Tacit Dimension. Garden City, NY: Doubleday, 1966.
Newell A., Simon H. A. Human Problem Solving. Englewood Cliffs, NJ: Prentice-Hall, 1972.
Finke R. A., Ward T. B., Smith S. M. Creative Cognition: Theory, Research, and Applications. Cambridge, MA: MIT Press, 1992.
Amabile T. M. Creativity in Context. Boulder: Westview Press, 1996.
Csikszentmihalyi M. Creativity: Flow and the Psychology of Discovery and Invention. New York: HarperCollins, 1996.
Simon H. A. The Sciences of the Artificial. 3rd ed. Cambridge, MA: MIT Press, 1996.
Sternberg R. J., Lubart T. I. The Concept of Creativity: Prospects and Paradigms // Sternberg R. J. (ed.). Handbook of Creativity. Cambridge: Cambridge University Press, 1999.
Simonton D. K. Origins of Genius: Darwinian Perspectives on Creativity. New York: Oxford University Press, 1999.
Boden M. A. The Creative Mind: Myths and Mechanisms. 2nd ed. London: Routledge, 2004.
Weisberg R. W. Creativity: Understanding Innovation in Problem Solving, Science, Invention, and the Arts. Hoboken: Wiley, 2006.
Sawyer R. K. Explaining Creativity: The Science of Human Innovation. 2nd ed. New York: Oxford University Press, 2012.
Runco M. A. Creativity: Theories and Themes: Research, Development, and Practice. 2nd ed. San Diego: Academic Press, 2014.
IV. Искусственный интеллект, автоматизация и ноотехнологическая трансформация
Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. Cambridge, MA: MIT Press, 1948.
Turing A. M. Computing Machinery and Intelligence // Mind. 1950. Vol. 59. No. 236.
LeCun Y., Bengio Y., Hinton G. Deep Learning // Nature. 2015. Vol. 521.
Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge, MA: MIT Press, 2016.
Silver D. et al. Mastering the Game of Go with Deep Neural Networks and Tree Search // Nature. 2016. Vol. 529.
Vaswani A. et al. Attention Is All You Need // Advances in Neural Information Processing Systems. 2017. Vol. 30.
Sutton R. S., Barto A. G. Reinforcement Learning: An Introduction. 2nd ed. Cambridge, MA: MIT Press, 2018.
Brown T. B. et al. Language Models Are Few-Shot Learners // Advances in Neural Information Processing Systems. 2020. Vol. 33.
Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson, 2021.
Bommasani R. et al. On the Opportunities and Risks of Foundation Models. Stanford Center for Research on Foundation Models, 2021.
V. Автоматизация, труд и экономика искусственного интеллекта
Autor D. H. Why Are There Still So Many Jobs? The History and Future of Workplace Automation // Journal of Economic Perspectives. 2015. Vol. 29. No. 3.
Frey C. B., Osborne M. A. The Future of Employment: How Susceptible Are Jobs to Computerisation? // Technological Forecasting and Social Change. 2017. Vol. 114.
Acemoglu D., Restrepo P. Robots and Jobs: Evidence from US Labor Markets // Journal of Political Economy. 2020. Vol. 128. No. 6.
Brynjolfsson E., McAfee A. The Second Machine Age. New York: W. W. Norton, 2014.
Agrawal A., Gans J., Goldfarb A. Prediction Machines: The Simple Economics of Artificial Intelligence. Boston: Harvard Business Review Press, 2018.
Agrawal A., Gans J., Goldfarb A. (eds.). The Economics of Artificial Intelligence: An Agenda. Chicago: University of Chicago Press, 2019.
Aghion P., Jones B. F., Jones C. I. Artificial Intelligence and Economic Growth // Agrawal A., Gans J., Goldfarb A. (eds.). The Economics of Artificial Intelligence: An Agenda. Chicago: University of Chicago Press, 2019.
Susskind D. A World Without Work: Technology, Automation, and How We Should Respond. New York: Metropolitan Books, 2020.
Nordhaus W. D. Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth // American Economic Journal: Macroeconomics. 2021. Vol. 13. No. 1.
VI. Наука, команды и измерение технологической новизны
Trajtenberg M. A Penny for Your Quotes: Patent Citations and the Value of Innovations // RAND Journal of Economics. 1990. Vol. 21. No. 1.
March J. G. Exploration and Exploitation in Organizational Learning // Organization Science. 1991. Vol. 2. No. 1.
Cohen W. M., Levinthal D. A. Absorptive Capacity: A New Perspective on Learning and Innovation // Administrative Science Quarterly. 1990. Vol. 35. No. 1.
Jaffe A. B., Trajtenberg M. Patents, Citations, and Innovations: A Window on the Knowledge Economy. Cambridge, MA: MIT Press, 2002.
Wuchty S., Jones B. F., Uzzi B. The Increasing Dominance of Teams in Production of Knowledge // Science. 2007. Vol. 316.
Jones B. F. The Burden of Knowledge and the “Death of the Renaissance Man” // Review of Economic Studies. 2009. Vol. 76. No. 1.
Kogan L., Papanikolaou D., Seru A., Stoffman N. Technological Innovation, Resource Allocation, and Growth // Quarterly Journal of Economics. 2017. Vol. 132. No. 2.
Funk R. J., Owen-Smith J. A Dynamic Network Measure of Technological Change // Management Science. 2017. Vol. 63. No. 3.
Fortunato S. et al. Science of Science // Science. 2018. Vol. 359. No. 6379.
Wu L., Wang D., Evans J. A. Large Teams Develop and Small Teams Disrupt Science and Technology // Nature. 2019. Vol. 566.
Bloom N., Jones C. I., Van Reenen J., Webb M. Are Ideas Getting Harder to Find? // American Economic Review. 2020. Vol. 110. No. 4.
Kelly B., Papanikolaou D., Seru A., Taddy M. Measuring Technological Innovation over the Long Run // American Economic Review: Insights. 2021. Vol. 3. No. 3.
Park M., Leahey E., Funk R. J. Papers and Patents Are Becoming Less Disruptive over Time // Nature. 2023. Vol. 613.
VII. Международные руководства по измерению науки и инноваций
OECD. Frascati Manual 2015: Guidelines for Collecting and Reporting Data on Research and Experimental Development. Paris: OECD Publishing, 2015.
OECD, Eurostat. Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation. 4th ed. Paris: OECD Publishing, 2018.
Предметный указатель
Автоматизация — гл. 11–17, 18, 24–25, 31, 33; Прил. 13–14.

Автоматизация ароизобретательства — 14.4; 17.9; 29.5; 31.4; Прил. 14.

Автоматизация идиоизобретательства — 14.2; 17.8; Прил. 4, 13–14.

Автоматизированная инфраструктура — 11.7; 13.9–13.10; 19.6–19.7; 25.2–25.4; 30; 33.

Автоматизированное проектирование — 17.5.

Автокаталитическое развитие креасферы — 21.9; 31.9; 33.8; Прил. 2.

Автономный искусственный креативный агент — 15.7; 28.5; 29.5–29.6; Прил. 1.

Алгоритмизация — 11.7; 12.6; 13.8; 17; 31.3; 33.2; Прил. 1, 13–14.

Ароизобретение — гл. 7; 8.4; 10.2; 14.4; 21.3; 23.4; 24.4; 31–33; Прил. 1–3, 5, 8–12.

Ароизобретательская деятельность — 25.6; 26.3; 27.5; 28.7; 29.5; Прил. 2, 5.

Ароинновация — 7.9; Прил. 2.

Ароранг — гл. 7; Прил. 3, 5, 11.

Восходящее расширение креасферы — гл. 18–21; 31.5–31.9; 33; Прил. 1, 13–14.

Восходящее смещение границы творчества — 11.8; 14.7; 17.10; 19; 24.3; 31.5; 33.7.

Восходящее смещение креативного дефицита — 16.8; 24.3–24.5; Прил. 2, 13.

Генеративность — 5; 7–10; 21; 22–24; Прил. 1, 5–6, 8, 11, 13.

Генеративная стоимость — 22.5–22.7; 23; 24.7; Прил. 2.

Генеративная эффективность — Прил. 10.

Генеративное проектирование — 17.6.

Глобальная креасфера — гл. 2–3; 18–21; 25; 30–33; Прил. 1, 13–14.

Глобальная экосфера — 2.1–2.2; 10.8; 18–19; 24; 25; 30; 33; Прил. 1.

Демиургическая деятельность — гл. 8–10; 25.7; 28.8; 29; 30; 32; Прил. 2.

Демиургическая инновация — 8.9; Прил. 2.

Демиургическая инфраструктура — 27.7; Прил. 2, 13.

Демиургическая рента — 23.8; Прил. 2.

Демиургическая способность цивилизации — 29–30; 33; Прил. 2, 13.

Демиургическая вертикаль — гл. 9–10; 19; 23–24; 29–33; Прил. 1–3, 6, 11.

Демиургический диапазон — 8; 9; 10.3; 32; Прил. 2–3.

Демиургический фронтир — 14.7; 29.7; 32.6; 33; Прил. 2.

Демиизобретение — гл. 8–10; 14.5–14.7; 21.4; 23.5–23.6; 24.5; 29–33; Прил. 1–3, 6, 8–12.

Демиизобретение первого уровня — 9.2; 14.6; 23.5; 29.6–29.7; 32.3–32.4; Прил. 3, 6, 11.

Демиизобретение второго уровня — 9.3; 29.7; 32.4; Прил. 3, 6, 11.

Демиизобретение третьего уровня — 9.4; 29.7; 32.4; Прил. 3, 6, 11.

Демиизобретение n-го уровня — 9.6; 10.4–10.5; 32.4–32.5; Прил. 1, 3, 6, 11.

Закрывающее изобретение — 4.6; 14.3; 23.3; Прил. 1, 3–5.

Закрывающее изобретение низкого ранга — 4.7; 14.3; Прил. 3–4.

Изобретательская деятельность — гл. 4–10; 17; 23; 25–29.

Изобретение — гл. 4; Прил. 3–12.

ИИ как автономный агент — 15.7; 28.5; 29.5–29.6.

ИИ как инструмент творчества — 15.6; 28.3.

Идиоизобретение — 4.5; 14.2; 17.8; 23.2; Прил. 1, 3–4, 13–14.

Имитационная креативность — 17.4.

Инновация — 3.5; 7.9; 8.9; 21.5; Прил. 2.

Институты производства ароизобретений — 27.5; Прил. 2.

Институты производства демиизобретений — 27.6; Прил. 2.

Интенсивное расширение креасферы — 19.4–19.6; Прил. 1, 13.

Интеллектуальная собственность — 27.8.

Интеллектуальный труд — 11.6–11.7; 16.2.

Инфляция новизны — 16.6–16.7; 24.1–24.3; Прил. 2, 13.

Искусственный интеллект — гл. 15–17; 24–29; 31–33; Прил. 13–14.

Искусственный креативный агент — 15.7; 28.5; Прил. 1.

Когнитивное усиление — 15.6; 18.4; 28.3; 29.2; Прил. 13.

Коллективный творческий субъект — 26.5; 28.2.

Комбинационное творчество — 17.2.

Креативная концепция стоимости — гл. 22–24; 25; 31; 33.

Креативная производительность — 16; 21; 25; Прил. 2, 13.

Креативная рекурсия — 21.2; 21.6–21.9; 29.8–29.9; Прил. 2.

Креативная рента — 23.7; Прил. 2.

Креативная стоимость — гл. 22–24; Прил. 2.

Креативная субсфера — гл. 20; 21; 31.8; 32.7; Прил. 1.

Креативный капитал — 13.4; 18–21; Прил. 2.

Креативный фронтир — 17.10; 24; 29; 31–33; Прил. 1, 13.

Креасфера — гл. 1–3; 18–21; 25–33; Прил. 1, 13–14.

Креатоцентрическая экономика — гл. 25–27; 30–33; Прил. 1–2.

Креатоцентрический сдвиг — 24–25; Прил. 2.

Лейбосфера — 1.3; 1.8; 2; 10.8; 11–14; 22–25; 31–33; Прил. 1, 13–14.

Машинная функция — 11.7; 13.9–13.10; 31.1–31.3; 33.2.

Машинное изобретательство — 17.7–17.9; 29.5–29.6; Прил. 13–14.

Метадемиургическая деятельность — 29.9; 30.8; 33.9; Прил. 1–2.

Метакреативность — 20.8–20.9; 21; 29.8; 30; 33.5; Прил. 1–2, 13.

Метачеловеческая креасфера — гл. 29; 30; Прил. 1, 13.

Новизна — 1.2; 4–6; 16–17; 22–24; 31; Прил. 8–14.

Нооэкономика — 24.9; 25; Прил. 1.

Ноосистема — 28.6; 29; 30; Прил. 1.

Ноотехника — гл. 15; 16–17; 25–30; Прил. 1.

Ноотехнология — 15; 20.5; Прил. 1.

Образование для креатоцентрической экономики — 27.1–27.2; Прил. 13.

Оригинальность — гл. 5–6; 7–10; Прил. 5–6, 9, 11.

Открытая демиургическая вертикаль — 9.10; гл. 10; 29.7; 32.5; 33.5.

Переход творчества в труд — гл. 11; 12–14; 31.1; 33.2; Прил. 14.

Порядковое превосходство — 5.6; 6.6; 7.3; 8.3; 9.7; 32.1; Прил. 5–11.

Пространство возможностей — 1; 4–10; 17.10; 21–24; 29–33; Прил. 1, 5–12.

Производство нового — 1.8; 4.2; 22.3; 25; 31; Прил. 1.

Разделение творчества — гл. 26.

Ранг изобретения — гл. 4–10; 23; 31–33; Прил. 3–12.

Ранг и рейтинг — 6; Прил. 3, 11.

Ранговая вертикаль — 9–10; 17; 23–24; 31–33.

Распределенная ноосистема — 26.6; 28.6; 29; Прил. 1.

Расширенное воспроизводство креасферы — 21; 27; 31.9; 33.8; Прил. 2, 13.

Расширенное воспроизводство новизны — 21.10; 31.9; 33.8; Прил. 1–2, 13–14.

Репродуктивная деятельность — 1.4.

Рутинизация творчества — гл. 11–14; 18–19; 24; 31; 33; Прил. 1, 13–14.

Саморасширяющаяся креасфера — гл. 21; Прил. 1.

Средства производства творчества — 21.6; 25.5; 27.7; 29.8; Прил. 2, 13.

Стандартный ранг изобретений — 4.4; гл. 5–6; Прил. 3–5, 8–12.

Стоимость пространства возможностей — 22.7; 24.7; Прил. 2.

Субъект творчества — 2.3; 15; 18.6; 21.7; 26; гл. 28–29.

Творческая неопределенность — 1.6; 4.2; 11–14; 22; 31; Прил. 1, 14.

Творческий результат — 1.5; 4.1; Прил. 3–11.

Творчество — гл. 1; 11–14; 18–21; 28–33.

Труд — 1.3; 11; 16; 22; 25; 31; 33.

Трудовая теория стоимости — 1.3; 1.8; 10.8; 22.1; 24.8–24.9; 31; 33.

Формализация творчества — 1.6; 11.3; 12.5; 13; 31; Прил. 1, 14.

Фундаментальность — гл. 5–10; 19.5; 22–24; 31–33; Прил. 3, 5–6, 8, 11.

Цивилизационное проектирование — 20.10; 30.6.

Человеко-машинный интеллект — 15.8; 26.4; 28.3–28.4; 29.4; Прил. 1.

Экономика высшего творчества — 25–27; Прил. 2.

Экономический демиургизм — Введение; 22; 24; 25; 30; Прил. 2.

Экстенсивное расширение креасферы — 19.3; 20; Прил. 1, 13.

Эффективность изобретения — гл. 5–10; Прил. 5–6, 10–11.

Именной указатель
Примечание
До окончательной пагинации настоящий указатель дан по содержательным местам рукописи и позициям библиографии. После верстки ссылки на главы, приложения и библиографические позиции могут быть заменены или дополнены точными страницами.

Агамбен, — не используется в текущей версии.

Агамалян и др. — не используются в текущей версии.

Аджемоглу, Дарон — проблемы автоматизации, труда и роботизации; Библиография, № 70, 73.

Агравал, Аджай — экономика искусственного интеллекта; Библиография, № 72–74.

Альтшуллер, Генрих Саулович — теория решения изобретательских задач; Библиография, № 27.

Амабиле, Тереза — исследования условий творчества; Библиография, № 49.

Артур, У. Брайан — теория эволюции технологии; Библиография, № 42.

Арроу, Кеннет — экономика изобретательства, обучение в производстве; Библиография, № 12–13.

Базалла, Джордж — эволюция технологии; Библиография, № 29.

Беккер, Гэри — человеческий капитал; Библиография, № 15.

Бенджио, Йошуа — глубокое обучение; Библиография, № 60–61.

Бессемер, Генри — исторический контекст нового металлургического процесса; Прил. 12.

Боден, Маргарет — теория машинного и человеческого творчества; Библиография, № 54.

Брайnjolfsson, Erik (Бриньолфссон, Эрик) — автоматизация и цифровая экономика; Библиография, № 71.

Браун, Том и соавт. — большие языковые модели; Библиография, № 65.

Вазвани, Ашиш и соавт. — архитектура Transformer; Библиография, № 63.

Ватт, Джеймс — исторический пример радикального совершенствования паровой машины; Прил. 12.

Винер, Норберт — кибернетика и автоматическое управление; Библиография, № 58.

фон Хиппель, Эрик — источники и демократизация инноваций; Библиография, № 30, 41.

Гилфорд, Джой Пол — психология творчества; Библиография, № 45.

Голдфарб, Ави — экономика искусственного интеллекта; Библиография, № 72–74.

Гудфеллоу, Иэн — глубокое обучение; Библиография, № 61.

Джевонс, Уильям Стэнли — теория стоимости; Библиография, № 5.

Джонс, Бенджамин — сложность знания, команды, экономика ИИ; Библиография, № 74, 81–82.

Джонс, Чарльз — эндогенный рост, трудность поиска новых идей; Библиография, № 20, 74, 87.

Дози, Джованни — технологические парадигмы и траектории; Библиография, № 24.

Кларк, Ким — архитектурные инновации; Библиография, № 31.

Кун, Томас — научные парадигмы и научные революции; Библиография, № 22.

ЛеКун, Ян — глубокое обучение; Библиография, № 60.

Левинталь, Дэниел — поглощающая способность организаций; Библиография, № 79.

Лукас, Роберт — теория экономического развития; Библиография, № 17.

Любарт, Тодд — теории творчества; Библиография, № 52.

Маркс, Карл — труд, стоимость, производительные силы; Библиография, № 3.

Маршалл, Альфред — классическая экономическая теория; Библиография, № 6.

Марч, Джеймс — исследование и эксплуатация знания в организациях; Библиография, № 78.

Маццукато, Мариана — роль государства в инновационном развитии; Библиография, № 43.

Махлуп, Фриц — экономика знания; Библиография, № 14.

Менгер, Карл — теория ценности и экономических благ; Библиография, № 4.

Мокир, Джоэл — технологическое творчество и историческая эволюция производительных сил; Библиография, № 32, 39, 44.

Нельсон, Ричард — эволюционная экономика и национальные инновационные системы; Библиография, № 23, 33.

Нордхаус, Уильям — ИТ и пределы/ускорение экономического роста; Библиография, № 76.

Норвvig, Peter (Норвиг, Питер) — теория искусственного интеллекта; Библиография, № 66.

Ньюэлл, Аллен — теория решения задач; Библиография, № 47.

Осборн, Майкл — автоматизируемость занятости; Библиография, № 69.

Перес, Карлота — технологические революции и финансовый капитал; Библиография, № 38.

Поланьи, Майкл — неявное знание и его роль в деятельности; Библиография, № 46.

Рикардо, Давид — трудовая проблематика стоимости; Библиография, № 2.

Ромер, Пол — эндогенный технологический прогресс; Библиография, № 16, 18.

Розенберг, Натан — экономика технологических изменений; Библиография, № 25.

Рестрепо, Паскуаль — автоматизация, труд и роботы; Библиография, № 70.

Рассел, Стюарт — искусственный интеллект; Библиография, № 66.

Ранко, Марк — психология и теория творчества; Библиография, № 57.

Саймон, Герберт — решение задач и искусственные системы; Библиография, № 47, 51.

Сойете, Люк — экономика промышленных инноваций; Библиография, № 36.

Солоу, Роберт — экономический рост и технологический прогресс; Библиография, № 10.

Стернберг, Роберт — теории творчества; Библиография, № 52.

Сраффа, Пьеро — теория производства и стоимости; Библиография, № 11.

Сусскинд, Дэниел — автоматизация и будущее труда; Библиография, № 75.

Саттон, Ричард — обучение с подкреплением; Библиография, № 64.

Тис, Дэвид — технологические инновации и динамические способности; Библиография, № 28, 37.

Тьюринг, Алан — машинный интеллект; Библиография, № 59.

Уизберг, Роберт — творчество, решение задач и изобретательство; Библиография, № 55.

Уинтер, Сидни — эволюционная теория экономических изменений; Библиография, № 23.

Усher, Abbott Payson (Ашер, Эббот Пейсон) — история механических изобретений; Библиография, № 21.

Уттербек, Джеймс — динамика инноваций; Библиография, № 34.

Фримен, Кристофер — экономика инноваций; Библиография, № 36.

Фрей, Карл Бенедикт — автоматизация занятости; Библиография, № 69.

Хайек, Фридрих — распределенное знание в экономике; Библиография, № 9.

Хендерсон, Ребекка — архитектурные инновации; Библиография, № 31.

Хинтон, Джеффри — глубокое обучение; Библиография, № 60.

Хьюз, Томас — крупные технологические системы; Библиография, № 26.

Чесбро, Генри — открытые инновации; Библиография, № 40.

Чиксентмихайи, Михай — психология творчества; Библиография, № 50.

Шумпетер, Йозеф — инновации, предпринимательство и экономическое развитие; Библиография, № 7–8.