Elon Musk (SK) : Od autora knihy Steve Jobs a ďalších životopisných bestsellerov prichádza úžasne intímny príbeh najfascinujúcejšieho a najkontroverznejšieho inovátora
Bibliographic record
Abstract
Od autora knihy Steve Jobs a ďalších životopisných bestsellerov prichádza úžasne intímny príbeh najfascinujúcejšieho a najkontroverznejšieho inovátora na svete – vizionára, ktorý porušuje pravidlá a priviedol svet do éry elektrických vozidiel, súkromného výskumu vesmíru a umelej inteligencie. A tiež ovládol Twitter. Keď bol Elon Musk malý, žil v Južnej Afrike a pravidelne ho šikanovali spolužiaci. Jedného dňa ho skupinka zhodila z betónových schodov a kopala doňho, až mu z tváre zostala opuchnutá kopa mäsa. Týždeň ležal v nemocnici. Fyzické jazvy však boli zanedbateľné v porovnaní s citovými, ktoré mu spôsobil jeho otec, darebák, inžinier a charizmatický fantasta v jednej osobe. Keď sa Elon vrátil z nemocnice domov, otec mu vynadal. „Musel som hodinu postojačky trpieť, keď na mňa kričal, nazýval ma idiotom a hovoril mi, že som jednoducho nanič,“ spomína. Otcov vplyv na jeho psychiku pretrváva až dodnes. Z Elona sa stal tvrdý, ale aj zraniteľný muž s dušou večného dieťaťa, mimoriadne vysokou toleranciou voči riziku, túžbou po dráme, epickým zmyslom pre rôzne misie a maniackou náruživosťou, ktorá je bezcitná a niekedy deštruktívna. Isaacson Muska dva roky sledoval, zúčastňoval sa jeho stretnutí, chodil s ním po jeho továrňach a strávil hodiny rozhovormi s ním, jeho rodinou, priateľmi, spolupracovníkmi a nepriateľmi. Výsledkom je otvorený vnútorný príbeh plný úžasných historiek o triumfoch a nepokojoch, ktorý sa zaoberá otázkou: Sú démoni, ktorí Muska poháňajú, zároveň tým, čo je potrebné na poháňanie inovácií a pokroku? Walter Isaacson napísal životopisy Jennifer Doudnovej, Leonarda da Vinci, Steva Jobsa, Alberta Einsteina, Benjamina Franklina a Henryho Kissingera. Je tiež autorom knihy Inovátoři a spoluautorom knihy The Wise Men. Bol redaktorom časopisu Time, výkonným riaditeľom CNN a neziskovej organizácie Aspen Institu
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.118 | 0.057 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".