Атлас искусственного интеллекта: руководство для будущего

На сегодняшний день уникальные электронные, оптические и магнитные свойства редкоземельных элементов не могут сравниться ни с какими другими металлами, но соотношение полезных ископаемых и токсичных отходов чрезвычайно велико. Стратег в области природных ресурсов Дэвид Абрахам описывает добычу диспрозия и тербия в Цзянси, Китай, используемых в различных высокотехнологичных устройствах. Он пишет: «Только 0,2 процента добытой глины содержит ценные редкоземельные элементы. Это означает, что 99,8 процента земли, извлеченной при добыче редкоземельных элементов, выбрасывается в виде отходов, называемых „хвостами“, которые сбрасываются обратно в холмы и ручьи». В итоге эти отходы создают новые загрязняющие вещества, такие как аммоний^[75]. В результате очистки одной тонны редкоземельных элементов, «по оценкам Китайского общества редких земель, образуется 75000 литров кислой воды и одна тонна радиоактивных остатков»^[76].

Примерно в трех тысячах миль к югу от Баотоу находятся небольшие индонезийские острова Бангка и Белитунг, расположенные у побережья Суматры. Бангка и Белитунг производят 90 процентов индонезийского олова, используемого в полупроводниках. Индонезия – второй по величине производитель этого металла в мире, после Китая. Национальная оловянная корпорация Индонезии PT Timah напрямую поставляет олово таким компаниям, как Samsung, а также производителям припоев Chernan и Shenmao, которые в свою очередь поставляют его Sony, LG и Foxconn – всем поставщикам Apple, Tesla и Amazon.^[77]

На этих небольших островах шахтеры «серого рынка», не имеющие официального трудоустройства, сидят на самодельных понтонах, скребут морское дно бамбуковыми шестами, а затем ныряют под воду и высасывают олово с поверхности через гигантские, похожие на вакуумные трубки. Шахтеры продают найденное олово посредникам, которые также собирают руду у шахтеров, работающих в разрешенных шахтах, и смешивают их вместе, чтобы продать таким компаниям, как Timah^[78]. Совершенно нерегулируемый процесс разворачивается вне всякой формальной защиты работников и окружающей среды. Как сообщает журналист-расследователь Кейт Ходал: «Добыча олова – это прибыльный, но разрушительный промысел, который изрезал ландшафт острова, снес бульдозерами фермы и леса, уничтожил рыбные запасы и коралловые рифы, а также нанес ущерб туризму. Ущерб лучше всего виден с воздуха: участки пышного леса скрываются среди огромных полос бесплодной оранжевой земли. Там, где не преобладают шахты, все усеяно могилами, во многих из которых лежат тела шахтеров, погибших на протяжении веков при добыче олова»^[79]. Шахты повсюду: во дворах, в лесу, на обочинах дорог, на пляжах. Это настоящий пейзаж руин.

Обычная практика жизни – сосредоточиться на мире, находящемся непосредственно перед нами, который мы ежедневно видим, обоняем и осязаем. Мы привязываемся к месту, к сообществам, известным нам уголкам и проблемам. Но чтобы увидеть все цепочки поставок ИИ, необходимо искать закономерности в глобальном масштабе, быть чувствительным к тому, как история и конкретный вред отличаются от места к месту и в то же время глубоко взаимосвязаны под воздействием многочисленных сил.

Эти закономерности существуют не только в пространстве, но и во времени. Трансатлантические телеграфные кабели – это важнейшая инфраструктура для переправки данных между континентами, эмблема глобальной коммуникации и капитала. Они также являются материальным продуктом колониализма с его моделями добычи, конфликтов и разрушения окружающей среды. В конце девятнадцатого века особое дерево Юго-Восточной Азии под названием Palaquium gutta стало центром кабельного бума. Эти деревья, произрастающие в основном в Малайзии, производят молочно-белый натуральный латекс, называемый гуттаперчей. После того как в 1848 году английский ученый Майкл Фарадей опубликовал в Philosophical Magazine исследование об использовании этого материала в качестве электрического изолятора, гуттаперча быстро стала любимицей инженерного мира. Инженеры увидели в гуттаперче решение проблемы изоляции телеграфных кабелей, чтобы они могли выдерживать суровые и изменчивые условия на дне океана. Скрученным медным проводам требовалось четыре слоя мягкого органического сока дерева, чтобы защитить их от проникновения воды и проводить электрический ток.

По мере развития глобального бизнеса подводной телеграфии рос и спрос на стволы Palaquium gutta. Историк Джон Талли описывает, как местные малайцы, китайцы и даяки получали мизерную плату за опасную работу по валке деревьев и медленному сбору латекса^[80]. Латекс перерабатывался и затем продавался через торговые рынки Сингапура на британский рынок, где он превращался в оболочки подводных кабелей, огибающих весь земной шар. Как пишет исследователь СМИ Николь Старосельски: «Военные стратеги рассматривали кабели как наиболее эффективный и безопасный способ связи с колониями – и, как следствие, контроля над ними»^[81]. Маршруты подводных кабелей и сегодня обозначают ранние колониальные сети между центрами и перифериями империи^[82].

Из зрелой гуттаперчи выходило около одиннадцати унций латекса. Но в 1857 году первый трансатлантический кабель длиной в 4500 километров и весом в две тысячи тонн потребовал около 250 тонн сырья. Для производства одной тонны материала требовалось около девятисот тысяч стволов. Джунгли Малайзии и Сингапура были вырублены; к началу 1880-х годов Palaquium gutta исчезла. В последней попытке спасти цепочку поставок британцы в 1883 году ввели запрет на сбор латекса, но дерево как вид уже практически вымерло^[83].

Викторианская экологическая катастрофа на заре глобального информационного общества показывает, как переплетаются отношения между технологией и сырьем, окружающей средой и трудовыми практиками^[84]. Так же как викторианцы спровоцировали экологическую катастрофу, так и современные горнодобывающие предприятия и глобальные цепочки поставок еще больше нарушают хрупкий экологический баланс нашей эпохи.

В предыстории планетарных вычислений присутствует мрачная ирония. В настоящее время крупномасштабные системы искусственного интеллекта стимулируют формы экстракции окружающей среды и данных, но, начиная с викторианской эпохи, алгоритмические вычисления возникли из желания управлять и контролировать войны, население и изменение климата.

Palaquium gutta

Историк Теодора Драйер описывает, как основатель математической статистики, английский ученый Карл Пирсон, стремился разрешить неопределенности планирования и управления путем разработки новых архитектур данных, включая стандартные отклонения и методы корреляции и регрессии. Его методы, в свою очередь, были глубоко связаны с наукой о расах, поскольку Пирсон – вместе со своим наставником, статистиком и основателем евгеники сэром Фрэнсисом Гальтоном – верил, что статистика может стать «первым шагом в исследовании возможного влияния селективного процесса на любой характер расы»^[85].

Как пишет Драйер, «к концу 1930-х годов эти архитектуры данных – методы регрессии, стандартного отклонения и корреляции – стали доминирующими инструментами, используемыми для интерпретации социальной и государственной информации на мировой арене. Отслеживая узлы и маршруты мировой торговли, межвоенное „математико-статистическое движение“ стало огромным предприятием»^[86]. Это предприятие продолжало расширяться после Второй мировой войны, поскольку новые вычислительные системы использовались в таких областях, как прогнозирование погоды в периоды засухи для повышения производительности крупномасштабного промышленного сельского хозяйства^[87]. С этой точки зрения, алгоритмические вычисления, статистика и искусственный интеллект были разработаны в двадцатом веке для решения социальных и экологических проблем, но позже использовались для интенсификации промышленной добычи, эксплуатации и дальнейшего истощения экологических ресурсов.

Миф о чистых технологиях

Минералы – это основа искусственного интеллекта, но его жизненной силой по-прежнему является электрическая энергия. Передовые вычисления редко рассматриваются с точки зрения углеродного следа, ископаемого топлива и загрязнения окружающей среды; метафоры вроде «облака» подразумевают нечто плавающее и хрупкое в рамках естественной, зеленой индустрии^[88]. Серверы спрятаны в неприметных центрах обработки данных, и их загрязняющие свойства гораздо менее заметны, чем дымящиеся трубы угольных электростанций. Технологический сектор активно рекламирует свою экологическую политику, инициативы по устойчивому развитию и планы по решению проблем, связанных с климатом, используя ИИ в качестве инструмента решения проблем. Все это является частью создаваемого общественностью имиджа устойчивой технологической индустрии без выбросов углекислого газа. В действительности же для работы вычислительных инфраструктур Amazon Web Services или Microsoft Azure требуется гигантское количество энергии, а углеродный след систем ИИ, работающих на этих платформах, постоянно растет^[89].

Как пишет Тунг Хуи Ху в книге «Предыстория облака»: «Облако – это ресурсоемкая, добывающая технология, которая преобразует воду и электричество в вычислительную мощность, нанося значительный ущерб окружающей среде, которую затем вытесняет из поля зрения»^[90]. Решение проблемы энергоемкой инфраструктуры стало одной из главных задач. Конечно, отрасль приложила значительные усилия, чтобы сделать центры обработки данных более энергоэффективными и увеличить использование возобновляемых источников энергии. Но уже сейчас углеродный след мировой вычислительной инфраструктуры сравнялся с углеродным следом авиационной промышленности в период ее расцвета, и он растет даже быстрее^[91]. Оценки разнятся: такие исследователи, как Лотфи Белхир и Ахмед Эльмелиги, считают, что к 2040 году на долю технологического сектора придется 14 процентов глобальных выбросов парниковых газов, а группа исследователей из Швеции прогнозирует, что потребление электроэнергии одними только центрами обработки данных к 2030 году возрастет примерно в 15 раз^[92].

Внимательно изучив вычислительные мощности, необходимые для создания моделей ИИ, мы видим, что стремление к экспоненциальному увеличению скорости и точности обходится планете дорогой ценой. Требования к обработке данных при обучении моделей ИИ и, следовательно, их энергопотребление все еще являются новой областью исследований. Одна из первых работ в этой области была опубликована исследователем ИИ Эммой Струбелл и ее командой из Массачусетского университета в Амхерсте в 2019 году. Сфокусировавшись на попытке понять углеродный след моделей обработки естественного языка (NLP), они начали набрасывать потенциальные оценки путем запуска моделей ИИ в течение сотен тысяч вычислительных часов^[93]. Первые цифры оказались поразительными. Команда Струбелл обнаружила, что запуск всего одной модели NLP приводит к выбросу более 660000 фунтов углекислого газа, что эквивалентно пяти автомобилям, работающим на газе, за весь срок их службы (включая производство), или 125 перелетам в обе стороны из Нью-Йорка в Пекин^[94].

Хуже того, исследователи отметили, что такое моделирование является, как минимум, базовой оптимистичной оценкой. Она не отражает реальных коммерческих масштабов, в которых работают такие компании, как Apple и Amazon, собирающие данные в Интернете и использующие свои собственные модели NLP для того, чтобы системы ИИ, такие как Siri и Alexa, звучали более человечно. Однако точный объем энергопотребления, производимого моделями ИИ в технологическом секторе, неизвестен; эта информация хранится как строго охраняемая корпоративная тайна. И здесь экономика данных основана на сохранении экологического невежества.

В области ИИ стандартной практикой является максимизация вычислительных циклов для повышения производительности, в соответствии с убеждением, что больше – значит лучше. Как говорит Рич Саттон из DeepMind: «Методы, использующие вычисления, в конечном итоге являются наиболее эффективными, причем с большим отрывом»^[95]. Вычислительная техника перебора при обучении ИИ или систематический сбор большего количества данных и использование большего количества вычислительных циклов до достижения лучшего результата, привела к резкому увеличению потребления энергии. По оценкам OpenAI, с 2012 года объем вычислений, используемых для обучения одной модели ИИ, ежегодно увеличивался в десять раз. Это связано с тем, что разработчики «постоянно находят способы использовать больше чипов параллельно и готовы платить за это экономические издержки»^[96]. Мышление с точки зрения экономических издержек сужает взгляд на более широкую локальную и экологическую цену сжигания вычислительных циклов как способа создания дополнительной эффективности. Тенденция к «вычислительному максимализму» имеет глубокие экологические последствия.

Центры обработки данных являются одними из крупнейших в мире потребителей электроэнергии^[97]. Для питания этой многоуровневой машины требуется электроэнергия из сети в виде угля, газа, ядерной или возобновляемой энергии. Некоторые корпорации реагируют на растущую тревогу по поводу энергопотребления крупномасштабных вычислений: Apple и Google заявляют о своей углеродной нейтральности (это означает, что они компенсируют выбросы углерода путем покупки кредитов), а Microsoft обещает стать углеродно-нейтральной к 2030 году. Однако работники этих компаний настаивают на сокращении выбросов по всем направлениям, а не на поблажках из чувства вины перед окружающей средой^[98]. Более того, Microsoft, Google и Amazon лицензируют свои платформы искусственного интеллекта, инженерные кадры и инфраструктуру компаниям, добывающим ископаемое топливо, чтобы помочь им найти и добыть топливо из недр земли, что еще больше стимулирует отрасль, наиболее ответственную за антропогенное изменение климата.

За пределами Соединенных Штатов поднимаются еще большие облака углекислого газа. Китайская индустрия центров обработки данных получает 73 процента электроэнергии из угля, выбросив в 2018 году около 99 миллионов тонн CO2^[99]. Ожидается, что к 2023 году потребление электроэнергии инфраструктурой китайских центров обработки данных увеличится на две трети^[100]. Гринпис поднял тревогу по поводу колоссальных энергетических потребностей крупнейших технологических компаний Китая, утверждая, что «ведущие технологические компании, включая Alibaba, Tencent и GDS, должны резко увеличить объемы закупок чистой энергии и раскрыть данные об энергопотреблении»^[101]. Долгосрочное воздействие угольной энергетики проявляется повсюду, превышая любые национальные границы. Планетарный характер добычи ресурсов и ее последствий выходит далеко за рамки интересов национального государства.

Вода рассказывает еще одну историю об истинной стоимости вычислений. История использования воды в США полна сражений и секретных сделок, и, как и в случае с вычислениями, сделки, заключенные в отношении воды, держатся в секрете. Один из крупнейших в США центров обработки данных принадлежит Агентству национальной безопасности (АНБ) в Блаффдейле, штат Юта. Открытый с конца 2013 года, Центр обработки данных разведывательного сообщества в рамках комплексной национальной инициативы по кибербезопасности невозможно посетить. Но, проехав через окрестные пригороды, я нашла проселок на холме, поросшем шалфеем, и оттуда смогла поближе рассмотреть разросшийся объект площадью 1,2 миллиона квадратных футов. Этот объект имеет своего рода символическую силу следующей эры правительственного сбора данных, поскольку он был показан в таких фильмах, как «Citizenfour: правда Сноудена», и изображен в тысячах новостных сюжетов об АНБ. Однако вживую он выглядит неприметно и прозаично – гигантский контейнер для хранения данных, совмещенный с блоком правительственных офисов.

Борьба за воду началась еще до официального открытия центра обработки данных, учитывая его расположение в засушливом штате Юта^[102]. Местные журналисты хотели подтвердить достоверность данных о потреблении 1,7 млн. галлонов воды в день, но АНБ изначально отказалось предоставить данные, отредактировало все детали в открытых источниках и заявило, что использование воды является вопросом национальной безопасности. Тогда активисты создали буклеты, призывающие прекратить их материальную поддержку, и разработали стратегию, согласно которой юридический контроль за использованием воды мог бы помочь закрыть объект^[103]. Но город Блаффдейл уже заключил многолетнюю сделку с АНБ, по которой город продавал воду по тарифам значительно ниже среднего в обмен на обещание экономического роста^[104]. Геополитика воды теперь глубоко объединена с механизмами и политикой центров обработки данных, вычислений и власти – во всех смыслах. С засушливого склона холма, с которого открывается вид на хранилище данных АНБ, все споры и недомолвки о воде становятся понятными: вода, которая используется для охлаждения серверов, отбирается у сообществ и мест обитания, от нее зависящих.

Как грязная работа горнодобывающего сектора была удалена от компаний и жителей городов, так и большинство центров обработки данных находятся вдали от крупных населенных пунктов, будь то в пустыне или в полупромышленных пригородах. Это способствует тому, что мы считаем облако невидимым и абстрагированным, в то время как на самом деле оно материально, влияет на окружающую среду и климат таким образом, что это далеко не всегда осознается и учитывается. Облако зависит от земли, и для того, чтобы оно росло, необходимо расширять ресурсы и слои логистики и транспорта, которые находятся в постоянном движении.

Логистический слой

До сих пор мы рассматривали материальные составляющие ИИ, от редкоземельных элементов до энергии. Основывая наш анализ на конкретных материальных составляющих ИИ – вещах, местах и людях, – мы можем увидеть, как эти составляющие действуют в рамках более широких систем власти. Возьмем, к примеру, глобальные логистические машины, которые перемещают по планете минералы, топливо, оборудование, работников и потребительские устройства ИИ^[105]. Головокружительное зрелище логистики и производства, демонстрируемое такими компаниями, как Amazon, было бы невозможно без разработки и широкого признания стандартизированного металлического объекта: грузового контейнера. Подобно подводным кабелям, грузовые контейнеры связывают отрасли глобальной коммуникации, транспорта и капитала, являясь материальным воплощением того, что математики называют «оптимальной транспортировкой» – в данном случае, как оптимизация пространства и ресурсов на торговых путях мира.

Стандартизированные грузовые контейнеры (сами построенные из основных земных элементов – углерода и железа, выкованных в виде стали) обеспечили взрыв современной судоходной промышленности, что, в свою очередь, позволило представить и смоделировать планету как единую массивную фабрику. Грузовой контейнер – это единая мера стоимости, подобно конструктору «Лего», которая может преодолевать тысячи миль, прежде чем встретится со своим конечным пунктом назначения в качестве модульной части более крупной системы доставки. В 2017 году грузоподъемность контейнеровозов в морской торговле достигла почти 250 миллионов дедвейт-тонн грузов, среди которых доминируют такие гигантские судоходные компании, как датская Maersk, швейцарская Mediterranean Shipping Company и французская CMA CGM Group, каждая из которых владеет сотнями контейнеровозов^[106]. Для этих коммерческих предприятий грузовые перевозки – относительно дешевый способ перемещения по сосудистой системе глобальной фабрики, однако они скрывают гораздо большие внешние издержки. Точно так же, как они склонны пренебрегать физическими реалиями и затратами инфраструктуры искусственного интеллекта, популярная культура и СМИ редко освещают судоходную отрасль. Автор Роуз Джордж называет это состояние «морской слепотой»^[107].

За последние годы морские суда произвели 3,1 процента годовых глобальных выбросов углекислого газа, что больше, чем в Германии в совокупности^[108]. Для минимизации внутренних затрат большинство компаний, занимающихся контейнерными перевозками, в огромных количествах используют низкосортное топливо, что приводит к повышенному содержанию в воздухе серы и других токсичных веществ. По оценкам, один контейнеровоз выбрасывает в атмосферу столько же загрязняющих веществ, сколько вырабатывают пятьдесят миллионов автомобилей, а шестьдесят тысяч ежегодных смертей косвенно объясняются загрязнением от грузовых судов^[109].

Даже такие дружественные для отрасли источники, как Всемирный совет судоходства, признают, что тысячи контейнеров ежегодно теряются, опускаясь на дно океана или уходя в дрейф^[110]. Некоторые контейнеры перевозят токсичные вещества, которые просачиваются в океаны; другие выпускают тысячи желтых резиновых уточек, и те в течение десятилетий выбрасываются на берег по всему миру^[111]. Обычно работники проводят в море почти шесть месяцев, часто с длинными рабочими сменами и без доступа к внешней связи.

Наиболее серьезные издержки глобальной логистики ложатся на атмосферу Земли, океаническую экосистему и низкооплачиваемых работников. Корпоративные представления об ИИ не отражают долгосрочные затраты и длительную историю ресурсов, необходимых для создания вычислительных инфраструктур, и энергии, требуемой для их питания. Быстрый рост облачных вычислений, представляемых как экологически чистые, парадоксальным образом привел к расширению границ добычи ресурсов. Только лишь принимая во внимание эти скрытые затраты, а также обширные совокупности участников и систем, мы можем понять, что означает переход к большей автоматизации. Это требует работы против принципов технологического воображения, которое обычно совершенно не связано с земными делами. Например, поиск картинки «ИИ», который выдает десятки фотографий светящихся мозгов и двоичных кодов, парящих в космосе, оказывает мощное сопротивление взаимодействию с материальными аспектами этих технологий. Вместо этого мы начинаем с земли, с добычи и с истории индустриальной власти, а затем рассматриваем, как эти модели повторяются в системах труда и данных.

ИИ как мегамашина

В конце 1960-х годов историк и философ технологии Льюис Мамфорд разработал концепцию мегамашины, желая проиллюстрировать, что все системы, независимо от их размера, состоят из работы отдельных людей^[112]. Согласно Мамфорду, Манхэттенский проект стал определяющей современной мегамашиной, тонкости которой скрывались не только от общественности, но даже от тысяч людей, которые работали над ней на охраняемых объектах по всей территории США. В общей сложности 130000 человек трудились в тайне под руководством военных, разрабатывая оружие, которое должно было убить (по самым скромным подсчетам) 237000 человек, упав на Хиросиму и Нагасаки в 1945 году. Создание атомной бомбы зависело от сложной, секретной цепи поставок, логистики и человеческого труда.

Искусственный интеллект – это еще один вид мегамашины, набор технологических подходов, зависящих от промышленных инфраструктур, цепочек поставок и человеческого труда, которые простираются по всему миру, но остаются непрозрачными. Мы поняли, что ИИ – это гораздо больше, чем базы данных и алгоритмы, модели машинного обучения и линейная алгебра. Он метаморфичен: он опирается на производство, транспортировку и физический труд; на центры обработки данных и подводные кабели между континентами; персональные устройства и их необработанные компоненты; на сигналы, передаваемые по воздуху; наборы данных, полученные через Интернет; и непрерывные вычислительные циклы. И за все это приходится платить.

Мы рассмотрели отношения между городами и шахтами, компаниями и цепочками поставок, а также соединяющую их топографию добычи. Принципиально взаимосвязанный характер производства, изготовления и логистики напоминает нам о том, что шахты, на которых работает ИИ, расположены повсюду: не только в отдельных местах, но и рассеяны по всей Земле. Мазен Лаббан называет этот феномен «планетарной шахтой»^[113]. Это не означает отрицание множества конкретных мест, где происходит добыча полезных ископаемых с помощью технологий. Скорее, Лаббан отмечает, что планетарная шахта расширяет и реконструирует добычу в новые механизмы, распространяя практику шахт на новые пространства и взаимодействия по всему миру.

В настоящее время, когда воздействие антропогенного изменения климата уже идет полным ходом, поиск новых методов понимания глубоких материальных и человеческих корней систем искусственного интеллекта является жизненно важным. Но это легче сказать, чем сделать. Отчасти это связано с тем, что многие отрасли, входящие в цепочку систем ИИ, скрывают текущие затраты. Кроме того, масштабы, необходимые для создания систем искусственного интеллекта, слишком сложны, слишком затенены законодательством и слишком погрязли в логистических и технических процессах. Но наша цель состоит не в том, чтобы сделать сложные конструкции прозрачными: вместо того, чтобы пытаться в них заглянуть, мы будем соединять многочисленные системы и пытаться понять, как они друг с другом взаимодействуют^[114]. Таким образом, наш путь будет пролегать через истории об экологических и трудовых издержках искусственного интеллекта и помещать их в контекст с практиками извлечения и классификации, которыми оплетена повседневная жизнь. Именно размышляя над этими вопросами, мы сможем добиться большей справедливости.

Я совершаю еще одну поездку в Сильвер-Пик. Не доезжая до города, я останавливаю фургон на обочине, чтобы прочитать истерзанный погодой знак. Это исторический маркер Невады 174, посвященный созданию и разрушению маленького городка под названием Блэр. В 1906 году Питсбургская золотодобывающая компания Silver Pick скупила шахты в этом районе. Предвидя бум, земельные спекулянты выкупили все свободные участки вместе с правами на воду, доведя цены до рекордных искусственных максимумов. В итоге горнодобывающая компания провела геодезическую съемку в паре миль к северу и объявила это место территорией нового города: Блэр. Они построили самую большую в штате мельницу для выщелачивания и проложили железную дорогу, которая шла от Блэр Джанкшн до магистрали Тонопа и Голдфилд. Вскоре город процветал. Сотни людей приезжали сюда со всех концов, чтобы получить работу, несмотря на тяжелые условия труда. Однако при такой интенсивной добыче цианид начал отравлять землю, а золотые и серебряные пласты разрушаться и иссякать. К 1918 году Блэр был практически заброшен. Все закончилось за какие-то двенадцать лет. Руины отмечены на местной карте – всего в сорока пяти минутах ходьбы.

Руины в Блэр. Фотография Кейт Кроуфорд

В пустыне стоит палящий жаркий день. Единственные звуки – металлическое эхо цикад и гул случайного пассажирского самолета. Я начинаю подниматься по холму. К тому времени, когда я достигаю скопления каменных зданий на вершине длинной грунтовой дороги, я изнемогаю от жары. Я укрываюсь в развалившихся останках того, что когда-то являлось домом золотодобытчика. Осталось немного: разбитая посуда, осколки стеклянных бутылок, несколько ржавых консервных банок. В те годы, когда Блэр был оживленным городом, поблизости процветали многочисленные салуны, а двухэтажный отель принимал посетителей. Теперь это скопление разрушенных фундаментов.

Сквозь пространство, где раньше стояло окно, открывается вид на долину. Меня поражает осознание того, что Сильвер-Пик тоже скоро станет городом-призраком. Текущий объем добычи на литиевом руднике агрессивен в ответ на высокий спрос, и никто не знает, как долго это продлится. Самая оптимистичная оценка – сорок лет, но конец может наступить гораздо раньше. Тогда литиевые бассейны под долиной Клейтон будут обескровлены – уничтожены из-за батарей, предназначенных для захоронения на свалке. А Сильвер-Пик вернется к своей прежней жизни, как пустое и тихое место, на краю древнего соляного озера, ныне осушенного.