21 урок для XXI века
Шрифт:
2
Работа
Когда станете взрослыми, можете не найти работу
Мы не имеем никакого представления о том, как будет выглядеть рынок труда в 2050 году. Принято считать, что машинное обучение и роботизация изменят буквально все – от производства йогуртов до преподавания йоги. Однако существуют прямо противоположные взгляды на природу грядущих изменений и их неизбежность. Некоторые убеждены, что через каких-нибудь 10–20 лет миллиарды людей станут ненужными для экономики. Другие утверждают, что автоматизация и в долгосрочной перспективе будет создавать новые профессии и обеспечит рост благосостояния для всех.
Действительно ли мы стоим на пороге пугающих перемен или подобные прогнозы – лишь очередной пример неоправданной луддитской истерии? Трудно сказать. Опасения, что автоматизация вызовет массовую безработицу, известны с XIX века, но еще ни разу не сбылись. С самого начала промышленной революции вместо каждой профессии, вытесненной машинами, появлялась как минимум одна новая, а средний уровень жизни быстро рос [10] . Однако есть все основания полагать,
10
Gregory R. Woirol, The Technological Unemployment and Structural Unemployment Debates (Westport: Greenwood Press, 1996), 18–20; Amy Sue Bix, Inventing Ourselves out of Jobs? America’s Debate over Technological Unemployment, 1929–1981 (Baltimore: Johns Hopkins University Press, 2000), 1–8; Joel Mokyr, Chris Vickers and Nicolas L. Ziebarth, ‘The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different?’, Journal of Economic Perspectives 29:3 (2015), 33–42; Joe Mokyr, The Gifts of Athena: Historical Origins of the Knowledge Economy (Princeton: Princeton University Press, 2002), 255–257; David H. Autor, ‘Why Are There Still So Many Jobs? The History and the Future of Workplace Automation’, Journal of Economic Perspectives 29:3 (2015), 3–30; Melanie Arntz, Terry Gregory and Ulrich Zierahn, ‘The Risk of Automation for Jobs in OECD Countries’, OECD Social, Employment and Migration Working Papers 89 (2016); Mariacristina Piva and Marco Vivarelli, ‘Technological Change and Employment: Were Ricardo and Marx Right?’, IZA Institute of Labor Economics, Discussion Paper No.10471 (2017).
Люди обладают двумя видами способностей: физическими и когнитивными. В прошлом машины конкурировали с человеком, как правило, в грубой физической силе, тогда как в интеллектуальной сфере за людьми сохранялось огромное преимущество. После автоматизации ручного труда в сельском хозяйстве и промышленности появились новые профессии в сфере услуг, требовавшие умственных навыков, которыми обладают только люди: это обучение, анализ, общение и, самое главное, понимание человеческих эмоций. Однако сегодня искусственный интеллект начинает превосходить людей во все большем числе таких навыков, включая распознавание человеческих эмоций [11] . О существовании какого-то третьего поля деятельности (за пределами физического и когнитивного), где позиции людей были бы непоколебимы, нам неизвестно.
11
См., например, как ИИ побеждает людей в авиационных симуляторах, и особенно в воздушном бое: Nicholas Ernest et al., ‘Genetic Fuzzy based Artificial Intelligence for Unmanned Combat Aerial Vehicle Control in Simulated Air Combat Missions’, Journal of Defense Management 6:1 (2016), 1–7; интеллектуальные обучающие системы: Kurt VanLehn, ‘The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems’, Educational Psychologist 46:4 (2011), 197–221; алгоритмический трейдинг: Giuseppe Nuti et al., ‘Algorithmic Trading’, Computer 44:11 (2011), 61–69; финансовое планирование, управление портфелем ценных бумаг и т. д.: Arash Baharammirzaee, ‘A comparative Survey of Artificial Intelligence Applications in Finance: Artificial Neural Networks, Expert System and Hybrid Intelligent Systems’, Neural Computing and Applications 19:8 (2010), 1165–1195; анализ сложных данных в медицинских системах, постановка диагноза и назначение лечения: Marjorie Glass Zauderer et al., ‘Piloting IBM Watson Oncology within Memorial Sloan Kettering’s Regional Network’, Journal of Clinical Oncology 32:15 (2014), e17653; создание оригинальных текстов на естественном языке из большого объема данных: Jean-S'ebastien Vayre et al., ‘Communication Mediated through Natural Language Generation in Big Data Environments: The Case of Nomao’, Journal of Computer and Communication 5 (2017), 125–148; распознавание лиц: Florian Schroff, Dmitry Kalenichenko and James Philbin, ‘FaceNet: A Unified Embedding for Face Recognition and Clustering’, IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2015), 815–823; управление автомобилем: Cristiano Premebida, ‘A Lidar and Vision-based Approach for Pedestrian and Vehicle Detection and Tracking’, 2007 IEEE Intelligent Transportation Systems Conference (2007).
Важно понимать, что революция в сфере искусственного интеллекта связана не только с тем, что компьютеры становятся быстрее и умнее. Ее подпитывают прорывы в естественных и социальных науках. Чем яснее мы понимаем механизмы биохимических процессов, лежащих в основе человеческих эмоций, желаний и поступков, тем успешнее компьютеры анализируют поведение человека и предсказывают его решения, заменяя водителей, банкиров и юристов.
В последние десятилетия исследования в области нейробиологии и поведенческой экономики позволили ученым «взломать» человеческое мышление и гораздо лучше понять, как действует механизм принятия решений. Выяснилось, что наш выбор чего бы то ни было, от еды до партнера, определяет не какая-то загадочная свобода воли, а взаимодействие миллиардов нейронов, за долю секунды вычисляющих вероятности. Хваленая «человеческая интуиция» на поверку оказалась «распознаванием образов» [12] . Хорошие водители, банкиры и юристы вовсе не обладают магической интуицией в отношении трафика, инвестиций или переговоров. Узнавая повторяющиеся схемы, они замечают неосторожных пешеходов, ненадежных заемщиков, хитрых мошенников и стараются избегать их. Выяснилось также, что биохимические алгоритмы человеческого мозга далеко не совершенны. Они основаны на эвристике, упрощениях и устаревших нервных связях, более пригодных для условий африканской саванны, чем для каменных джунглей города. Неудивительно, что даже опытные водители, банкиры и юристы иногда совершают глупые ошибки.
12
Daniel Kahneman, Thinking, Fast and Slow (New York: Farrar, Straus & Giroux, 2011); Dan Ariely, Predictably Irrational (New York: Harper, 2009); Brian D. Ripley, Pattern Recognition and Neural Networks (Cambridge: Cambridge University Press, 2007); Christopher M. Bishop, Pattern Recognition and Machine Learning (New York: Springer, 2007).
Это значит, что искусственный интеллект способен превзойти человека даже в решении тех задач, которые якобы требуют «интуиции». Если говорить о состязании искусственного интеллекта с человеком в том, что касается мистических предчувствий, такая задача кажется невыполнимой. А вот соревнование искусственного интеллекта с нейронными сетями в вычислительных возможностях и распознавании закономерностей уже не выглядит невероятным.
В частности, искусственный интеллект может лучше справляться с задачами, которые требуют интуиции в отношении поведения других людей. Многие занятия (например, управление автомобилем на дороге с большим потоком пешеходов, выдача кредитов незнакомым людям, ведение деловых переговоров) требуют способности правильной оценки эмоций и желаний других людей. Выскочит ли этот ребенок на дорогу? Не собирается ли этот человек в приличном костюме взять деньги и исчезнуть? Намерен ли этот юрист выполнить свои угрозы или он просто блефует? Пока мы полагали, что такого рода эмоции и желания порождаются нематериальной душой, казалось очевидным, что компьютеры никогда не заменят водителей, банкиров и юристов. Разве машина может понять то, что мистическим образом создано человеческой душой? Но если эти эмоции и желания суть результат действия биохимических алгоритмов, нет никаких причин, по которым компьютеры не могли бы расшифровывать их – и гораздо успешнее, чем любой Homo sapiens.
Водитель, предвидящий намерения пешехода, банкир, который оценивает кредитоспособность потенциального заемщика, и юрист, чувствующий настроение партнера за столом переговоров, опираются не на магию. Они просто не осознают, что их мозг распознает биохимические закономерности, анализируя выражение лица, интонации голоса, движения рук и даже исходящий от человека запах. Искусственный интеллект, снабженный соответствующими датчиками, может делать все это гораздо точнее и надежнее, чем человек.
Поэтому угроза массовой безработицы связана не только с развитием информационных технологий. К ней ведет слияние искусственного интеллекта с биотехнологиями. Путь от сканера МРТ до рынка труда долог и тернист, но его можно пройти за несколько десятилетий. Те знания, которые сегодня исследователи мозга получают о миндалевидном теле или мозжечке, к 2050 году позволят компьютерам превзойти психиатров и телохранителей.
Искусственный интеллект может не только «взламывать» людей и превосходить их в умениях и навыках, которые до сих пор считались исключительно человеческими. Он также обладает уникальными способностями, отсутствующими у человека, что делает различие между ним и работником из плоти и крови не только количественным, но и качественным. Две важные сверхчеловеческие способности искусственного интеллекта – это возможность подключения и взаимодействия, а также обновляемость.
Люди – отдельные личности, и их трудно подключить друг к другу и проследить, чтобы все они отвечали современным требованиям. Зато компьютеры легко объединить в единую гибкую сеть. Поэтому речь идет не о замене миллионов отдельных работников миллионами роботов и компьютеров. Скорее всего, отдельных людей заменят интегрированные сети. Говоря об автоматизации, некорректно сравнивать возможности одного водителя с возможностями одного беспилотного автомобиля или одного врача с одним искусственным интеллектом, который ставит диагноз и назначает лечение. Нужно сравнивать возможности коллектива людей с возможностями интегрированной сети.
Например, многие водители не знают о последних изменениях в правилах дорожного движения и поэтому часто их нарушают. Кроме того, поскольку каждая машина автономна, то, когда две машины приближаются к одному перекрестку, водители могут неверно оценить намерения друг друга, что приводит к аварии. Два беспилотных автомобиля, приближающиеся к перекрестку, не полностью автономны – они части единого алгоритма. Поэтому вероятность неверной интерпретации намерений, а значит, и столкновения у них гораздо ниже. А если министерство транспорта решит изменить какие-то пункты ПДД, все беспилотные автомобили можно одновременно и без особого труда перепрограммировать, чтобы они в точности соблюдали новые правила [13] .
13
Seyed Azimi et al., ‘Vehicular Networks for Collision Avoidance at Intersections,’ SAE International Journal of Passenger Cars – Mechanical Systems 4 (2011), 406–416; Swarun Kumar et al., ‘CarSpeak: A Content-Centric Network for Autonomous Driving’, SIGCOM Computer Communication Review 42(2012), 259–270; Mihail L. Sichitiu and Maria Kihl, ‘Inter-Vehicle Communication Systems: A Survey’, IEEE Communications Surveys & Tutorials (2008), 10; Mario Gerla, Eun-Kyu Lee and Giovanni Pau, ‘Internet of Vehicles: From Intelligent Grid to Autonomous Cars and Vehicular Clouds’, 2014 IEEE World Forum on Internet of Things (WF-IoT) (2014), 241–246.
Сказанное справедливо и для медицины. Когда Всемирная организация здравоохранения выявляет новое заболевание или какая-нибудь лаборатория создает новое лекарство, информацию об этом практически невозможно донести сразу до всех врачей в мире. Но если мы создадим даже 10 миллиардов систем медицинского искусственного интеллекта и каждая будет следить за здоровьем какого-то одного человека, информацию в них можно обновить за доли секунды, и эти системы легко смогут обмениваться данными о новом вирусе или препарате. Эти потенциальные преимущества – взаимодействие и обновляемость – столь велики, что в некоторых профессиях имеет смысл заменить всех людей компьютерами, даже если некоторые специалисты по-прежнему справляются с работой лучше машины.