21 урок для XXI века
Шрифт:
Вы можете возразить, что, заменив отдельных людей компьютерной сетью, мы лишимся преимуществ индивидуального подхода. Например, если один врач поставит неверный диагноз, он не убьет всех пациентов в мире и не остановит разработку всех новых лекарств. Но если все врачи представляют собой единую систему и эта система допустит ошибку, результат может оказаться катастрофическим. В реальности интегрированные компьютерные системы могут максимизировать преимущества взаимодействия, не растеряв преимуществ индивидуального подхода. В одной сети будут выполняться разные алгоритмы – так, чтобы пациент в отдаленной деревне в джунглях мог с помощью смартфона связаться не с одним авторитетным врачом, а с сотнями систем медицинского искусственного интеллекта, работа которых подвергается постоянному сравнению. Не устраивают рекомендации врача IBM? Не страшно. Даже если вы застряли где-то на склонах Килиманджаро, вам не составит никакого труда узнать мнение доктора из Baidu.
Польза для человеческого общества, вероятно, будет огромной. Системы медицинского искусственного интеллекта смогут обеспечить более качественным и дешевым медицинским обслуживанием миллиарды людей, включая тех, кому сегодня вообще недоступны услуги здравоохранения. Благодаря
14
David D. Luxton et al., ‘mHealth for Mental Health: Integrating Smartphone Technology in Behavioural Healthcare’, Professional Psychology: Research and Practice 42:6 (2011), 505–512; Abu Saleh Mohammad Mosa, Illhoi Yoo and Lincoln Sheets, ‘A Systematic Review of Healthcare Application for Smartphones’, BMC Medical Informatics and Decision Making 12:1 (2012), 67; Karl Frederick Braekkan Payne, Heather Wharrad and Kim Watts, ‘Smartphone and Medical Related App Use among Medical Students and Junior Doctors in the United Kingdom (UK): A Regional Survey’, BMC Medical Informatics and Decision Making 12:1 (2012), 121; Sandeep Kumar Vashist, E. Marion Schneider and John H. T. Loung, ‘Commercial Smartphone-Based Devices and Smart Applications for Personalised Healthcare Monitoring and Management’, Diagnostics 4:3 (2014), 104–128; Maged N. Kamel Bouls et al., ‘How Smartphones Are Changing the Face of Mobile and Participatory Healthcare: An Overview, with Example from eCAALYX’, BioMedical Engineering OnLine 10:24 (2011),accessed 30 July 2017; Paul J. F. White, Blake W. Podaima and Marcia R. Friesen, ‘Algorithms for Smartphone and Tablet Image Analysis for Healthcare Applications’, IEEE Access 2 (2014), 831–840.
Аналогичным образом беспилотные автомобили могли бы обеспечить людей лучшими транспортными услугами – в частности, снизить смертность из-за автомобильных аварий. В наши дни в авариях на дорогах ежегодно гибнет около 1,25 миллиона человек (в два раза больше, чем из-за войн, преступлений и терактов) [15] . Более 90 % этих аварий связаны с так называемым человеческим фактором: кто-то сел за руль нетрезвым, кто-то вел машину, набирая сообщение на телефоне, кто-то заснул за рулем, кто-то просто погрузился в грезы, вместо того чтобы следить за дорогой. По оценкам Национального управления безопасности движения на трассах, в 2012 году в США причиной 31 % смертельных аварий был алкоголь, 30 % – превышение скорости и 21 % – невнимательность [16] . Для беспилотных автомобилей подобное невозможно. Хотя у них есть свои проблемы и ограничения, а некоторых аварий не удастся избежать никому, замена всех водителей компьютерами, как ожидается, снизит уровень смертности и травм на дорогах приблизительно на 90 % [17] . Иными словами, переход на беспилотные автомобили, по всей видимости, каждый год будет сохранять жизни миллиону человек.
15
World Health Organization, Global status report on road safety 2015 (2016); ‘Estimates for 2000–2015, Cause-Specific Mortality’,accessed 6 September 2017.
16
Анализ причин автомобильных аварий в США см.: Daniel J. Fagnant and Kara Kockelman, ‘Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Recommendations’, Transportation Research Part A: Policy and Practice 77 (2015), 167–181; анализ данных по всему миру см., например: OECD/ITF, Road Safety Annual Report 2016 (Paris: OECD Publishing, 2016), http://dx.doi.org/10.1787/irtad-2016-en.
17
Kristofer D. Kusano and Hampton C. Gabler, ‘Safety Benefits of Forward Collision Warning, Brake Assist, and Autonomous Braking Systems in Rear-End Collisions’, IEEE Transactions on Intelligent Transportation Systems 13:4 (2012), 1546–1555; James M. Anderson et al., Autonomous Vehicle Technology: A Guide for Policymakers (Santa Monica: RAND Corporation, 2014), esp. 13–15; Daniel J. Fagnant and Kara Kockelman, ‘Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Recommendations’, Transportation Research Part A: Policy and Practice 77 (2015), 167–181; Jean-Francois Bonnefon, Azim Shariff and Iyad Rahwan, ‘Autonomous Vehicles Need Experimental Ethics: Are We Ready for Utilitarian Cars?’, arXiv (2015), 1–15. О предложениях по созданию межтранспортных сетей для предотвращения аварий см.: Seyed R. Azimi et al., ‘Vehicular Networks for Collision Avoidance at Intersections’, SAE International Journal of Passenger Cars – Mechanical Systems 4:1 (2011), 406–416; Swarun Kumar et al., ‘CarSpeak: A Content-Centric Network for Autonomous Driving’, SIGCOM Computer Communication Review 42:4 (2012), 259–270; Mihail L. Sichitiu and Maria Kihl, ‘Inter-Vehicle Communication Systems: A Survey’, IEEE Communications Surveys & Tutorials 10:2 (2008); Mario Gerla et al., ‘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.
Так что было бы безумием препятствовать автоматизации в сфере транспорта и здравоохранения только ради того, чтобы сохранить людям рабочие места. Ведь по большому счету защищать нужно именно людей, а не работу. Освободившимся водителям и врачам просто придется искать себе другие занятия.
Алгоритм по имени Моцарт
Маловероятно, что искусственный интеллект и роботы полностью уничтожат целые отрасли – по крайней мере, в ближайшее время. Будет автоматизирован в основном узкий диапазон монотонных рабочих операций. Гораздо труднее заменить машинами представителей творческих профессий, в которых необходимо использовать широкий набор навыков и которые требуют умения действовать в непредсказуемых ситуациях. Вернемся к здравоохранению. Многие врачи практически полностью заняты обработкой информации: они собирают данные о здоровье, анализируют их, ставят диагноз. А вот медсестра должна обладать хорошими моторными и эмоциональными навыками, чтобы безболезненно сделать укол, сменить повязку или успокоить буйного пациента. Поэтому, скорее всего, семейный врач с искусственным интеллектом на нашем смартфоне появится на несколько десятилетий раньше, чем мы увидим надежного робота-медсестру [18] . По всей вероятности, сфера социального обслуживания – забота о больных, детях и стариках – еще долго останется в ведении человека.
18
Michael Chui, James Manyika and Mehdi Miremadi, ‘Where Machines Could Replace Humans – and Where They Can’t (Yet)’, McKinsey Quarterly (2016),accessed 1 March 2018.
Люди живут все дольше, а детей у них становится меньше, и поэтому уход за пожилыми будет одним из самых быстрорастущих секторов на рынке труда для человека.
Плохо поддается автоматизации не только уход за больными и немощными, но и творческий процесс. Нам больше не нужны люди, продающие музыку: мы можем напрямую загрузить ее из iTunes, – но композиторы, музыканты, певцы и диджеи у нас по-прежнему из плоти и крови. Мы полагаемся на творческие способности людей не только в сочинении новой музыки, но и в выборе из невероятного количества доступных вариантов.
И все же автоматизации не избежит ни одна сфера – даже искусство. В современном мире искусство обычно ассоциируют с человеческими эмоциями. Мы склонны считать, что художник дает выход неким внутренним психологическим процессам, что цель искусства – помочь нам осознать свои эмоции или пробудить в нас новые чувства. Поэтому, анализируя искусство, мы пытаемся судить о нем по эмоциональному воздействию на аудиторию. Но если в основе искусства лежат чувства, что произойдет, когда внешние алгоритмы научатся понимать человеческие эмоции и манипулировать ими лучше, чем Шекспир, Фрида Кало или Бейонсе?
В конце концов, эмоции – вовсе не мистическое явление, а продукт биохимических процессов. Поэтому в недалеком будущем алгоритм машинного обучения сможет анализировать биометрические данные от датчиков внутри и на поверхности вашего тела, определять ваш тип личности, следить за сменой настроения, а затем вычислять эмоциональное воздействие, которое окажет на вас та или иная композиция – или даже музыкальная тональность [19] .
Вероятно, из всех видов искусства для анализа больших данных лучше всего подходит музыка, поскольку и она сама, и результат ее воздействия поддаются точному математическому описанию. На входе – математические диаграммы звуковых волн, на выходе – электрохимические диаграммы нейронных бурь. Через несколько десятилетий алгоритм, проанализировавший миллионы мелодий, научится предсказывать, какую реакцию вызовет любая из них [20] .
19
Wu Youyou, Michal Kosinski and David Stillwell, ‘Computer-based personality judgments are more accurate than those made by humans’, PANS, vol. 112 (2014), 1036–1038.
20
Stuart Dredge, ‘AI and music: will we be slaves to the algorithm?’ Guardian, 6 August 2017,accessed 15 October 2017. Обзорный анализ методов см.: Jose David Fern'andez and Francisco Vico, ‘AI Methods in Algorithmic Composition: A Comprehensive Survey’, Journal of Artificial Intelligence Research 48 (2013), 513–582.
Предположим, вы только что поссорились с близким человеком. Алгоритм, управляющий аудиосистемой в вашем доме, сразу же заметит ваше эмоциональное возбуждение и, основываясь на том, что он знает о вас лично и о человеческой психологии в целом, включит композиции, соответствующие вашему мрачному настроению и созвучные вашим переживаниям. Эти мелодии не обязательно подойдут другим, но для вашего типа личности они идеальны. После того как алгоритм поможет вам осознать глубину ваших страданий, он включит единственную в мире песню, которая способна вас утешить – возможно, потому, что ваше подсознание ассоциирует ее с воспоминаниями о счастливом детстве, хотя вы об этом даже не догадываетесь. Ни один диджей никогда не сравняется в этом умении с искусственным интеллектом.
Вы можете возразить, что таким образом искусственный интеллект убьет интуицию и запрет нас внутри тесного музыкального кокона, сотканного из предыдущих предпочтений. А как насчет того, чтобы ознакомиться с новыми музыкальными стилями? Не проблема. Вы легко сможете запрограммировать алгоритм так, чтобы в 5 % случаев его выбор был абсолютно случайным – он будет без предупреждения проигрывать вам записи индонезийского оркестра гамелан, оперы Россини или последние южнокорейские хиты. Со временем, регистрируя вашу реакцию, искусственный интеллект сумеет даже вычислить оптимальный уровень случайности, который будет обеспечивать необходимую новизну, не вызывая раздражения: например, понизит его до 3 % или повысит до 8 %.
Другое возможное возражение – непонятно, как алгоритм будет устанавливать «эмоциональную цель». Если вы поссорились с другом, к каким эмоциям должен подталкивать вас алгоритм – к печали или к радости? Будет ли он слепо придерживаться жесткой шкалы «хороших» и «плохих» эмоций? А что, если в жизни бывают минуты, когда грусть полезна? Тот же вопрос можно адресовать музыкантам и диджеям. Однако алгоритм может предложить много интересных решений и для этой задачи.
Одно из них – просто предоставить решать пользователю. Вы можете выбрать желательные эмоции, а алгоритм будет следовать вашим указаниям. Иногда вам хочется жалеть себя, иногда – прыгать от радости. Алгоритм будет покорно вам подчиняться. Он научится распознавать ваши желания даже тогда, когда вы сами плохо их понимаете.