Чтобы понять природу технологического вызова, лучше всего, пожалуй, начать с рынка труда. С 2015 года я путешествовал по всему миру и беседовал с чиновниками, бизнесменами, общественными деятелями и студентами о том трудном положении, в котором оказалось человечество. Когда в ходе дискуссии об искусственном интеллекте, алгоритмах больших данных и биоинженерии я видел, что их одолевает отчаяние или скука, мне, как правило, хватало одного волшебного слова, чтобы снова привлечь внимание аудитории. Это было слово «работа». Очень скоро технологическая революция может вытеснить с рынка труда миллионы работников и образовать многочисленный класс лишних людей, что приведет к социальным и политическим потрясениям, справиться с которыми не под силу ни одной из существующих идеологий. Разговоры о технологии и идеологии могут показаться абстрактными и далекими от жизни, но более чем реальная перспектива массовой безработицы не оставляет равнодушным никого.
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, что времена изменились и что машинное обучение в корне изменит правила игры.
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.
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.
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).
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-Sébastien 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).
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).