В последнее время в обществе растёт беспокойство по поводу автоматизации жизнедеятельности человека, страх, что в будущем многие задачи, выполняемые сегодня человеком, возьмут на себя машины, — это неудивительно, учитывая колоссальный прогресс в области искусственного интеллекта и робототехники. Уже ясно, что в будущем нас ждут значительные перемены. Но менее ясным остаётся характер перемен. Мои исследования показывают, что нас ждёт тревожное и увлекательное будущее.

Угроза технологической безработицы существует на самом деле, но этой проблеме нам стоило бы радоваться. А чтобы объяснить вам, как я пришёл к этому выводу, я хотел бы развеять три мифа, которые, я считаю, мешают нам трезво оценить это самое будущее.

В книгах, кинофильмах и новостях нам показывают, как армия роботов вторгается в наше рабочее пространство с единственной целью: вытеснить человека с его рабочего места. Я называю это мифом Терминатора. Да, машины освободили человека от выполнения определённых задач. Но они не столько сместили людей, сколько дополнили наш труд, делая его более ценным и важным. Зачастую машины напрямую дополняют деятельность человека, помогают нам достичь большей продуктивности и эффективности в работе. Так, в незнакомой местности таксист может воспользоваться спутниковой навигацией. Благодаря системам автоматизированного проектирования архитектор может разработать более сложный и замысловатый дизайн сооружения.

Но технологический прогресс дополняет человека не только напрямую. Это может происходить косвенно двумя способами. Для начала давайте представим экономику в качестве пирога. Благодаря технологическому прогрессу этот пирог становится больше. По мере того как растёт продуктивность, повышаются доходы и спрос. К примеру, пирог Великобритании сегодня в более чем 100 раз крупнее своего аналога 300-летней давности. А люди, потерявшие работу в экономике старого пирога, могут трудоустроиться в рамках нового пирога. Но благодаря технологическому прогрессу пирог становится не только крупнее. Меняются и его ингредиенты. Со временем люди начинают тратить свои доходы по-другому. Меняется структура затрат на существующие товары, и появляется потребность в совершенно новых товарах. Появляются новые отрасли хозяйства, возникает потребность в новых профессиях, а значит, открываются позиции, которые необходимо заполнить. И снова о пироге Великобритании: 300 лет назад большинство британцев зарабатывали на жизнь на фермах, 150 лет назад — на заводах, а сегодня большинство жителей трудятся в офисах. Опять же — те, кто потерял работу в старом пироге, могут трудоустроиться в рамках нового пирога.

Экономисты называют это явление комплементарностью.

Но на самом деле это просто красивое слово для обозначения технологического прогресса, находящегося на службе у человека. Развенчивая миф Терминатора, мы понимаем, что тут противоборствуют две силы: первая сила — замещение машинами, которое вредит человеку, вторая сила — комплементарность — оказывает положительный эффект.

Поговорим о втором мифе, который я обозначил как интеллектуальный миф. Вождение автомобиля, постановка диагноза и распознавание птиц — что общего между всеми этими задачами? Объединяет их то, что до недавнего времени их нельзя было автоматизировать, как полагали ведущие экономисты. И тем не менее сегодня все эти задачи могут быть автоматизированы. Все ведущие производители автомобилей сегодня разрабатывают беспилотные авто. Медики уже располагают множеством диагностических аппаратов. Что же касается птиц, существует приложение, позволяющее определять их на расстоянии.

Не будем утверждать, что экономистам просто не повезло. Они оказались неправы, но причина, по которой они ошибались, имеет большое значение. Они стали жертвами интеллектуального мифа, считая, что машины должны имитировать людей в том, как мы мыслим и рассуждаем, если хотим, чтобы машины стали умнее нас. Когда экономисты попытались разобраться, какие задачи машинам будут не под силу, они думали, что единственный способ автоматизировать задачу — организовать встречу специалистов с программистами, попросить специалистов описать алгоритм выполнения задачи, а затем попытаться формализовать этот алгоритм в виде инструкций, которым машина будет следовать. Одно время такой подход был популярен и в области искусственного интеллекта. Знаю я об этом потому, что Ричард Сюскинд — мой отец и соавтор книги, — будучи студентом Оксфорда, в 1980-х написал докторскую диссертацию на тему искусственного интеллекта и права, а был он тогда в авангарде науки. Вместе с профессором Филлипом Кэппером и издательством правовой литературы Butterworths они выпустили в продажу первую в мире систему искусственного интеллекта в области права. Так выглядела заставка программы на компьютере. Отец говорит, что она считалась очень крутой по тем временам.

Не очень-то верится. Опубликовали они эту программу на двух гибких дисках. В то время гибкие диски на самом деле были очень гибкими. Тогда они подошли к вопросу, как те самые экономисты: встретились с юристом, попросили его описать алгоритм решения правовой проблемы и затем попытались написать программу для решения поставленной задачи. В экономике, если человек может описать задачу таким вот образом, задача считается рутинной и её можно автоматизировать. Но если человек не может описать процесс, задача считается творческой, то есть нерутинной, и часто неразрешимой. Сегодня классификация задач на рутинные и творческие встречается повсеместно. Вспомните, как часто вы слышите о том, что машины могут выполнять только предсказуемые и повторяющиеся задачи, те, что следуют правилам, и которые легко определить. Всё это лишь синонимы рутинных задач. Давайте вернёмся к трём примерам, которые я привёл ранее. Все три являются классическими примерами творческих задач. Задайте вопрос врачам, как, например, они ставят диагнозы. Скорее всего, они приведут несколько общих правил, но в целом точного ответа не дадут. Скажут, например, что постановка диагноза требует творческого подхода, правильного суждения и интуиции. Но такие вещи бывает очень трудно описать, поэтому считалось, что автоматизировать их также будет нелегко. Если человек не может объяснить какой-то процесс, как он составит инструкции для машины?

Тридцать лет назад такое мнение считалось правильным, сегодня это утверждение можно подвергнуть сомнению, а завтра оно окажется совершенно неправильным. Колоссальная вычислительная мощность, огромные хранилища данных и усовершенствованные алгоритмы являются показателем того, что граница между рутинными и творческими задачами начинает стираться.

Давайте вернёмся к примеру c постановкой диагноза. Несколько месяцев назад исследователи Стэнфордского университета объявили, что они разработали систему распознавания раковых клеток на веснушках человека и что эта система ставит диагноз так же точно, как ведущие дерматологи. Как им это удалось? Машина не запрограммирована копировать ход суждения или интуицию врачей. Более того, машина вообще ничего не смыслит в медицине. На самом деле она следует алгоритму распознавания, выискивая среди 129 450 наборов данных случаи, схожие с исследуемой патологией кожи. Делается это методом, на который не способен ни один человек. Машина анализирует такое количество наборов данных, которое ни один врач не сможет просмотреть за всю свою жизнь. В данном случае машина ставит диагноз без учёта того, как к этому вопросу подошёл бы врач-специалист.

Суперкомпьютер компании IBM

Многие, безусловно, согласятся с тем, что эти машины строились не по образу и подобию человека. Например, Watson — суперкомпьютер компании IBM, принявший в 2011 году участие в американской игре-викторине «Jeopardy!» и одержавший победу над человеком — двумя сильнейшими соперниками. На следующий день после игры в газете Wall Street Journal появилась заметка философа Джона Сёрла, озаглавленная «Watson понятия не имеет, что он победил в викторине "Jeopardy!"». Блестящее и очень верное замечание. Watson ведь не закричал от радости. Он не позвонил родителям, чтобы рассказать им о своей победе. И он не отправился в паб, чтобы выпить стаканчик. Эта машина не пыталась копировать соперников-людей, но это не имело значения. Машина всё равно их обыграла.

Развенчивая интеллектуальный миф, мы видим, что несмотря на то, что наши знания о человеческом разуме, мышлении и суждении весьма ограничены, в наше время большого влияния на автоматизацию машин это не имеет. Более того, как мы отметили, когда эти машины выполняют задачи методом, отличным от методов человека, не стóит полагать, что возможности человека сегодня являются пределом того, на что будут способны автоматизированные машины в будущем.

И теперь третий миф, который я называю мифом о превосходстве человека. Принято считать, что те, кто забывают о пользе технологического прогресса, о комплементарности человека и машины, впадают в заблуждение о неизменном объёме работ. Но проблема в том, что само заблуждение о неизменном объёме работ является ошибочным, и я называю это ошибкой заблуждения. Давайте я поясню. Данное заблуждение — не новая концепция. Такое название в 1892 году ей дал британский экономист Дэвид Шлосс. Однажды он пришёл в недоумение, когда повстречал портового рабочего, который начал изготавливать на станке шайбы — небольшие металлические пластины, которые крепятся под головку болта. Этот рабочий испытывал угрызения совести, потому что стал более продуктивен. Как правило, происходит обратное — люди чувствуют свою вину, если работают не очень продуктивно. Например, если на работе мы много времени проводим в Facebook или Twitter. Но рабочий чувствовал вину потому, что был слишком продуктивен. На вопрос Шлосса почему, он ответил: «Я знаю, что поступаю неправильно. Я лишаю другого человека работы». Рабочий полагал, что существует фиксированный объём работы, который они делят между собой, и если он начнёт делать шайбы на станке, то произведёт их больше, а остальным не останется работы. Шлосс понял, в чём ошибка. Объём работы не был фиксированным. Если благодаря станку производительность увеличится, стоимость шайб снизится, а значит, увеличится спрос. Рабочим надо будет вырезать больше шайб, и работы прибавится для всех. То есть объём работы в целом увеличится. Шлосс назвал эту концепцию заблуждением о неизменном объёме работ.

Сегодня часто вспоминают об этой теории, когда речь заходит о работе будущего.

Не существует какого-то определённого объёма работ, который человек делит с машиной. Да, машины замещают человека, уменьшая исходный объём работы, но они также и дополняют нас, так что в целом объём работы увеличивается,

меняется специфика работы. Так в чём же ошибка заблуждения? А вот в чём. Верно, что благодаря технологическому прогрессу объём работы увеличивается. Некоторые специальности становятся более востребованными, появляется спрос и на новые специальности. Но неверно думать, что человек может выполнить какие-то задачи лучше машин. В этом суть мифа о превосходстве. Да, объём работ может увеличиться и измениться, но по мере того, как машины становятся умнее, вероятнее всего, они возьмут на себя этот новый объём работы. При технологическом прогрессе машины не столько дополняют человека, сколько дополняют сами себя.

Чтобы убедиться в этом, возьмём для примера вождение автомобиля. Сегодня системы спутниковой навигации напрямую дополняют человека. Благодаря им мы стали более эффективными и безопасными водителями. В будущем, однако, усовершенствованные компьютерные программы вытеснят человека с водительского кресла, а системы навигации, вместо того, чтобы дополнять человека, сделают более эффективными беспилотные автомобили, тем самым помогая самим машинам. Вспомним о примерах косвенной комплементарности, о которых я говорил. Экономический пирог может увеличиться, но по мере того, как машины становятся умнее, появившийся спрос, скорее всего, эффективнее удовлетворят машины, а не человек. Ингредиенты пирога тоже могут измениться, но по мере того, как машины будут приобретать новые навыки, возможно, именно они и займут новые рабочие места. Итак, спрос на рабочую силу — не обязательно спрос на человеческий труд. Человек может выиграть от этих перемен, но только если он будет контролировать комплементарные задачи. Но поскольку машины станут умнее, то и это можно поставить под сомнение.

Выводы

Какие же выводы мы можем сделать из этого? Развенчивая миф Терминатора, мы понимаем, что наше будущее зависит от взаимодействия двух сил: замещения машинами, которое вредит человеку, а также комплементарности, от которой человек только выигрывает. Пока чаша весов всегда склонялась в пользу человека. Развенчивая второй — интеллектуальный — миф, мы увидели, что первая сила — замещение машинами — тем не менее набирает силу. Машины, безусловно, не всемогущи, но они способны на многое и уже активно перенимают те специальности, которые когда-то принадлежали людям. У нас нет оснований полагать, что то, на что способен человек, представляет предел возможностей для машин и что машины учтиво остановятся на достигнутом, как только сравняются с человеком. На самом деле всё это не так важно, если выгодные для нас ветра комплементарности продолжат дуть в нужном направлении. Но развенчивая миф о превосходстве, мы понимаем, что постепенное вторжение машин в профессиональную деятельность человека не только упрочивает позиции машин при замещении человека, но и сводит на нет выгодные для нас силы комплементарности. Мы рассмотрели три мифа о будущем нашей работы, и картина вырисовывается довольно мрачная. Машины становятся более способными, всё глубже вторгаются в профессиональную деятельность человека, обретают бóльшую силу при замещении человека и ослабляют комплементарность. И в какой-то момент перевес окажется на стороне машин, а не людей. Сейчас мы находимся на этом пути. Я сказал «пути», потому что считаю, что мы ещё не дошли до финишной прямой. Но трудно не сделать вывод, что мы продолжаем двигаться в этом направлении.

Это не может не беспокоить. Теперь я расскажу, почему я считаю, что этой проблеме мы должны радоваться. На протяжении почти всей истории человечества доминировала экономическая проблема: как увеличить экономический пирог, чтобы его хватило всем. На рубеже первого столетия нашей эры этого пирога хватило бы, чтобы каждому жителю планеты досталось ровно по несколько сотен долларов. Почти все жили за чертой или около черты бедности. Если перенестись на тысячу лет вперёд, вы увидите почти ту же картину. Но именно в последние пару сотен лет стал наблюдаться устойчивый экономический рост. Экономический пирог достиг небывалых размеров. В мировых масштабах ВВП на душу населения, то есть размер каждого отдельного кусочка пирога, сегодня составляет почти 10 150 долларов. Если рост мировой экономики продолжится на уровне 2%, наши дети станут в два раза богаче нас. Если этот показатель составит всего 1%, наши внуки окажутся богаче нас вдвое. То есть, по большому счёту, мы решили историческую проблему мировой экономики.

Сделать экономический пирог больше

Если технологическая безработица всё-таки станет реальностью, как ни странно, она окажется симптомом этого экономического успеха. Решив одну проблему: как сделать пирог больше, мы обзавелись новой проблемой: как сделать так, чтобы все жители планеты получили по куску пирога. Другие экономисты также заявили, что решить эту проблему будет непросто. Сегодня, чтобы получить кусочек, большинству населения надо лишь занять место за экономическим столом. Если работы для населения станет меньше или же её не будет совсем, непонятно, как распределятся эти куски. Уже обсуждаются различные формы безусловного основного дохода (БОД) — это один возможный подход. В США, Финляндии и Кении даже проводятся эксперименты с БОД. Нам всем предстоит решить вопрос о том, как распределить то материальное благосостояние, которое появится у нас в новой экономической системе, чтобы его плодами могли насладиться все жители планеты. В том новом мире наши традиционные механизмы распределения пирога и распределения объёма работы для каждого человека станут неэффективны и, возможно, исчезнут совсем.

Чтобы решить эту проблему, нам придётся серьёзно подумать. Будет много споров о том, как к этому подойти. Но важно, чтобы мы помнили, что эта проблема — вовсе не проблема по сравнению с той, которая преследовала наших предков тысячелетиями, а именно, как сделать экономический пирог больше.

Daniel Susskind
|
TED@Merck KGaA, Darmstadt, Germany
Translated by Anna Pecot
Reviewed by Alena Chernykh