Этот переход достигнут благодаря использованию широко распространенного ныне метода – машинного обучения (англ. machine learning), который вместо последовательности чисто вычислительных алгоритмов, основанных на операторах if – then (если – то) использует так называемые «нейронные сети»[13] (англ. neural networks). Машинное обучение подразумевает, что машины могут находить собственные решения тех или иных задач, опираясь на обучающие данные, и адаптироваться к меняющимся обстоятельствам (точнее, к различным наборам обучающих данных). При этом искусственный интеллект имитирует некоторые операции человеческого мозга – но делает это быстрее. Повсеместное внедрение машинного обучения в полной мере соответствует описанному выше набору из четырех законов, которые, вместе взятые, описывают ускорение передачи и обработки больших объемов информации.
Рассмотрим, например, программу AlphaGo, которая в 2017 году победила китайца Ли Седола – 18-кратного чемпиона мира в игре го. Игровая система AlphaGo была создана британской компанией DeepMind, специализирующейся на создании систем искусственного интеллекта, а корпорация Google купила ее в 2014 году. Исходно были созданы три разные версии AlphaGo: Lee, Master и Zero[14]. Версии Lee и Master обучались (в разной степени) комплексным образом – основываясь на правилах игры, информации о партиях, сыгранных ранее лучшими игроками, учебниках, написанных для людей, и инструкциях, созданных экспертами по го. В отличие от первых версий, версия Zero получила лишь полную информацию о правилах игры и указание сыграть самой против себя как можно большее число раз, чтобы разработать собственные игровые стратегии без использования предыдущих знаний. Другими словами, AlphaGo Zero стала сама себе и учителем, и тренером, и спарринг-партнером.
За 40 дней AlphaGo Zero сыграла 29 миллионов игр и создала базу данных по игровым ситуациям, равной которой никто из игроков-людей никогда не имел. За четыре дня Zero научилась обыгрывать версию AlphaGo Lee, а спустя 34 дня она победила и версию AlphaGo Master.
Поразительно, что AlphaGo Zero смогла разработать стратегии, качественно отличающиеся от тех, которые используются людьми, играющими в го. Создатели новой системы описывали это так: «В течение нескольких дней, начав фактически с чистого листа, AlphaGo Zero смогла самостоятельно открыть для себя большую часть знаний об игре го вместе с новаторскими стратегиями, которые заставляют нас изменить традиционные представления об этой древнейшей из игр».
Если первые вычислительные таблицы VisiCalc были запрограммированы для быстрого выполнения стандартных цепочек сложных вычислений, то AlphaGo Zero получила более общее по смыслу задание – выиграть партию в го. В некотором смысле Zero и подобные ей современные системы искусственного интеллекта используют принципы, основанные на логике, а также намеренное воздействие на результаты процесса (игры), демонстрируя при этом технические возможности, выходящие за рамки человеческих.
Именно эта комбинация способностей и намерений искусственного интеллекта, вместе с тенденцией замены людей роботами и расширения сферы использования последних, и означает, что характер работы людей постепенно трансформируется, независимо от того, кем вы работаете сейчас – кассиром, водителем грузовика, юристом или финансовым консультантом. С этим процессом, разумеется, связан и риск потери работы – например, после повсеместного введения электронных таблиц в практику финансового учета, в отделах бухгалтерии было сокращено не менее 400 тысяч рабочих мест[15].
Другая героиня нашей книги – Инь работает в Сиднее бухгалтером, и она на себе испытала последствия внедрения искусственного интеллекта. Руководство фирмы приняло решение перенаправить инвестиции в интеллектуальные технологии, что привело к значительному сокращению числа сотрудников, работавших в отделе обработки счетов, которым руководит Инь. Женщина хотела работать на своем месте до тех пор, пока в 65 лет не выйдет на пенсию, однако сейчас ей только 55, а начальство предложило ей в течение шести месяцев найти другую работу. Инь считает, что она – высококвалифицированный специалист, поскольку получила степень бакалавра в области бухгалтерского учета, а затем аттестацию дипломированного бухгалтера, но, хотя она подала несколько заявлений о приеме на работу, ее не пригласили ни на одно собеседование. Ранее от развития автоматизированных технологий больше всего страдали сотрудники, чей уровень образования был существенно ниже, но теперь даже Инь, с ее высокой профессиональной квалификацией, пришлось вступить в борьбу за существование.
Наша британская героиня Эстель работает, как вы помните, кассиром в лондонском супермаркете и сейчас столкнулась с теми же проблемами, что и Инь в Австралии. Все больше покупателей используют систему самообслуживания, и скоро наступит время, когда и ее работодатели пойдут по пути торговой сети Amazon Go и введут политику сокращения кассиров вплоть до окончательной отмены касс. Эстель обеспокоена, потому что от своего бывшего мужа получает очень ограниченную финансовую поддержку – после того, как тот потерял работу на одном из складов – и тоже по причине автоматизации. В дополнение к своему основному доходу и алиментам, Эстель работает по ночам в местном доме престарелых. Друзья предложили ей перейти туда на полный рабочий день, для этого потребуется пройти обучение и сдать квалификационный экзамен, что в совокупности продлится два года. Эстель попыталась учиться на вечерних курсах, но уже дважды их бросала, и теперь, похоже, у нее нет ни времени, ни денег, чтобы получить новую профессию.
Примеры Инь и Эстель демонстрируют масштабы проблем образования, стоящих перед обществом, поскольку новые технологии и увеличивающаяся продолжительность жизни усиливают давление безработицы. Образовательным учреждениям необходимо развиваться – это единственный способ успеть за возникающими проблемами и предоставить желающим обучающие курсы, чтобы помочь людям справиться с потерей рабочих мест. Правительствам, со своей стороны, придется расширять финансовое и организационное участие в создании системы образования, дающей людям возможность учиться практически в течение всей жизни.
В каких областях люди все еще будут превосходить машины?
Если закономерности развития новых технологий сохранятся и в будущем, то уже через несколько лет на фоне новых интеллектуальных систем сверхсовременная AlphaGo будет выглядеть столь же ограниченной и малопроизводительной, какими таблицы VisiCalc 40-летней давности представляются нам сегодня. Хотя нынешние машины можно считать достаточно «умными» для выполнения ряда специфических задач, в частности для победы над людьми в таких играх, как шахматы, го или покер, они все же не настолько разумны, как человек[16]. Человеческий мозг исключительно хорошо приспособлен к тому, чтобы формулировать и ставить вопросы, выдвигать гипотезы, переключаться между решением множества различных проблем и прогнозировать будущие возможности. Исходя из этого, конечной целью нынешнего направления технологического развития является создание универсального искусственного интеллекта – машинных систем, которые могут успешно решать любые интеллектуальные задачи, доступные человеку. Переломным моментом для универсального искусственного интеллекта считается достижение «сингулярности» – момента, когда машины станут способны изобретать машины, более умные, чем они сами, что приведет к быстрому и автономному наращиванию потенциала, и в конечном счете, как ожидается, машины станут значительно умнее людей во всех сферах.
Размышляя о возможных сценариях нашего будущего, очень важно понимать принципиальное различие между современным искусственным интеллектом (еще называемым «узким» ИИ) и универсальным искусственным интеллектом, который мы только что упомянули. Подавляющее большинство самых мрачных прогнозов, касающихся экономики, социального устройства и экзистенциальных проблем, основано именно на предположениях о доминирующей роли универсального ИИ – когда машины во всем станут лучше, чем люди, и сделают окружающий мир невыносимым для человечества. Тем не менее, современные исследования в области интеллектуальных технологий весьма далеки от этой точки. Пока что даже простейшие тесты на человеческое восприятие и мышление, скажем, выявление дорожных знаков на изображениях CAPTCHA[17], применяемых в защите от роботизированного спама, оказываются слишком трудными для узкого ИИ. Да и сам вопрос о том, когда появится универсальный искусственный интеллект (и даже появится ли он в принципе), был и остается предметом многочисленных споров. Макс Тегмарк, эксперт из Массачусетского технологического института, цитирует результаты опроса компьютерных ученых: их оценки варьируют в широчайших пределах – от «через нескольких лет» до «никогда»[18]. Средняя оценка (если она вообще здесь возможна) такова, что универсальный искусственный интеллект будет разработан к 2055 году, то есть в течение ожидаемого срока жизни любого человека, которому сегодня менее 60 лет. Но до появления универсального ИИ люди будут иметь перед машинами множество неоспоримых преимуществ.
