Эндрю Макафи - Вторая эра машин. Работа, прогресс и процветание в эпоху новейших технологий

Мы не могли оторвать взгляда от экрана и совершенно не обращали внимания на дорогу до тех пор, пока движение впереди полностью не остановилось. Наш автомобиль начал мягко тормозить, а затем остановился на безопасном расстоянии от ехавшей впереди машины, после чего начал понемногу двигаться вместе со всем остальным потоком. В течение всего этого процесса работники Google, сидевшие на переднем сиденье, не прекращали своего разговора, не демонстрировали никаких следов нервозности или интереса к происходившему на дороге. Сотни часов, проведенных в беспилотном автомобиле, убедили их в том, что он вполне в состоянии справиться с движением в пробке. К тому моменту, когда машина припарковалась, мы разделяли их уверенность.

Наша поездка по шоссе 101 в тот день была для нас особенно странной, поскольку всего несколькими годами ранее мы были уверены, что компьютеры никогда не научатся управлять автомобилями. Великолепные исследования и анализы, проведенные нашими глубокоуважаемыми коллегами, убедительно показывали, что в обозримом будущем вождение автомобиля останется задачей, которая по силам лишь человеку. Несмотря на это заключение, такие технологии, как Chauffeur, активно развились в последующие несколько лет, что позволяет нам извлечь целый ряд важных уроков о цифровом прогрессе.

В 2004 году Фрэнк Леви и Ричард Марнейн опубликовали свою книгу The new division of labor («Новое разделение труда»).[19] В основном они концентрировались на различиях в специфике работы человека и работы компьютера. В любой разумной экономической системе люди должны фокусироваться на задачах и направлениях работы, в которых имеют сравнительное преимущество над компьютерами, оставляя компьютерам то, для чего последние лучше приспособлены. В своей книге Леви и Марнейн предложили способ распределения различных задач в ту или иную категорию.

Сто лет назад предыдущий абзац не имел бы никакого смысла. В те времена слово computer («вычислитель») было названием профессии, а не обозначением механизма. «Компьютерами» в начале XX века называли людей, обычно женщин, проводивших целые дни за арифметическими расчетами и заполнением таблиц. На протяжении десятилетий изобретатели проектировали машины, способные выполнять всё новые и новые элементы этой работы; поначалу эти устройства были механическими, затем электромеханическими и наконец стали цифровыми. В наши дни сложно встретить людей, которых нанимают лишь для арифметических расчетов и записи результатов. Даже в странах с самыми низкими ставками оплаты труда людей-компьютеров практически не осталось, поскольку автоматические устройства значительно дешевле, быстрее и точнее.

Если вы внимательно изучите внутреннее устройство компьютера, то поймете, что он работает не с цифрами, а с символами. Электронные схемы компьютеров могут интерпретироваться на языке нулей и единиц, однако точно таким же образом могут использоваться пары «истинно» и «ложно», «да» или «нет» или любая другая аналогичная система символов. В принципе, компьютеры способны решать с помощью символов любые виды задач, от математических до логических или лингвистических. Однако цифровые писатели пока еще не появились, и поэтому списки бестселлеров состоят из книг, написанных исключительно людьми. Пока что мы еще не компьютеризировали работу предпринимателей, директоров, ученых, медсестер, помощников официантов и многих других типов работников. Почему нет? Если проще оставить эти занятия людям, то каким именно алгоритмам в этой работе особенно трудно подобрать цифровой эквивалент?

Именно этими вопросами задались авторы книги «Новое разделение труда» и дали на них в высшей степени осмысленные ответы. Авторы раскладывают процесс обработки информации – основу всей работы со знанием – на спектр задач. На одном конце спектра располагаются задачи типа арифметических – то есть такие, для решения которых требуется всего лишь применить хорошо понятые правила. А поскольку компьютеры отлично умеют следовать правилам, получается, что именно они должны заниматься арифметическими и другими сходными с ними задачами.

Леви и Марнейн выделяют и другие типы знания, которое может быть выражено в виде правил. К примеру, кредитная история – хороший предиктор того, сможет ли заемщик оплачивать ипотеку, как обещал, поскольку сумма ипотечного кредита зависит от состояния человека, от размера его доходов и наличия других кредитов. Поэтому решение о том, выдавать ли человеку ипотеку, может быть, в сущности, сведено к правилу.

Правило ипотеки, выраженное словами, может звучать следующим образом: «Если некто просит ипотеку на сумму M, и при этом его кредитный рейтинг равен V или больше, величина ежегодного дохода выше I или величина капитала выше W, а общая величина долговых обязательств не выше D, то заявка получает одобрение».

В случае если правило ипотеки такого рода выражено в форме компьютерной программы, мы называем его алгоритмом. Алгоритмы – это упрощения; они не могут и не должны учитывать все факторы (такие, к примеру, как наличие дядюшки-миллиардера, который когда-то включил нашего потенциального клиента в свое завещание, а сам увлекается скалолазанием без страховки). Тем не менее алгоритмы включают в себя самые распространенные и важные параметры, поэтому в целом вполне хорошо работают в решении ряда задач, в том числе и таких, как предсказание вероятности правильной выплаты ипотеки. Таким образом, компьютеры могут и должны использоваться для подобных операций.[20]

На другом конце спектра, предложенного Леви и Марнейном, располагаются задачи по обработке информации, которые не могут быть сведены к правилам или алгоритмам. По мнению авторов, решение задач такого рода основано на умении человека распознавать закономерности. Наш мозг отлично воспринимает информацию через органы чувств и изучает ее в поисках закономерностей, однако нам очень плохо удается описать или вычислить, каким образом мы это делаем, особенно когда большой объем быстро меняющейся информации поступает к нам в достаточно быстром темпе. Как точно заметил философ Майкл Полани, «мы знаем больше, чем можем сказать».[21] С такими задачами, по мнению Леви и Марнейна, компьютеры не могут справиться, и следовательно, решать их по-прежнему будут люди. Авторы приводят в качестве примера такой задачи как раз управление автомобилем:

Поворачивая влево от основного потока, водитель вынужден противостоять огромному объему образов и звуков, которые создаются другими автомобилями, сигналами светофоров, витринами, рекламными плакатами, деревьями и дорожной полицией. Основываясь на своих знаниях, он должен рассчитать размер и положение каждого из этих объектов и вероятность того, представляют ли они угрозу. Водитель грузовика имеет в голове определенную схему, которая позволяет ему понять, с чем он имеет дело. Однако выразить эти знания и внедрить их в программу для применения в крайне разнообразных ситуациях на данный момент невероятно сложно… компьютеры не смогут легко заменить людей в таких заданиях, как вождение автомобиля.

Прочитав в 2004 году книгу «Новое разделение труда», мы были полностью убеждены аргументами Леви и Марнейна. Не менее убедительно выглядели и первоначальные результаты проведенного в том же году эксперимента с беспилотными автобилями.

DARPA, Управление перспективных исследовательских проектов Министерства обороны США, было основано в 1958 году (в ответ на запуск Советским Союзом первого спутника). Его основная задача состояла в стимулировании технологического прогресса, достижения которого могли бы найти применение в военной области. В 2002 году агентство сообщило о проведении первого конкурса, участники которого должны были создать полностью автономный автомобиль-робот, способный проехать расстояние в 150 миль через калифорнийскую пустыню Мохаве. Основной заезд должен был состояться 13 марта 2004 года, и квалификационный отбор для него прошли пятнадцать участников.

Результаты были печальны. Два автомобиля не смогли доехать до места старта, еще один перевернулся прямо на старте, а через три часа после начала гонки на трассе осталось всего четыре автомобиля. Условный «победитель», автомобиль Sandstorm, созданный в университете Карнеги – Меллон, проехал 7,4 мили (то есть менее 5 процентов от общей дистанции), а затем сошел с трассы во время резкого поворота и застрял на обочине. Заявленный приз в миллион долларов не достался никому, а журнал Popular Science назвал это событие «ниспровержением DARPA в пустыне».[22]