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

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] В годы, предшествовавшие Великой рецессии, которая началась в 2007 г., банки выдавали ипотечные кредиты заемщикам со все более плохой кредитной историей, низкими уровнями дохода и благосостояния и постоянно нараставшим уровнем долгов. Иными словами, банки либо полностью отказывались от своих прежних алгоритмов оценки клиентов для получения ипотеки, либо значительно их пересматривали. Дело было не в том, что старые алгоритмы оценки для получения ипотеки перестали работать, – они перестали применяться.

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] Michael Polanyi, The Tacit Dimension (Chicago, IL: University of Chicago Press, 2009), стр. 4. 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] Joseph Hooper, “DARPA’s Debacle in the Desert”, Popular Science, 4 июня 2004 г., http://www.popsci.com/scitech/article/2004–06/darpa-grand-challenge-2004darpas-debacle-desert.

Однако всего за несколько лет фиаско превратилось в успех, и мы увидели это своими собственными глазами. В октябре 2010 года в своем официальном блоге компания Google заявила о том, что ее полностью автономные автомобили уже в течение некоторого времени успешно проходят тестирование в реальных условиях на американских дорогах и шоссе. Ко времени нашей поездки летом 2012 года проект Chauffeur уже включал в себя небольшой парк автомобилей, которые в совокупности проехали сотни тысяч миль без какого-либо вмешательства человека и всего с двумя авариями. Одна авария произошла, когда за рулем автомобиля Google был человек; вторая случилась, когда в автомобиль Google , стоявший на перекрестке на красный свет, врезался сзади другой автомобиль (которым также управлял человек). [23] Mary Beth Griggs, “4 Questions About Google’s Self-Driving Car Crash”, Popular Mechanics, 11 августа 2011 г., http://www.popularmechanics.com/cars/news/industry/4-questions-about-googles-self-driving-car-crash; John Markoff, “Google Cars Drive Themselves, in Traffic”, New York Times, 9 октября 2010 г., http://www.nytimes.com/2010/10/10/science/10google.html. Разумеется, всегда можно найти ситуации, с которыми не могут справиться автомобили Google , – это и особенно сильные пробки, и езда по бездорожью, и движение в районах, для которых Google еще не разработала детальные карты. Однако пережитое на шоссе убедило нас в том, что этот подход вполне эффективен в решении огромного количества повседневных задач в вождении.