Крис Скиннер - Человек цифровой. Четвертая революция в истории человечества, которая затронет каждого

Думаю, если мы заменим людей роботами, откинемся на финансовой подушке безопасности и предадимся нарциссизму, экономика перейдет в свободное падение. Вот почему мне не кажется, что роботы завладеют всем и вся. Потребность в человеке будет всегда.

Еще один повод обсудить угрозы и риски для сети – человек как источник проблем. Люди подвержены эмоциям, они устают и теряют концентрацию.

Человеческий фактор – эвфемизм для менее благозвучного сочетания «человеческие ошибки». Беспилотный автомобиль может проехать миллион километров без единого ДТП, человек же попадает в аварии в среднем три-четыре раза в жизни. Я предпочел бы, чтобы меня оперировал робот-хирург, уже выполнивший миллион успешных операций, нежели хирург-человек, ошибающийся с вероятностью 1:10 000. Автоматизированные трейдеры, безошибочно заключающие сделки, вызывают больше доверия, чем трейдер-человек, которым может двигать злой умысел; приходится тратить миллионы, чтобы проверить, кто какие сделки заключал, когда и где.

Думаю, основная идея понятна. Машина куда более эффективнее человека. Вот почему в компании Tesla хотят отказаться от человеческого труда – люди работают слишком медленно. Amazon все чаще доставляет товары с помощью дронов. Машину можно запрограммировать так, чтобы она все сделала верно с первого раза, справлялась с задачей каждый раз и никогда не ошибалась. Человека – нельзя.

Человек может пропустить мигранта на пограничном контроле, поскольку тот похож на фотографию в паспорте. Машина же распознает, что перед ней другой человек. Киберхакер может обмануть человека благодаря навыкам социальной инженерии и проникнуть в здание; машину – не может. Это важный момент: людей можно обмануть. Нам свойственно доверять другим – это заложено в нас.

Люди – самое слабое звено, и от них нужно избавиться. Без людей мы получим неприступные банки, операции без ошибок и гарантированный успех. Меня страшно раздражает, что в случае сбоя автоматизированного процесса приходится терпеть плохое обслуживание от человека. Мы должны автоматизировать все.

Конечно, это крайность, но, стремясь довести данный тезис до логического завершения, я обсудил проблему с коллегой. Он спросил: «Вы допустили бы робота к управлению самолетом, на котором летите домой?» Я ответил, что сегодня большинство перелетов контролируется автопилотом, так что мой самолет и так ведут роботы. Он парировал, что в таком случае в кабине вообще не нужны пилоты. Я подумал и привел в пример фильм «Чудо на Гудзоне». Капитан Чесли Салленбергер по прозвищу Салли посадил самолет U. S. Airways прямо на реку Гудзон. Это реальная история – возможно, вы даже помните, как это было, – и основное действие фильма разворачивается в ходе расследования случившегося. Выясняется, что, по данным компьютерного симулятора, пилоты спокойно могли довести самолет до аэропорта Ла-Гуардия и штатно посадить его там.

Сначала я хотел на этом примере показать, что в подобной ситуации робот был бы бесполезен: фильм показывает, что на симуляторах пилоту-человеку не хватает времени, чтобы среагировать на отказ двигателя. После того как в симуляторе учли время, необходимое на реакцию, компьютерные модели показали, что воздушное судно должно было разбиться, если бы пилоты попытались дотянуть до аэропорта и посадить самолет в штатном режиме. Следовательно, решение садиться на Гудзон было верным.

Но затем я увидел брешь в своем контраргументе: если бы на месте пилота был робот, в данной ситуации он за считаные наносекунды среагировал бы на ситуацию и безопасно посадил самолет в аэропорту Ла-Гуардия, а не на реку. Да, я предпочел бы самолет, который пилотирует робот.

Искусственный интеллект, машинное обучение и глубокое обучение – основные элементы семантической паутины. Я впервые рассказал о ней добрый десяток лет назад и, пожалуй, в те времена неверно интерпретировал исходную идею Тима Бернерса-Ли. В его трактовке семантическая паутина – это сеть данных, которые могут обрабатываться машинами [20] Berners-Lee T., Fischetti М. Weaving the Web. New York: HarperCollins, 1999. :

«Я мечтаю о Сети, [где компьютеры] смогут анализировать все данные в паутине – контент, ссылки, транзакции между людьми и компьютерами. «Семантическая паутина», способная это обеспечить, пока не появилась, но когда появится, повседневные механизмы торговли, документооборота и прочие рутинные процессы будут обслуживаться машинами, которые общаются с машинами. Наконец-то появятся разумные помощники, о которых люди мечтали веками».

Я не такой специалист в технических вопросах, как сэр Тим сотоварищи, и понимаю его идею таким образом: интеллектуальный интернет, который начинает индексировать сам себя таким образом, что все его узлы могут общаться друг с другом, достигать соглашений по разным вопросам и работать лучше.

В моей трактовке семантической паутины интернет будет управлять всеми моими устройствами, а эти устройства будут предугадывать все мои желания. Телевизор без просьб с моей стороны найдет развлекательную передачу, холодильник будет знать, какие продукты заказать, прежде чем они закончатся, автомобиль станет дозаправляться без моей команды. В такой версии семантической паутины машины действуют интеллектуально не только потому, что оснащены искусственным интеллектом и специально обучены, но и потому, что делятся накопленными знаниями с другими машинами, обучая всю сеть.

Искусственный интеллект, машинное обучение и глубокое обучение – подлинные основы семантической паутины. Отмечу, что между машинным и глубоким обучением есть разница. Глубокое обучение создано в качестве этапа продвижения от машинного обучения к полноценному искусственному интеллекту. MIT Review так определяет его:

«Программы для глубокого обучения призваны имитировать деятельность нейронов в коре головного мозга, составляющей около 80 % объема мозга, отвечающего за мышление. Программа в буквальном смысле учится распознавать закономерности в цифровых представлениях звуков, изображений и других данных» [21] Hof R. D. 10 Breakthrough Technologies 2013: Deep Learning. MIT Technology Review, 2013. .

Иными словами, цель этих разработок – компьютер, не уступающий в интеллекте человеческому мозгу либо превосходящий его. Мечта о таком компьютере стала реальностью, когда в нашем распоряжении появились практически неограниченные вычислительные мощности; подобные машины становятся реальностью, ими занимаются такие интернет-гиганты, как Facebook, Amazon, Tencent, Baidu, Alibaba и Google. Их общими усилиями мы стремительно движемся к созданию искусственного интеллекта второго уровня – общего искусственного интеллекта.