Эрик Бриньолфсон.

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



скачать книгу бесплатно

Эта книга разделена на три части. Первая, в которую входят главы 1–6, описывает базовые характеристики второй эры машин. Они содержат немало примеров нынешнего технологического прогресса, иногда напоминающих научную фантастику. Мы объясним, почему многое происходит только сейчас (учитывая то, что компьютеры находятся в нашем распоряжении уже несколько десятилетий), и покажем, почему нам стоит со всей уверенностью полагать, что масштаб и темпы развития в сфере компьютеров, робототехники и других цифровых устройств в будущем лишь вырастут.

Вторая часть, состоящая из глав 7–11, посвящена изучению Дара (bounty) и его распределения (spread), двух экономических последствий этого прогресса. Дар – это прирост объема, разнообразия и качества и одновременное снижение издержек, возникающее благодаря современному технологическому прогрессу. Это лучшая на сегодняшний день новость в мире экономики. Распределение этого Дара – прямо противоположная история. Это история об огромном неравенстве между людьми с точки зрения экономического успеха – богатства, доходов, мобильности и других важных показателей. В последние годы этот разрыв стабильно увеличивается. Этот факт по многим причинам заставляет нас тревожиться, и, если мы не вмешаемся в этот процесс, происходящий в годы второй эры машин, он будет продолжать ускоряться.

Последняя часть – главы 12–15 – посвящена обсуждению того, какие методы вмешательства будут уместными и эффективными в новую эпоху. Наши экономические цели должны быть связаны с усилением позитивных аспектов Дара и борьбой с негативными эффектами, которые вызывает неравенство. Мы предложим вам идеи по решению этих задач как в ближайшем будущем, так и в более отдаленной перспективе, когда прогресс позволит нам попасть в новый технологически развитый мир. И, как мы покажем в последней главе, выбор, который мы сделаем прямо сейчас, определит то, каким окажется этот будущий мир.

Глава 2. Навыки новых машин: технологии набирают обороты

Любая достаточно развитая технология неотличима от магии.

Артур Ч. Кларк

Летом 2012 года мы ездили на автомобиле без водителя.

Во время своего исследовательского визита в штаб-квартиру Google в Кремниевой долине нам довелось прокатиться на одном из автомобилей компании, созданных в рамках проекта Chauffeur. Поначалу мы думали, что сядем на заднее сиденье автомобиля, а на водительском месте не будет никого, однако Google по вполне понятным причинам осторожничал и не хотел выпускать на дорогу автомобили, за рулем которых никого нет. Это могло напугать пешеходов и других водителей или даже привлечь внимание полиции. Поэтому мы сидели сзади, а два представителя команды Chauffeur ехали впереди.

Когда мы ехали по шоссе 101, один из сотрудников компании нажал на кнопку и автомобиль переключился на полностью автоматический режим работы.

Наше любопытство, а вместе с ним и инстинкт самосохранения включились на полную. Шоссе 101 – не самое предсказуемое или тихое. Конечно, это качественное и прямое шоссе, однако большую часть времени оно заполнено машинами, а в транспортном потоке нет ни очевидного ритма, ни мотивов. При высоких скоростях на этом шоссе ошибки вождения могут повлечь за собой крайне серьезные последствия. Поскольку мы не принадлежим к участникам проекта Chauffeur, эти последствия внезапно начали представлять для нас не только интеллектуальный интерес.

Автомобиль вел себя безукоризненно. Более того, порой в ходе поездки нам даже становилось скучно. Он не нарушал скоростных ограничений и не занимался слаломом среди других машин на шоссе; он ехал точно так, как нас всех учат в водительской школе. Раскрытый ноутбук в режиме реального времени показывал нам то, что «видит» автомобиль при движении по шоссе, – все расположенные неподалеку объекты, которые попадали в поле «зрения» его сенсоров. Автомобиль распознавал все другие машины вокруг, а не только ближайшие, и контролировал их местоположение вне зависимости от того, где они двигались. Это был автомобиль, не имевший «слепых» зон. Однако программа, отвечавшая за вождение, принимала во внимание, что такие «слепые» зоны могут быть у других автомобилей и грузовиков, находившихся под управлением людей. Экран ноутбука постоянно отображал предположения программы о том, где могут находиться эти «слепые» зоны и как их избежать.

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.

Новое разделение труда

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]19
  Frank Levy and Richard J. Murnane, The New Division of Labor: How Computers Are Creating the Next Job Market (Princeton, NJ Princeton University Press, 2004).


[Закрыть]
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?

Компьютеры хорошо умеют следовать правилам…

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]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.


[Закрыть]

…Но довольно плохо распознают закономерности

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]21
  Michael Polanyi, The Tacit Dimension (Chicago, IL: University of Chicago Press, 2009), стр. 4.


[Закрыть]
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.

Различие не настолько велико

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]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.


[Закрыть]

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]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.


[Закрыть]
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.

Всего за несколько лет самоуправляемые машины сошли со страниц научно-фантастических книг и превратились в реальность. Достаточно передовое для своего времени исследование, объяснявшее, почему такие автомобили не появятся в ближайшее время, устарело всего лишь через несколько лет благодаря передовой научной и инженерной мысли. Наука и инженерия начали развиваться все более быстрыми темпами, и менее чем за половину десятилетия провал обернулся торжеством.

Усовершенствование автономно управляемого автомобиля напомнило нам высказывание Хемингуэя о том, как человек становится банкротом: «Сначала постепенно, а затем сразу».[24]24
  Ernest Hemingway, The Sun Also Rises (New York: Harpercollins, 2012), стр. 72.


[Закрыть]
И самоуправляемые автомобили – это не аномалия, а фрагмент более широкой и потрясающей закономерности. Прогресс в решении самых старых и сложных задач, связанных с компьютерами, роботами и другими цифровыми приспособлениями, в течение долгого времени разворачивался постепенно. Затем, в последние несколько лет, изменения стали происходить стремительно и внезапно; развитие цифровых технологий невероятно ускорилось. Вдруг начали решаться задачи, казавшиеся нерешаемыми. У устройств возникли новые и совершенно неожиданные свойства. Давайте рассмотрим еще несколько примеров удивительного технологического прогресса недавних лет.

Внимательные собеседники

Помимо сложностей с распознаванием закономерностей, Леви и Марнейн упоминают еще одну область, которая в новом разделении труда останется за человеком. Они пишут: «Общение, особенно важное для эффективного обучения, менеджмента, продаж и многих других занятий, требует передачи и интерпретации большого объема информации. В этих случаях возможность обмена информацией с компьютером, а не с другим человеком если и возникнет, то лишь в отдаленном будущем».[25]25
  Levy and Murnane, The New Division of Labor, стр. 29.


[Закрыть]

Осенью 2011 года компания Apple представила смартфон iPhone 4S с функцией Siri, своеобразного персонального ассистента, интерфейс которого был основан на обычной человеческой речи. Иными словами, люди говорили со своим смартфоном точно так же, как могли бы разговаривать с другим человеком. Программа, лежащая в основе Siri, была разработана в калифорнийском исследовательском институте SRI International, а затем куплена Apple в 2010 году. Она слушала все, что говорят пользователи iPhone своему гаджету, пыталась понять, чего они хотят, затем предпринимала определенное действие и отвечала пользователям синтезированным голосом.

Примерно через восемь месяцев после появления Siri на рынке Кайл Вагнер, один из авторов технологического блога Gizmodo, перечислил некоторые из ее самых полезных возможностей:

Вы можете узнать счет текущих спортивных соревнований – «Сколько очков сейчас у команды „Джайентс“?» – или получить статистику по индивидуальным игрокам. Вы также можете заказать столик в ресторане через программу OpenTable, найти поставщиков тех или иных услуг в своем округе с помощью системы Yelp, узнать о том, какие фильмы идут в кинотеатре по соседству, а затем посмотреть интересующий вас трейлер. Если вы заняты и не можете принять звонок, то вы можете попросить Siri напомнить вам о том, чтобы перезвонить звонящему попозже. Голосовые команды могут оказаться невероятно полезными для решения подобных повседневных задач.[26]26
  “Siri Is Actually Incredibly Useful now”, Gizmodo, по состоянию на 4 августа 2013 г., http://gizmodo.com/5917461/siri-is-better-now.


[Закрыть]

Однако его сообщение в блоге Gizmodo завершалось предостережением: «Все это звучит довольно круто. Однако в случае Siri нужно помнить одно важное слово – „если“ это работает как надо».[27]27
  Там же.


[Закрыть]
После выпуска этой программы многие пользователи обнаружили, что этот вроде бы разумный личный ассистент работал недостаточно хорошо. Он не понимал, что они говорят, постоянно просил уточнений, давал странные или неточные ответы или отделывался фразами вроде: «Прошу прощения, но прямо сейчас я не могу обрабатывать новые запросы. Попробуйте связаться со мной чуть позже». Аналитик Джин Мюнстер смог составить целый список вопросов, с ответами на которые у Siri возникали проблемы:

• На вопрос «Где Элвис похоронен? (Where is Elvis buried?)» программа отвечала: «Я не могу ответить на этот вопрос», поскольку посчитала, что речь идет о человеке с именем Элвис Похоронен (Elvis Buried).

• «Когда вышел фильм „Белоснежка“?» Вместо ответа программа предложила осуществить поиск кинотеатров через Yelp.

• «Когда в следующий раз комета Галлея? (When is the next Halley’s Comet?)» Программа ответила: «У вас нет встреч с человеком по имени Галлей» (You have no meetings matching Halley’s).

• «Я хочу отправиться на озеро Супериор (Lake Superior)». Программа выдала инструкции по проезду к офису компании Lake Superior X-ray.[28]28
  “Minneapolis Street Test: Google Gets a B+, Apple’s Siri Gets a D – Apple 2.0 – Fortune Tech”, CNNMoney, http://tech.fortune.cnn.com/2012/06/29/minneapolis-streettest-google-gets-a-b-apples-siri-gets-a-d/ (по состоянию на 23 июня 2013 г.).


[Закрыть]

О странных и неудовлетворительных ответах Siri стало известно довольно быстро, однако сила технологий все же неоспорима. Технологии приходят вам на помощь именно тогда, когда нужно. Мы убедились в этом на своем собственном примере во время поездки на беспилотном автомобиле Google. После встречи в Сан-Франциско мы сели в арендованный автомобиль, чтобы доехать до штаб-квартиры Google в городе Маунтин-Вью. У нас был с собой портативный GPS-навигатор, однако мы его не включили, поскольку посчитали, что и так знаем, как добраться до следующей точки путешествия.

На самом деле мы, конечно, не знали. Столкнувшись с эшеровским лабиринтом шоссе, съездов и улиц, мы начали плутать, раздражаясь все больше и больше от неспособности найти нужную дорогу. В тот момент, когда наша встреча в Google, весь проект по созданию этой книги и наши профессиональные отношения были уже на грани краха, Эрик достал свой телефон и попросил Siri показать, как добраться до шоссе 101 в направлении на юг. Телефон ответил моментально и безошибочно: экран превратился в карту, на которой были показаны наше местоположение и стрелки, направлявшие на нужную нам развилку.

Конечно, мы могли бы включить наш портативный GPS-навигатор и подождать, пока он создаст план нашего маршрута, но нам не хотелось обмениваться информацией таким образом. Мы хотели задать вопрос, а затем услышать и увидеть ответ (в форме карты). Siri смогла пообщаться с нами именно на том языке, на котором мы хотели. Созданный в 2004 году обзор всех исследований в области автоматического распознавания речи (важнейшей части обработки естественного языка) за последнюю половину столетия начинался с признания о том, что «распознавание машинами речи на том же уровне, на котором это делают люди, представляется нам труднодостижимой целью», однако менее чем через 10 лет все основные элементы этой цели уже были достигнуты. Apple и другие компании сделали технологию обработки естественного языка доступной для сотен миллионов людей через их мобильные телефоны.[29]29
  Ning Xiang and Rendell Torres, “Architectural Acoustics and Signal Processing in Acoustics: Topical meeting on Spatial and Binaural evaluation of Performing Arts Spaces I: Measurement Techniques and Binaural and Interaural Modeling”, 2004, http://scitation.aip.org/getpdf/servlet/GetPDFServlet?filetype=pdf&id=JASmAn000116000004.


[Закрыть]
По замечанию Тома Митчелла, возглавляющего кафедру машинного обучения в университете Карнеги – Меллон, «мы находимся в начале десятилетнего периода, в течение которого перейдем от компьютеров, которые неспособны понимать наш язык, к компьютерам, которые понимают его почти на том же уровне, что и мы».[30]30
  Цит. по John Markoff, “Armies of Expensive Lawyers, replaced by Cheaper Software”, New York Times, 4 марта 2011 г., http://www.nytimes.com/2011/03/05/science/05legal.html?pagewanted=all&_r=0.


[Закрыть]



скачать книгу бесплатно

страницы: 1 2 3 4 5 6 7 8

Поделиться ссылкой на выделенное