Существует мнение, что роботы отнимут у человека только простую, монотонную работу. Технологический колумнист и автор The New York Times Кевин Руз считает, что в опасности находятся и юристы, и журналисты и даже художники. Об этом, а также о том, как адаптировать свою жизнь для будущего мира машин, он рассказывает в книге «Устойчивы к будущему». Мы публикуем отрывок из книги «Миф о работе, которой не страшны роботы».
Люди, захваченные нынешней волной ИИ и автоматизации, не очень понимают, что к чему, и одна из причин — в том, что расширилась зона опасности. В последние десятилетия автоматизация главным образом касалась однообразной ручной работы, в основном сконцентрированной на производстве, и работники умственного труда в целом чувствовали себя в безопасности. Но сейчас многие из самых перспективных направлений применения ИИ и машинного обучения касаются таких сфер, как бухгалтерский учёт, юриспруденция, финансы и медицина, где выполняется множество работ по планированию, прогнозированию и оптимизации процессов. Как выяснилось, именно с ними ИИ справляется очень хорошо.
На самом деле служащим, возможно, даже больше грозит потеря работы из-за автоматизации, чем рабочим. В 2019 году Брукингский институт провёл исследование, которое опиралось на работы стэнфордского соискателя на докторскую степень Майкла Уэбба и состояло в сравнении текстов патентов в области ИИ и описаний должностных обязанностей из базы данных Министерства труда и в поиске словосочетаний, присутствовавших и в тех и в других, например «прогнозировать качество» или «представлять рекомендации» Уэбб и специалисты Брукингского института пришли к выводу, что 740 из 769 должностей, включённых в область исследования (то есть практически всем), в той или иной степени грозит автоматизация в ближайшем будущем.
Работники, имеющие степень бакалавра или магистра, рискуют потерять место из-за ИИ в четыре раза сильнее работников, окончивших только среднюю школу.
Как обнаружили исследователи, некоторые из должностей, наиболее подверженных автоматизации, принадлежат к категории высокооплачиваемых в крупных региональных агломерациях, таких как Сан-Хосе, Сиэтл и Солт-Лейк-Сити.
Эти выводы крайне далеки от того, что мы обычно думаем об ИИ и риске автоматизации. И они должны стать сигналом тревоги для сверхобразованных работников умственного труда, всегда полагавших, что уж их-то автоматизация точно не коснётся.
Трейдеры с Уолл-стрит усвоили горький урок о том, что незаменимых нет, много лет назад, когда алгоритмы для высокочастотного трейдинга и электронные фондовые биржи уничтожили тысячи рабочих мест в биржевых залах. Теперь машины нацелились на другие профессии этой отрасли.
В 2017 году холдинг JPMorgan Chase начал использовать самообучающуюся программу COIN для проверки финансовых контрактов определённых типов. Ранее на изучение всех этих документов живые сотрудники тратили больше трёхсот тысяч часов ежегодно. Теперь задача выполняется почти мгновенно. Многие ведущие финансовые компании пользуются Kensho — интеллектуальной платформой для анализа данных, автоматически выполняющей важнейшую финансово-аналитическую работу, для которой раньше требовались целые армии выпускников Уортонской школы бизнеса.
Судя по отчёту компании Wells Fargo, опубликованному в 2019 году, из-за инструментов вроде этого в ближайшие десять лет потеряют работу двести тысяч финансистов.
В медицине совершается машинный переворот по мере того, как ИИ учится выполнять разнообразную работу, для которой раньше требовались квалифицированные специалисты. В 2018 году одна китайская IT-компания создала алгоритм глубокого обучения, позволяющий диагностировать рак мозга и другие заболевания быстрее и точнее, чем команда из пятнадцати лучших врачей. В том же году американские специалисты разработали алгоритм, способный распознавать злокачественные опухоли на КТ-снимках, причём ошибается он в двадцать раз реже, чем рентгенолог.
О юристах тоже нельзя сказать, что они защищены. В 2018 году был поставлен эксперимент: двадцать известных американских корпоративных юристов состязались с алгоритмом LawGeex, разработанным одним ИИ-стартапом. Соперники должны были как можно быстрее найти пункты, вызывающие сомнение с правовой точки зрения, в пяти соглашениях о неразглашении конфиденциальной информации, без которых немыслимо договорное право.
ИИ-алгоритм разбил юристов наголову, продемонстрировав среднюю точность на уровне 94%; средняя точность людей составляла 85%. Ещё существеннее оказалась разница во времени: на выполнение задания юристы в среднем тратили 92 минуты, а LawGeex — 26 секунд.
Автоматизация угрожает даже программистам, долго относившимся к категории служащих с наилучшими возможностями трудоустройства. Благодаря платформам «бескодовой» и «малокодовой» разработки, позволяющим создавать приложения непрограммистам, и централизованным сервисам вроде Amazon Web Services компании теперь могут обойтись меньшим числом сотрудников для написания программ и поддержки технической инфраструктуры.
Не исключено, что даже инженеры по ИИ, автоматизирующие всё и вся, могут в конце концов лишить себя работы. В 2017 году Google выпустила AutoML — набор инструментов, который позволяет, обращаясь к существующим моделям машинного обучения, создавать и натаскивать новые модели. Результаты предварительных испытаний впечатляют: получив задание построить нейронную сеть, способную выполнять типовую задачу по маркировке изображений, Google сумела разработать и обучить модель, оказавшуюся более точной в работе по сравнению с построенной инженерами.
А как обстоит дело с журналистами? Да что тут говорить! Многих из нас легко заменить автоматами, особенно тех, чьи тексты однообразны и не блещут оригинальностью.
В 2020 году несколько периодических изданий приступили к экспериментам с GPT-3, передовым ИИ-алгоритмом, созданным некоммерческой научно-исследовательской лабораторией OpenAI. Программа, на входе получающая подсказку и развивающая мысль при помощи модели машинного обучения, оказалась способной генерировать длинные убедительные тексты, которые удивили редакторов ясностью и безупречностью стиля.
Газета The Guardian попросила GPT-3 написать целую колонку о будущем ИИ и машинного обучения и призналась, что «в целом на её редактирование ушло меньше времени, чем тратится на многие журналистские колонки».
Это не означает, что машины заменят всех офисных служащих или большинство из них. Но это сигнал о том, что дипломы элитных колледжей, впечатляющие профили в соцсетях и шестизначные суммы зарплат уже перестали быть гарантией незаменимости.
Еще два вида работ, о которых часто говорят, что они не поддаются автоматизации, — «сострадательные» и «творческие», те, которые связаны с заботой о людях и с выдвижением новых идей.
Но исследователи и предприниматели успешно справляются с автоматизацией отдельных задач и в этих сферах. Недавно специалисты Стэнфордского университета представили Woebot — «чат-бота-психотерапевта», который, используя модель машинного обучения и традиционные методы когнитивно-поведенческой терапии, ведёт с клиентами всесторонний разговор об их проблемах. Такая практика, как показала экспертная оценка, существенно смягчает проявления депрессии и беспокойства у пользователей.
В Японии сейчас разрабатывают «заботливых ботов», которые будут напоминать пожилым людям, что пора выпить лекарство, помогать двигаться и принимать пищу и составлять им компанию. Такие роботы не умеют полноценно общаться с людьми, но, возможно, этого и не нужно. Результаты первых исследований эффективности роботов для заботы о пожилых, в том числе эксперимента, проведённого в 2019 году специалистами Оклендского университета из Новой Зеландии, показали, что при взаимодействии со страдающими деменцией такие роботы не менее эффективны, чем люди.
Кроме того, некоторые навыки, которые мы считали исключительно человеческими, например способность считывать и интерпретировать эмоции, как выяснилось, могут воспроизводить машины. В информатике есть даже целый раздел «аффективные вычисления», посвящённый применению ИИ для анализа речи и малейших перемен выражения лица с целью оценки психологического состояния человека. И хотя эффективность и точность таких систем яростно оспариваются, некоторые из них делают огромные успехи.
В эксперименте 2019 года под руководством Евы Крамхубер из Университетского колледжа Лондона ИИ-систематизатору лучше, чем людям, удавалось определить эмоции на постановочных видео, а спонтанные, самопроизвольные эмоции он отождествлял примерно так же точно, как и люди.
Что касается творческой работы, возможно, пройдёт ещё немало времени, прежде чем ИИ вытеснит Леонардо да Винчи из Лувра. Но первые эксперименты в области компьютерного творчества показали, что у него есть перспективы. Недавно я ходил на выставку, где все картины были сгенерированы ИИ при помощи метода машинного обучения под названием «генеративно-состязательная сеть». Это было пронзительно, жутковато и красиво, и картины шли нарасхват у коллекционеров, присутствовавших в зале; некоторые выкладывали тысячи долларов за штуку.
Искусственный интеллект делает большие успехи и в других сферах творчества. Сегодня алгоритмы самостоятельно пишут киносценарии, разрабатывают уровни для видеоигр и составляют архитектурные проекты. Судя по результатам исследований, люди нередко предпочитают результат машинного творчества работам опытных специалистов.
Недавно журналист Клайв Томпсон рассказал о Jukedeck, интеллектуальном инструменте для сочинения музыки, позволяющем с ходу создавать новые композиции. По словам Томпсона, Jukedeck вряд ли будет давать концерты на стадионах, но может серьёзно потеснить студийных музыкантов, записывающих саундтреки и музыку для продакшен-библиотек.
«Мелодия не была ни восхитительной, ни запоминающейся, но по качеству вполне соответствовала человеческим творениям, какие мы слышим в видео и рекламе, — писал Томпсон о демозаписи, которую Jukedeck сделал для него. — Живой композитор потратил бы не меньше часа на такую вещь, а Jukedeck справился меньше чем за минуту».
Дискуссия о «работе, которой не страшны роботы» страдает ещё одним серьёзным недостатком: в ней слишком много внимания уделяется названиям профессий и слишком мало — тому, что мы вкладываем в работу.
Большинство исследований в области ИИ и автоматизации сосредоточивались на оценке риска автоматизации для крупных профессиональных категорий и уравнивали шансы остаться ни с чем для всех учителей, архитекторов, производственных рабочих. Есть даже сайт WillRobotsTakeMyJob.
com, где можно ввести название профессии и увидеть, насколько велик в твоём случае риск потерять работу из-за автоматизации. (Я выбрал «репортёров и корреспондентов», и сайт выдал мне 11%, что, откровенно говоря, представляется чересчур оптимистичным.)
В реальности многие работы можно выполнять по-разному, в зависимости от чего они очень легко либо очень тяжело поддаются автоматизации. Художник — это и человек, занимающийся арт-терапией с аутистами, и парень, рисующий тупые карикатуры. Врач — это и всеми любимый педиатр в маленьком городке, и рентгенолог-диагност, который только изучает снимки в лаборатории. Журналист — и репортёр, расследующий должностные злоупотребления и преступления на самом высоком уровне, и человек, резюмирующий отчёты о доходах корпораций для новостной ленты. Хоть профессия у этих людей одна и та же, они не одинаково рискуют потерять работу из-за ИИ.
Ещё один недостаток исследований, сосредоточенных на профессиях и рисках, — в том, что работа, кажущаяся рутинной и предсказуемой, на деле часто бывает совсем не такой.
Возьмём, например, сотрудников службы транспортной безопасности в аэропортах. Каждый день они просят пассажиров достать из сумок жидкости и ноутбуки, проводят их через досмотровые сканеры и проверяют багаж на наличие запрещённых предметов. Неквалифицированный монотонный труд, не так ли? Легко поддающийся автоматизации.
Но оказывается, что сотрудники службы транспортной безопасности не только вглядываются в экран сканера в течение всего дня. Они разруливают непредвиденные ситуации, разбираются с нестандартными случаями: когда, например, у пассажира проблемы со здоровьем и он не может пройти через досмотровый сканер или человек путешествует без удостоверения личности. Они отыскивают потерянные вещи, успокаивают нервничающих пассажиров и подмечают едва уловимые особенности поведения, которые могут свидетельствовать об угрозе безопасности. Они занимаются ещё миллионом других крошечных дел, которые вы ни за что не найдёте в описании их должностных обязанностей, но без них работа любого аэропорта будет парализована. Вероятно, машинам будет труднее заменить таких сотрудников, чем показывают данные исследований.
Однако некоторые виды работ оказываются более механическими, чем кажется на первый взгляд. Для примера возьмём дизайн одежды. Эта работа может показаться чисто творческой, непосильной для компьютеров. Но сегодня дизайн одежды (особенно если мы говорим о сегменте «быстрой моды» и об интернет-брендах) — во многом распознавание образов и анализ данных, а также решение задачи, как создать вариации на тему того, что уже хорошо продаётся.
А с такими задачами ИИ, как выяснилось, справляется успешно. Некоторые компании уже используют ИИ для разработки дизайна одежды. В 2017 году исследовательская группа компании Amazon создала алгоритм машинного обучения, анализирующий образы и одежду конкретного стиля и учащийся моделировать новые наряды в том же стиле.
Glitch, ИИ-компания и Дом моды продают одежду, смоделированную исключительно алгоритмами глубокого обучения. Пощадит ли ИИ всех сотрудников службы транспортной безопасности и вытеснит ли он всех дизайнеров одежды? Конечно, нет. Но, если говорить о последствиях автоматизации, вероятно, нельзя ожидать, что всё будет аккуратно и разложено по полочкам и останется только наблюдать, как одни профессии вымирают, а другие остаются в целости и сохранности.
💪 Что точно пока не смогут заменить роботы, так это силу воли
История Эльвиры Бойко — она мечтала о собственном доме и построила его в одиночку своими руками