Сверхдержавы искусственного интеллекта Ли Кай-фу

Все продукты и услуги ИИ, описанные в предыдущих главах, просты, понятны и основаны на ныне существующих технологиях. Чтобы выйти с ними на рынок, не требуется никаких масштабных прорывов в исследованиях ИИ, достаточно обычной повседневной работы по их адаптации: сбора данных, корректировки формул, экспериментов по итерации алгоритмов в различных сочетаниях, прототипирования продуктов и экспериментов с бизнес-моделями. Но эпоха внедрения принесла нам нечто большее, чем возможность создавать продукты для практического применения. Она разожгла интерес людей ко всему, что относится к ИИ. Поэтому мы верим, что совсем скоро можем обнаружить «святой Грааль» исследований ИИ – сильный искусственный интеллект (СИИ), и начать создавать мыслящие машины, способные выполнять любые интеллектуальные задачи, с которыми справляется человек, и делать многое из того, что человеку недоступно.

Существует мнение, что с появлением СИИ у машин, способных к самосовершенствованию, начнется стремительное развитие компьютерного интеллекта. Это явление часто называют сингулярностью или эрой искусственного сверхразума. Если так и произойдет, мир могут заполнить компьютеры, превосходящие нас в интеллектуальном плане настолько же, насколько мы превосходим насекомых. Столь фантастические предсказания разделили большую часть интеллектуального сообщества на два лагеря: утописты и сторонники антиутопии. Утописты видят в расцвете СИИ и наступлении сингулярности последний рубеж, отделяющий нас от светлого будущего, в котором человечество раздвинет границы сознания и победит смерть. Рэй Курцвейл – эксцентричный изобретатель и крупнейший идеолог Google – считает, что в будущем люди и машины сольются воедино. По его представлению, люди будут «загружать» свой разум в облака и постоянно обновлять ткани тела с помощью специально обученных нанороботов, введенных в кровоток. Курцвейл предсказывает, что к 2029 году мы получим компьютеры с интеллектом, сопоставимым с человеческим (т. е. СИИ), а точка сингулярности будет достигнута к 2045 году[63].

Другие мыслители-утописты видят в СИИ средство, которое позволит нам быстро разгадать тайны Вселенной. Основатель DeepMind Демис Хассабис считает, что с помощью сверхчеловеческого интеллекта мы, наконец, разрешим задачи, казавшиеся неразрешимыми: остановим глобальное потепление и научимся побеждать ранее неизлечимые заболевания. Сверхразумные компьютеры, понимающие Вселенную на немыслимых уровнях сознания, помогут человечеству справиться с его бедами, и люди приблизятся к божественному всеведению и всемогуществу.

Однако не все настроены столь оптимистично. Илон Маск назвал суперинтеллект «самой большой опасностью, с которой мы можем столкнуться как цивилизация»[64], сравнивая его создание с «призыванием демонов»[65]. Многие выдающиеся интеллектуалы, в том числе покойный космолог Стивен Хокинг, присоединились к лагерю антиутопистов Маска, некоторые из них – вдохновившись работой оксфордского философа Ника Бострома, чья книга «Искусственный интеллект. Этапы. Угрозы. Стратегии»[66], вышедшая в 2014 году, захватила воображение значительного числа футуристов.

По большей части сторонники антиутопической версии будущего не боятся, что ИИ захватит мир, как это было показано в фильмах вроде «Терминатора», в которых человекоподобные роботы охотятся на людей, охваченные жаждой поработить человечество. Суперинтеллект будет продуктом, созданным человеком, а не появившимся в результате естественной эволюции, а потому у него не может быть тех инстинктов выживания, размножения или доминирования, которые управляют поведением людей или животных. Скорее всего, он просто будет стремиться достичь поставленных перед ним целей наиболее эффективным способом. Опасность состоит в том, что если люди окажутся препятствием для достижения одной из этих целей – например, обратить вспять глобальное потепление, то суперинтеллект может легко, даже случайно, стереть их с лица земли.

Чтобы сделать это, компьютерной программе, чей разум и воображение намного превосходят человеческие, не потребуется никаких вооруженных роботов. Глубокое понимание химии, физики и нанотехнологий позволит ИИ мгновенно достичь своих целей, используя гораздо более изобретательные способы. Исследователи называют это «проблемой управления» или «проблемой выравнивания значений», и она беспокоит даже тех, кто относится к СИИ с оптимизмом.

Прогнозы о том, когда будут достигнуты такие результаты, сильно расходятся. Бостром в своей книге приводит ответы специалистов по ИИ, которые склоняются к тому, что СИИ появится в 2040 году, а суперинтеллект, скорее всего, – в течение трех десятилетий после этого[67]. Но не будем спешить с выводами.

Проверка в реальных условиях

Когда эти утопические и антиутопические прогнозы обсуждаются публично, то внушают аудитории одновременно благоговение и страх. Постепенно границы между фантастическими картинами и нынешней реальностью в коллективном сознании стираются. В результате возникают распространенные заблуждения о том, на каком уровне мы действительно находимся сегодня и куда движемся. Давайте внесем ясность: ни один из сценариев, описанных выше, будь то бессмертный цифровой разум или всемогущий суперинтеллект, нельзя реализовать на основе современных технологий: ученые пока еще не нашли четких алгоритмов для СИИ и не особенно приблизились к их открытию. Сингулярность не может возникнуть спонтанно, и автономные транспортные средства, в которых используются технологии глубокого обучения, не могут внезапно «проснуться» и понять, что способны объединиться и сформировать сверхразумную сеть.

Создание сильного ИИ потребует целого ряда фундаментальных научных открытий в области искусственного интеллекта, а также многих иных достижений того же масштаба, что и глубокое обучение, или даже более значительных. Эти прорывы помогут убрать основные ограничения узкоспециализированных программ на основе ИИ и наделить их множеством новых способностей. Это, например, мультидоменное и доменно-независимое обучение, понимание естественных языков, здравый смысл, обучение на небольшом количестве примеров, умение строить планы и рассуждать. На следующем этапе, чтобы создать эмоционально-интеллектуальных роботов, нам понадобится каким-то образом дать им самосознание, чувство юмора, любовь и сострадание, способность восхищаться красотой. Из-за сложности этих задач возможности современного ИИ сегодня ограничены выявлением корреляций в среде данных и простым прогнозированием, а создание сильного ИИ все еще выглядит недостижимой целью.

Чтобы решить каждую из задач, перечисленных выше, может потребоваться несколько важных открытий. Ошибка многих прогнозов, касающихся СИИ, заключается в том, что их авторы просто берут темпы прогресса в области ИИ за последнее десятилетие и экстраполируют их или делают вывод о непрестанном экспоненциальном росте компьютерного интеллекта. Сейчас мы пришли к глубокому обучению и активно применяем его во все новых областях – такова эпоха внедрения. Не существует доказательств, что этот процесс знаменует собой начало экспоненциального роста, который неизбежно приведет к появлению СИИ, а затем и суперинтеллекта. Наука требует упорного труда, и фундаментальные прорывы в ней вовсе не следуют один за другим. Достижения такого уровня, как открытие глубокого обучения, которые действительно поднимают планку машинного интеллекта, обычно случаются раз в несколько десятилетий, если не реже. Кропотливая работа позволила исследователям компании DeepMind создать новый, более продуктивный подход к таким технологиям, как обучение с подкреплением. Но за 12 лет после публикации знакового исследования Джеффри Хинтона и его коллег я не слышал о подобного масштаба сдвигах в области машинного интеллекта[68]. Да, опрошенные Бостромом исследователи ИИ считают, что появления СИИ можно ожидать в 2040 году, но, по моему мнению, когда дело касается перехода от теоретических изысканий к реальному продукту, ученые бывают излишне оптимистичны в оценках. В подтверждение приведу пример. В конце 1980-х годов я был ведущим мировым исследователем ИИ в области распознавания речи. И тогда я пришел в Apple, поскольку верил, что через пять лет эта технология станет повсеместно распространенной. Как оказалось, я ошибся на 20 лет. Конечно, я не гарантирую, что ученые не сделают в ближайшее время фундаментальных открытий, которые приведут к появлению сильного ИИ, а затем – суперинтеллекта. Но с уверенностью можно сказать одно: нам стоит рассчитывать в первую очередь на постоянное совершенствование существующих технологий и расширение их функций. Я считаю, что пройдет еще немало десятилетий, если не веков, прежде чем СИИ и суперинтеллект станут реальностью. Существует также объективная вероятность того, что люди так никогда и не смогут создать СИИ. Искусственный интеллект произведет переворот в отношениях между людьми и машинами – многие даже считают, что его появление станет самым выдающимся событием в истории человечества. Но я полагаю, что это грань, которую нам не следует переходить, пока не решены все проблемы, связанные с контролем и безопасностью. Так или иначе, я, как и другие эксперты по ИИ, среди которых Эндрю Ын и Родни Брукс, считаю, что мы гораздо дальше от создания СИИ, чем принято думать.

Означает ли это, что я прогнозирую устойчивый рост благосостояния и величественный расцвет человеческой цивилизации благодаря ИИ? Нисколько. Напротив, я считаю, что цивилизация скоро столкнется с еще одной разновидностью вызванного ИИ кризиса. Этот кризис не будет похож на апокалиптические картины из голливудских блокбастеров, но он все равно разрушит наши экономические и политические системы и изменит представление о том, что значит быть человеком в XXI веке.

Этот кризис будет связан с безработицей и неравенством. Наши нынешние возможности в области ИИ не позволяют нам создать суперинтеллект, способный разрушить нашу цивилизацию. Но я боюсь, что мы, люди, вполне справимся с этой задачей и сами.

Складной Пекин: научная фантастика, игра воображения и экономика ИИ

Ровно в 6 утра город начинает проглатывать сам себя. Стоящие плотными рядами здания из бетона и стали складываются пополам, наклоняясь вперед и в стороны. Их балконы и террасы находятся под фасадами, и внешние стены выглядят как гладкие непроницаемые поверхности. Секции небоскребов поворачиваются вокруг своей оси, словно грани огромных кубиков Рубика. Внутри этих модульных зданий проходит жизнь обитателей Третьего пространства Пекина – тружеников низшей категории, которые работают в ночные часы и спят днем. По мере того как элементы городского пейзажа встают на свое место, квадратные секции земной поверхности начинают плавно переворачиваться на 180 градусов. Когда над землей оказывается обратная сторона этих квадратов, мы видим совсем другой город. Первые лучи рассвета озаряют горизонт, и из своих подземных ниш появляются целые улицы, усаженные деревьями, большие парки, роскошные частные дома. Они раскладываются, обретают объем и наконец покрывают собой всю поверхность земли. Жители Первого пространства просыпаются, потягиваясь и любуясь утренним миром вокруг себя.

Так видит будущее города Хао Цзинфан – писательница, работающая в жанре научной фантастики, и исследователь-экономист. Небольшой рассказ Хао «Складной Пекин»[69] получил престижную премию Hugo Award в 2016 году за изображение города, где жизнь разных экономических классов разделена и протекает в разных мирах.

Пекин далекого будущего населяют три касты, каждая из которых пребывает на поверхности земли определенное время. Пять миллионов жителей элитного Первого пространства начиная с 6 утра наслаждаются жизнью полные сутки в чистом современном городе, где много воздуха и света.

Когда Первое пространство складывается и переворачивается, 20 млн жителей Второго пространства получают 16 часов, в течение которых они работают на фоне довольно приятного городского пейзажа. И, наконец, появляются обитатели Третьего пространства – 50 млн сортировщиков отходов, продавцов еды и чернорабочих. Их пребывание на поверхности длится 8 часов – с 10 вечера до 6 утра, они работают в темноте, среди мрачных небоскребов и мусорных ям. Работу по сортировке отходов, составляющую основу жизни Третьего пространства, можно полностью автоматизировать, но ею занимаются вручную: это нужно, чтобы обеспечить занятость миллионов несчастных.

Перемещаться из одного пространства в другое запрещено: так создается общество, в котором привилегированные граждане могут жить, не беспокоясь, что вид чумазых рабочих помешает им наслаждаться красотой города.

Реальный кризис ИИ

Конечно, это всего лишь фантастический рассказ, но его идея выросла из реальных опасений по поводу экономического расслоения и безработицы в нашем автоматизированном будущем. Хао имеет ученую степень в области экономики и управления престижного Университета Цинхуа. На своей основной работе она ведет экономические исследования в аналитическом центре, подотчетном Госсовету Китая, изучая в том числе и влияние ИИ на занятость китайских граждан. Эта тема глубоко волнует многих экономистов, технологов и футуристов, включая и меня. Я считаю, что по мере того как четыре волны ИИ будут распространяться в мировой экономике, экономическое неравенство будет расти, что приведет к повсеместной безработице в технических отраслях. И, как и описывается в рассказе Хао, эти противоречия могут трансформироваться во что-то гораздо более глубокое, угрожать устоям нашего общества и человеческому достоинству, ставить под вопрос смысл нашей жизни. Повсеместная автоматизация приведет к повышению производительности, но исключит из трудового процесса огромное число работников. Увольнения коснутся всех, вне зависимости от цвета воротничков. Образованные офисные служащие пострадают не меньше, чем простые рабочие. Высшее образование – даже научная степень – никому не гарантирует сохранение работы, поскольку машины способны выявлять закономерности и принимать решения на уровнях, где человеческий мозг бессилен.

Развитие ИИ будет усугублять и общее экономическое неравенство. Когда роботы получат зрение и способность двигаться самостоятельно, это приведет к революции в промышленности. Потогонные фабрики, на которых трудится огромное количество низкооплачиваемых рабочих, останутся в прошлом. Таким образом, будут разрушены низшие ступени на лестнице экономического развития. Это закроет для развивающихся стран тот путь, который вывел из бедности Южную Корею, Китай и Сингапур. Множество молодых рабочих, которые некогда составляли главное преимущество бедных государств, превратятся для них в обузу и угрозу стабильности. Не имея возможности встать на путь развития, эти страны будут стагнировать, в то время как супердержавы ИИ ожидает экономический подъем. Но даже в богатых и технологически развитых странах ИИ углубит пропасть между имущими и неимущими. Накапливая данные и совершенствуя механизмы оптимизации на основе ИИ, крупные компании будут снижать цены и стремиться к превращению в монополии. Малому бизнесу не останется места на рынке, а прибыль промышленных гигантов вырастет до немыслимых размеров. Такая концентрация экономической мощи в руках немногих будет сыпать соль на открытые раны социального неравенства. В большинстве развитых стран экономическое неравенство и классовая вражда числятся среди наиболее взрывоопасных проблем. Последние несколько лет показали нам, как долго кипящая ненависть может вылиться в радикальный политический переворот. По моему мнению, если ИИ не взять под контроль, то он будет подливать масло в огонь социально-экономических конфликтов.

К социальным и экономическим неурядицам будет приводить и внутренняя, психологическая борьба – та, которая не бросается в глаза, как заголовки газет, но определяет очень многое. Когда все больше и больше людей начнут осознавать, что машины вытесняют их, им придется искать новый ответ на вопрос, что значит быть человеком в эпоху умных машин.

Технооптимисты и «луддитское заблуждение»

Подобно утопическим и антиутопическим прогнозам о сильном ИИ, прогноз о кризисе занятости и неравенства не лишен внутренних противоречий. Многие экономисты и технооптимисты считают безосновательными опасения по поводу безработицы в технических отраслях. От мрачных прогнозов они отмахиваются как от «луддитского заблуждения». Луддитами называли британских ткачей XIX века, которые ломали новые промышленные ткацкие станки, считая, что эти машины лишают их средств к существованию. Несмотря на все усилия и протесты луддитов, индустриализация шла полным ходом, и как количество рабочих мест, так и качество жизни в Англии стабильно росли в течение последующих двух столетий. Луддиты не сумели защитить свое ремесло от автоматизации, и многие из них действительно от нее пострадали[70] – но для их детей и внуков в конечном счете перемены оказались благом. Такова реальная история технологических изменений и экономического развития, и технооптимисты считают, что так же все будет происходить и впредь. Автоматизация увеличивает производительность труда и ведет к снижению цен на товары и услуги. Более низкие цены способствуют повышению покупательной способности потребителей, и они либо покупают больше самих товаров, либо тратят эти деньги на что-то еще. Оба этих результата увеличивают спрос на рабочую силу, и, следовательно, количество рабочих мест растет. Да, технологические сдвиги могут привести к кратковременным негативным явлениям. Но если миллионы фермеров стали фабричными рабочими, уволенные заводские рабочие могут стать инструкторами по йоге или программистами. В долгосрочной перспективе технический прогресс никогда не ведет к сокращению числа рабочих мест или росту безработицы. Это простое и изящное объяснение материального благополучия и относительно стабильной ситуации на рынках труда в промышленно развитых странах мира. Поэтому технооптимисты смотрят на тех, кто предупреждает об угрозе безработицы из-за развития ИИ, как на мальчика из басни, который кричал: «Волки! Волки!»

Со времен промышленной революции люди боялись, что любое новшество, от ткацких станков до тракторов и банкоматов, может лишить их работы. Но каждый раз благодаря повышению производительности вкупе с магией рынка все улаживалось само собой.

Поэтому экономисты используют эти примеры из прошлого, чтобы опровергать прогнозы о безработице, которую может вызвать развитие ИИ в будущем. Они указывают на миллионы изобретений – хлопкоочистительные машины, электрические лампочки, автомобили, видеокамеры и сотовые телефоны, – появление которых не привело к массовой безработице. В случае с искусственным интеллектом, по их словам, все закончится так же. Он будет способствовать значительному увеличению производительности, обновлению рабочих мест и повышению всеобщего благосостояния. Так о чем тут беспокоиться?

Конец слепого оптимизма

Если рассматривать все изобретения как точки данных и оценивать их одинаково, то аргументы технооптимистов звучат убедительно. Но не все изобретения равнозначны. Какие-то из них по-новому выполняют одну-единственную задачу (пишущие машинки), другие – один вид задач (калькуляторы), а некоторые преображают всю отрасль (хлопкоочистительная машина). А потом человечество совершает технологический прорыв принципиально иного масштаба. Последствия таких прорывов производят революцию в десятках отраслей, что ведет к кардинальным переменам в экономике и даже структуре общества. Именно такие технологии экономисты называют технологиями широкого применения, или ТШП. В своей знаковой книге «Вторая эра машин»[71] профессора из МТИ Эрик Бриньолфссон и Эндрю Макафи описали ТШП как технологии, которые «достаточно значительны для того, чтобы ускорить нормальный темп экономического прогресса»[72].

Однако если принимать во внимание только ТШП, то остается не так уж много примеров из истории, по которым мы можем судить о последствиях таких явлений.

Историки-экономисты не пришли к единому мнению о том, какие именно инновации современной эпохи могут претендовать на первостепенную важность (железные дороги? двигатель внутреннего сгорания?), но анализ литературы показывает, что есть три технологии, стоящие выше остальных: паровая энергетика, электричество и информационно-коммуникационные технологии (например, компьютеры и интернет). Это по-настоящему прорывные технологии, повлиявшие на мировую экономику и кардинально изменившие и нашу жизнь, и наш труд.

Однако исследователи редко рассматривали влияние ТШП на прогресс отдельно от других факторов. Обычно во внимание принимались миллионы узкоспециализированных изобретений, таких как шариковая ручка или автоматическая коробка передач.

И хотя это правда, что технический прогресс в долгосрочной перспективе всегда приводил к созданию большего количества рабочих мест и большему процветанию, если мы сосредоточимся только на ТШП, то обнаружим, что трех точек данных явно недостаточно, чтобы делать общие выводы. В таком случае нам следует рассмотреть исторические факты о том, как каждое из этих новаторских открытий повлияло на количество рабочих мест и зарплаты.

Использование парового двигателя и электрификация были важнейшими составляющими первой и второй промышленной революции (1760–1830 и 1870–1914 гг. соответственно). Обе эти ТШП помогли построить современную систему фабрик. Города получили энергию и освещение, технологии производства модернизировались. Однако если посмотреть шире, изменение способов производства привело к деквалификации. Задачи, которые когда-то требовали от рабочих особых знаний и навыков (как, например, при ручном ткачестве), на фабриках решались по-иному: работа делилась на простые операции, которые могли выполнять низкоквалифицированные работники (например – управление паровым ткацким станком). Постепенно эти технологии позволили значительно увеличить объем производимой продукции и снизить ее стоимость.

Ранние ТШП приводили к появлению новых технологий, которые, в свою очередь, приводили к появлению новых рабочих мест. Например, была изобретена сборочная линия, давшая тысячам, а в дальнейшем – сотням миллионов бывших крестьян работу на производстве и место в новой промышленной экономике. Да, относительно небольшое количество опытных ремесленников (некоторые из них могли стать луддитами) осталось не у дел, но гораздо больше было работников низкой квалификации, которые теперь выполняли повторяющиеся, монотонные операции на станках. Производительность труда росла, и начался подъем экономики, ведущий к повышению уровня жизни.

Но как насчет самых последних ТШП – информационно-коммуникационных (ИКТ)? Пока что их влияние на рынки труда и экономическое неравенство остается неоднозначным. Как отмечают Бриньолфссон и Макафи, во время Второй эры машин в течение 30 лет в Соединенных Штатах наблюдался устойчивый рост производительности труда, но одновременно с этим стагнация среднего дохода и занятости.

Бриньолфссон и Макафи называют это «великим расхождением»[73]. После десятилетий, в течение которых производительность, заработные платы и количество рабочих мест росли, в какой-то момент связи между ними начали рваться, словно перетершиеся нити. В то время как производительность труда продолжала расти, заработная плата и количество рабочих мест оставались на одном уровне или уменьшались.

Это привело к усилению расслоения общества в таких развитых странах, как Соединенные Штаты, где основная прибыль от применения ИКТ оказалась сосредоточена в руках избранных, составляющих 1 % всего населения. В США доля национального дохода, приходящаяся на эту элиту, выросла примерно вдвое в период с 1980 по 2016 год[74]. К 2017 году 1 % американцев принадлежало почти в два раза больше средств, чем 90 % людей из более низких социальных слоев[75], вместе взятым. В то время как последняя из ТШП распространилась по всей экономике, реальная заработная плата средних американцев осталась на том же уровне, что и 30 лет назад, а заработки самых бедных из них даже упали[76].

Одна из причин, по которой ИКТ могут отличаться от паровых двигателей и электрификации, заключается в «смещении навыков». В то время как две предыдущие ТШП увеличили производительность труда и снизили требования к квалификации рабочих, ИКТ часто – хотя и не всегда – выгодны высококвалифицированным специалистам. Инструменты цифровых коммуникаций позволяют лучшим исполнителям эффективно управлять гораздо большими системами и охватывать более широкую клиентуру. Разрушая барьеры на пути распространения информации, ИКТ увеличивают возможности тех, кто обладает самой высокой квалификацией, и подрывают экономическое значение средних игроков. Сложно прийти к однозначному выводу о том, насколько велико влияние ИКТ на занятость и стагнацию в области заработной платы в США. Глобализация, деградация профсоюзов и аутсорсинг – все это факторы, дающие экономистам пищу для бесконечных споров. Но одна вещь становится все более очевидной: нет никакой гарантии, что вызванное ТШП повышение производительности труда также приведет к увеличению количества рабочих мест или повышению заработной платы работников.

Технооптимисты могут считать эти опасения луддитскими заблуждениями, но ряд самых выдающихся ученых-экономистов современности придерживается иного мнения. Лоуренс Саммерс ранее работал главным экономистом Всемирного банка, затем занял пост секретаря казначейства при Билле Клинтоне и наконец стал директором Национального экономического совета при Бараке Обаме. В последние годы он предупреждает об опасности излишнего оптимизма в отношении технологических новшеств.

«Безусловно, нет смысла пытаться остановить технический прогресс, – сказал Саммерс в интервью газете New York Times в 2014 году. – Но нельзя просто предполагать, что все будет в порядке только потому, что рынок магическим образом расставит все по местам»[77].

Эрик Бриньолфссон также предупреждает о том, что взаимосвязь между накоплением богатства и созданием рабочих мест постепенно сходит на нет, и называет это самой большой проблемой нашего общества на ближайшие десятилетия[78].

Следующая ТШП

Какое отношение все это имеет к искусственному интеллекту? Я уверен, что ИИ вскоре войдет в элитный клуб общепризнанных ТШП, вызвав серьезные изменения в экономике производства и даже в структуре общества. Революция искусственного интеллекта не уступит в масштабе научно-технической революции, но произойдет гораздо быстрее. Консалтинговая фирма PwC прогнозирует, что ИИ обогатит мировую экономику на 15,7 трлн долларов к 2030 году. Если прогноз оправдается, то эта сумма будет больше, чем весь сегодняшний ВВП Китая. Она равна примерно 80 % ВВП США в 2017 году. Прогнозируется, что 70 % этих средств будет генерироваться в США и Китае. Революция ИИ произойдет с большим размахом, чем предыдущие экономические революции. Паровая энергия коренным образом изменила характер ручного труда, ИКТ так же повлияли на некоторые виды умственного труда. ИИ изменит и тот и другой. Он будет выполнять множество физических и интеллектуальных задач быстрее и эффективнее, чем любой человек. Производительность труда во всех отраслях – от транспортных перевозок до промышленного производства и медицины – резко вырастет.

В отличие от ТШП первой и второй промышленных революций, ИИ не снизит требования к квалификации работников. Он не будет раскладывать сложные задачи, выполняемые небольшим количеством людей, на операции, с которыми могут справиться более многочисленные низкоквалифицированные сотрудники.

Вместо этого он просто возьмет на себя выполнение задач, которые отвечают двум критериям: могут быть оптимизированы на основе анализа данных и не требуют социального взаимодействия. (Далее я более подробно расскажу о том, при выполнении каких задач ИИ сможет или не сможет заменить человека.) Да, при этом тоже появятся новые рабочие места – например, для специалистов по ремонту роботов или специалистов по ИИ. Но основное влияние ИИ на занятость будет проявляться не в создании рабочих мест, а в замене работников машинами.

Вытесненные рабочие, теоретически, могут перейти в другие отрасли, которые сложнее поддаются автоматизации, но это сам по себе крайне разрушительный процесс, занимающий много времени.

Оборудование – лучше, быстрее, сильнее

Роскошь, которую революция ИИ нам не подарит, – это время. Переход к экономике, управляемой ИИ, произойдет намного быстрее, чем промышленная революция, за время которой сменилось несколько поколений. Работникам и организациям останется лишь спешно приспосабливаться к новым условиям. Революция ИИ произойдет на глазах у одного поколения. Ее наступление будет ускорено тремя катализаторами, не существовавшими прежде. Во-первых, многие важнейшие инструменты в эпоху ИИ – это просто цифровые алгоритмы: их можно воспроизводить сколько угодно и мгновенно распространять по всему миру. Революция ИИ не сравнима с революциями пара и электричества. Даже многие ИКТ требовали массу громоздкого оборудования.

Прежде любое оборудование нужно было изобрести, испытать, построить, продать и отправить конечным пользователям. Даже при незначительной модернизации какой-либо детали этот процесс требовалось повторить, причем каждый этап сопровождался расходами и социальными трениями. Все это замедляло развитие новых технологий, и продукт далеко не сразу становился экономически эффективным для предприятия. Революции ИИ такие ограничения не страшны. Цифровые алгоритмы могут распространяться практически бесплатно, а после внедрения их можно сколько угодно обновлять и улучшать. Именно алгоритмы – а не передовая робототехника – быстро возьмут на себя основную работу и вытеснят значительную часть белых воротничков. Сегодня они получают свою заработную плату за то, что обрабатывают информацию и принимают решения на ее основе. Именно с такими операциями алгоритмы ИИ справляются лучше всего. В отраслях, где от работников не требуется общения с клиентами, людей можно заменить быстро и массово, при этом не придется тратить деньги на изготовление устройств, их доставку, установку и ремонт. Аппаратная часть роботов на основе ИИ или беспилотных автомобилей все еще будет требовать всех этих затрат, но базовое программное обеспечение – нет. А значит, технологические продукты на основе ИИ будут совершенствоваться и все лучше продаваться, проникая повсюду.

Второй катализатор – это тот, который многие в технологическом мире сегодня воспринимают как должное: создание индустрии венчурного капитала. Венчурное инвестирование – ранние инвестиции в компании с высоким риском и высоким потенциалом – было редкостью до 1970-х годов. Это означало, что изобретатели и новаторы в течение первых двух промышленных революций вынуждены были тратить на эксперименты и производство личные средства, деньги членов семьи, богатых покровителей, брать банковские кредиты. Богачам не было смысла ввязываться в рискованную, требующую больших затрат игру по финансированию инноваций революционного характера. Недостаток финансирования для новаторов приводил к тому, что многие хорошие идеи так и остались нереализованными, а внедрение ТШП шло гораздо медленнее, чем могло бы. Сегодня венчурное финансирование – это хорошо отлаженная машина по созданию и коммерциализации новых технологий. В 2017 году объем венчурного финансирования побил новый рекорд, составив 148 млрд долларов[79]. Этому способствовало создание банком Softbank стомиллиардного «перспективного фонда», средства которого будут вложены в ближайшие годы. В том же году общий объем средств, вложенных венчурными фондами в стартапы, связанные с ИИ, подскочил до 15,2 млрд долларов[80], что на 141 % больше, чем в 2016 году. Венчурные инвесторы неустанно ищут методы выжать из своих вложений побольше и полагаются в этом в том числе на искусственный интеллект. Но с особой любовью они относятся к проектам на основе прорывных технологий, способным разрушать и создавать целые отрасли. В течение будущего десятилетия ненасытные венчурные фонды будут способствовать быстрому внедрению технологий и итерации бизнес-моделей, пуская в ход любые средства для изучения всех возможностей ИИ.

Третий катализатор не менее очевиден, но часто упускается из виду. Это Китай. Искусственный интеллект станет первой ТШП нашего времени, в развитии и применении которой Китай встанет плечом к плечу с Западом. Во времена индустриализации, электрификации и компьютеризации Китай настолько отставал, что его народ мог внести лишь незначительный вклад в эти отрасли. Но только за последние пять лет он так далеко продвинулся в интернет-технологиях, что теперь его ученые способны многое сделать для глобальной экосистемы, и эта тенденция резко ускорила появление инноваций в мобильном интернете. Достижения Китая позволяют использовать исследовательские таланты и творческий потенциал почти одной пятой человечества, чтобы решить задачу по распространению и использованию искусственного интеллекта. Учитывая гладиаторские качества китайских предпринимателей, уникальную интернет-экосистему и активную поддержку правительства, выход Китая на мировую арену может стать основным катализатором для развития ИИ.

Из всех этих тезисов можно уверенно сделать несколько выводов. Во-первых, в промышленную эпоху применение новых технологий в долгосрочной перспективе означало создание новых рабочих мест и рост заработной платы. Во-вторых, несмотря на то что прогресс никогда не стоит на месте, ТШП появляются очень редко и каждая из них влияет на рынок труда. Следовательно, последствия каждой из них нужно оценивать независимо. В-третьих, в эпоху паровой энергетики и электрификации сложились условия, которые способствовали росту производительности труда и занятости. Развитие ИКТ благоприятствует первому, но не обязательно второму. Более того, оно способствует снижению заработной платы многих трудящихся в развитых странах и усугублению неравенства. Наконец, революцию ИИ ускорят три катализатора: распространение цифровых технологий, венчурное финансирование и, конечно, достижения Китая – причем, предположительно, эта революция негативно повлияет на рынок труда и распределение доходов.

Если приведенные выше аргументы верны, то ответы на вопросы, какие рабочие места находятся в зоне риска и насколько все будет плохо, становятся очевидными.

На что способен и неспособен ИИ: визуализация рисков, связанных с заменой человеческих ресурсов машинными

Говоря о том, каких работников может или не может вытеснить ИИ, недостаточно разделить их по уровню квалификации. Будущее каждой профессии зависит от ряда ее особенностей. Хотя ИИ значительно превосходит людей в решении ряда узких задач, которые могут быть оптимизированы на основе анализа данных, он все еще неспособен взаимодействовать с людьми или имитировать ловкость наших пальцев и конечностей. Он также неспособен широко мыслить и решать творческие задачи или задачи, требующие сложной стратегии – то есть такие, исходные данные и результаты которых плохо поддаются количественной оценке. Картину вытеснения людей с рабочих мест можно изобразить с помощью двух графиков в системе координат X-Y: одного для физического (в широком смысле) труда и одного – для умственного.

Риск вытеснения в отраслях умственного труда

Риск вытеснения в отраслях физического труда

На графике для профессий, связанных с физическим трудом, ось X из центра идет в левую сторону к сектору «Особые навыки не требуются, хорошо структурированная среда» и в правую – к сектору «Требуются особые навыки, среда не структурирована». Ось Y внизу упирается в сектор «Отрасли с минимальным социальным фактором», а вверху – в сектор «Социальные отрасли». На диаграмме, иллюстрирующей положение работников умственного труда, ось Y идет так же, как на первой диаграмме (от сектора «Отрасли с минимальным социальным фактором» до сектора «Социальные отрасли»), но ось X выглядит иначе: в левой ее части расположен сектор «Задачи, основанные на оптимизации», а в правой – сектор «Задачи, требующие творческого или стратегического решения». Когнитивные задачи классифицируются как «основанные на оптимизации», если они предполагают работу с данными, которые можно оцифровать (например, определение оптимальной ставки страхования или увеличение налогового вычета).

Каждый график разделен осями на четыре сектора: нижний левый сектор – «Опасная зона», верхний правый – «Безопасная зона», верхний левый – это «Человекоориентированные специальности», а нижний правый – «Медленное повышение риска». Люди, выполняющие задачи, которые относятся к «Опасной зоне» (мойщики посуды, неопытные переводчики), с высокой долей вероятности могут лишиться работы в ближайшие годы. Специальности из «безопасной зоны» (психиатр, сиделка и т. д.) вряд ли удастся автоматизировать в обозримом будущем. Секторам «Человекоориентированные специальности» и «Медленное повышение риска» не угрожает вытеснение в ближайшее время, однако постепенно количество рабочих мест в них может сокращаться. Как мы увидим дальше, большинство специальностей не сводятся к «основным задачам», которые мы поместили в определенных секторах, а включают разнообразные дополнительные виды деятельности. Это усложняет автоматизацию многих профессий, но мы все же можем опираться на приведенные здесь графики, говоря о том, какие специальности находятся под угрозой.

В секторе «Человекоориентированные специальности» большая часть расчетов или физической работы уже может быть выполнена машинами, но важный фактор социального взаимодействия затрудняет автоматизацию.

Если автоматизация этого сектора все-таки произойдет, то, вероятно, следующим образом: машины будут выполнять за кадром работу по оптимизации, а сотрудники-люди – выступать в качестве социального интерфейса для клиентов, что приведет к своеобразному симбиозу между человеком и машиной. Это может произойти с такими профессиями, как бармен, школьный учитель и даже медицинская сестра или сиделка. Сколько рабочих мест исчезнет и как быстро, зависит от гибкости компаний при реструктуризации задач, выполняемых сотрудниками, и от того, насколько клиенты готовы к взаимодействию с компьютерами.

В категории «Медленное повышение риска» (сантехник, строитель, графический дизайнер средней квалификации) не важны социальные навыки: основную роль здесь играют умение работать руками, творческие способности или способность адаптироваться к неструктурированной среде. Они остаются существенными препятствиями для ИИ, но их, вероятно, удастся преодолеть. То, как быстро это произойдет, зависит не столько от технологических инноваций в компаниях, сколько от фактического расширения возможностей ИИ. Но для профессионалов, оказавшихся в дальнем правом углу сектора «Медленное повышение риска», открываются новые перспективы: они могут использовать инструменты ИИ для ускорения прогресса в своей области. Графики вытеснения и замены дают нам основную эвристику для понимания того, какие категории рабочих мест находятся в зоне риска и что будет с занятостью в целом, на макроэкономическом уровне. Чтобы получить лучшее представление об этом, обратимся к работам экономистов.

О чем говорят исследования

Прогнозы о масштабах безработицы, которую может вызвать развитие ИИ, опубликованы многими экономистами и консалтинговыми компаниями по всему миру. В зависимости от того, какая модель используется исследователями, оценки варьируются от пугающе пессимистичных до нейтральных. Далее я даю краткий обзор литературы и методов, уделяя особое внимание тем из них, которые вызвали дебаты. Китайскому рынку до сих пор не было посвящено достаточно глубоких исследований, поэтому я в основном рассматриваю работы, оценивающие потенциал автоматизации в США, а затем экстраполирую полученные результаты на Китай.

В 2013 году двое ученых из Оксфордского университета положили начало целой серии исследований, выпустив зловещий прогноз, согласно которому 47 % рабочих мест в США могут перестать существовать уже в течение последующих 10 или 20 лет из-за автоматизации[81]. Для начала авторы статьи – Карл Бенедикт Фрей и Майкл Осборн – задали экспертам по машинному обучению вопрос, как они оценивают вероятность автоматизации 70 профессий в ближайшие годы. Затем, совмещая данные ответов с перечнем основных «узких мест» в машинном обучении (приведенным в секторах «Безопасная зона» на диаграммах в предыдущем разделе), Фрей и Осборн с помощью вероятностной модели получили прогноз того, насколько доступными для автоматизации окажутся еще 632 профессии. Результаты показали, что почти половина рабочих мест в США в ближайшие десятилетия окажется в зоне «высокого риска замены», и вызвали настоящий ажиотаж. Фрей и Осборн были осторожны и снабдили свое заключение многочисленными оговорками. К тому же речь в нем шла о том, какие специальности будет технически возможно заменить машинами, а не о том, сколько из них действительно исчезнут. Однако за исследованием последовал шквал публикаций в прессе, в которых этот важный момент не упоминался, зато тиражировалось заявление, что половина всех трудящихся скоро останется без работы.

Вскоре последовало еще одно громкое исследование. В 2016 году трое экономистов из Организации экономического сотрудничества и развития (ОЭСР) использовали альтернативную модель и получили оценку, казалось бы, прямо противоречившую оксфордскому исследованию. Согласно их выводам, высокий риск вытесняющей автоматизации в Соединенных Штатах существовал всего лишь для 9 % рабочих мест[82]. Откуда же взялся такой огромный разрыв? Исследователи не согласились с подходом Осборна и Фрея, при котором оценка основывалась на «автоматизируемости профессии». Команда ОЭСР исходила из предпосылки, что автоматизированы будут не сами профессии, а, скорее всего, довольно конкретные задачи. Группа ОЭСР утверждала, что многие задачи, выполняемые представителями большинства профессий, нельзя алгоритмизировать, например совместную работу с коллегами в группах, личное общение с клиентами и т. п.

Исследователи предложили подход, при котором профессиональная деятельность раскладывалась на многочисленные компоненты и каждый из них оценивался с точки зрения возможностей его автоматизации. В этой модели работа, например, ассистента по заполнению налоговых деклараций, классифицируется не как одно занятие, а как серия задач, поддающихся автоматизации (обзор поступивших документов, расчет максимальных отчислений, поиск несоответствий в документах и т. д.), и тех, которые ей не поддаются (встречи с новыми клиентами, доведение принятых решений до каждого из клиентов и т. д.). Затем группа ОЭСР применила вероятностную модель и расcчитала, какой процент рабочих мест может оказаться «в зоне высокого риска» (если автоматизации поддаются не менее 70 % профессиональных задач). Как уже говорилось, расчеты показали, что в США в эту зону попадают всего 9 % трудящихся. Применив ту же модель для 20 других стран, ученые из ОЭСР установили, что доля профессий с высоким уровнем риска будет равна 6 % в Корее и 12 % в Австрии. Казалось, можно не волноваться: исследование подтвердило, что слухи о грядущей безработице сильно преувеличены. Но, как и следовало ожидать, дебаты не утихали. Подход ОЭСР, основанный на автоматизации задач, стал преобладающим среди исследователей, однако не все они согласились с оптимистичными выводами, изложенными в докладе. В начале 2017 года исследователи из PwC, пользуясь тем же подходом, провели собственный анализ и обнаружили, что к началу 2030-х годов в Соединенных Штатах высокому риску уничтожения из-за автоматизации подвергнется 38 % рабочих мест[83]. Расхождение с результатом в 9 %, полученным учеными из ОЭСР, которые просто использовали для расчетов немного другой алгоритм, было значительным. Исследователи из PwC, как и их предшественники, вскоре заявили, что их прогноз касается технических возможностей автоматизации, а на самом деле изменения на рынке труда будут протекать более мягко благодаря нормативной, правовой и социальной динамике.

Исследователи из Глобального института McKinsey попытались найти некое усредненное решение. Я помогал институту в проведении его исследований, связанных с Китаем, и стал соавтором научной статьи, посвященной китайскому цифровому ландшафту. Используя все тот же подход, основанный на разделении каждой профессии на ряд задач, команда компании McKinsey подсчитала, что около 50 % рабочих задач по всему миру уже автоматизировано[84]. Для Китая этот процент был несколько выше – 51,2 %, а для США – немного ниже – 45,8 %. Поэтому, когда дело дошло до оценки фактических последствий для рынка труда, исследователи McKinsey были менее пессимистичными. При быстром внедрении методов автоматизации (сценарий, наиболее сопоставимый с приведенными выше результатами) к 2030 году может быть автоматизировано 30 % профессиональных задач во всем мире, но только 14 % трудящихся вынуждены будут поменять специальность. Итак, о чем же говорит нам проведенный обзор научных статей? Оценки экспертов относительно сокращения рабочих мест в Соединенных Штатах варьируются в пределах от 9 % до 47 %. И даже если придерживаться подхода, основанного на автоматизации задач, то все равно останется разброс в диапазоне от 9 % до 38 %, то есть от относительного благополучия до самого настоящего кризиса. Такая разница в оценках не должна вызывать у нас недоумения. Однако нам стоит подумать о том, чему эти исследования могут научить нас – и чего, они, вероятно, не отражают.

О чем не говорят исследования

С уважением относясь к опыту экономистов, получивших все приведенные выше оценки, я не могу согласиться с выводами ОЭСР. Во-первых, я сомневаюсь в правильности их входных данных и уравнений, а во-вторых, я иначе представляю себе вызванное ИИ разрушение рынков труда. Эти противоречия заставляют меня согласиться с более высокими оценками PwC, хотя я настроен еще более пессимистично. Во-первых, я не согласен с тем, как в исследованиях оценивались технические возможности машин в предстоящие годы. В оксфордском исследовании 2013 года группу специалистов по машинному обучению попросили предсказать, будут ли автоматизированы 70 профессий в ближайшие два десятилетия, а затем эти данные использовались для оценки потенциала автоматизации в других отраслях. И хотя исследователи ОЭСР и PwC использовали другой, основанный на задачах, подход, их оценки все равно строились на данных 2013 года. На тот момент эти предположения экспертов выглядели правомерными, но за последние пять лет были сделаны огромные шаги вперед в области машинного обучения. В то время эксперты иногда могли предсказать отдельные новшества, которые уже были на подходе. Но мало кто из них ожидал, что глубокое обучение станет настолько результативным и настолько быстрым. Когда дело доходит до реального применения, эти неожиданные новшества расширяют практические возможности ИИ и, следовательно, уничтожают рабочие места. Один из ярких примеров тому – соревнование ImageNet. На конкурсе алгоритмы команд-участниц должны выявить тысячи различных объектов (таких как птицы, мячи, отвертки и мечети) на миллионах изображений. Он быстро стал одним из самых уважаемых соревнований в области распознавания изображений, а его результаты превратились в ключевой показатель прогресса ИИ в области компьютерного зрения.

Незадолго до того, как в начале 2013 года оксфордские эксперты по машинному обучению сделали свой прогноз, состоялось соревнование ImageNet 2012 года, на котором «дебютировали» методы глубокого обучения. Команда Джеффри Хинтона, используя эти методы, сделала рекордно малое количество ошибок – около 16 %, и значительно обогнала остальных участников соревнований, ни одному из которых не удавалось добиться доли ошибок ниже 25 %.

Итоги конкурса вызвали большой интерес к глубокому обучению в сообществе ИИ, но это была всего лишь первая ласточка. К 2017 году алгоритмы почти всех команд делали 5 % ошибок: это приблизительно соответствовало результатам, которые показывают люди при выполнении аналогичных заданий. Причем средний по своим возможностям алгоритм 2017 года делал в три раза меньше ошибок, чем лучший алгоритм 2012 года. За годы, прошедшие после прогноза ученых из Оксфорда, компьютерное зрение стало лучше, чем человеческое. Теперь эта технология применяется на практике во многих областях. Но компьютерным зрением дело не ограничивается. Алгоритмы бьют все новые рекорды в области распознавания речи, машинного чтения и машинного перевода. Хотя все эти достижения нельзя назвать фундаментальными, они воодушевляют предпринимателей. Все вышесказанное заставляет меня поверить в более пессимистичный прогноз PwC, предполагающий, что к началу 2030-х годов 38 % рабочих мест в США все же окажется в зоне высокого риска.

Два вида утраты рабочих мест: полная замена и исчезновение при модернизации отраслей

Но помимо вышеописанных расхождений в методологии, я считаю, что если использовать только один подход – основанный на оценке возможности автоматизации отдельных задач, – то мы упускаем из виду совершенно отдельную проблему: потери рабочих мест в результате внедрения новых бизнес-моделей, разработанных на основе ИИ. Я назову свой подход отраслевым, чтобы разграничить его и те два подхода, о которых шла речь выше. В какой-то степени он сформировался под влиянием моей собственной работы. Прежние исследования проводились в основном экономистами, в то время как я – технический специалист и венчурный инвестор. Экономисты, делая свои прогнозы, оценивали задачи, решаемые специалистом-человеком, и выясняли, способна ли их решить машина. Другими словами, целью этого подхода было установить, можно ли полностью заменить работника-человека машиной.

Мой опыт подсказывает мне, что следует подходить к проблеме иначе.

Когда-то я работал над превращением передовых технологий на основе ИИ в полезные продукты, а теперь, став венчурным инвестором, я финансирую и помогаю строить новые стартапы. Поэтому я вижу, что ИИ создает две разные угрозы для рынка труда: автоматизация отдельных профессий и потеря рабочих мест из-за коренных преобразований в разных отраслях. Многие компании, в которые я инвестировал капитал, хотели создать на основе ИИ один продукт, способный выполнять конкретный вид деятельности: например, робота, который мог бы поднимать и перемещать продукцию вместо работника склада, или алгоритм для автономного транспортного средства, справляющийся с основными задачами таксиста. В случае успеха эти компании начнут продавать свой продукт другим компаниям, а те станут увольнять лишних работников. Именно такой тип однозначной замены, вызывающий потерю рабочих мест, рассматривается экономистами, которые придерживаются подхода, основанного на автоматизации задач. И я считаю тридцативосьмипроцентную оценку PwC оправданной для этой категории.

Но существует и совершенно другой тип стартапов, которые с первых шагов строят свою работу на принципиально новом подходе. Эти компании не стремятся заменить одного сотрудника-человека на одного робота, справляющегося с теми же задачами; скорее они ищут новые пути удовлетворения основных человеческих потребностей, применяя революционные отраслевые решения.

Яркими примеры компаний такого типа – это Smart Finance (система, выдающая кредиты на основе решений ИИ), F5 Future Store (китайская сеть автоматизированных супермаркетов наподобие Amazon Go) и Toutiao (использующее алгоритмы новостное приложение без редакторов).

Алгоритмы не вытесняют работников из таких компаний просто потому, что людей там не было с самого начала. Но так как более низкие цены и лучший сервис позволяют этим компаниям захватить большую долю рынка, они будут оказывать давление на своих конкурентов, которые пока еще держат штат сотрудников. И этим конкурентам тоже придется измениться – провести реструктуризацию рабочих процессов, использовать ИИ и сократить число сотрудников, – в противном случае им грозит разорение. Так или иначе, конечный результат тот же: рабочих мест станет меньше.

Утрата рабочих мест, к которой могут привести такие процессы, почти не рассматривается в исследованиях экономистов. Очевидно, что работа редактора новостей включает десятки задач, которые нельзя алгоритмизировать. Машины не могут читать и понимать новости и тематические статьи, субъективно оценивать, насколько интересен аудитории конкретный материал, или общаться с журналистами и другими редакторами. Но когда основатели Toutiao занимались разработкой своего приложения, они и не искали алгоритм, который выполнял бы все перечисленные задачи. Вместо этого они попытались понять, как новостное приложение может выполнять свою основную функцию без редактора, а когда поняли, то просто использовали подходящий алгоритм ИИ.

Я считаю, что принципиально новые продукты такого рода могут лишить работы примерно 10 % трудящихся в США. Больше всего этот процесс затронет отрасли, в которых значительный объем рутинных задач по оптимизации сочетается с внешним маркетингом или обслуживанием клиентов: фастфуд, финансовые услуги, безопасность, даже рентгенологию. Грядущие изменения нанесут значительный урон рынку труда в секторе «Человекоориентированные специальности», поскольку компании предпочтут передать задачи, связанные с общением, небольшим группам работников, в то время как алгоритмы будут выполнять большую часть тяжелой работы за кулисами. Результатом может стать хоть и не полное, но все же значительное сокращение рабочих мест в этих областях.

Итоги

Если сложить результаты по двум типам автоматизации – 38 % работников, вытесненных роботами или программами, и около 10 % работников, уволенных из-за коренных преобразований в их отраслях, – то становится ясно, что перед нами стоит грандиозная задача.

По моим оценкам, в течение 10–20 лет потенциал автоматизации достигнет такого уровня, что под угрозой окажется от 40 % до 50 % рабочих мест в Соединенных Штатах. Ценность сотрудников, которых нельзя заменить полностью, из-за увеличивающейся автоматизации их рабочей нагрузки будет снижаться. Это лишит их возможности добиваться повышения заработной платы и в долгосрочной перспективе приведет к увольнениям. Мы увидим большую армию безработных и снижение заработной платы. Многим придется работать на невыгодных условиях неполной занятости или сдельной оплаты. Хочу особенно подчеркнуть: это не означает, что страна столкнется с сорока- пятидесятипроцентной безработицей. Социальные трения, нормативные ограничения и старая добрая инерция будут значительно замедлять процесс изменений. Кроме того, сам по себе этот процесс породит новые рабочие места и специальности, которые смогут компенсировать часть потерь, – об этом пойдет речь в следующих главах. Таким образом, вызванная ИИ чистая безработица может уменьшиться до 20–25 % или даже до 10–20 %[85].

Аналогичные оценки приводятся в последнем исследовании (на момент написания этой книги), проведенном консалтинговой фирмой Bain and Company в феврале 2018 года. Вместо того чтобы вдаваться в подробности, связанные с оценкой специальностей и отдельных задач, исследователи Bain and Company взяли за основу макроуровневый подход и попытались понять, как будут взаимодействовать три важнейших фактора в масштабах мировой экономики: демография, автоматизация и неравенство. Их анализ привел к поразительному выводу: к 2030 году работодателям потребуется на 20–25 % меньше сотрудников, что сопоставимо с численностью трудовых мигрантов в США, составляющей от 30 до 40 млн человек. Специалисты признали, что некоторые из этих рабочих получат новые профессии, пока не существующие или очень редкие (например, техник по ремонту роботов), но предсказали, что этот процесс существенно не повлияет на последствия повсеместной автоматизации. Ее влияние будет ощущаться гораздо сильнее, и число уволенных работников, возможно, выйдет за пределы 20–25 %. Если учитывать не только потерю рабочих мест, но и снижение заработной платы, то перемены затронут 80 % всех работников. Это нанесет сокрушительный удар по американскому обществу и, к сожалению, не будет временным потрясением, каким был короткий период десятипроцентной безработицы в США после финансового кризиса 2008 года. Если не взять ситуацию под контроль, то мы можем вступить в долгую эпоху полной занятости для умных машин и бездействия для работника среднего уровня.

Сравнение США и Китая: реванш Моравека

Но что же ждет Китай? Как будут жить его трудящиеся в условиях этой новой, невиданной доселе экономики? Хороших исследований о последствиях автоматизации в Китае очень мало, но здравый смысл подсказывает, что китайский народ пострадает намного сильнее, ведь интеллектуальные роботы в первую очередь положат конец золотой эре для рабочих на «фабрике мира». Такой прогноз можно сделать с учетом особенностей китайского рынка труда, а также наших предположений о том, какие рабочие места будут автоматизированы.

Более четверти китайских рабочих все еще трудится на фермах, еще четверть – на промышленном производстве. Для сравнения: менее 2 % американцев заняты в сельском хозяйстве и около 18 % – в промышленности. Выдающиеся мыслители, такие как автор книги «Роботы наступают»[86] Мартин Форд, утверждали, что огромная доля рутинного ручного труда может сделать Китай «эпицентром экономических и социальных потрясений, вызванных все большим использованием роботов»[87]. Известный ученый и эксперт Вивек Вадхва также предсказал, что умная робототехника подорвет преимущество Китая как центра промышленного производства и оно начнет возвращаться в Соединенные Штаты, причем не создавая там дополнительные рабочие места для людей. «Американские роботы работают не хуже китайских, – писал он, – они тоже не жалуются и не вступают в профсоюзы»[88].

Если вспомнить недавнюю историю, эти прогнозы понятны. Ведь за последние 100 лет экономической эволюции рабочие и наемные служащие потеряли больше всего рабочих мест именно из-за автоматизации физического труда. Промышленная и сельскохозяйственная техника (например, грузовые подъемники и тракторы) значительно увеличила производительность каждого работника в этих отраслях, и на определенных участках работ стало требоваться меньше людей. Проецируя тот же подход на эпоху ИИ, можно сказать, что труженики сельского хозяйства и промышленности Китая попали прямо под прицел интеллектуальной автоматизации. В то же время в американской экономике, где доминирует сфера услуг, бесчисленные белые воротнички в какой-то степени защищены от потери рабочих мест своими дипломами колледжей и доходами, измеряемыми шестизначными числами. Но, по моему мнению, полагаться на эту защиту в скором времени будет уже нельзя.

По мере того как Китай будет переживать вызванные автоматизацией потрясения на рынке труда, некоторые этапы переходного периода там могут начинаться позже или протекать медленнее, чем в американской экономике. Тем не менее, в то время как самые простые и монотонные виды работы на промышленном предприятии – контроль качества и сборка несложной продукции, – скорее всего, подвергнутся автоматизации в ближайшие годы, остальные ручные операции роботы будут осваивать с трудом, поскольку интеллектуальная автоматизация XXI века происходит иначе, чем автоматизация в области физического труда ХХ века. Точнее говоря, гораздо проще создавать алгоритмы ИИ, чем строить интеллектуальных роботов. В основе этой логики лежит принцип искусственного интеллекта, известный как парадокс Моравека. Ханс Моравек был в числе профессоров, у которых я учился в Университете Карнеги – Меллона. Работа над искусственным интеллектом и созданием роботов привела его к фундаментальной истине о сочетании этих двух направлений: несмотря на то что ИИ может относительно легко имитировать интеллектуальные или вычислительные способности взрослого человека, очень трудно дать роботу восприятие и сенсомоторные навыки, имеющиеся даже у малыша. Алгоритмы могут полностью затмить людей, когда речь идет о создании прогнозов на основе данных, но роботы все еще не научились выполнять обязанности горничной отеля. По сути, ИИ «великолепно работает головой», но роботы плохо работают пальцами. Парадокс Моравека был сформулирован в 1980-х годах, и с тех пор произошло много изменений. Открытие глубокого обучения обеспечило машины сверхчеловеческими способностями восприятия, когда дело касается распознавания речи или образов. Прорывы в области машинного обучения также способствовали небывалому росту интеллектуальных способностей машин, а именно дали им возможность находить необходимые комбинации среди общего объема данных и принимать решения. Однако мелкая моторика роботов – умение брать объекты и манипулировать ими – все равно далеко не так хороша, как у людей. И несмотря на то что ИИ может побеждать лучших игроков в го и диагностировать рак с предельной точностью, он все еще неспособен оценить хорошую шутку.

Воцарение алгоритмов и восстание роботов

Такова суровая правда об алгоритмах, роботах и их особенностях, которые будут определять ход вызванной ИИ потери рабочих мест. Автоматизация физического труда в прошлом столетии больше всего ударила по простым рабочим, но ожидаемая в ближайшие десятилетия интеллектуальная автоматизация в основном ударит по «белым воротничкам». Однако реальность такова, что им стоит опасаться скорее уже существующих алгоритмов, нежели роботов, которых еще нужно изобрести.

Проще говоря, алгоритмы ИИ станут для многих «белых воротничков» тем, чем тракторы были для сельскохозяйственных рабочих, – инструментом, который резко увеличивает производительность труда каждого работника и таким образом приводит к сокращению общей потребности в рабочей силе. При этом алгоритмы отличаются от тракторов тем, что их можно копировать и пересылать мгновенно, в любую точку мира, без существенных затрат для их создателя. Как только какое-либо программное обеспечение будет разослано миллионам пользователей – налоговым компаниям, лабораториям по наблюдению за изменением климата, юридическим фирмам. – оно может постоянно обновляться и совершенствоваться. С робототехникой, однако, дело обстоит намного сложнее. Чтобы развить у роботов тонкую моторику, придется постараться и производителям аппаратного обеспечения, и программистам, и специалистам по ИИ восприятия. Эти проблемы разрешимы, но требуют много времени, а чистое программное обеспечение для решения когнитивных задач создается сравнительно быстро. После того как робот построен, его еще нужно испытать, продать заказчику, доставить, установить, а затем обслуживать. Базовые алгоритмы робота иногда можно корректировать удаленно, но любые механические неполадки требуют работы на месте.

Все перечисленные выше особенности замедляют темпы роботизации. Но это не означает, что у простых рабочих в Китае нет повода для беспокойства. Дроны для обработки посевов пестицидами в сельском хозяйстве, роботы, умеющие разгружать фуры в складских комплексах, роботы, обладающие зрением, которые контролируют качество на производстве, – использование всех этих устройств приведет к резкому сокращению рабочих мест в этих отраслях. И китайские компании действительно вкладывают значительные средства во все вышеперечисленное. Рынок роботов в стране уже стал одним из ведущих в мире, на нем совершается почти столько же покупок, сколько в Европе и Америке, вместе взятых. Китайские руководители и политические лидеры едины в своем стремлении автоматизировать китайские производственные и сельскохозяйственные предприятия. При этом потери рабочих мест в Китае будут происходить более медленно и предсказуемо, чем в случае с радикальной атакой алгоритмов на специальности «белых воротничков». В то время как удачный цифровой алгоритм может нанести рынку умственного труда удар, сравнимый с ракетным, наступление робототехники на ручной труд больше похоже на позиционную войну. В долгосрочной перспективе, я думаю, угроза для рынка труда США и Китая станет приблизительно одинаковой. Такие особенности американского образования, как акцент на развитие творческих способностей и навыков межличностного общения, могут дать США некоторые преимущества. Однако для адаптации к грядущим изменениям важен фактор скорости, и особенности экономики Китая могут дать ему в этом отношении фору.

Сверхдержавы ИИ против всех остальных

Как бы то ни было, разрыв между Китаем и Соединенными Штатами остается незначительным по сравнению с тем, насколько остальные страны мира отстают от этих сверхдержав ИИ. Предприниматели Кремниевой долины любят преподносить свою продукцию как «демократизирующую доступ» к чему-то, «объединяющую людей» и, конечно же, «делающую мир лучше». Такой взгляд на технологии как на средство борьбы с неравенством всегда был несколько утопичным, но в эпоху ИИ он может превратиться в нечто гораздо более опасное. Если ИИ не контролировать, он способен резко усугубить неравенство как на международном, так и на внутреннем уровнях. И это неравенство может, в свою очередь, привести к раздору между сверхдержавами ИИ и остальным миром и разделить общество по классовому признаку, как в фантастической антиутопии, придуманной Хао Цзинфан.

Подобно технологиям и промышленности, ИИ естественным образом тяготеет к монополии. Он совершенствуется, получая новые данные, и это создает замкнутый цикл: чем лучше продукт, тем больше пользователей, чем больше пользователей, тем больше данных, а чем больше данных, тем лучше продукт. Когда какая-то компания вырывается вперед, этот цикл может быстро сделать дистанцию между ней и конкурентами непреодолимой.

Благодаря этому циклу китайские и американские компании уже захватили мировое лидерство в области ИИ. Канада, Великобритания, Франция и некоторые другие страны охотно открывают двери своих лабораторий перед талантливыми исследователями, но им часто не хватает других составляющих, необходимых, чтобы стать истинными сверхдержавами ИИ: большой базы пользователей и динамичной венчурной экосистемы для предпринимателей.

Нам еще предстоит увидеть рождение новаторских компаний в этих странах, и лондонской DeepMind дело не ограничится. Однако все семь гигантов искусственного интеллекта и подавляющее большинство лучших инженеров в области ИИ уже сосредоточены в США и Китае. Они строят огромные хранилища данных, питающие разнообразные продукты, такие как самоуправляемые автомобили, автономные дроны, устройства для перевода с иностранных языков и для распознавания лиц, программы для восприятия и синтеза естественного языка и многое другое. Чем больше данных эти компании накапливают, тем труднее будет компаниям из других стран конкурировать с ними.

По мере того как ИИ простирает свои щупальца во все отрасли экономики, эти технологические сверхдержавы будут получать все новые преимущества. По оценкам PwC, Соединенные Штаты и Китай намерены получить как минимум 70 % от 15,7 трлн долларов, которыми ИИ обогатит мировую экономику к 2030 году[89], причем на долю Китая придется 7 трлн. Другим государствам останется подбирать остатки, в то время как сверхдержавы ИИ будут наращивать производительность труда внутри страны и получать потоки прибыли из всех стран земного шара. Американские компании, скорее всего, будут претендовать на многие развитые рынки, а у китайских гигантов больше шансов заполучить рынки Юго-Восточной Азии, Африки и Азии. Боюсь, что этот процесс усугубит и значительно увеличит разрыв между имущими и неимущими. В то время как сверхдержавы ИИ за счет огромной прибыли будут становиться все богаче, страны, не перешагнувшие определенный технологический и экономический рубеж, окажутся в рядах отсталых или отстающих. В сферах производства и услуг почти все будут делать умные машины, расположенные в супердержавах ИИ, а более слабые государства продолжат терять то конкурентное преимущество, которое привело к процветанию их предшественников, – дешевую рабочую силу.