Co-Intelligence: Living and Working with AI

Радж, напротив, интегрировал в свой рабочий процесс помощника по архитектурному проектированию, управляемого искусственным интеллектом. Каждый раз, когда он создает проект, ИИ обеспечивает мгновенную обратную связь. Он может выделить структурные недостатки, предложить улучшения на основе экологичных материалов и даже предсказать потенциальные затраты. Более того, ИИ предлагает сравнить проекты Раджа с обширной базой данных других инновационных архитектурных работ, подчеркивая различия и предлагая области для улучшения. Вместо того чтобы просто итерировать проекты, Радж после каждого проекта проводит структурированную рефлексию благодаря знаниям, полученным от ИИ. Это сродни наставнику, который наблюдает за ним на каждом шагу, подталкивая его к совершенству.

В течение нескольких месяцев разница между траекториями роста Алекса и Раджа становится очевидной. В то время как проекты Алекса зреют и развиваются, темпы его роста значительно ниже. Его сеансы обратной связи, проводимые раз в неделю, хотя и ценны, но не дают того немедленного, глубокого анализа, который Радж получает после каждой итерации дизайна. Подход Раджа с помощью искусственного интеллекта воплощает в себе суть преднамеренной практики. Последовательная и быстрая обратная связь в сочетании с целенаправленными предложениями по улучшению гарантирует, что он не просто практикует больше, он практикует лучше. В этом контексте ИИ для Раджа - не просто инструмент; он выступает в роли постоянно присутствующего наставника, гарантирующего, что каждая попытка - это не просто создание очередного проекта, а осознанное понимание и совершенствование его архитектурного подхода.

Современный ИИ не может реализовать всю эту концепцию. Он не способен связывать сложные концепции и по-прежнему слишком часто галлюцинирует. Тем не менее, в ходе экспериментов в Уортоне мы обнаружили, что современный искусственный интеллект в ограниченных масштабах может быть довольно впечатляющим тренером, предлагая своевременное поощрение, обучение и другие элементы целенаправленной практики. Например, мы создали симулятор с использованием ИИ, чтобы научить людей подавать свои идеи. Сначала пользователи получают инструкцию и возможность задать ИИ вопросы о том, что они узнали (при этом ИИ предлагается дать совет по подаче идей так, как это делаю я на своих занятиях). Затем они переходят к практической сессии, где по другой подсказке ИИ имитирует венчурного капиталиста, который проверяет их подачу и идею. Все это время другой экземпляр того же ИИ собирает данные об их работе, включая секретные "заметки", которые вели предыдущие ИИ. В конце практической сессии этот ИИ оценивает их работу, а затем передает их последнему ИИ, которому поручено выступить в роли наставника. Это финальное взаимодействие помогает им осмыслить полученные знания и побуждает их попробовать еще раз. Хотя нам пришлось импровизировать, чтобы обойти слабые места современных моделей ИИ с помощью этой сложной системы, такие как отсутствие памяти, в будущем мы можем ожидать, что ИИ будет справляться со всеми этими ролями естественным образом. Это может стать большим толчком к приобретению опыта.

Когда каждый является экспертом

Я уже приводил аргументы в пользу того, что экспертность будет иметь большее значение, чем раньше, потому что эксперты смогут получить максимум от коллег ИИ и, скорее всего, смогут проверять факты и исправлять ошибки ИИ. Но даже при целенаправленной практике не каждый сможет стать экспертом во всем. Талант тоже играет свою роль. Как бы мне ни хотелось стать художником мирового класса или звездой футбола, я никогда им не стану, сколько бы ни тренировался. На самом деле, для самых элитных спортсменов целенаправленная практика объясняет лишь 1 процент их отличий от обычных игроков - все остальное - это генетика, психология, воспитание и удача.

И это относится не только к спортсменам. В Кремниевой долине рассказывают истории о "10-кратном инженере". То есть высокопроизводительный инженер-программист в 10 раз лучше среднего. На самом деле эта тема неоднократно изучалась, хотя большинство из этих исследований довольно старые. Но эти эксперименты обнаружили еще больший эффект, чем 10-кратный. Разрыв между программистами из 75-го процентиля и 25-го процентиля может достигать 27 раз по некоторым параметрам качества программирования. Добавьте это к моему собственному исследованию , посвященному работе, которую многие люди считают невероятно скучной и шаблонной - менеджменту среднего звена. Изучая индустрию видеоигр, я обнаружил, что качество менеджера среднего звена, курирующего игру, объясняет более пятой части доходов игры в конечном итоге. Это влияние было больше, чем влияние всей команды менеджеров высшего звена, и больше, чем влияние дизайнеров, которые придумывали креативные идеи для самой игры.