Власть и прогресс: Наша тысячелетняя борьба за технологии и процветание

Во-вторых, благодаря такому подходу современный ИИ оказался очень масштабируемым и переносимым, и, конечно, в областях, гораздо более интересных и важных, чем распознавание кошек. Как только проблема распознавания кошек на фотографии будет "решена", мы сможем перейти к решению более сложных задач распознавания изображений или как, казалось бы, несвязанных проблем, таких как определение смысла предложений на иностранном языке. Таким образом, существует потенциал для действительно широкого использования ИИ в экономике и в нашей жизни - во благо, но часто и во вред.

В крайнем случае, целью становится разработка полностью автономного, общего интеллекта, который может делать все, что может делать человек. По словам соучредителя и генерального директора DeepMind Демиса Хассабиса, цель состоит в том, чтобы "решить проблему интеллекта, а затем использовать ее для решения всех остальных проблем". Но является ли это лучшим способом разработки цифровых технологий? Этот вопрос обычно остается незаданным.

В-третьих, и это еще более проблематично, такой подход еще больше подтолкнул сферу к автоматизации. Если машины могут быть автономными и интеллектуальными, то вполне естественно, что они будут брать на себя все больше задач от работников. Компании могут разбить существующие рабочие места на более узкие задачи, использовать программы искусственного интеллекта и многочисленные данные для изучения того, что делают люди, а затем заменить алгоритмами людей в этих задачах.

Элитарное видение усиливает это внимание к автоматизации. Большинство людей, по мнению сторонников этой точки зрения, склонны к ошибкам и не очень хорошо справляются с задачами, которые они выполняют. Как говорится на одном из сайтов, посвященных ИИ: "Люди от природы склонны к ошибкам". С другой стороны, есть очень талантливые программисты, которые могут разрабатывать сложные алгоритмы. Как сказал Марк Цукерберг: "Тот, кто является исключительным в своей роли, не просто немного лучше того, кто довольно хорош. Они в 100 раз лучше". Или, по словам соучредителя Netscape Марка Андреессена, "пять великих программистов могут полностью превзойти 1000 посредственных программистов". Исходя из этого мировоззрения, желательно использовать нисходящее проектирование технологии исключительными талантами, чтобы ограничить человеческие ошибки и их стоимость на рабочих местах. Замена работников машинами и алгоритмами становится приемлемой, а сбор огромного количества данных о людях - допустимым. Такой подход еще больше оправдывает достижение человеческого паритета, а не дополнение человека, как критерий прогресса и удобно сочетается с акцентом корпораций на сокращение затрат на рабочую силу.

 

Недооцененный человек

Даже в условиях вытеснения и массового сбора данных рост производительности труда за счет новых технологий иногда может повысить спрос на работников и увеличить их заработок. Но преимущества для работников появляются только тогда, когда новые технологии существенно повышают производительность. Сегодня это вызывает серьезную озабоченность, потому что ИИ пока что привнес много "мягкой" автоматизации с ограниченными преимуществами в плане производительности.

При значительном росте производительности это может свести на нет некоторые негативные последствия автоматизации - например, за счет увеличения спроса на труд в неавтоматизированных задачах или стимулирования занятости в других секторах, которые впоследствии расширяются. Однако если снижение затрат и рост производительности будут незначительными, эти положительные эффекты не проявятся. Автоматизация "так себе" представляет особую проблему, поскольку она вытесняет работников, но не дает результатов в плане производительности.

В эпоху искусственного интеллекта существует фундаментальная причина низкой эффективности автоматизации. Люди хороши в большей части того, что они делают, и автоматизация на основе ИИ вряд ли даст впечатляющие результаты, если она просто заменит человека в задачах, для которых мы накапливали соответствующие навыки веками. Автоматизация "на уровне" - это то, что мы получаем, например, когда компании спешат установить киоски самообслуживания, которые плохо работают и не улучшают качество обслуживания клиентов. Или когда квалифицированные представители службы поддержки клиентов, ИТ-специалисты или финансовые консультанты оттесняются на второй план алгоритмами искусственного интеллекта, которые затем работают плохо.

Многие производственные задачи, выполняемые людьми, представляют собой смесь рутинной и более сложной деятельности, которая включает в себя социальное общение, решение проблем, гибкость и творчество. В такой деятельности люди используют негласные знания и опыт. Более того, многие из этих знаний и опыта сильно зависят от контекста, их трудно передать алгоритмам искусственного интеллекта, поэтому они могут быть утрачены после автоматизации соответствующих задач.