Круче, чем мировая война: что кардинально изменит нашу жизнь

Российское Агентство стратегических инициатив выпустило атлас новых и отмирающих профессий. В категорию последних попали профессии, которые, по мнению составителей, будут автоматизированы до 2020 года (например, бухгалтер и менеджер по кредитам) и после (юрист, нотариус, спортивный аналитик).

 

Объясню, откуда такие смелые прогнозы, и заодно посоветую, куда идти учиться сейчас, чтобы футуршок — шок будущего — вас не сплющил.

На самом деле, все эти прогнозы очень консервативны. Ближайшее будущее будет куда круче.

 

Боюсь, что лишь немногие воистину понимают суть происходящих изменений. Создаётся ложное ощущение, что главные люди, вершащие историю, — это политики. Если послушать, что говорят в новостях, создаётся впечатление, что главные проблемы человечества сегодня — это столкновение интересов крупных стран, главные вопросы — это Курильские острова, выход Англии из Евросоюза, колебания курса доллар-евро, признание суверенитетов новопровозглашённых государств, выборы президента в Америке, формирование новой Государственной думы в России, военные действия в Сирии и тому подобное.

 

Бесспорно, всё это важные вопросы, однако есть гораздо более фундаментальные темы, связанные с развитием технологий. Они взорвут и изменят всю нашу цивилизацию куда мощнее, чем армия воображаемых захватчиков.

Я говорю о третьей технологической революции, которая происходит прямо сейчас.

 

Вы спросите: "Неужто всё так серьёзно?" Судите сами: первая технореволюция произошла в эпоху неолита. Стало развиваться земледелие, и одновременно стремительно начало расти население и его плотность. Больше народа — больше изобретателей, больше идей. Новые веяния быстро распространялись, появлялись разные специалисты. Всё это привело ко второй революции — промышленной, которая вызвала небывалое ускорение темпов роста.

 

На заре человечества, когда Землю населяли прародители современных людей, или гоминиды, экономическое развитие происходило слишком медленно. Потребовалось порядка миллиона лет для прироста производственных мощностей, чтобы население планеты позволило себе увеличиться на миллион человек, причём существовавших на грани выживания. А после неолитической революции, к 5000 году до н. э., когда человечество перешло от охоты и собирательства к сельскохозяйственной экономической модели, темпы роста увеличились настолько, что для такого же прироста населения хватило двухсот лет. Сегодня мировая экономика растёт примерно на ту же величину каждые полтора часа.

 

По оценкам экономиста Робина Хэнсона, время удвоения экономики эпохи плейстоцена составляло 224 тысячи лет, аграрного общества — 909, индустриального — 6,3 года.

 

 

Представьте себе донеолитическую эпоху. Охотник мог прокормить свою семью, только если на многокилометровой территории не появлялось других охотников. Сама мысль о возможности существования города была бы абсолютно нелепой с точки зрения этого охотника, ибо, по его мнению, такая куча людей, сконцентрированная на столь малой площади, через месяц вымерла бы от голода. Переход к сельскому хозяйству, животноводству изменил всё настолько, что нам заботы этого бедолаги-собирателя кажутся чем-то абсолютно несерьёзным.

 

Аналогично — и даже ещё более драматично — мир изменился после промышленной революции, давшей совершенно невиданные средства производства, толкнувшей науку и породившей средства уничтожения, которые мирному неолитическому крестьянину не привиделись бы и в кошмаре.

 

Начавшаяся третья технологическая революция неизбежно взорвёт и переменит весь наш мир куда круче, чем любая мировая война. Война — это когда к вам в дом внезапно приходят чужие и меняют ваш образ жизни, а кто не согласен — гибнет.

 

Третья революция — автоматизация автоматизации — получила название машинного обучения. Суть его — это создание программ, которые могут писать новые программы. Создание алгоритмов, которые могли бы сами учиться, без вмешательства человека. Машинное обучение — технология, которая строит сама себя. Это новое явление в нашем мире.

Наши предки научились заострять камни и смастерили первые орудия труда — артефакты. А обучающиеся алгоритмы — это артефакты, которые создают другие артефакты. Такие алгоритмы сейчас бурно развиваются и начинают выполнять работу, которую мы считали чисто интеллектуальной. И я не говорю про банальности типа быстрого счёта и даже решения уравнений, построения графиков и множества действий, которые очень плохо даются современным студентам.

 

Я говорю совсем о другом.

 

 

 

Схема простой нейросети. Зелёным цветом обозначены входные нейроны, голубым — скрытые нейроны, жёлтым — выходной нейрон. Фото из Википедии

 

Например, работа по различению полотен (текстов) разных авторов, по мнению специалистов "Яндекса", уже не является творческой либо интеллектуальной: это задача по классификации, а с такими задачами машинные алгоритмы уже сейчас справляются отлично. Более того, созданная в "Яндексе" нейронная сеть талантливо занимается стилизацией изображений, рисуя картины "под Ван Гога". Работы, основанной на классификации, много в любой области. Например, врачи-диагносты анализируют результаты биопсии, отличая здоровые клетки от поражённых. А машина "Ватсон"  диагностирует рак молочной железы лучше людей! Гораздо лучше!

А вот такой пример. Определите, какая из этих заметок написана человеком.

 

Текст А

 

Опрос среди тренеров по поводу того, кто может занять первое место, показал, что Ohio State (17) и Kansas (14) на двоих получают ни много ни мало тридцать один голос. Последние изменения в верхней части пула стали неизбежны, когда Duke в субботу вечером обидел противник из Конференции Атлантического побережья — Virginia Tech. Buckeyes (27:2), пробиваясь обратно на вершину, достаточно легко нанесли поражение соперникам из десятки сильнейших — Illinois и Indiana. Ohio State начал со счёта 24:0 и четыре недели в начале сезона был лучшим, пока не опустился на третье место. А в тройке сильнейших он находится уже пятнадцатую неделю подряд. Kansas (27:2) по-прежнему второй и по результатам опроса отстаёт от Ohio State всего на четыре пункта.

 

Текст Б

 

Ohio State возвращает себе первое место через неделю после победы дома над Illinois со счётом 89:70. За этим последовала ещё одна победа дома над Indiana, 82:61. Utah State входит в число двадцати пяти лучших и находится на двадцать пятом месте после победы дома над Idaho, 84:68. Temple на этой неделе выпадает из рейтинга после проигрыша первому на тот момент Duke и выигрыша над George Washington, 57:41. Arizona на этой неделе сильно сдвинулась и занимает 18-е место после неприятного проигрыша Университету Южной Калифорнии со счетом 65:57 и неприятного проигрыша Университету Калифорнии в Лос-Анджелесе, 71:49. St. John's подскочил на восемь позиций и занял пятнадцатое место после выигрыша у пятнадцатой на тот момент в рейтинге Villanova, 81:68, и DePaul, 76:51.

 

Ну как, догадались? Конечно, ни один из авторов не создал шедевр, но лишь один из них — живой человек. Это автор текста А, опубликованного на сайте ESPN. Текст Б написан автоматической издательской платформой, созданной Робби Алленом из фирмы Automated Insight. За один год его компания со штаб-квартирой в Дареме (штат Северная Каролина) сформировала 100 000 автоматических статей на спортивные темы и разместила их на сотнях сайтов, посвящённых местным командам. Такие статьи могут появляться на сайте команды и подхватываться другими ресурсами всего через несколько минут после окончания игры. Человек не в состоянии работать так быстро. Аллен сказал, что скоро Automated Insights начнёт выдавать статьи на темы финансов, погоды, недвижимости и местных новостей.

Сейчас в мире началась новая гонка, типа гонки вооружений, но нацеленная на создание не новых бомб, а всё более умных алгоритмов. И знаете, ребята, эта гонка мне кажется ещё более опасной, чем атомная!

 

Среди участников гонки в числе прочих IBM и Google. Сотни других разработок проводятся в США и иных странах — некоторые под покровом тайны, другие — за железным занавесом национальной безопасности. По крайней мере 56 стран занимаются в настоящее время разработкой боевых роботов. Кстати, для любителей Терминатора: утверждают, что в 2007 году в Южной Африке роботизированная зенитная пушка убила девятерых и ранила 15 солдат в результате инцидента, продолжавшегося одну восьмую долю секунды.

 

Причины этой гонки, конечно, экономические. Национальный институт стандартов и технологий США выяснил, что каждый год дефектное программирование обходится американской экономике более чем в $60 млрд недополученной прибыли. Иными словами, ежегодные потери американцев из-за плохих программ превышают ВВП большинства стран мира. Дело в том, что хотя компьютеры — штуки точные, но создание компьютерных программ — одно из самых непредсказуемых инженерных занятий, полное ошибок и проблем, связанных с безопасностью.

 

Существует ли противоядие от дефектных программ? Да! Программы, которые исправляют себя сами, и программы, способные себя модифицировать, уже работают всюду — и довольно давно.

 

Машинное обучение сделало возможным интернет-поиск, распознавание речи и рукописного текста; оно помогает пользователю в десятках самых разных приложений. Например, "Рекомендации" от Amazon — гиганта сетевой торговли, Siri и многое другое.

Остановлюсь на одном из пяти основных направлений развития — генетическом программировании.  

 

Генетическая программа создаёт кусочки кода, как бы представляющие очередное поколение. Самые перспективные скрещиваются случайным образом, непригодные отбрасываются, а лучшие скрещиваются вновь. Программа работает сама по себе и не нуждается в человеческом вмешательстве. Поразительно, но Станислав Лем предвидел такое развитие, назвав его "выращиванием информации".

 

 

Джон Коза. Фото с персонального сайта учёного

 

Джон Коза из Станфордского университета в 1986 году одним из первых начал заниматься генетическим программированием. Он использовал генетические алгоритмы при проектировании антенны для NASA, разработке программ распознавания белков и конструировании электрических контроллеров общего назначения. 23 раза генетические алгоритмы Козы самостоятельно изобрели то, что уже было запатентовано людьми. Но! Алгоритмы Козы изобрели преобразователь напряжения, работавший точнее, чем схема, изобретённая человеком. И самое крутое: никто не может объяснить, как именно схема работает и почему она работает лучше.

Если вы не хотите попасть в специалисты умирающих профессий, то я рекомендовал бы вам двигаться в сторону специальностей, связанных с машинным обучением. Такие эксперты — элита среди учёных-информатиков. Программисты старой закваски, увы, перестают быть в тренде: надо уже мыслить иначе. Различия в стиле мышления во многом послужили причиной, по которой Microsoft оказалось намного сложнее нагнать Google, чем в своё время Netscape.

 

 

Фото Александра Подгорчука

 

Ещё одна причина, по которой эксперты по машинному обучению слывут сверхумниками, заключается в том, что в мире их намного меньше, чем надо. Тим О’Райли, гуру в области технологий, утверждает, что "специалист по обработке данных" — самая востребованная вакансия в Кремниевой долине. По оценке McKinsey Global Institute, в 2018 году в одних только Соединённых Штатах спрос на экспертов по машинному обучению будет превышать предложение на 140—190 тысяч человек.

 

Кстати, у нас в БФУ, в институте, который я возглавляю, планируется начать подготовку по машинному обучению, может быть, со следующего года.

К чему же приведёт запуск процесса автоматизации самой автоматизации?

 

Я не знаю ответа, и потому позвольте мне вспомнить неоконченную притчу о воробьях. Взял я её из довольно сложной книги Ника Бострома, посвящённой машинному обучению и искусственному интеллекту.

 

 

Фото Александра Подгорчука

 

Однажды, в самый разгар гнездования, утомлённые многодневным тяжким трудом воробьи присели передохнуть на заходе солнца и пощебетать о том о сём.

 

— Мы такие маленькие, такие слабые. Представьте, насколько проще было бы жить, держи мы в помощниках сову! — мечтательно прочирикал один воробей. — Она могла бы вить нам гнёзда…

 

— Ага! — согласился другой. — А ещё присматривать за нашими стариками и птенцами…

 

— И наставлять нас, и защищать от соседской кошки, — добавил третий.

 

Тогда Пастус, самый старший воробей, предложил:

 

— Пусть разведчики полетят в разные стороны на поиски выпавшего из гнезда совёнка. Впрочем, подойдёт и совиное яйцо. Эта находка обернётся для нашей стаи самой большой удачей!

 

Возбудившиеся не на шутку воробьи расчирикались что было мочи.

 

И только одноглазый Скронфинкл, въедчивый, с тяжёлым нравом воробей, похоже, сомневался в целесообразности данного предприятия.

 

— Мы избрали гибельный путь, — убеждённо промолвил он. — Разве не следует сначала серьёзно проработать вопросы укрощения и одомашнивания сов, прежде чем впускать в свою среду такое опасное существо?

 

— Сдаётся мне, — возразил ему Пастус, — искусство приручения сов — задача не из простых. Найти совиное яйцо — и то чертовски сложно. Так что давайте начнём с поиска. Вот сумеем вывести совёнка — тогда и задумаемся о проблемах воспитания.

 

— Порочный план! — нервно чирикнул Скронфинкл.

 

Но его уже никто не слушал. По указанию Пастуса воробьиная стая поднялась в воздух и отправилась в путь.

 

Бостром посвятил свою книгу стреляному воробью Скронфиклу. И не зря. Смысл притчи, друзья мои, в том, что все наши привычные проблемы — политические, продовольственные и т. д. — меркнут по сравнению с начавшейся автоматизацией автоматизации, с надвигающейся на нас третьей технологической революцией, запуская которую, мы, боюсь, по сути, запускаем сову в наше крикливое, вечно скандальное и озабоченное своими важными делами воробьиное царство.

 

Еженедельно в прямом эфире радио "Комсомольская правда — Калининград" Артём Юров ведёт передачу "Научная среда". Слушайте её по средам в 14:05 на частоте 107,2 FM.