21 урок для XXI века  - Юваль Ной Харари

Аналогичным образом беспилотные автомобили могли бы обеспечить людей лучшими транспортными услугами – в частности, снизить смертность из-за автомобильных аварий. В наши дни в авариях на дорогах ежегодно гибнет около 1,25 миллиона человек (в два раза больше, чем из-за войн, преступлений и терактов)[15]. Более 90 % этих аварий связаны с так называемым человеческим фактором: кто-то сел за руль нетрезвым, кто-то вел машину, набирая сообщение на телефоне, кто-то заснул за рулем, кто-то просто погрузился в грезы, вместо того чтобы следить за дорогой. По оценкам Национального управления безопасности движения на трассах, в 2012 году в США причиной 31 % смертельных аварий был алкоголь, 30 % – превышение скорости и 21 % – невнимательность[16]. Для беспилотных автомобилей подобное невозможно. Хотя у них есть свои проблемы и ограничения, а некоторых аварий не удастся избежать никому, замена всех водителей компьютерами, как ожидается, снизит уровень смертности и травм на дорогах приблизительно на 90 %[17]. Иными словами, переход на беспилотные автомобили, по всей видимости, каждый год будет сохранять жизни миллиону человек.

Так что было бы безумием препятствовать автоматизации в сфере транспорта и здравоохранения только ради того, чтобы сохранить людям рабочие места. Ведь по большому счету защищать нужно именно людей, а не работу. Освободившимся водителям и врачам просто придется искать себе другие занятия.

Маловероятно, что искусственный интеллект и роботы полностью уничтожат целые отрасли – по крайней мере, в ближайшее время. Будет автоматизирован в основном узкий диапазон монотонных рабочих операций. Гораздо труднее заменить машинами представителей творческих профессий, в которых необходимо использовать широкий набор навыков и которые требуют умения действовать в непредсказуемых ситуациях. Вернемся к здравоохранению. Многие врачи практически полностью заняты обработкой информации: они собирают данные о здоровье, анализируют их, ставят диагноз. А вот медсестра должна обладать хорошими моторными и эмоциональными навыками, чтобы безболезненно сделать укол, сменить повязку или успокоить буйного пациента. Поэтому, скорее всего, семейный врач с искусственным интеллектом на нашем смартфоне появится на несколько десятилетий раньше, чем мы увидим надежного робота-медсестру[18]. По всей вероятности, сфера социального обслуживания – забота о больных, детях и стариках – еще долго останется в ведении человека.

Люди живут все дольше, а детей у них становится меньше, и поэтому уход за пожилыми будет одним из самых быстрорастущих секторов на рынке труда для человека.

Плохо поддается автоматизации не только уход за больными и немощными, но и творческий процесс. Нам больше не нужны люди, продающие музыку: мы можем напрямую загрузить ее из iTunes, – но композиторы, музыканты, певцы и диджеи у нас по-прежнему из плоти и крови. Мы полагаемся на творческие способности людей не только в сочинении новой музыки, но и в выборе из невероятного количества доступных вариантов.

И все же автоматизации не избежит ни одна сфера – даже искусство. В современном мире искусство обычно ассоциируют с человеческими эмоциями. Мы склонны считать, что художник дает выход неким внутренним психологическим процессам, что цель искусства – помочь нам осознать свои эмоции или пробудить в нас новые чувства. Поэтому, анализируя искусство, мы пытаемся судить о нем по эмоциональному воздействию на аудиторию. Но если в основе искусства лежат чувства, что произойдет, когда внешние алгоритмы научатся понимать человеческие эмоции и манипулировать ими лучше, чем Шекспир, Фрида Кало или Бейонсе?

В конце концов, эмоции – вовсе не мистическое явление, а продукт биохимических процессов. Поэтому в недалеком будущем алгоритм машинного обучения сможет анализировать биометрические данные от датчиков внутри и на поверхности вашего тела, определять ваш тип личности, следить за сменой настроения, а затем вычислять эмоциональное воздействие, которое окажет на вас та или иная композиция – или даже музыкальная тональность[19].

Вероятно, из всех видов искусства для анализа больших данных лучше всего подходит музыка, поскольку и она сама, и результат ее воздействия поддаются точному математическому описанию. На входе – математические диаграммы звуковых волн, на выходе – электрохимические диаграммы нейронных бурь. Через несколько десятилетий алгоритм, проанализировавший миллионы мелодий, научится предсказывать, какую реакцию вызовет любая из них[20].