Экспонента. Как быстрое развитие технологий меняет бизнес, политику и общество - Азим Ажар

Эта медлительность связана с тем, что многие виды работ автоматизировать труднее, чем, возможно, представлялось. Трудно автоматизируемый характер многих видов работ отражен в принципе, известном как парадокс Моравека: его впервые сформулировал в 1980-х годах профессор Ханс Моравек, известный своими трудами по робототехнике и искусственному интеллекту в Университете Карнеги — Меллон. Он писал в 1988 году: «Компьютерам относительно легко достичь уровня взрослого человека в таких задачах, как тест на интеллект или игра в шашки, однако сложно или невозможно достичь навыков годовалого ребенка в задачах восприятия или мобильности»[237]. Прошло более трех десятилетий, а парадокс Моравека все еще остается в силе. Мы можем создавать компьютеры, способные играть в го — игру, в которой больше комбинаций ходов, чем атомов во Вселенной. Но есть ряд человеческих навыков, с которыми компьютеры не могут справиться.

Чтобы увидеть, как это работает на практике, стоит взглянуть на два сектора экономики: один обычно характеризуется, грубо говоря, как «высококвалифицированный», другой — как «низкоквалифицированный». Для начала вспомните трейдера с Уолл-стрит. И перед вами предстанет образ — теперь уже немного устаревший — мужчины в деловом костюме, что-то вопящего через торговый зал и окруженного нагромождением экранов. Его цель — покупать и продавать акции или другие финансовые инструменты от имени клиентов. Если вы смотрели фильм «Поменяться местами»[238], то, возможно, помните сцены неистовых, зверских сражений на товарной бирже.

Но эта работа — желанная для многих поколений выпускников финансовых вузов — легко автоматизируется. Сегодня, посетив торговый зал, вы увидите, что трейдеров в основном заменили компьютеры. Когда вы покупаете или продаете акции, скорее всего, они продаются с помощью алгоритма, который находит лучшую цену на рынке. Люди не нужны. Когда в 2006 году я руководил группой инноваций в компании Reuters, титане финансовой информации, алгоритмическая торговля только начинала развиваться. Около 30% всех акций торговались таким образом. Десять лет спустя автоматически торговались почти 70% акций[239]. Личная торговля основными финансовыми инструментами становится все более редкой.

Даже управление фондами, на первый взгляд более «человеческая» область индустрии финансовых услуг, не застрахована от автоматизации. На протяжении десятилетий управляющие фондами брали деньги людей и лично выбирали инвестиции, которые, по их мнению, могут принести хорошую прибыль. И на протяжении десятилетий это была сфера деятельности для хорошо подкованных выпускников факультетов международных финансов, обладающих способностями к экономическому анализу и налаживанию связей. В наши дни все не так просто. Управляющие фондами заменяются автоматизированными системами. Этот переход от управляемых людьми «активных» фондов к автоматизированным «пассивным» преодолел контрольную отметку в конце 2019 года, когда более половины всех глобальных активов, которыми управляли принимавшие инвестиционные решения люди, перешли в фонды, основанные на простых алгоритмах[240].

Все это стало возможным потому, что культура трейдерства — все эти крики, брюки на подтяжках, высокооктановый образ жизни — была всего лишь театром. Акция — это акция. Заявленная цена — это заявленная цена. Предложение — предложение. Покупка и продажа акций всегда была вопросом соответствия заявок и предложений. Оказалось, что компьютерные программы справляются со всеми этими активами — лоскутным одеялом из составляющих портфель акций — лучше, чем люди[241].

Однако большинство профессий не похожи на торговлю на Уолл-стрит. Они намного сложнее, чем слежение за фондовым индексом или покупка-продажа случайной акции. Они полны задач, которые мы не удосуживаемся записывать. Люди знают, как входить в контакт и общаться с другими людьми, — и эти человеческие отношения в значительной степени помогают компаниям функционировать. Многие аспекты взаимодействия на рабочем месте регулируются скрытыми кодами, которые возникают в ходе общения с коллегами.

Английский философ Майкл Полани[242] сказал, что «мы знаем больше, чем можем высказать»[243]. Это восхитительное человеческое свойство — обладание знаниями, которые мы не можем выразить словами. Это то, чему мы учимся, просто находясь рядом с коллегами, начальником, клиентами. Когда мы вживаемся в среду, мы получаем подсказки и ключи к тому, как все делается: что действительно важно, кто важен, каковы компромиссы, каков оптимальный кратчайший путь. Редко кто это записывает. Да даже если бы это было так, мы все равно бы лучше усваивали эти знания на опыте, чем в процессе обучения. В нашей жизни существует измерение, не выраженное никакими словами, — возможно, оно никогда и не будет записано в виде каких-то правил.

Может быть, это даже более верно в отношении якобы «низкоквалифицированной» работы, нежели «высококвалифицированной» — такой, как работа трейдера на Уолл-стрит. Антрополог Дэвид Грэбер[244] любил говорить, что многие виды работ, которые мы считаем повторяющимися, ориентированными на выполнение задач и, возможно, легко автоматизируемыми, на самом деле больше похожи на работу по уходу. Они основаны не столько на конкретных задачах, сколько на человеческом взаимодействии и эмоциональном труде. Вспомните работника лондонского метрополитена. На практике его работа заключается не столько в том, чтобы следить за турникетами, сколько в том, чтобы помогать людям: направлять растерянных туристов, следить за тем, чтобы потерявшиеся дети нашли родителей, объяснять рассерженным пассажирам, почему поезда задерживаются. Как сказал Грэбер, «это имеет больше общего с работой медсестры, чем с работой каменщика»[245].

Это означает, что на практике большая часть труда, который экономисты считают «неквалифицированным», вряд ли поддается автоматизации. Должностная инструкция обычно оказывается весьма приблизительным руководством — она не охватывает и половины того, что необходимо для успешной деятельности. А когда работа предполагает такие негласные знания, то создать способный выполнять ее искусственный интеллект очень сложно. Системе ИИ нужна четкая и однозначная цель, и современные системы должны обучаться на этих данных. Если ноу-хау о работе в значительной мере скрыты, системе обучения ИИ будет доступна лишь половина общей картины. Короче говоря, если среда создана для человека, она, скорее всего, будет слишком сложной для машин как сейчас, так и в ближайшем будущем.

В результате, когда автоматизация все же случается, она происходит медленно и постепенно. «Работу» приходится разделять на мелкие, более управляемые части. Потом отделяется простой кусок, возможно самый простой. Затем базовый робот или часть программного обеспечения выполняет этот элементарный участок работы. «Упрощение — вот как в основном происходит автоматизация, — считает экономист Карл Фрей, соавтор упомянутого выше пессимистического оксфордского исследования. — Даже самая современная робототехника не смогла бы повторить движения и процедуры, которые выполняли средневековые ремесленники. Производство стало автоматизируемым только потому, что ранее неструктурированные задачи были разделены и упрощены в