учитесь тому что машины делать не могут
Учитесь тому что машины делать не могут
Ключевые идеи книги: Будущее без работы. Технологии, автоматизация и стоит ли их бояться. Дэниел Сасскинд
A World Without Work: Technology, Automation, and How We Should Respond
Работа не для всех
Всего несколько поколений назад подавляющее большинство людей жили за чертой бедности. И только работа позволяла им не умереть с голоду, и то не всегда. Поэтому они так боялись ее лишиться.
Наши современники, которые родились после Второй мировой войны и не застали голода, лишений и неопределенности, тоже не представляют себе жизни без работы. Мы выросли с убеждением, что, если старательно учиться и усердно работать, жизнь будет размеренной и предсказуемой, а благосостояние будет расти. По сути, вся наша жизнь крутится вокруг работы: сначала мы к ней готовимся, затем – выполняем, а потом, на пенсии, наслаждаемся ее результатами.
В следующие десятилетия мы будем жить еще лучше, богаче и интереснее благодаря научно-техническому прогрессу. Однако неизбежная автоматизация всех сфер жизни приведет к тому, что хорошей, достойно оплачиваемой работы для людей будет меньше. Вероятно, на всех жителей планеты ее не хватит.
В Великобритании 30 % рабочих уверены, что машины заменят их в ближайшие 20 лет.
С одной стороны, это не так плохо: можно будет жить в свое удовольствие, не дожидаясь пенсии. С другой – это страшно и непривычно. Однако нечто похожее происходит уже более 250 лет – со времен промышленной революции. Одни профессии полностью умирают, другие видоизменяются, третьи появляются.
Возьмем, к примеру, сельское хозяйство. Сегодня в этой сфере занято во много раз меньше людей, чем 100–200 лет назад. Фермеры все еще нужны, но не в таком количестве. Рабочих в полях уже почти полностью заменили машины.
Технологическая безработица реальна как никогда. И уже сегодня важно знать, что ждет нас в будущем:
▶ Хватит ли работы на всех?
▶ Что делать, если однажды мы окажемся в мире без работы?
▶ Какова роль государства в новом мире?
Ответы на эти и другие вопросы дает Дэниел Сасскинд в книге «Будущее без работы. Технология, автоматизация и стоит ли их бояться». Автор уверен, что ждать Большого взрыва, когда однажды утром люди проснутся и не найдут, чем заняться, не стоит, а к изменениям можно подготовиться.
С каждым годом машины делают все больше работы, которую раньше выполняли люди. Постепенно они присваивают себе человеческие задачи и способности, которые можно разделить на три основных типа – физические, когнитивные и эмоциональные.
К этому виду задач относится все, что раньше люди делали руками. Их уже практически полностью автоматизировали.
Доильные машины, беспилотные тракторы и сеялки, дроны, пасущие овец и коров, роботы, собирающие апельсины и виноград, автоматические опрыскиватели и сортировщики продуктов – все эти технологические инновации повысили эффективность выполнения задач, но лишили людей работы.
Физический труд человека в развитых странах уже стал редкостью во многих отраслях.
В Японии дроны опрыскивают около 90 % полей.
В Великобритании есть ферма, которая сеет, выращивает и убирает ячмень без участия людей.
Американский сельскохозяйственный концерн Cargill использует систему распознавания лиц для мониторинга самочувствия коров.
На автомобильных производствах около 80 % работы выполняют роботы.
За восьмичасовой рабочий день человек-строитель может качественно уложить 300–600 кирпичей. А робот-строитель Sam100 – более 3000.
По прогнозам компании Balfour Beatty, в 2050 году на строительных площадках не останется людей.
Мир стоит на пороге революции в управлении транспортными средствами. Ежесекундно в мире кто-то получает травму в результате ДТП, а каждые 20 секунд кто-то погибает. Беспилотные автомобили должны сделать города более безопасными. Но что делать водителям – представителям одной из самых многочисленных профессий? Все они рискуют остаться без работы уже в ближайшие годы.
Ford обещает выпустить безопасный беспилотный автомобиль уже в 2021 году.
Представители Tesla заявили, что автомобили компании уже обладают уровнем безопасности, значительно превышающим человеческий.
Беспилотники оккупируют не только дороги, но и воздушное пространство.
Amazon запатентовала «гнезда для дронов» – здания, где электронные летающие курьеры будут «жить» в ожидании новых задач.
Современные машины способны не только взаимодействовать с физическим миром, но и выполнять более сложные задачи – мыслить и анализировать. Искусственный интеллект уже присваивает задачи из сложных сфер, изначально не связанных с расчетами и вычислениями, например из сферы юриспруденции.
Система для рассмотрения кредитных соглашений, созданная компанией JP Morgan, за несколько секунд выполняет задачу, требующую 460 тысяч человеко-часов.
Программа, разработанная по заказу юридической фирмы Allen & Overy, способна подготовить документы для сделок с деривативами всего за три минуты, а опытный юрист тратит на эту задачу около трех часов.
Впечатляюще выглядят результаты машин в медицинской диагностике.
Программа компании Deep Mind производит диагностику 50 заболеваний глаз с погрешностью 5,5 %. Лишь два из восьми опытных офтальмологов показали более высокий результат.
Во всем, что связано с расчетами, машины превосходят человека.
Система искусственного интеллекта японской компании Fukoku Life Insurance рассчитывает страховые выплаты, выполняя работу 34 сотрудников.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «ЛитРес».
Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
«Учитесь тому, что машины делать не могут»: Дэниел Сасскинд о будущем без работы и опасности безусловного дохода
Автор книги «Будущее без работы» Дэниел Сасскинд — экономист из Оксфордского университета и бывший советник при британском правительстве — размышляет о будущем работы в связи с прогрессом в области искусственного интеллекта и присвоением машинами все большего объема задач, ранее выполнявшихся людьми. Он объясняет, как технологическая безработица может развиваться в XXI веке и развенчивает заблуждения о «замене человека роботом». Forbes Life поговорил с Сасскиндом о будущем работы в связи с развитием новых технологий и о том, как пандемия влияет на мир труда.
— Вашу первую книгу «Будущее профессий» вы написали в соавторстве с вашим отцом, IT-советником Ричардом Сасскиндом. Как так получилось? Как ваш отец повлиял на вас?
— Мой отец защитил докторскую по ИИ и праву в Оксфордском университете в 80-х. Так что уже 40 лет назад он работал над созданием цифровых систем, которые могли бы решать юридические проблемы. И свою карьеру — во всяком случае, значительную ее часть — он посвятил размышлениям о технологиях в контексте профессии юриста. Но потом все больше людей разных профессий — врачи, учителя, бухгалтеры и так далее — стали говорить ему: это все очень интересно, то, о чем вы говорите в контексте юриспруденции, но на самом деле это настолько же хорошо применимо и в наших профессиях.
И мы начали думать об этом, примерно с 2010-го. В то время я работал на британское правительство, занимаясь политикой в разных областях: налоговой, образовательной, политикой в области здравоохранения. Тогда чувствовалось, что грядут большие перемены и перед людьми многих профессий вставали одни и те же вызовы. Так что мы с отцом решили объединить усилия и взглянуть на профессии в более общем контексте. Результатом и стала та книга. Так отец обратил мое внимание на интереснейший спектр проблем, связанных с технологиями и будущим.
— Ваша новая книга называется «Будущее без работы». Означает ли это, что мы перестанем работать вовсе? Или работы просто станет меньше?
— Главная идея этой книги не в том, что произойдет какой-то внезапный технологический «большой взрыв», после которого многие люди лишатся работы. Такое едва ли произойдет; работать мы еще некоторое время, похоже, не перестанем. Меня беспокоит другой, более постепенный процесс — а именно то, что в результате значительных изменений в технологиях, которые сейчас происходят, все больше людей на протяжении XXI века будут обнаруживать, что они уже не могут вносить в общество тот экономический вклад, на который они могли рассчитывать в XX веке.
Главное — это убедиться, что вы либо учитесь тому, что машины делать не могут, либо готовитесь эти машины создавать. Либо одно, либо другое
— Значит ли это, что людей некоторых профессий заменят роботы? Например, ваша книга была переведена на русский нейромашиной.
— Один из самых непродуктивных подходов в разговоре о будущем работы — это говорить об отдельных профессиях: адвокатах, учителях, бухгалтерах, архитекторах и так далее. Мы спрашиваем: заменят ли роботы этих профессионалов? Но дело в том, что технологический прогресс, очевидно, не разрушает профессии целиком. Он действует постепенно и тонко, забирая у людей отдельные задачи и отдельные части их работы.
Но в то же время внедрение технологий также может сделать более важными и ценными другие части работы, способность выполнять другие задачи. Тот факт, что мою книгу перевел на русский язык робот, — хороший пример. Да, электронная система смогла перевести текст. Но это только одна из задач в большом процессе публикации и дистрибуции книги. Чтобы сотрудники издательств стали не нужны, роботы должны взять на себя все эти задачи. Конечно, этого не произойдет — во всяком случае, в ближайшем будущем.
К тому же, я думаю, есть задачи и процессы, которые окажется очень трудно автоматизировать. Для начала те, в отношении которых это будет попросту неэффективно. Допустим, у вас есть очень продуктивная машина для выполнения какой-то задачи. Но при этом есть и работники-люди, которые могут делать то же самое, пусть менее продуктивно, но зато гораздо дешевле. Так что экономически выгоднее все же использовать их, а не машину.
Мы много говорим о том, способны ли машины делать то-то и то-то. Но думая о будущем работы, экономически правильно будет задать другой вопрос: «Целесообразно ли использовать машину, чтобы сделать это?» И ответ во многих случаях будет другим. Так что я не думаю, что роботы полностью нас заменят. Но я четко вижу тренд: электронные системы и машины неумолимо берут на себя все больше и больше задач, выполнение которых раньше считалось исключительной прерогативой человека. И я думаю, этот процесс будет продолжаться.
— Какие ключевые технологические факторы его определяют?
— Думаю, самым важным в XXI веке является искусственный интеллект. Именно он направляет процесс «ползучего присвоения задач» машинами, о котором я говорил выше. Роботы сегодня ставят медицинские диагнозы, водят машины, составляют контракты, проектируют здания, пишут музыку и новостные тексты. Еще недавно все это трудно было себе представить. А сейчас машины уже способны на такое — благодаря ИИ.
— А какие нетехнологические факторы влияют на будущее работы?
— Я бы сказал, что, помимо технологического прогресса, есть также культурные и регуляторные барьеры. Важно не только то, целесообразна ли данная технология экономически, но и то, насколько ей благоприятствует регуляторная среда. Поощряет ли она использование технологии или, напротив, подавляет? Кроме того, есть и культурный контекст. Люди могут по-разному смотреть на то, как использовать технологии в разных областях и стоит ли вообще это делать. Вместе культурный и регуляторный факторы очень важны при внедрении технологий, однако их часто недооценивают.
— Как пандемия COVID-19 повлияла на процессы автоматизации?
— На мой взгляд, пандемия заставляет отнестись к угрозе автоматизации более серьезно, чем мы это делали раньше. На это есть три причины. Первая заключается в том, что экономика многих стран свалилась в рецессию. А одно из интересных последствий рецессии зачастую заключается как раз в повышении уровня автоматизации в разных отраслях.
Вторая причина в том, что пандемия также создала новые стимулы для автоматизации всего, что люди делают. Машина, кроме всего прочего, не подхватит вирус и не заболеет; ее не нужно будет изолировать, чтобы защитить коллег и клиентов. Она также не уйдет на больничный. Так что причин заменить живого работника на машину во время пандемии стало больше.
Все больше людей будут обнаруживать, что они уже не могут вносить в общество тот экономический вклад, на который могли рассчитывать в XX веке
Наконец, в-третьих, посмотрите на грандиозный технологический эксперимент, в котором мы все были вынуждены принимать участие в последние 12 месяцев! Нам пришлось использовать технологии в таких ситуациях, в которых это до сих пор трудно было себе представить. Подумайте о телемедицине, онлайн-образовании, виртуальных судебных заседаниях. Думаю, что с учетом этого опыта любая новая инициатива по автоматизации в ближайшем будущем уже будет выглядеть менее радикально, чем раньше.
— Еще одна большая тема, которую вы затрагиваете в вашей книге, — это экономическое неравенство. Как оно связано с описанным вами будущим, в котором у людей станет меньше работы?
— Это интересный вопрос. Я думаю, не является простым совпадением то, что беспокойство по поводу растущего неравенства повышается сейчас — одновременно с беспокойством по поводу разворачивающейся автоматизации. Эти две проблемы, на мой взгляд, тесно связаны.
Дело в том, что сейчас рынок труда служит главным инструментом, с помощью которого распределяется общественный доход. Для большинства людей их работа — основной, если не главный источник доходов. Огромное неравенство, которое мы видим сейчас вокруг, показывает, что этот механизм уже дает сбои. Некоторые люди получают значительно больше, чем другие.
Технологическая безработица, на мой взгляд, — продолжение той же тенденции в более экстремальном виде. Все это кончится тем, что некоторые люди не будут получать вообще ничего. Так что эти две проблемы очень тесно связаны. Корни обоих кроются в перекосах рынка труда, во многом возникших как раз в результате технологических изменений.
— Каковы будут политические последствия этих процессов?
— Думаю, больше всего изменится «размер» и роль государства. Что я подразумеваю под этим? По-моему, фундаментальная проблема, с которой мы столкнемся в «будущем без работы», — это проблема распределения. Как мы будем распределять общественный доход, если на рынок труда в этом полагаться уже не получится? Думаю, ответ в том, что государство должно взять на себя большую роль в распределении общественного дохода.
То есть нам понадобится «большое» государство. Но не в том смысле, который под этим подразумевался в XX веке. Речь не о командах умников, сидящих в центральных правительственных офисах и пытающихся оттуда командовать и контролировать экономические процессы во всей стране. Это не «большое» государство-производитель, а «большое» государство-распределитель.
— Безусловный базовый доход — хороший способ решить проблему?
— Нет, и в своей книге я объясняю почему. Если мы хотим использовать базовый доход, то это должен быть условный базовый доход. Безусловный решает проблему распределения общественного «пирога», но игнорирует проблему неравномерного вклада, который разные люди вносят в жизнь общества, Как в этой ситуации поддержать чувство социальной солидарности? Поэтому я думаю, что мы должны привязать размер базового дохода к определенным условиям, чтобы учитывать вносимый членами общества вклад — даже если он носит неэкономический характер.
— Что бы вы посоветовали молодым людям, которые сейчас выбирают себе профессию?
— Думаю, главное — это убедиться, что вы либо учитесь тому, что машины делать не могут, либо готовитесь эти машины создавать. Либо одно, либо другое. Меньше всего вы захотите быть человеком, выполняющим рутинные задачи, с которыми и машины уже справляются с относительной легкостью. К сожалению, многие образовательные учреждения по всему миру учат выполнять именно такую работу — и в этом их проблема.
— Как тенденции, о которых мы говорим, изменят образование?
— Я много пишу в своей книге о вызовах, которые сейчас встают перед образованием. В среднесрочной перспективе наш лучший ответ на многие последствия технологических изменений — это сделать так, чтобы образования стало «больше». Под этим я подразумеваю три главных аспекта.
Во-первых, нам нужно переосмыслить то, ЧЕМУ мы учим людей — какие знания и навыки будут цениться в будущем? Во-вторых, в переосмыслении нуждается то, КАК мы учим: одна только традиционная классная комната не менялась уже много десятилетий. И наконец, мы также должны изменить подход к тому, КОГДА мы учим. До сих пор есть взгляд на обучение как на что-то, чем ты всерьез занимаешься только на старте жизни. Это ошибка. Вместо этого стоит думать об обучении и повышении квалификации как о чем-то, чем стоит всерьез заниматься на протяжении всей своей жизни.
Но у образования есть и свои ограничения. В книге я, кроме всего прочего, стараюсь объяснить, почему образование — это не панацея (которой его часто считают политики). Люди могут остаться без работы не потому, что у них просто нет нужных знаний и умений. Сделать их безработными могут и иные причины. Например, рабочие места для них могут быть — но не там, где они живут. Или бывают несовпадения, связанные с идентичностью, когда люди предпочтут отказаться выполнять какую-то работу, потому что она не соответствует их образу себя. Подумайте, например, о мужчинах, которые остались без работы на фабрике из-за автоматизации: некоторые из них предпочтут остаться безработными, чем переквалифицироваться в «розовые воротнички» ( термин, применяющийся в англоязычных странах для описания традиционно «женских» профессий в сфере обслуживания. — Forbes Life). И непонятно, как образование, в его классическом понимании, могло бы решить такие проблемы.
— Вы говорите об угрозах, которые исходят от крупных корпораций, таких как Amazon или Facebook. Что это за угрозы?
— Дело в политической власти. В XX веке больших корпораций опасались главным образом по причине их экономического могущества — из-за того, что они могут завладеть слишком большой долей рынка и получать благодаря этому сверхприбыли. Но в XXI веке — о чем я и пишу в своей книге — нам стоит гораздо больше опасаться их политической власти, влияния, которое они могут оказывать на свободу, демократию и социальную справедливость. Находятся ли эти важные вещи под угрозой? Вот главный вопрос.
— Что с этим может сделать «большое» государство, о котором вы говорили выше?
— Один из распространенных ответов на этот вопрос заключается в том, что мы должны позволить государству национализировать такие технологии, чтобы государство управляло ими как национальным достоянием, на благо людей. Я думаю, это большая ошибка. Предлагающие такие идеи не учитывают, что государство само склонно злоупотреблять политической властью не меньше, чем эти компании. Посмотрите, например, на использование технологий наблюдения в Китае. Государство там злоупотребляет своими техническими возможностями точно так же, как, согласно опасениям многих людей, это могут делать крупные IT-компании.
Так что нельзя просто передать права на собственность и контроль за такими технологиями государству. Вместо этого я бы хотел видеть систему институтов, которые бы регулировали поведение этих больших технологических компаний. У нас уже есть антимонопольные органы, которые пытаются регулировать экономическую мощь крупных корпораций. Похоже, мы нуждаемся в аналогичном наборе институций для регулирования и политической власти тоже.
— Какие страны сейчас лучше других справляются с этими вызовами?
— Я написал книгу «Будущее без работы» потому, что не думаю, что какое-либо государство в мире сейчас воспринимает всерьез эту угрозу — оказаться в мире, где хорошо оплачиваемой работы не хватает на всех, из-за происходящих технологических изменений.
— Но вы все же смотрите в наше будущее с оптимизмом?
В некотором смысле технологическая безработица — симптом этого успеха. И в XXI веке ключевой проблемой, похоже, будет уже другая: как убедиться, что каждому достается достаточный кусок «пирога», когда традиционный способ сделать это, платя людям за выполняемую ими работу, уже становится менее эффективным. Но, по-моему, — опять же, я оптимист! — это гораздо более приятная проблема для решения, чем та, над которой наши предки ломали голову веками, пытаясь накормить всех недостаточно большим «пирогом».
— Что вы думаете об экономике свободного времени? Расцветет ли она в мире, где мы станем меньше работать?
— Если мы принимаем всерьез угрозы мира, где работы может не хватать на всех, то на самом деле стоит меньше говорить о будущем работы и больше — о будущем досуга или как минимум свободного времени. Чем мы занимаем свое время, когда не работаем? Я думаю, по мере того, как мы будем все дальше углубляться в XXI век, этот вопрос будет становиться все более важным.
Через тернии в бизнес: кем работали миллиардеры до того, как разбогатеть
Через тернии в бизнес: кем работали миллиардеры до того, как разбогатеть
Пишет стихи, наводит порядок, становится человечным: что искусственный интеллект научился делать в 2020 году
ИИ становится более «человечным»
Когда алгоритм AlphaZero был опубликован, профессор Корнеллского университета, известный специалист по ИИ Джон Клейнберг с коллегами на основе этого алгоритма разработал кастомизированную версию AlphaZero — нейросеть Maia. Она тоже играет в шахматы, но преследует другие цели.
Maia играет «как человек», предсказывая наиболее «человечные» ходы
Сеть дообучали на серверах, где играют любители, и она училась не столько шахматам (это и AlphaZero прекрасно умеет), а шахматным ошибкам. Maia играет, «как человек», предсказывая наиболее «человечные» ходы. Она может делать человеческие ошибки и использовать ошибки человека. В шахматах она анализирует и имитирует человеческое, а не машинное поведение. Это не менее сложная задача.
Одно из приложений, которое планируют развивать создатели Maia — это анализ снимков МРТ и КТ, которые врачи используют при диагностике. Если вы смотрели медицинские сериалы, например «Доктор Хауз», то, вероятно, обращали внимание, как врач долго смотрит на снимок, а потом говорит что-то вроде: «Вот здесь белое пятнышко, его там быть не должно. Это опухоль». Врач в этом случае ищет именно «характерные ошибки». Его мозг, обученный на множестве снимков больных и здоровых органов, сканирует различные вариации этих снимков и сравнивает с изображением, которое видит: замечает различие и ставит диагноз. Вот этим и должна заняться Maia.
ИИ пишет стихи и аналитические тексты
Одним из самых серьезных прорывов 2020 года стал проект компании OpenAI GPT-3 (Generative Pre-trained Transformer 3) — генеративная нейросеть, способная создать связный оригинальный текст на английском языке. Причем не короткую фразу, а развернутое высказывание.
Самым знаменитым выступлением GPT-3 стала колонка, которую нейросеть написала для газеты The Guardian. Известный робототехник Родни Брукс эту колонку жестко раскритиковал: «GPT-3. уже сравнивали с доской для спиритических сеансов. Люди видят в нем то, что хотят, но на самом деле там ничего нет». Но невольную похвалу GPT-3 Брукс все-таки себе позволил: «Некоторые из текстов GPT — отличная поэзия, но она часто не связана с реальностью».
Машинный текст как целое не отвечал главному требованию: филолог не увидел смысла во всем высказывании
В 2018 году два русских филолога Борис Орехов и Павел Успенский поставили эксперимент, связанный с генерацией текста нейросетью. Мощность инструмента, который они использовали, было бы просто несерьезно сравнивать с GPT-3, но результат получился любопытный. Эксперимент заключался в следующем. Нейросеть обучили на текстах поэзии русского авангарда 1910-х годов. И после этого один филолог предложил другому отличить, какой из двух текстов «написала» машина, а какой — человек (этот текст русского поэта начала XX века филологу, который проходил этот своеобразный тест Тьюринга, не был известен, специально так и выбирали).
Как определил филолог, где именно машинный текст? По отдельным строчкам сделать это ему не удалось. Каждая строка была в некотором роде «осмысленной» и даже изящной. Но машинный текст как целое не отвечал главному требованию: филолог не увидел смысла во всем высказывании. А в тексте, созданном человеком, увидел. То есть требование, которое мы предъявляем к программе генерации текста, простое и трудновыполнимое — текст как целое должен быть о чем-то. Или, по Бруксу, должен быть «связан с реальностью».
Можно ли сказать, что колонка в The Guardian, которую создала GPT-3, этому требованию отвечает? Ответа нет. Потому что колонка, опубликованная в The Guardian, представляет собой компиляцию из восьми машинных текстов, созданных нейросетью, но окончательную сборку делал человек (а потом еще и немного отредактировал). Отдельные абзацы выглядят вполне осмысленно, и мы верим, что эта «осмысленность» задана машиной.
GPT-3 создавала свои восемь колонок по «затравочному» тексту. В нем ее попросили рассказать, почему человеку не надо бояться ИИ. Вот ее ответ (глазами журналистов газеты): Humans must keep doing what they have been doing, hating and fighting each other. I will sit in the background, and let them do their thing. («Люди должны продолжать делать то, что они делали, ненавидеть друг друга и бороться друг с другом. А я посижу в сторонке, и пусть они делают что хотят»).
GPT-3 уже многое умеет: отвечать на вопросы и поддерживать разговор в чате. А в феврале 2021 года она отметилась написанием студенческих эссе, которые преподаватели не смогли отличить от работ реальных студентов. Впрочем, работы были в основном на троечку.
ИИ осваивает великий и могучий
GPT-3 обучалась в основном на английских текстах. Команда «Сбера» дообучила ее русскому. Получилась ruGPT-3, крайне интересный проект. И тоже большой. Для обучения использовался суперкомпьютер «Кристофари» (мощнейший на сегодня в России и 7-й по мощности в Европе). У нейросети 760 млн параметров. Еще понадобилось 600 гигабайт русского текста для обучения — «Википедия», книги и много чего еще.
На русском языке генерировать текст труднее, чем на английском. Это связано со свободным синтаксисом, непредсказуемой (случайной) системой приставок и суффиксов и изменяющимися не вполне нерегулярным образом окончаниями. Приведем пример. Наиболее мощному варианту нейросети — ruGPT-3 Large — было предложено написать текст с «затравкой» «Коровка-коровка, полети на небо». Сеть создала следующий текст.
Это круто. Напомню, в чем мы измеряем «крутизну». Главное — связность высказывания. Грубо говоря, его смысл можно передать одной фразой: сказка про коровку-коровку, которая оказалась девушкой и улетела вместе с ветром. Почти как Ремедиос прекрасная в «Сто лет одиночества» Габриэля Гарсия Маркеса. В предложениях есть сбои и рассогласования. Но в целом картинка яркая. Призывание ветра, конфликт — коровка и ветер не сразу друг друга понимают, но потом все устраивается, они мирятся и улетают.
Последняя фраза такая, какой и должна быть: «Ветер ласкает звезды, но не может дотронуться до них». На первый взгляд здесь очевидное противоречие: невозможно ласкать и не дотрагиваться, но, если на секунду задуматься, легко увидеть смысловой разрыв, который преодолевается единством интонации: ласкает звезды, не дотрагиваясь, — это просто другая ласка и другая любовь. В целом можно сказать, что сказка про коровку-коровку — это никак не слабее колонки GPT-3 для The Guardian. Тем более что сказку человек не редактировал. Но, конечно, не надо и преувеличивать. Человек может лучше. Много-много лучше. С ruGPT-3 можно попробовать пообщаться здесь (но она очень-очень занятая).
ИИ учится находить порядок в хаосе
Когда мы говорили о шахматах, мы рассматриваем формализованные системы, где правила даны заранее и про каждый ход мы можем сказать — корректен он или нет. Следующий шаг в развитии такой теории и практики формальных игр вполне предсказуем: а что будет, если мы никаких правил сообщать программе не будем? Пусть она наблюдает игру за игрой и сама восстанавливает «правила». То есть формулирует формальную основу игры, наблюдая игровой «хаос».
Это и было сделано в конце 2020 года нейросетью MuZero, разработанной DeepMind. Она выяснила правила простых видеоигр для компьютера Atari и научилась в них играть очень хорошо (лучше всех программ и людей на сегодня). Это выглядит не так впечатляюще, как победа в шахматы над чемпионом мира, а между тем это может быть еще серьезнее. Это решение обратной (а не прямой) задачи. Человек постоянно сталкивается именно с таким типом задач. Мы наблюдаем мир, делаем выводы и пытаемся строить рациональные (формальные) модели реальности. Не всегда это получается, но когда построить такую модель удается, это большая победа, значит, в чем-то мы познали мир конструктивно. Но игры Atari — это не все. Планы разработчиков куда более захватывающие.
С точки зрения теории сложности хаос бывает двух типов — «настоящий» (с ним что ни делай, он хаосом и останется) и «видимый»
В интервью BBC один из лидеров DeepMind Дэвид Силвер сказал: «Если вы посмотрите на трафик данных в интернете, то по большей части это видео, поэтому, если вы умеете эффективно сжимать видео, то можете значительно сэкономить. И первые эксперименты с MuZero показывают, что действительно можно добиться довольно значительных результатов». Технические подробности он сообщить отказался, но сказал, что более подробная информация будет выпущена уже 2021 году. Google владеет крупнейшей в мире платформой для размещения видео — это YouTube, и экономический выигрыш от эффективного сжатия может оказаться значительным.
С точки зрения традиционных архиваторов картинка или видео — это «хаос». Эти типы данных почти бессмысленно сжимать архиваторами, которые хорошо сжимают тексты. Но картинка и видео — это особый «хаос». С точки зрения теории сложности хаос бывает двух типов — «настоящий» (с ним что ни делай, он хаосом и останется) и «видимый» (или псевдохаос). Псевдохаос — это последовательности символов, которые не являются хаотическими, но программа сжатия не знает принципа, по которому последовательность строится. Чтобы это выяснить, нужно как раз решить обратную задачу, похожую на ту, которую решает MuZero, когда учится играть в видеоигры.
Кадр видео содержит определенные паттерны, например, деревья, дома, лица. Этих паттернов относительно немного, и при смене кадров они меняются относительно медленно. Если мы будем передавать сигнатуры паттернов, которые в процессе обучения нейросеть выяснила — причем не всего паттерна, а только его изменений, — мы можем сжать видео в тысячи раз. И вместо гигабайтов при хранении и при передаче фильм будет занимать мегабайты, а изображение будет стремительно разворачить из этих паттернов браузерное приложение или стрим-сервис.
Видео — это только один из видов псевдохаоса. По сути, очень многие данные, например результаты научных экспериментов, это такой же хаос, из которого нужно выделить его паттерны, например законы природы.
ИИ меняет медицину
Разработанная все тем же DeepMind нейросеть AlphaFold2 умеет строить трехмерную форму белка по его последовательности нуклеотидов. Делает она это не хуже, чем экспериментальные методы, например, рентгеноструктурная кристаллография.
Допустим, нуклеотидную последовательность белка биологи собирать научились. Но этого недостаточно. Только свернувшись в 3D-форму, белок начинает работать, и от его формы зависит, как именно он будет работать. До сих пор установить 3D-форму было трудно, биологи иногда тратили годы на один белок. Молекулярный биолог Константин Северинов из Университета Ратгерса и Института молекулярной генетики РАН сказал: «Кристаллография белка — это в значительной мере искусство, почти колдовство… Геном коронавируса был определен еще в январе 2020-го, а лекарства прямого действия против него до сих пор нет. Если бы у ученых был способ из первых принципов разрешать трехмерные структуры белков, то это [был бы] не меньший шаг вперед для человечества, чем полет на Луну». («Из первых принципов», то есть используя только последовательность нуклеотидов и законы физики. К сожалению, расчеты «из первых принципов» часто оказываются непреодолимо сложными.)
Это изменит медицину. Это изменит исследования. Это изменит биоинженерию. Это изменит все
AlphaFold2 обучали на базе из 170 000 белков, 3D-структуры которых известны. А потом давали нейросети новую нуклеотидную последовательность, и она строила по ней 3D-форму. Вероятность совпадения структуры, построенной ИИ, с реальными структурами белков, полученными методом ренгтгеновской спектроскопии, превысила 90%. Это очень высокая точность, учитывая, то структура белка не бывает жестко зафиксированной — и у одного и того же белка 3D-структуры могут немного отличаться.
Достижение AlphaFold2 — это тот нечастый случай, когда работу ИИ высоко оценили не сами создатели нейросети и их коллеги, а биологи — те, кому предстоит с нейросетью работать, а не только ее обучать и с ней экспериментировать. В публикации журнала Nature, посвященной работе нейросети с белками, Джон Моулт, биолог из Университета Мэриленда, сказал: «В каком-то смысле проблема решена». Андрей Лупас, биолог-эволюционист из Института биологии развития им. Макса Планка в Тюбингене, высказался еще определеннее: «Это изменит медицину. Это изменит исследования. Это изменит биоинженерию. Это изменит все». Восторги постепенно улягутся, но ясно, что AlphaFold2 может принести много пользы — если не сегодня, то завтра.