Читати книгу - "Homo Deus"

2. На алгоритмічні розрахунки не впливають матеріали, з яких зроблений калькулятор. Хоч би з чого рахівницю абак було зроблено — з дерева, заліза чи пластику — дві кульки плюс дві кульки дорівнюватиме чотирьом кулькам.

3. Нема підстав думати, що органічні алгоритми можуть робити те, чого ніколи не зможуть відтворити чи перевершити неорганічні. Допоки розрахунки мають силу, яка різниця, чи ці алгоритми виражаються вуглецем, а чи кремнієм?

Щоправда, нині є численні речі, які органічні алгоритми роблять краще, аніж неорганічні, й експерти раз по раз проголошують, що щось назавжди залишиться поза можливостями неорганічних алгоритмів. Однак виявляється, що «назавжди» часто означає одне-два десятиліття. Зовсім недавно розпізнавання облич було улюбленим прикладом того, що навіть діти легко здійснюють, однак це було не під силу найпотужнішим комп’ютерам. Нині програми розпізнавання облич дають змогу ідентифікувати людей значно ефективніше й швидше, аніж це здатні зробити люди. Поліція й розвідка нині використовують такі програми, щоб сканувати нескінченні відеозаписи камер спостереження для відстеження підозрілих осіб і злочинців.

У 1980-х роках, коли обговорювали унікальну природу людства, за традицією, як перший доказ вищості людини, говорили про шахи. Вважалося, що комп’ютери ніколи не виграють у людини в шахи, 10 лютого 1996 року програма Deep Blue від IBM перемогла світового чемпіона із шахів Гаррі Каспарова, розвінчавши цю конкретну заяву про вищість людини.

Вдалий старт програмі Deep Blue забезпечили її творці, які запрограмували не лише базові правила гри в шахи, а й детальні інструкції стосовно шахових стратегій. Нове покоління штучного інтелекту віддає перевагу машинному .навчанню перед людськими порадами. У лютому 2015 року програма, розроблена Google DeepMind, сама навчилася грати в сорок дев’ять класичних ігор компанії Atari. Один із розробників, доктор Деміс Газзабіс, пояснював, що «єдина інформація, яку ми дали системі, були звичайні пікселі на екрані й ідея про те, що вона мала отримати високий результат. Усе інше система повинна була вирішувати сама». Ця програма спромоглася вивчити правила всіх ігор, наданих їй, від Рас-Man і Space Invaders до автогонок і гри в теніс. Потім вона почала грати в ці ігри так само добре, як люди, а то й краще за них, іноді пропонуючи стратегії, які ніколи не виникали у гравців-людей.

Досить скоро штучний інтелект досяг ще гучнішого успіху, коли програмне забезпечення AlphaGo навчилося само грати в го, стародавню китайську настільну гру, Значно складнішу, аніж шахи. Хитросплетіння го довго вважалися непіддатливими для програм штучного інтелекту. У березні 2016 року в Сеулі пройшов матч між AlphaGo та південнокорейським чемпіоном із цієї гри Лі Седолом. AlphaGo перемогла Лі з рахунком 4:1, застосувавши неортодоксальні ходи й оригінальні стратегії, що приголомшили експертів. Хоча до матчу більшість професійних гравців у го висловлювали певність, що переможе Лі, після аналізу ходів AlphaGo більшість дійшла висновку, що ця гра була неперевершеною і що люди більше не мають надії перемогти AlphaGo і її наступників.

Комп’ютерні алгоритми останнім часом довели свою силу і в іграх з м’ячем. Протягом багатьох десятиліть бейсбольні команди для підбору гравців користувалися мудрістю, досвідом і внутрішнім інстинктом професійних скаутів і менеджерів. Найкращі гравці отримували мільйони доларів, і цілком природно, що багаті команди знімали вершки, тоді як бідніші мусили задовольнятися малим. У 2002 році Біллі Бін, менеджер команди Oakland Athletics з малим бюджетом, вирішив перемогти цю систему. Він поклався на таємний комп’ютерний алгоритм, розроблений економістами й комп’ютерними фанатами з метою створити команди переможців із гравців, яких люди-скаути не помітили чи недооцінили. Старі кадри були обурені тим, що алгоритм Біна порушив священні традиції бейсболу. Вони стверджували, що відбір гравців — це мистецтво і що лише люди з особистим тривалим досвідом гри можуть це робити. Комп’ютерна програма ніколи не зможе, бо ніколи не розшифрує секрети і дух бейсболу.

Невдовзі вони мусили їсти свої бейсбольні шапки. Алгоритмічна команда Біна з обмеженим бюджетом (44 мільйони доларів) не лише вистояла проти бейсбольних гігантів на зразок New York Yankees (125 мільйонів доларів), а й стала першою в історії Американської бейсбольної ліги командою, що виграла двадцять ігор поспіль. Не можна сказати, що Бін і «Окленд» довго насолоджувалися своїм успіхом. Досить скоро багато інших команд взяли той самий алгоритм на озброєння, а оскільки New York Yankees та Red Sox могли заплатити значно більше і за гравців, і за комп’ютерні програми, малобюджетні команди на зразок Oakland Athletics врешті втратили ще більше шансів перемогти систему.

У 2004 році професор Франк Леві з Массачусетського технологічного інституту й професор Річард Мурнейн з Гарварду опублікували ґрунтовні дослідження ринку праці, перелічивши ті професії, які найімовірніше підпадуть під автоматизацію. Керування вантажівкою було подане як приклад роботи, яка навряд чи буде автоматизована в найближчому майбутньому. Важко уявити, писали вони, що алгоритми можуть безпечно водити вантажівки на забитих автомобілями дорогах. Усього лиш через десять років Google і Tesla змогли не лише уявити, а й зробити це реальністю.

Дійсно, з плином часу стає дедалі легше заміняти людей комп’ютерними алгоритмами не лише тому, що ці алгоритми стають розумнішими, а й тому, що люди професіоналізуються. Стародавні мисливці-збирачі володіли дуже широким набором умінь, щоб виживати, і тому було б дуже важко створити роботизованого мисливця-збирача. Такий робот повинен був би знати, як виготовити гостряк списа з кременя, знайти їстівні гриби в лісі, відстежити мамонта, скоординувати команду з десятка інших мисливців, а після всього використати лікувальні рослини для перев’язки усіляких ран.

Однак за останні кілька тисяч років ми, люди, спеціалізувалися. Таксист чи кардіолог спеціалізуються в значно вужчій ніші, аніж мисливець-збирач, що полегшує заміну їх на штучний інтелект. Як я кілька разів підкреслював, штучний інтелект і близько не схожий на людське життя. Однак 99 % людських якостей і здібностей просто не мають жодного стосунку до більшості сучасних професій. Щоб штучний інтелект витіснив людей з ринку праці, йому треба перевершити нас лише у специфічних здібностях, які вимагає конкретна професія.

Можна замінити навіть менеджерів, що займаються цією діяльністю. Завдяки своїм потужним алгоритмам Uber може керувати мільйонами таксистів, маючи лише жменьку працівників. Більшість команд віддається алгоритмами, що не потребують нагляду людей. У травні 2014 року гонконзька фірма з венчурним капіталом Deep Knowledge Ventures, що спеціалізується на регенеративній медицині, вийшла на новий рівень, призначивши до керівного органу алгоритм під назвою VITAL. Він подає рекомендації стосовно інвестицій, аналізуючи величезні обсяги даних стосовно фінансової ситуації, клінічних досліджень та інтелектуальної власності перспективних компаній. Разом з іншими п’ятьма членами ради цей алгоритм голосує стосовно того, чи