Читати книгу - "Пришестя роботів: техніка і загроза майбутнього безробіття"

штучного інтелекту, створені групами спеціалістів, швидко стануть всюдисущими і доступними навіть для програмістів-аматорів.

Тимчасом як інновації в робототехніці спричиняються до появи конкретних машин, які часто асоціюються з виконанням конкретних операцій (наприклад, робот для виготовлення гамбургерів, робот для прецизійного монтажу), прогрес в програмній автоматизації буде, скоріш за все, значно менш помітним для широкого загалу; він часто відбуватиметься за стінами великих корпорацій і матиме більш комплексний вплив на організації та людей, яких ці організації наймають на роботу. Автоматизація інтелектуальної роботи буде історією про те, як до великих організацій приходитимуть ІТ-консультанти і створюватимуть індивідуалізовані системи, потенційно здатні революціонізувати спосіб функціонування підприємства, водночас усуваючи потребу наймати сотні, а то й тисячі кваліфікованих працівників. І дійсно, один із заявлених мотивів ІВМ про створення технології Watson полягав у тому, щоб забезпечити консалтинговому відділу цієї компанії (що, разом з продажами комп’ютерних програм, дає понад половину всіх прибутків компанії) перевагу над конкурентами. Водночас приватні підприємці вже знаходять шляхи використання тих самих хмарних структурних блоків для створення доступних за ціною виробів, призначених для використання малими й середніми підприємствами.

Хмарне обчислення вже справило вагомий вплив на зайнятість у сфері інформаційної технології. Під час технологічного буму в 1990-ті роки була створена величезна кількість високооплачуваних робочих місць, бо підприємства й організації всіх розмірів потребували ІТ-професіоналів для монтажу й обслуговування персональних комп’ютерів, їхніх мереж і програмного забезпечення. Одначе на початок першого десятиліття двадцять першого століття ця тенденція почала змінюватися з тим, як компанії стали дедалі більше передавати свої ІТ-функції великим і централізованим обчислювальним центрам.

Масивні об’єкти, які надають послуги з хмарного обчислення, заробляють великі гроші завдяки значній економії на масштабі, і ті адміністративні функції, для виконання яких раніше доводилося наймати цілі армії висококваліфікованих ІТ-працівників, нині зазнали інтенсивної автоматизації. До прикладу, Facebook використовує кмітливу програму з назвою Cyborg («Кіборг»), яка безперервно контролює десятки тисяч серверів, виявляє проблеми, а в багатьох випадках здатна здійснювати ремонт у повністю автономному режимі. Один з керівників Facebook у листопаді 2013 року зазначив, що система «Кіборг» регулярно розв’язує тисячі проблем, які в іншому разі довелося б вирішувати вручну, і що ця технологія дозволяє одному оператору керувати аж двадцятьма тисячами комп’ютерів [28].

Інформаційні центри з хмарного обчислення часто створюються на селі, де є багато дешевої електроенергії. Окремі штати й органи місцевого самоврядування інтенсивно конкурують між собою за право розміщувати такі об’єкти, пропонуючи компаніям на кшталт Google, Facebook та Apple щедрі податкові знижки та інші фінансові стимули. Звісно, що їхнім першочерговим завданням є створення якомога більшої кількості робочих місць для місцевих жителів, але такі сподівання рідко стають реальністю. Майкл Розенвальд, репортер газети The Washington Post, 2011 року повідомив, що в гігантському центрі обробки даних, збудованому компанією Apple, Inc. за мільярди доларів в місті Мейден, що в штаті Північна Кароліна, було створено всього-на-всього п’ятдесят робочих місць з постійною зайнятістю [29]. Зрозуміло, що така ситуація склалася тому, що алгоритми типу «Кіборг» виконують всю основну важку роботу.

Вплив на зайнятість виходить за межі самих центрів обробки даних і поширюється на компанії, які користуються послугами хмарного обчислення. Роман Штанек, виконавчий директор Good Data (компанія з Сан-Франциско, яка користується хмарними послугами компанії Amazon, щоб здійснювати інформаційний аналіз для близько шести тисяч клієнтів), 2012 року зазначив, що «…раніше, щоб виконати цю роботу для кожної компанії-клієнта, потрібно було залучати щонайменше п’ятеро працівників. Тобто 30 тисяч людей. Я ж виконую цю роботу, користуючись послугами лише ста вісімдесяти працівників. Не знаю, чим займаються нині всі ті решта людей, але це — не та робота, на яку вони тепер можуть розраховувати. Відбулася консолідація за принципом „переможець отримує все”» [30].

Алгоритми на передньому плані

Якщо й існує якийсь міф про комп’ютерну технологію, який слід викинути на смітник, то це — всюдисуще переконання в тому, що комп’ютери здатні виконувати тільки те, під що їх конкретно запрограмували. Як ми вже переконалися, алгоритми машинного навчання регулярно моніторять дані, виявляючи статистичні зв’язки й закономірності і, фактично, прописуючи свої програми на основі того, що вони виявляють під час аналізу. Одначе в декотрих випадках комп’ютери йдуть навіть далі і починають вторгатися в області, які майже повсюдно вважаються сферами компетенції винятково людського інтелекту: машини починають демонструвати допитливість і творчі здібності.

Год Ліпсон, директор Creative Machines Lab при Корнельському університеті, а також аспірант Майкл Шмідт 2009 року створили систему, яка виявилася спроможною самостійно відкривати фундаментальні закони природи. Ліпсон і Шмідт почали з того, що встановили подвійний маятник — пристрій, що складається з двох маятників, один з яких прикріплений у підвішеному стані до другого. Коли обидва маятники починають коливатися, то їхні рухи є надзвичайно складними і начебто хаотичними. Потім Ліпсон і Шмідт використали сенсори та камери для фіксації рухів маятника і забезпечення безперервного потоку інформації. Насамкінець вони наділили свою програму здатністю контролювати стартове положення маятника; іншими словами, вони створили штучного науковця, здатного проводити власні експерименти.

Год Ліпсон і Майкл Шмідт надали своїй програмі свободу дій для регулярного запуску маятника, щоб потім вона аналізувала результати руху і намагалася вирахувати математичні формули для опису поведінки маятника. Алгоритм мав повний контроль над експериментом; при кожному повторі він самостійно вирішував, як розташувати маятник і як його відпустити, і робив це не довільно — спершу здійснював аналіз, а потім вибирав конкретну стартову точку, яка забезпечувала б можливість якомога глибше осягнути закони, що керували рухом маятника. Ліпсон зазначає, що «ця система — не пасивний алгоритм, який лишень спостерігає. Він ставить запитання, тобто виявляє допитливість» [31].

Цій програмі, яку вони назвали Eureqa («Еврика»), знадобилося лише кілька годин, щоб виявити цілу низку фізичних законів, що описують рухи маятника (разом із Другим законом Ньютона), і вона спромоглася зробити це без введення будь-якої попередньої інформації чи програмування в галузі фізики або законів руху.