Читати книгу - "Homo Deus"

class="p1">За три роки до того, 6 травня 2010 року, Нью-Йоркська фондова біржа пережила ще сильніший удар. За п’ять хвилин — з 14:42 до 14:47 індекс Доу-Джонса впав на тисячу пунктів, втративши один трильйон доларів. Потім він повернувся назад, досягши рівня перед ударом за трохи більше, ніж три хвилини. Ось що відбувається, коли надшвидкі комп’ютерні програми відповідають за наші гроші. Експерти з того часу намагалися зрозуміти, що сталося в цьому «миттєвому обвалі». Вони знали, що в ньому треба звинувачувати алгоритми, однак ще й досі не впевнені, що знайшли справжню причину. Деякі американські трейдери вже подали до суду проти алгоритмічної торгівлі, стверджуючи, що вона несправедливо дискримінує людей, які просто не можуть достатньо швидко реагувати, щоб бути конкурентоспроможними. Суперечки навколо того, чи це справді є порушенням прав, можуть потребувати купи роботи і принести купу грошей адвокатам.

А ці адвокати не обов’язково будуть людьми. З кінофільмів і телесеріалів створюється враження, що адвокати всі дні проводять у суді, викрикуючи «Заперечую!» і проголошуючи палкі промови. І все ж більшість посередніх адвокатів витрачають значну частку свого часу на те, що уважно читають нескінченні справи, шукаючи прецеденти, шпарини й цитати, які можуть стати потенційно доречними аргументами. Деякі намагаються визначити, що сталося в ту ніч, коли Джона Доу[35] було вбито, або готують величезний бізнесовий контракт, який захистить їхнього клієнта від будь-якої ймовірної несподіванки. Якою буде доля всіх цих адвокатів, коли складні пошукові алгоритми стануть здатними визначити більше прецедентів за день, аніж людина за все життя, і коли сканування мозку зможе розкрити брехню й шахрайство одним натиском на кнопку? Навіть дуже досвідчені адвокати й детективи не можуть, лише спостерігаючи за виразом обличчя людини і тоном голосу, впіймати на нещирості. Однак брехня залучає інші зони мозку, крім тих, що беруть участь у висловленні правдивої інформації. Ми ще не досягли цього, однак можна очікувати, що в зовсім недалекому майбутньому сканери МРТ зможуть виконувати функції безпомилкового детектора брехні. Де при цьому опиняться мільйони адвокатів, суддів, поліціянтів і детективів? їм не завадило б подумати про те, щоб повернутися до навчання і опанувати нову професію.

Однак коли вони сядуть за парту, то цілком можуть виявити, що алгоритми вже випередили їх. Такі компанії, як Mindojo[36], розробляють інтерактивні алгоритми, що можуть не лише навчити мене математики, фізики й історії, а й точно дізнаються, хто я. Цифрові «вчителі» ретельно відстежуватимуть кожну відповідь, яку я даватиму і скільки часу це в мене забере. З часом вони розпізнають мої унікальні слабкі й сильні сторони і визначать, що мене збуджує і що змушує мої очі заплющуватися. Вони можуть вчити мене термодинаміки чи геометрії в такий спосіб, який найкраще підходить до типу моєї особистості, навіть якщо цей конкретний метод не придатний для 99 % решти учнів. І ці цифрові «вчителі» ніколи не втратять терпіння, ніколи не гарикнуть на мене і ніколи не вдарять. Однак ще не ясно, чому, в біса, мені треба знати термодинаміку чи геометрію у світі, сповненому таких розумних комп’ютерних програм.

Навіть лікарі є легкою здобиччю для алгоритмів. Перше й найважливіше завдання більшості лікарів — правильно діагностувати хворобу, а потім запропонувати найкраще можливе лікування. Якщо я приходжу до поліклініки й скаржуся на лихоманку й діарею, можливо, це пов’язано з харчовим отруєнням. Водночас ці ж симптоми можуть походити від шлункового вірусу, холери, дизентерії, малярії, раку чи якогось невідомого нового захворювання. Мій терапевт має лише кілька хвилин, щоб поставити правильний діагноз, бо моя страхова компанія платить лише за такий час. Це дає змогу поставити не більш ніж кілька запитань і провести швидке медичне обстеження. Потім лікар звіряє цю куцу інформацію з моєю медичною історією і з величезним переліком хвороб людини. На жаль, навіть найрозумніший лікар не може пам’ятати всі мої попередні недуги й огляди. Крім того, жоден лікар не може знати всіх хвороб й ліків і не здатен прочитати всі нові статті, опубліковані в усіх медичних журналах. На довершення лікар часом втомлений, голодний чи навіть хворий, і це впливає на його судження. Не дивно, що лікарі часом помиляються у своїх діагнозах чи рекомендують далекі від оптимальних методи лікування.

Тепер погляньмо на знамениту Watson — розроблену компанією IBM систему штучного інтелекту, яка в 2011 році, перемігши колишніх чемпіонів-людей, виграла телевізійне ігрове шоу Jeopardy!. Нині Watson здатна виконувати серйозну роботу, особливо при діагностуванні захворювань. Такий штучний інтелект, як Watson, має величезні потенційні переваги перед лікарями-людьми. По-перше, він може зберігати у своєму банку даних інформацію про кожну відому хворобу й медикаменти в історії хворого. Крім того, він може щодня оновлювати цю базу, додаючи не лише інформацію про нові відкриття в галузі, а й медичну статистику, зібрану по всіх під’єднаних до нього поліклініках і лікарнях світу.

По-друге, Watson буде добре ознайомлений не лише з моїм повним геномом і щоденною медичною історією, а й із геномами та медичними історіями моїх батьків, рідних, сусідів і друзів. Він миттєво знатиме, чи відвідував я нещодавно тропічні країни, чи переніс шлункову інфекцію, чи були в моїй сім’ї випадки раку кишківника і чи скаржилися інші люди в нашому місті цього ранку на діарею.

По-третє, Watson ніколи не втомлюється, не відчуває голоду, не хворіє й запропонує увесь час світу для мене. Я можу зручно сидіти вдома на дивані й відповідати на сотні запитань, розповідаючи Watson, як я почуваюся. Це хороша новина для більшості пацієнтів (можливо, за виняткові іпохондриків). Однак, якщо ви нині вступите до медичної школи, очікуючи, що через двадцять років усе ще буде потреба в сімейних лікарях, вам, мабуть, треба тричі подумати. Маючи під рукою такого Ватсона, не виникає потреби в Шерлоках.

Ця загроза висить над головою не лише рядових практиків, а й експертів. Дійсно, можливо, легше замінити лікарів, що спеціалізуються у відносно вузьких напрямках, як, наприклад, діагностика раку. У нещодавньому експерименті комп’ютерний алгоритм правильно продіагностував 90 % показаних йому випадків раку легень, тоді як лікарі-люди досягли успіху лише в 50 %. Насправді майбутнє вже тут. Сканування комп’ютерним томографом і мамографічне обстеження рутинно здійснюються відповідно до спеціадізованих алгоритмів, що пропонують лікарям додаткову думку й часом виявляють пухлини, які не помітив лікар.

Безліч складних технічних проблем усе ще не дає Watson і її однотипним колегам звільнити завтра вранці більшість лікарів. Однак ці технічні проблеми, хоч якими складними вони будуть, колись їх усе одно вирішать. Навчання лікаря-людини — складний і