В начале 2022 года Лидия Зуин, журналистка и искусствовед из Бразилии, переехала в Швецию, где впервые в жизни открыла в себе онлайн-парфюмера. В этом ей, как и тысячам других пользователей, помог используемый шведской компанией No Ordinary Scent (NOS) искусственный интеллект.
Чтобы создать по-настоящему уникальный аромат, Лидии не пришлось несколько лет изучать искусство изготовления эссенций — она просто загрузила несколько изображений на сайт. Затем ИИ-алгоритм распознавания изображений выделил теги, описывающие изображение. Каждому тегу соответствует ароматическая смесь; из трех таких смесей и создается уникальный парфюм. Чтобы создать связь между имеющимися смесями и изображениями, отправленными клиентами, созданный NOS алгоритм анализирует цвета, времена года, наличие элементов природы, людей, домашних животных и многого другого. Хотя каждый анализ приводит к конкретному результату, ИИ не повторяется — напротив, он раз за разом учится на отзывах пользователей: например, на отзыве самой Лидии.
В моем случае было интересно посмотреть, как отправленные изображения привели к появлению духов с основой из янтаря, зерна тонка и жареного миндаля. Средние тона состоят из персиков, соленых древесных стволов и как будто металлического мускуса, в то время как в верхних тонах заметен розовый перец. Я почувствовала, что духи были немного слаще, чем привычные для меня (предпочитаю свежие ароматы), но его древесная основа уравновешивает аромат таким образом, что заставляет думать о слове «горько-сладкий» — что хорошо подходило к подобранному мной
названию аромата .
Теперь все, что необходимо для акта творения, — это энтузиазм клиента и комбинаторный талант ИИ. Основанные на ИИ приложения с каждым днем охватывают все больший функционал: как будто у тебя выросли сотни рук, которые способны самостоятельно выполнять простые действия. Не нужно покупать дополнительные программы, тратить время на их изучение — это выгоднее как для отдельных людей, так и для целых компаний. Более того, еще с предыдущих промышленных революций известно, что инновации ускоряют возникновение следующих инноваций. Привлечение же самообучающегося ИИ полностью меняет игру: если теперь вы можете сгенерировать сотни решений, вероятность создать нечто действительно прорывное вырастает в разы — хотя бы потому, что искусственный интеллект не ограничен рамками человеческой «очевидности».
Эти дифирамбы понятны. Однако о себе дает знать другая, темная сторона ИИ: он забирает рабочие места.
Кто-то с пренебрежением называет подобный страх «нео-луддизмом» — это звучало рефреном буквально каждой технологической революции, — но теперь его поддерживает статистика: в отличие от предыдущих промышленных переходов, с нуля создававших новые индустрии, с внедрением ИИ в бизнес-процессы количество рабочих мест уменьшается.
Меняется и характер работы людей: теперь машины все больше контролируют их производительность. Воздействие может быть прямым: «Умное видеонаблюдение» в «Пятерочке» диктует сотрудникам, на какие полки какие товары поставить (заменяя собой менеджера зала). Воздействие может быть мягким: более десятка алгоритмов Google собирают данные об эффективности сотрудника во время работы в команде, при разработке конкретного проекта замеряют «уровень счастья» (и на основе строят «прогностическую модель» сотрудника для вышестоящего руководства).
И тело, и время человека все меньше принадлежат ему. Даже те навыки, которыми обладают сотрудники, начинают устаревать. Почему? Просто потому, что компьютерные системы обновляются с куда большей скоростью, чем когда-либо в человеческой истории.
Однако начинаются вырисовываться варианты новых, гибридных, человеко-машинных профессий.
С чем могут быть связаны гибридные профессии? Со взаимодействием. Когда ИИ плотно встраивается в человеческую работу, необходимо отдельно учиться тому, как налаживать с ним контакт.
Экскурсом в эту область, построенном на анализе опыта более 1,5 тыс. компаний, стала книга Пола Доэрти и Джеймса Уилсона «Человек + Машина». В Главе 8 авторы специально сконцентрировались на описании принципиально новых навыков, которые предстоит внедрять компаниям, готовым к интеграции ИИ-систем. Например, это умное запрашивание — навык грамотного формулирования вопросов для интеллектуального агента на самых разных уровнях абстракции.
Итан Моллик, преподаватель из университета Пенсильвании, рассказывает о своем опыте обучения студентов использованию ChatGPT (да, хотя GPT только-только возник, он уже становится частью учебных курсов!). По словам Моллика, большинство людей используют GPT слишком прямолинейно, вроде «напиши мне текст, почему роботы-пылесосы полезны», — тогда как репертуар возможностей, открывающийся благодаря этой программе, намного больше: надо лишь научиться формулировать более прицельные запросы для ИИ-системы.
В какой области вы работаете и какой ИИ-программой пользуетесь?
Андрей Назаренко: Я бэкенд-разработчик программных интерфейсов приложений (API) для сервисов — способов взаимодействия одной компьютерной программы с другой. Недавно стал использовать Copilot: это система на основе GPT, которая может писать код прямо в редакторе, предлагая мне разные варианты.
Николай Чернышев: Создание текстов (рерайт, копирайт) в области ритуального бизнеса и отношения к смерти в различных культурах. С января открыл для себя ChatGPT: генеративную языковую модель, создающую развернутые ответы по любому тематическому запросу.
К каким изменениям в вашей деятельности привело использование ИИ-агента?
Андрей Назаренко: По сути, я делаю то же самое, но намного проще: сокращается количество рутины, которой и раньше не хотелось заниматься. Copilot дописывает 20–30% моего кода, в некоторых случаях — до 80–90%.
Николай Чернышев: Основное изменение в том, что я намного меньше времени трачу на сбор материалов, поиск примеров, прописывание конкретных формулировок... GPT не заменяет мою работу целиком, но помогает избавиться от рутинных процедур.
Все говорят об избавлении от рутины. Но что такое «рутина»? Мы обычно понимаем под этим словом предсказуемые, однотипные действия. Чем больше рутины, тем легче автоматизировать должность: это справедливо и для фабричного, и для кабинетного труда. Компания McKinsey провела довольно подробное исследование различных отраслей еще в 2016-м: согласно ему, в приготовлении еды, упаковке или работе на сборочной линии машины могут заменить людей на 78%, а в строительстве, лесном хозяйстве или выращивании животных свободного выпаса — только на 25%. По мере того как все больший процент труда делегируется искусственному агенту, возникает запрос на
За последнее десятилетие в повышение степени целостного слияния инвестировала огромные ресурсы компания Amazon. Вы можете оценить ее головокружительные успехи в этой области по видеообзору или на основе интервью с работниками склада Amazon в Пьячченце, небольшом городке на севере Италии. Сборщик ходит среди полок и тащит тележку с коробкой, которую нужно заполнить партией товаров. После выбора товара сборщик использует свой сканер штрих-кода, чтобы зарегистрировать товар, подтвердить его и получить информацию о следующей позиции, которую надо выбрать. Устройство также сообщает о положении на полках и времени, которое у сборщика есть для выполнения задачи, — часто около минуты.
Одним из результатов этой формы алгоритмического управления является расширение возможностей рабочих: ни один человек не может эффективно перемещаться по площади с несколькими тысячами полок, чтобы выбрать список нужных товаров без помощи алгоритма. Более того, в конце 2010-х стало распространяться понятие «темные склады» — полностью самоуправляемые ангары, где человеческим агентам больше нет места.
Что вы чувствуете, начав работать вместе с ИИ-агентом?
Андрей Назаренко: Когда смотришь со стороны, Copilot кажется рекламным трюком, чем-то поверхностным. Но на практике — совсем другой уровень интеграции! Он даже подстраивается под мой стиль кода. Ведущий подкаста «Радио-Т» Григорий Бакунов говорит: когда пробую новые редакторы кода, смотрю, работает ли в них Copilot. Мне интересно, во что выльется сегодняшняя перспектива. Это наводит на размышления.
Николай Чернышев: Я чувствую облегчение, но к нему примешивается оттенок стыда — кажется, что я не имею права получать деньги за рабочую деятельность, осуществляемую не мной. Когда станок помогает рабочему на заводе, несложно увидеть разницу труда человека и труда машины, а GPT, кажется, полностью заменяет интеллектуальный труд, и это создает этические неудобства. Нам еще только предстоит найти новые линии разграничения того, что именно делает генеративный ИИ, а что — человек.
Анализ изменения рынков труда в свете развития ИИ привлек внимание не только частных игроков, но и государственных. И Белый дом, и Европейская комиссия выразили большую заинтересованность в работе над совместным исследованием для оценки потенциального воздействия ИИ на рабочую силу, а в декабре 2022-го результаты этого совместного исследования были выложены в публичный доступ.
Показателен пример использования ИИ для найма на работу. Из-за непредвиденных проблем с реализацией алгоритмы зачастую демонстрировали предвзятость при выборе кандидатов.
Причем предвзятость усугублялась, если алгоритмы использовались на каждом этапе процесса. Эти ИИ-продукты продавались, по сути, в виде «черного ящика»: у клиентов не было механизма для определения точности сделанных ИИ-системой утверждений. Наконец, были получены свидетельства, что алгоритмы ИИ могут научиться эффективно вступать в сговор друг с другом при установлении цен — и к ним не могут быть применены существующие правила дискриминации, мошенничества и антимонопольного законодательства.
Однако, помимо фактической стороны дела, следует иметь в виду и то, как меняется восприятие рабочими самих себя в ходе повальной ИИ-автоматизации. Чем больше вы работаете в паре с ИИ, тем больше вы начинаете доверять интеллектуальному агенту. В то же время растет и чувство ответственности за результаты вашей совместной деятельности, ведь вы уже не отдельный работник, а член гибридной команды, новый «человеко-машинный пролетарий».
В недавнем прошлом, во время второй промышленной революции, рабочие уже претерпели одну трансформацию: из независимых ремесленников они превращались в служащих, занятых в крупном индустриальном производстве. Сегодняшние изменения труда, вызванные ИИ, не менее радикальны: они предполагают более глубокую интеграцию человеческого и машинного интеллектов. Ваш разум обрастает цифровыми приложениями, вместе с которыми начинаете развиваться уже вы сами. Только кем будете эти «вы»? Это только предстоит узнать.
Какие у вас ожидания от будущего с ИИ?
Андрей Назаренко: Для людей извне все кажется революционным, но для специалистов внутри [в области машинного обучения] развитие выглядит довольно поступательным: все предпосылки были уже в 2010-х. В ближайшем будущем мы упремся в физический порог миниатюризации чипов. Применение ИИ станет доступнее, но не забывайте про масштаб моделей.
Долгое время проектами вроде ChatGPT или Copilot смогут владеть только очень крупные корпорации. Демократизируются, скорее, области вроде дизайна, произведений искусства, поскольку визуальные инструменты по их созданию публично доступны. Я думаю, что изменится подход к ИТ-обучению: сейчас многие изучают все сами, но в будущем
Николай Чернышев: Мои ожидания — это смесь здорового оптимизма, нездорового любопытства и напряжение от «прожектерства» окружающих. Развитие ИИ сейчас приняло столь взрывной и непредсказуемый вид, что убедительными могут выглядеть самые разные сценарии будущего: и техноутопии, и власть корпораций, и Технологическая Сингулярность. На какое поле деятельности ни обрати внимание, все они меняются на глазах.
Мы, человечество, стремительно несемся в дивный новый мир будущего, при этом тянем за собой старые представления, идеи и взгляды. Это все создает безумный плавильный котел.