Николас Карр - Стеклянная клетка. Автоматизация и мы
В то время, когда Брайт писал свой труд, руководители предприятий, ученые и политики единодушно считали, что работа на автоматизированных машинах потребует от рабочих более высокой квалификации и уровня подготовки. Брайт, к собственному удивлению, обнаружил, что чаще всего происходит как раз противоположное: «Я был поражен тем, что ожидаемый эффект совершенствования навыков не наблюдается практически нигде. Напротив, накапливается все больше данных в пользу того, что автоматизация снижает требования к уровню квалификации рабочих». В 1966 году, в докладе, направленном в правительственную комиссию по автоматизации и занятости, Брайт описал результаты своего исследования и обсудил развитие техники, произошедшее в последующие годы. Он отметил, что прогресс автоматизации идет семимильными шагами, подстегиваемый быстрым внедрением в бизнес и промышленность высокопроизводительной вычислительной техники. Все данные свидетельствуют о том, что широкое применение компьютеров усилит тенденцию к деквалификации. «Этот урок, – отмечал Брайт, – совершенно ясен. Не обязательно верно, что сложное оборудование требует квалифицированного оператора. Его можно встроить в машину» [36].
На первый взгляд может показаться, что заводской рабочий, управляющий грохочущей машиной, не имеет ничего общего с высокообразованным профессионалом, который с помощью сенсоров или клавиатуры вводит в компьютер сложную информацию. Однако в обоих случаях мы видим человека, перекладывающего работу на плечи автоматизированной системы. Как показали работы Брайта и других ученых, ее сложность обусловлена распределением ролей и ответственности, а оно, в свою очередь, определяет, какие навыки и знания требуются от оператора, управляющего системой. Чем более высокая «квалификация» встроена в машину, тем в большей степени она контролирует работу, и, соответственно, для работника уменьшается возможность развивать свои таланты и применять самостоятельные интерпретации и суждения. Непосредственный результат объединенного труда человека и машины (и это важно подчеркнуть!) может быть превосходным по эффективности и качеству, но участие человека в нем зачастую становится номинальным. «Что, если цена думающих машин – это не умеющие думать люди?» – вопрошал в 2008 году Джордж Дайсон, специалист по истории техники [37]. Этот вопрос неизбежно станет очень острым, если мы и дальше будем перекладывать ответственность за анализ и принятие решений на плечи компьютеров.
Нарастающая способность компьютерных систем направлять мышление врача и брать на себя принятие решений в диагностике и лечении есть отражение стремительного прогресса вычислительной техники. При установлении диагноза врач привлекает для этого всю совокупность специализированной информации, накопленной им за годы дисциплинарного образования и ученичества, за годы чтения медицинских книг и журналов. До недавнего времени компьютеру было не под силу воспроизвести это глубокое, весьма специализированное и зачастую невыразимое словами знание. Однако неумолимый прогресс вычислительной техники, увеличение скорости выполнения операций, падение стоимости хранения и передачи информации в сети, прорывы в области конструирования искусственного интеллекта, распознавания машинами речи и образов резко и необратимо изменили ситуацию. Электронные машины ныне способны оценивать и анализировать текстовую и иную информацию. Выявляя корреляцию данных, симптомов или признаков, которые либо встречаются вместе, либо следуют друг за другом с высокой вероятностью, компьютеры теперь могут делать точные предсказания, вычисляя, например, вероятность того, что данный пациент с определенным набором симптомов и анализов страдает каким-то определенным заболеванием или имеет большие шансы им заболеть. Они могут и спрогнозировать, как отреагирует пациент на те или иные лекарства или лечебные мероприятия.
С помощью способов построения алгоритмов, например метода дерева принятия решений или метода нейронных сетей, которые помогают моделировать сложные статистические взаимоотношения различных явлений, компьютеры также помогают усовершенствовать технологию прогнозов, так как могут обрабатывать огромное количество данных и оценивать сведения о достоверности прежних показателей [38]. Статистический вес, который машины приписывают различным переменным, становится все более точным, расчеты вероятности все более верно отражают вероятности событий, происходящих в реальном мире. Современные компьютеры становятся разумнее, набираясь опыта, как люди. Некоторые специалисты по кибернетике уверены, что новые нейроморфные микрочипы с заложенными в них механизмами обучения будут способствовать появлению компьютеров нового поколения. Машины станут способны к более совершенному распознаванию деталей. Мы можем сколько угодно иронизировать по поводу их «сообразительности» и «интеллекта», но факт остается фактом – несмотря на отсутствие сочувствия, понимания и проницательности врача, эти машины тем не менее способны воспроизводить многие врачебные суждения на основе статистического анализа огромного объема цифровой информации. Многие старые дебаты о смысле понятия «интеллект» приобрели сейчас чисто академический интерес в свете неимоверной мощности современных компьютеров, умеющих в считаные секунды обрабатывать немыслимые для человека объемы информации.
Диагностические возможности ЭВМ будут улучшаться и дальше. Чем больше данных о конкретном пациенте в форме электронных записей, оцифрованных изображений и результатов анализов, о взаимодействии лекарств, а в недалеком будущем – и данных, считанных с личных биологических сенсоров и следящих за динамикой состояния приложений, тем тоньше будут становиться выводы и диагнозы. Шаблоны и схемы станут более совершенными и изощренными. Учитывая нынешнее стремление радикально улучшить качество здравоохранения, можно ожидать, что в медицине скоро возобладает философия Тейлора – стандартизация и оптимизация. Укрепятся позиции так называемой доказательной медицины, в которой и без того уже сильна тенденция замены личного врачебного суждения статистическими расчетами. Медики будут испытывать нарастающее давление со стороны автоматизации и со временем неизбежно уступят компьютерным программам часть своих прерогатив в установлении диагнозов и назначении лечения. В недалеком будущем многие из них окажутся в роли людей-датчиков, собирающих информацию для принимающих решение компьютеров. Врачи будут, осмотрев и обследовав больного, вводить полученные данные в ЭВМ, и именно последние возьмут на себя труд ставить диагнозы, назначать лечение и следить за его результатами. Благодаря неумолимому наступлению автоматизации, подчиняясь выявленной Брайтом иерархии, доктора обречены (по крайней мере, в некоторых сферах своей практики) на судьбу, постигшую в свое время фабрично-заводских рабочих.
Врачи не одиноки. Вторжение ЭВМ в элитные интеллектуальные профессии наблюдается повсеместно. Мы уже видели, как меняется мышление аудиторов под влиянием экспертных систем, определяющих риски и другие переменные величины. Финансисты, от представителей ссудных касс до менеджеров по инвестициям, уже зависят от систем, направляющих их решения, а Уолл-стрит находится под контролем вынюхивающих корреляции компьютеров и аналитиков, которые эти компьютеры программируют. Численность биржевых игроков и спекулянтов на Нью-йоркской бирже с 2000 по 2013 год уменьшилась со 150 тысяч до 100 тысяч, несмотря на то что фирмы Уолл-стрит стали получать еще более заоблачные прибыли. «Важнейшая цель брокерских и инвестиционных компаний – это автоматизация и избавление от биржевых маклеров», – сказал один из финансовых аналитиков корреспонденту компании Bloomberg. «Что же касается уцелевших биржевых игроков, то все, к чему сводится сегодня их деятельность, – это нажатие компьютерных клавиш» [39].
Это верно не только для торговли акциями и облигациями, но также и для работы с более сложными финансовыми инструментами. Эшвин Парамесваран, технический аналитик и бывший банкир, отмечает, что банки приложили значительные усилия для того, чтобы уменьшить требования к квалификации людей, осуществляющих ценообразование на финансовые деривативы. Системы купли-продажи постоянно изменялись таким образом, чтобы передать как можно больше информации компьютерным программам [40]. Предсказывающие алгоритмы стали проникать даже в недосягаемую для них прежде сферу венчурного капитала. Венчурные инвесторы всегда гордились своим нюхом и интуицией на выгодный бизнес и инновации. В наши дни такие выдающиеся венчурные компании, как Ironstone Group и Google Ventures, применяют программы для выяснения предпринимательского успеха и в соответствии с этим размещают свои инвестиции.
