Эти идеи дают слабую надежду на то, что мы выработаем инженерную дисциплину, позволяющую найти безопасный подход к извлечению пользы из систем на основе ИИ. Разумеется, есть определенные сложности: люди – своенравные, иррациональные, непоследовательные, слабовольные, не поддающиеся расчетам и не похожие друг на друга существа, так что изучать человеческие ценности, наблюдая за человеческим поведением, – сомнительное занятие. С другой стороны, ближайшие перспективы разработки, такие как интеллектуальные персональные помощники и домашние роботы, дают очень сильный стимул к тому, чтобы разобраться с ценностями: помощники, заказывающие гостиничные номера по 20 тыс. долларов за ночь, и роботы, готовящие на ужин блюда из домашних питомцев, вряд ли приобретут популярность.

Исследования в области ИИ имеют свои трудности. В настоящее время эталоны для сравнения устанавливаются путем грубого перебора и сопоставления шаблонов, и незначительные изменения во входных сигналах могут полностью нарушить модели машинного обучения. Возможно, текущие подходы имеют недостаточную конструктивную прочность, чтобы научить ИИ справляться с самыми сложными задачами, такими как решение проблемы «здравого смысла» или воссоздание ситуативных моделей. Исследователи хотели бы, чтобы машины могли действовать, исходя из ситуативного контекста, и делать общие выводы, не проходя предварительное обучение на огромных наборах данных, но пока это невозможно. Вероятно, новые технологии, такие как квантовые вычисления, смогут изменить подходы ИИ к получению информации о проблемах и позволят ему учиться посредством получения обратной связи, а может, даже имитировать человеческие когнитивные функции познания мира. Если это произойдет, искусственный интеллект сможет приносить экономическую выгоду, работая без свойственных человеку ошибок и усталости.

Даже без таких прорывов прогресс идет быстро, и надежды высоки. Разрабатываются роботы для полетов на Марс, для помощи медицинским работникам и даже для создания роботов{131}. Однажды могут появиться полчища крошечных роботов под управлением облачного ИИ, обеспечивающие интеллектуальные приложения на централизованных серверах данными, необходимыми для координации и распределения ресурсов. ИИ уже проникает в профессиональные области, требующие обширных знаний, такие как журналистика, медицина, бухгалтерия и юриспруденция. Даже если юристы и врачи не будут заменены полностью, интеллектуальные приложения, способные синтезировать и анализировать примеры из практики и диагностические снимки, изменят эти профессии. А пока ИИ активно улучшает себя, инвестиции в индустрию робототехники в 2019 году, по некоторым оценкам, превысят 135 млрд долл., что почти в два раза больше инвестиций 2015 года{132}. Автомобили не только станут ездить без водителей, но и, скорее всего, будут производиться без участия человека, особенно если учесть, что автомобильная промышленность стоит на первом месте по числу приобретаемых роботов (рис. 17){133}.

Рисунок 17. Число многоцелевых промышленных роботов (всех типов) на 10 тыс. рабочих в автомобильной и всех остальных индустриях, 2014 г.

Источник: Pittman (2016)

Во многих сферах экономики повышение уровня автоматизации может привести к созданию новых типов рабочих мест и исчезновению старых. Например, автоматизация грузоперевозок может привести к сокращению рабочих мест в сфере логистики{134}.

Усиление влияния ИИ и робототехники на рынок труда ожидается как в развитых, так и в развивающихся регионах. В США риску автоматизации подвергается от 10 % до 50 % всех рабочих мест{135}{136}. В Китае компания Foxconn за два года заменила роботами 60 тыс. рабочих на фабриках{137}. Автоматизация может отрицательно сказываться на индустриализации в развивающихся странах, уменьшая преимущества дешевой рабочей силы: если раньше многие производства было выгодно размещать в развивающихся странах, то теперь происходит отказ от этой практики{138}.

Последствия для глобальной экономики обширны и непредсказуемы. Экономисты создают возможные экономические модели, учитывающие автоматизацию труда, тогда как образовательные учреждения пытаются предсказать, какие навыки потребуются завтрашним работникам{139}. Необходимость многостороннего взаимодействия и сотрудничества никогда не была выше, чем сейчас, и, чтобы удовлетворить ее, законодатели, руководители коммерческих и общественных организаций должны искать компромиссы между экономическими и социальными целями. Внимания требуют также вопросы безопасности и уязвимости ИИ. Хотя специализированный искусственный интеллект предлагает обществу огромные возможности, его можно обмануть, взломать или ввести в заблуждение. Необходимо убедиться, что решения, принимаемые машинами, не подвержены посторонним влияниям и не могут быть изменены посредством кибератак.

В основе этой важнейшей проблемы лежит другая, имеющая еще более широкие последствия: механизмы принятия решений, используемые алгоритмами машинного обучения, часто остаются неясными для людей-разработчиков, что поднимает вопрос о приемлемости делегирования власти этим алгоритмам. В мире людей доверие глубоко связано с обоснованием решений. Например, даже если ИИ будет лучше людей прогнозировать, кто из заключенных снова нарушит закон или кто из заемщиков не выплатит кредит, мы не будем удовлетворены принимаемыми машинами решениями, если они не смогут объяснить их. Это особенно справедливо для алгоритмов, проявляющих предвзятость после обработки наборов данных, отражающих человеческую предвзятость. Они могут выявлять полезные закономерности, но без машинного понимания мы будем считать их решения некорректными. В первую очередь нам необходимо заняться следующими вопросами: