Улучшение роботизированных технологий и дальнейшее снижение стоимости их производства неизбежно приведет к замещению определенной части людей на роботов и за пределами производственного сектора. В сфере обслуживания вы, возможно, уже встречались с таким изобретением как Pepper – миниатюрные машины, которые Softban ввел в работу с 2014 года в своих токийских филиалах. По всему городу эти роботы используются в качестве портье или администратора в ряде банков и офисов, где они приветствуют клиентов и предоставляют им базовую информацию об услугах. Роботы, подобные Pepper, сокращают расходы на персонал и освобождают сотрудников отдела продаж от рутины для более длительных и целенаправленных бесед с клиентами.

В перспективе диапазон применения роботов в сфере услуг огромен. Например, отель Henn-na в Японии уже позиционирует себя как «отель-робот»: с шеф-поваром-роботом по имени Эндрю, который профессионально готовит «окономияки» (омлет в японском стиле), и с целым штатом роботизированного персонала, включая сотрудников, которые регистрируют гостей в отеле и помогают им разобраться с багажом[11]. В калифорнийских ресторанах быстрого питания можно встретить механического повара Салли, специализирующегося на приготовлении салатов, и его коллегу Flippy, который (как можно догадаться по его имени) переворачивает гамбургеры. Робот Botlr работает в ряде отелей, разнося клиентам дополнительные полотенца и туалетные принадлежности, а итальянская фирма Makr Shakr, в свою очередь, разрабатывает робота-бармена. Непрерывный поток новых технологий, призванных решать проблемы человечества, привел к тому, что в 2016 году сеть ресторанов Domino впервые доставила своим клиентам из Новой Зеландии пиццу с помощью беспилотного квадрокоптера – это была пицца с курицей пери-пери и клюквой, и доставили ее в дом семейной пары, живущей в Вангапараоа.

Любой из нас в ближайшем будущем может стать клиентом того или иного робота или даже возьмет его в качестве помощника по дому[12]. К 2030 году вероятность этого возрастет. В первую очередь всеобщая роботизация станет прогрессировать в странах, подобных Японии, где население стареет и его численность сокращается, и новое поколение роботов станет помощниками тем людям, которым семья и друзья не могут регулярно помогать вследствие высокой занятости. Домашние роботы смогут выполнять набор базовых услуг, таких как сухая и влажная уборка, оплата счетов, а также ежедневно автоматически заказывать то, что вам может потребоваться, – еду, лекарства и многое другое.

На протяжении веков человеческая изобретательность создавала инструменты, которые увеличивали или преобразовывали мышечную силу человека – каменный топор, колесо, прядильный станок и пр. Характерное для современности создание и использование машин, увеличивающих или преобразующих интеллектуальную силу человека, более прогрессивно и при этом значительно труднее для понимания. Достижения в области искусственного интеллекта вывели технологии в сферу когнитивных процессов, которая традиционно была прерогативой людей.

Умные машины, на самом деле, уже не настолько молоды. Так называемая VisiCalc – первая полностью рабочая версия широко распространенных в настоящее время компьютерных таблиц, была запущена еще в 1979 году. Она заменила собой бумажные таблицы – большие листы бумаги 11×17 дюймов, на которых служащие размещали ряды и столбцы чисел – а это весьма долгий и тяжелый процесс, требующий массы внимания и все равно подверженный человеческим ошибкам. Впрочем, с 1979 года многое изменилось: главное, что современные поколения интеллектуальных машин делают расчеты по своим собственным принципам для достижения более сложных и комплексных целей, а не просто следуют на каждом шагу заранее определенным алгоритмам.

Этот переход достигнут благодаря использованию широко распространенного ныне метода – машинного обучения (англ. machine learning), который вместо последовательности чисто вычислительных алгоритмов, основанных на операторах if – then (если – то) использует так называемые «нейронные сети»[13] (англ. neural networks). Машинное обучение подразумевает, что машины могут находить собственные решения тех или иных задач, опираясь на обучающие данные, и адаптироваться к меняющимся обстоятельствам (точнее, к различным наборам обучающих данных). При этом искусственный интеллект имитирует некоторые операции человеческого мозга – но делает это быстрее. Повсеместное внедрение машинного обучения в полной мере соответствует описанному выше набору из четырех законов, которые, вместе взятые, описывают ускорение передачи и обработки больших объемов информации.

Рассмотрим, например, программу AlphaGo, которая в 2017 году победила китайца Ли Седола – 18-кратного чемпиона мира в игре го. Игровая система AlphaGo была создана британской компанией DeepMind, специализирующейся на создании систем искусственного интеллекта, а корпорация Google купила ее в 2014 году. Исходно были созданы три разные версии AlphaGo: Lee, Master и Zero[14]. Версии Lee и Master обучались (в разной степени) комплексным образом – основываясь на правилах игры, информации о партиях, сыгранных ранее лучшими игроками, учебниках, написанных для людей, и инструкциях, созданных экспертами по го. В отличие от первых версий, версия Zero получила лишь полную информацию о правилах игры и указание сыграть самой против себя как можно большее число раз, чтобы разработать собственные игровые стратегии без использования предыдущих знаний. Другими словами, AlphaGo Zero стала сама себе и учителем, и тренером, и спарринг-партнером.

За 40 дней AlphaGo Zero сыграла 29 миллионов игр и создала базу данных по игровым ситуациям, равной которой никто из игроков-людей никогда не имел. За четыре дня Zero научилась обыгрывать версию AlphaGo Lee, а спустя 34 дня она победила и версию AlphaGo Master.