Автомобиль вел себя безукоризненно. Более того, порой в ходе поездки нам даже становилось скучно. Он не нарушал скоростных ограничений и не занимался слаломом среди других машин на шоссе; он ехал точно так, как нас всех учат в водительской школе. Раскрытый ноутбук в режиме реального времени показывал нам то, что «видит» автомобиль при движении по шоссе, – все расположенные неподалеку объекты, которые попадали в поле «зрения» его сенсоров. Автомобиль распознавал все другие машины вокруг, а не только ближайшие, и контролировал их местоположение вне зависимости от того, где они двигались. Это был автомобиль, не имевший «слепых» зон. Однако программа, отвечавшая за вождение, принимала во внимание, что такие «слепые» зоны могут быть у других автомобилей и грузовиков, находившихся под управлением людей. Экран ноутбука постоянно отображал предположения программы о том, где могут находиться эти «слепые» зоны и как их избежать.

Мы не могли оторвать взгляда от экрана и совершенно не обращали внимания на дорогу до тех пор, пока движение впереди полностью не остановилось. Наш автомобиль начал мягко тормозить, а затем остановился на безопасном расстоянии от ехавшей впереди машины, после чего начал понемногу двигаться вместе со всем остальным потоком. В течение всего этого процесса работники Google, сидевшие на переднем сиденье, не прекращали своего разговора, не демонстрировали никаких следов нервозности или интереса к происходившему на дороге. Сотни часов, проведенных в беспилотном автомобиле, убедили их в том, что он вполне в состоянии справиться с движением в пробке. К тому моменту, когда машина припарковалась, мы разделяли их уверенность.

Наша поездка по шоссе 101 в тот день была для нас особенно странной, поскольку всего несколькими годами ранее мы были уверены, что компьютеры никогда не научатся управлять автомобилями. Великолепные исследования и анализы, проведенные нашими глубокоуважаемыми коллегами, убедительно показывали, что в обозримом будущем вождение автомобиля останется задачей, которая по силам лишь человеку. Несмотря на это заключение, такие технологии, как Chauffeur, активно развились в последующие несколько лет, что позволяет нам извлечь целый ряд важных уроков о цифровом прогрессе.

В 2004 году Фрэнк Леви и Ричард Марнейн опубликовали свою книгу The new division of labor («Новое разделение труда»).[19] В основном они концентрировались на различиях в специфике работы человека и работы компьютера. В любой разумной экономической системе люди должны фокусироваться на задачах и направлениях работы, в которых имеют сравнительное преимущество над компьютерами, оставляя компьютерам то, для чего последние лучше приспособлены. В своей книге Леви и Марнейн предложили способ распределения различных задач в ту или иную категорию.

Сто лет назад предыдущий абзац не имел бы никакого смысла. В те времена слово computer («вычислитель») было названием профессии, а не обозначением механизма. «Компьютерами» в начале XX века называли людей, обычно женщин, проводивших целые дни за арифметическими расчетами и заполнением таблиц. На протяжении десятилетий изобретатели проектировали машины, способные выполнять всё новые и новые элементы этой работы; поначалу эти устройства были механическими, затем электромеханическими и наконец стали цифровыми. В наши дни сложно встретить людей, которых нанимают лишь для арифметических расчетов и записи результатов. Даже в странах с самыми низкими ставками оплаты труда людей-компьютеров практически не осталось, поскольку автоматические устройства значительно дешевле, быстрее и точнее.

Если вы внимательно изучите внутреннее устройство компьютера, то поймете, что он работает не с цифрами, а с символами. Электронные схемы компьютеров могут интерпретироваться на языке нулей и единиц, однако точно таким же образом могут использоваться пары «истинно» и «ложно», «да» или «нет» или любая другая аналогичная система символов. В принципе, компьютеры способны решать с помощью символов любые виды задач, от математических до логических или лингвистических. Однако цифровые писатели пока еще не появились, и поэтому списки бестселлеров состоят из книг, написанных исключительно людьми. Пока что мы еще не компьютеризировали работу предпринимателей, директоров, ученых, медсестер, помощников официантов и многих других типов работников. Почему нет? Если проще оставить эти занятия людям, то каким именно алгоритмам в этой работе особенно трудно подобрать цифровой эквивалент?

Именно этими вопросами задались авторы книги «Новое разделение труда» и дали на них в высшей степени осмысленные ответы. Авторы раскладывают процесс обработки информации – основу всей работы со знанием – на спектр задач. На одном конце спектра располагаются задачи типа арифметических – то есть такие, для решения которых требуется всего лишь применить хорошо понятые правила. А поскольку компьютеры отлично умеют следовать правилам, получается, что именно они должны заниматься арифметическими и другими сходными с ними задачами.

Леви и Марнейн выделяют и другие типы знания, которое может быть выражено в виде правил. К примеру, кредитная история – хороший предиктор того, сможет ли заемщик оплачивать ипотеку, как обещал, поскольку сумма ипотечного кредита зависит от состояния человека, от размера его доходов и наличия других кредитов. Поэтому решение о том, выдавать ли человеку ипотеку, может быть, в сущности, сведено к правилу.

Правило ипотеки, выраженное словами, может звучать следующим образом: «Если некто просит ипотеку на сумму M, и при этом его кредитный рейтинг равен V или больше, величина ежегодного дохода выше I или величина капитала выше W, а общая величина долговых обязательств не выше D, то заявка получает одобрение».

В случае если правило ипотеки такого рода выражено в форме компьютерной программы, мы называем его алгоритмом. Алгоритмы – это упрощения; они не могут и не должны учитывать все факторы (такие, к примеру, как наличие дядюшки-миллиардера, который когда-то включил нашего потенциального клиента в свое завещание, а сам увлекается скалолазанием без страховки). Тем не менее алгоритмы включают в себя самые распространенные и важные параметры, поэтому в целом вполне хорошо работают в решении ряда задач, в том числе и таких, как предсказание вероятности правильной выплаты ипотеки. Таким образом, компьютеры могут и должны использоваться для подобных операций.[20]