Крис Скиннер - Человек цифровой. Четвертая революция в истории человечества, которая затронет каждого

Думаю, это последний элемент в описанной долгосрочной мозаике. Я давно слышу, что организационные структуры должны переходить от иерархического армейского устройства по принципу «команда/управление» к более ровному, семейному («наставничество/советы»). Банки противились таким переменам, ведь они привыкли командовать и контролировать. Однако технологии неотвратимо развиваются в направлении распределенных открытых платформ и рынков, монолитной иерархической структуре отмерен короткий век.

Иными словами, банки могут сохранять принцип «команда/управление» на физическом уровне (в отделениях), но отделения – лишь часть в постоянно растущем семействе цифровых структур. Возможно, их правомерно сравнить со старейшим членом семьи, скажем с отцом семейства, но необходимо дать себя проявить и другим членам семьи, признав, что диктат старших в прошлом. Именно поэтому должность дирижера, пожалуй, может стать важнейшей в банке будущего. Возможно, у него в подчинении не будет людей, не будет организации, и не будет рычагов управления, и вся его функция будет заключаться в создании прекрасной цифровой музыки. Я только за.

Если вам не довелось послушать речь Энди Халдейна, главного экономиста и исполнительного директора по монетарному анализу и статистике Банка Англии – то вот его главная мысль: в ближайшие несколько десятилетий людей заменят роботы. Халдейна цитировали все ведущие издания прежде всего потому, что в своих прогнозах он основывался на исследованиях, проведенных Банком Англии. Согласно им, большинство менеджеров, клерков и рабочих лишатся работы: на смену им придут роботы. В Великобритании станет на 15 млн безработных больше, а в США – на 80 млн. Вероятность полного исчезновения бухгалтеров – 95 %, а парикмахеров – всего 33 %. Под угрозой все профессии – даже творческие, связанные с дизайном, искусством и музыкой.

В 2011 году редакторы одного из старейших американских литературных журналов The Archive решили опубликовать в осеннем выпуске короткое стихотворение под названием «Еловой шишке». На первый взгляд, это обычное стихотворение на экологическую тематику, довольно агрессивное и переполненное неуклюжими оборотами, часто встречающимися в студенческой поэзии.

Стихотворение ничем не примечательно, кроме одного: написал его компьютерный алгоритм, и никто об этом не догадался. Создатель алгоритма Закари Шолл не стал сообщать редакторам, что поэт – на самом деле машина, потому что «никого не хотел шокировать».

Задача теста Тьюринга, разработанного в 1950 году Аланом Тьюрингом, – проверить, сможет ли машина продемонстрировать интеллект, эквивалентный человеческому или неотличимый от него. Многие считают, что в 2014 году чат-бот Женя Густман успешно прошел тест Тьюринга, но это неверно: скорее он обманул судей при помощи целого ряда уловок. Итак, когда же мы пройдем тест Тьюринга? На этот вопрос ответила New York Times в 2016 году в статье, посвященной проекту Google Brain («Гугломозг»). Ее автор наглядно объясняет, каким образом Google разрабатывает системы искусственного интеллекта.

В среднем мозг человека содержит около 100 млрд нейронов. С каждым нейроном могут быть связаны до 10 000 других нейронов. Таким образом, количество синапсов (связей) между двумя нервными клетками может составлять от 100 до 1000 триллионов. Google и другие компании стремятся воспроизвести такую сеть при помощи компьютеров. Это исключительно сложная задача, и до создания нейронной сети с триллионами связей еще очень далеко. В прошлом десятилетии Google активно работала над искусственным интеллектом, достигнув важной вехи в 2012 году, когда появилась возможность распознавать изображения кошек.

Допустим, вы хотите написать программу, распознающую изображения котиков, на базе старой символической модели искусственного интеллекта. Несколько дней уйдет на то, чтобы загрузить в машину исчерпывающие и подробные описания котика: четыре лапы, острые ушки, есть усы, хвост и т. д. Вся эта информация будет сохранена в специальной ячейке памяти, именуемой CAT. Далее начинаем показывать картинки. Сначала машина должна вычленить отдельные элементы изображения, затем применить к ним правила, сохраненные в памяти. Если (лапы=4) и если (уши=остроконечные), а также если (усы=есть) и (хвост=есть), если (выражение=надменное), то (кот=да). Но что если показать такой программе шотландскую вислоухую кошку – умилительное животное с генетической особенностью, из-за которой уши всегда висят как лопушки? Наш символический искусственный интеллект дойдет до этапа «уши=остроконечные», проверит этот признак и авторитетно заявит: «Не кошка». Программа воспринимает информацию буквально – даже двухлетний малыш проявил бы больше сообразительности.