Малкольм Фрэнк - Что делать, когда машины начнут делать все. Как роботы и искусственный интеллект изменят жизнь и работу

Как заметил Вилланустре: «Почему сегодня так трудно найти специалиста по обработке данных? Потому что вы как будто пытаетесь найти единорога. Вы пытаетесь найти кого-то с хорошими программными навыками, обладающего системными, глубокими познаниями в математике, в физике, а также инженерным и аналитическим умом, чтобы решать проблемы и создавать программы. Этот специалист также должен быть экспертом в конкретной области, понимать, к чему идет, и разбираться в данных. Мы говорим о ком-то, кого не существует… Единственный, кого вы не можете заменить, это эксперт в данной области. Все остальное может быть сделано машиной».

При более детальном взгляде на интеллектуальные системы возникает много глубоких, стратегических, даже экзистенциальных вопросов. Что есть универсальный магазин в эпоху Amazon? Что есть отель во времена Airbnb? Что такое автомобильная страховка в эпоху беспилотных автомобилей?

При том, насколько серьезны эти вопросы, заманчивой кажется мысль о том, что то, что мы зовем главным трендом, на самом деле – лишь кратковременное поветрие или последняя теория в консалтинге. Мы слышим это постоянно: «Может быть, это проблема завтрашнего дня? Может быть, надо подождать, пока законодательство или разрушительная сила каких-то происшествий изменит нашу отрасль».

Мы не согласны. Каждый проходящий день дает все больше свидетельств и усиливает убежденность в том, что новые машины, которые мы рассмотрели в этой главе, служат двигателем Четвертой индустриальной революции. Мы уже преодолели теоретическую фазу. Люди и компании, понимающие преимущество первых, – не все гении или легендарные предприниматели. Они такие же люди, как вы, использующие новые технологии для решения своих главных проблем.

Помните, построить собственную новую машину становится все легче, даже несмотря на то, что в какие-то моменты потребуется некоторое стороннее участие. Все чаще вы можете достать кредитную карту и получить доступ к коду машинного обучения, инфраструктуре или базам данных. Облачная платформа Google дает немедленный доступ к нейронным сетям платформ машинного обучения 24. Машинное обучение Amazon предоставляет доступ к платформам прогнозной аналитики, обеспечивающим рекомендациями платежеспособных лиц и предприятия 25. Всего несколько лет назад это стоило бы компаниям миллионы и занимало бы месяцы.

Все сегодняшние создатели новых машин говорят одно и то же: поместить узкий ИИ в сердце интеллектуальной системы – это не теоретическое упражнение, это возможно, и это происходит сегодня. И настоящим турбонаддувом этого взрыва активности служит то, что топливо для новых машин находится вокруг нас, если вы сможете его увидеть, собрать и использовать, что и является темой следующей главы.

Катализатором каждой индустриальной революции служили сырьевые материалы: уголь, сталь, нефть, электричество. В этот раз главное сырье – это данные.

В этой революции побеждающие организации точно знают, как двигатель Е17BBI работает во время перелета V26 из Нью-Йорка в Лондон. Они знают, как предполагаемый рост процентной ставки в 0,5% в Новой Зеландии повлияет на выпущенные правительством штата Калифорния облигации с нулевым купонным доходом еще до их выпуска . Они знают, как их ребенок отвечает на сегодняшнем уроке по дифференциальному исчислению. Как же они это знают? Потому что имеют данные.

Как и нефть, данные надо «добыть», «очистить» и «распространить». Но в отличие от нефти, данные – это многогранный, любопытный продукт. Потенциально этот источник неисчерпаем – непрозрачный, недолговечный, подчас непостижимый. Они могут многократно вырасти в размерах и ценности, но могут и обесцениться и даже стать обузой, если рассмотреть их с неправильного ракурса или неправильно распорядиться. Нынешние лидеры должны понимать, как распорядиться этим продуктом, доступным всем и каждому, и превратить в конкурентное преимущество. В конце концов, поставить себе на службу новую машину без обширных данных подобно тому, чтобы владеть флотом из грузовых тягачей с прицепами, не имея доступа к бензину.

Данные, о которых мы говорим, уже сейчас находятся у вас под носом, они готовы к извлечению из ваших повседневных бизнес-операций. Например, на примере с рейсом V26, типичный Airbus A350 оснащен примерно шестью тысячами сенсоров по всему самолету, которые генерируют 2,5 терабайта информации в день 1(и да, это правда, что слово «тера» происходит от греческого «монстр»).