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

Рисунок 9.1. Пространство для обучения с ALEKS

• Будьте готовы бороться со страхом ботов. Будущее работы учителей многому нас научит. Мы не стоим перед лицом страшного будущего роботов, в котором наших детей будут учить боты. Программы-боты будут помогать, но не замещать учителей. В вашем собственном бизнесе следуйте критериям из главы 7, чтобы определить, какой тип работы стоит автоматизировать, а затем нацеливайтесь на работу, которая должна остаться у людей, но расширена новыми технологиями, такими как ALEKS. Вам нужно быть готовыми объяснять, как это расширение улучшит жизнь многих людей.

• Ищите возможности там, где условие «в реальном времени» имеет реальное значение. Интеллектуальные системы предлагают как чистую мощность обработки, так и скорость. В контексте образования быстрота значит много. Как заметил Ластер, «когда студенты занимаются с ALEKS и Connect and LearnSmart, анализ происходит практически моментально. Нет ни одного учителя, который мог бы так быстро давать оценки». В одних случаях скорость значит больше, чем в других, но наши ожидания незамедлительного вознаграждения, отклика сегодня выше, чем когда-либо. Amazon и другие много вкладывают в то, чтобы свести временные отрезки в цепи поставок практически к нулю. Представьте, что скорость могла бы значить в вашем бизнес-контексте. Могло бы расширение возможностей тех, кто обрабатывает заявления на ссуды, повысить удовлетворенность клиента и увеличить прибыль, разгоняясь с помощью технологии? Какие преимущества получите, если ваши андеррайтеры будут срабатывать практически молниеносно? Дело здесь в том, что интеллектуальные системы освобождают время для более ценной работы и повышают производительность – и это серьезные результаты расширения. Велики шансы, что именно сейчас вы сидите на одной из этих возможностей.

• Цельте высоко и будьте смелыми.Они пришли из разных отраслей и разработали разнообразные платформы с ИИ, но практически все создатели цифровой экономики, с которыми мы встречались, разделяли ту же точку зрения. Ни один из них не говорил о сломе конкурентов или о том, чтобы разбогатеть. Все говорили об использовании технологии для решения действительно важных проблем в образовании, здравоохранении, сельском хозяйстве и дюжине других индустрий. Они признали, что интеллектуальные системы – средство, а не цель и что создание ПО без особенной на это причины – потеря времени и денег. Как говорит Ластер: «Да, мы за программное обеспечение, и за данные, но мы также продолжаем быть за курирование, за педагогику, за то, как протекает обучение, за формирующее оценивание».

Мы не настолько наивны, чтобы ожидать, что произойдет что-то хорошее, когда вы войдете в свой директорский кабинет и скажете: «Нам не нужно думать о том, чтобы зарабатывать, давайте просто инвестировать в то, чтобы сделать мир лучше». Честно говоря, это откровенно плохая стратегия. Одна из вещей, которой можно научиться у McGraw-Hill Education, – это быть смелыми, дерзкими внутри контекста своего бренда и услуг, которые продаете. Это и есть честная игра для расширяющих решений в цифровой экономике.

Комбинация умных рук и умных роботов со временем становится все более заметной, и не только потому, что машины постоянно становятся умнее (как мы рассказывали ранее в этой книге), но умнеет и человек. Отличным примером служит один из наиболее широко известных моментов этих новых взаимоотношений человека и машины, когда чемпион по го Ли Седоль соревновался с интеллектуальной машиной AlphaGo от Google.

В их матче в 2016 году AlphaGo сделал ход – ход 37, – удививший Седоля (и всех комментаторов-экспертов), который, по сути, был расценен командой Google как ошибка. Оказалось, однако, что это победный ход во второй игре в серии из пяти игр. В четвертой игре ход сделал Седоль – ход 78, – который удивил AlphaGo, поскольку, как говорит об этом Демис Хассабис (Demis Hassabis), сооснователь DeepMind – команды, сотрудничающей с Google, «AlphaGo не думал, что человек когда-нибудь так сыграет» 3. С этим 78-м ходом игру выиграл Седоль.

AlphaGo продолжал выигрывать в решающей пятой игре, и Седоль позднее вспоминал, что не смог бы снова сделать тот 78-й ход, хотя и играл против AlphaGo: машина «открыла глаза» новым способам ведения игры. Опыт Седоля при этом все-таки был расширен: через это взаимодействие с машиной он стал умнее и сложнее.