Другими очевидными сферами практического применения системы Watson являются обслуживание клиентов и техническая поддержка. В 2013 г. IBM объявила о начале сотрудничества с компанией Fluid, Inc., являющейся крупным поставщиком услуг в области интернет-торговли и консалтинга. Цель проекта - разработать для интернет-магазинов систему помощи клиентам, которая обеспечивала бы индивидуальный подход и умела пользоваться естественным языком так, как это делают опытные продавцы-консультанты в магазинах розничной торговли. Если вы собираетесь в поход и вам нужна палатка, вам достаточно будет просто сказать что-нибудь вроде: "В октябре мы с семьей отправляемся в поход на север штата Нью-Йорк, и мне нужна палатка. Что посоветуете?" В ответ вы получите конкретные рекомендации по выбору палатки, а также информацию о других вещах, которые могут пригодиться в походе и о которых вы могли забыть. Как я уже говорил в первой главе, появление такой возможности в виде приложения для смартфона, с помощью которого покупатели смогут получить рекомендации на естественном языке, подобно тому, как это происходит в традиционных магазинах, - лишь вопрос времени.
Еще одна компания под названием MD Buyline, Inc., специализирующаяся на предоставлении больницам информации о новейших медицинских технологиях и последних научных исследованиях, также планирует использовать Watson для поиска ответов на вопросы сугубо технического характера, поступающие от больниц, планирующих закупку нового оборудования. Система будет использовать данные о технических характеристиках оборудования, ценах и клинических исследованиях, чтобы оперативно сформулировать конкретные рекомендации врачам и сотрудникам, отвечающим за закупки. Пробует себя Watson и в финансовой отрасли, где суперкомпьютер может стать средством выработки персональных рекомендаций финансового характера на основе углубленного анализа информации о клиентах, а также данных о ситуации на рынке и в экономике. Но если говорить о ближайшем будущем, то, пожалуй, самые серьезные последствия для рынка труда может иметь использование Watson в колл-центрах, занимающихся обслуживанием клиентов, - не случайно в том самом году, когда Watson одержал триумфальную победу в "Jeopardy!", IBM уже сотрудничала с Citigroup в рамках проекта по изучению возможностей для практического применения системы в сфере розничного банковского обслуживания, на которую приходится огромная доля бизнеса этой компании.
Разработанная IBM технология все еще делает свои первые шаги. Watson - как и конкурирующие с ним системы, которые наверняка заявят о себе совсем скоро, - способен произвести революцию в том, как мы задаем вопросы и даем на них ответы, а также в том, как мы подходим к анализу информации - как внутри организаций, так и в процессе взаимодействия с клиентами. При этом не следует заниматься самообманом: если бы не системы этого типа, значительная часть выполняемой ими аналитической работы досталась бы людям, занимающимся умственным трудом.
Строительные блоки в облаке
В ноябре 2013 г. компания IBM объявила о переносе системы Watson со специально разработанного для него компьютерного оборудования, которое использовалось во время игр "Jeopardy!", в облако. Другими словами, теперь Watson будет пользоваться ресурсами огромного массива подключенных к Интернету серверов. Разработчики смогут напрямую подключаться к системе и использовать революционные технологии когнитивных вычислений IBM в собственных настольных и мобильных приложениях. Любопытно, что по производительности эта последняя версия Watson в два раза быстрее своего предшественника времен "Jeopardy!". IBM надеется, что уже в скором времени будет создана целая экосистема приложений, использующих технологии искусственного интеллекта для обработки естественного языка, и в каждом из них будет упоминание того, что оно работает "на базе Watson".
Миграция передовой технологии искусственного интеллекта в облако почти наверняка станет мощным фактором автоматизации служебных обязанностей белых воротничков. Облачные вычисления стали полем ожесточенной конкурентной борьбы между крупнейшими компаниями в отрасли информационных технологий, включая Amazon, Google и Microsoft. Google, например, предлагает разработчикам воспользоваться возможностями облачного приложения, реализующего технологии машинного обучения, а также мощнейшей вычислительной системы, позволяющей разработчикам решать сложнейшие проблемы с большим объемом вычислений, обеспечивая выполнение их программ на высокопроизводительных суперкомпьютерах, например состоящих из объединенных в сеть отдельных серверов. Amazon является ведущим поставщиком услуг облачных вычислений в отрасли. Благодаря десяткам тысяч компьютеров, составляющих основу облачного сервиса Amazon, небольшой компании Cycle Computing, специализирующейся на задачах, связанных с большими объемами вычислений, понадобилось всего лишь 18 часов, чтобы решить проблему, с которой один компьютер не смог бы справиться и за 260 лет. По оценкам компании, до появления облачных вычислений на создание суперкомпьютера, способного найти решение этой проблемы, ушло бы $68 млн. Для сравнения: в облаке Amazon можно арендовать 10 000 серверов приблизительно за $90 в час.
В сфере технологий автоматизации умственного труда разворачиваются те же процессы, что и области робототехники, которая готовится к настоящей революции, обеспеченной удешевлением и повышением производительности программных и аппаратных компонентов. Как только технологии вроде Watson, нейронных сетей с возможностью углубленного обучения и систем генерирования связной письменной речи окажутся в облаке, они, по существу, превратятся в строительные блоки, которые можно будет комбинировать множеством разных способов. Следуя примеру умельцев, которые быстро нашли применение технологии Kinect компании Microsoft в качестве недорого средства обеспечения трехмерного машинного зрения для роботов, разработчики также найдут неожиданные - и, возможно, революционные - возможности для применения на практике строительных блоков, состоящих из ПО, находящегося в облаке. Каждый такой блок является своего рода "черным ящиком", т. е. он может быть использован программистами, которые могут даже до конца и не понимать, как он работает. В конечном итоге все это наверняка приведет к созданию командами специалистов прорывных технологий искусственного интеллекта, которые очень быстро будут применяться повсеместно и станут доступны даже для непрофессиональных программистов.
Но если инновации в робототехнике приводят к появлению осязаемых объектов - машин, которые часто ассоциируются с конкретными профессиями (к примеру, установка по производству бургеров или робот, занимающийся высокоточной сборкой), прогресс в области программной автоматизации, скорее всего, будет не столь заметен для рядового человека; во многих случаях результаты будут скрыты от чужих глаз за стенами офисов, а влияние на работу организаций и их сотрудников будет носить более глобальный характер. Процесс автоматизации профессий, связанных с умственным трудом, вероятнее всего, будет выглядеть следующим образом: команда консультантов в области информационных технологий придет в крупную организацию и создаст там с нуля системы, способные произвести революцию в подходах к ведению бизнеса, одновременно делая ненужной работу сотен и даже тысяч квалифицированных сотрудников. Более того, одним из открыто заявленных IBM мотивов разработки технологии Watson было повышение конкурентоспособности собственного консалтингового подразделения корпорации, на которое наряду с продажей ПО сейчас приходится львиная доля выручки. В то же время предприниматели уже ищут способы использования тех же самых строительных блоков на основе облачных технологий для создания доступных программных средств автоматизации, ориентированных на нужды малого и среднего бизнеса.
Появление облачных вычислений уже оказало значительное влияние на состояние рынка труда в сфере информационных технологий. В период технологического бума в 1990-е гг. у многих компаний и организаций, независимо от их размера, возникла потребность в ИТ-специалистах, умеющих настраивать и обслуживать персональные компьютеры, вычислительные сети и ПО. В результате было создано огромное количество хорошо оплачиваемых работников. Однако к началу XXI в. ситуация поменялась: все больше и больше компаний стали пользоваться услугами громадных централизованных вычислительных центров, делегируя им функции своих ИТ-подразделений.
Использование больших площадок для размещения облачных сервисов обеспечивает колоссальную экономию ресурсов, а административные задачи, для выполнения которых когда-то приходилось нанимать целую армию ИТ-специалистов, были в значительной степени автоматизированы. К примеру, компания Facebook внедрила приложение под названием "Киборг", относящееся к классу интеллектуального ПО, для постоянного мониторинга десятков тысяч серверов, выявления проблем и - во многих случаях - их устранения без посторонней помощи. В ноябре 2013 г. один из топ-менеджеров рассказал, что система "Киборг" ежедневно решает тысячи проблем, с которыми иначе пришлось бы разбираться вручную. Также он отметил, что с помощью данной технологии один технический специалист может обслуживать до 20 000 компьютеров.
Центры обработки данных для облачных вычислений часто строятся в относительно удаленных от больших городов районах, где много дешевой земли и, что особенно важно, электроэнергии. Региональные и местные власти активно борются за право размещения вычислительных центров, привлекая компании вроде Google, Facebook и Apple щедрыми налоговыми льготами и другими привилегиями финансового характера. Разумеется, их первоочередная цель - создание рабочих мест для местных жителей; но эти надежды редко сбываются. В 2011 г. корреспондент The Washington Post Майкл Розенвалд опубликовал материал, в котором рассказал, что после постройки компанией Apple, Inc. гигантского центра обработки данных стоимостью $1 млрд в городе Мейден в штате Северная Каролина было создано лишь 50 рабочих мест с полной занятостью. Разочарованные жители не могли "понять, как столь дорогостоящий объект площадью несколько сотен акров может обслуживаться таким небольшим количеством сотрудников". Объясняется это, разумеется, тем, что вся рутинная работа выполняется алгоритмами вроде "Киборга".
Влияние данной тенденции на рынок труда выходит за пределы центров обработки данных, распространяясь на компании, пользующиеся сервисами облачных вычислений. В 2012 г. Роман Станек, который возглавляет компанию Good Data в Сан-Франциско, использующую облачные сервисы Amazon для анализа данных приблизительно 6000 клиентов, заявил, что "раньше для выполнения этой работы каждому из наших корпоративных [клиентов] требовалось не менее пяти человек. А это - 30 000 человек. Мы обходимся 180. Не знаю, чем все эти люди занимаются сейчас, но эту работу они больше делать не смогут. Это консолидация по принципу "победитель получает всё"".
Исчезновение тысяч рабочих мест для высококвалифицированных специалистов в области информационных технологий, скорее всего, - лишь первое звено в цепи глубинных сдвигов, которые будут иметь куда более серьезные последствия для работников умственного труда и их востребованности. По меткому выражению одного из основателей Netscape венчурного инвестора Марка Андриссена: "Программное обеспечение пожирает мир". Теперь еще это ПО чаще всего будет размещаться в облаке. А облако - отличный плацдарм для вторжения практически во все сферы занятости и уничтожения почти всех рабочих мест для белых воротничков, предполагающих работу с информацией на компьютере.
Алгоритмы решают всё
Если говорить о заблуждениях в отношении компьютерных технологий, от которых давно пора избавиться, в первую очередь следует упомянуть глубокую веру в то, что компьютеры строго подчиняются заданной программе. Как мы видели, алгоритмы машинного обучения ежедневно обрабатывают горы данных, выявляя статистические связи и, по существу, создавая собственные программы на основе результатов поиска. Но и это еще не все - в некоторых случаях компьютеры выходят за рамки привычного, проникая в сферы, которые, по убеждению подавляющего большинства людей, являются исключительной прерогативой человеческого сознания: машины начинают демонстрировать признаки любопытства и творчества.
В 2009 г. Ход Липсон, возглавляющий Лабораторию креативных машин при Корнельском университете, и аспирант Майкл Шмидт построили систему, которая оказалась способна самостоятельно открывать фундаментальные законы природы. Липсон и Шмидт начали с монтажа двойного маятника - хитроумного механизма, состоящего из двух прикрепленных друг к другу маятников. Когда оба маятника колеблются, они движутся по очень сложным траекториям, которые кажутся хаотичными. Далее экспериментаторы использовали датчики и камеры для фиксации движения маятников, получив в результате поток данных. Наконец, они предоставили своему ПО возможность самостоятельно задавать начальную позицию маятника. Другими словами, разработчики создали исследователя с искусственным интеллектом, который может проводить собственные эксперименты.
Они дали программе полную свободу: она могла самостоятельно отпускать маятник, а затем тщательно изучать полученные данные о его перемещениях с целью вычисления математических уравнений, описывающих поведение маятника. Алгоритм контролировал все аспекты эксперимента; при каждом повторении он случайным образом выбирал положение, из которого маятник должен был начать движение, а затем выполнял анализ и выбирал новое положение, которое с наибольшей вероятностью должно было приблизить его к пониманию законов, определяющих движение маятника. Липсон отмечает, что система "не является пассивным алгоритмом, который выступает в роли простого наблюдателя. Она задает вопросы. Это - любопытство". Программе, которая позже получила название "Эврика", хватило несколько часов, чтобы сформулировать ряд физических законов, описывающих движение маятника, включая второй закон Ньютона; при этом она смогла сделать это, не получив предварительно никакой информации о физике или законах движения и не будучи запрограммированной на их изучение.
В "Эврике" применяется генетическое программирование - метод, повторяющий принципы биологической эволюции. Алгоритм начинает с составления уравнений путем случайного сопоставления различных строительных блоков, состоящих из математических выражений, а затем проверяет, насколько хорошо получившиеся уравнения соответствуют данным. Уравнения, которые не проходят проверку, отбраковываются, а те, которые демонстрируют определенный потенциал, перекомпоновываются таким образом, чтобы в конечном итоге из них могла получиться точная математическая модель. Процесс нахождения уравнения, описывающего поведение естественной системы, уж точно нельзя назвать пустячной задачей. По словам Липсона: "[П]режде на создание одной прогнозирующей модели у [ученого] могла уйти целая жизнь". Шмидт добавляет: "[Ф]изики вроде Ньютона и Кеплера могли бы запустить этот алгоритм на компьютере и всего после нескольких часов вычислений получить законы, объясняющие падение яблока или движение планет".