Будущее без работы. Технология, автоматизация и стоит ли их бояться - Даниэль Сасскинд

будут создаваться и людьми, никак не связанными с «большой пятеркой». Действительно, вы можете быть уверены, что в каком-то условном гараже кто-то разрабатывает новую систему или машину, чтобы изменить тот или иной аспект современной жизни. В 2011 году венчурный инвестор Марк Андриссен писал, что «программное обеспечение пожирает мир»[580]. В последующие годы его аппетит действительно оказался непомерным. Существует очень мало отраслей промышленности – если такие вообще есть, – которые не могут хотя бы частично переварить новые технологии. Все уголки нашей жизни становятся оцифрованными, а на вершине мира физических вещей мы строим параллельный – из единиц и нулей. Вряд ли в будущем экономика сможет избежать почти полного подчинения различным технологическим компаниям.

Конечно, некоторыми из них могут быть уже известные нам компании. Когда IBM разработала Deep Blue, а Google приобрела DeepMind, они сделали это не потому, что хотели выигрывать в настольные игры. Они тратили свои средства, руководствуясь гораздо большими амбициями – порой на удивление грандиозными. Подобные компании вдохновляет история WeChat – начавшись как простое приложение для обмена сообщениями в Китае, как веселый способ отправлять заметки друг другу, сегодня она помогает миллиарду пользователей управлять большей частью их жизни. Как отмечает один из партнеров Андриссена, через WeChat можно «вызвать такси, заказать доставку еды, купить билеты в кино, играть в игры, зарегистрироваться на рейс, перевести деньги друзьям, посмотреть данные с фитнес-браслета, записаться на прием к врачу, получить банковскую выписку, оплатить счет за воду, найти геотаргетированные купоны или книгу в местной библиотеке, распознать музыку, познакомиться с людьми… следить за новостями из жизни знаменитостей, читать журнальные статьи и даже жертвовать деньги на благотворительность»[581].

Но, опять же, мы должны помнить, что технологические компании, которые в будущем вырвутся на первые места, сейчас, возможно, не числятся среди самых известных. Доминирование сегодня не означает доминирования в последующие годы. Еще в 1995 году, например, было невозможно представить, что когда-либо закончится технологическое господство Microsoft, а в наши дни о ней говорят как об «аутсайдере» в сфере[582]. Текущие поразительные достижения вовсе не гарантируют, что за ними последуют дальнейшие успехи. В качестве поучительного примера рассмотрим компьютерную систему Watson от IBM, ставшую победительницей в игре Jeopardy!. В течение последних нескольких лет о ее богатом потенциале говорили много и с энтузиазмом. Но несмотря на все усилия, недавнее громкое партнерство между командой Watson и MD Anderson, крупной американской онкологической больницей, закончилось явным провалом: система для лечения рака стоимостью шестьдесят миллионов долларов была признана «неготовой для исследовательского или клинического использования»[583].

Действительно, компании, которые разрабатывают медицинские технологии, меняющие нашу жизнь, возможно, еще не существуют. Это касается и остальной экономики. В конце концов, многие из самых известных сегодня компаний – Airbnb, Snapchat, Spotify, Kickstarter, Pinterest, Square, Android, Uber, WhatsApp – не существовали еще лет десять-двенадцать назад[584]. Многие технологии, чьи названия в будущем станут нарицательными, вероятно, еще не изобретены.

Почему они большие?

Как и сегодняшние гиганты, будущие технологические компании, вероятно, тоже будут очень большими. Отчасти это объясняется тем простым фактом, что разработка многих новых технологий требует огромных затрат. Разработка лучших машин потребует трех дорогостоящих ресурсов: огромных объемов данных, передового программного обеспечения и чрезвычайно мощного оборудования. Только самые крупные компании смогут позволить себе все это одновременно.

Первое, что им нужно, – огромные объемы данных. Мы уже видели такие примеры в действии: AlphaGo, первая версия разработанной Google системы для игры в го, отчасти обучилась благодаря архиву из тридцати миллионов прошлых ходов лучших игроков-людей; стэнфордская система для обнаружения рака кожи использовала почти 130 тысяч изображений поражений – больше, чем врач может увидеть за свою жизнь[585]. Однако иногда необходимые данные не всегда доступны и их приходится собирать или генерировать дорогостоящими способами. Рассмотрим, например, что требуется для разработки и оценки системы управления автомобилем. Uber построил для этого на месте старого сталелитейного завода в Пенсильвании макет целого города с пластиковыми пешеходами, которые время от времени появляются на дороге, и собирает данные о том, как автомобили объезжают их. Tesla, в свою очередь, собирает данные со своих неавтономных автомобилей, когда ими управляют владельцы: сообщается, что каждый час поступают данные примерно о миллионе пройденных миль. Иного подхода придерживается Google, разработавшая целые виртуальные миры для сбора данных с проезжающих по ним автомобилей[586].

Далее встает вопрос о программном обеспечении. За всеми этими новыми технологиями скрывается код, заставляющий их работать. Различные интернет-сервисы Google, например, требуют двух миллиардов строк кода: если бы их напечатали на бумаге и сложили в стопку, высота башни составила бы примерно три с половиной километра[587]. Чтобы написать хороший код, нужны талантливые – и высокооплачиваемые – инженеры-программисты. Средняя зарплата разработчика в Сан-Франциско, например, составляет около 120 тысяч долларов в год, а с лучшими инженерами обращаются как с суперзвездами и оплачивают их труд соответственно[588]. Говоря об истории экономики, мы выделяем имена таких людей, как Джеймс Харгривз, изобретатель прядильной машины «Дженни». В будущем, когда люди будут рассказывать историю нашего времени, в ней будут упоминаться Демис Хассабис из DeepMind и другие инженеры-программисты, сегодня еще не известные.

Что касается вычислительной мощности, то для эффективной работы многих новых систем требуется чрезвычайно мощная аппаратура. Мы не задумываемся, насколько энергозатратными могут быть даже самые простые цифровые действия, которые мы выполняем. Один поиск в Google, например, требует такой же вычислительной мощности, как вся космическая программа «Аполлон», отправившая на Луну Нила Армстронга и одиннадцать других астронавтов, – не только вычислительной мощности, использованной во время самих полетов, но и всего того, что было использовано при планировании и выполнении семнадцати запусков в течение одиннадцати лет[589]. Современные передовые технологии потребляют гораздо больше энергии.

Конечно, когда речь идет об этих трех требованиях, можно найти компромиссы. Например, качественное программное обеспечение может помочь компенсировать недостаток данных или вычислительной мощности. AlphaGo Zero не понадобились ни данные, ни вычислительная мощность его старшего брата, AlphaGo, чтобы обыграть его в серии игр в го со счетом 100–0[590]. Как он это добился? За счет усовершенствованного программного обеспечения и применения достижений в области разработки алгоритмов, известных как обучение с подкреплением[591]. Однако самыми мощными машинами будущего, вероятно, будут те, что смогут использовать лучшие из всех трех ресурсов: данные, программное обеспечение и аппаратуру. И хотя у небольших организаций может быть один из них – возможно, талантливый инженер, способный написать хорошее программное обеспечение, или уникальный набор ценных