21 lekcji na XXI wiek. Yuval Noah Harari. Читать онлайн. Newlib. NEWLIB.NET

Автор: Yuval Noah Harari
Издательство: PDW
Серия:
Жанр произведения: Документальная литература
Год издания: 0
isbn: 9788308067123
Скачать книгу
wyniki znacznie lepsze niż sami ludzie czy same komputery. Po tym jak w 1997 roku stworzony przez IBM program szachowy Deep Blue pokonał Garriego Kasparowa, ludzie nie przestali grać w szachy. Skutek był raczej taki, że dzięki trenerom wspomaganym przez SI mistrzowie szachowi stali się lepsi niż kiedykolwiek wcześniej, a przynajmniej przez jakiś czas zespoły człowiek plus SI (zwane też centaurami) grały w szachy lepiej zarówno od ludzi, jak i od komputerów. W podobny sposób sztuczna inteligencja mogłaby pomóc przygotować najlepszych detektywów, bankierów i żołnierzy w dziejach25.

      Kłopot, jaki wiąże się z tymi wszystkimi nowymi miejscami pracy, polega jednak na tym, że prawdopodobnie będą one wymagały wysokich kompetencji, i dlatego nie rozwiąże to problemów niewykwalifikowanych bezrobotnych pracowników fizycznych. Stworzenie nowych miejsc pracy może się okazać prostsze niż przekwalifikowanie ludzi, by rzeczywiście udało się ich w tych miejscach zatrudnić. W czasie poprzednich fal automatyzacji ludzie zazwyczaj umieli się przerzucić z jednego rutynowego, niewymagającego wielkich umiejętności zajęcia na inne. W 1920 roku robotnik rolny zwolniony z powodu mechanizacji rolnictwa mógł znaleźć nową pracę w fabryce traktorów. W roku 1980 bezrobotny pracownik fizyczny mógł znaleźć zatrudnienie jako kasjer w supermarkecie. Tego rodzaju zmiany zawodu były wykonalne, ponieważ przejście z gospodarstwa rolnego do fabryki i z fabryki do supermarketu wymagało jedynie niewielkiego przekwalifikowania.

      Tyle że w 2050 roku kasjer albo włókniarz, który straci stanowisko na rzecz robota, raczej nie będzie mógł podjąć pracy w dziedzinie badań nad nowotworami, jako operator drona albo członek zespołu człowiek-SI w bankowości. Taki bezrobotny nie będzie miał koniecznych do tego umiejętności. W czasie pierwszej wojny światowej można było wysyłać na front miliony poborowych bez żadnego doświadczenia, mieli bowiem tylko strzelać z karabinów maszynowych i ginąć całymi tysiącami. Ich indywidualne umiejętności nie miały wielkiego znaczenia. Dzisiaj, mimo braku operatorów dronów i analityków danych, Siły Powietrzne Stanów Zjednoczonych nie palą się do uzupełniania niedoborów kadrowych ludźmi zwalnianymi z sieci supermarketów Walmart. Nikt by raczej nie chciał, żeby jakiś niedoświadczony rekrut wziął przez pomyłkę afgańskie przyjęcie weselne za talibską konferencję wysokiego szczebla.

      Dlatego, mimo że pojawi się wiele nowych miejsc pracy dla ludzi, możemy być świadkami powstania nowej, bezużytecznej klasy. Może nas nawet spotkać najgorsze: będziemy cierpieć jednocześnie z powodu wysokiego bezrobocia i braku wykwalifikowanej siły roboczej. Wielu ludzi może podzielić los nie dziewiętnastowiecznych woźniców – który przerzucili się na prowadzenie taksówek – lecz dziewiętnastowiecznych koni, które były coraz silniej wypychane z rynku pracy, aż wreszcie całkowicie z niego zniknęły26.

      W dodatku żaden z pozostałych ludzkich zawodów nie będzie nigdy wolny od groźby przyszłej automatyzacji, ponieważ uczenie maszynowe i robotyka będą stale się rozwijać. Czterdziestoletnia bezrobotna kasjerka z hipermarketu, która nadludzkim wysiłkiem zdoła odnaleźć się w roli pilota drona, być może dziesięć lat później będzie musiała znaleźć nowy pomysł na siebie, ponieważ do tego czasu obsługa dronów również zostanie zautomatyzowana. Ta niestabilność będzie też powodować, że trudniejsze stanie się organizowanie związków zawodowych i dbanie o poszanowanie praw pracowniczych. Już dzisiaj wiele nowych miejsc pracy w rozwiniętych gospodarkach to pozbawiona zabezpieczeń społecznych praca tymczasowa, praca dla freelancerów i jednorazowe zlecenia27. W jaki sposób można tworzyć związki zawodowe dla profesji, które wyrastają jak grzyby po deszczu i znikają w ciągu dekady?

      Może być też tak, że centaury, czyli zespoły składające się z człowieka i komputera, zamiast nawiązywać dozgonne partnerskie stosunki, będą się cechować ciągłym przeciąganiem liny między ludźmi a komputerami. Zespoły złożone wyłącznie z ludzi – na przykład Sherlock Holmes i doktor Watson – zazwyczaj wypracowują trwałe hierarchie i ustalony porządek, który potrafi trwać całe dziesięciolecia. Jednak detektyw, który połączy siły ze stworzonym przez IBM systemem komputerowym o nazwie Watson (stał się on sławny, gdy w 2011 roku zwyciężył w amerykańskim teleturnieju Jeopardy!), przekona się, że każdy ustalony porządek zostanie odebrany jako zachęta do tego, by nim wstrząsnąć, a każda hierarchia – do zrobienia w niej rewolucji. Wczorajszy pomagier może jutro stać się nadzorcą, a wszelkie protokoły i podręczniki trzeba będzie co roku pisać od nowa28.

      Jeśli przyjrzymy się bliżej dziedzinie, jaką są szachy, być może znajdziemy tam pewne wskazówki co do tego, w którym kierunku idzie cały ten rozwój. To prawda: przez kilka lat po tym, jak Deep Blue pokonał Kasparowa, współpraca człowieka z komputerem w szachach kwitła. W ostatnich latach jednak komputery stały się tak dobre w tej grze, że ich ludzcy współpracownicy stracili na wartości, a wkrótce mogą się stać całkowicie pozbawieni znaczenia.

      Siódmego grudnia 2017 roku wydarzyło się coś, co można uznać za kamień milowy: nie był to dzień, w którym jakiś komputer pokonał człowieka w grze w szachy (to nie byłoby nic nowego), lecz w którym opracowany przez Google program AlphaZero pokonał inny program, Stockfish 8. Ten ostatni w 2016 roku zdobył mistrzostwo świata w szachach komputerowych. Dysponował dostępem do nagromadzonego przez całe stulecia ludzkiego doświadczenia w grze w szachy, jak również do liczonego w dekadach doświadczenia komputerów. Potrafił obliczać siedemdziesiąt milionów pozycji szachowych na sekundę. AlphaZero natomiast wykonywał jedynie osiemdziesiąt tysięcy takich obliczeń na sekundę, a jego twórcy nie nauczyli go żadnych strategii szachowych – ani nawet standardowych otwarć. Zamiast tego AlphaZero wykorzystał najnowsze metody systemów uczących się, by samodzielnie nauczyć się szachów, grając przeciwko sobie. Ze stu partii rozegranych przez nowicjusza AlphaZero przeciwko Stockfishowi ten pierwszy wygrał dwadzieścia osiem, a zremisował siedemdziesiąt dwa razy. Ani razu nie przegrał. Ponieważ AlphaZero nie uczył się niczego od ludzi, ludzkim obserwatorom wiele jego zwycięskich posunięć i strategii jawiło się jako niekonwencjonalne. Można by je równie dobrze uznać za kreatywne, jeśli nie wręcz genialne.

      Jak się wam wydaje: ile czasu zajęło programowi AlphaZero nauczenie się szachów od zera, przygotowanie się do meczu ze Stockfishem i rozwinięcie swego genialnego instynktu? Cztery godziny. Tak, to nie błąd drukarski. Przez całe stulecia umiejętność doskonałej gry w szachy uważano za jedno ze szczytowych osiągnięć ludzkiej inteligencji. AlphaZero przeszedł od kompletnej niewiedzy do kreatywnego mistrzostwa w ciągu czterech godzin, bez pomocy żadnego ludzkiego przewodnika29.

      AlphaZero nie jest jedynym przykładem tak pomysłowego oprogramowania. Obecnie wiele programów stale pozostawia szachistów w tyle nie tylko pod względem obliczeń prowadzonych metodą na siłę, lecz nawet pod względem „kreatywności”. Podczas turniejów, w których biorą udział wyłącznie ludzie, sędziowie muszą nieustannie mieć się na baczności i pilnować, czy gracze nie próbują oszukiwać, korzystając potajemnie z pomocy komputerów. Jednym ze sposobów na wyłapywanie takich oszustw jest kontrolowanie poziomu oryginalności gry poszczególnych uczestników. Jeśli któryś z nich wykona jakieś wyjątkowo kreatywne posunięcie, sędziowie mogą podejrzewać, że nie może to być ruch wymyślony przez człowieka – i dochodzą do wniosku, że musiał go wykonać komputer. Przynajmniej w szachach kreatywność jest więc już cechą charakterystyczną komputerów, a nie ludzi! Jeśli zatem szachy są dla nas tym, czym były niegdyś kanarki zabierane do kopalń (były wrażliwsze od ludzi na trujące i grożące wybuchem gazy), to dostaliśmy jasne ostrzeżenie: nasz kanarek zdycha. To, co dzieje się dzisiaj z zespołami szachowymi w formule „człowiek plus SI”, wkrótce może dotyczyć także podobnych zespołów pilnujących porządku publicznego, zajmujących się leczeniem i bankowością Скачать книгу


<p>25</p>

T. Cowen, Average is Over. Powering America Beyond the Age of the Great Stagnation, New York 2013; B. Bush, How combined human and computer intelligence will redefine jobs, „TechCrunch” 2016, https://techcrunch.com/2016/11/01/how-combined-human-and-computer-intelligence-will-redefine-jobs/.

<p>26</p>

U. Raulff, Farewell to the Horse. The Final Century of Our Relationship, London 2017; G. Clark, A Farewell to Alms. A Brief Economic History of the World, Princeton 2008, s. 286; M. DeMello, Animals and Society. An Introduction to Human-Animal Studies, New York 2012, s. 197; C. McShane, J. Tarr, The Decline of the Urban Horse in American Cities, „Journal of Transport History” 2003, nr 24(2), s. 177–198.

<p>27</p>

L.F. Katz, A.B. Krueger, The Rise and Nature of Alternative Work Arrangements in the United States, 1995–2015, „National Bureau of Economic Research” 2016; P.H. Cappelli, J.R. Keller, A Study of the Extent and Potential Causes of Alternative Employment Arrangements, „ILR Review” 2013, nr 66(4), s. 874–901; G.M. Spreitzer, L. Cameron, L. Garrett, Alternative Work Arrangements. Two Images of the New World of Work, „Annual Review of Organizational Psychology and Organizational Behavior” 2017, nr 4, s. 473–499; S.A. Donovan, D.H. Bradley, J.O. Shimabukuru, What Does the Gig Economy Mean for Workers?, Washington 2016, https://fas.org/sgp/crs/misc/R44365.pdf (dostęp: 11 lutego 2018); Pew Research Center, More Workers Are in Alternative Employment Arrangements, 28 września 2016, http://www.pewsocialtrends.org/2016/10/06/the-state-of-american-jobs/st_2016-10-06_jobs-26/ (dostęp: 11 lutego 2018).

<p>28</p>

D. Ferrucci et al., Watson: Beyond „Jeopardy!”, „Artificial Intelligence” 2013, nr 199–200, s. 93–105.

<p>29</p>

Google’s AlphaZero Destroys Stockfish in 100-Game Match, chess.com, 6 grudnia 2017, https://www.chess.com/news/view/google-s-alphazero-destroys-stockfish-in-100-game-match (dostęp: 11 lutego 2018); D. Silver et al., Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm, „arXiv” 2017, https://arxiv.org/pdf/1712.01815.pdf (dostęp: 2 lutego 2018); zob. również S. Knapton, Entire Human Chess Knowledge Learned and Surpassed by DeepMind’s AlphaZero in Four Hours, „Telegraph”, 6 grudnia 2017, http://www.telegraph.co.uk/science/2017/12/06/entire-human-chess-knowledge-learned-surpassed-deepminds-alphazero/ (dostęp: 11 lutego 2018).