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
raczej zastępować połączona sieć. Dlatego gdy zastanawiamy się nad automatyzacją, nie powinniśmy porównywać zdolności pojedynczego kierowcy ze zdolnościami pojedynczego samochodu autonomicznego czy też pojedynczego lekarza człowieka z pojedynczym lekarzem SI. Należy raczej porównywać zdolności zbioru ludzkich jednostek ze zdolnościami połączonej sieci SI.

      Na przykład wielu kierowców nie zna wszystkich, stale zmieniających się przepisów ruchu drogowego i często je łamie. W dodatku każdy pojazd jest niezależnym bytem, dlatego gdy dwa samochody zbliżają się do tego samego skrzyżowania równocześnie, kierowcy mogą błędnie odczytać swoje intencje i doprowadzić do kolizji. Samochody autonomiczne mogą być ze sobą połączone. Gdy dwa takie pojazdy zbliżają się do tego samego skrzyżowania, tak naprawdę nie stanowią dwóch oddzielnych bytów – kieruje nimi jeden algorytm. Dlatego ryzyko, że mogą się nie zrozumieć i spowodować kolizję, jest znacznie mniejsze. A jeśli ministerstwo transportu postanowi zmienić część przepisów ruchu drogowego, wszystkie samochody autonomiczne można będzie bez trudu zaktualizować dokładnie w tym samym momencie, więc o ile tylko w programie nie pojawi się błąd, wszystkie one będą się co do joty stosowały do nowych przepisów15.

      Podobnie gdy Światowa Organizacja Zdrowia wykrywa jakąś nową chorobę albo gdy jakieś laboratorium wynajduje nowy lek, jest rzeczą niemal niemożliwą, by zaktualizować wiedzę wszystkich ludzkich lekarzy na świecie w zakresie nowej wiedzy. Ale już lekarzy SI (nawet gdyby miało być ich na świecie dziesięć miliardów, a każdy monitorowałby zdrowie jednego tylko człowieka) można będzie zaktualizować w ułamku sekundy i wszyscy będą mogli przekazywać sobie nawzajem opinie na temat nowych chorób czy nowych leków. Potencjalne korzyści wynikające z możliwości łączenia i aktualizacji są tak ogromne, że przynajmniej w niektórych zawodach sensowny może się okazać pomysł zastąpienia wszystkich ludzi komputerami, nawet gdyby niektórzy ludzie wciąż spisywali się lepiej niż maszyny.

      Ktoś może zaprotestować, mówiąc, że zastępując ludzkich pracowników siecią komputerową, stracimy korzyści płynące z indywidualności. Jeśli na przykład jeden lekarz człowiek dokonuje niewłaściwej oceny, nie zabija wszystkich pacjentów na świecie i nie blokuje opracowywania wszystkich nowych leków. Gdyby natomiast wszyscy lekarze tworzyli jeden system i ów system popełniłby błąd, wówczas skutki mogłyby być katastrofalne. Zintegrowany system komputerowy może jednak maksymalizować korzyści płynące z możliwości łączenia, nie tracąc tych, które wynikają z indywidualności. W tej samej sieci można uruchomić wiele alternatywnych algorytmów, tak by pacjentka mieszkająca w odległej wiosce w dżungli mogła za pośrednictwem smartfona skontaktować się nie tylko z jednym apodyktycznym lekarzem, ale tak naprawdę z setką różnych lekarzy SI, których diagnozy będą nieustannie ze sobą porównywane. Nie podoba ci się to, co ci powiedział lekarz z IBM-u? Żaden problem. Nawet jeśli utknąłeś gdzieś na stokach Kilimandżaro, z łatwością możesz zasięgnąć opinii innego specjalisty, kontaktując się z lekarzem z Baidu.

      Korzyści płynące z takiego rozwiązania dla ludzkiego społeczeństwa będą przypuszczalnie ogromne. Lekarze SI mogliby zapewnić znacznie lepszą i tańszą opiekę medyczną miliardom ludzi – szczególnie tym, którzy obecnie nie są objęci żadną. Dzięki uczącym się algorytmom i czujnikom biometrycznym biedna wieśniaczka ze słabo rozwiniętego kraju będzie mogła korzystać z dużo lepszej opieki medycznej za pośrednictwem smartfona niż ta, którą cieszy się dziś najbogatszy człowiek na świecie w najnowocześniejszym miejskim szpitalu16.

      Podobnie jest z pojazdami autonomicznymi: mogłyby one zapewnić ludziom znacznie lepsze usługi transportowe, a zwłaszcza obniżyć śmiertelność z powodu wypadków drogowych. Dzisiaj prawie milion dwieście pięćdziesiąt tysięcy ludzi ginie rocznie w wypadkach drogowych (dwa razy tyle co z powodu wojen, przestępstw i terroryzmu razem wziętych)17. Przyczyną ponad 90 procent tych wypadków są ludzkie błędy: ktoś usiadł za kierownicą po alkoholu, ktoś inny pisał esemesa, prowadząc, jeszcze inny zasnął za kółkiem albo się rozmarzył, zamiast zwracać uwagę na drogę. W 2012 roku amerykańska agencja bezpieczeństwa drogowego (National Highway Traffic Safety Administration) szacowała, że 31 procent wypadków śmiertelnych w Stanach Zjednoczonych było związanych z alkoholem, 30 procent z przekroczeniem dozwolonej prędkości, a 21 procent z dekoncentracją kierowcy18. Pojazdy autonomiczne nie popełniłyby takich błędów. Choć mają one własne problemy oraz ograniczenia i choć jakieś wypadki są nieuniknione, to jednak należy się spodziewać, że zastąpienie wszystkich kierowców przez komputery zmniejszy liczbę ofiar śmiertelnych i obrażeń z powodu zdarzeń drogowych o jakieś 90 procent19. Innymi słowy, przejście na samochody autonomiczne przypuszczalnie ocali życie około miliona osób rocznie.

      A zatem szaleństwem byłoby powstrzymywanie automatyzacji w takich dziedzinach, jak transport i opieka medyczna, tylko po to, by bronić miejsc pracy dla ludzi. Przecież tym, czego powinniśmy bronić w ostatecznym rozrachunku, są ludzie – nie miejsca pracy. Niepotrzebni kierowcy i lekarze będą po prostu musieli znaleźć sobie inne zajęcie.

Mozart w maszynie

      Przynajmniej w krótkiej perspektywie jest jednak mało prawdopodobne, by sztuczna inteligencja i robotyka całkowicie wyeliminowały całe gałęzie przemysłu. Prace polegające na wykonywaniu rutynowych działań zostaną zautomatyzowane. Dużo trudniej będzie natomiast zastąpić ludzi maszynami w mniej rutynowych zajęciach, gdy konieczne jest jednoczesne korzystanie z szerokiego wachlarza umiejętności i trzeba sobie radzić z nieprzewidzianymi scenariuszami. Weźmy na przykład opiekę medyczną. Wielu lekarzy skupia się niemal wyłącznie na przetwarzaniu informacji: pozyskują dane zdrowotne, analizują je i wydają diagnozę. Pielęgniarki natomiast potrzebują również dobrych umiejętności manualnych i emocjonalnych, by zrobić pacjentowi bolesny zastrzyk, zmienić mu opatrunek czy powstrzymać go, gdy zachowuje się agresywnie. A zatem opartego na sztucznej inteligencji lekarza rodzinnego w smartfonie będziemy mieli prawdopodobnie parę dziesięcioleci wcześniej, niż doczekamy się niezawodnego robota pielęgniarza20. Ta gałąź przemysłu, jaką jest opieka nad człowiekiem – troska o chorych, dzieci i osoby w podeszłym wieku – przypuszczalnie na długo jeszcze pozostanie bastionem ludzkich pracowników. Co więcej, ponieważ obecnie ludzie żyją dłużej i mają mniej dzieci, opieka nad osobami starszymi będzie prawdopodobnie jednym z najszybciej rozwijających się sektorów ludzkiego rynku pracy.

      Inną sferą, która stwarza szczególnie trudne przeszkody dla automatyzacji, jest kreatywność. Nie potrzebujemy już ludzi, by sprzedawali nam muzykę – możemy ściągnąć ją bezpośrednio z iTunes Store – jednak kompozytorzy, muzycy, piosenkarze i didżeje to wciąż ludzie z krwi i kości. Ich kreatywność jest nam potrzebna nie tylko po to, by tworzyli całkowicie nową muzykę, lecz również po to, by pomagali nam wybierać spośród niemieszczącego się w głowie wachlarza dostępnych możliwości.

      Niemniej jednak na dłuższą metę nie ma takiej pracy, która będzie się mogła całkowicie uchronić przed automatyzacją. Nawet artyści powinni zwrócić na to uwagę. We współczesnym świecie sztuka kojarzy się zazwyczaj z ludzkimi emocjami. Na ogół sądzimy, że rolą artystów jest kanalizowanie sił psychicznych, a zadanie sztuki sprowadza się do łączenia nas z własnymi emocjami albo do wzbudzania w nas jakichś nowych odczuć. Dlatego sztukę oceniamy zwykle na podstawie jej emocjonalnego oddziaływania na odbiorców. Jeśli jednak sztukę określają ludzkie emocje, to co się stanie, gdy zewnętrzne algorytmy będą w stanie rozumieć ludzkie emocje i oddziaływać na nie lepiej niż Szekspir, Frida Kahlo czy Beyoncé?

      Przecież emocje nie są żadnym mistycznym zjawiskiem –


<p>15</p>

S. Azimi et al., Vehicular Networks for Collision Avoidance at Intersections, „SAE International Journal of Passenger Cars – Mechanical Systems” 2011, nr 4, s. 406–416; S. Kumar et al., CarSpeak. A Content-Centric Network for Autonomous Driving, „SIGCOM Computer Communication Review” 2012, nr 42, s. 259–270; M.L. Sichitiu, M. Kihl, Inter-Vehicle Communication Systems. A Survey, „IEEE Communications Surveys & Tutorials” 2008, s. 10; M. Gerla, E.-K. Lee, G. Pau, Internet of Vehicles. From Intelligent Grid to Autonomous Cars and Vehicular Clouds, „2014 IEEE World Forum on Internet of Things (WF-IoT)” 2014, s. 241–246.

<p>16</p>

D.D. Luxton et al., mHealth for Mental Health. Integrating Smartphone Technology in Behavioural Healthcare, „Professional Psychology: Research and Practice” 2011, nr 42(6), s. 505–512; A.S.M. Mosa, I. Yoo, L. Sheets, A Systematic Review of Healthcare Application for Smartphones, „BMC Medical Informatics and Decision Making” 2012, nr 12(1), s. 67; K.F.B. Payne, H. Wharrad, K. Watts, Smartphone and Medical Related App Use among Medical Students and Junior Doctors in the United Kingdom (UK). A Regional Survey, „BMC Medical Informatics and Decision Making” 2012, nr 12(1), s. 121; S.K. Vashist, E.M. Schneider, J.H.T. Loung, Commercial Smartphone-Based Devices and Smart Applications for Personalised Healthcare Monitoring and Management, „Diagnostics” 2014, nr 4(3), s. 104–128; M.N. Kamel Bouls et al., How Smartphones Are Changing the Face of Mobile and Participatory Healthcare. An Overview, with Example from eCAALYX, „BioMedical Engineering OnLine” 2011, nr 10(24), https://doi.org/10.1186/1475-925X-10-24 (dostęp: 30 lipca 2017); P.J.F. White, B.W. Podaima, M.R. Friesen, Algorithms for Smartphone and Tablet Image Analysis for Healthcare Applications, „IEEE Access” 2014, nr 2, s. 831–840.

<p>17</p>

World Health Organization [Światowa Organizacja Zdrowia], Global status report on road safety 2015 (2016); idem, Global Health Estimates 2015. Deaths by Cause, Age, Sex, by Country and by Region, 2000–2015, Geneva 2016, http://www.who.int/healthinfo/global_burden_disease/estimates/en/index1.html (dostęp: 6 września 2017).

<p>18</p>

Na temat badania przyczyn wypadków samochodowych w Stanach Zjednoczonych zob. D.J. Fagnant, K. Kockelman, Preparing a Nation for Autonomous Vehicles. Opportunities, Barriers and Policy Recommendations, „Transportation Research Part A: Policy and Practice” 2015, nr 77, s. 167–181; na temat ogólnoświatowego badania zob. np. OECD/ITF, Road Safety Annual Report 2016, Paris 2016, http://dx.doi.org/10.1787/irtad-2016-en.

<p>19</p>

K.D. Kusano, H.C. Gabler, Safety Benefits of Forward Collision Warning, Brake Assist, and Autonomous Braking Systems in Rear-End Collisions, „IEEE Transactions on Intelligent Transportation Systems” 2012, nr 13(4), s. 1546–1555; J.M. Anderson et al., Autonomous Vehicle Technology. A Guide for Policymakers, Santa Monica 2014, zwł. s. 13–15; D.J. Fagnant, K. Kockelman, Preparing a Nation for Autonomous Vehicles. Opportunities, Barriers and Policy Recommendations, „Transportation Research Part A: Policy and Practice” 2015, nr 77, s. 167–181; J.-F. Bonnefon, A. Shariff, I. Rahwan, Autonomous Vehicles Need Experimental Ethics. Are We Ready for Utilitarian Cars?, „arXiv” 2015, s. 1–15. Na temat wskazówek dotyczących sieci łączących pojazdy, które mają zapobiegać kolizjom, zob. S. Azimi et al., Vehicular Networks for Collision Avoidance at Intersections, „SAE International Journal of Passenger Cars – Mechanical Systems” 2011, nr 4, s. 406–416; S. Kumar et al., CarSpeak. A Content-Centric Network for Autonomous Driving, „SIGCOM Computer Communication Review” 2012, nr 42, s. 259–270; M.L. Sichitiu, M. Kihl, Inter-Vehicle Communication Systems. A Survey, „IEEE Communications Surveys & Tutorials” 2008, s. 10; M. Gerla, E.-K. Lee, G. Pau, Internet of Vehicles. From Intelligent Grid to Autonomous Cars and Vehicular Clouds, „2014 IEEE World Forum on Internet of Things (WF-IoT)” 2014, s. 241–246.

<p>20</p>

M. Chui, J. Manyika, M. Miremadi, Where Machines Could Replace Humans – and Where They Can’t (Yet), „McKinsey Quarterly” 2016, http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet (dostęp: 1 marca 2018).