Перед учеными постоянно стоит выбор: читать чужие статьи легально за огромные деньги или искать бреши в рядах защитников авторских прав. Финансирование науки даже в развитых странах зачастую остаётся более чем скромным, так что выбор, по сути своей, сводится не к «легально или нелегально», а к «работать или не работать».
Любая, даже самая инновационная и революционная научная работа имеет под собой фундамент из предыдущих исследований. Для сколько-нибудь серьёзной работы необходим доступ как минимум к десяткам, а чаще к сотням статей. Статей, написанных представителями лабораторий, разбросанных по всем странам «первого» и «второго» миров.
Большинство сложностей, связанных с этническим и географическим многообразием авторов научных трудов, уже разрешено. Интернет стер границы между государствами, английский, ставший де-факто научным лингва франка, убрал границы языковые. Казалось бы, учёным остается работать и радоваться. Казалось бы.
На деле доступ к научным знаниям всё ещё значительно затруднен. Большая (с любым ударением) часть актуальных статей — платные, причем речь идёт о значительных суммах: 30–50 евро за штуку. Открытым для всех желающих остаётся только «абстракт» — краткий пересказ статьи, которого вполне хватит журналисту для инфоповода, но точно не будет достаточно для серьезной работы. Случается, что удаётся найти открытую публикацию, но качество их чаще всего оставляет желать лучшего.
Выпуск научного журнала стоит немалых денег. А деньги можно получить тремя путями: от читателей, от авторов и, наконец, от государства. Последние два варианта реализуются значительно реже, но, действительно, некоторые журналы существуют за счёт авторов, платящих примерно 1000 евро за публикацию своей статьи. Как ни удивительно, это не мусорные издания, рассказывающие про память воды и прочие вечные двигатели, а серьёзные журналы, следящие за своей репутацией. Редакторы знают, что в хороших грантах на исследования отдельно прописывается пункт «на публикации», ведь так сложилось, что количество цитирований — один из немногих наглядных критериев оценки научной работы.
Как же быть простому российскому (бразильскому, индийскому, китайскому, сирийскому и т. д.) учёному, на месячную зарплату которого можно прочитать несколько десятков статей? Подавляющее большинство отечественных институтов не может позволить себе подписку на зарубежные издания, а хорошая статья на русском языке — огромная редкость. Простому российскому учёному остается одно — собраться с духом и «спиратить», то есть бесплатно скачать нужную платную статью, на Sci-Hub (sci-hub.io). Сначала это кажется чем-то странным, но к хорошему, а тем более бесплатному, привыкнуть не сложно. Sci-Hub предоставляет бесплатный доступ ко всем появляющимся и к большинству существующих статей. Законно ли это? На западе, где к копирайту относятся весьма и весьма почтительно, это незаконно совсем. Правильно ли это? Конечно.
Ограничение доступа к научным работам со стороны издательств препятствует деятельности всех научных лабораторий, групп и институтов, за исключением самых богатых. Да, «лучшим спортсменам — лучший инвентарь», — но вот только достижения в этом «спорте» принадлежат не конкретным личностям, но всему человечеству. Простому же российскому учёному ни в коем случае нельзя отвлекаться на угрызения совести из-за пиратства — нужно спокойно и бесплатно скачивать необходимые статьи, а там, глядишь, и цены станут доступными. Другой вопрос, упадёт ли стоимость статей или вырастет зарплата простого российского учёного?
Разрекламированный путь развития искусственного интеллекта – восстание машин, миллионы «терминаторов» с пулеметами, голодные повстанцы... Но на самом деле умные машины могут заставить многих людей голодать совсем другим способом.
Роботам на промышленных предприятиях разной степени тяжести давно уже никто не удивляется. Сто лет назад инструментами заводского рабочего были гаечный ключ и кувалда, сейчас – джойстик или просто командная строка на экране. В этом смысле машины нас кормят. Производственные мощности растут, издержки сокращаются, эффективность человеческого труда высока как никогда.
Чем же стали заниматься люди, чью работу теперь выполняют роботы? Большинство подумает: «Ну, наверное, переквалифицировались». Тем более, что работа эта не самая приятная и уж точно не самая творческая. Так было. Так больше никогда не будет.
С бурным развитием машинного обучения под угрозой увольнения оказались работники не только цехов, но и офисов. А в ближайшем будущем с перспективой оптимизации могут столкнуться и сотрудники студий — звукозаписывающих, художественных. Сегодня простое приложение для смартфона превращает любую фотографию в произведение искусства, а завтра отпадет надобность в фотографии. Сегодня для того, чтобы подобрать нужную молекулу, химику достаточно выбрать десяток параметров и нажать «Enter», а завтра отпадет надобность и в самом химике. Представители большинства творческих и интеллектуальных профессий смогут быть заменены интеллектом искусственным — достаточно набрать необходимую обучающую выборку примеров и команду хороших программистов. Впрочем, гарантий того, что не отпадет надобность в программистах, тоже нет.
Гарантий нет, но надежда все-таки живет и развивается в нескольких направлениях. Это, во-первых, «авось». «Авось моей работе нейронную сеть нельзя обучить». Или, по крайней мере: «Авось моей-то работе нейронную сеть нельзя обучить на моём веку». Во-вторых, пока что можно успеть переучиться на программиста... Сценарии, при которых миллионы людей временно оставались без работы, случались в истории не раз и не два — чего стоит массовое разорение мелких фермерских хозяйств в США из-за распространения тракторов в 1930-е. Всегда как-то обходилось, удавалось найти себе другое применение, массово от безработицы никто не умирал.
Переучиться на программиста или полагаться на «авось» в принципе приемлемо, но в лучшем случае получится выход в ноль. На самом же деле благодаря машинному обучению человечество может остаться в серьезном плюсе. Искусственный интеллект, управляющий высокотехнологичными приборами, будет выполнять всю необходимую работу, а люди будут иметь возможность делать то, что хочется, в том числе ничего. Да, в советские годы подобное будущее предсказывалось постоянно. Но только сейчас появились реальные инструменты для его осуществления — в первую очередь, машинное обучение.
В своём «Ководстве» Артемий Лебедев предупреждает: «Все, что может быть софтверизовано, будет софтверизовано», – то есть всё, что можно заменить компьютерной программой, будет ею заменено. Остаётся надеяться, что прогноз дизайнера сбудется только по отношению к миру вещей. Единым двоичным кодом всё-таки сыт не будешь. Если ты не двоичный код. А сесть и выучить Python стоит – так, на всякий случай.
По матерьялам https://storia.me/ru/@lev.inozemtsev/polemika-1be4jz/pochem-opium-dlya-nauki-ovbxr