Передовые системы будут продолжать помогать людям лучше выполнять свою работу, а не заменять их.
КЕН ГОЛЬДБЕРГ, интервью ФРИДА КЛОЦ (Слоун Менеджмент Ревью, August 15, 2018)
Хотя системы искусственного интеллекта уже становятся частью повседневной жизни, недавние дебаты об ИИ и будущем работы приобрели особую актуальность. Покойный Стивен Хокинг беспокоился, что люди “не смогут конкурировать и будут вытеснены” машинами, в то время как основатель Tesla Илон Маск предположил, что конкуренция в области ИИ может привести к Третьей мировой войне. Ранее в этом году журнал The Economist сообщил, что почти половина рабочих мест в 32 развитых странах, опрошенных Организацией экономического сотрудничества и развития, Развития (ОЭСР) были уязвимы к автоматизации, заявив, "на Запад обрушилась волна тревоги за автоматизацию.” Кен Голдберг, профессор и заведующий кафедрой промышленного инжиниринга и исследований операций в Калифорнийском университете в Беркли, настаивает на всем этом. Вместо того чтобы принять идею о том, что роботы превзойдут людей и заменят нас в рабочей силе (концепция, называемая “сингулярностью”), он выступает за “множественность” — гибридный взгляд на то, как новые технологии и люди могут работать в партнерстве для достижения человеческих целей. В какой-то степени, говорит он, именно так и начинает функционировать ИИ. Корреспондент MIT Sloan Management Review Фрида Клотц говорил с Голдбергом о будущем, в котором ИИ будет дополнением, а не угрозой для рабочих. Далее следует отредактированная и сокращенная версия их разговора.
MIT SLOAN MANAGEMENT REVIEW: над какими областями робототехники в настоящее время работает ваша лаборатория?
Голдберг: мы разрабатываем роботизированное программное обеспечение для таких задач, как выполнение складских заказов, удаление мусора на дому и роботизированная хирургия. Общим для всей работы, которую мы делаем, является идея алгоритмов и обучения для роботов, улучшающих нашу способность анализировать данные и примеры, а затем использовать их для построения политики управления — или моделей — для того, как роботы могут двигаться. Область, над которой я работаю уже 35 лет, — это роботизация- как надежно подбирать предметы. Это легко для людей, но это проблема для роботов. В принципе, каждый робот по-прежнему недотепа, и это большая проблема, если вы хотите разработать такой, который будет разгружать дом или упаковывать коробки на складе.
Можете ли вы рассказать о своей концепции множественности?
[Кен Голдберг, профессор, заведующий Кафедрой промышленного инжиниринга и эксплуатационных исследований, Калифорнийский университет в Беркли]
Голдберг:люди продолжают говорить, что мы находимся на пороге перехода, сингулярности, когда компьютеры возьмут верх. Есть ощущение, что ИИ-это волшебная технология, которая преобразует промышленность и заменит людей, оставляя людей без работы. Но мы и близко не подошли к этой точке. Есть действительно хорошие технологии и много интересных разработок, и в некоторых областях машины могут быть лучше людей. Машины очень хороши в точности; они очень хороши в вычислении чисел и распознавании образов. Но есть несколько областей в какие машины, и особенно роботы, не преуспевают. Самая продвинутая роботизированная техника захвата не так ловка, как 3-летний ребенок! Я обеспокоен тем, что у людей есть ожидания, которые не соответствуют текущей реальности, и что они будут отвлекать нас от того, о чем мы должны беспокоиться и планировать. Именно это привело меня к множественности, к идее, что мы увидим новые партнерские отношения между командами людей и машин. Большинство систем, которые мы используем, на самом деле возникают из человеческого взаимодействия. И это уже происходит каждый день — например, когда мимо нажав на результаты, мы даем обратную связь алгоритму поиска Google, который он затем использует для уточнения будущих результатов. Множественность требует разнообразия. Если вы посмотрите на систему мышления, называемую теорией ансамблей, вы можете доказать, что разнообразие полезно для системы машинного обучения. Это отношение можно сформулировать математически. Это действительно интересно, потому что это согласуется с тем, что мы начинаем находить о группах людей: если у вас есть разнообразная группа людей, вы получаете лучшие, более творческие идеи, больше идей и лучшие результаты.
Тогда мы увидим различные виды разнообразия-не только между людьми, но и между людьми и роботами, объединяющими свои усилия.
Голдберг:Совершенно верно. Такие качества, как интуиция, эмпатия, креативность — все это очень человеческие качества — мы очень хорошо умеем смотреть на целостные ситуации, обобщения-и мы можем сочетать эти качества с точностью, которую обеспечивают машины. Мы должны праздновать это, потому что это буквально приводит к лучшим решениям и лучшим процессам.
В ближайшие несколько лет робототехника может оказаться не такой полезной, как люди ожидают?
Голдберг:люди утверждают, что у нас будут автономные грузовики, которые исключат работу водителей грузовиков. Они говорят это о водителях Uber или Lyft тоже, но этого не произойдет. Мы добьемся некоторого прогресса; сегодня вы можете проехать хорошие отрезки по автостраде с помощью роботизированной системы. Но есть так много сложностей с вождением в городе или пригородной среде, которые делают его намного сложнее, особенно если вы находитесь в грузовике, потому что есть узкие и извилистые улицы, по которым нужно перемещаться. В обозримом будущем нам понадобятся люди-водители грузовиков — до конца моей жизни и жизни моих детей. Другой пример: некоторые утверждают, что у журналистов нет будущего. Компьютерные системы берут данные о спортивных событиях, а затем генерируют истории, которые читаются достаточно хорошо. Это потому, что они могут идентифицировать паттерны и помещать числа и результаты в эти паттерны, и это может работать в определенной степени. Но машины еще не обладают способностью улавливать то, что действительно интересно в спортивном человеке, события, конкретные нюансы того, что происходит, или провести аналогии о том, что делают команды.
Разве команды машинного обучения не работают над такими различиями?
Голдберг:так оно и есть, но на самом деле до этого еще много лет. Роботы отлично справляются с работой, которую никто другой не хочет делать — грязной, скучной и опасной. Я действительно думаю, что в ближайшие 10 лет у нас будет наш робот-утилизатор, который сможет убирать вокруг наших домов по цене, которую мы можем себе позволить. Роботы также преуспеют в таких задачах, как мытье окон на небоскребах. Когда дело доходит до более специализированных областей, таких как медицина, некоторые из моих работ используют данные человеческих хирургов и выведенные модели, чтобы разработайте роботов, способных накладывать швы или удалять фрагменты — задачи, которые большинство хирургов считают утомительными. Это дает врачам возможность быть сосредоточенными и присутствующими и уделять больше внимания самым важным вещам.
Что могли бы сделать бизнес-лидеры, чтобы позволить такого рода партнерствам процветать в их организациях?
Голдберг:руководители компаний должны ценить людей, которые работают на них, и убеждать сотрудников в том, что системы искусственного интеллекта действительно могут помочь им лучше выполнять свою работу, а не заменять их. ИИ сможет выполнять многие скучные офисные задачи. Подумайте о болевых точках, которые мешают работникам выполнять более важные части своей работы-планировать встречи, записывать, делать заметки, обобщать и индексировать документы. Руководители компаний должны думать о том, как эти инструменты могут повысить эффективность работы сотрудников.
Есть ли риск, что вы недооцениваете машины и их способности?
Голдберг:конечно, я могу ошибаться. Но я не видел никаких доказательств того, что компьютер способен к инновациям и творчеству. Роботы могут быть запрограммированы на поведение, имитирующее человеческую изобретательность, но они не способны спонтанно вводить новшества, обмениваться идеями, как это делают люди, создавать действительно новые идеи или проекты и распознавать их как таковые. Для этого требуется глубокое понимание того, что является нормальным, а что нет, что мы не знаем, как формализовать. Это один из элементов теста Тьюринга, который исследует, может ли машина поддерживать интересную беседу таким образом, который неотличим от человеческого интеллекта. Мы даже не близки к этому; по этому показателю у нас нет интеллектуальных машин, и мы не добились никакого прогресса, действительно, за 60 лет. Все разработки в области ИИ захватывают воображение, но эту границу человеческого уровня все еще так же трудно преодолеть, как и десятилетия назад.
Как вы думаете, почему люди ухватились за идею сингулярности, когда она может не совсем точно отражать технический прогресс?
Голдберг:даже в начале 20-го века, когда появилась автоматизация, ходили разговоры о том, что роботы возьмут верх. Это циклично. Люди говорят, что на этот раз все по — другому-технология другая. И да, и нет. Дело в том, что у нас есть более быстрые компьютеры, у нас есть гораздо больше данных для работы, и мы добились некоторого прогресса. Но в самых важных отношениях машины далеко не превосходят людей.
(перевод статьи в учебных целях выполнила Петрусенко Татьяна , группа 1.5 ЭТиУП, ЮФУ, декабрь 2020))