Не все можно автоматизировать
Машины займутся повторяющейся и монотонной работой, такой как расшифровка рентгеновских снимков (роль рентгенологов может вскоре значительно сократиться), вождение грузовиков и обслуживание складских помещений.
Если оценить характеристики многочисленных специальностей и профессий, можно выделить два типа нетривиальных задач, которые наиболее распространены и с трудом поддаются автоматизации.
1. Работа, связанная с эмоциями. Эмоции играют важную роль в человеческих коммуникациях (вспомните врача, разговаривающего с семьей, или бармена, взаимодействующего с клиентами). Они участвуют буквально во всех формах невербальных коммуникаций и эмпатии. Но более того, они помогают ранжировать действия по важности – например, решать, чем заняться прямо сейчас, а что отложить на вечер. Эмоции не только отличаются сложностью и нюансами, но и связаны со множеством процессов принятия решений. Работа эмоций плохо поддается научному пониманию (хотя в этой области наблюдается прогресс), и ее трудно встроить в автоматизированную систему.
2. Контекст. Люди могут с легкостью учитывать контекст при принятии решений или взаимодействии с другими людьми. Контекст особенно интересен, так как имеет множество вариантов, например, каждый выпуск новостей меняет контекст (широкий или узкий), в котором мы действуем. Кроме того, изменения контекста (например, победа независимого кандидата на президентских выборах) могут не только повлиять на взаимосвязи между факторами, но и добавить новые факторы и принципиальным образом переиначить их расклад. Это проблема для машинного обучения, работающего на наборах данных, которые по определению были созданы раньше, в другом контексте. Таким образом, принятие во внимание контекста (что без труда может сделать хороший бармен) представляет проблему для машины.
Наши способности управлять и руководствоваться эмоциями и учитывать влияние контекста очень важны для критического мышления, творческого решения проблем, эффективных коммуникаций, адаптивного обучения и здравого смысла. Очень сложно программировать машины, чтобы они воспроизводили подобные человеческие знания и навыки, и пока не ясно, когда предпринимаемые сегодня первые попытки это сделать принесут результат (и принесут ли вообще).
И на самом деле именно эти навыки постоянно требуются от кандидатов на различные должности в компаниях разных отраслей. Например, в одном из опросов 93% работодателей сообщили, что «способность кандидата критически мыслить, четко излагать и решать сложные задачи важнее, чем предмет, на котором он специализировался в университете». Кроме того, компании ищут кандидатов, обладающих такими навыками, как способность адаптивно учиться, принимать разумные решения, сотрудничать и ладить с другими. Со всем этим отлично справляется человек, но это будет сложно автоматизировать.
Стивен Косслин – президент Foundry College, ранее директор по академическим вопросам Minerva Schools при KGI. Прежде декан факультета общественных наук Гарвардского университета.
Читайте подробнее на нашем сайте
Подписывайтесь на канал «Ведомости»
